AI医疗赛道在比什么？从微软收购“美版科大讯飞”说起

　　欢迎关注“创事记”的微信订阅号：sinachuangshiji　

　　文/keykey7

　　来源：一千二百字（ID：word1200）

　　未来，国内医患供需比例悬殊的矛盾能否借助人工智能缓解？这是一个普世而民生的问题。

　　微软近期收购Nuance的价格按照后者每股56美元计算，将达到160亿美元，加上Nuance的净负债部分，总价将是197亿美元，是继收购LinkedIn之后的最大一次手笔，且全部是现金支付。这一方面说明微软现在很有闲钱，大举并购的同时也没耽误股票回购计划；另一方面或许可以理解为微软管理层认为其当前股价仍被低估，所以不愿意动用一部分股权冲抵现金，反正当下美元大放水，融资不难。

　　Nuance是活跃在美国医疗、金融、电信和旅游行业的智能语音公司，曾帮助早期的苹果Siri完成搭建工作。用一个不太恰当的类比，微软收购Nuance，就好比是阿里巴巴（或字节跳动、百度）把科大讯飞买下来了，而腾讯买搜狗据说还在审批阶段。Nuance是上市公司，当前市值兑换货币后接近1000亿人民币，科大讯飞是A股公司，市值超过1000亿人民币。两者体量相当，但科大讯飞在场景和to C消费级市场等方面相对领先。

　　下面就通过分析Nuance的商业模式，看看微软买下它究竟能在AI医疗领域有哪些突破，以及国内AI医疗赛道的对比分析。

　　微软急“补锅”

　　在智能语音领域，微软本来是有Cortana品牌的，但是在与亚马逊Alexa、Google Assistant、苹果Siri的竞争中处于劣势，去年退出了C端消费级市场的竞争，转而变成一个类似于内部办公的支持工具，导致微软在这个领域短了一环。在这次并购前，微软已经和Nuance有过业务合作，并把后者作为一个工作套件(suite)整合进微软协同办公软件Teams聊天中。

　　当然，Nuance的主业不是用来聊天的，它算是一家纯to B的公司。它在医疗领域主要应用在临床文档录入、影像分析等环节，用几款以Dragon字样命名的产品面向医生群体，市场份额全球领先。

　　从大的产业层面，我们看到了云计算的两个明显趋势：一是AI从“配菜”愈发成为企业用云决策时的重要参考因素，AI给云加分；二是云计算加速进入垂直产业、向生产力端靠拢。可以设想，微软云平台通过整合Nuance的技术，可以把相关SaaS软件卖给医院，做远程辅助医疗，同时推广其Azure基础云服务。也就是说，微软的着眼点仍在云业务上。

　　那么，Nuance表现怎么样呢？根据其10-K年报，它的营收结构主要有几块：1.SaaS服务（hosting托管业务）；2.软件的本地授权(on-premise)；3.维护升级支持（主要针对on-premise本地的）；4.专业服务（主要是一些培训收费）；5.硬件。其中，SaaS托管收入是大头，总营收占比大致在六成左右；产品的本地授权安装，以及后续的维护支持收入两者加在一起占比不到四成。可以看出，这基本上是一个比较典型的SaaS服务商的收入结构特点。

　　参照上面这张图，相比于传统软件模式，SaaS模式下的企业现金流稳定性更强，因为在传统授权生意下，初始阶段的授权收入最高，后续不确定性相对较大；而在订阅模式下，凭借SaaS订阅用户的逐年续费，可以在每年都有稳定进账。但这两年，Nuance这家成立近30年的公司似乎遇到了发展上的瓶颈，这与苹果、谷歌等巨头的竞争不无关系。

　　根据其年报，2016-2020财年总收入几乎没有增长，甚至有同比微降。这不像一家科技公司该有的增速水平，或者说不像上升期和成熟期阶段的发展水平。但在盈利能力和经营现金流方面，Nuance表现一直不错，属于to B公司财务表现的特点。在这个阶段投入巨头怀抱，对Nuance来说可说是求之不得，它已迫不及待地在公司官网上公布了被收购的消息。

　　但微软在医疗方面并没有从底层做起的深入布局，更多是凭借Azure公有云、Office 365、Dynamics 365、SQL Sever数据库以及HoloLens混合现实技术，从医疗外围做一些“蜻蜓点水”的工作，还是以一个云厂商的身份在渗透行业。这些可以在微软中国官网的医疗案例中找到。它不像IBM做Watson Health，是从医学实验室环境起步、用大数据做辅助诊疗。不过据外媒报道，为更好地将业务重心放在云计算上，IBM有意出售Watson Health业务，研发成本消耗较大。

　　国内的争夺

　　据粗浅观察，目前国内AI医疗的落地主要集中在诊中的大数据读片和语音录入电子病历，以及诊后的健康管理、虚拟医生助手等场景。其中，相对更成熟的应该是AI读片的图像分析领域，除一批创业公司、医疗技术垂直公司外，诸如腾讯觅影、阿里巴巴达摩院、百度飞浆、科大讯飞等大公司也已布局。

　　国内外也曾做过人机读片比赛，结果证明机器学习的能力可以追上有多年临床经验的医生，但还达不到谷歌AlphaGo在围棋上对人类选手的“碾压”。临床经验仍是机器难以学习、发挥的。

　　而语音电子病历方面似乎普及速度并不快，三甲医院门诊日常更多是医生用电脑输入、打印病例，或还是用笔记录。在C端消费市场，语音输入的准确率尚不能让人很满意，专业的医学术语进一步加大了识别难度，对云端词库的专业性提出挑战。很明显这不是单靠科技公司能解决的，需要医生参与进去做研发。而且，国内门诊的嘈杂环境也增加了识别难度。

　　根据零壹智库去年统计，国内智能语音医疗案例主要集中在四家公司，包括老牌语音AI企业科大讯飞（北京）和小i机器人（上海），以及初创语音公司思必驰（苏州）和云知声（北京），其中最普及的应用场景是语音电子病历。但是这些公司都属于“半路出家”，并非一上来就锁定在医疗上。

　　针对目前医疗行业存在的医患供需不平衡、特别是优质医疗资源相对匮乏，以及过度医疗等问题，不管是AI医疗影像还是语音电子病历，似乎都解决不了什么，它们更多是扮演虚拟助手角色，反倒在医学研究、药物研发上的价值更大一些。技术有望降低基层普通医生的误诊率，缩小与名医之间的差距，而对优质的、仁心的医生的培养仍要靠大学和临床经验。医疗是一个保守的行业，属于谨慎型创新，这也决定了AI在医疗上的落地速度不如其他行业快，AI渗透率还很低。

　　另外在商业模式上，国内技术公司与Nuance类似也是靠卖软件、卖SaaS解决方案为生，倘若BAT级别的公司未来也像谷歌、苹果那样吃掉垂直公司的技术优势与市场份额，不再靠卖解决方案赚钱，而是捆绑背后更大的云服务进行AI兜售，或把语音技术以API等形式开放出去，直接降低服务售价，那初创公司会做何应对？前两年，云知声选择与平安集团旗下的平安好医生成立合资公司，就是想让技术与资本和场景靠得更近。

　　总结一下，智能语音只是国内AI医疗赛道中的一个分支，场景相对简单，竞争者既要面对医疗行业谨慎创新的特点，又要提防巨头的后来居上。像科大讯飞这类老牌公司在语音等技术上是有积累优势的，但更迫切地是比拼谁对实际医疗场景的理解和技术落地更深。毕竟与巨头相比，它们手上相对缺乏C端用户数据、云的背书，以及交叉销售的机会。

（声明：本文仅代表作者观点，不代表新浪网立场。）