2021年4月，中國信通院發佈的《人工智慧核心技術産業白皮書》指出，AI産業似乎顯現出“陷入困境”與“高速發展”的矛盾現象。
一方面，是AI技術不斷發展，相關應用開始全面覆蓋經濟社會的關鍵領域；另一方面，則是産業發展速度不及資本市場預期，資本熱度開始減退。
成都知識視覺科技有限公司CEO向飛認為，這背後的原因，一是需求難落地，二是數據難獲取，導致大多數應用場景難以實現商業閉環。
“需求”和“數據”成了攔路虎，阻礙AI應用場景真正落地。
為繞開“攔路虎”，知識視覺主動進行了兩次轉型，其轉型背後的思想，或許能為掙紮在“困境”邊緣的AI企業們提供參考。
因需求第一次轉型
作為兩度上榜成都黑科技撲克牌的企業，知識視覺自病理AI領域轉型切入保險科技賽道，致力於使用新一代AI技術助力醫療保險領域的客戶實現資訊化到數字化的升級。
創立之初，知識視覺在醫療AI領域挖掘出不少應用場景，但在具體落地的時候才發現，大量項目只能停留在科研階段，無法真正實現AI的産品化和商品化，而問題就出在對需求的理解上。
“近年來，整個醫療影像AI行業都活得不算好，什麼原因？大家進入一個誤區，自己給市場假設了一項需求，創造了一個場景，然後認為醫院會買單，結果到最後才發現，即使滿足了臨床醫生的需求也很難變現，因為不一定能滿足所有參與方的需求，”向飛表示。
醫生有需求醫院沒需求不行，醫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。在醫療場景裏滿足所有參與方需求很不容易，導致了醫療AI公司變現途徑長、週期長。
此外，由於病理影像數據本身異質性強、標準化難度大等特點，想要完全滿足臨床醫生的需求並形成通用的標準化醫療器械産品，過程漫長，且最終臨床的接受程度與應用性並不明確，這可能會拖垮創企。
向飛明白，不能再一廂情願靠想像力發展，而要仔細調查市場的“真需求”。他所理解的“真需求”，簡單來説就是用戶買單意願強烈，而AI技術又能迅速滿足的需求。
於是知識視覺從2018年開始廣泛接觸各行各業，很快就從保險公司身上發現了新機會。
“AI領域充斥著大家臆想出來的需求，並不能真正落地，但臆想的需求也在不斷教育市場，讓市場提出自己的想法。”向飛説道，“2018年，有保險公司找到我們，想用AI技術提升健康險的風控費控能力。”
彼時百萬醫療險火爆，帶動了網際網路保險起勢，大量保險公司切入進來，推出了一系列報銷型醫療險産品。
但應用AI的前提是數字化，數字化的基礎是數據，保險公司獲得的患者資訊大多是非結構化的醫療單證圖像數據，這些數據無法被電腦充分識別並分析。
找到保險公司應用AI的痛點後，知識視覺一方面繼續做著病理AI業務，另一方面則為保險公司設計數字化、智慧化的健康險理賠全流程作業系統，並逐步將之前積累的AI技術成果引入到這套系統中，幫助保險公司將圖像數據結構化。
2019年，知識視覺推出“數圖保”産品，正式轉型成為醫療AI+保險科技雙輪驅動的公司，後來成功進行了A+輪千萬級、A++輪千萬級、Pre-B輪數千萬人民幣的股權融資，獲得“最佳保險人工智慧應用創新獎”、“最佳保險科技創新獎”等來自保險行業的認可，併入選動脈網發佈的“2020-2021未來醫療100強系列榜單”。
因數據第二次轉型
第一次轉型成功後，向飛原本想通過與保險公司的合作，反哺病理AI技術開發，但後來發現這幾乎不可能，因為來自保險賠付的病理數據，病种太過分散，不能有效訓練AI。
這折射出AI産業“陷入困境”的另一個原因——難以獲取高品質數據集。
⼯業互聯⽹創新中⼼聯合36氪研究院發佈的《2020AI醫療産業發展藍皮書》指出，中國醫療AI所面臨的數據挑戰主要集中在四方面：數據格式難以統一、數據記錄完整性不足、數據真實有效性難以保障、數據安全要求嚴格。
該報告還提到，現實中有超過80%的醫療大數據為影像形式，其中90%左右又是非結構化數據，AI真正能夠利用的高品質數據集多集中在三甲醫院，但缺乏共用機制，外界難以獲取。數據缺乏結構化系統化梳理，加上跨平臺分享機制缺位，導致大部分醫療數據都沒辦法充分挖掘。
不止醫療，數據挑戰廣泛存在於AI應用的各領域。
對如何獲取高品質數據集，向飛想了很多方法，但都解決不了核心問題：“高品質醫療數據雖然集中在醫院，但所有權卻是患者的。未經授權，醫院不可以把數據給我們。”
不過向飛又想到，醫院之所以能積累到大量高品質數據集，是因為直接服務患者，何不效倣醫院，直接從患者處獲取數據授權？但包括知識視覺在內的大多數醫療AI企業都是To B公司，又該如何直接服務於患者？
機會很快就出現了。隨著2020年初《關於深化醫療保障制度改革的意見》的印發，商業保險公司與藥企、健康管理公司的互動合作日益增多，醫療、醫保、醫藥“三醫聯動”成為雙創熱點，資本熱度持續升溫。
今年4月，作為中國“險+藥”模式的代表企業，水滴向美國SEC提交招股書；今年3月，鎂信健康宣佈完成10億元B輪融資，該公司以創新支付為錨點，持續構建著“網際網路+醫+藥+險”生態模式；去年6月，北京圓心科技宣佈完成6億元D1輪融資，計劃用於“醫-藥-險”業務的聯動發展……
保險公司和投資機構開始鼓勵知識視覺轉型醫-藥-險聯動。
經過研究，向飛發現很多醫-藥-險聯動公司，確實能夠直接服務於患者，所以沉澱了大量數據。只是這些公司基因各異，有從藥房轉型的，有從網際網路醫療轉型的，還有從支付領域轉型的，對如何開展醫-藥-險聯動，都有自己的一套理解，可謂百家爭鳴。
他再次陷入思考：如果知識視覺切入醫-藥-險聯動領域，能否利用自身人工智慧企業的優勢，為患者提供更多價值？
經過長時間的琢磨，向飛終於把這份價值梳理清楚。他告訴雨前顧問，近些年新的診療技術層出不窮，僅針對癌症患者，就有譬如靶向治療、免疫療法、CAR-T、CAR-NK、ADC、溶瘤病毒等療法，同時更多的靶點也在不斷被發現和研究。
新技術的涌現造成三個衝突：一是這麼多新式診療技術，患者該如何選擇？二是這些新技術價格不菲，患者能否消費得起？三是新技術風險較高，很少有人願意嘗鮮，導致技術發展停滯。
在向飛看來，這些衝突其實都能通過對醫-藥-險聯動商業模式的合理設計加以解決。
基於與醫院、醫療企業、保險公司合作積累的基礎數據，以及深耕醫療領域多年而獲取的醫療知識和數據處理能力，知識視覺計劃以醫療大數據為驅動，為醫-藥-險聯動各個環節的參與者都提供服務。
針對患者，可以提供醫療大數據服務，把同類型患者有多少人採用了哪種方案、某種靶向藥臨床療效的評價指標、某種創新治療技術副作用的概率等等資訊，以數據可視化的形式呈現，幫助患者選擇診療方案。
假如患者要獲取這種數據服務，需提供自身健康數據的授權。隨著相關業務推進，患者池數據量將越來越大，大數據分析的結果也將越來越精準。
針對保險公司，可以提供更為專業的大數據諮詢服務，幫助保險公司設計創新保險産品。例如根據醫療大數據，設計一種保障創新診療技術效果的保險，如果診療後腫瘤還擴散了就賠付醫療費，從而增強患者消費信心和依從性。
針對診療技術企業，可以提供觸達患者的渠道服務，讓新藥、新手術方法的資訊能夠在第一時間傳達給患者。
針對醫院，則幫助醫生們提高向患者解釋治療方案的效率。
如此，患者擁有了對新式診療技術的判斷能力，保險降低了患者使用新技術的門檻，而新技術也不用擔心缺乏患者，既解決了三個衝突，又滿足了醫療行為參與各方的需求。
向飛表示，假如知識視覺能夠獲得保險經紀牌照，就可以直接面向患者銷售保險了，這一套醫-藥-險聯動的邏輯將更具價值，可以推動知識視覺的估值從數十億提升至數百億。
想明白了其中價值，向飛也打定主意，推動知識視覺進入醫-藥-險聯動領域，從一家To B公司轉型為To C公司。
經過兩次轉型，目前知識視覺已形成醫療AI+保險科技+醫-藥-險聯動的“三級火箭”式業務模式，這第三級“火箭”，不久前剛驗證完畢，將於2021年5月後正式啟動。
轉型帶來什麼啟示？
向飛認為，知識視覺的“三級火箭”是一個有機整體。
第一級火箭（醫療AI）讓知識視覺獲得了對診療技術的判斷能力，第二級火箭（保險科技）讓知識視覺連結到了保險公司，第三級火箭（醫-藥-險聯動）則能為知識視覺帶來大量業務與現金流。假如沒有第一、二級火箭的積累，就不可能創造出第三級火箭。
但無論怎麼轉型，知識視覺的AI基因是不會改變的。
這為“陷入困境”的AI創企們帶來新的啟示：大可不必直接通過AI業務獲取回報。讓AI技術成為公司的基礎設施，轉而尋找市場的“真需求”，進而打造全新的商業模式，也不失為一種在新技術早期市場需求還不夠成熟時候的發展策略。
譬如騰訊。騰訊早期推出QQ，直接的變現手段如註冊收費、靚號收費等，營收有限，很難支撐公司發展壯大。但後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的“真需求”，推出了QQ遊戲，此後一發不可收拾。即時通信這個QQ最主要的功能，成為其他賺錢業務的基礎設施。
CEO對話精選
向飛在雨前朋友會上分享雨前顧問：你是怎麼進入醫療AI這個領域的？
向飛：我從2011年開始做創新醫療器械研發，融了不少錢，踩了不少坑，也積累了不少創新醫療器械的研發經驗，最後我個人得出結論，創新醫療器械研發不適合初創公司來做。所以在2016年知識視覺剛成立的時候，我們本不想再繼續做創新醫療器械的研發，但是機緣巧合與羅氏診斷達成了合作，讓我們有了再試一試的想法。
雨前顧問：創業這麼多年，有什麼感悟？
向飛：追隨需求發展，比死抱技術一條道走到黑，反而能獲得更大市場空間，而發展到一定階段，過去沉澱的那些專利技術，也在不知不覺之中派上了用場。
雨前顧問：知識視覺的轉型，是在追風口嗎？
向飛：我們其實從未追趕過風口，但需求總會將我們推向風口。2016年最火就是醫療AI，我們因為與羅氏診斷的合作入局，2018年健康險爆發，我們跟隨著保險公司的需求進入了保險科技領域，然後2020年底，之前醫療和保險業務積累的需求，又為我們帶來了第三塊業務。
雨前顧問：阻礙醫療AI發展的，除了需求和數據，還有什麼？
向飛：必須想辦法去實現最新診療技術的普及和普惠。因為個人的支付能力有限，而最新診療技術往往很貴。不然沒有消費，就意味著沒有投資，沒有投資就沒有人來創新，沒有創新就證明市場沒有競爭，産業談何良性發展？我個人認為，保險能大幅提升個人的醫療支付能力，因此保險是最有可能去實現最新診療技術的普及和普惠的。
雨前顧問：為什麼篤定患者會提供數據授權？
向飛：腫瘤患者有“三高”，一是高付費意願，二是高依從性，三是高緊迫性。在確保個人隱私的前提下，患者是有意願分享自己的醫療數據的。
雨前顧問：你覺得AI企業轉型的挑戰在哪？
向飛：我覺得最大的挑戰來自管理，因為團隊是按照老業務的架構搭建的，新業務進來後，怎麼讓核心團隊擁抱新東西？同時我們會吸納更多的合作夥伴，怎麼去協調老方向和新方向的融合？這是非常大的挑戰。
雨前顧問：你比較看好哪種類型的AI企業？
向飛：人工智慧技術需經過工程化、産品化和商品化的過程。産品化只是説技術形成了産品，還沒有達到所有人對産品趨之若鶩的商品化層面。我比較看好技術實現難度不大，但商品化做得特別好的公司。（雨前顧問産業分析師 程學怡）
