前言：本文作者是咱们AI产品经理大本营成员@lazy_yy，他用最干练的文字，帮大家快速了解“医疗影像+AI”方向的基本信息。欢迎更多AI产品经理们也来加入干货输出队伍：） 。

医疗影像被认为是人工智能最有可能落地的领域之一，2017年被认为是"医疗影像+AI"集中爆发的一年，现在2020年即将结束，该领域公司正出现明显的分化，有的已陆续拿到国家NMPA三类证的审批，并且持续获得融资、不断扩展领地，有的则已趋于沉寂。本篇文章就该领域现状做了一些剖析，希望能给处于该行业或者有意进入该行业的读者一些帮助。

目录

一、医疗影像的6类常见应用场景

二、“医疗影像+AI”领域的5个典型产品

三、不同用户角色的需求及付费影响力分析（以“三级医院影像科”为例）

四、商业模式及头部企业汇总

五、“医疗影像+AI”落地的短期风险和机会

1

医疗影像的6类常见应用场景

本小节按照影像产生科室和设备类型，将医疗影像应用场景分为超声影像、放射影像、放射治疗、病理影像、内镜影像、眼底影像这6类来进行描述。

1、超声影像

超声影像可以清晰显示脏器及周围器官的各种断面像，同时具有价廉、简便、迅速、无创、无辐射性、准确、可连续动态及重复扫描的优点，成像速度快的特点，因此易于推广应用，常作为实质脏器及含液器官的首选方法，非常适合于心脏，大血管及胆囊的显示和测量。

2、放射影像——X线、CT、核磁

1）X光

X光是观察骨骼的简便检查方式，价格也相对较便宜。如果怀疑四肢、脊柱等部位出现急性外伤，伤到了骨骼，有突发急性疼痛或是难以控制的慢性疼痛，一般会优先选择X光。

2）CT

某种意义上可以说，CT是X光的加强版，一般重要部位的检查，如头颅、胸腹、脊柱、骨盆等，CT优于常规X光检查。CT对肺部结节、淋巴结增大、气管狭窄等的诊断，肺癌的筛查等胸部疾病有较大的意义，对中枢神经系统疾病、头颈部疾病的诊断、大血管检查等也有很大的价值，如颅内肿瘤、早期鼻咽癌的发现、冠状动脉粥样硬化和冠心病的筛查等。

3）核磁

核磁共振可以随意做任何角度的切层，且无辐射。对颅脑、脊柱和脊髓等的解剖和病变的显示，都比CT要好；核磁共振对病变组织的敏感度优于CT，尤其是关节、肌肉、中枢神经系统等软组织的检查结构更清晰。核磁共振对脊柱、关节、肿瘤、感染性疾病、淋巴结和血管结构之间的相互鉴别，有独到的优势。

3、放射治疗

作为肿瘤三大主要治疗方式之一，放疗在肿瘤治疗中的地位越来越重要。随着三维适形和适形调强等精确放疗技术的发展和广泛临床运用，其中精准的靶区范围的确定和勾画在放疗中非常重要。

4、病理影像

病理诊断是医学诊断的“金标准”，是医生对病人进行正确治疗的基石，病理医生更素有“医生的医生”之称。病理医生直接面对的其实不是患者，而是临床医生。病理报告中会提供病人罹患的疾病的具体类型、肿瘤的分级、分期等各种信息，然后临床医生会根据这些信息来制定治疗和用药的方案。

5、内窥镜影像

内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等于一体的检测仪器，具有图像传感器、光学镜头、光源照明、机械装置等，它可以经口腔进入胃内或经其他天然孔道进入体内。利用内窥镜可以看到X射线不能显示的病变，因此它对医生非常有用。常用于食道、胃及十二指肠、小肠、大肠、胰腺、胆道、腹腔、呼吸道、泌尿道疾病的检查。

6、眼底影像

眼底检查是检查玻璃体、视网膜、脉络膜和视神经疾病的重要方法。许多全身性疾病如高血压病、肾病、糖尿病、妊娠毒血症、结节病、某些血液病、中枢神经系统疾病等均会发生眼底病变，甚至会成为病人就诊的主要原因，故眼有“机体的橱窗”之称，检查眼底可提供重要诊断资料。

2

“医疗影像+AI”领域的5个产品

本小节主要介绍5个典型“医疗影像+AI”产品：疾病筛查和辅助诊断、病理分析、影像后处理、靶区勾画、生长发育评估。

1、疾病筛查和辅助诊断

疾病早筛对于民众及国家均具有重大意义，而影像学检查是疾病早筛的重要环节。医疗人工智能的引入有助于提升影像学科工作效率，减轻医务人员工作负担，减少误诊漏诊现象的发生，为大规模疾病早筛行动的开展提供有力技术支持。

该领域也是"医疗影像+AI"最早涉及、竞争最激烈、上线产品最多的领域，几乎当前获得大额融资的企业都涉及该领域，可以说是“百家争鸣”的局面。

核心功能：

• 基于深度学习技术训练模型，对病灶进行分割检出；

• 病灶定量分析，主要是一些形态学参数；

• 基于分类算法，对病灶进行分类比如结节、肿瘤等；

• 病灶定性，比如肿瘤的良恶性倾向性分析判断；

• 生成结构化报告，基于AI诊断结果和临床使用习惯自动生成报告；

2、病理分析

病理医师的诊断依赖于经验，培养病理医生的周期非常长，从一个初级诊断医生到一个经验丰富的高年资诊断医生大约需要10年时间。此外，病理工作风险高、责任大， 专业吸引力相对较低，且由于从业后工作强度太高，很多学病理的医生都没能坚持到最后。

AI的引入可以为医生为低级别医院经验欠缺的病理医生提供诊断建议、提供教学帮助、AI分担医生繁重而简单的工作（如寻找淋巴结的转移癌、病原体等，定位后人工复核）以及计数指标的判定、免疫组化阳性强度的判定以及分子病理的判定等。

核心功能：

• 对数字化的病理切片，自动完成检测-识别-分割；

• 智能分辨细胞阴阳性，区分癌细胞与正常细胞并标注；

• 对框选区域/全场图进行定量分析；

• 自动结构化报告生成；

典型产品：

• D-PathAI AI辅助诊断系统 -迪英加科技；

• 宫颈癌早期筛查系统-腾讯觅影；

• 病理智能辅助诊断系统（宫颈癌、乳腺癌、胃癌）-清影科技；

3、影像后处理

临床上很多影像检查生成的影像不足以直接用来评估病情，需要对影像进一步处理，这些后处理过程具有复杂、耗费长的特点，例如一个CTA检查的后处理时间在20~60分钟之间，使用AI技术之后可以让整个后处理时间大大减少。

核心功能：

• 自动完成图像重建；

• 图像推送和胶片打印；

• 血管斑块和狭窄程度量化分析；

• 自动生成结构化报告。

典型产品：

• 冠心病智能辅助诊断产品-数坤科技；

• ACD冠脉全自动诊断-医真云。

4、靶区勾画

每一个放疗方案都需要严格画靶，确认放疗射线的靶向位置和剂量，及其穿透路线，避免伤及正常的组织器官。每一位病人每次放疗前都需要拍300-400张CT，传统方法完全依赖肿瘤医生在患者的医学影像上手动标识器官和肿瘤，效率十分低下。

基于深度学习算法的智能勾靶功能，可以全面提高靶区勾画的效率和准确度，将原来要几个小时的工作量缩短到几十分钟。

核心功能：

• 靶区智能自动勾画

• 放疗流程管理

代表产品：

• RAIC-锐克肿瘤信息系统-连心医疗

• ARPlanner-全域医疗

• 智能治疗计划系统DeepPlan-慧软科技

5、生长发育评估

骨龄”是骨骼年龄的简称，是青少年儿童骨骼发育水平同骨发育标准比较而得出的发育年龄，临床应用的骨龄检测方法也各有弊端，或因流程复杂或因不够精准而无法满足临床要求。基于深度学习的检测技术，算法通过识别每块手骨的特征，更精准更快速进行儿童生长发育评估。

核心功能：

• 骨龄结果自动计算；

• 结构化呈现影像具体评分；

• 生长发育报告生成；

代表产品：

• 儿童生长发育智能诊断系统-依图医疗；

• 儿童生长发育AI评估系统-深睿医疗；

典型产品：

• 肺结节筛查系统-推想科技

• 乳腺癌筛查系统-依图科技

• 脑卒中筛查系统-深睿医疗

3

不同用户角色的需求及付费影响力分析

“三级医院影像科”是当前“医疗影像+AI”的主战场，其涉及角色众多，简单分为4类：

• 低年资医生/技师

• 高年资医生

• 主任级别

• 院级领导

下面，我们就分别从这4个特定角色入手，从实现欲望和付费影响力两个维度分析。

注1：所谓“实现欲望”，就是各级别医生对某类需求想实现的强烈程度，本人非常喜欢梁宁在《产品思维30讲》里对需求的剖析，这里借用大神的观点简单改造下，将实现欲望用两个词表示：痛点-恐惧；痒点-愉悦。估计有读者对这两个概念还有点模糊，放两张图大家感受下（非广告）~

注2：付费影响力：在To B场景里面，使用者不一定是购买者，所以我们将常用的“付费能力”泛化为“付费影响力”，并用★的数量来表示付费影响力程度。

1、低年资医生/技师

包括机器操作技师、重建技师、进修医生、规培生、实习生，住院医师等 ，主要工作内容是操作机器、图像重建、打印胶片、影像报告（初写）等。

工作内容：低价值多重复性工作、任务重、收入低

付费影响力：★★

痛点 1 减少工作时间

• 医院也有很多工作是本身难度不大但是需要消耗大量时间和精力的工作环节，比如影像科的图像处理。很多医院为了节省成本让医生承担这部分工作，导致医生很难准点下班苦不堪言，现在市场上各种AI图像处理软件的出现就是为了解决这个需求。

痒点1 增加收入

• 算法训练依赖数据标注、和训练结果评价等需要医生参与的环节，医生通过和AI公司各种合作有很多机会增加额外收入。

痒点2 减少漏诊

• 影像报告需要经过初写和审核环节，一般低年资医生为初写医生，虽然最终的报告上不会署名不承担最终责任，但是经常误诊、漏诊肯定也会被审核医生批评，对应解决产品就是各种AI辅助疾病筛查产品。

2、高年资医生

医院的主力，包括主治医师、副主任医师，主要工作内容是报告书写和审核，同时还要要完成科研和教学任务

工作内容：临床、科研、教学三者兼顾

付费影响力：★★★

痛点1 减少漏诊

• 高年资医生通常最为审核医生，是影像报告的最终署名人，一旦漏诊可能造成严重的医疗事故，对应解决产品同样是各种AI辅助疾病筛查产品。

痛点2 科研压力

• 高年资来科研压力在于2点，一个是方面是来自学业例如硕博毕业，一方面来自于职称晋升的指标要求，传统的科研方向如利用医疗器械的升级改造比如新的CT机型或者核磁序列等已经被写的差不多了，AI这种全新的生产力给他们带来了很多可能，AI科研平台就是一个很好的解决方案。

3、主任级别

科室领导，包括主任医生、技师/报告负责人、行政主任、信息中心主任等

工作内容：科室管理、学术会议、带学生...

付费影响力：★★★★★

痛点1 高质量的paper需求

• 跟高年资医生一样，主任级别医生同样对paper有很高的需求度，一方面科研成果是科室考核的一部分，另一方面对于医疗圈而言足够的文章代表着足够的学术影响力也就是一定程度上代表着在圈子里地位，AI公司可以通过跟主任先建立起科研合作关系，一起寻找一些好的points,然后逐步将产品商业化落地，实现双赢。

痒点1 节省人力，增加收入

• 医院的科室收入不会完全上交到医院，部分会返给科室作为日常支出和奖金发放，能节省人力的AI产品会会帮助科室降低成本，相应的科室可支配资金增加，或许可以给底下的医生们可以多发点奖金哦！

4、院级领导

工作内容：医院管理

付费影响力：★★★★★

痛点1 行政考核

下图是18年公布的三甲医院信息化标准规范，里面将人工智能产品纳入了考核指标，所以仅从这个角度，医院也必须考虑使用AI产品。今年北京市质控中心医院信息化考核，很多医院竟连夜安装AI产品以应付检查。

痒点1 增加收入

• 自从1985年开始实行医院盈亏自负的机制以来，如何增加医院收入就是各医院要着重解决的问题，相应的出现了很多“以药养医”等现象，先不谈机制好坏，现在收入越高的医院就越有可能采购最先进的设备、引进最一流的人才，也就意味着有更多影响力和话语权这是不争的事实。

• AI产品如果被政府认可纳入收费目录，甚至是医保目录，对医院来说就意味着可以增加更多的收费项目。

注：本小节仅从三级医院影像科这个场景深入分析，还有很多其他场景，感兴趣的朋友可以自行分析。

4

商业模式及头部企业汇总

1、商业模式分析

1）TO H（医院）

医院采购算是现在最主流的落地模式，因为当影像AI产品主要针对医院的科室和医院需求。

2）TO P（患者）

对投资人来说，TO C的可爆发式增长模式无疑是更有吸引力的；企业可以通过寻找患者刚需结合医疗影像的点进行落地，比如“用电子胶片代替传统胶片”就是一个比较好的方向。

3）TO G (政府)

医疗行业是比较典型的政策导向性行业，政府近些年陆续推出了一些政策，比如智慧医疗、分级诊疗等，企业可以利用自己的技术优势支持政策的落地和实现。

4）TO M（药厂/医疗器械厂商/体检中心等合作）

传统医疗器械公司在医院有着比较好的渠道和设备优势，AI公司与医学影像存档与通信系统PACS（Picture archiving and communication system）厂商、医疗器械厂商合作，依托于其他产品，通过设备销售带货的方式获得收入。例如柏视医疗的鼻咽癌放疗临床靶区自动勾画系统已嵌入飞利浦星云探索平台。

5）TO I (保险) 

商业健康险近两年呈井喷的趋势，未来在所有保险产品和品种中，与健康相关的保险会越来越占据主流的地位。保险机构可以利用AI技术实现费用智能控制。

2、头部企业汇总

1）传统医疗器械厂商

• 通用电气医疗（上市）

• 飞利浦医疗（上市）

• 西门子医疗（上市）

• 佳能医疗（上市）

• 东软医疗（战略融资）

• 联影医疗（B轮）

2）互联网巨头

• 腾讯优图/腾讯觅影

• doctor you(阿里健康)/阿里达摩院机器智能实验室

• 百度灵医

3）医疗影像创业公司

• 汇医慧影（战略融资）

• 依图医疗（战略融资）

• 万里云（战略融资）

• 深睿医疗（C轮）

• 推想科技（D1轮）

• Airdoc(B+轮)

• 图玛深维（B轮）

• 体素科技（B轮）

• 数坤科技（C轮）

• 德尚韵兴（B轮）

• 一脉阳光（B轮）

• 健培科技（B轮）

• 翼展科技（B轮）

延伸阅读文章《团员分享_浅析医疗AI的商业模式_@lazy_yy_20200406》，详见链接：https://shimo.im/docs/qQGHg6DPt9GykqX9/

5

“医疗影像+AI”落地的短期风险和机会

1、短期风险

1）CFDA认证难

2018 年 8 月 1 日起，我国新版《医疗器械分类目录》正式生效，文件将医用软件按二类、 三类医疗器械设置审批通道，目前我们所看到的AI 产品，大多应属于第三类医疗器械。

人工智能辅助医疗影像诊断作为一个新的领域，政府也处在在探索阶段，认证难成了阻碍“影像公司+AI"公司商业化之路上的“拦路虎”。当前大部分企业采取增删诊断功能的办法，同时申报二、三类器械，多家企业已经率先获得了二类证书，但目前尚未有一款产品获得三类证书。

相信随着政策的日益完善，各公司AI产品标准数据库的建立，CFDA认证难的问题在未来几年内将会解决。

2）数据获取难

开放的数据集，是肺结节产品扎推涌现的直接原因，也为后来者提供了“弯道超车”的机会。但不是所有产品都有公开的数据集。从公开数据集、临床数据到金标准数据，难度逐渐递增。相比于三甲医院对医疗影像AI产品的需求，医疗影像AI产品捆绑医院的需求更为强烈，如何拿到医院数据对AI进行训练成为各家产品实现差异化竞争的关键。

短期内，数据获取难问题不会消失，当前各"医疗影像+AI"公司目前都是通过与医院影像科室以科研合作的形式获取数据。所以任何进入"医疗影像+AI"领域的公司必须具备一定的医院影像科"资源"，这也就不难解释为何该领域公司很多创始人或者高管都来自GPS了。

3）医生习惯不易改变

虽然现在的AI产品都标榜自己可以帮助医生节省时间、提供诊断效率等，但是对医生而言，已经习惯了原有的诊疗方式，要完全接受这种"人机结合"的诊疗方式显然还需要有一定的适应和接受过程。不过随着时间推移，相信未来的医生会逐渐习惯无处不在的AI产品。

4）影像科地位尴尬

目前市面上"医疗影像+AI"领域公司都是采取和影像科合作，而影像科作为辅助学科在医院体系中话语权不多，不如其他临床科室受重视，在采购经费申请上也相对困难一些。

2、短期机会

1）政策支持

国务出台系列政策支持医学影像行业的发展。从 2013 年到 2017 年，国务院、发改委、国家食品药品监督总局、卫计委不断出台政策支持医学影像行业的发展。针对性政策涉及：医学影像设备、独立影像中心、线上影像平台、影像信息化，包括鼓励公立医院采购国产医疗设备、扶持民营医院新增设备需求；加强医疗信息化建设基础，构建云端医疗数据库，推动医疗大数据的应用开发等；全面推进分级诊断，鼓励民营资本流入建设独立检查检验中心、远程医疗等。

国家对医疗领域提出人工智能发展要求。2016 年以来，国家对于医疗领域提出明确的人工智能发展要求，包括对技术研发的支持政策，就相关技术和产品提出健康信息化、医疗大数据、智能健康管理等具体应用，并针对医疗、健康及养老方面提出较为明确的人工智能应用方向。2017 年 7 月，国务院发布《新一代人工智能规划》，人工智能上升至国家战略层面，人工智能在医疗领域的应用有望进入新的快速发展阶段。

2）影像数据量足够大大且医生短缺

医疗数据中有超过90%的数据来自于医学影像，但是这些数据大多要进行人工分析。人工分析的缺点很明显，第一是不精确，只能凭借经验去判断，很容易误判。中国医学会的一份误诊数据资料显示，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%，如鼻咽癌、白血病、胰腺癌等，肝结核、胃结核等肺外结核的平均误诊率也在40%以上。

有数据显示，目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率约为4.1%，其间的差距是23.9%，放射科医师数量增长远不及影像数据增长。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远远超过负荷。

3）人工智能+医疗概念备受资本青睐

动脉网统计数据显示，2016 年是人工智能+医疗在国内形成投资风口的元年，有 27 家企业在 2016 年进行融资，其中 16 家企业融资金额在千万级人民币或美元以上，医疗大数据公司碳云智能融资金额高达 10 亿人民币。截至2017 年 8 月 31 日，国内 83 家企业的融资总额已经接近 42 亿人民币。

而医学影像已经成为人工智能在医疗应用最热门的领域之一。国内有 83 家企业将人工智能应用于医疗领域，其中涉足医学影像类的企业数量达到 40 家，远高于其他应用场景的企业数量。

4）AI技术的成熟

深度学习能够自动寻找特征，非常适用于“AI+ 医疗影像 ” 诊断。大量深度学习平台及框架开源降低基础算法实现的技术门槛。随着深度学习理论和工程技术体系的成熟，包括通过云服务或者开源的方式向行业输出技术，先进的算法被封装为易于使用的产品和服务。近年来，科技巨头开源了大量深度学习的工具包，例如 Google 的 TensorFlow, Facebook 的 TorchNet，微软的 CNTK 等等，这些开源包大幅降低了应用深度学习算法的难度，创业公司也可以利用这些开源包将深度学习应用到医学影像诊断领域，基础算法的实现门槛大幅降低，可更加高效的专注于应用层面的算法优化。

【引申阅读】“医疗+AI”相关的深度干货评注——

“医疗+AI”方向的现实情况（1）：《大多数医疗影像AI都躺在医院吃灰？AI医疗看似美好实际遥远》

https://shimo.im/docs/q6b8NGRWnqA1Hv0H/

“医疗+AI”方向的现实情况（2）：《IBM Watson入华囧途》

https://shimo.im/docs/WIY15r7F1pExmpLl/

“医疗+AI”方向的现实情况（3）：《九成医疗AI都在做影像，很多熬不过今年》

https://shimo.im/docs/tPCQK3rCX9YpDcQD/

----hanniman读者专属福利：简历推荐-6位AI产品经理----

《简历推荐_6位AI产品经理》

• 业务领域涉及语音交互、智能外呼、智能客服、智能硬件IoT（多模态/软硬件结合）、车联网等，目标城市主要是北京、成都、重庆、深圳等；获取简历方式，详见正文。

注：以上内容来自由黄钊hanniman建立的、行业内第一个“AI产品经理成长交流社区”，通过每天干货分享、每月线下交流、每季职位内推等方式，帮助大家完成“AI产品经理成长的实操路径”；详情可点击“阅读原文”查看。

-END-

- hanniman往期精选 -

一、AI产品分析

【重点】如何从“品类”角度做AI产品（2C）的需求定位

【重点】产品视角看智能客服

【重点】智能音箱上的语音技能市场，能否对标手机上的应用市场？

【重点】AI产品经理视角下的AI翻译机 in 旅游场景

【重点】进击的人工智能：产品视角解析“对话机器人”

【重点】如何从零开始搭建智能外呼系统

一文了解“教育+AI”方向通识（场景、产品、公司、商业模式、短期风险及机会）

现阶段实践“拿着锤子找钉子”的六个步骤

二、AI产品经理

【重点】【重磅福利】人工智能产品经理的新起点（200页PPT下载）（注：后台回复“200”，可获取PPT下载链接）

【重点】AI产品经理的定义和分类

【重点】AI产品经理的价值和未来 | 学习俞军老师分享有感

团员分享_AI小白如何拿到AI产品经理offer

深度报告 | AI新职位“人工智能训练师”

福利 | 《从互联网产品经理到AI产品经理》PPT下载及讲解（58P）

三、AI技术

【重点】AI产品经理需要了解的语音交互评价指标

【重点】语音合成TTS | AI产品经理需要了解的AI技术概念

【重点】一文看懂“语音识别ASR” | AI产品经理需要了解的AI技术概念

【重点】值得收藏 | 关于机器学习，这可能是目前最全面最无痛的入门路径和资源！

【重点】DIY面试题 for AI产品经理 | “智能音箱半夜诡异笑声”的原因分析及建议方案

【重点】“AI芯片”通识_AI产品经理看这一篇就够了

【重点】人脸识别产品设计，AI产品经理需要了解的实战干货都在这里了_团员分享_@阳春柏樰

【重点】一文看懂“声纹识别VPR” | AI产品经理需要了解的AI技术概念_团员分享_@cony

NLP基本功-文本相似度 | AI产品经理需要了解的AI技术通识

看AI产品经理如何介绍“计算机视觉”（基于实战经验和案例）

人脸识别 | AI产品经理需要了解的CV通识（二）

多目标跟踪 | AI产品经理需要了解的CV通识（三）

填槽与多轮对话 | AI产品经理需要了解的AI技术概念

AI产品经理需要了解的数据标注工作入门

语音识别类产品的分类及应用场景

四、AI行业及个人成长

【重点】【深度】工作5年以上，到底要不要进AI创业公司？

【重点】深度 | 人工智能让我们失业？不，这取决于我们自己

【重点】我们还没准备好和AI共生——柯洁和AlphaGo大战之观后感

【重点】AI产品经理视角下的V2X、车联网和自动驾驶

新技术带来产业格局周期波动的3个阶段（以智能汽车领域为例分析）

“人工智能与法律”对AI产品经理有何实际借鉴意义

稻盛和夫的这些话，是鸡汤还是干货？

跨过这十个误区，提前2年告别职场小白

【重点】如何分辨明师并遇到他 | 周日换频道（7）

---------------------

黄钊hanniman，前图灵机器人-人才战略官/AI产品经理，前腾讯产品经理，8年AI背景，11年互联网经验；垂直于“AI产品经理”的第一自媒体，微信公众号/知乎/在行ID“hanniman”；行业内第一个AI产品经理的成长交流社区-“AI产品经理大本营”的创建者（已运营3年+，活跃成员700人）；200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。