资讯 医疗科技
此为临时链接,仅用于文章预览,将在时失效

医美AI的商业逻辑

作者:刘思思
2019/03/09 13:47

医美AI的商业逻辑

计算机视觉、人工智能、大数据......吴博身上的标签,似乎通通与美业无关。而如今,仅用了一年时间,他已和将近400家美业机构建立了合作关系。

2017年,这位理工男经过对行业需求分析后,集结了人工智能领域20多位博士和医学领域专家,创立了主要服务医疗健康及美业机构的医疗科技公司宜远智能。

创始团队包括原腾讯TEG的AI专家、原天源迪科技术班底、清华精仪系的硬件专家以及CFDA器械认证法规专家。吴博曾经的导师唐远炎教授、皮肤科专家刘晓明教授、化工专家池永贵教授等也组成外部顾问团为其助阵。

随着公司业务的推进,吴博发现,皮肤检测相关AI接口,成为了公司最受欢迎的服务。

“这也让我们感觉诧异。毕竟与健康相关的图像分析里,脑部核磁、肿瘤CT的AI分析更像‘圣杯’。”吴博感慨道。

于是2018年,宜远智能推出了PaaS形式的AI开放平台(api.yimei.ai),侧重对面部皮肤图像进行AI分析,主要服务从皮肤病到生活美容再到整形的美业机构。

“公司的定位是医疗健康AI服务商,这个定位一直未变。只是打法因时因势发生了变化。”吴博介绍。

雷锋网了解到,目前宜远智能AI开放平台有大约50个接口,能对面部皮肤从近60个维度进行分析,接入的客户有将近400家。算上新增的细分接口,面部皮肤及整形美容级的特征维度将扩大到100以上。

医疗行业AI诊断落地难

逐渐成熟的人工智能技术和政策红利造就了医疗AI的火热,在多个细分领域,AI医疗呈现勃勃的的发展态势。

“从西医体系来看,检测已经成为医疗服务的标准入口了。看病前检查、拍片、化验等占到医疗环节收费大概百分之二十到三十。AI影像其实就是想为医生分担这部分工作。”吴博说道。

医疗天然的行业属性,决定了它是“人命关天”的事儿。同时,医疗行业门槛高、监管严格、产品落地周期长,也变成了AI医疗企业面临的普遍问题。

“AI医疗影像市场前景确实很大,但是规管严、周期长。单就CFDA认证这块,不说三类,就二类认证一般也要花上一年时间,而且这才是万里长征第一步。”

吴博表示,宜远智能团队偏互联网背景。在互联网行业,产品上线周期通常是七天到半个月。而在医疗领域,产品动辄就是几年的审批周期,这让团队感到落地推进不易。

医美AI的商业逻辑

万亿市场驱动产品定位

随着近年来皮肤疾病数量不断增加,消费者对外貌要求提高,不论是出于日常护理皮肤的需求,还是针对皮肤疾病进行早期干预,皮肤精确检测已经变成了人类追求美丽、维护健康的重要环节。

据行业数据统计,2017—2018年,美业消费总量达8500亿,美业就业人员总数为2700万,机构总数突破250万,美业市场规模达1.3万亿,年增速达到15.1%。

但吴博认为,目前国内美业软硬件AI程度还比较低。此前美图曾预告将要推出测肤API平台,但吴博认为其仅具备手机端面部皮肤分析接口,不能对接专业级分析仪,同时缺少皮肤病、整形美容科的专业接口。

聚焦万亿级美业市场中庞大的商用客户,宜远智能构建了ToB的AI开放平台,主打皮肤病、生活美容、医美整形三大相关领域。通过运用AI能力去服务软硬件合作方,提供云端AI支持。

”通过AI开放平台赋能给其他合作方。有任何想做测肤APP、小程序业务的,不用操心AI这摊子事,他放心去做营销,做市场。”

据雷锋网了解,宜远智能AI平台拥有肤质检测、面部微特征、画像管理系统、精准推荐等AI接口,针对皮肤多维度健康状况,可以给出精准量化的科学建议。盈利模式主要分为两种,一是对外API平台调用的营收;二是帮助合作方完成除了开放平台以外的其他增值服务。

“目前平台接入的客户大概有四百个。我们今年的目标是扩大被使用量,争取做到盈利。”

吴博介绍,目前宜远智能合作方主要有四类:第一类是医学背景比较强的互联网医疗平台,依托平台自有流量导流;第二类是化妆品行业的生产商、销售商,会在品牌旗舰店增加AI分析入口;第三类是硬件合作方;第四是诸如美容院一类的美业管理系统供应商。

AI算法训练需要大量临床数据做支撑。据吴博介绍,宜远智能算法数据有多种来源,算法训练可分为两个阶段。

在冷启动阶段,宜远智能和皮肤管理中心、皮肤专科医院等形成合作,基于数十万高清及精标数据建模。到第二阶段,平台已经形成千万级数据增长、模型增强的良性自循环。

吴博表示,面部皮肤、放射影像分析,都有多目标(多病种)的特点。平台算法训练除了遵循机器学习的经典步骤以外,在训练面部皮肤多达上百种学习目标时,“分而治之”为核心任务特制模型的做法尤为必要。

另外,由于AI模型要对外提供API,面临模型需要尽可能优化、精简,还要能处理公众服务数据源更多变异特例的情形。为此宜远智能还研发了一套自有的目标检测框架,并在《人工智能》杂志上发表。

“API平台数据、算法打磨好,做好样板,才有利于我们口碑传播。目前我们已经有接近四百家客户,后续会互联网方式推广。”吴博说道。

医美AI的商业逻辑

技术挑战与未来软硬件联动

利用AI进行皮肤分析,不少人认为人脸识别四小龙可以分分钟解决。吴博不以为然,他认为这些独角兽们并不能满足美业客户的需求。原因在于,皮肤检测处在一个非常细分的业务领域。

吴博介绍,安防、零售、金融领域的人脸识别技术更像是单目标任务,聚焦于回答A是不是A(1:1)或者能不能找到A(1:N)。

而面部皮肤分析是多目标组合任务,用户会关心面部皮肤有无疾恙、黑眼圈属于哪种类型、斑点的种类及大小变化、面部畸形的程度等上百种问题。

加上皮肤病的谱系广,有大概两千多种。每一种分析要做好,都需要AI建模,而单个需求的难度就和人脸识别不相上下。

“为什么这么说呢?举个例子,即使没有专业训练,靠人眼分辨做人脸识别的水平也有95%,但识别黑眼圈的四种分类,或者对鲍曼医生皮肤16分型的判别,平常人远没有95%的水平。”吴博说。

对于AI赋能美业,除了AI皮肤分析技术难度较高以外,吴博表示目前行业标准还未统一。

“现在全国大概百万家美容院,检测仪器持有量也就二三十万台,被我们AI改造的皮肤检测仪的出货量也只在两三万台水平,普及率还不够。另外这个行业它没有医疗领域的强制性,也没有医疗领域足够的权威性,从业者水平参差不齐的情况比较严重。所以行业空白和天花板都还是挺大挺高的。”

据雷锋网了解,对于宜远智能下一步计划,吴博介绍目前在研的产品包括更自助、更傻瓜式的一键生成系统。

“我们将推出一键生成测肤小程序的模块,将API的使用门槛降低,使得AI平民化、产品上线快速化。目前我们在研的产品有类似谷歌的AutoML模块,可使医疗健康及美业有兴趣对机器学习、深度学习自助体验,完成数据整理、标注、自动建模、迭代的全AI流程。

对于人工智能在美业领域的落地,吴博认为,AI皮肤检测已经到了需要技术、硬件、消费者意识等齐头并进的阶段。单单AI技术做得再好,也没有办法很好地识别图像,落地服务机构。

“零零星星能看到一些国际大品牌在做类似这个事情,但目前开放式平台都还在路上。像我们这样比较专注于提供基础AI服务的还很少。未来AI皮肤检测普及,还是需要软硬件厂商以及消费者的共同努力。”吴博说道。


长按图片保存图片,分享给好友或朋友圈

医美AI的商业逻辑

扫码查看文章

正在生成分享图...

取消
相关文章