2018年4月23-25日， 由投中資訊、投中網主辦， 投中資本協辦的“第十二屆中國投資年會·年度峰會”在上海金茂君悅酒店舉辦。 本次會議主題為“價值的力量”， 來自國內外上百家私募股權機構彙聚一堂， 對當前行業熱門話題展開討論。
在名為《醫療器械創新 成就健康中國》主題的論壇上， 包括濟峰資本創始合夥人余征坤、寅印資本總裁魏嘉、華融天澤首席投資官張沛、旦恩資本管理合夥人新紀夫、約印醫療基金管理合夥人趙匯、遠毅資本合夥人楊瑞榮、KIP韓投夥伴董事鄭妍珺就AI注入醫療器械新變革話題分享了看法。
以下為“第十二屆中國投資年會” 現場“展望未來：“AI注入醫療器械新變革”圓桌對話實錄， 投中網整理。
王正雲：大家好， 今天有幸請在座的在醫療領域尤其在器械、新藥研發等等域資深的投資人， 我簡單介紹一下我，
餘征坤：謝謝， 很高興， 現在留下來的可能對我們都是真愛， 先簡單自我介紹一下， 我是王正雲， 原來在IDG待了十年， 負責IDG整個醫療健康領域的投資， 2015年離開IDG出來和另外一個合夥人趙進成立了濟峰資本， 現在管理美元基金， 人民幣基金， 主要專注投成長期的階段的項目， 就是整個醫療領域的範圍都包含了， 包括藥品、器械、服務， 這些都是我們投資的領域和範圍，
魏嘉：大家好， 我叫魏嘉， 來自寅印資本管理有限公司， 寅印資本是漢富的全資子公司， 這邊是管理680億的管理規模， 我是最早的團隊之一， 在漢富裡面已經是幹了五年， 從20個人的平臺到現在我們整個集團有13000人， 這個過程中， 我都在， 今天也在。 現在， 寅印資本基本上是管理一些早期的項目偏多， 就是種子輪的、天使輪的項目偏多， 我們這個平臺成立大概有兩年的時間， 現在管理規模大概是20億左右， 主要是一些偏早期的專案為主， 接下來會給大家介紹我們管理的具體的專案， 謝謝。
新紀夫：大家好， 我是旦恩資本的新紀夫， 我們基金主要是關注在兩個領域， 一個是半導體、新材料， 另外一個就是生命科學， 醫藥醫療。 從階段上來講，
趙匯：大家好， 我是約印醫療的趙匯， 我是今年才加入約印醫療， 在之前我在高盛做投行， 出於對投資的熱愛還有對醫療行業的偏愛， 在2015年的時候過去兩年做很多醫療相關的投資， 今年加入了約印醫療。 AI也是我們比較關注的議題。
楊瑞榮：大家好， 遠毅資本成立時間不長， 我們專注在醫療健康和金融技術兩個方向， 比較怪的組合， 但是我們有自己的邏輯。 在醫療裡頭分成三個大的方向， 一個是精准醫療， 第二塊是醫療器械和設備， 第三塊大的類目叫做移動醫療和服務。
鄭妍珺：大家好， 我是KIP韓投的， 是韓國金融控股， 並且也是韓國最大的創投機構， 我們在三年前就佈局醫療健康行業， 投資了亞勝醫藥、KIP醫藥等項目， 在AI領域投了上通宜信（音）， 通過AI技術它有效解決眼科醫生缺乏的問題， 謝謝。
王正雲：這兩年確實AI風起雲湧， 有非常多的機會， 2016年美國的AI市場據說是8億美金左右， 但是中國的市場去年已經超過100億人民幣， 因為我們這個是醫療的論壇， 在醫療、醫療器械與論壇， 我先問一個問題， 我請提高四位重點介紹一下目前您覺得AI在醫療的一些應用場景， 我聽說這一塊是大家認為最快能做的， 在臨床應用已經到了什麼階段？
AI在醫療領域的探索
鄭妍珺：我感覺現在我們看到更多的AI的領域是在醫療機器人方面，一方面可以讀取人類神經信號的那些可穿戴設備，另一方面是可以承載手術或者保健等工作的機器人，比如說像達芬奇機器人。
另外一個領域是在智慧診斷這一塊，可以讓機器人去學習醫學專家的一些醫療知識，包括模擬這些醫學專家的診斷思維，我覺得在未來，不是我們去醫院找醫生看病，而是我們在家裡面通過APP，通過智慧型機器人就可以得到我們病症的初步診斷。
在臨床方面，我是比較建議AI公司多和傳統的醫療公司進行合作，這樣優勢互補，那在臨床的應用方面，成功率會比較高一點。
王正雲：問一下現在年底篩查的公司，進展或者佈局在國內是怎麼樣了？
鄭妍珺：我們是去年投了它是A輪，現在進一步在臨床實驗的過程中，也是會和傳統的一些醫療器械公司進行一些合作，提高臨床的效果。
楊瑞榮：說起人工智慧也是很廣的概念，跟醫療器械結合，可想而知在器械具體的領域裡，我們投過一家專門用AI來做影像這一塊，大家可能已經聽了很多了，但是我們投數噴（音）科技是IBM團隊出來，商務團隊是從GE出來，影像方面有非常深的根基，他們是專門做心血管類的，從我們粗淺的理解來看他們對資料的要求，對分析的要求比一般的影像分析更高一些。
從大的類目來講，AI影像可能是最直接能夠看到，因為這是最直接用人工智慧的方式來解決。其他我們感覺很深刻的有精准醫療的人工智慧，我們在二代測序這個平臺上，我們投資了大量的公司，包括以前投過安諾、燃石、華大，質譜這一塊，還有瑞影（音），背後能夠跟一般的二代測序公司所區分開來的就是後面的大資料的解讀，其實生物資訊學的解讀比其他影像是更深刻。隨著測序成本的下降，對資料的解讀工作依賴性越來越大。在這裡面，很多人都會錯誤地認為，這個二代基因測序都是用一個平臺，沒有什麼價值，但是真正背後的無論是大資料也好、人工智慧也好，後面的解讀方式是能夠看出新創公司能不能比別人更好的關鍵的東西。
趙匯：實際上我認為，如果投AI跟醫療相結合，其實有兩個大的邏輯點需要看，第一就是電腦技術，電腦技術的發展直接推動了AI領域的變化。像我們說的神經網路是二十年前說的，為什麼這兩年才熱起來？因為計算力這兩年跟上來的。我投AI是看一個技術在什麼領域進展到什麼進度。
第二條看商業落地的場景，大家在AI醫療上的應用要明白一個核心，AI的作用並不是取代一個醫生，而是幫助醫生提高醫療效率，解決一些地方上的病患的醫療的不平衡的點，我曾經給大家畫過一個圖，如果X軸是從鄉村到城鎮，Y軸是醫療資源的情況，這在中國是極其不平衡的，所有頂尖的醫療資源一定在最右端的大城市，AI可以把鄉村的大夫彌補過來，而且分級診療的推動下來，AI可以起到很大的作用。從AI今天的發展來講，比較成熟的實際上是圖像的智慧設備，延伸實際上就是放射科、病理科等等。如果我們看臨床的循證支援系統的話，這就涉及到了自然語言的處理，自然語言的處理，西方語言的處理和中國的還是不一樣。
我認為在臨床知識體系可能在美國要三年左右的時間才成熟，中國可能還要兩年，作為投資尤其是VC來講的話，可能是看做語言處理的團隊能不能做到語義識別，明後年逐步小範圍佈局，這是我們對做AI的認可。影像學相關的，我們現在看你的商業落地能力，因為誰都可以說我做了一個產品，這個產品已經達到了，我們看有什麼辦法，今年能不能產生收入，商業落地的是今年最大的挑戰。
新紀夫：剛才三位都已經說得很全面了，我分享一下我們在這方面的思考和實踐，我們看人工智慧，首先它是有一個前提的需求，首先你用人工智慧要解決什麼
樣的問題，在資料量處理得很大、很複雜、多變數的場景下，人工智慧和傳統方法會有一個比較大的優勢。所以在這樣的基礎邏輯下，我們投資了一家公司，另外投資的企業在跟一些創業企業在做，投資的這
家公司主要是基於大量的文獻、臨床的一些資料，還有包括各種各樣的新的舊的data，然後做一些生物標記物的發現，和老的生物標記物和一些其他疾病之間的關聯等方面的工作，大概就是discovery。發現了以後幹嘛呢？無非是做藥和診斷，目前看起來效率的確是比傳統的要高一些，但是我們也要往後看，這個藥進了二期、三期以後才能知道這個方法論是不是對於整個的醫藥研發有比較大的推動。
還有一些是我們現在投的服務公司，他們在通過一些人工智慧技術的合作，比如說我們投了全國應該是最大的自閉症康復的機構，他們積累了大概有將近上萬名自閉症兒童的資料，因為自閉症兒童的資料非常非常複雜，是譜系疾病，所以變數非常非常多，量表也極多，基於這種資料量的前提下，再和一個做人工智慧資料分析的企業合作，看看能不能從治療層面，看哪種方法學更有效，然後能夠發現出更好的治療里程碑管理的marker，大概是這樣的情況。
王正雲：剛才四家機構都投了AI在醫療方面的應用，我想聽聽餘總，因為余總是非常資深的投資人，超過十幾年的投資經驗，為什麼你沒有投AI的專案？
餘征坤：其實剛才你問這個問題的時候，我在糾結，我要不要舉手說我投了沒有，我本來想舉手說我也投了，投的原因是因為我覺得我們其實投了很多的公司都有AI的技術，但我後面決定沒舉手，原因在於我覺得投的這些公司沒有專門從事AI技術的。就是我對AI的理解是這樣看，現在最火的就是區塊鏈，打個比喻，我覺得他跟區塊鏈很像，我覺得他就是一個底層的技術和一個底層的解決方案，我覺得誰都可以用它，大家不能說我投個區塊鏈公司，那區塊鏈公司具體做什麼？我覺得每行每業都可以用到區塊鏈，做物流的可以用區塊鏈，不止是大家熟悉的比特幣挖礦，這些才是區塊鏈的應用，保險業可以用到區塊鏈技術，保險業可以用到區塊鏈，我認為它就是一個底層的技術。AI在醫療的應用也是這樣的，很多的公司把它作為底層的技術在用。
舉個例子，原來我在IDG投的九安醫療，是做可穿戴以來設備的，測血壓、測血糖，它收集到這些資料之後，自動可以形成你的表格，自動給出慢病管理的建議，這些就是AI的應用，但是我不認為它一個是純AI的公司，我覺得它也得應用。包括我投的平安好醫生，其實有很多的AI的應用，比如說患者剛開始從問診開始到後面幫你掛號、轉診，甚至到後面的慢病管理，我覺得整個產業都應用到了AI的技術。但是大家歸類它是一個移動互聯網公司， 5月4號就要在港交所掛牌了。我覺得像這樣的公司也只是把它做一個底層的應用，並沒有好象說AI就是平安好醫生的主業，並沒有這樣做。
另外還有一個例子，我們還投了中國最大的做康復設備的公司，其實和康復一樣，康復大家也知道，醫院不大願意去花很多的面積、配、很多的人力做康復的事情，很簡單，不賺錢，醫生要講究評效，講究每個醫院、醫生賺多少錢。康復就不大好，康復很多不願意做怎麼辦？很多患者又有這種剛性的需求，就變成有一些簡單的設備，你可以在家租用，租用完了之後，所有測試的資料，診療的方案自動傳給醫生，傳給醫院了，傳完之後醫生可以給你一個調整康復治療方案的建議，遠端都自動把這件事情做完了。
我覺得其實像這些都已經是AI的應用，只是說不是一個專門的AI公司，我的觀點是這樣，它就是一個底層的基礎的技術和解決的方案。
王正雲：謝謝，其實我跟餘總有同樣的困惑，因為大家知道，我自己也做了一些功課，學習這個行業，AI的核心，我們講三個點，第一個就是大資料，大資料就是所謂的5個V，第一個就是我的價值足夠大，第二個速度快，多樣性，一定要有價值的資料，最後一個是真實性；第二個是所謂算力，包括剛才趙總提到了現在的算力提升，現在也是由提供算力的專業公司來做；第三個最核心的就是演算法。我一直不知道這些AI公司的核心競爭力在演算法方面有什麼不同？我想聽聽幾位對這個方面有什麼樣的思考？到底AI公司的核心競爭力，比如說投在影像這個方面，包括輔助診斷這一塊的核心競爭力是什麼？留下來的都是真愛，分享點乾貨，我把我最直接的感觸關於AI的核心競爭力分享一下，謝謝。
醫療領域AI的核心競爭力
楊瑞榮：我抛磚引玉，我們一直在這醫療投資裡頭，尤其是AI的醫療投資裡頭有很多大家的誤解，有幾個東西就是你要投AI影像的時候，剛才我們也討論到，比如說騰訊阿裡找100個工程師下來，是不是一樣也能有這個演算法，人家比你聰明，比你錢也多，是不是能夠做得比你快。第二個挑戰就是我是GE，我西門子，或者我是聯影，本身我帶著機器，或許我能夠獲取圖像的途徑比你更多，是不是他們能夠取代所謂的AI的影像的公司，那麼如果他們在兩邊夾擊，我們是不是在AI影像裡頭有投資機會？
從我自己的感受來講，我是拿著我的錢說話，我覺得這還是有機會的，這是一個多學科，就像您說的，算力基本上是解決的，大家都是平等的。在這裡頭，演算法其實我認為在這裡頭可能相對來講是比運力更高的門檻，但是真正更高的東西可能就是你怎麼樣去獲得，您剛才說的資料的真實性，在醫療裡頭資料的真實性可能比別的地方的真實性和複雜度要更多。我們真的到醫療產業裡頭，我們已經標注的能夠供機器學習的這些資料。那麼在中國尤其是剛才趙總也提到，其實我們連文本的資料在各個醫院都不能統一，那影像的資料，為什麼做肺結節的AI的影像做得比較多，因為標注的資料是有的，但是在其他AI的應用領域，很多原始的影像，尤其是已經標注過的影像，想要獲得已經很難了，第二，你還要持續不斷地獲取經過精確標注的圖像，這是AI和醫療必須要深度地綁定的。任何時候，AI和醫療相結合的真正核心還是醫療。我們在投資角度，我自己經常相信的一個說法，在中國你投的是應用，真正的底層的AI技術，其實大家能夠拿來的東西都一樣，但是真正在應用這個層面，每一個人開發的方向以及每一個人的專注程度決定了在一個細分的領域你是不是能做出來的東西，這是我們去看所謂的人工智慧醫療這個領域的最核心的東西。
王正雲：據我瞭解現在有超過100家做AI醫療器械，超過40家做肺小結節的，您覺得他們是不是很同質化？
楊瑞榮：我們就不點名，在肺結節可能有一兩家跑下來，有些是資本的力量砸出來，有的是跟科室合作真正能拿出東西。在這個細分領域裡頭，每一個細分，就跟基因測序的應用層面來說，你跑出5家的格局定了，再往下，在癌症可能前四家把格局定了，就是都是底層技術的應用，因為這個市場足夠大，在AI裡頭，我覺得應該也是會面臨這樣的狀況，就是在肺的領域裡頭，可能會出現幾個大的，他可能再往下延伸，就跟華大向各個地方都延伸一樣。那麼足夠大的市場，比如說心臟，將來在糖尿病、高血壓，如果有相應的技術，應用層面能夠做出來，也能夠在細分領域成就一兩家比較偉大的公司出來。中間也不妨礙他們有可能把手往外伸一伸，在相近的領域裡頭有一些延伸。
鄭妍珺：我們看一家AI的醫療公司，就看兩點，一點就是他是否能夠獲取高品質的有效的樣本能力，另一點，他和傳統醫療手段的結合能力，包括他是否能夠在應用上面確確實實提高傳統醫療的效率，在醫療器械包括新藥研發領域一些也是我們比較關注的點。
趙匯：從醫療AI上來說，我簡單畫一個微笑曲線，難點是什麼呢？左邊難點是資料的獲取，演算法是很容易的，實際上演算法，二十年前已經成熟了，無非是針對應用場景做微調，右邊是應用場景。真正我們看到的企業，為什麼說有40家做肺結節的，因為在美國癌症學會有標注的資料給你，拿資料很容易，大家都可以用，實際效果怎麼樣呢？我的模型出來，預測精確度可能到了99%，一到我們的二甲、縣級醫院，正確率到百分之十幾，為什麼是這種情況？我們獲取資料，是要做data cleaning，我拿到不低品質的資料，我也要用精標準的資料，用FDA的認可的方式做標注，做訓練，這個難度非常大，是很耗時間的工作，哪些公司能夠獲取這種低品質的但是標注得很好的資料，這是我們看中的一個核心的獲取資料的能力。
你可以想像，一家頭部的公司融了很多的資，他的模型訓練好，一旦到縣級醫院去用，影像科醫生使用方式不對，準確率直接從90%到不能用的階段。第二點我比較看重的是平臺的研發能力，現在大家都在跑應用，都說我這個應用好，拼到後面拼的是什麼？應用做得再好，不如我平臺運算效率好，你做一個同樣的一個應用，你可能後臺需要十個K80的顯卡在那裡做預算，我只要用5個，最後在中國一定打架的狀況，我的運行效率越高，越可能把其他平臺的好的產品進行整合。
我舉一個例子，當時投Aatoris，應該算是去年Top10的global的AI公司，醫療裡面排第一。我看中他的核心就是他的平臺能力，資料到了伺服器，幾分鐘之內回下來，在美國鋪了大量的醫院，不需要那麼多的machine在這裡做運算，當然應用選的領域也很好，心血管相關，攻克的技術難度很高，壁壘很高，同樣的產品我不認為其他有很好的產品能夠複製出來。第二個產品往肺結節延伸，兩個月模型出來，效率很好，馬上可以掛FDA的流程，我認為這個演算法的門檻太低了，所以我們在國內，我現在基本上不看影像的專案，也是這種原因。
新紀夫：我個人來看覺得兩方面壁壘是可以關注，一方面是複雜器官，複雜疾病的建模能力，這是一個，比如說像肺，肺小結節很簡單，40幾個，從四五年前就有團隊做，做的人很多。但是比如說心臟的，是很複雜的，3D的，多層次的，還要建模出來，還要能拿到統一的資料，標準化的資料，然後在這個基礎上做技術壁壘，我看起來還是非常非常高的，全球可能只有一兩個團隊可以
拿到很多的錢。如果要是簡單，我覺得就是管道壁壘，管道和商務的壁壘很重要，你要講一個故事，你的硬體要鋪得出，還得有足夠的商務能力等等。剛才的技術壁壘還也一個就是假如你是動態的，這個難度更大，比如說核磁相對靜態的，比如說你是B超，動態的，你的位置不一樣，使用場景不一樣等等，在這方面成熟或者可行的一些人工智慧的應用，我覺得這樣的團隊可以關注，我自己是願意關注的。
王正雲：魏嘉總你談談，聽說您在AI在醫學、整容這個領域非常地關注。
魏嘉：對，是這樣的，我來之前在中科院跟專家，包括他們早期在論證這個專案的時候進行探討。就是人工智慧運用到術後效果的整個對比，你是不是能夠保證。現在醫美行業發展非常迅速，前幾年是發展混亂，經過國家的監管的陸續出臺，政策出臺，這個行業慢慢規範，正規的像中國醫學科學院的這種大的整形醫院，我們和他們是有業務上的戰略合作的，他們有一些專家出來跟我們互動，說如果人工智慧術後的效果，我們後續怎麼論證？如果一個患者說我要做李嘉欣的鼻子，做個章子怡的下巴，怎麼給他？我拿人工智慧的東西是能給他把模擬做出來的，但是我要不要給他？它作不作為一種術後的保證給到患者，如果我給到他，裡面就有一些醫療糾紛會在裡面，目前監管沒有跟上的情況下，這種醫療糾紛到底是醫院、醫生和患者幾家誰來負責？所以我想人工智慧發展到這個階段，可能還是偏早期，後續我們在不同的行業整合人工智慧，機器人，要看每個行業的特性。
王正雲：最後還有一個問題，因為醫療的持續火爆，我個人看這個行業，越是火爆的東西那就意味著或者是有風險，或者有挑戰，請各位聊一下，您覺得AI的投資下面比較大的挑戰或者瓶頸，或者類似隱私的問題，比如說資料的隱私性等等方面，您覺得會有哪些限制？
未來AI在醫療領域的挑戰
餘征坤：我覺得作為投資人，尤其像我們這種專業的投資人，我覺得有一點很重要，就是不要去追熱點，不能說我們跟著媒體走，媒體說區塊鏈熱，去投區塊鏈，媒體說AI熱投AI，我覺得還是保持一顆平常心吧，不管它叫不叫AI從我們的判斷他這個模式，他的服務或者他的產品是不是能夠解決現在市場上的痛點，不管解決醫生的痛點還是解決患者的痛點，你有沒有解決這個痛點，第一，你能不能解決這個痛點，第二，你解決這個痛點，你的成本是多少，就是患者是不是付得起或者能不能進醫保，我覺得這可能是我們更加看重的。
這一塊我們可能會從投資的角度這一塊看，也不會說我們不投AI也不會說見AI就投，肯定不是這種狀況。後半部分的問題關於隱私的問題，我覺得隱私的問題在醫療裡面真的已經算很好了，如果大家上淘寶，上新聞隨便用個流覽器，其實你任何流覽器都會被發現，也許昨天流覽了一個買一個什麼籃球，你後來發現一上網就跟籃球相關，或者是鞋業也來，衣服也來，大家想過嗎？就是你的任何一個行為都被系統捕捉了，我們這種隱私的侵犯，可能是非常嚴重的，我認為這種情況更多是在互聯網的領域，在醫療領域還好，我買的東西都比較簡單。
餘征坤：我的結論就是說，大家平時使用互聯網包括平時使用手機的習慣去比，我認為AI應用在影像上相對還是好，疾病也好，健康也好，這是一個相對私密或者對商家來說並不是特別感興趣的一些話題，所以不會就著某一個人的這點隱秘的資訊給你放大或者誇大，一般的普通消費品我認為可能受影響更大。
魏嘉：我主要考慮的是倫理問題，首先我想的是我們有一些外科手術機器人，其實手術本身是一個相對比較成熟的手術，當然引入AI機器人的設備以後，會產生一些倫理的問題，比如說過去的醫生做手術，就是拿一把手術刀，出了很多問題，我可以說我的手術過失或者大比例的判斷是這個病人本身的問題，但是如果現在機器人介入了這個手術，以後誰來負責？是醫療器械的廠商負責，醫院來負責還是主治醫師來負責這台手術？
王正雲：所以從我個人來講，會只投影像類的公司，不投治療類的公司，有風險， AI能夠走到醫療，我認為早得很。
魏嘉：還偏早，我也在想這個問題，誰來負責。
王正雲： 連診斷都早了很多，只是輔助診斷。
魏嘉：對，過去醫生不能說我拿的刀子選錯了，我刀子有問題所以手術有問題，現在醫生可以說機器人有問題，精准度沒有達到，一下骨頭打碎了，雖然是小概率事件，但是有這種可能性，我們看到項目裡面有這樣的問題，所以互相在推，到底誰來負責？我也在持續關注這一塊。
新紀夫：其實我特別同意餘總的觀點，從我們的投資的角度，因為前段時間特別有意思，我有一個朋友跟我說了一句話，說現在風口太多啊，創業者都不夠用了，我覺得挺逗的。從我們的角度，還是比較樸素的投資邏輯，你有一個好的科學，有一個好的商業，有一個好的團隊，你做不扎實的話還是比較難的，所以我們還是更關注基本面吧。
趙匯：個人覺得AI在醫療的應用其實第一AI是做增量市場，這個問題不大，所謂的增量市場我到醫療資源稀缺的地方，幫助當地的診所、醫院來提高收入，然後通過AI輔助的方式做，這個市場我認為壁壘不大。
第二塊實際上是我個人比較喜歡的，就是顛覆傳統的市場，過去的傳統的診療方案可能從保險角度上來看，可能對患者造成額外的痛苦，我認為AI進入之後，很有可能把整個的診斷過程或者流程的cost大幅度地下降，這種顛覆性的行為往往是我個人比較喜歡的，這種項目也是我們比較積極關注的。回到隱私，實際上也是回歸到電腦這一塊，AI核心就是需要不停的有新的資料來驗證，來升級我的模型。那麼這些模型怎麼樣從醫院內合理地拿出來，這是所謂AI公司，創業者和醫院之間文化勾兌的問題，這個難度還是非常大的。中國院長相對開放得少，保守的多，所以這是整體的醫療環境造成的壁壘，我們希望更多的AI從業者能夠從多維度，從國家層面也好，個體醫院也好，從這個方面進行突破，這樣AI在醫療方面才能欣欣向榮。
王正雲：您覺得政策方面有沒有大的挑戰。
楊瑞榮：大家聽到最多的熱點總是一個最負面的角度來看它，但是從我們的角度熱點分兩個方向，一個是媒體方面的熱點，尤其是不專業的媒體就把這個忽悠起來，這個熱點可能是不應該追的。但是行業的熱點，產業是有它的必然性的，剛才我們提到AI為什麼突然一下熱起來了？是因為以前做不到基礎設施包括算力、演算法這些都已經起來了，所以我的角度來說我們應該大膽去追熱點，因為這是行業的大勢所趨，但是你在什麼點切入，可能是投資人應該考慮的東西，這是第一個點。<>
第二個點我們在追熱點的過程中，我們應該看到熱點在什麼地方能夠起來，如果AI醫療成為熱點，缺失什麼東西？我們再去找把缺失的東西補上，可能反而成為投資最成功的地方。如果對這個熱點沒有充分瞭解的話，你是不會發現這裡所缺失的和基礎設施建設。
第三個角度熱點總是比政策跑在前頭，我們作為一個早期投資人，我們看的比產業、比投資人或者比政策看得多遠，作為投資人可能承擔的一個責任，我們怎麼樣引導政府，引導政策對這個行業作出合理的規範。比如說我們在另外一個行業裡頭投的金融的fintech，也是對監管層提出很多的條件。在醫療方面尤其在AI方面也是這樣，最簡單的AI影像你究竟該怎麼診療？是輔助診療還是有一天成為診斷的依據，像IBM Watson資料歸屬歸誰？應該把國內和國外隔絕開來，還是打開資料讓這個效果更好？這些都是監管應該面臨的問題。而我們作為一個投資人在這個行業裡頭有這個責任説明政府提前認識到這個技術的發展，讓它更好地作出對行業發展更加有利的監管政策。當然現在是有很大的挑戰，但是我們希望能夠跟政府和我們在從業者一起能夠把這個問題解決。
王正雲：說得太好了，鄭妍珺。
鄭妍珺：我認為任何一件事情都有它好的一面和不好的一面，AI技術其實在醫療行業現在只是處於剛剛的起步期，如果是有一些政策的問題，挑戰政策的事情的話，我覺得就像facebook也是面臨一些問題，我們可以預見的是在未來可能AI公司也會碰到類似的問題，但目前的階段來說，AI在醫療的應用也是處於剛剛的起步階段，所以暫時還不會作為我們投資決策的主要考慮因素。謝謝。
王正雲：我有兩個選擇，第一個就是你們希望每個人做一個總結對AI在醫療應用的未來的前景還是你們希望提一兩個問題他們來回答？你們更喜歡哪一種？我要不然先總結，每個人一句話總結AI在醫療應用的未來和前景，簡單也行，沒有話的就隨便。我放出一兩個問題。
餘征坤：一句話就是前途是光明的，道路是曲折的。
魏嘉：這個行業的發展，希望不要出現監管後置的問題，希望隨著這個行業的發展，能夠前置的有一些分級管理的方案出來。
新紀夫：我覺得AI基於技術的發展，一定會出現偉大的企業，所以我們要猛燒火、慢燒鍋。
趙匯：我認為AI+醫療肯定會超過絕大部分人的預想，以更快地速度發展，可能在未來10年、20年，你再回看今天，你可以發現It is impossible，It is really happen！
楊瑞榮：放到全球化的角度，我認為AI有可能中國在移動互聯網一樣，因為醫療的基礎設施建設不夠完善，中國反而在AI+醫療的應用層面有可能會有彎道超車的機會，我們比較期待。
鄭妍珺： 我的觀點是還是擁抱未來，我之前看過一句話，就是未來的地球上有三類人，男人、女人和機器人，謝謝。
版權聲明:
1.本文為投中網原創，未經許可不准轉載，轉載請注明來源和作者，違者必究。
2.投中網每日分享PE/VC圈重磅新聞，內容涵蓋PE/VC行業熱點、突發新聞、投融資事件、前沿人物心路、創業圈動態等業內最新資訊。關注投中網即可獲得每日精華內容推送。
在臨床應用已經到了什麼階段？AI在醫療領域的探索
鄭妍珺：我感覺現在我們看到更多的AI的領域是在醫療機器人方面，一方面可以讀取人類神經信號的那些可穿戴設備，另一方面是可以承載手術或者保健等工作的機器人，比如說像達芬奇機器人。
另外一個領域是在智慧診斷這一塊，可以讓機器人去學習醫學專家的一些醫療知識，包括模擬這些醫學專家的診斷思維，我覺得在未來，不是我們去醫院找醫生看病，而是我們在家裡面通過APP，通過智慧型機器人就可以得到我們病症的初步診斷。
在臨床方面，我是比較建議AI公司多和傳統的醫療公司進行合作，這樣優勢互補，那在臨床的應用方面，成功率會比較高一點。
王正雲：問一下現在年底篩查的公司，進展或者佈局在國內是怎麼樣了？
鄭妍珺：我們是去年投了它是A輪，現在進一步在臨床實驗的過程中，也是會和傳統的一些醫療器械公司進行一些合作，提高臨床的效果。
楊瑞榮：說起人工智慧也是很廣的概念，跟醫療器械結合，可想而知在器械具體的領域裡，我們投過一家專門用AI來做影像這一塊，大家可能已經聽了很多了，但是我們投數噴（音）科技是IBM團隊出來，商務團隊是從GE出來，影像方面有非常深的根基，他們是專門做心血管類的，從我們粗淺的理解來看他們對資料的要求，對分析的要求比一般的影像分析更高一些。
從大的類目來講，AI影像可能是最直接能夠看到，因為這是最直接用人工智慧的方式來解決。其他我們感覺很深刻的有精准醫療的人工智慧，我們在二代測序這個平臺上，我們投資了大量的公司，包括以前投過安諾、燃石、華大，質譜這一塊，還有瑞影（音），背後能夠跟一般的二代測序公司所區分開來的就是後面的大資料的解讀，其實生物資訊學的解讀比其他影像是更深刻。隨著測序成本的下降，對資料的解讀工作依賴性越來越大。在這裡面，很多人都會錯誤地認為，這個二代基因測序都是用一個平臺，沒有什麼價值，但是真正背後的無論是大資料也好、人工智慧也好，後面的解讀方式是能夠看出新創公司能不能比別人更好的關鍵的東西。
趙匯：實際上我認為，如果投AI跟醫療相結合，其實有兩個大的邏輯點需要看，第一就是電腦技術，電腦技術的發展直接推動了AI領域的變化。像我們說的神經網路是二十年前說的，為什麼這兩年才熱起來？因為計算力這兩年跟上來的。我投AI是看一個技術在什麼領域進展到什麼進度。
第二條看商業落地的場景，大家在AI醫療上的應用要明白一個核心，AI的作用並不是取代一個醫生，而是幫助醫生提高醫療效率，解決一些地方上的病患的醫療的不平衡的點，我曾經給大家畫過一個圖，如果X軸是從鄉村到城鎮，Y軸是醫療資源的情況，這在中國是極其不平衡的，所有頂尖的醫療資源一定在最右端的大城市，AI可以把鄉村的大夫彌補過來，而且分級診療的推動下來，AI可以起到很大的作用。從AI今天的發展來講，比較成熟的實際上是圖像的智慧設備，延伸實際上就是放射科、病理科等等。如果我們看臨床的循證支援系統的話，這就涉及到了自然語言的處理，自然語言的處理，西方語言的處理和中國的還是不一樣。
我認為在臨床知識體系可能在美國要三年左右的時間才成熟，中國可能還要兩年，作為投資尤其是VC來講的話，可能是看做語言處理的團隊能不能做到語義識別，明後年逐步小範圍佈局，這是我們對做AI的認可。影像學相關的，我們現在看你的商業落地能力，因為誰都可以說我做了一個產品，這個產品已經達到了，我們看有什麼辦法，今年能不能產生收入，商業落地的是今年最大的挑戰。
新紀夫：剛才三位都已經說得很全面了，我分享一下我們在這方面的思考和實踐，我們看人工智慧，首先它是有一個前提的需求，首先你用人工智慧要解決什麼
樣的問題，在資料量處理得很大、很複雜、多變數的場景下，人工智慧和傳統方法會有一個比較大的優勢。所以在這樣的基礎邏輯下，我們投資了一家公司，另外投資的企業在跟一些創業企業在做，投資的這
家公司主要是基於大量的文獻、臨床的一些資料，還有包括各種各樣的新的舊的data，然後做一些生物標記物的發現，和老的生物標記物和一些其他疾病之間的關聯等方面的工作，大概就是discovery。發現了以後幹嘛呢？無非是做藥和診斷，目前看起來效率的確是比傳統的要高一些，但是我們也要往後看，這個藥進了二期、三期以後才能知道這個方法論是不是對於整個的醫藥研發有比較大的推動。
還有一些是我們現在投的服務公司，他們在通過一些人工智慧技術的合作，比如說我們投了全國應該是最大的自閉症康復的機構，他們積累了大概有將近上萬名自閉症兒童的資料，因為自閉症兒童的資料非常非常複雜，是譜系疾病，所以變數非常非常多，量表也極多，基於這種資料量的前提下，再和一個做人工智慧資料分析的企業合作，看看能不能從治療層面，看哪種方法學更有效，然後能夠發現出更好的治療里程碑管理的marker，大概是這樣的情況。
王正雲：剛才四家機構都投了AI在醫療方面的應用，我想聽聽餘總，因為余總是非常資深的投資人，超過十幾年的投資經驗，為什麼你沒有投AI的專案？
餘征坤：其實剛才你問這個問題的時候，我在糾結，我要不要舉手說我投了沒有，我本來想舉手說我也投了，投的原因是因為我覺得我們其實投了很多的公司都有AI的技術，但我後面決定沒舉手，原因在於我覺得投的這些公司沒有專門從事AI技術的。就是我對AI的理解是這樣看，現在最火的就是區塊鏈，打個比喻，我覺得他跟區塊鏈很像，我覺得他就是一個底層的技術和一個底層的解決方案，我覺得誰都可以用它，大家不能說我投個區塊鏈公司，那區塊鏈公司具體做什麼？我覺得每行每業都可以用到區塊鏈，做物流的可以用區塊鏈，不止是大家熟悉的比特幣挖礦，這些才是區塊鏈的應用，保險業可以用到區塊鏈技術，保險業可以用到區塊鏈，我認為它就是一個底層的技術。AI在醫療的應用也是這樣的，很多的公司把它作為底層的技術在用。
舉個例子，原來我在IDG投的九安醫療，是做可穿戴以來設備的，測血壓、測血糖，它收集到這些資料之後，自動可以形成你的表格，自動給出慢病管理的建議，這些就是AI的應用，但是我不認為它一個是純AI的公司，我覺得它也得應用。包括我投的平安好醫生，其實有很多的AI的應用，比如說患者剛開始從問診開始到後面幫你掛號、轉診，甚至到後面的慢病管理，我覺得整個產業都應用到了AI的技術。但是大家歸類它是一個移動互聯網公司， 5月4號就要在港交所掛牌了。我覺得像這樣的公司也只是把它做一個底層的應用，並沒有好象說AI就是平安好醫生的主業，並沒有這樣做。
另外還有一個例子，我們還投了中國最大的做康復設備的公司，其實和康復一樣，康復大家也知道，醫院不大願意去花很多的面積、配、很多的人力做康復的事情，很簡單，不賺錢，醫生要講究評效，講究每個醫院、醫生賺多少錢。康復就不大好，康復很多不願意做怎麼辦？很多患者又有這種剛性的需求，就變成有一些簡單的設備，你可以在家租用，租用完了之後，所有測試的資料，診療的方案自動傳給醫生，傳給醫院了，傳完之後醫生可以給你一個調整康復治療方案的建議，遠端都自動把這件事情做完了。
我覺得其實像這些都已經是AI的應用，只是說不是一個專門的AI公司，我的觀點是這樣，它就是一個底層的基礎的技術和解決的方案。
王正雲：謝謝，其實我跟餘總有同樣的困惑，因為大家知道，我自己也做了一些功課，學習這個行業，AI的核心，我們講三個點，第一個就是大資料，大資料就是所謂的5個V，第一個就是我的價值足夠大，第二個速度快，多樣性，一定要有價值的資料，最後一個是真實性；第二個是所謂算力，包括剛才趙總提到了現在的算力提升，現在也是由提供算力的專業公司來做；第三個最核心的就是演算法。我一直不知道這些AI公司的核心競爭力在演算法方面有什麼不同？我想聽聽幾位對這個方面有什麼樣的思考？到底AI公司的核心競爭力，比如說投在影像這個方面，包括輔助診斷這一塊的核心競爭力是什麼？留下來的都是真愛，分享點乾貨，我把我最直接的感觸關於AI的核心競爭力分享一下，謝謝。
醫療領域AI的核心競爭力
楊瑞榮：我抛磚引玉，我們一直在這醫療投資裡頭，尤其是AI的醫療投資裡頭有很多大家的誤解，有幾個東西就是你要投AI影像的時候，剛才我們也討論到，比如說騰訊阿裡找100個工程師下來，是不是一樣也能有這個演算法，人家比你聰明，比你錢也多，是不是能夠做得比你快。第二個挑戰就是我是GE，我西門子，或者我是聯影，本身我帶著機器，或許我能夠獲取圖像的途徑比你更多，是不是他們能夠取代所謂的AI的影像的公司，那麼如果他們在兩邊夾擊，我們是不是在AI影像裡頭有投資機會？
從我自己的感受來講，我是拿著我的錢說話，我覺得這還是有機會的，這是一個多學科，就像您說的，算力基本上是解決的，大家都是平等的。在這裡頭，演算法其實我認為在這裡頭可能相對來講是比運力更高的門檻，但是真正更高的東西可能就是你怎麼樣去獲得，您剛才說的資料的真實性，在醫療裡頭資料的真實性可能比別的地方的真實性和複雜度要更多。我們真的到醫療產業裡頭，我們已經標注的能夠供機器學習的這些資料。那麼在中國尤其是剛才趙總也提到，其實我們連文本的資料在各個醫院都不能統一，那影像的資料，為什麼做肺結節的AI的影像做得比較多，因為標注的資料是有的，但是在其他AI的應用領域，很多原始的影像，尤其是已經標注過的影像，想要獲得已經很難了，第二，你還要持續不斷地獲取經過精確標注的圖像，這是AI和醫療必須要深度地綁定的。任何時候，AI和醫療相結合的真正核心還是醫療。我們在投資角度，我自己經常相信的一個說法，在中國你投的是應用，真正的底層的AI技術，其實大家能夠拿來的東西都一樣，但是真正在應用這個層面，每一個人開發的方向以及每一個人的專注程度決定了在一個細分的領域你是不是能做出來的東西，這是我們去看所謂的人工智慧醫療這個領域的最核心的東西。
王正雲：據我瞭解現在有超過100家做AI醫療器械，超過40家做肺小結節的，您覺得他們是不是很同質化？
楊瑞榮：我們就不點名，在肺結節可能有一兩家跑下來，有些是資本的力量砸出來，有的是跟科室合作真正能拿出東西。在這個細分領域裡頭，每一個細分，就跟基因測序的應用層面來說，你跑出5家的格局定了，再往下，在癌症可能前四家把格局定了，就是都是底層技術的應用，因為這個市場足夠大，在AI裡頭，我覺得應該也是會面臨這樣的狀況，就是在肺的領域裡頭，可能會出現幾個大的，他可能再往下延伸，就跟華大向各個地方都延伸一樣。那麼足夠大的市場，比如說心臟，將來在糖尿病、高血壓，如果有相應的技術，應用層面能夠做出來，也能夠在細分領域成就一兩家比較偉大的公司出來。中間也不妨礙他們有可能把手往外伸一伸，在相近的領域裡頭有一些延伸。
鄭妍珺：我們看一家AI的醫療公司，就看兩點，一點就是他是否能夠獲取高品質的有效的樣本能力，另一點，他和傳統醫療手段的結合能力，包括他是否能夠在應用上面確確實實提高傳統醫療的效率，在醫療器械包括新藥研發領域一些也是我們比較關注的點。
趙匯：從醫療AI上來說，我簡單畫一個微笑曲線，難點是什麼呢？左邊難點是資料的獲取，演算法是很容易的，實際上演算法，二十年前已經成熟了，無非是針對應用場景做微調，右邊是應用場景。真正我們看到的企業，為什麼說有40家做肺結節的，因為在美國癌症學會有標注的資料給你，拿資料很容易，大家都可以用，實際效果怎麼樣呢？我的模型出來，預測精確度可能到了99%，一到我們的二甲、縣級醫院，正確率到百分之十幾，為什麼是這種情況？我們獲取資料，是要做data cleaning，我拿到不低品質的資料，我也要用精標準的資料，用FDA的認可的方式做標注，做訓練，這個難度非常大，是很耗時間的工作，哪些公司能夠獲取這種低品質的但是標注得很好的資料，這是我們看中的一個核心的獲取資料的能力。
你可以想像，一家頭部的公司融了很多的資，他的模型訓練好，一旦到縣級醫院去用，影像科醫生使用方式不對，準確率直接從90%到不能用的階段。第二點我比較看重的是平臺的研發能力，現在大家都在跑應用，都說我這個應用好，拼到後面拼的是什麼？應用做得再好，不如我平臺運算效率好，你做一個同樣的一個應用，你可能後臺需要十個K80的顯卡在那裡做預算，我只要用5個，最後在中國一定打架的狀況，我的運行效率越高，越可能把其他平臺的好的產品進行整合。
我舉一個例子，當時投Aatoris，應該算是去年Top10的global的AI公司，醫療裡面排第一。我看中他的核心就是他的平臺能力，資料到了伺服器，幾分鐘之內回下來，在美國鋪了大量的醫院，不需要那麼多的machine在這裡做運算，當然應用選的領域也很好，心血管相關，攻克的技術難度很高，壁壘很高，同樣的產品我不認為其他有很好的產品能夠複製出來。第二個產品往肺結節延伸，兩個月模型出來，效率很好，馬上可以掛FDA的流程，我認為這個演算法的門檻太低了，所以我們在國內，我現在基本上不看影像的專案，也是這種原因。
新紀夫：我個人來看覺得兩方面壁壘是可以關注，一方面是複雜器官，複雜疾病的建模能力，這是一個，比如說像肺，肺小結節很簡單，40幾個，從四五年前就有團隊做，做的人很多。但是比如說心臟的，是很複雜的，3D的，多層次的，還要建模出來，還要能拿到統一的資料，標準化的資料，然後在這個基礎上做技術壁壘，我看起來還是非常非常高的，全球可能只有一兩個團隊可以
拿到很多的錢。如果要是簡單，我覺得就是管道壁壘，管道和商務的壁壘很重要，你要講一個故事，你的硬體要鋪得出，還得有足夠的商務能力等等。剛才的技術壁壘還也一個就是假如你是動態的，這個難度更大，比如說核磁相對靜態的，比如說你是B超，動態的，你的位置不一樣，使用場景不一樣等等，在這方面成熟或者可行的一些人工智慧的應用，我覺得這樣的團隊可以關注，我自己是願意關注的。
王正雲：魏嘉總你談談，聽說您在AI在醫學、整容這個領域非常地關注。
魏嘉：對，是這樣的，我來之前在中科院跟專家，包括他們早期在論證這個專案的時候進行探討。就是人工智慧運用到術後效果的整個對比，你是不是能夠保證。現在醫美行業發展非常迅速，前幾年是發展混亂，經過國家的監管的陸續出臺，政策出臺，這個行業慢慢規範，正規的像中國醫學科學院的這種大的整形醫院，我們和他們是有業務上的戰略合作的，他們有一些專家出來跟我們互動，說如果人工智慧術後的效果，我們後續怎麼論證？如果一個患者說我要做李嘉欣的鼻子，做個章子怡的下巴，怎麼給他？我拿人工智慧的東西是能給他把模擬做出來的，但是我要不要給他？它作不作為一種術後的保證給到患者，如果我給到他，裡面就有一些醫療糾紛會在裡面，目前監管沒有跟上的情況下，這種醫療糾紛到底是醫院、醫生和患者幾家誰來負責？所以我想人工智慧發展到這個階段，可能還是偏早期，後續我們在不同的行業整合人工智慧，機器人，要看每個行業的特性。
王正雲：最後還有一個問題，因為醫療的持續火爆，我個人看這個行業，越是火爆的東西那就意味著或者是有風險，或者有挑戰，請各位聊一下，您覺得AI的投資下面比較大的挑戰或者瓶頸，或者類似隱私的問題，比如說資料的隱私性等等方面，您覺得會有哪些限制？
未來AI在醫療領域的挑戰
餘征坤：我覺得作為投資人，尤其像我們這種專業的投資人，我覺得有一點很重要，就是不要去追熱點，不能說我們跟著媒體走，媒體說區塊鏈熱，去投區塊鏈，媒體說AI熱投AI，我覺得還是保持一顆平常心吧，不管它叫不叫AI從我們的判斷他這個模式，他的服務或者他的產品是不是能夠解決現在市場上的痛點，不管解決醫生的痛點還是解決患者的痛點，你有沒有解決這個痛點，第一，你能不能解決這個痛點，第二，你解決這個痛點，你的成本是多少，就是患者是不是付得起或者能不能進醫保，我覺得這可能是我們更加看重的。
這一塊我們可能會從投資的角度這一塊看，也不會說我們不投AI也不會說見AI就投，肯定不是這種狀況。後半部分的問題關於隱私的問題，我覺得隱私的問題在醫療裡面真的已經算很好了，如果大家上淘寶，上新聞隨便用個流覽器，其實你任何流覽器都會被發現，也許昨天流覽了一個買一個什麼籃球，你後來發現一上網就跟籃球相關，或者是鞋業也來，衣服也來，大家想過嗎？就是你的任何一個行為都被系統捕捉了，我們這種隱私的侵犯，可能是非常嚴重的，我認為這種情況更多是在互聯網的領域，在醫療領域還好，我買的東西都比較簡單。
餘征坤：我的結論就是說，大家平時使用互聯網包括平時使用手機的習慣去比，我認為AI應用在影像上相對還是好，疾病也好，健康也好，這是一個相對私密或者對商家來說並不是特別感興趣的一些話題，所以不會就著某一個人的這點隱秘的資訊給你放大或者誇大，一般的普通消費品我認為可能受影響更大。
魏嘉：我主要考慮的是倫理問題，首先我想的是我們有一些外科手術機器人，其實手術本身是一個相對比較成熟的手術，當然引入AI機器人的設備以後，會產生一些倫理的問題，比如說過去的醫生做手術，就是拿一把手術刀，出了很多問題，我可以說我的手術過失或者大比例的判斷是這個病人本身的問題，但是如果現在機器人介入了這個手術，以後誰來負責？是醫療器械的廠商負責，醫院來負責還是主治醫師來負責這台手術？
王正雲：所以從我個人來講，會只投影像類的公司，不投治療類的公司，有風險， AI能夠走到醫療，我認為早得很。
魏嘉：還偏早，我也在想這個問題，誰來負責。
王正雲： 連診斷都早了很多，只是輔助診斷。
魏嘉：對，過去醫生不能說我拿的刀子選錯了，我刀子有問題所以手術有問題，現在醫生可以說機器人有問題，精准度沒有達到，一下骨頭打碎了，雖然是小概率事件，但是有這種可能性，我們看到項目裡面有這樣的問題，所以互相在推，到底誰來負責？我也在持續關注這一塊。
新紀夫：其實我特別同意餘總的觀點，從我們的投資的角度，因為前段時間特別有意思，我有一個朋友跟我說了一句話，說現在風口太多啊，創業者都不夠用了，我覺得挺逗的。從我們的角度，還是比較樸素的投資邏輯，你有一個好的科學，有一個好的商業，有一個好的團隊，你做不扎實的話還是比較難的，所以我們還是更關注基本面吧。
趙匯：個人覺得AI在醫療的應用其實第一AI是做增量市場，這個問題不大，所謂的增量市場我到醫療資源稀缺的地方，幫助當地的診所、醫院來提高收入，然後通過AI輔助的方式做，這個市場我認為壁壘不大。
第二塊實際上是我個人比較喜歡的，就是顛覆傳統的市場，過去的傳統的診療方案可能從保險角度上來看，可能對患者造成額外的痛苦，我認為AI進入之後，很有可能把整個的診斷過程或者流程的cost大幅度地下降，這種顛覆性的行為往往是我個人比較喜歡的，這種項目也是我們比較積極關注的。回到隱私，實際上也是回歸到電腦這一塊，AI核心就是需要不停的有新的資料來驗證，來升級我的模型。那麼這些模型怎麼樣從醫院內合理地拿出來，這是所謂AI公司，創業者和醫院之間文化勾兌的問題，這個難度還是非常大的。中國院長相對開放得少，保守的多，所以這是整體的醫療環境造成的壁壘，我們希望更多的AI從業者能夠從多維度，從國家層面也好，個體醫院也好，從這個方面進行突破，這樣AI在醫療方面才能欣欣向榮。
王正雲：您覺得政策方面有沒有大的挑戰。
楊瑞榮：大家聽到最多的熱點總是一個最負面的角度來看它，但是從我們的角度熱點分兩個方向，一個是媒體方面的熱點，尤其是不專業的媒體就把這個忽悠起來，這個熱點可能是不應該追的。但是行業的熱點，產業是有它的必然性的，剛才我們提到AI為什麼突然一下熱起來了？是因為以前做不到基礎設施包括算力、演算法這些都已經起來了，所以我的角度來說我們應該大膽去追熱點，因為這是行業的大勢所趨，但是你在什麼點切入，可能是投資人應該考慮的東西，這是第一個點。<>
第二個點我們在追熱點的過程中，我們應該看到熱點在什麼地方能夠起來，如果AI醫療成為熱點，缺失什麼東西？我們再去找把缺失的東西補上，可能反而成為投資最成功的地方。如果對這個熱點沒有充分瞭解的話，你是不會發現這裡所缺失的和基礎設施建設。
第三個角度熱點總是比政策跑在前頭，我們作為一個早期投資人，我們看的比產業、比投資人或者比政策看得多遠，作為投資人可能承擔的一個責任，我們怎麼樣引導政府，引導政策對這個行業作出合理的規範。比如說我們在另外一個行業裡頭投的金融的fintech，也是對監管層提出很多的條件。在醫療方面尤其在AI方面也是這樣，最簡單的AI影像你究竟該怎麼診療？是輔助診療還是有一天成為診斷的依據，像IBM Watson資料歸屬歸誰？應該把國內和國外隔絕開來，還是打開資料讓這個效果更好？這些都是監管應該面臨的問題。而我們作為一個投資人在這個行業裡頭有這個責任説明政府提前認識到這個技術的發展，讓它更好地作出對行業發展更加有利的監管政策。當然現在是有很大的挑戰，但是我們希望能夠跟政府和我們在從業者一起能夠把這個問題解決。
王正雲：說得太好了，鄭妍珺。
鄭妍珺：我認為任何一件事情都有它好的一面和不好的一面，AI技術其實在醫療行業現在只是處於剛剛的起步期，如果是有一些政策的問題，挑戰政策的事情的話，我覺得就像facebook也是面臨一些問題，我們可以預見的是在未來可能AI公司也會碰到類似的問題，但目前的階段來說，AI在醫療的應用也是處於剛剛的起步階段，所以暫時還不會作為我們投資決策的主要考慮因素。謝謝。
王正雲：我有兩個選擇，第一個就是你們希望每個人做一個總結對AI在醫療應用的未來的前景還是你們希望提一兩個問題他們來回答？你們更喜歡哪一種？我要不然先總結，每個人一句話總結AI在醫療應用的未來和前景，簡單也行，沒有話的就隨便。我放出一兩個問題。
餘征坤：一句話就是前途是光明的，道路是曲折的。
魏嘉：這個行業的發展，希望不要出現監管後置的問題，希望隨著這個行業的發展，能夠前置的有一些分級管理的方案出來。
新紀夫：我覺得AI基於技術的發展，一定會出現偉大的企業，所以我們要猛燒火、慢燒鍋。
趙匯：我認為AI+醫療肯定會超過絕大部分人的預想，以更快地速度發展，可能在未來10年、20年，你再回看今天，你可以發現It is impossible，It is really happen！
楊瑞榮：放到全球化的角度，我認為AI有可能中國在移動互聯網一樣，因為醫療的基礎設施建設不夠完善，中國反而在AI+醫療的應用層面有可能會有彎道超車的機會，我們比較期待。
鄭妍珺： 我的觀點是還是擁抱未來，我之前看過一句話，就是未來的地球上有三類人，男人、女人和機器人，謝謝。
版權聲明:
1.本文為投中網原創，未經許可不准轉載，轉載請注明來源和作者，違者必究。
2.投中網每日分享PE/VC圈重磅新聞，內容涵蓋PE/VC行業熱點、突發新聞、投融資事件、前沿人物心路、創業圈動態等業內最新資訊。關注投中網即可獲得每日精華內容推送。