正如世上本没有路，世上也本没有AI“四小龙”。

AI“四小龙”——以算法立家的商汤、旷视、依图、云从自带光环而生，承载了人们对计算机视觉的无限期望。

四家如何成为“四小龙”并无明确的标准。不过，它们身上都有点类似：

第一、创始人是学术明星，或师出名门；

第二、融资金额够大，估值够高；

第三、产品的横向版图和落地能力。根据IDC的数据，从2017年到2019年上半年，它们占据了国内计算机视觉应用市场份额的60%，分列前四名。

这也是“AI四小龙”由来的重要依据。

在医学影像AI的发展史上，也有两个比较特殊的节点——2018、2020年。

中国医学影像AI产学研用创新联盟理事长、上海长征医院影像科主任刘士远表示：“医学影像AI初创企业在2018年达到顶峰，数量开始减少。”在这一年里，医学影像AI企业不再大谈融资金额，“讲故事”的人也在变少。

2020年，十多家企业率先跑出来，拿到了国家颁给的“三类证”证书，至此名正言顺，认真做市场。

如今，AI创业大势尘埃落地，“二八定律”逐渐形成，CV头部玩家相继进入产业化的攻坚阶段。在这其中，医学影像绝对是最有争议，也是承载外界期待最大的一个赛道。

今天，基于AI四小龙的一些标准和界定，我们试着谈谈一个面向未来3-5年的话题——谁有可能成为医学影像AI领域的“四小龙”。

参考一：学术背景决定发展下限

创业门槛变得越来越高，尤其是在人工智能行业。AI四小龙的创始人，无一不是计算机视觉领域的顶级KOL。

商汤的创始人汤晓鸥教授，被誉为当前全球人脸识别技术的“开拓者”和“探路者”，是ICCV/CVPR等计算机视觉顶会的主席。

旷视的三位创始人唐文斌、印奇以及杨沐，都是出自清华姚班的高材生。首席科学家孙剑博士，是CVPR两届最佳论文得主，全球最具影响力的计算机视觉科学家之一。

依图的创始人朱珑，曾分别跟随过两位人工智能界的泰斗：在UCLA读博期间，师从霍金的得意门生Alan Yuille教授；Facebook任职期间，曾在图灵奖得主、深度学习三驾马车之一Yann Lecun门下做研究。

云从的创始人兼CEO周曦，在美国伊利诺伊大学厄巴纳-香槟分校（UIUC）读博期间，师从计算机视觉之父——黄煦涛教授。

AI的投入和真正意义上的商业变现，都需要仰仗“资本的力量”，而初期的学术实力绝对是引来资本的最大考量因素。

如果把这个标准放在医学影像AI领域，有哪些企业可以入选？

首先，就是联影智能。

联影智能的联席CEO沈定刚教授，可以说是现阶段医学影像AI领域的学术“天花板”。

他是医学影像AI顶会MICCAI 2019的大会主席，2021年的H指数高达110，在全球排名前1000的计算机科学和电子领域学者中排名第145名。

同时，他还是上海科技大学生物医学工程学院的创始院长。

另一位联席CEO周翔博士，则是原西门子计算机辅助检测和诊断事业部全球负责人。这样的“学术与产业双雄”的配置，在医学影像AI领域不多见。

再比如，深睿医疗联合创始人、首席科学家俞益洲教授，他是IEEE Fellow及ACM杰出科学家、原UIUC终身教授，已在顶级国际会议和期刊发表学术论文一百余篇。董事长雷鸣是百度七剑客之一，首席执行官乔昕历任西门子医疗东北亚CT事业部总经理。

汇医慧影的创始人团队中，CEO柴象飞是斯坦福大学博士后、荷兰阿姆斯特丹大学医学物理学博士。首席科学家邢磊教授是斯坦福大学终身教授，斯坦福医学院医学物理系主任，是ACS、AAPM、RSNA以及WMIC的院士。

再比如，腾讯天衍实验室主任郑冶枫博士，是AIMBE Fellow和 IEEE 医学影像杂志副编；

商汤科技副总裁、医疗负责人张少霆，师从医学影像顶尖学者、CVPR/MICCAI大会主席 Dimitris Metaxas；

柏视医疗创始人兼总裁陆遥教授，为中科院和美国Syracuse大学双博士、中山大学计算医学成像实验室主任。CEO沈烁，为普渡大学数学系博士；

科亚医疗的CEO宋麟是美国爱荷华大学博士，曾担任美国Heart Flow资深科学家和GE全球研发中心（纽约）科学家。

顶级学者的加入，为医学影像AI企业增添了“讲好故事”的能力，在技术为王的时代，学术背景决定了能吸引多少人才、组建队伍，决定了一家企业的发展下限。

参考二：是否拿到了AI三类证

三类证与“医学影像AI四小龙”是一个什么样的关系？

在雷锋网《医健AI掘金志》看来，这是一个必要不充分条件。也就是说，有三类证不能决定一家医学影像AI企业能否成为“四小龙”。而作为“四小龙”，一定得有一证傍身，这是企业确立先发优势的硬标准。

医疗器械有着严格的分级管理制度。其中，三类医疗器械证的管理更为严格，含金量也更高，对于医疗AI企业的后续商业化发展起了决定性作用。

在集中批证之前的两年时间里，低谷、停滞、等待，一时成为行业群像。产、学、研等各方角色，均在不同的场合里呼吁加快审批进度。即便如此，监管机构依然“不为所动”，严格一步步走来。

正因如此，规范、严谨是医疗器械三类证的代名词。如果要为医学影像AI“四小龙”设立一个门槛，三类证绝对是最重要的一个。

从这个条件出发，我们也可以大浪淘沙，将入选的范围进一步缩小。

以“批证大年”的2020年以及2021年上半年为例，我们按照时间线筛选出了十一家企业：科亚医疗、乐普医疗、安德医智、Airdoc、硅基智能、数坤科技、推想科技、联影智能、深睿医疗、依图医疗、汇医慧影。

从适用场景来看，面向更高频检测需求的产品未来想象空间更大。这些企业的获批产品中，涉及病种包括糖尿病视网膜病变、心脑血管疾病、肺癌、骨折等，这些都属于高频的检查检测需求，未来将有广阔的市场空间。

因此，我们将更多围绕这些面向放射科和临床科室、定位为“影像辅助诊断”的持证上岗企业进行分析。

参考三：吸金能力

AI四小龙的强，很大一方面强在融资能力。

从账面数字来看，商汤科技完成了9轮融资，已披露的融资总金额接近30亿美元；旷视科技融资总额约为13.5亿美元；云从约为35亿人民币，依图超过4亿美元。

在《2020胡润全球独角兽榜》上，这四家的估值分别为500亿元、300亿元、200亿元和140亿元。因此，想成为四小龙，得是个百亿级别的公司。

在医学影像AI领域，也有这么几部“融资机器”。

第一个要说的，就是顶着“医学影像AI三类证首证”头衔的科亚医疗。

2020年，科亚医疗完成了5轮融资，融资金额约8.5亿元。截至3月16日递表港交所，公司已经完成了8轮融资，在最后的D轮融资中，公司的估值已经达到约10亿美元，折合港币约80亿，是这个行业妥妥的“吸金之王”。

2020年，也是属于数坤科技的一年。

2020年6月和8月，数坤科技分别融资2亿元人民币。到了年底，数坤科技更是完成新一轮5.9亿元人民币融资，刷新了医学影像AI领域的融资记录，一年下来总融资额接近10亿元。

根据动脉网数据显示，2020年AI医疗总计47笔融资，涉及金额约84.8亿元，同比增长118.0%。

上述两家医学影像AI企业，占到了全年医疗AI企业融资金额的22%。这样的数据，放在现在的AI四小龙身上也过犹不及。

除了这两家，其余的头部医学影像AI公司也陆续完成新的“输血”。但是，医学影像AI企业在2018年以后的时间里，对融资的具体金额一直有些“讳莫如深”。

上个月，深睿医疗宣布完成C3轮融资，成立以来累计获得六轮融资，有四次单笔融资额过亿。再往前的2020年11月，汇医慧影完成C2轮融资，融资额达数亿元，成立以来累计获得7轮融资。

推想科技在2018年获得3亿元的B轮融资，而在同年的C轮和2020年的D轮融资中均未披露金额，累计进行6轮融资。

拿到“眼科AI三类证”的Airdoc 的融资数额一直未对外披露，累计进行7轮融资，最近的3轮均为股权融资。2018年成立的安德医智，共进行了3轮融资，金额均为未露。此外，硅基智能和联影智能也均未对外披露过融资信息。

另外，值得注意的是，越来越多的产业基金也陆续进场。

产业基金相比VC的一大特点，就是更侧重以自身行业优势对创业公司的资源导入以及看重公司所在行业中的差异化优势和能力，这也是医学影像AI产业化程度加深的一个必然趋势。

综上，从融资轮次和已披露金额来看，科亚医疗显然更多；从单笔融资金额来看，数坤的“爆发力”更强。

产业基金的入场，也让被投企业具备了更多的商业化底气和渠道能力。

参考四：产品的“拓荒”和“回血”能力

从公司的核心业务角度来看，AI四小龙的道路虽有重叠，但不尽相同。雷锋网《AI掘金志》此前的文章——《AI四小龙之间没有战争》中，就清晰地勾勒了出来：

在行业大部分玩家往“前”走，做边缘、硬件的背景下，商汤集中兵力大举向“后”，聚焦云端，做城市级视觉中枢平台；

与商汤不同，旷视却奋力向前，从后端到前端全面覆盖，走软硬一体化之路；

依图是第一个跳出人脸识别，把医学影像分析作为等同于人脸识别战略地位的独角兽；

云从则是唯一切入金融核心业务流程的CV公司。

AI四小龙，是以AI算法切入横向场景，而医学影像AI企业的思路需要以纵向场景的需求出发准备数据、打磨AI算法。

因此，我们在比较医学影像AI企业时，更多是从各科室或病种的先发优势进行考量。

例如，科亚和数坤在心血管领域扎根最深；乐普医疗基于心电拿了三张三类证；推想和深睿也都拿到肺部AI的三类证；安德医智专注在脑部疾病；联影智能和汇医慧影是在骨折场景中，依图医疗是骨龄检测；Airdoc和硅基智能则是在眼科。

可以看到，在现有的疾病检查场景中，几乎都会有两家左右的企业取得先发优势。

拿到三类证之后，就意味着有更多商业化的可能。但是，从每一家企业的招投标结果来看，医疗影像AI企业并没有走上一条“康庄大道”。

目前，在全国范围层面，该类产品仍属于新型应用，尚无统一收费规则或标准。

中国医学影像AI产学研用创新联盟理事长、上海长征医院影像医学与核医学科主任刘士远曾透露，部分省份已经开始为AI产品建立收费目录，但具体落地仍需时日。

所以，很多企业的商业化之后，是从零敲碎打开始。

深圳市第二人民医院2020年12月发布的肺结节人工智能辅助诊断系统采购中标公告显示，该院采购的医准智能研发的肺结节人工智能辅助诊断系统，成交金额为49.6万元。 

根据宁夏回族自治区人民医院2019年9月发布的一则采购项目中标公告，推想科技的人工智能肺结节辅助诊断系统在进入该院时的中标价格为89.6万元。而在辽宁的瓦房店市中心医院肺结节人工智能诊断系统的价格为236万元。

对于数坤科技而言，2020年洛阳市中心医院CT室采购的智能影像后处理系统为69.389万元；苏州大学附属第一医院关于智能头颈CTA技术后处理系统的成交价为45.9万元；青海省心脑血管病专科医院冠状动脉CTA人工智能辅助诊断系统(技术服务)采购项目合同公告则是39.7万元。

深睿医疗在岷县中医院妇科射频治疗仪（锐扶刀）及医学影像处理软件等设备采购项目中标385万元；四川省绵阳市江油市第二人民医院“人工智能肺部结节筛查系统”为49.8万元。

汇医慧影此前的一些中标项目，更多智集中的影像云服务上。它在浙江大学医学院附属第二医院医学影像人工智能科研平台的中标价为246.27万；而在更大规模的晋城市卫生健康委员会晋城市智慧医疗建设项目中标价为798.97万。

可以看到，从单个辅助诊断系统来看，其市场单价在50万元左右，没有形成规模化的盈利闭环。因此，已经持证上岗的企业，在商业化层面仍然没有分出太大的胜负。

参考五：上市规划

过去几年，AI四小龙在计算机视觉领域高歌猛进，但因为算法瓶颈以及应用场景同质化问题，“AI四小龙”开始踏上不同的征程，并相继传出上市的计划。

从它们的招股书中，我们也得以窥见“最真实的一面”。

2017年、2018年、2019年上半年，旷视科技经营活动所得现金流金额分别为-1.5亿元、-7.2亿元和-6.8亿元。

依图2019年的净亏损为36.47亿元，2010年上半年的净利润仍然亏损13.03亿元。

云从的招股书披露，经过调整后的亏损净额，2017年、2018、2019年分别净亏损-10631.63万元、-18,067.52万元、-170,801.61万元，而2020年上半年，该净亏损达到-28620.22万元。

在融资计划书中，商汤科技2019年的负债率也高达102.35%。

换言之，强如AI四小龙，在高估值和高投入之下都远未实现盈利。人工智能行业投资回报周期长、投入高，在更加细分的医学影像AI赛道中概莫能外。

从目前已披露的消息来看，科亚医疗、推想科技、Airdoc等三家企业传出过上市计划，科亚医疗是递交港交所，其余两家的目标则是科创板。经过 6 年的发展，医学影像AI行业或将正式迎来开花结果。

值得注意的是，Airdoc与推想科技都只是签署上市辅导协议，还未递交正式的招股书。而唯一的一份科亚招股书，或许能够看到医学影像AI企业的现状。

科亚医疗2019 年、2020 年营收分别为116.7万元、70.9万元。

报告期内，科亚医疗研发总投入超1.5亿元，其中2019年为3543.5万人民币，2020 年为1.2亿人民币。

产品认证之后，科亚医疗从2019年底的120家合作医院，达到目前728家落地和合作医院，涵盖我国55%的三甲医院。

而科亚医疗运营总亏损约5亿元，其中2020年全年亏损约4.8亿人民币(包含 3.1 亿元股权激励支出)。

要想成为人工智能独角兽，烧钱换市场是行业必然之路，尤其是医学影像AI公司投入更大。据依图公开的招股书显示，其智能医疗临床决策平台在开发阶段投入了 1.17 亿元。

无论是科亚医疗、还是推想科技或 Airdoc，以他们现在的市场和人员规模来看，每个月都要产生巨大的支出，平均都要达到1000万到3000万人民币级别。

但过去两年的融资记录里，这些第一梯队企业，已经出现明显的资金多寡差异，甚至有的企业因为融资过少或者产品认证审批迟迟不得进展，出现裁员和市场占比滑坡的现象。

可以预见的是，在未来的几年时间里，会有更多的医学影像AI企业谋求上市这一条路。当然，这也意味着它们还有很多现实的问题需要解答。

 你心中的四小龙

和通用AI一样，医学影像AI也逃不过二八定律的支配。

此前有投资人表示：“医疗行业只能存活两类企业，要么是小而美，亦或是大而强。”

早在2017年，商汤科技联合创始人徐冰就直言不讳：“这是一个二八原则格外显著的市场，只有行业第一才会获得关注，并获得极高的边际收益，实现赢者通吃。而做不到第一的企业，其前期投入的高额算法研发成本则很可能沦为沉默成本。”

如今的AI企业，单纯靠卖算法生存已不可能， 但技术本身的商业化空间和市场的打通，还需要持续很长时间。医学影像AI作为研发投入高、技术周期长的知识密集型产业，商业化仍是一条漫长的道路，市场会根据价值告诉我们答案。

在你的心目中，哪几家会成为未来医学影像AI的“四小龙”？

文章来源｜医健AI掘金志