2016年是人工智能的元年，也是互聯網高速發展的時間節點。在這個時間節點上，要想成為行業巨頭，AI創業公司必須既具備能夠商業化落地的應用場景，又能夠建立起強大的技術壁壘。

　　在現代醫學中，科學技術的進步對醫學發展的推動作用相當明顯，科技在短短10幾年里就顯著改變了我們的醫療手段、醫療工藝和醫療模式。筆者在2016年年度盤點中，將未來醫療領域的企業分成兩類，一類是以服務驅動的醫療健康企業，他們的共同點是以服務對象和服務領域做為分類依據，比如婦幼、腫瘤、口腔、糖尿病、醫美等領域，在這些領域中使用了APP軟件、大數據應用、智能硬件、網絡社交等新應用;另一種是以技術驅動的醫療健康企業，他們的共同點是應用某種新技術服務于醫療健康行業，比如基因檢測、人工智能、智能醫療硬件、醫療信息化、機器人、VR等科技，應用在腫瘤精準治療、慢病管理、尋醫問診、手術、病后康復等醫療環節。

　　2016年人工智能融資事件

　　2016年1月，腫瘤大數據公司思派網絡完成來自斯道資本、F-Prime基金及平安創投的千萬美金級A輪融資。思派網絡將通過對醫療大數據的深度挖掘，結合機器學習和人工智能，建立中國特色的智能腫瘤診療決策支持體系。

　　2016年1月，拍醫拍宣布獲得了三千萬人民幣的A輪融資，投資方為重山遠志健康基金、億聯資本和個人。同時，拍醫拍將產品發展方向正式從C端轉型到B端合作，通過B2B方式打通各環節醫療信息，從而解決患者、醫生，以及醫院、保險機構、其他醫療APP等各方信息流通不暢的痛點。

　　2016人工智能+醫療火花四濺 產業藍海緩緩開啟

　　2016年1月，康夫子獲得數百萬元天使輪融資。康夫子致力研發無結構化信息自動抽取技術，快速地從醫學書籍、醫學論文、電子病歷、醫療資訊中抽取信息，構建知識圖譜，輔助醫生臨床決策。

　　2016年2月，利用影像識別算法模型，為醫生提供人工智能輔助診斷方案的推想科技獲得1100萬人民幣的天使輪融資。本輪投資方為英諾天使基金、臻云創投(臻云智能)，在獲得投資之后，推想科技還需要繼續和醫療機構進行合作，提高診斷精確度，推進人工智能在醫療領域的技術突破和實際應用。

　　2016年2月，賽福基因完成了千萬元級天使投資，拿到了創見資本、將門基金以及朗瑪峰創投三家機構的投資。賽福基因通過智能化方式構建基因數據解析平臺，實現基因解析的自動化、批量化和個性化，提高基因數據的解析準確度和速度。

　　2016年4月，碳云智能獲得10億人民幣的A輪融資。碳云智能希望建立一個健康大數據平臺，運用人工智能技術處理這些數據，幫助人們做健康管理。主要投資方包括互聯網巨頭騰訊、干細胞行業領導者中源協和以及天府集團。本輪融資將主要用于生產和搜集數據、數據分析能力的建設以及建立進行數據分析的人工智能模型。

　　2016年6月，半年之后，思派網絡再次完成數千萬美元的B輪融資，本次融資由騰訊領投，A輪投資者斯道資本、F-Prime基金及平安創投也繼續跟投。思派網絡在推出的多中心科研型數據庫的基礎上，升級為全員、全數據、全工作流的管理型數據庫，從最基礎環節協助腫瘤領域醫教研核心工作的優化發展。

　　2016年6月，DeepCare獲得峰銳資本600萬元人民幣的天使投資。DeepCare是一家將人工智能和深度學習技術用于醫療影像的識別和篩查的科技公司，專注于研發醫療影像檢測、識別、篩查和分析技術。

　　2016年10月，匯醫慧影完成數千萬元的A輪融資，投資方為Bluerun藍馳創投。匯醫慧影成立于2015年4月，早期以醫療影像作為切入口，提供影像云系統、圖像識別和智能診斷服務。本輪融資將進一步強化匯醫慧影在圖像特征深度學習領域的探索，實現高效閱片、精準醫療。

　　2016年10月，圖瑪深維完成150萬美金的天使輪融資，由真格基金、經緯中國共同投資。圖瑪深維將深度學習引入到計算機輔助診斷系統中，可應用于各類醫學圖像分析診斷、顯微鏡下的病理圖像分析、以及發現DNA結合的蛋白質的序列特異性并協助基因組診斷等。

　　目前，人工智能領域的初創公司并不多，但是今年就收錄了人工智能企業的10次融資事件，這說明人工智能領域已經受到了資本市場的關注。特別是成立僅半年的碳云智能獲得了10億元人民幣A輪融資，點燃了市場對人工智能的熱情。雖然人工智能在醫療行業中可以參與的領域非常多，但是我們的統計絕大部分國內企業集中在健康助理、影像和醫療大數據三個領域。可以預計的是，2017年將是人工智能企業爆發的一年，醫療企業將出現人工智能的爆發期，同時進入更多的細分領域。

　　人工智能領域的醫療初創公司近年來越來越多，應用的領域也逐步擴大。但是，大部分人工智能的初創企業都是依靠創始人的技術積累進行創業，優勢在于原來所積累的數據處理能力、算法能力、調優能力。但是這些企業往往存在另外兩個嚴重的問題，人工智能算法連接的是數據和應用場景，一個問題是數據不是自己的，另一個問題是應用場景不是自己的。沒有數據意味著是公司是無源之水，無法從更多的數據中實現“深度學習”，應用場景不是自己的意味著業務端的開拓很困難。絕大多數人工智能公司都有類似的問題，如何或者足夠多的醫療大數據，以及如何開拓市場成為創業的難點。