醫美AI的商業邏輯

計算機視覺、人工智能、大數據......吳博身上的標簽，似乎通通與美業無關。而如今，僅用了一年時間，他已和將近400家美業機構建立了合作關系。

2017年，這位理工男經過對行業需求分析后，集結了人工智能領域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業機構的醫療科技公司宜遠智能。

創始團隊包括原騰訊TEG的AI專家、原天源迪科技術班底、清華精儀系的硬件專家以及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接口，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里，腦部核磁、腫瘤CT的AI分析更像‘圣杯’。”吳博感慨道。

于是2018年，宜遠智能推出了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美業機構。

“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。

雷鋒網了解到，目前宜遠智能AI開放平臺有大約50個接口，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。算上新增的細分接口，面部皮膚及整形美容級的特征維度將擴大到100以上。

醫療行業AI診斷落地難

逐漸成熟的人工智能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”的事兒。同時，醫療行業門檻高、監管嚴格、產品落地周期長，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、周期長。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，而且這才是萬里長征第一步。”

吳博表示，宜遠智能團隊偏互聯網背景。在互聯網行業，產品上線周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周期，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，不論是出于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。

據行業數據統計，2017—2018年，美業消費總量達8500億，美業就業人員總數為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，目前國內美業軟硬件AI程度還比較低。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接口，不能對接專業級分析儀，同時缺少皮膚病、整形美容科的專業接口。

聚焦萬億級美業市場中龐大的商用客戶，宜遠智能構建了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能力去服務軟硬件合作方，提供云端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、小程序業務的，不用操心AI這攤子事，他放心去做營銷，做市場。”

據雷鋒網了解，宜遠智能AI平臺擁有膚質檢測、面部微特征、畫像管理系統、精準推薦等AI接口，針對皮膚多維度健康狀況，可以給出精準量化的科學建議。盈利模式主要分為兩種，一是對外API平臺調用的營收；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，目前宜遠智能合作方主要有四類：第一類是醫學背景比較強的互聯網醫療平臺，依托平臺自有流量導流；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；第三類是硬件合作方；第四是諸如美容院一類的美業管理系統供應商。

AI算法訓練需要大量臨床數據做支撐。據吳博介紹，宜遠智能算法數據有多種來源，算法訓練可分為兩個階段。

在冷啟動階段，宜遠智能和皮膚管理中心、皮膚專科醫院等形成合作，基于數十萬高清及精標數據建模。到第二階段，平臺已經形成千萬級數據增長、模型增強的良性自循環。

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”為核心任務特制模型的做法尤為必要。

另外，由于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數據源更多變異特例的情形。為此宜遠智能還研發了一套自有的目標檢測框架，并在《人工智能》雜志上發表。

“API平臺數據、算法打磨好，做好樣板，才有利于我們口碑傳播。目前我們已經有接近四百家客戶，后續會互聯網方式推廣。”吳博說道。

技術挑戰與未來軟硬件聯動

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并不能滿足美業客戶的需求。原因在于，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，聚焦于回答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組合任務，用戶會關心面部皮膚有無疾恙、黑眼圈屬于哪種類型、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。

“為什么這么說呢？舉個例子，即使沒有專業訓練，靠人眼分辨做人臉識別的水平也有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%的水平。”吳博說。

對于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臺，被我們AI改造的皮膚檢測儀的出貨量也只在兩三萬臺水平，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，從業者水平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。”

據雷鋒網了解，對于宜遠智能下一步計劃，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序的模塊，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谷歌的AutoML模塊，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，完成數據整理、標注、自動建模、迭代的全AI流程。

對于人工智能在美業領域的落地，吳博認為，AI皮膚檢測已經到了需要技術、硬件、消費者意識等齊頭并進的階段。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于提供基礎AI服務的還很少。未來AI皮膚檢測普及，還是需要軟硬件廠商以及消費者的共同努力。”吳博說道。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。