?？苹?AI 智能體，健康管理迎來關鍵躍遷

近年來，AI健康管理正經(jīng)歷一場從“被動響應”向“主動預防”的深層蝶變。

從2022年底OpenAI橫空出世，讓行業(yè)看到了大模型落地健康管理應用的可能，到2025年AI Agent的落地讓健康管理更具智能屬性，再到2026年初“龍蝦”的爆火點燃了探索本地智能體部署的火焰，技術的每一次躍遷都為健康管理的進階發(fā)展提供了堅實助力和無限的想象空間。

在這一進程中，AI健康管理早已不是“一問一答”的被動響應者，也不再是完成服務后即“消失”的單點工具，而是一個能實現(xiàn)主動交互、提供診前、診中、診后全流程管理的協(xié)作者。并且，在這一進程中，AI帶給健康管理的影響，不僅僅是簡單的功能迭代，更是一場從“被動響應”到“主動預防”的范式革命。

但是，坦白而言，時至今日，這場范式革命尚未徹底完成，數(shù)據(jù)孤島、模型可解釋性、醫(yī)院企業(yè)保司多端協(xié)同等核心挑戰(zhàn)依然待解。換言之，AI健康管理從“能用”到“好用”之間，仍有漫長的距離。

為此，由動脈網(wǎng)聯(lián)合微解藥主辦的中國創(chuàng)新醫(yī)療資產(chǎn)會客廳交易圓桌派第十九期，邀請到了樂薦健康科技集團副總經(jīng)理李嘉明與華美浩聯(lián)AI研發(fā)總監(jiān)吳雷兩位嘉賓，以“AI重構健康管理：從被動延時干預到主動瞬時預防的全鏈路創(chuàng)新”為主題，深度解構了AI健康管理這場范式革命的現(xiàn)狀、重點場景及未來發(fā)展趨勢。

01

能力躍遷：從單點被動響應工具到全流程智能助手

在AI+健康管理的融合發(fā)展歷程中，不同時期呈現(xiàn)出不同的發(fā)展重點。對此，樂薦健康科技集團副總經(jīng)理李嘉明與華美浩聯(lián)AI研發(fā)總監(jiān)吳雷在直播中分別從應用和技術兩個維度分享了各自的觀察。

李嘉明先從應用的角度梳理了AI為健康管理帶來的三項根本性變化：從“被動響應”到“主動預防”，從“單點工具”到“全鏈路滲透”，從“標準化輸出”到“個性化干預”。在他看來，這些變化的核心價值是“提效”——即用同樣的人力服務指數(shù)級增長的用戶，并可據(jù)此釋放醫(yī)護人員時間與精力，使之聚焦更為核心、更具挑戰(zhàn)的工作中。此外，借助大模型能力，企業(yè)還可提升個性化、精準化健康管理服務能力，從而提升用戶的依從性，改善服務體驗。

吳雷則從技術演進的角度，勾勒出了AI健康管理的發(fā)展脈絡：2022年GPT模型的出現(xiàn)讓健康管理行業(yè)看見了大模型助力健康管理服務發(fā)展的可能，由此掀起了大模型+健康管理的融合發(fā)展浪潮。彼時的探索多聚焦于基于數(shù)據(jù)分析的相關應用，例如報告解讀。單點、碎片化、“被動響應”仍是這一階段特征。行業(yè)約在2024年正式迎來大模型規(guī)?；涞仉A段，大模型+健康管理單點應用遍地生花，為后續(xù)全流程應用“串聯(lián)”埋下伏筆。在此之后，行業(yè)一方面開始探索健康管理全流程的智能化應用，另一方面則因AI智能體的興起著手健康管理服務從“被動響應”到“主動預警”的“改造”，進而真正實現(xiàn)全周期、全流程的主動式健康管理。

綜合兩位嘉賓的分享來看，AI正在將健康管理從一件“用戶發(fā)起、系統(tǒng)應答”的被動服務，轉變?yōu)椤跋到y(tǒng)監(jiān)測、主動干預”的持續(xù)陪伴。這不僅是技術能力的提升，更是服務邏輯的根本重構。

而除了從“被動響應”到“主動預防”，從“單點工具”到“全鏈路滲透”，從“標準化輸出”到“個性化干預”這三層結構性變化外，大模型的深化應用，還為健康管理企業(yè)帶來了一道戰(zhàn)略選擇題。

02

戰(zhàn)略“重塑”：從全科“鋪面”到專科“打點”

在AI能力大幅提升的背景下，健康管理企業(yè)面臨一個根本性的戰(zhàn)略選擇題：是做覆蓋廣泛的全科平臺，服務“所有人”的“所有健康問題”；還是聚焦特定病種，做專病管理的深度服務？

李嘉明首先亮明樂薦的判斷——從全科走向?？?，是AI健康管理發(fā)展的必然之路。因此，樂薦率先布局，推出了AI“五高”（高血壓、高血脂、高血糖、高尿酸、高體重）慢病管理系統(tǒng)，不僅可量身定制飲食方案，還可7x24小時在線分析異常數(shù)據(jù)，實時響應并干預異常情況。

樂薦選擇聚焦“五高”開展“專病”管理共有三層考量：首先是疾病關聯(lián)性——約70%的慢性病與體重超標相關，減重是慢病管理的“基礎設施”，具有“牽一發(fā)而動全身”的杠桿效應。其次是數(shù)據(jù)基礎——基于千萬級脫敏健康數(shù)據(jù)的長期沉淀，樂薦自研的天瑞啟元醫(yī)療大模型在“五高”領域的風險預警率已達到95%，為專病深耕提供了堅實的數(shù)據(jù)底座。最后是服務閉環(huán)——樂薦構建的“體檢+慢病管理+護士上門護理”的一體化鏈路，使專病管理能夠貫穿從檢測到干預再到康復的全過程，避免“有診斷無干預、有干預無跟蹤”的碎片化問題。

“從泛健康管理轉向專病精準管理，不僅是技術能力的升級，更是商業(yè)模式的進化——只有做深做透，企業(yè)才能形成真正的差異化優(yōu)勢?！崩罴蚊鞅硎?。

吳雷則在認可這一趨勢的基礎上從四個維度拆解了其間的底層邏輯。首先，臨床價值的體現(xiàn)邏輯決定了專科化的必然性。全科解決覆蓋面問題，但真正能改善用戶健康結果、降低醫(yī)療支出的，是專病層面的深度干預。其次，支付方的需求正在升級——保司、銀行、大型企業(yè)更愿意為可量化的結果付費，而非泛泛的健康建議。再次，數(shù)據(jù)采集的自然演化會“自動”推動?？苹l(fā)展。隨著服務量積累，多維數(shù)據(jù)會自然向專科維度收斂，形成正向循環(huán)。最后，用戶信任建立在可感知的結果上——血糖降了、體重輕了，遠比通用建議更有說服力。

然而，從全科到?？频霓D型并非坦途。吳雷直言，其間最大的瓶頸在于數(shù)據(jù)。專病管理需要觸及更深入的醫(yī)療數(shù)據(jù)——診斷記錄、用藥方案、檢查結果、病程演變，而這些數(shù)據(jù)高度集中于醫(yī)院和衛(wèi)健部門，院內(nèi)數(shù)據(jù)不出院是行業(yè)普遍面臨的硬約束。對此，吳雷指出，如何通過合規(guī)方式與醫(yī)院合作，在保護隱私前提下實現(xiàn)聯(lián)合建模，是當前行業(yè)需要共同探索的課題。

李嘉明則補充了另一重挑戰(zhàn)：模型的可解釋性。在全科場景下，用戶對AI的容錯度較高，但在專病場景下，AI的每一個判斷都可能與生命安全相關。這就要求AI不僅能給出結論，還能給出依據(jù)——引用了哪條臨床指南、基于哪些指標、排除了哪些鑒別診斷。李嘉明提到，樂薦在“五高”領域的實踐中，始終將“可解釋性”作為模型迭代的核心指標之一，確保用戶和醫(yī)生都能理解AI的推理過程。

03

支付破局：健康險&健康管理融合勢在必得

時至今日，“誰為健康管理付費”仍制約著行業(yè)發(fā)展。在中國醫(yī)療健康體系中，醫(yī)保主要覆蓋疾病治療；相當比例的C端用戶缺乏為健康管理付費的習慣和意識，自費意愿低；B端企業(yè)采購受到預算周期和福利政策的約束，難以形成穩(wěn)定、規(guī)模化的收入來源……對此，作為創(chuàng)新支付的商業(yè)健康險被視為破局的關鍵方向。

李嘉明從三個層面分析了將健康險作為支付方的優(yōu)勢：對C端用戶而言，其通過健康管理改善身體狀況，不僅獲得了健康收益，還能享受保費的折扣或返還，形成了正向激勵循環(huán)；對保險機構而言，健康管理有助于從“概率博弈”轉向“價值管理”。傳統(tǒng)保險的盈利模式建立在“大數(shù)定律”之上——通過精算預測賠付概率，在保費與賠付之間賺取差價。而引入健康管理后，保險公司可以主動干預用戶的健康狀況，降低疾病發(fā)生率和醫(yī)療支出，從而降低賠付率、提升盈利能力和客戶黏性；對健康管理企業(yè)而言，用戶因保費激勵而具有更高的依從性和享受服務的意愿，健康險作為支付方在一定程度上助力了健康管理企業(yè)的持續(xù)經(jīng)營。因此，“健康險和健康管理的融合是必然趨勢，對用戶、保險機構、健管機構是三贏局面?！崩罴蚊骺偨Y道。

但融合之路遠非坦途。吳雷指出了兩大現(xiàn)實挑戰(zhàn)：第一，商業(yè)健康險滲透率仍然偏低，覆蓋力度仍有待加強，且許多用戶對商業(yè)健康險的認知仍停留在“重疾險”“百萬醫(yī)療險”等傳統(tǒng)產(chǎn)品上，對“保險+健康管理”的新型產(chǎn)品缺乏了解；第二，數(shù)據(jù)壁壘仍舊存在。保司有嚴格的投保和核保制度，醫(yī)院有醫(yī)療數(shù)據(jù)合規(guī)要求，健康管理企業(yè)作為中間協(xié)調(diào)方，動態(tài)調(diào)整空間有限。這可能導致健康管理效果欠佳。

面對這些挑戰(zhàn)，行業(yè)正在探索多種破局路徑。一是在數(shù)據(jù)互通方面，通過聯(lián)邦學習、隱私計算等技術，實現(xiàn)“數(shù)據(jù)不動模型動”的聯(lián)合建模，在不泄露原始數(shù)據(jù)的前提下實現(xiàn)價值共創(chuàng)；二是在體系共建方面，探索“按效果付費”“風險共擔”等新型合作模式，深化保司、醫(yī)院、健康管理企業(yè)合作關系；三是在支付創(chuàng)新方面，推動將健康管理服務納入醫(yī)?；蛏瘫５闹Ц赌夸?，爭取政策層面的制度突破。這些探索雖然尚處早期，但方向已經(jīng)明確。

04

未來趨勢：智能體爆發(fā)、分層服務出現(xiàn)與邊界拓展

當AI+健康管理持續(xù)演進，吳雷和李嘉明對AI健康管理的未來發(fā)展趨勢，例如產(chǎn)品形態(tài)、技術邊界、社會價值等也給出了各自判斷。

在產(chǎn)品形態(tài)方面，吳雷認為，未來1-2年內(nèi)，專病AI Agent將迎來集中爆發(fā)，大量垂直領域產(chǎn)品會在市場上快速出現(xiàn)。這些Agent將覆蓋篩查、預警、干預、隨訪等多個方面。

與此同時，李嘉明表示，在以往，通過降低健康知識的信息差和醫(yī)療健康的資源差，AI讓更多人能夠平等獲取基礎健康服務。這正是AI完成健康管理落地價值前半場驗證的信號。而在下半場，服務分層體系將自然形成——免費的基礎版滿足大眾日常咨詢需求，付費的專業(yè)版提供深度干預和管理，高端的VIP版結合人工專家和專屬服務。這種分層不是“富人享受更好的服務”的簡單分化，而是通過AI降低邊際成本，讓基礎服務能夠覆蓋更廣泛的人群，同時為有深度需求的用戶提供更高價值的服務。

最后，兩位嘉賓指出了未來值得關注的幾大發(fā)展方向：其一是康復養(yǎng)老與具身智能的融合。隨著具身智能機器人的發(fā)展，康復養(yǎng)老這一長期處于邊緣的領域將迎來新的技術變量。其二是中醫(yī)數(shù)字化重構。中醫(yī)幾千年的經(jīng)驗主義和非標準化特征，在大模型時代反而具備了被重新編碼的可能，典籍、醫(yī)案、方劑正是大模型可以學習的富礦。其三是AI從虛擬環(huán)境走向物理世界的探索。未來的AI健康管理不僅局限于手機App，還將聯(lián)動自動化檢驗設備、可穿戴硬件甚至手術機器人，實現(xiàn)從“預問診”到“預檢驗”再到“預干預”的端到端自動化流程，極大提升服務效率和用戶體驗。

總的來看，從單點工具到全流程智能助手，從被動響應到主動預警，從全科到?？啤?strong>2026年，AI健康管理站在了從“能用”邁向“好用”的關鍵路口。技術的可能性已經(jīng)打開，而產(chǎn)業(yè)生態(tài)的適配、數(shù)據(jù)的打通……，將決定這場變革的最終深度。

如果您想對接文章中提到的項目，或您的項目想被動脈網(wǎng)報道，或者發(fā)布融資新聞，請與我們聯(lián)系；也可加入動脈網(wǎng)行業(yè)社群，結交更多志同道合的好友。

聲明：動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權為動脈網(wǎng)及相關權利人專屬所有或持有。未經(jīng)許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認。