當前位置:
首頁 > 新聞 > 醫美AI的商業邏輯

醫美AI的商業邏輯

醫美AI的商業邏輯

打開今日頭條,查看更多圖片

計算機視覺、人工智慧、大數據......吳博身上的標籤,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里,腦部核磁、腫瘤CT的AI分析更像『聖杯』。」吳博感慨道。

於是2018年,宜遠智能推出了PaaS形式的AI開放平台(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開放平台有大約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、化驗等佔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。

醫美AI的商業邏輯

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,目前國內美業軟硬體AI程度還比較低。此前美圖曾預告將要推出測膚API平台,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,宜遠智能構建了ToB的AI開放平台,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開放平台賦能給其他合作方。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平台擁有膚質檢測、面部微特徵、畫像管理系統、精準推薦等AI介面,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平台調用的營收;二是幫助合作方完成除了開放平台以外的其他增值服務。

「目前平台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台,依託平台自有流量導流;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數據做支撐。據吳博介紹,宜遠智能演算法數據有多種來源,演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,基於數十萬高清及精標數據建模。到第二階段,平台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。平台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,面臨模型需要儘可能優化、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,並在《人工智慧》雜誌上發表。

「API平台數據、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。

醫美AI的商業邏輯

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美業客戶的需求。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,對於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、標註、自動建模、迭代的全AI流程。

對於人工智慧在美業領域的落地,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,但目前開放式平台都還在路上。像我們這樣比較專註於提供基礎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。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 雷鋒網 的精彩文章:

對話容永康、田溯寧:AWS如何在中國雲計算市場掀起風暴?
杉數科技高季堯:定製優化演算法——為複雜商業問題「量體裁衣」 | AI 研習社 119 期大講堂總結

TAG:雷鋒網 |