2021年4月，中國(guó)信通院發(fā)布的《人工智能核心技術(shù)產(chǎn)業(yè)白皮書》指出，AI產(chǎn)業(yè)似乎顯現(xiàn)出“陷入困境”與“高速發(fā)展”的矛盾現(xiàn)象。

一方面，是AI技術(shù)不斷發(fā)展，相關(guān)應(yīng)用開始全面覆蓋經(jīng)濟(jì)社會(huì)的關(guān)鍵領(lǐng)域；另一方面，則是產(chǎn)業(yè)發(fā)展速度不及資本市場(chǎng)預(yù)期，資本熱度開始減退。

成都知識(shí)視覺科技有限公司CEO向飛認(rèn)為，這背后的原因，一是需求難落地，二是數(shù)據(jù)難獲取，導(dǎo)致大多數(shù)應(yīng)用場(chǎng)景難以實(shí)現(xiàn)商業(yè)閉環(huán)。

“需求”和“數(shù)據(jù)”成了攔路虎，阻礙AI應(yīng)用場(chǎng)景真正落地。

為繞開“攔路虎”，知識(shí)視覺主動(dòng)進(jìn)行了兩次轉(zhuǎn)型，其轉(zhuǎn)型背后的思想，或許能為掙扎在“困境”邊緣的AI企業(yè)們提供參考。

作為兩度上榜成都黑科技撲克牌的企業(yè)，知識(shí)視覺自病理AI領(lǐng)域轉(zhuǎn)型切入保險(xiǎn)科技賽道，致力于使用新一代AI技術(shù)助力醫(yī)療保險(xiǎn)領(lǐng)域的客戶實(shí)現(xiàn)信息化到數(shù)字化的升級(jí)。

創(chuàng)立之初，知識(shí)視覺在醫(yī)療AI領(lǐng)域挖掘出不少應(yīng)用場(chǎng)景，但在具體落地的時(shí)候才發(fā)現(xiàn)，大量項(xiàng)目只能停留在科研階段，無法真正實(shí)現(xiàn)AI的產(chǎn)品化和商品化，而問題就出在對(duì)需求的理解上。

“近年來，整個(gè)醫(yī)療影像AI行業(yè)都活得不算好，什么原因？大家進(jìn)入一個(gè)誤區(qū)，自己給市場(chǎng)假設(shè)了一項(xiàng)需求，創(chuàng)造了一個(gè)場(chǎng)景，然后認(rèn)為醫(yī)院會(huì)買單，結(jié)果到最后才發(fā)現(xiàn)，即使?jié)M足了臨床醫(yī)生的需求也很難變現(xiàn)，因?yàn)椴灰欢軡M足所有參與方的需求，”向飛表示。

醫(yī)生有需求醫(yī)院沒需求不行，醫(yī)院有需求患者沒需求也不行，患者有需求支付方不滿意還是不行。在醫(yī)療場(chǎng)景里滿足所有參與方需求很不容易，導(dǎo)致了醫(yī)療AI公司變現(xiàn)途徑長(zhǎng)、周期長(zhǎng)。

此外，由于病理影像數(shù)據(jù)本身異質(zhì)性強(qiáng)、標(biāo)準(zhǔn)化難度大等特點(diǎn)，想要完全滿足臨床醫(yī)生的需求并形成通用的標(biāo)準(zhǔn)化醫(yī)療器械產(chǎn)品，過程漫長(zhǎng)，且最終臨床的接受程度與應(yīng)用性并不明確，這可能會(huì)拖垮創(chuàng)企。

向飛明白，不能再一廂情愿靠想象力發(fā)展，而要仔細(xì)調(diào)查市場(chǎng)的“真需求”。他所理解的“真需求”，簡(jiǎn)單來說就是用戶買單意愿強(qiáng)烈，而AI技術(shù)又能迅速滿足的需求。

于是知識(shí)視覺從2018年開始廣泛接觸各行各業(yè)，很快就從保險(xiǎn)公司身上發(fā)現(xiàn)了新機(jī)會(huì)。

“AI領(lǐng)域充斥著大家臆想出來的需求，并不能真正落地，但臆想的需求也在不斷教育市場(chǎng)，讓市場(chǎng)提出自己的想法。”向飛說道，“2018年，有保險(xiǎn)公司找到我們，想用AI技術(shù)提升健康險(xiǎn)的風(fēng)控費(fèi)控能力。”

彼時(shí)百萬醫(yī)療險(xiǎn)火爆，帶動(dòng)了互聯(lián)網(wǎng)保險(xiǎn)起勢(shì)，大量保險(xiǎn)公司切入進(jìn)來，推出了一系列報(bào)銷型醫(yī)療險(xiǎn)產(chǎn)品。

但應(yīng)用AI的前提是數(shù)字化，數(shù)字化的基礎(chǔ)是數(shù)據(jù)，保險(xiǎn)公司獲得的患者信息大多是非結(jié)構(gòu)化的醫(yī)療單證圖像數(shù)據(jù)，這些數(shù)據(jù)無法被計(jì)算機(jī)充分識(shí)別并分析。

找到保險(xiǎn)公司應(yīng)用AI的痛點(diǎn)后，知識(shí)視覺一方面繼續(xù)做著病理AI業(yè)務(wù)，另一方面則為保險(xiǎn)公司設(shè)計(jì)數(shù)字化、智能化的健康險(xiǎn)理賠全流程作業(yè)系統(tǒng)，并逐步將之前積累的AI技術(shù)成果引入到這套系統(tǒng)中，幫助保險(xiǎn)公司將圖像數(shù)據(jù)結(jié)構(gòu)化。

2019年，知識(shí)視覺推出“數(shù)圖保”產(chǎn)品，正式轉(zhuǎn)型成為醫(yī)療AI+保險(xiǎn)科技雙輪驅(qū)動(dòng)的公司，后來成功進(jìn)行了A+輪千萬級(jí)、A++輪千萬級(jí)、Pre-B輪數(shù)千萬人民幣的股權(quán)融資，獲得“最佳保險(xiǎn)人工智能應(yīng)用創(chuàng)新獎(jiǎng)”、“最佳保險(xiǎn)科技創(chuàng)新獎(jiǎng)”等來自保險(xiǎn)行業(yè)的認(rèn)可，并入選動(dòng)脈網(wǎng)發(fā)布的“2020-2021未來醫(yī)療100強(qiáng)系列榜單”。

第一次轉(zhuǎn)型成功后，向飛原本想通過與保險(xiǎn)公司的合作，反哺病理AI技術(shù)開發(fā)，但后來發(fā)現(xiàn)這幾乎不可能，因?yàn)閬碜员ｋU(xiǎn)賠付的病理數(shù)據(jù)，病種太過分散，不能有效訓(xùn)練AI。

這折射出AI產(chǎn)業(yè)“陷入困境”的另一個(gè)原因——難以獲取高質(zhì)量數(shù)據(jù)集。

?業(yè)互聯(lián)?創(chuàng)新中?聯(lián)合36氪研究院發(fā)布的《2020AI醫(yī)療產(chǎn)業(yè)發(fā)展藍(lán)皮書》指出，中國(guó)醫(yī)療AI所面臨的數(shù)據(jù)挑戰(zhàn)主要集中在四方面：數(shù)據(jù)格式難以統(tǒng)一、數(shù)據(jù)記錄完整性不足、數(shù)據(jù)真實(shí)有效性難以保障、數(shù)據(jù)安全要求嚴(yán)格。

該報(bào)告還提到，現(xiàn)實(shí)中有超過80%的醫(yī)療大數(shù)據(jù)為影像形式，其中90%左右又是非結(jié)構(gòu)化數(shù)據(jù)，AI真正能夠利用的高質(zhì)量數(shù)據(jù)集多集中在三甲醫(yī)院，但缺乏共享機(jī)制，外界難以獲取。數(shù)據(jù)缺乏結(jié)構(gòu)化系統(tǒng)化梳理，加上跨平臺(tái)分享機(jī)制缺位，導(dǎo)致大部分醫(yī)療數(shù)據(jù)都沒辦法充分挖掘。

不止醫(yī)療，數(shù)據(jù)挑戰(zhàn)廣泛存在于AI應(yīng)用的各領(lǐng)域。

對(duì)如何獲取高質(zhì)量數(shù)據(jù)集，向飛想了很多方法，但都解決不了核心問題：“高質(zhì)量醫(yī)療數(shù)據(jù)雖然集中在醫(yī)院，但所有權(quán)卻是患者的。未經(jīng)授權(quán)，醫(yī)院不可以把數(shù)據(jù)給我們。”

不過向飛又想到，醫(yī)院之所以能積累到大量高質(zhì)量數(shù)據(jù)集，是因?yàn)橹苯臃?wù)患者，何不效仿醫(yī)院，直接從患者處獲取數(shù)據(jù)授權(quán)？但包括知識(shí)視覺在內(nèi)的大多數(shù)醫(yī)療AI企業(yè)都是To B公司，又該如何直接服務(wù)于患者？

機(jī)會(huì)很快就出現(xiàn)了。隨著2020年初《關(guān)于深化醫(yī)療保障制度改革的意見》的印發(fā)，商業(yè)保險(xiǎn)公司與藥企、健康管理公司的互動(dòng)合作日益增多，醫(yī)療、醫(yī)保、醫(yī)藥“三醫(yī)聯(lián)動(dòng)”成為雙創(chuàng)熱點(diǎn)，資本熱度持續(xù)升溫。

今年4月，作為中國(guó)“險(xiǎn)+藥”模式的代表企業(yè)，水滴向美國(guó)SEC提交招股書；今年3月，鎂信健康宣布完成10億元B輪融資，該公司以創(chuàng)新支付為錨點(diǎn)，持續(xù)構(gòu)建著“互聯(lián)網(wǎng)+醫(yī)+藥+險(xiǎn)”生態(tài)模式；去年6月，北京圓心科技宣布完成6億元D1輪融資，計(jì)劃用于“醫(yī)-藥-險(xiǎn)”業(yè)務(wù)的聯(lián)動(dòng)發(fā)展……

保險(xiǎn)公司和投資機(jī)構(gòu)開始鼓勵(lì)知識(shí)視覺轉(zhuǎn)型醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)。

經(jīng)過研究，向飛發(fā)現(xiàn)很多醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)公司，確實(shí)能夠直接服務(wù)于患者，所以沉淀了大量數(shù)據(jù)。只是這些公司基因各異，有從藥房轉(zhuǎn)型的，有從互聯(lián)網(wǎng)醫(yī)療轉(zhuǎn)型的，還有從支付領(lǐng)域轉(zhuǎn)型的，對(duì)如何開展醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)，都有自己的一套理解，可謂百家爭(zhēng)鳴。

他再次陷入思考：如果知識(shí)視覺切入醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)領(lǐng)域，能否利用自身人工智能企業(yè)的優(yōu)勢(shì)，為患者提供更多價(jià)值？

經(jīng)過長(zhǎng)時(shí)間的琢磨，向飛終于把這份價(jià)值梳理清楚。他告訴雨前顧問，近些年新的診療技術(shù)層出不窮，僅針對(duì)癌癥患者，就有譬如靶向治療、免疫療法、CAR-T、CAR-NK、ADC、溶瘤病毒等療法，同時(shí)更多的靶點(diǎn)也在不斷被發(fā)現(xiàn)和研究。

新技術(shù)的涌現(xiàn)造成三個(gè)沖突：一是這么多新式診療技術(shù)，患者該如何選擇？二是這些新技術(shù)價(jià)格不菲，患者能否消費(fèi)得起？三是新技術(shù)風(fēng)險(xiǎn)較高，很少有人愿意嘗鮮，導(dǎo)致技術(shù)發(fā)展停滯。

在向飛看來，這些沖突其實(shí)都能通過對(duì)醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)商業(yè)模式的合理設(shè)計(jì)加以解決。

基于與醫(yī)院、醫(yī)療企業(yè)、保險(xiǎn)公司合作積累的基礎(chǔ)數(shù)據(jù)，以及深耕醫(yī)療領(lǐng)域多年而獲取的醫(yī)療知識(shí)和數(shù)據(jù)處理能力，知識(shí)視覺計(jì)劃以醫(yī)療大數(shù)據(jù)為驅(qū)動(dòng)，為醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)各個(gè)環(huán)節(jié)的參與者都提供服務(wù)。

針對(duì)患者，可以提供醫(yī)療大數(shù)據(jù)服務(wù)，把同類型患者有多少人采用了哪種方案、某種靶向藥臨床療效的評(píng)價(jià)指標(biāo)、某種創(chuàng)新治療技術(shù)副作用的概率等等信息，以數(shù)據(jù)可視化的形式呈現(xiàn)，幫助患者選擇診療方案。

假如患者要獲取這種數(shù)據(jù)服務(wù)，需提供自身健康數(shù)據(jù)的授權(quán)。隨著相關(guān)業(yè)務(wù)推進(jìn)，患者池?cái)?shù)據(jù)量將越來越大，大數(shù)據(jù)分析的結(jié)果也將越來越精準(zhǔn)。

針對(duì)保險(xiǎn)公司，可以提供更為專業(yè)的大數(shù)據(jù)咨詢服務(wù)，幫助保險(xiǎn)公司設(shè)計(jì)創(chuàng)新保險(xiǎn)產(chǎn)品。例如根據(jù)醫(yī)療大數(shù)據(jù)，設(shè)計(jì)一種保障創(chuàng)新診療技術(shù)效果的保險(xiǎn)，如果診療后腫瘤還擴(kuò)散了就賠付醫(yī)療費(fèi)，從而增強(qiáng)患者消費(fèi)信心和依從性。

針對(duì)診療技術(shù)企業(yè)，可以提供觸達(dá)患者的渠道服務(wù)，讓新藥、新手術(shù)方法的信息能夠在第一時(shí)間傳達(dá)給患者。

針對(duì)醫(yī)院，則幫助醫(yī)生們提高向患者解釋治療方案的效率。

如此，患者擁有了對(duì)新式診療技術(shù)的判斷能力，保險(xiǎn)降低了患者使用新技術(shù)的門檻，而新技術(shù)也不用擔(dān)心缺乏患者，既解決了三個(gè)沖突，又滿足了醫(yī)療行為參與各方的需求。

向飛表示，假如知識(shí)視覺能夠獲得保險(xiǎn)經(jīng)紀(jì)牌照，就可以直接面向患者銷售保險(xiǎn)了，這一套醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)的邏輯將更具價(jià)值，可以推動(dòng)知識(shí)視覺的估值從數(shù)十億提升至數(shù)百億。

想明白了其中價(jià)值，向飛也打定主意，推動(dòng)知識(shí)視覺進(jìn)入醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)領(lǐng)域，從一家To B公司轉(zhuǎn)型為To C公司。

經(jīng)過兩次轉(zhuǎn)型，目前知識(shí)視覺已形成醫(yī)療AI+保險(xiǎn)科技+醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)的“三級(jí)火箭”式業(yè)務(wù)模式，這第三級(jí)“火箭”，不久前剛驗(yàn)證完畢，將于2021年5月后正式啟動(dòng)。

向飛認(rèn)為，知識(shí)視覺的“三級(jí)火箭”是一個(gè)有機(jī)整體。

第一級(jí)火箭（醫(yī)療AI）讓知識(shí)視覺獲得了對(duì)診療技術(shù)的判斷能力，第二級(jí)火箭（保險(xiǎn)科技）讓知識(shí)視覺鏈接到了保險(xiǎn)公司，第三級(jí)火箭（醫(yī)-藥-險(xiǎn)聯(lián)動(dòng)）則能為知識(shí)視覺帶來大量業(yè)務(wù)與現(xiàn)金流。假如沒有第一、二級(jí)火箭的積累，就不可能創(chuàng)造出第三級(jí)火箭。

但無論怎么轉(zhuǎn)型，知識(shí)視覺的AI基因是不會(huì)改變的。

這為“陷入困境”的AI創(chuàng)企們帶來新的啟示：大可不必直接通過AI業(yè)務(wù)獲取回報(bào)。讓AI技術(shù)成為公司的基礎(chǔ)設(shè)施，轉(zhuǎn)而尋找市場(chǎng)的“真需求”，進(jìn)而打造全新的商業(yè)模式，也不失為一種在新技術(shù)早期市場(chǎng)需求還不夠成熟時(shí)候的發(fā)展策略。

譬如騰訊。騰訊早期推出QQ，直接的變現(xiàn)手段如注冊(cè)收費(fèi)、靚號(hào)收費(fèi)等，營(yíng)收有限，很難支撐公司發(fā)展壯大。但后來騰訊找到了在社交中人們愛美的“真需求”，推出了QQ秀，找到了在社交中人們需要互動(dòng)的“真需求”，推出了QQ游戲，此后一發(fā)不可收拾。即時(shí)通信這個(gè)QQ最主要的功能，成為其它賺錢業(yè)務(wù)的基礎(chǔ)設(shè)施。

向飛在雨前朋友會(huì)上分享

雨前顧問：你是怎么進(jìn)入醫(yī)療AI這個(gè)領(lǐng)域的？

向飛：我從2011年開始做創(chuàng)新醫(yī)療器械研發(fā)，融了不少錢，踩了不少坑，也積累了不少創(chuàng)新醫(yī)療器械的研發(fā)經(jīng)驗(yàn)，最后我個(gè)人得出結(jié)論，創(chuàng)新醫(yī)療器械研發(fā)不適合初創(chuàng)公司來做。所以在2016年知識(shí)視覺剛成立的時(shí)候，我們本不想再繼續(xù)做創(chuàng)新醫(yī)療器械的研發(fā)，但是機(jī)緣巧合與羅氏診斷達(dá)成了合作，讓我們有了再試一試的想法。

雨前顧問：創(chuàng)業(yè)這么多年，有什么感悟？

向飛：追隨需求發(fā)展，比死抱技術(shù)一條道走到黑，反而能獲得更大市場(chǎng)空間，而發(fā)展到一定階段，過去沉淀的那些專利技術(shù)，也在不知不覺之中派上了用場(chǎng)。

雨前顧問：知識(shí)視覺的轉(zhuǎn)型，是在追風(fēng)口嗎？

向飛：我們其實(shí)從未追趕過風(fēng)口，但需求總會(huì)將我們推向風(fēng)口。2016年最火就是醫(yī)療AI，我們因?yàn)榕c羅氏診斷的合作入局，2018年健康險(xiǎn)爆發(fā)，我們跟隨著保險(xiǎn)公司的需求進(jìn)入了保險(xiǎn)科技領(lǐng)域，然后2020年底，之前醫(yī)療和保險(xiǎn)業(yè)務(wù)積累的需求，又為我們帶來了第三塊業(yè)務(wù)。

雨前顧問：阻礙醫(yī)療AI發(fā)展的，除了需求和數(shù)據(jù)，還有什么？

向飛：必須想辦法去實(shí)現(xiàn)最新診療技術(shù)的普及和普惠。因?yàn)閭€(gè)人的支付能力有限，而最新診療技術(shù)往往很貴。不然沒有消費(fèi)，就意味著沒有投資，沒有投資就沒有人來創(chuàng)新，沒有創(chuàng)新就證明市場(chǎng)沒有競(jìng)爭(zhēng)，產(chǎn)業(yè)談何良性發(fā)展？我個(gè)人認(rèn)為，保險(xiǎn)能大幅提升個(gè)人的醫(yī)療支付能力，因此保險(xiǎn)是最有可能去實(shí)現(xiàn)最新診療技術(shù)的普及和普惠的。

雨前顧問：為什么篤定患者會(huì)提供數(shù)據(jù)授權(quán)？

向飛：腫瘤患者有“三高”，一是高付費(fèi)意愿，二是高依從性，三是高緊迫性。在確保個(gè)人隱私的前提下，患者是有意愿分享自己的醫(yī)療數(shù)據(jù)的。

雨前顧問：你覺得AI企業(yè)轉(zhuǎn)型的挑戰(zhàn)在哪里？

向飛：我覺得最大的挑戰(zhàn)來自管理，因?yàn)閳F(tuán)隊(duì)是按照老業(yè)務(wù)的架構(gòu)搭建的，新業(yè)務(wù)進(jìn)來后，怎么讓核心團(tuán)隊(duì)擁抱新東西？同時(shí)我們會(huì)吸納更多的合作伙伴，怎么去協(xié)調(diào)老方向和新方向的融合？這是非常大的挑戰(zhàn)。

雨前顧問：你比較看好哪種類型的AI企業(yè)？

向飛：人工智能技術(shù)需經(jīng)過工程化、產(chǎn)品化和商品化的過程。產(chǎn)品化只是說技術(shù)形成了產(chǎn)品，還沒有達(dá)到所有人對(duì)產(chǎn)品趨之若鶩的商品化層面。我比較看好技術(shù)實(shí)現(xiàn)難度不大，但商品化做得特別好的公司。（雨前顧問產(chǎn)業(yè)分析師  程學(xué)怡）