人工智能一直很火，但在全世界范圍內的引爆，發生在2016年的3月，谷歌的AlphaGo以4：1的成績戰勝了世界圍棋冠軍李世石。一個月后，中國的BAT巨頭不再潛水，開始了動作，他們在人工智能領域的一個非常重要的角力場便是AI醫療。
2016年4月，騰訊等機構以10億人民幣投資碳云智能；2016年10月，百度對外發布了百度醫療大腦，宣布正式進軍AI醫療；2017年3月，阿里云發布ET醫療大腦宣布正式進入醫療AI領域。
作為壓垮中國人民的三座大山之一醫療，是目前人工智能各應用領域中最熱門的賽道。人工智能在醫療領域的應用門檻最高，最難突破，但也最具想象力，所以資本和BAT們對這座大山發起了一輪又一輪的攻勢。針對以醫療為重點的AI創業公司從五年前的不足20家上升至現在的120多家，但大多停留在toVC階段，整個資本圈都在等待，AI醫療能夠真正講出ToBToC的商業模式。
鯨準數據中心清洗了整個AI醫療從2013到2017年的241起國內融資事件，本文用資本布局時間線去描述AI醫療行業現狀，最后通過鯨準上的投資人行為，去發現AI醫療的下一個行業熱點。
01什么是AI醫療？
AI醫療是以互聯網為依托，通過基礎設施的搭建及數據的收集，將人工智能技術及大數據服務應用于醫療行業中，提升醫療行業的診斷效率及服務質量，工業機器人維修，更好的解決醫療資源短缺、人口老齡化的問題。
AI醫療定義金字塔
基礎層：通過軟硬件的基礎設施，收集用戶、藥物及病理數據，并使數據互通互聯，為人工智能的應用提供支持與可能。
技術層：通過語音/語義識別、計算機視覺技術，對非結構化數據進行分析提煉。學習大量病理學數據文本，使其掌握問答、判斷、預警、實施的能力。
應用層：是指人工智能與不同細分領域的結合，以解決醫療行業中的某種業務需求，如智能診斷、藥物研發、智能健康管理、智能語音等醫療場景。
02AI醫療國內融資概況5年內，AI醫療各領域共發生融資事件241起
AI醫療應用層持續熱潮，基礎層熱度下滑
回顧13年-17年數據，從2015年開始，基礎層熱度明顯下滑，而資本開始紛紛進入應用層。2017上半年AI醫療發生融資數量46起，下面是應用層各維度融資情況。
國內資本多布局虛擬助手、醫療影像、醫用機器人、智能健康管理這四個領域
經統計，從13年到17年上半年，應用層8個細分領域共發生融資事件86起。國內資本多布局虛擬助手、醫療影像、醫用機器人、智能健康管理四個領域，其中醫療影像成為資本密集的陣地，占比最高達到31%，位居第一。
為什么醫療影像賽道玩家較多？
從細分領域融資數量圖看出，醫療影像占比較多，為什么會發生這樣的狀況？影像具有4V性（volume數量、variety多樣性、velocity速度、veracity真實性），4V的屬性更適合其AI的發展。
應用層融資輪次分布：大部分公司停留在天使輪及A輪
國內AI醫療應用公司起步較晚，由細分領域融資數量分布看出智能診斷領域占比60%。整體上智能診斷還處于初期，目前沒有大規模商用。對于優質數據的提取、數據的結構化及建模、患者語言的訓練都是目前需要跨越的障礙。
進入到B輪及B輪后的的公司分布在虛擬助手、醫用機器人兩個領域
醫用機器人的實際應用主要集中在外科手術領域。機器人在手術上的準確性、可靠性和精確性上大大超過了外科醫生，庫卡機器人驅動器維修，機器人技術已經在醫療領域得到了長足的發展，并取得很好的臨床效果。
03AI醫療行業發展解析AI醫療標簽關注度
根據鯨準中心標簽熱度算法統計，有關于AI醫療的標簽：深度學習、計算機視覺、AI醫療、智能診斷、醫療影像、自然語言處理、AI芯片、醫療大數據關注度有較大提升。
AI醫療為什么會成為資本新寵？
1、政策推動
AI政策持續利好。2017年7月國務院剛印發《新一代人工智能發展規劃的通知》，明確提出到2020年人工智能總體技術和應用與世界先進水平同步。
醫療政策持續利好。2016年國務院發布《關于促進醫藥產業健康發展的指導意見》，明確提出開展智能醫療服務。
2、國情推動
社會進步和人們健康意識的漸漸覺醒，人口老齡化問題的加劇；病患多、醫生少；醫務人員培養成本過高；藥物研發周期長、費用高；醫生診斷不容犯錯。
3、技術推動
語音和圖像識別技術目前已達到商業化高度。從2012年的ImageNet大賽一直到現在，深度學習在圖像的分類與識別上已經取得了非常大的進展。在醫療影像領域目前對某些病理圖片的識別準確率已超過90%，用于輔助醫生診斷已不成問題。區別于機器學習，需要給出特定規則后才能進行。而深度學習則可自由生成多層網絡（深度神經網絡）。在深度學習之前，大約在90年代，就已有很多人做計算機輔助診斷（CAD）。之前神經網絡做不深，現在有了新型計算機和深度學習之后，可以實現很深的網絡。舉例乳腺鉬靶腫塊判讀。
三大AI技術基石：深度學習算法+計算能力+大數據，為AI融入醫療奠定基礎。
4、設備驅動
電子膠片的普及；POCT及智能可穿戴設備公司初具規模，大量設備及膠片投入使用，形成龐大的用戶病理數據，KUKA機器人維修，為構建醫療大腦奠定基礎。
5、基礎設施驅動
根據CHIMA的數據統計，顯示早在2015年9月，超過60%的醫院都已完成醫院管理信息系統（hmis）的全面搭建。以EMR為核心的CIS成為建設重點。
現階段AI醫療應用競爭態勢
國內AI醫療未來發展建議
1、加快基層醫療機構的信息化建設，加速區域信息化集成布局。
2、數據獲取能力的提升、算法的改進、人工智能技術的創新。
3、逐步完善底層核心知識圖譜。
鯨準預測可拓展領域：AI+精神疾病管理、AI+精準診斷、AI+精準治療、AI制藥等。