本文来自合作媒体：东四十条资本（ID：DsstCapital），作者：魏巍。猎云网经授权发布。
2021年11月5日，致力于视网膜影像识别技术的“鹰瞳科技”登陆港交所成为“医疗AI第一股”，而这场IPO背后的争夺战竞争十足。
“依图科技”两次IPO折戟，最终将医疗板块卖给“深睿医疗”；“科亚医疗”、“推想医疗”、“数坤科技”一众AI医疗影像公司也都前后递交了上市申请，其中科亚医疗申请已然失效；AI药物研发公司“晶泰科技”赴美上市搁浅，也在考虑转赴香港IPO上市。
这些AI医疗公司背后也都是一众明星资本的加持，以申请上市的四家AI影像公司为例：科亚医疗背后有IDG资本、昆仑资本、中金公司等；鹰瞳科技则获得了复星、平安、搜狗等机构的支持；推想医疗的主要支持者包括红杉中国、启明创投、襄禾资本等；数坤科技的大股东有华盖资本、远毅资本、五源资本等。
行业壁垒高，周期长，还在等待政策的红利点快速突破。行业赛道必然是从0到1，经历一马当先到万马齐奔的过程，那么赌哪匹马可以跑到最后，胜率最高的肯定是目前跑的最快的。这或许也是众人关注AI医疗上市潮的原因所在。
格外拥挤的黄金赛道
早在2017年，AI影像就已经因为市场对于人工智能领域的看好而迎来过一次巅峰，当时仅仅是肺结节这个细分赛道就充斥了200多家公司，而2020年AI影像再次迎来了一个重要转折点。
新冠疫情背景下，医院开始主动寻求智慧化转型，政策监管因此落实了AI医疗三类器械审批证。科亚医疗、乐普医疗、安德医智、鹰瞳科技、硅基智能等产品先后获得审批，商业化的曙光出现再次加速了资本的狂热。
2020年，科亚医疗先后进行了五轮融资；数坤科技三轮融资合计约10亿元；鹰瞳科技凭借人工智能视网膜影像识别这一细分赛道，获得了中航信托这样国有资本的加持，赛道前景一片大好。
据天眼查不完全统计， 2020 年至今，国内AI+医疗领域共发生了 89 起融资事件，融资金额总计达到 175 亿元人民币，其中医学影像约占总融资数的1/3。
而从IPO的情况来看，被誉为黄金赛道的AI影像业的确火热。今年递交上市申请的科亚医疗（失效）、推想医疗、数坤科技、鹰瞳科技都是该赛道的选手。即便有些企业还未递交上市申请，如汇医慧影、联影智能、深睿医疗等也被外界认为极富上市潜力。
究其原因，早在2020年，AI医疗三类器械的过审，众多AI医疗企业不断拿到“准入证”，得以从“应用落地”步入“商业化”阶段，且随着疫情影响，各医院正在逐步推进自身智慧化的重建。
推想科技创始人陈宽也在接受媒体采访时提及，“医疗环节都是细分的，如果几个细分场景做到世界第一，一定能够成为千亿市值的企业。一个科室的需求很多，现在大家都在探索期，如何将一个科室做深做透。现阶段企业都是从影像入手，停留在影像科，但是AI必须要走到临床。”
据IDC统计数据，到2025年人工智能应用市场总值将达1270亿美元，其中人工智能在医疗行业的应用将占市场规模的五分之一，即250亿美元。在人工智能的所有应用中，医疗排在第一。
AI影像为何能成黄金赛道？
当前AI医疗有五个方向：医疗机器人、智能药物研发、智能诊疗、智能影像识别、智能健康管理。但为何AI影像能在IPO上一枝独秀？
根本原因在于AI影像的数据比较容易获得，作为数据持有者的医院也愿意和AI公司合作，辅助AI系统的训练，最终可以轻易达成互惠互利的效果，而在其他领域事情就没有这么简单了。
比如在AI药研领域，新药研发的数据量较少，无法支持AI的训练学习，而能寻求合作的对象就是掌握丰富数据的药企。但药企和AI公司达成合作后，伴随AI公司数据的积累和成熟，极有可能会倒转炮火向药企发起挑战。对于当下的药企而言，亲密无间的合作可能成为养虎为患的写照，因此合作并不能完全建立在无条件信任的基础上。
除了商业模式落地的便利外，AI影像的技术壁垒并不算高，算法并不是行业的核心竞争力，关键是要获得连续、优质的数据以及打通医院的场景落地，所以对于行业来讲，起步就非常迅速。
而像医疗机器人行业，中国企业还面临这海外对手的垄断。比如达芬奇手术机器人就凭借高技术产权和美国FDA的认证遥遥领先。医疗机器人企业想要将产品真的落地，需要经历层层考验，监管方面非常严格。
这就导致像药研、机器人这样高门槛、高监管的领域，头部效应极为明显。微创医疗今年3月获得高达15亿元的股权融资，晶泰科技今年8月获得近4亿美元的D轮融资，被誉为AI制药赛道“吸金王”。因此能够跑到IPO融资的企业自然也就没有那么多。
而AI影像应该行业应该如何做，推想科技独立董事冯晓也在采访中给出了自己的答案，“需要呼唤AI医疗影像产业链上下游各个主体进一步提高协同性。目前行业发展还未连“点”成“线”，未来还需进一步由“线”及“面”。从“点”到“线”，意味着产业链上下游企业要摆脱当下各自为战的局面，从上游的信息采集到下游的数据分析，连接设备制造业与医疗服务业，共同开发新的应用场景；由“线”及“面”，则是进一步将行业价值延伸，延伸至支持医院的多学科会诊、治疗决策甚至是改变整个就医流程。”
由此来看，AI医疗跑的快与不快需要多方面的努力。技术需要不断突破，资本需要持续投入，而政策监管也需要抓对时机给予引导。接下来哪一个细分赛道能率先突出重围，还需要拭目以待。
