北极光邓锋:40多家公司,从医药研发、诊断到AI医疗的投资真经

6 月 27 日,在北极光创投主题活动《Lighting 2018 E-Health 的发展与投资机会》上,北极光创始人邓锋简要介绍了北极光在 E-Health 上的布局、战略和投资。

首先,北极光是 2005 年成立,在中国算是老牌基金了,中国创投是从 2004、2005 年开始,我从那个时候回国创立北极光创投,到现在 13 年了,我们的战略一直没有变,聚焦早期、科技,到现在有了 5 期美元基金和 5 支人民币基金。投资特点上,看的是团队、客户、市场规模、产品和技术的创新,这个是北极光一直没有改变的。但是我们也有调整,刚刚回国只做 TMT 投资,我之前是做 2B 企业的,回来从 2B 做到 2C,后来做科技,从 2010 年开始我们投资健康医疗、生命科学领域,最近几年发展非常快。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

这是我们整个的行业布局,这只是一部分,到现在为止还活跃的投后企业总数 200 家左右(退出的去掉之后)。健康医疗生命科学投资的企业加起来 40 多家,从 2010 年开始进入这个领域投资,而且实际上速度越来越快。我们从 2015 年到现在为止加速很明显,2015 年投了 7 家,2016 年 8 家,2017 年 9 家,这个速度到今年 2018 年,上半年到现在为止投资已经超过十几家,到今年年底可能会投资 20 家或者更多,显然在加速。

不光是北极光,我看了一下整个中国,因为我们一直在说,我们是不是有些激进,但是我们发现整个行业在 2018 年比 2017 年更热,特别是在药和 E-Health 方面,所以这也是整个行业的缩影,这是很热的领域。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

医疗领域、医疗健康、生命科学,整个大健康行业分成几块,我们分五块来看:最大的一块,大概从 2014、2015 年布局的就是医药,医药在整个健康医疗的投资,是大健康领域最大的一块,这个也是在今年和去年变化比较大的,有各种因素,大家可能知道资本市场退出,无论是退出的时间点往前还是估值很高,都促进了大家对于早期的关注。

另外医药有很多新技术,全世界新技术、开发医药的方法也在发生变化,现在一个医药公司只需要几个人,他们控制几十亿美金,这种情况很多。中国还有很多的其它估值要素,包括整个市场规模、中国做临床试验成本相对低一些,而且中国想跟世界接轨,医药的东西不仅仅是对一个国家的,如果IT更好你就有机会面向全世界。所以这些都是利好的因素,也增加大家对于投资医药行业的兴趣。全球来看,最近几年对于医药行业的投资在快速增加。

器械是传统的风投投的,这个领域还是继续有投资,也有些不错的创新,特别是一些新技术也有最新的创新,但是它也确实存在一些情况,器械行业是很分散的,你有可能投资一个,但是比较容易碰到天花板。我们在器械投资上是比较谨慎一些,找大回报,光器械还不行,还得有耗材,高质耗材是比较有吸引力的方面。

医疗服务方面,中国医改释放出了很多机会,无论从医院管理、专科医院包括公立医院、消费型服务都有。北极光在这方面也有思考,这个领域更多不是靠技术创新,而是靠运营、服务、品质和品牌来决定的,所以这块留给风投的投资机会不像其它领域那么多,更多是 PE 的机会。但我们也有一些投资,大家看到的像新康、唯儿诺,流通领域的国科恒泰。

诊断其实是一个很大的市场,既有器械耗材也有服务,诊断是很大的领域,传统的也还有一些分级诊断的技术,POCT 很多的东西都在诊断这一块。近几年来大家对于基因组学这块感兴趣,基因组学用的很多,北极光在早期也有布局。其它方面像 PCR,还有一些新的蛋白组学也在看,这些都是相关的。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

最右下角的 E-Health 就是今天的主题,这在国际上是很热的一块,在中国来说刚刚起步,应该说它发展速度很快,但它的阶段对比器械来说还是新的领域。E-Health 在全球来看,从纯技术创新来说可能还是美国领先一些,但是中国的发展进步也很快,从人工智能到大数据到一些新的东西。特别是在某些方面,中国也走了一些弯路,互联网医疗甚至走的比国外还快,最后发现它并没有那么快。我们对于整个 E-Health 的前景是很看好的,北极光也很重视。

说到 E-Health,人工智能+医疗诊断服务在目前看是一个非常热的领域,大家可能听到过这么多人工智能做影像处理,还有拿人工智能做其它方面,这都与人工智能相关。北极光在这里也有几家投资,坦率的说我们的战略,整个北极光的战略是精品战略,不会说有赛道我们全部撒一遍,我们觉得还是在又宽又长的赛道中选择最好的企业投,这是我们比较注重的,也避免投资企业之间互相打架。

对于人工智能的发展,站在北极光角度,或者我个人觉得这里面确实是有很多泡沫,这不代表这个方向不对,这个方向肯定是对的。人工+医疗,医疗本身就很热,消费互联网的风口下来了,医疗健康是风口,人工智能是风口,这两个风口放在一起就出现了泡沫,有很多不错的企业,但也有很多并不怎么样。

真正的成功可能未必在于人工智能的技术,人工智能的技术本身来说差不了太多,难的问题是你解决不了我也解决不了,容易的东西你能解决我也跟你差不太多,特别是影像处理这块。所以并不是代表人工智能没有机会,有些机会不见得大家今天看得清楚,我们去抓住一些不是所有人聚焦的那一块,我们看一些新的机会,这些机会上我们看中的是人工智能的落地,有没有好的产品迅速落地,产品落地的过程中各个部分的利益是不是照顾到了,并不是一个技术如何如何,有些时候是一个能够在合理合法的情况下照顾到各个节点的利益,人家才愿意跟你做,这些东西是我更看重的。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

我们投翼展、影领就是从这方面来看的,看这个事情本身是不是能够推广,中间谁得利,这就是人工智能做的互联网医院,还有一个是人工互联网。

Wision AI 是新公司,做的是肠镜胃镜人工智能的实时辅助方法,不需要跟其它的方法对接,落地非常容易,技术是全球领先的,这个事我们是站在全球的角度来看。

Atman 是完全不一样的,我们天使轮投的人工智能团队,跟清华的医药学院有深度合作,互联网+医药,用人工智能技术做医药开发。

这只是举了其中几个,还有很多人工智能的布局。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

第二块是医疗大数据信息化。这块我们没有提智能化,不代表人工智能不能智能化,人工智能跟数据要联结在一起,但是中国今天在这个时间点更多的是信息化、数字化,包括数据的分割太厉害,各个都是数据的孤岛,包括数据的结构化,没有很好的结构化数据。怎么做数据的清洗,数据收集上来同时给它们很好的规范,这块在各个领域,无论是在诊断、制药、药物管理等方面都有,这块我们投了太美医疗,它是跟药企相关的,芯联达是跟医院相关的。

整个医药这块还有互联网医疗,大家都了解。互联网医疗我今天没放到这儿,是因为北极光没有投企业在这儿,不是说我们投了死了就不放这儿,是我们真没投。也不代表说它今后就不是我们的兴趣点,大家都觉得有坑的时候我觉得更应该关注,大家觉得都很好的时候我要冷静,那时候我没有投是幸运的,所以我们很关注 E-Health。

另外还跟 E-Health 相关的就是新型传感器技术,消费者、普通健康人和病人的监护、数据的提取,最后做一些相关的东西,某种程度上它跟大数据人工智能相关,多是硬件的机会,这个我没放到这里。总体来说,软硬件一体化,综合的解决方案、诊疗也算是 E-Health 相关的。E-Health 有的国外叫 DELE health,也是相关的意思。

2018 年是 AI 最火爆的一年,方向有虚拟助手的、病理诊断的、医疗机器人。今天来讲医疗机器人还早,但是也有投资进去,并且融资数量比例来看还是比较高的。医疗影像是最高的,医疗影像用人工智能来做诊断这块最高。而药物研发、医疗的搜索,这些相对来说还少一些。单据识别相对来说更传统一些。

这张就是说为什么人工智能大数据大家会那么关注,未来我们也看好这个方向。从政策面角度来讲,应该说在审批上在最近一两年有很多改进,更促进了这个行业的向前发展,比如说二维器械,国家规划在人工智能上面给了很多新资金和政策,人工智能相关的领域给了很大的支持。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

如果到各地地方政府去谈,这也是一个红线,你如果是在人工智能的方向上,地方政府更愿意给你帮助。人才就不用说了,最近无论是「千人计划」还是医疗方面人工智能方面的人才,海归回到国内的特别多,很多人工智能公司都来自有国外经历的海归人才。整个药物研发生产虽然不涉及政策方面的红利,不过整个大方向是在促进新药研发尽快上市、尽快服务于老百姓的方向。

所以整个环境都是不错的。除了政策层面我还想提一下其他方面,比如说人工智能算力的变化,算力在过去变得越来越便宜,GPU 或者是一些新的人工智能技术很便宜。包括数据,现在的数据比过去多的多,有了数据、有了标注好的数据,做人工智能相对来说就很好。

还有现在医生和病人的比例,往未来看,中国始终是人才稀缺的,就拿乳腺科来说,中国好的影像医师太缺乏了,人工智能可以帮助中国在医生很缺乏的情况下,提高治疗效率,我们不认为人工智能能替代医生,我们认为人工智能可以帮助和辅助诊断,帮医生更好更有效的把诊断质量做好。

这个是医疗产业发展趋势我们的看法。过去在讲,包括人工智能包括大数据,技术都挺先进的,但是变现,怎么变现,怎么产生收入,我们认为其实这确实是现在最关键的地方。好的是我们已经看到了变现的速度在加快,2018 年无论是从影像也好还是从大数据的分析也好,变现的速度在加快。比如像药厂、保险公司都是企业产生收入的对象,不仅仅是这块,还有其它领域也是这样。产品的成熟度也到了落地的阶段。

另外在医疗大数据方向,我们会形成一些所谓的投不起,这块你真要想变成未来的投融资,今天布局就已经晚了,若干年前就应该把数据的清洗、归置提前做了,包括我们投芯联达,现在都开始出现了小的整合。

智能问诊这块相对更早期,但是知识图谱的建设未来是很大的趋势,这块虽然是早,但是要注意关注这个,长期下去是很大的机会。

药物研发还是属于风险很高,但是要做成也是不错的一个方向。

整个来说,我们有一个智能医疗的应用场景的一张图,你的智能 E-Health 在医疗当中哪些地方会取得成果。从开始虚拟助理、影像处理、辅助诊疗,还有就是说跟健康相关的风险预测,健康人群的风险预测、健康管理、医院管理,还有就是药物研发等等,整个这些方面,都是人工智能或者大数据可以用到的,其实人工智能跟大数据是分不开的,因为一讲到人工智能必须有大数据,大数据往下走就又把人工智能加上去了,就是不同的应用不同的使用方法,深度学习有可能是新的,比如说自然语言理解、图像语义各种各样的方向往下走。这是我们认为的一些未来的挑战:

1、技术,人工智能是非常先进的技术,但搞技术的公司非常清晰地看到,其实技术在今天已经不是最核心的地位,不代表说技术以后不是核心的地位,如果谁真正创造出一个特别特别牛的技术,真的做的很好的话,那就是很牛。今天很多都是开源的,各个大的公司研究的,包括图像处理、人工智能做的图像分类,很多东西都是开源的,导致难的你也难我也难,容易的你容易我也容易。当然,我也要明确一下这不是不强调技术的重要性,技术还是很重要,但是大家往往认为这个公司技术好我就投,现在可能还应该确定这是一个必要但不充分的条件,这是更准确的说法。

2、基于概率分析的关联推理无法判断疾病的因果关系。模型靠深度学习产生的一些东西,你是说不清楚它是为什么,举个例子来说 X 光 CT,说你的影像疑似癌症,病人说为什么像癌症,医生说抱歉就是像癌症。但是我们需要想办法做到可解释,比如说大小、纹理你得说出所以然来。

3、很多情况下数据的标准比算法更难,因为需要好的数据好的标准。

监管体系上来说,坏的地方是人工智能今天并没有那么完善,好的地方也是人工智能没有那么完善,为什么?这提供了太多机会,机会在那儿,我们所有的企业家、投资人都可以说,这快难,没有那么完善,刚刚初期,所以我们愿意投这个行业,去找到最好的企业支持创新。如果都完善了就错过投资了,这也是我一直跟我团队讲,我们做早期投资的,不仅仅是早一点的时间进去,更重要的是在一个行业发展的初期,大浪打来的前期我们进去,浪起来我们也起来,如果等到技术完善了技术成熟了你就没有机会了。

北极光邓峰:40多家公司,从医药研发、诊断到AI医疗的投资真经

团队要做的事很重要,人比事重要,事我们主要看大方向,其实好多被投公司今天干的事跟我们投的时候不一样,或者扩展很多,或者转变方向,但是你发现强的团队其实能够很敏锐地感到市场的变化、调整自己,有些地方他也知道说我去坚持了,有些地方说我必须改变,这都是看团队能力。

另外一个好的地方,我们投入了一些团队,他们不仅仅能在中国本土发展,从「出生」那天起也同样具备向海外拓展的能力,而这些技术也是无国界的。我们投的一些公司之前的临床实验是海外投的,这很有意思,其实技术的输出也好,产品的输出也好,中国走在世界前面,这些公司有可能变成全球范围内利润很大的公司。

产业医疗投资北极光
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

机器人学技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

推荐文章