創新工場和BCG咨詢合作的「+AI改造者」系列： 看看多面手鎂伽如何由點到面，用機器人和自動化賦能生命科學、製造和零售業。

改造者系列：將核酸檢測提效40倍的自動化變革推手 -- 本文来自BCG微信公眾號，經授權轉載。

近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智能在大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7隻AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。

創新工場投資的鎂伽是大陸領先的高科技公司，成立於2016年，專注于機器人和人工智能技術的研發並將其深度融合于行業應用，提供從終端到雲端的產品與服務，賦能生命科學、先進製造等領域的智能變革，同步探索在智能零售等場景的創新應用。疫情期間，鎂伽為核酸檢測的應用需求提供了一系列高通量病毒核酸檢測解決方案，全程無人工參與，「樣品進、結果出」的全自動化，最大化保證結果的準確，效率相比人工提升40倍以上，最大可能降低了人工實驗過程中的感染風險。

2021年，鎂伽正式宣佈其自主研發的中國首家通用型智能自動化生物實驗室——鎂伽鯤鵬實驗室一期在北京正式落成，同時也在上海、蘇州開始佈局滿足不同功能的自動化生物實驗室，預計於2022年陸續投入使用。鯤鵬實驗室將專注于細胞基因編輯、高通量藥物篩選、合成生物學等領域的研究，致力於打造次世代的生命科學基礎設施，提高生命科學研發和生產效率，賦能行業融合創新，引領即將到來的生物學革命。

在采訪中，鎂伽認為AI應用企業要從垂直行業的實際問題出發，通過儲備和培養大量複合型人才，做到「比客戶更懂業務」。以下：

■系列導讀

本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。

在上篇中，我們接觸了提供端到端AI醫藥平臺的英矽智能，在今天的文章中，我們將進一步瞭解在生命科學、先進製造與智能零售等創新領域提供智能自動化技術與產品的高科技公司，即「改造者」——鎂伽科技。

1 「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。

鎂伽是中國大陸領先的高科技公司，憑藉卓越的智能自動化技術與產品，實現行業創新突破和深度融合，致力於構建智能社會，賦能生命科學、先進製造等領域的智能變革，同步探索在智能零售等場景的創新應用。

■對談實錄

Q1：鎂伽為生命科學、零售和製造業提供AI解決方案，三個行業跨度很大，鎂伽如何進行賽道選擇？在發展過程中如何增進行業理解？

鎂伽：鎂伽是以機器人和自動化技術起家的，但在服務客戶的過程中，我們發現客戶需要的不只是機器人本體或自動化設備，還要結合行業需求痛點的解決方案。生命科學和線下零售都是市場容量很大、增速很快的行業，但自動化和智能化的滲透程度還很低，急切地需要提升生產力，因此我們選擇進入這些賽道。

這三個賽道看似跨度很大，但其實底層技術是相通的。比如人工智能技術可以用於晶圓的缺陷檢測，也可以用在藥物篩選實驗中的細胞培養和克隆挑選。鎂伽開發了許多通用的基礎底層技術作為支撐，比如IntellVega通用視覺平臺已經應用於工業領域線上視覺檢測以及生命科學領域的藥物篩選，鎂伽還有一個技術中台MegaCloud，集合了跨行業的後臺數據，能夠支援鎂伽在不同領域的各項業務。

當然，對於一線業務來說，使用人工智能或者自動化的形態是完全不同的。鎂伽通過儲備和培養大量複合型人才做到「比客戶更懂他的業務」，以體現鎂伽的專業性和技術領先性。以生命科學領域為例，鎂伽不只有人工智能算法科學家，還有包括幹細胞、類器官、合成生物學、免疫學、病毒學等方向的科學家，既有來自CRO、IVD和藥企的專業人才，也有懂市場營銷的專家。由於團隊的多樣性和複合性，鎂伽內部也建立了充分的互相培訓機制，加強團隊之間的磨合與學習。

同時，現代生物學現在已經成了大數據科學，人工智能的應用是大勢所趨。鎂伽在助力生命科學領域轉型的過程，通過智能自動化技術，説明客戶把非常複雜的生物學實驗標準化、自動化和數字化。鎂伽在兩個方面説明生命科學的客戶，一是用行業領先的高效自動化系統説明客戶快速產生海量的多維度實驗數據；二是用鎂伽人工智能平臺説明客戶對生物數據進行模型構建和關聯性分析，進而指導實驗的持續優化。

另外，鎂伽也是少有的在生命科學領域搭建了完整的生物學自動化實驗室的企業，能夠融合我們自己的自動化和人工智能技術。客戶親眼看到我們的實驗室之後都會很受震撼，認識到我們做的事情非常前沿，他們也很想加入。這就使得鎂伽和其他生命科學領域的硬件設備廠家區分開來。

鎂伽甚至發現，從過去幾年到如今，有不少AI技術公司找到我們，希望借鑒我們的垂直行業經驗。這些團隊往往有很強的AI算法能力，但是缺乏數據、缺乏應用數據的方式。以藥物篩選為例，鎂伽可以做到在實驗室設計方案之初就考慮到收集哪些關鍵數據並使其很好地滿足機器學習算法的要求，從而在實驗過程中自動採集證據以證明細胞安全且來源單一，滿足監管的要求。這是鎂伽相比於其他AI公司的獨到優勢。

在開發解決方案的過程中，鎂伽一直堅持從業務問題出發，首先找到高價值的應用點，再把點串成線，由線鋪到面。

Q2：就鎂伽的觀察而言，傳統企業應用AI有哪些共性問題？鎂伽是如何解決的？

鎂伽：傳統企業首先對AI技術能夠解決什麼問題比較模糊，也不太能理解AI是如何解決問題的。例如對AI如何能替代人工檢查、或者提升產品良率都不理解，因此很難提煉他們對AI的需求。鎂伽需要引導傳統企業的決策者來梳理業務流程，明確行業的特定痛點，從而制定解決方案，並計算和衡量自動化和AI能夠為企業帶來的經濟價值。

同時，傳統企業往往也缺乏高質量的數據，或者有數據但並未標記、數據不標準，無法有效地投入AI應用。傳統企業還缺乏AI人才，自動駕駛和視頻監控行業的人才和技術可能相對更多，但在傳統製造、生物醫藥這些行業，AI人才和技術是較為欠缺的。鎂伽建立了高效的數據獲取、自動化模型訓練和高精度上線部署的AI閉環，軟硬件團隊和測試團隊也做了充分的磨合，可以極大地提升傳統企業研發應用AI的效率。否則，從模型搭建、數據清洗到模型訓練、結果分析部署等等諸多環節，對傳統企業而言都是費時費力甚至難以為繼的。

鎂伽還會幫傳統企業搭建懂AI的團隊和建立完整的數據體系，包括説明傳統企業的團隊理解如何提煉數據、要采集並標注什麼數據等等。幫助傳統企業建立一支懂得AI應用的團隊有利於傳統企業的持續AI賦能。鎂伽內部建立了一個共有技術平臺，以機器人控制、2D和3D視覺、深度學習為核心的IntellVega平臺，及為用戶提供物聯網、SaaS線上集群服務和大數據分析等核心的 MegaCloud平臺，通過專業的開發團隊為客戶提供高效、智能化的整體解決方案，而傳統企業只需要提煉他們自身對產品工藝、質量的要求就可以了。

■要點回顧

1、「改造者」需要從垂直行業的業務問題出發，打造複合型團隊（既懂AI又懂垂直行業的專業人才），並加強團隊融合，實現「比客戶更懂業務」。

2、一流的「改造者」不只是提供產品和解決方案而已，還應當幫助傳統企業驅動變革管理，幫助識別和定義問題和需求，驅動認知轉變並提高員工技能，從而使AI應用在長期可持續。

■本期內容來自BCG對話鎂伽首席科學家王承志博士、首席技術官丁新宇先生、研發副總裁段金瑞博士、人工智能算法科學家蒯多傑博士和孫新先生。

【財經補給讚】居家篩檢試劑開發🧑加強投資計畫獲投企業

#光鼎生物 #口腔檢測試劑組 #企業普篩
　　　　　　　　　　　　　　　　　　
居家篩檢已成為COVID-19疫情下之趨勢，中小企業亦較難負擔全面性內部普篩的成本。

🙋‍♂️小編最近和輔導企業-光鼎生物剛好聊到
💁‍♀️公司有開發出口腔檢測試劑組，屬於非具侵入式之採樣方式✨✨

✅光鼎生物獨門技術為毛細管電泳技術檢測平臺，為整合分子檢測流程，可以提供給使用者最簡易的操作流程🤩
✅COVID-19檢測，就是個最好的例子💪 💪
🔺從不具侵入式之口腔採樣，不須經過繁雜的萃取步驟，搭配「一鍵式」核酸擴增反應儀，以及終端操作簡易且自動判讀報表輸出之毛細管核酸片段分析平臺
🔺篩檢流程不僅快速、方便，同時亦兼具價格優勢

🎉目前簡易新型冠狀病毒核酸檢驗試劑組，正在進行衛福部家用緊急授權許可及歐盟 CE-IVD 之申請，通過後預期將於九月正式販售。

📍認識光鼎生物：https://www.bioptic.com.tw/
📍追蹤光鼎生物：https://pse.is/3krx7y

#光鼎簡易新型冠狀病毒核酸檢驗試劑組

🙋‍♂️分享新知識與新發展
🙋‍♂️有投資需求都可以來電洽詢

🚩諮詢窗口:02-2368-0816#342陳專員、354楊專員
🚩別忘了按讚關注經濟部中小企業處臉書粉絲團

醫療健康是現階段AI绝佳的應用場景

今年開始我分享比較多醫療相關的文章，特別最近台灣疫情仍在緊繃狀態，分享這篇我談 AI 在醫療健康領域能創造哪些價值，提供大家參考。

最近，我出席了第五屆醫療健康產業投資50人的「H50年度峰會」，就「人工智能醫療醫藥領域的應用機遇與挑戰」進行一場主題演講。我認為，傳統產業「＋AI」的時代已經到來，AI將像電一樣穿透各行各業為其降本提效，創造巨大的經濟價值。醫療健康是現階段AI絕佳的應用場景。創新工場將結合自身TECH VC基因，以醫療市場化、數字化及AI應用等方向為切入口，一起探索發掘醫療產業重塑的機會。

以下是來自峰會的現場報導，文章經21世紀經濟報導授權轉載。

「多年前，如果你問我人工智能最好的應用會是什麼，我可能在不同的時期會說是語音識別或者計算機視覺、自動駕駛、金融領域。但今天如果你問我這個問題，我覺得人工智能最好的應用場景，毫無疑問是醫療的場景。」李開復說。

也正因如此，創新工場在兩年多前設立了醫療投資團隊。這個團隊從2019年起以醫療市場化、數字化及AI應用等方向為切入口，目前已經投資了鎂信健康、艾登科技、英矽智能、沃比醫療、予果生物等20多個項目，涵蓋了數據AI、服務、器械、生物製藥等多個領域。

「隨著團隊的擴張，現在醫療投資團隊已經比人工智能團隊還要大了。創新工場將按照原有Tech VC 基因結合度，搭建醫療生物領域專業化團隊，接下來的1到2年，醫療技術領域的投資將是我們的重中之重，我們會把火力集中在IVD（In Vitro Diagnositcs）體外檢測和高值耗材兩個大賽道。」李開復說。

本次分享中，李開復談到人工智能發展的現狀、深度學習的要點及相關要求，同時，重點給大家分享了AI在病理分析、藥物研發、大數據、以及其他特定領域與場景的應用場景，並結合創新工場在醫療AI投資方面的實踐，給參會嘉賓提供了相關建議。

▎AI賦能傳統行業的時代已經到來

李開復認為，現階段能夠做AI的科學家和工程師數以百萬計，AI技術已經普及化。在過去的人工智能1.0時代，大家把AI當「黑科技」，可能最開始並不知道技術具體能創造什麼價值，就先投資進去公司，再幫牠找應用。

但現在情況已經發生改變，AI賦能傳統產業的時代到來，這裡所謂的「傳統行業」並不是說真的很傳統，而是指任何沒有AI的行業，其中也包括醫療產業。

人工智能發展到今天已有60多年歷史，李開復認為其中最重要的成果是深度學習技術的發明。對此，他總結出了深度學習最重要的四個特點。首先，深度學習能夠針對一個目標函數優化到最佳，如識別腫瘤的正確率；其次，數據量越多，結果越好；第三，千人千面，運營在醫療領域可以根據不同患者的家庭背景、基因等信息精準醫療；第四，文字、圖像、視頻等不同數據都可以作為深度學習的內容。這是此前人工智能算法做不到的，因而近年來深度學習取得了很多突破。

李開復也指出了深度學習需要滿足的五點要求：

第一，需要海量的數據；
第二，數據不能是網上爬來的，而是客觀、精準、自動地標註或打好標籤；
第三，只能在單一領域內工作；
第四，需要比較大的計算力；
第五，需要一些AI專家的參與。 AI擅長運用海量數據針對目標函數進行優化，但無法取代人抽象、分析、嘗試的能力和創造力。

至於AI是否適合用在醫療領域，李開復認為，當下醫療領域正在開始產生海量的數據。可穿戴設備、新的醫療方法、基因排序等都提供了多樣化的數據來源，他對AI+醫療的未來有非常大的信心。

但同時他也提到，AI+醫療在當前的發展過程中遇到了一些問題。首先，AI不擅長做「全科大夫」，只能解決某一特定領域的問題，不可過份神話這一技術。其次，傳統醫療需要的是小而精的數據，而AI對數據的要求是海量、結構化、精準化、閉環，因而現成的數據無法完全滿足AI的需求。

此外，李開復指出，醫療是非常神聖的，關乎人的生命與健康，與金融領域、互聯網領域不同。AI+醫療特別要尊重客戶和他們的服務或產品引進方式，而不是盲目教育市場。很多AI科學家創業會把醫療領域想得過於簡單，而李開復建議創業者需要用更嚴謹的方法適應醫院的採購流程，讓醫院現有的負責人意識到AI技術是在幫助他們，而非取代他們。

▎AI+醫療的細分落地場景

李開復認為，目前AI+醫療在一些細分領域有很多具體的落地場景。第一，病理方面有特別巨大的需求。每年會有成千上萬的病理樣本產生，而註冊的病理醫生缺口則很大。在這方面AI雖然不能做最終判斷，但可以幫助更好的篩選，提供更好的建議。

第二是藥物研發方面，最近國際上已經有了一些成果，如美國一家公司做的蛋白質折疊，以及創新工場所投資的 Insilico Medicine英矽智能，已經開始用AI技術幫助科學家發現新藥。 AI技術的加入可以幫助節約90%的新藥研發時間，對未來製藥行業會帶來很大的顛覆。

第三是大數據與AI的結合，近年來有各種新數據產生，如基因、轉錄、蛋白、代謝等等，都可以用來做新的分析，創作更多新的應用和價值，針對每個患者背景做出更精準的診斷。

此外，李開復還提到在骨科手術、神經介入、種植牙等領域，AI都可以創造價值。

AI+醫療是創新工作的醫療團隊所關注的方向之一。創新工場借助自身的AI工程院以及在AI、醫療領域的深入研究，擁有較為豐富的專業知識。李開復認為，做AI最重要的是有海量數據，創新工場會關注真正數據源頭的掌握者，獲得脫敏數據後再思考如何激活，如何做出新的產品，產生更大的價值。此外，團隊也願意接觸一些產業投資人和產業公司，因為這些人更懂醫療的具體流程，大家的合作將產生價值。