【原文：《醫美AI的商業邏輯》，作者：劉思思，智慧機器人網編輯整理】
文、圖／雷鋒網
電腦視覺、人工智慧、大資料......吳博身上的標籤，似乎通通與醫美產業無關。而如今，僅用了一年時間，他已和將近400家醫美產業機構建立了合作關係。
2017年，這位理工男經過對行業需求分析後，集結了人工智慧領域20多位博士和醫學領域專家，創立了主要服務醫療健康及美容機構的醫療科技公司宜遠智慧。
創始團隊包括原騰訊 TEG 的 A I專家、原天源迪科技術班底、清華精儀系的硬體專家以及 CFDA 器械認證法規專家。
吳博曾經的導師唐遠炎教授、皮膚科專家劉曉明教授、化工專家池永貴教授等也組成外部顧問團為其助陣。隨著公司業務的推進，吳博發現，皮膚檢測相關AI介面，成為了公司最受歡迎的服務。
「這也讓我們感覺詫異。畢竟與健康相關的圖像分析裡，腦部核磁、腫瘤CT的AI分析更像『聖杯』」吳博感慨道。
於是2018年，宜遠智慧推出了 PaaS 形式的AI開放平臺（api.yimei.ai)，側重對面部皮膚圖像進行 AI 分析，主要服務從皮膚病到生活美容再到整形的醫美產業機構。
「公司的定位是醫療健康 AI 服務商，這個定位一直未變。只是打法因時因勢發生了變化。」吳博介紹。
雷鋒網瞭解到，目前宜遠智慧 AI 開放平臺有大約50個介面，能對面部皮膚從近60個維度進行分析，接入的客戶有將近400家。算上新增的細分介面，面部皮膚及整形美容級的特徵維度將擴大到100以上。
醫療行業AI診斷落地難
逐漸成熟的人工智慧技術和政策紅利造就了醫療 AI 的火熱，在多個細分領域， AI 醫療呈現勃勃的發展態勢。
「從西醫體系來看，檢測已經成為醫療服務的標準入口了。看病前檢查、拍片、化驗等占到醫療環節收費大概百分之二十到三十。 AI 影像其實就是想為醫生分擔這部分工作。」吳博說道。
醫療天然的行業屬性，決定了它是“人命關天”的特性。同時，醫療行業門檻高、監管嚴格、產品落地週期長，也變成了 AI 醫療企業面臨的普遍問題。
「AI 醫療影像市場前景確實很大，但是規管嚴、週期長。單就 CFDA 認證這塊，不說三類，就二類認證一般也要花上一年時間，而且這才是萬裡長征第一步。」
吳博表示，宜遠智能團隊偏互聯網背景。在互聯網行業，產品上線週期通常是七天到半個月。而在醫療領域，產品動輒就是幾年的審批週期，這讓團隊感到落地推進不易。
萬億市場驅動產品定位
隨著近年來皮膚疾病數量不斷增加，消費者對外貌要求提高，不論是出於日常護理皮膚的需求，還是針對皮膚疾病進行早期干預，皮膚精確檢測已經變成了人類追求美麗、維護健康的重要環節。
據行業資料統計，2017—2018年，美業消費總量達8500億，醫美產業就業人員總數為2700萬，機構總數突破250萬，美業市場規模達1.3萬億，年增速達到15.1%。
但吳博認為，目前中國醫美產業軟硬體AI程度還較低。此前美圖曾預告將要推出測膚 API 平臺，但吳博認為其僅具備手機端面部皮膚分析介面，不能對接專業級分析儀，同時缺少皮膚病、整形美容科的專業介面。
聚焦萬億級美業市場中龐大的商用客戶，宜遠智慧構建了 ToB 的 AI 開放平臺，主打皮膚病、生活美容、醫美整形三大相關領域。通過運用 AI 能力去服務軟硬體合作方，提供雲端 AI 支持。
「通過 AI 開放平臺賦能給其他合作方。有任何想做測膚 APP 、小程式業務的，不用操心 AI 這個領域，他放心去做行銷，做市場。」
據雷鋒網（公眾號：雷鋒網）瞭解，宜遠智慧 AI 平臺擁有膚質檢測、面部微特徵、畫像管理系統、精准推薦等 AI 介面，針對皮膚多維度健康狀況，可以給出精准量化的科學建議。
盈利模式主要分為兩種，一是對外 API 平台叫用的營收；二是幫助合作方完成除了開放平臺以外的其他增值服務。
「目前平臺接入的客戶大概有四百個。我們今年的目標是擴大被使用量，爭取做到盈利。」
吳博介紹，目前宜遠智慧合作方主要有四類：第一類是醫學背景比較強的互聯網醫療平臺，依託平臺自有流量導流；第二類是化妝品行業的生產商、銷售商，會在品牌旗艦店增加 AI 分析入口；第三類是硬體合作方；第四是諸如美容院一類的美業管理系統供應商。
AI 演算法訓練需要大量臨床資料做支撐。據吳博介紹，宜遠智慧演算法資料有多種來源，演算法訓練可分為兩個階段。
在冷開機階段，宜遠智慧和皮膚管理中心、皮膚專科醫院等形成合作，基於數十萬高清及精標資料建模。到第二階段，平臺已經形成千萬級數據增長、模型增強的良性自迴圈。
吳博表示，面部皮膚、放射影像分析，都有多目標（多病種）的特點。平臺演算法訓練除了遵循機器學習的經典步驟以外，在訓練面部皮膚多達上百種學習目標時，“分而治之”為核心任務特製模型的做法尤為必要。
另外，由於 AI 模型要對外提供 API ，面臨模型需要盡可能優化、精簡，還要能處理公眾服務資料來源更多變異特例的情形。為此宜遠智慧還研發了一套自有的目標檢測框架，並在《人工智慧》雜誌上發表。
「API 平臺資料、演算法打磨好，做好樣板，才有利於我們口碑傳播。目前我們已經有接近四百家客戶，後續會互聯網方式推廣。」吳博說道。
技術挑戰與未來軟硬體聯動
利用 AI 進行皮膚分析，不少人認為人臉識別四小龍可以分分鐘解決。吳博不以為然，他認為這些獨角獸們並不能滿足醫美客戶的需求。原因在於，皮膚檢測處在一個非常細分的業務領域。
吳博介紹，安防、零售、金融領域的人臉識別技術更像是單目標任務，聚焦於回答 A 是不是 A（1:1)或者能不能找到 A（1:N）。
而面部皮膚分析是多目標群組合任務，用戶會關心面部皮膚有無疾恙、黑眼圈屬於哪種類型、斑點的種類及大小變化、面部畸形的程度等上百種問題。
加上皮膚病的譜系廣，有大概兩千多種。每一種分析要做好，都需要AI建模，而單個需求的難度就和人臉識別不相上下。
「為什麼這麼說呢？舉個例子，即使沒有專業訓練，靠人眼分辨做人臉識別的水準也有95%，但識別黑眼圈的四種分類，或者對鮑曼醫生皮膚16分型的判別，平常人遠沒有95%的水準。」吳博說。
對於 AI 賦能美業，除了AI皮膚分析技術難度較高以外，吳博表示目前行業標準還未統一。
「現在全國大概百萬家美容院，檢測儀器持有量也就二三十萬台，被我們AI改造的皮膚檢測儀的出貨量也只在兩三萬台水準，普及率還不夠。另外這個行業它沒有醫療領域的強制性，也沒有醫療領域足夠的權威性，從業者水準參差不齊的情況比較嚴重。所以行業空白和天花板都還是挺大挺高的。」
據雷鋒網瞭解，對於宜遠智慧下一步計畫，吳博介紹目前在研的產品包括更自助、更傻瓜式的一鍵生成系統。
「我們將推出一鍵生成測膚小程式的模組，將 API 的使用門檻降低，使得 AI 平民化、產品上線快速化。目前我們在研的產品有類似 Google 的 AutoML 模組，可使醫療健康及美業有興趣對機器學習、深度學習自助體驗，完成資料整理、標注、自動建模、反覆運算的全AI流程。」
對於人工智慧在醫美產業領域的落地，吳博認為， AI 皮膚檢測已經到了需要技術、硬體、消費者意識等齊頭並進的階段。單單 AI 技術做得再好，也沒有辦法很好地識別圖像，落地服務機構。
「零零星星能看到一些國際大品牌在做類似這個事情，但目前開放式平臺都還在路上。像我們這樣比較專注於提供基礎 AI 服務的還很少。未來 AI 皮膚檢測普及，還是需要軟硬體廠商以及消費者的共同努力。」吳博說道。
▲醫美AI的商業邏輯 。（圖／翻攝自雷鋒網）