医疗AI startup 的几个感受

这星期差点断更，但想想还是把最近在医疗AI创业圈里的一些真实感受写出来，或许对正在观望或已经下场的朋友有点参考价值。

先说说入场时机这事儿。如果你是有金主爸爸养着的玩家，随时都可以入场，最重要的就是先入局，然后在局里摸爬滚打。但如果站在打工人的角度，想了解市场，我会更建议加入那种只有几个人的小团队，把它当一个项目来做——说白了就是去跑PMF（产品市场契合），不行就换个场景。现在的开发成本跟去年比已经降了不少，而且未来只会越来越低。

对于在职的小伙伴想转AI赛道，最近聊下来，大家普遍的状态是——先一起part-time无薪地做，无论后续是通过这个项目找到AI方向的工作，还是自己出来创业，都会是很有价值的跳板。

但如果你是一个资金和时间都有限的Founder，那我下面的话或许能有点参考作用。

第一，ToB还是ToC，赛道选择已经非常清晰

这几天最明显的感受是：有行业经验积累的朋友都在做ToB，而资源相对薄弱的则在尝试ToC。今年VC那边一共审了3万多个项目，最终只选了200多个，这里面90%是ToB，仅有10%是ToC。从数据看，市场共识已经非常明确——ToB的成功概率比ToC大得多。为什么？因为垂类链路更容易梳理清楚，痛点也好，解决方案也好，相对容易找到抓手。

我聊到的那些在AI初期切入ToB领域创业的朋友，要么自己之前就在那个垂类行业深耕多年，要么家里人或朋友在这个领域有资源积累。说白了，ToB的门槛本身就是一层天然的护城河。

第二，AI产品没有所谓的“Demo”，PMF也不是0到1的事

这一代AI产品的逻辑已经完全不一样了。它根本不是一个从0到1的过程，而是把已有的好机会重新组合，再产出新的东西。这里的“组合”指的是开发能力，“产出”就是落地。Pitch idea本身不值钱，值钱的是能把它做出来并跑通。

非要定义这一代AI的PMF的话，核心要解决的是内容跨模态组合的问题，或者说跨多个数据来源进行组合的问题。目前跑通PMF的案例，几乎都是这个类型。拿我们自己来说，我们现在要解决的就是HIS系统（医院信息系统）和健康档案的数据来源整合，然后做重组分析、设定预设动作——这个动作的稳定性和成功率，就是跑通PMF的关键所在。

第三，行业认知门槛高得离谱，两极分化严重

行业认知差有多大？这段时间我们在做开发任务的工时评估，同一个产品，我分别让三个团队来做评估：一个报了140个工作日，一个报了87个工作日，还有一个只报了53个工作日。差距之大，已经到了让人倒吸一口凉气的程度。

这里面有几个不确定性非常考验产品经理的判断力：第一，开发出来的东西是不是你想要的、能不能持续使用——这是项目质量的不确定性；第二，成本不确定性；第三，结果不确定性。团队对这件事的理解是否一致？最终输出的结果是否相同？

说到底，是门槛问题。从2023年使用ChatGPT到现在可以自己手搓一个智能体，这个行业的进步速度远超想象。而认知差之所以拉得这么大，其实不是我们自身的问题，而是行业里推动的人太多了——行业进步得太快，认知的门槛自然就被抬得很高。

而这一切的代价，就是费钱。

第四，给刚毕业就创业的小伙伴一个建议

说实话，刚毕业的学生就开始自己做Founder，能做到这一步已经非常棒了。但如果特别想要有结果，我的观察是——还是得先去50人以上的公司待一段时间。

因为工作过的人，尤其是经历过正规商业流程的人，真的特别了解整个商业模式和业务结构。而没有在已有规模的公司工作过的经历，很容易讲不清楚Pitch idea——这些能力，在公司上班是可以慢慢练出来的。

做项目，一定要先想好盈利模式。要么清楚这个项目怎么挣钱，因为连这个都理不清，没有市场和现金流的东西，资本也不一定会青睐。尤其是组织层面的需求，必须考虑清楚。

就这些，希望能给正在这条路上的朋友一点参考。