文：董指導(dǎo)

前段時間，螞蟻阿福大規(guī)模宣傳的時候，我其實(shí)有點(diǎn)不理解。

不是這個業(yè)務(wù)不行，而是國內(nèi)也沒有對手，如此規(guī)模的宣傳，是否有必要。都沒有假想敵，演練什么呢。

結(jié)果，沒幾天，OpenAI也在ChatGPT里增加了健康模式（Health），谷歌也要再次發(fā)力健康（谷歌對于健康一直念念不忘）。

那么，AI+健康，是不是好方向？有哪些機(jī)遇和難點(diǎn)？

1、AI健康的to B

AI在to B領(lǐng)域的應(yīng)用，已經(jīng)相對成熟了。用AI看影像，效率高、準(zhǔn)確率高；用AI做藥物研發(fā)、發(fā)現(xiàn)新藥物，也已經(jīng)是熱門應(yīng)用。谷歌AlphaFold也越來越出色。

所以，to B的應(yīng)用是毋庸置疑的。接下來主要聊聊to C。

2、AI健康to C的機(jī)遇

傳統(tǒng)醫(yī)療面臨著“不可能三角”：低成本、高質(zhì)量（專家水平）、高可及性（隨時隨地）。

AI 健康會帶來一些改變。

A、專家預(yù)診

比如之前我治療幽門螺桿菌，第一次沒經(jīng)驗，花了兩百多掛了專家號，排隊了兩個小時，結(jié)果進(jìn)去一分多鐘就結(jié)束了。出了診室才想起來，為什么不多問問專家。

而如果有了AI健康，那么就可以在就診之前，先多了解一些。也許就知道其實(shí)不用掛專家號，大家的方法都差不多。

從這個角度看，AI 健康，其實(shí)是給普通人多一些預(yù)診信息，不至于一頭霧水、或者遇到一些專業(yè)名詞也沒時間搞清楚。一定程度解決醫(yī)療資源的錯配問題，讓輕癥不出門，重癥不耽誤。

當(dāng)然，這一點(diǎn)，和傳統(tǒng)搜索差不多。但是，因為阿福等產(chǎn)品，用了更專業(yè)的數(shù)據(jù)庫，所以效果會更好一些。而且多模態(tài)技術(shù)，支持看圖、看片、語音輸入等方式，使用便捷性也更高。

另外，有些醫(yī)生，也可以基于大模型結(jié)合自己的數(shù)據(jù)，訓(xùn)練更專業(yè)領(lǐng)域的大模型，讓患者先和模型交流，節(jié)省一些預(yù)診精力。

所以，整體來說，解決了 成本+質(zhì)量+高可及性的預(yù)診。但是，對于需要實(shí)際診療的資源而言，影響不大。

B、個性化健康管理

這一點(diǎn)才是AI 健康最有機(jī)會和想象空間的。畢竟，健康和醫(yī)療還不太一樣。健康是一個長期關(guān)注、維護(hù)的，而不是像疾病一樣“出事兒才想到”。

市面也有不少手環(huán)之類，但傳統(tǒng)的健康建議是通用的（“多喝水”、“少熬夜”、“沒睡好”），用處不大（就像睡沒睡好自己還能不知道嗎）。

所以，健康對于C端用戶而言，會有兩個痛點(diǎn)：一是個性、精準(zhǔn)；二是隱私（比如有些狀況，甚至也不愿意讓醫(yī)生知道，而希望自己能解決）。

而AI則有機(jī)會給出個性化建議。

比如，它不再說“少吃糖”，而是說：“根據(jù)你剛才吃的那個甜甜圈和你現(xiàn)在的血糖反應(yīng)，建議你立刻快走15分鐘。

不再是通用的健身教練，而是根據(jù)你昨晚的睡眠質(zhì)量，動態(tài)調(diào)整今天的訓(xùn)練強(qiáng)度。

對于模型廠商而言，痛點(diǎn)是數(shù)據(jù)。如何采集到用戶真實(shí)的數(shù)據(jù)。

所以，僅有一個應(yīng)用，是不夠的。還需要有硬件端能夠采集到實(shí)時的、真正的數(shù)據(jù)。這也是谷歌為什么一直希望做出可穿戴設(shè)備、記錄用戶健康數(shù)據(jù)的原因。

以我自己為例，如果能早一點(diǎn)知道腰部壓力已經(jīng)很大了，早點(diǎn)有對應(yīng)的措施，也許就不會等到腰間盤突出了才想起來鍛煉。

從應(yīng)用場景而言，健康經(jīng)營，一直是個好方向，但未必是一個好的商業(yè)賽道。

3、AI健康的問題

A、核心壁壘

在沒有AI之前，我一般會下載默沙東健康詞典，有時候會對應(yīng)看看問題。大部分健康醫(yī)療問題，都是有標(biāo)準(zhǔn)化數(shù)據(jù)的。

從這個角度而言，如果數(shù)據(jù)庫不是排他、獨(dú)享的，那么其他模型要追趕并不難。也就意味著，從能力角度，壁壘不高。

B、如何從咨詢預(yù)診跨越到診斷

大模型是概率預(yù)測，也就意味著幻覺，是一個數(shù)學(xué)問題，幾乎無法避免。如果用戶因為聽從了AI的建議，而遭受健康損傷，該如何界定責(zé)任？

所以，大部分C端應(yīng)用也只能做健康咨詢，不敢也不能介入醫(yī)療診斷。

而如果不介入醫(yī)療診斷，也就意味著，還是不能解決醫(yī)療最核心的痛點(diǎn)。

C、商業(yè)化難點(diǎn)

中美健康管理是有一定差異的。美國醫(yī)療費(fèi)用的高昂，導(dǎo)致健康管理也具備一定的商業(yè)化基礎(chǔ)。用戶愿意付費(fèi)來管理健康，避免疾病的重大支出。

而國內(nèi)，健康管理的意識、付費(fèi)的意愿，相對都比較低。所以，付費(fèi)難度較大。

D、使用頻率

如果是疾病預(yù)診、咨詢，對于單個用戶而言，其實(shí)是一個很低頻的應(yīng)用工具。低頻，也就意味著商業(yè)化方式更少了。

健康管理是一個高頻場景，但缺少硬件介入、缺少日常更新的數(shù)據(jù)，也會導(dǎo)致成為一個低頻的場景。

E、用戶獲得感

知道不等于做到。即使一位真實(shí)醫(yī)生告訴你，要減肥、要鍛煉某個部位，用戶未必都會聽。更何況是一個AI。

也許過不了一周，用戶就會關(guān)掉AI的每日提醒、互動。所以，如何設(shè)計產(chǎn)品，讓用戶真的愿意用、愿意聽，更加核心。

整體而言，面向C端的AI健康/醫(yī)療，在國內(nèi)，依然是叫好不叫座。其公益性的社會意義也許更大。

比如，可以幫助三四線的醫(yī)生，作為他們的助理，來看病，提高醫(yī)生的知識儲備、以及工作效率。

對于產(chǎn)品而言，能在細(xì)分領(lǐng)域，獲得用戶認(rèn)可、也讓用戶有獲得感，也許比通用型，更有效。

---全文完，歡迎交流

理工/金融 復(fù)合背景

暢銷書《英偉達(dá)之道》譯者

百億私募/頭部自媒體 雙重經(jīng)歷

看清科技、商業(yè)本質(zhì)，講出精彩故事