專科化+AI 智能體，健康管理迎來關鍵躍遷

近年來，AI健康管理正經歷一場從“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，而是一個能實現主動交互、提供診前、診中、診后全流程管理的協作者。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，數據孤島、模型可解釋性、醫院企業保司多端協同等核心挑戰依然待解。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，由動脈網聯合微解藥主辦的中國創新醫療資產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理李嘉明與華美浩聯AI研發總監吳雷兩位嘉賓，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新”為主題，深度解構了AI健康管理這場范式革命的現狀、重點場景及未來發展趨勢。

01

能力躍遷：從單點被動響應工具到全流程智能助手

在AI+健康管理的融合發展歷程中，不同時期呈現出不同的發展重點。對此，樂薦健康科技集團副總經理李嘉明與華美浩聯AI研發總監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級增長的用戶，并可據此釋放醫護人員時間與精力，使之聚焦更為核心、更具挑戰的工作中。此外，借助大模型能力，企業還可提升個性化、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健康管理的發展脈絡：2022年GPT模型的出現讓健康管理行業看見了大模型助力健康管理服務發展的可能，由此掀起了大模型+健康管理的融合發展浪潮。彼時的探索多聚焦于基于數據分析的相關應用，例如報告解讀。單點、碎片化、“被動響應”仍是這一階段特征。行業約在2024年正式迎來大模型規模化落地階段，大模型+健康管理單點應用遍地生花，為后續全流程應用“串聯”埋下伏筆。在此之后，行業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“用戶發起、系統應答”的被動服務，轉變為“系統監測、主動干預”的持續陪伴。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，還為健康管理企業帶來了一道戰略選擇題。

02

戰略“重塑”：從全科“鋪面”到專科“打點”

在AI能力大幅提升的背景下，健康管理企業面臨一個根本性的戰略選擇題：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——從全科走向專科，是AI健康管理發展的必然之路。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，不僅可量身定制飲食方案，還可7x24小時在線分析異常數據，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“牽一發而動全身”的杠桿效應。其次是數據基礎——基于千萬級脫敏健康數據的長期沉淀，樂薦自研的天瑞啟元醫療大模型在“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據底座。最后是服務閉環——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，更是商業模式的進化——只有做深做透，企業才能形成真正的差異化優勢。”李嘉明表示。

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、大型企業更愿意為可量化的結果付費，而非泛泛的健康建議。再次，數據采集的自然演化會“自動”推動專科化發展。隨著服務量積累，多維數據會自然向專科維度收斂，形成正向循環。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，從全科到專科的轉型并非坦途。吳雷直言，其間最大的瓶頸在于數據。專病管理需要觸及更深入的醫療數據——診斷記錄、用藥方案、檢查結果、病程演變，而這些數據高度集中于醫院和衛健部門，院內數據不出院是行業普遍面臨的硬約束。對此，吳雷指出，如何通過合規方式與醫院合作，在保護隱私前提下實現聯合建模，是當前行業需要共同探索的課題。

李嘉明則補充了另一重挑戰：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——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”仍制約著行業發展。在中國醫療健康體系中，醫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端企業采購受到預算周期和福利政策的約束，難以形成穩定、規模化的收入來源……對此，作為創新支付的商業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；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”。傳統保險的盈利模式建立在“大數定律”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，降低疾病發生率和醫療支出，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的持續經營。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。”李嘉明總結道。

但融合之路遠非坦途。吳雷指出了兩大現實挑戰：第一，商業健康險滲透率仍然偏低，覆蓋力度仍有待加強，且許多用戶對商業健康險的認知仍停留在“重疾險”“百萬醫療險”等傳統產品上，對“保險+健康管理”的新型產品缺乏了解；第二，數據壁壘仍舊存在。保司有嚴格的投保和核保制度，醫院有醫療數據合規要求，健康管理企業作為中間協調方，動態調整空間有限。這可能導致健康管理效果欠佳。

面對這些挑戰，行業正在探索多種破局路徑。一是在數據互通方面，通過聯邦學習、隱私計算等技術，實現“數據不動模型動”的聯合建模，在不泄露原始數據的前提下實現價值共創；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、醫院、健康管理企業合作關系；三是在支付創新方面，推動將健康管理服務納入醫保或商保的支付目錄，爭取政策層面的制度突破。這些探索雖然尚處早期，但方向已經明確。

04

未來趨勢：智能體爆發、分層服務出現與邊界拓展

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

在產品形態方面，吳雷認為，未來1-2年內，專病AI Agent將迎來集中爆發，大量垂直領域產品會在市場上快速出現。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展方向：其一是康復養老與具身智能的融合。隨著具身智能機器人的發展，康復養老這一長期處于邊緣的領域將迎來新的技術變量。其二是中醫數字化重構。中醫幾千年的經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、醫案、方劑正是大模型可以學習的富礦。其三是AI從虛擬環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，還將聯動自動化檢驗設備、可穿戴硬件甚至手術機器人，實現從“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，從全科到專科——2026年，AI健康管理站在了從“能用”邁向“好用”的關鍵路口。技術的可能性已經打開，而產業生態的適配、數據的打通……，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報道，或者發布融資新聞，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

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