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。

据悉，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。

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。

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。”

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。

长按二维码，关注雷锋网「AI掘金志」