兩年89起融資，175億總額，這個黃金賽道正排隊赴港IPO

2021年11月5日，致力于視網膜影像識別技術的“鷹瞳科技”登陸港交所成為“醫療AI第一股”，而這場IPO背后的爭奪戰競爭十足。

“依圖科技”兩次IPO折戟，最終將醫療板塊賣給“深睿醫療”；“科亞醫療”、“推想醫療”、“數坤科技”一眾AI醫療影像公司也都前后遞交了上市申請，其中科亞醫療申請已然失效；AI藥物研發公司“晶泰科技”赴美上市擱淺，也在考慮轉赴香港IPO上市。

這些AI醫療公司背后也都是一眾明星資本的加持，以申請上市的四家AI影像公司為例：科亞醫療背后有IDG資本、昆侖資本、中金公司等；鷹瞳科技則獲得了復星、平安、搜狗等機構的支持；推想醫療的主要支持者包括紅杉中國、啟明創投、襄禾資本等；數坤科技的大股東有華蓋資本、遠毅資本、五源資本等。

行業壁壘高，周期長，還在等待政策的紅利點快速突破。行業賽道必然是從0到1，經歷一馬當先到萬馬齊奔的過程，那么賭哪匹馬可以跑到最后，勝率最高的肯定是目前跑的最快的。這或許也是眾人關注AI醫療上市潮的原因所在。

格外擁擠的黃金賽道

早在2017年，AI影像就已經因為市場對于人工智能領域的看好而迎來過一次巔峰，當時僅僅是肺結節這個細分賽道就充斥了200多家公司，而2020年AI影像再次迎來了一個重要轉折點。

新冠疫情背景下，醫院開始主動尋求智慧化轉型，政策監管因此落實了AI醫療三類器械審批證。科亞醫療、樂普醫療、安德醫智、鷹瞳科技、硅基智能等產品先后獲得審批，商業化的曙光出現再次加速了資本的狂熱。

2020年，科亞醫療先后進行了五輪融資；數坤科技三輪融資合計約10億元；鷹瞳科技憑借人工智能視網膜影像識別這一細分賽道，獲得了中航信托這樣國有資本的加持，賽道前景一片大好。

據天眼查不完全統計， 2020 年至今，國內AI+醫療領域共發生了 89 起融資事件，融資金額總計達到 175 億元人民幣，其中醫學影像約占總融資數的1/3。

而從IPO的情況來看，被譽為黃金賽道的AI影像業的確火熱。今年遞交上市申請的科亞醫療（失效）、推想醫療、數坤科技、鷹瞳科技都是該賽道的選手。即便有些企業還未遞交上市申請，如匯醫慧影、聯影智能、深睿醫療等也被外界認為極富上市潛力。

究其原因，早在2020年，AI醫療三類器械的過審，眾多AI醫療企業不斷拿到“準入證”，得以從“應用落地”步入“商業化”階段，且隨著疫情影響，各醫院正在逐步推進自身智慧化的重建。

推想科技創始人陳寬也在接受媒體采訪時提及，“醫療環節都是細分的，如果幾個細分場景做到世界第一，一定能夠成為千億市值的企業。一個科室的需求很多，現在大家都在探索期，如何將一個科室做深做透。現階段企業都是從影像入手，停留在影像科，但是AI必須要走到臨床。”

據IDC統計數據，到2025年人工智能應用市場總值將達1270億美元，其中人工智能在醫療行業的應用將占市場規模的五分之一，即250億美元。在人工智能的所有應用中，醫療排在第一。

AI影像為何能成黃金賽道？

當前AI醫療有五個方向：醫療機器人、智能藥物研發、智能診療、智能影像識別、智能健康管理。但為何AI影像能在IPO上一枝獨秀？

根本原因在于AI影像的數據比較容易獲得，作為數據持有者的醫院也愿意和AI公司合作，輔助AI系統的訓練，最終可以輕易達成互惠互利的效果，而在其他領域事情就沒有這么簡單了。

比如在AI藥研領域，新藥研發的數據量較少，無法支持AI的訓練學習，而能尋求合作的對象就是掌握豐富數據的藥企。但藥企和AI公司達成合作后，伴隨AI公司數據的積累和成熟，極有可能會倒轉炮火向藥企發起挑戰。對于當下的藥企而言，親密無間的合作可能成為養虎為患的寫照，因此合作并不能完全建立在無條件信任的基礎上。

除了商業模式落地的便利外，AI影像的技術壁壘并不算高，算法并不是行業的核心競爭力，關鍵是要獲得連續、優質的數據以及打通醫院的場景落地，所以對于行業來講，起步就非常迅速。

而像醫療機器人行業，中國企業還面臨這海外對手的壟斷。比如達芬奇手術機器人就憑借高技術產權和美國FDA的認證遙遙領先。醫療機器人企業想要將產品真的落地，需要經歷層層考驗，監管方面非常嚴格。

這就導致像藥研、機器人這樣高門檻、高監管的領域，頭部效應極為明顯。微創醫療今年3月獲得高達15億元的股權融資，晶泰科技今年8月獲得近4億美元的D輪融資，被譽為AI制藥賽道“吸金王”。因此能夠跑到IPO融資的企業自然也就沒有那么多。

而AI影像應該行業應該如何做，推想科技獨立董事馮曉也在采訪中給出了自己的答案，“需要呼喚AI醫療影像產業鏈上下游各個主體進一步提高協同性。目前行業發展還未連“點”成“線”，未來還需進一步由“線”及“面”。從“點”到“線”，意味著產業鏈上下游企業要擺脫當下各自為戰的局面，從上游的信息采集到下游的數據分析，連接設備制造業與醫療服務業，共同開發新的應用場景；由“線”及“面”，則是進一步將行業價值延伸，延伸至支持醫院的多學科會診、治療決策甚至是改變整個就醫流程。”

由此來看，AI醫療跑的快與不快需要多方面的努力。技術需要不斷突破，資本需要持續投入，而政策監管也需要抓對時機給予引導。接下來哪一個細分賽道能率先突出重圍，還需要拭目以待。