自從人工智能（AI）概念大熱之后，其進入各個產業領域的速度加快。不過，鑒于醫療領域的復雜性，AI在醫療產業的拓展并不順利，唯一獲得規模化的正向增長的是手術機器人，其他在經歷了多年的發展，整個領域仍屬于不成熟的早期市場，難以真正商業化。

如果按照人工智能進入醫療的領域來區分，主要分類是藥物研發、診療、影像識別、手術機器人和健康管理5大方向。但從實踐來看，藥物研發領域雖有一些進展，但離真正規模化仍有一定距離，而診療領域的工具屬性更強，對醫療的作用只具備信息化附屬的角色。真正在過去5年吸引市場的領域是AI解決方案（以影像識別為主）、手術機器人和健康管理這三大類。

 雖然資本市場熱捧這幾個領域，但從目前來看，真正有發展前景的還是手術機器人，如果沒有戰略轉型，其他兩個領域即使在長期來看也難以在商業上規模化。

 分析的四個角度

 對這三者進行分析可以通過四個角度：監管屬性、實用性、迫切性和可持續性。

首先，從監管屬性來看，都是按照醫療器械來獲得監管許可，但是只有手術機器人是真正依賴醫療器械和耗材來走通商業模式的，其他都是比照器械來獲得監管許可，但實際上并不是依靠醫療器械本身來獲得發展，而是更偏向醫療信息化的院內和院外模式。影像識別類似院內影像科購買系統進行信息化能力提升，而數字療法則類似借助信息化軟件進行專科的院外隨訪和康復管理。從監管準入角度來看，醫療器械和耗材模式是成熟商業模式，且客單價較高；而面向專科的信息化軟件模式的客單價較低，市場規模的增長依賴跑量。至于面向院外的健康管理則連商業模式的邏輯都無法成立。

其次，從實用性來看，手術機器人和影像識別的實用性較強，用戶主要為醫院科室，有著較為明確的采購需求。而數字療法的療效目前只是在試驗中獲得了證明，但由于始終沒有獲得大基數的用戶，其實用性存疑。由于需要醫生開具處方且主要面向院外C端客戶，數字療法的使用場景無法像前兩者那樣創造出一個具有迫切性的剛需場景，一切都掌握在個人的主觀意愿上，可持續性偏弱。

再次，迫切性決定支付能力和意愿，迫切性低會導致支付意愿低，反之就高。從支付意愿來看，手術機器人的迫切性較高，支付意愿度較高，但影像識別的迫切性并不強，數字療法的迫切性更弱，支付意愿更低。從支付能力來看，醫院采購設備的資金最充足，市場接受度也最高，手術機器人的銷售面臨的挑戰是政策準入而不是支付能力。影像識別僅限于影像科，經費相對有限，因此支付能力明顯受限。而且影像識別提供的服務更類似信息化軟件，難以提高客單價。至于數字療法，C端自費支付能力始終是大問題，難以推動產業商業化，必須依賴支付方，但支付方需要看到明確的療效和成本控制，這點數字療法并不具備，也難以獲得商業化所需的規模。

最后，從可持續性來看，商業模式能否持續滿足客戶需求和支付能力是關鍵，手術機器人和影像識別主要依賴醫院采購，可持續性能力較強，但數字療法依靠C端自費，難以獲得穩定的市場規模，可持續性較弱。

 規模化的挑戰

從本質上來說，影像識別對醫生的幫助更多是效率上的，但與類似電子病歷等全局性的信息系統不同，醫療機構對局部效率提升的急迫性并不強。因此，醫療機構的支付意愿并不強的前提下，影像識別產品的定價只能類比專科化的信息系統，難以與大型醫院信息化系統比肩。在需求意愿有限和定價難以提升的市場環境下，影像識別的商業化面臨很大的局限。

而另一方面，影像識別是一個重人力的服務，需要投入大量人力去做生物標志物，這大幅度推高了公司的成本，每獲得1元收入所投入的成本要遠遠超過1元，這樣的商業模式只能依靠不斷融資支撐。與傳統互聯網公司不同，由于是一個完全2B的市場且客單價較低，影像識別公司缺乏快速規模化的可能性，很難長期燒錢來發展。

而手術機器人面向的領域雖然較窄，目前成熟的主要是腹腔，以泌尿外科和普外科為主，骨科類的規模化仍需時日，但由于能夠解決醫生的痛點，大幅提高手術的精度和效率，在經過了數年的市場培育期之后，獲得了明顯的發展。由于客單價較高，擁有一定自費用戶的基礎，隨著部分地區醫保納入之后，手術機器人將獲得明顯的增長。

但是，手術機器人市場仍然缺乏有體量的國產品牌。雖然目前有較多產品線在研發和臨床試驗，但真正能夠規模化的手術機器人產品還較為匱乏。手術機器人是一個長周期發展的商業模式，但打開醫院市場的銷售渠道必須緊密配合產品開發進行，否則很容易形成有產品而沒有市場的局面，并一拖多年，產生不了現金流，一直需要融資輸血。

而人工智能在健康管理領域的體現主要是數字療法。數字療法并不是新產品，更多是采用了軟件加硬件的模式將原有的產品重新包裝。與影像識別和手術機器人不同，數字療法更多是面向個人。人工智能的本質是提高效率和技能并降低成本，但數字療法并沒有體現出這一點。雖然數字療法在試驗階段展示了其能夠對慢病或精神健康疾病進行有效治療和管理，但從實踐來看，其實際效果仍然存疑。這導致醫保和商保作為支付方仍然非常謹慎，直接去覆蓋數字療法的意愿度非常低，降低了其快速規模化的可能性。

當然，人工智能在數字療法上主要的優勢在其算法，通過不斷調整用戶數據來推動算法具備更精準，從而提高用戶的健康水平。但是，正如影像識別一樣，必須投入高人力，依靠大樣本才能開發出準確率更高的算法。當前的數字療法卻采取藥品的研發模式，只是在院內對小規模人群進行試驗。當這樣的數字療法產品上市后，用戶的使用率和續約率并不高，作為頭部的Pear Therapeutics的處方實際調劑率只有50%，處方實際支付率只有25%，這極大的制約了其規模化的可能性。

因此，如果從商業模式的潛力來辨別，用戶需求的迫切性、支付意愿和能力以及可持續性是判斷其未來能否獲得真實發展的關鍵。從市場趨勢來看，手術機器人的商業模式已經成熟，但受制于技術的能力，未來的規模取決于技術成熟度和成本控制力。而以影像識別為主的AI解決方案的商業模式仍不成熟，未來能否真正規模化受制于是否能找到新的剛需性應用場景和醫院的支付意愿的提升。數字療法則還不存在清晰的商業模式，市場仍將繼續探索。????