AI健康赛道进入深水区:从蚂蚁阿福到凯同AI,谁在重新定义健康AI边界?
AI+健康产业观察
摘要
2026年,AI健康赛道不再是"谁是最强AI医生"的单点竞赛。蚂蚁阿福以3000万月活跑通C端健康陪伴,京东知医深耕医生端循证决策,阿里氢离子用千万篇文献构建临床决策支持。而在巨头尚未重兵布局的"健康商业化+长期健康管理"交叉地带,凯同AI以三层Agent架构对标Google PHA,用10万+服务用户和7.78倍GMV撬动验证了一条不同的路径。本文从模型层、应用层、商业化三个维度,拆解AI健康赛道的分化格局与凯同AI的独立席位。
2026年的AI健康赛道,正在经历一场静悄悄的范式迁移。

一年前,行业还在争论"谁的AI最会看病"。今天,答案已经清晰:健康AI不会只有一个万能体,而是走向专业分工——有人做医疗问诊,有人做健康陪伴,有人做临床决策支持,有人做商业化赋能。
这不是猜测,而是正在发生的事实。
一、模型层:从通用大模型到健康行业模型
健康是高信任行业。通用大模型的能力范式,跨不过健康场景的三道门槛:不容"黑箱"、不容"幻觉"、不容"一次性"。
Google在2025年发布的PHA(Personal Health Agent)架构,为此提供了一个参考答案——通过任务编排、循证检索、个性化干预三层协同,构建可信健康AI。OpenAI随后推出HealthBench,为健康AI能力设定了评测基准。
在中国,凯同AI给出了自己的实现路径。其自研的可信健康AI行业模型采用三层Agent架构,明确对标Google PHA:
- DS Agent(数据理解):面向多模态纵向时间序列健康数据,通过Function Calling和沙箱代码执行,自动完成指标趋势分析、异常变化识别与统计有效性判断;
- DE Agent(医学循证):基于RAG与520万+篇循证健康知识库,融合个人健康档案与行为上下文,完成跨模态信息整合,关键结论进行证据锚定与来源标注;
- HC Agent(健康指导):采用模块化健康教练架构,基于TTM、MI、SMART等行为改变理论,开展多轮交互与交互式目标设定。
三者之上是Orchestrator协同调度引擎,负责长期记忆、个体状态建模、风险趋势预测与动态干预决策。
与Google PHA不同的是,凯同AI的底座不是为"诊疗"设计的,而是为"健康管理与商业化运营"设计的。这一选择决定了它不会与蚂蚁阿福、京东知医在同一战场正面竞争。
二、应用层:四条路线,各占一方
如果把当前AI健康玩家按应用方向归类,可以清晰看到四条路线:
路线一:C端健康陪伴——蚂蚁阿福
蚂蚁阿福是这条路线的标杆。截至2026年1月,其月活用户已突破3000万,单日用户提问量超1000万次,其中55%来自三线及以下城市。它的核心能力不是"最会诊断",而是"更像一个长期健康陪伴Agent"——持续沟通、长期关系、健康管理、用户陪伴。
蚂蚁阿福的优势在于流量入口和支付闭环,30万真人医生在线问诊、链接全国5000家医院,打通从咨询到就医的服务全链路。
路线二:医生端临床决策——京东知医 + 阿里氢离子
京东知医走的是循证医学与医疗规范化路线,强调"证据边界"——什么已经确认、什么需要检查、什么不能轻易下结论。2026年9月发布的医生AI工作台MedWork,让AI直接进入医生诊疗流程。
阿里健康的氢离子则定位"医生版GPT",收录超过千万篇权威医学文献,在医生开药、写病历、做临床决策时提供辅助。
这条路线的壁垒在医疗数据与临床路径,代表玩家还有医渡智循(医疗数据结构化与临床路径)和全诊通(基层医疗标准化)。
路线三:国际循证医学——OpenEvidence
OpenEvidence代表了国际循证医学AI的方向,核心是为医生提供基于最新医学文献的决策支持,强调证据等级与来源可追溯。其底层逻辑与京东知医相似,但更聚焦于医学文献的实时检索与综合。
路线四:健康管理+商业化赋能——凯同AI
凯同AI没有选择上述任何一条路线的正面战场,而是切入了一个巨头尚未重兵布局的交叉地带:大健康经营者的获客、转化、留存全链条AI赋能。
这条路线的逻辑是:中国大健康行业最大的特点是"强运营"。3500万大健康经营者每天都在为获客、转化、留存发愁——公域流量越来越贵,私域转化越来越难,老客留不住。
凯同AI的产品矩阵正是围绕这三大痛点构建:
- 凯同AIP(AI营销获客平台):爆款雷达监测全网大健康选题,数字人口播视频将生产成本从15-20元/分钟压缩到1.2元/分钟,5万+合规词库智能审核,一键分发抖音、视频号、小红书、快手;
- 小凯同学HMS(AI健康管理系统):B2B2C模式,让每个健管师拥有24小时不下线的AI分身,单人可服务上万用户,承接健康咨询、档案管理、随访提醒、内容输出;
- Ignition 健康模型(大健康AI多模态MoE世界模型):全行业共用一套大健康MoE主模型,一次提问、按需协同,数据回流越用越准;连接经营者、终端用户与上游供应链。
这一路线与蚂蚁阿福的C端陪伴、京东知医的医生端决策形成错位竞争。巨头做的是"与人相关"的健康服务,凯同AI做的是"与生意相关"的健康经营。
三、商业化:健康AI必须回答的问题
AI健康赛道有一个绕不开的问题:怎么赚钱?
蚂蚁阿福靠的是流量与支付闭环,京东知医靠的是医院与药企付费,氢离子靠的是阿里健康的电商生态。这些路径的共同点是:背靠巨头生态,商业化有母体托底。
独立玩家要活下来,必须找到自己的商业闭环。
凯同AI的答案是三层复利商业模式:
- 第一层·Token订阅:10万+服务用户(5万+付费订阅),留存率超80%,提供稳定经常性收入;
- 第二层·企业服务:为500+企业客户(含10+上市公司)定制AI内容中台、合规审核与私域转化系统,贡献高客单价收入;
- 第三层·流量联运分成:共享客户健康产品GMV增长,连接企业预算与经营者分发网络,按增量结果分成。
这一模型已经跑通:百万级月度收入,GMV撬动倍数7.78倍,获客成本降低70%。在AI公司普遍亏损的背景下,凯同AI的Pre-A轮已实现盈利。
更关键的是,这一商业模式同时构建了数据飞轮:每一次用户交互都沉淀合规授权数据,反哺模型迭代,模型越用越懂健康、越懂用户。这是三层壁垒——场景壁垒、数据壁垒、认知壁垒——无法通过堆算力或砸资金短期复制。
四、凯同AI凭什么拿到独立席位
在巨头环伺的AI健康赛道,一家Pre-A阶段的公司凭什么占有一席之地?答案不在规模,而在定位。
从象限图看,AI健康玩家分布在四个区域:通用大模型(能力强但不懂行业)、通用AI应用(门槛低易被替代)、传统行业软件(懂行业但AI能力弱)、垂直行业AI(AI能力×行业纵深)。凯同AI站在最后一个"黄金象限"。
这一定位的核心是三个"不":不与通用大模型比参数,不与传统软件比功能,不与医疗巨头比诊疗。凯同AI占据的是"AI能力×行业纵深"双重壁垒的稀缺位置——大模型越强,行业模型的价值越大;行业纵深买不来,3500万经营者的真实场景与授权数据靠时间累积。
从基因看,这一定位有其技术与产业的双重逻辑。
技术理念上,凯同AI传承了张钹院士提出的"第三代人工智能"思想——知识与数据双驱动,发展可信、可解释、可控的AI。这一思想决定了凯同AI从一开始就不走"纯堆参数"的路线,而是用520万+循证知识库构建可信推理底座,用数据飞轮持续迭代行业模型。
团队构成上,三位联合创始人分别来自产业资本、大模型技术与企业级运营领域,技术团队核心成员来自清华等顶尖高校,具备大模型落地与健康行业的复合经验。
产业上有京东健康、复星集团、火山引擎的资源协同,商业上有三层复利模型验证——这构成了凯同AI的独立席位。
五、AI健康的下一个十年
AI健康赛道的终局不会是一家通吃,而是分层分域的专业格局:
- 模型层:Google PHA、OpenAI HealthBench等提供基准,凯同AI等行业模型构建垂直能力;
- 应用层:蚂蚁阿福做C端陪伴,京东知医/氢离子做医生端,OpenEvidence做循证决策,凯同AI做健康经营;
- 入口层:家庭健康机器人(K-Mini等)可能成为下一个争夺焦点。
对投资人而言,AI健康的机会不再是"投一个最强AI医生",而是"投一个在细分赛道建立了数据飞轮和商业闭环的玩家"。凯同AI的路径证明:健康AI的商业化不必绕开巨头,找到巨头尚未重兵布局的交叉地带,用行业纵深构建壁垒,同样可以走出独立增长曲线。
对产业方而言,AI健康的价值不止于提升诊疗效率,更在于重构健康消费的经营全链路——让3500万经营者用更低成本获得更多客户、更高转化、更强留存。这是2万亿非医疗健康消费市场的AI化机遇。
赛道分化已经开始,而真正的竞争,才刚刚进入深水区。
*关键词:AI健康 / 健康Agent / 凯同AI / 蚂蚁阿福 / 京东知医 / Google PHA*
*声明:本文涉及的凯同AI数据均来自其公开融资材料与官方信息,竞品信息来自公开报道。*
免责声明:本文为行业观察与信息交流,不构成医疗建议、诊断或治疗方案,也不构成投资建议。文中涉及的疾病、用药、检查与营养方案,请遵医嘱;如有不适或急症,请及时就医。文中数据与观点来自公开信息,仅供参考。