最大的挑战来自于新技术与模式在中国可能出现的水土不服。中国的社保制度、商业保险发展阶段、医院管理方式与利益分配机制都是中国独有的商业化障碍。
不过，AI产业长期来看是技术驱动性的行业，需要足够多的数据作为支撑，人口与数据中国得天独厚，这是中国产生后发优势的决定性基础。未来，不仅是国内AI创业风起云涌，更多国际化的力量都会往中国做聚焦，带来技术的输入和潜在的跨国合作机会。
站在风中的中国投资人，在想什么?
随着移动医疗到人工智能的风起风落，我们时刻感受着中国投资人的情绪波动，或许有资格来谈论一些观察。
观察一，影像已然成为AI在医疗领域落地的主要突破口。资金率先集中在影像应用领域，在2017年该领域纷纷涌现亿元左右融资，进入B轮规模。医疗的其他应用领域主要依赖于技术发展和数据积累的速度。
资本风向吹出了影像领域的三大派别，第一，算法驱动型。这一类公司的主要特点是大多成立于2016年及以后，创始人往往是海归，对深度学习的最新技术具有充分了解，试图搭建一支跨学科团队，把这种最新技术应用于医疗领域。他们能够通过不断的训练与调整，去平衡精确度和假阳性率，精益求精以满足用户需求。
第二，数据驱动型。这一类公司的主要特点是创始人大多来自传统影像归档和通信系统(PACS)行业，或者大型影像设备的代理商和维修商。他们认为，中国与美国一个很大的区别在于，中国的数据孤岛现象并未在移动医疗时代得到有效解决，所以影像数据的来源在国内依然足以成为壁垒。所以他们往往在云PACS角度切入，先通过连接医院获得持续获取数据的能力，再搭建团队涉足人工智能分析。其长处在于，了解医生需求，也懂得在医院做事要掌握的尺度和方法，这注定了他们未来商业化落地会有更加扎实的基础。
第三，资源驱动型。标志性代表是IBM，在中国则是BAT这样的巨头。它们拥有所有创业者所无法比拟的资源优势——成熟的人才团队，足够的社会、品牌资源，更重要的是有源源不断的资金支持，可以随时有能力开启“买买买”模式，遇到竞争随时可以开启免费战略甚至大额补贴。IBM和BAT的强势进场让整个生态圈都面临巨大压力，也让不少投资人因此对这个领域避而远之。
虽有三种派别，然而由于深度学习核心算法的开源性，以及数据获取实际并非完全一块铁板，在短期内，算法也好，数据也罢，谁都无法迅速构建起足够有效的壁垒，这才导致了当前激烈的同质竞争。
我们预期，未来一年到两年资金将迅速在头部公司集结，这将迫使业内每一家公司，必须至少在某一方面证明自己的先进性才能立足，剩下的企业只能在竞争中走向湮灭。而巨头的进入，必会加速行业洗牌和整合。这对行业并非坏事，为投资人也提供了一种潜在退出的渠道。
观察二，变现依然会是终极大考，资本耐心有限，行业参与者马上就要面对“C轮死”魔咒的挑战。
当细分行业龙头融资纷纷都达到亿元级别后，这些领先企业融资最困难的阶段已近在眼前，而它们是否能够克服“C轮死”的魔咒，将对行业的风口持续性产生决定性影响。
这个困难阶段出现的必然性，是投资人的偏好分布决定的。在中国的一级市场，机构两极化正在愈演愈烈：或者选择早期项目，小金额、广撒网、博概率，走孵化路线;或者选择成熟项目，有利润、谈对赌、博上市，走Pre IPO路线。这两条路线，并不需要过多的技术钻研判断和深入的行业理解，就能够让机构获得相对安全的回报，这是近年来市场对资本回报的高要求与行业慢增长属性，私募基金爆炸式发展与真正优秀的投资人才匮乏，这两大根本矛盾产生的必然结果。
现在，AI+医疗影像的龙头公司已经飞到两条路线中间的那个巨大缺口之中。在这个阶段，对风险偏好较高的VC而言，公司需要的融资额已经超过它们能够投资的体量;而对于较大体量的PE而言，AI+影像依然处于商业化的探索阶段，没有亮眼的财务数字却顶着极高的估值，实在无法下手。这样的状况下，可选择的领投机构将被迅速缩小到极少数资金雄厚，对前沿技术有一定判断，敢于引领时代潮流作出决策的出资人。这样的机构不会超过30家。
资本永远是逐利的，与情怀无关，而且他们的耐心往往有限。创始人务必要重视变现这个问题，必须有清晰的解决方法和思路。没有解决商业化难题的企业永远是没有翅膀的猪，风停就会非死即伤。