大厂医疗AI困局：为何“卷”向减重场景？
在医疗健康与大模型的融合浪潮中，一个明显的趋势正在浮现：曾经被视为“高门槛、低频次”的严肃医疗领域，正被互联网巨头们以“减重”这一细分场景作为突破口，进行密集的战术布局。这不仅仅是因为肥胖率的上升带来了巨大的市场需求，更深层的原因在于，对于依赖用户粘性和数据积累的AI应用而言，减重提供了一个难得的、兼具高频互动与长周期陪伴的特质场景。
破局低频：以高频场景重构用户心智
医疗行为本质上是低频的。大多数人在非紧急情况下，极少主动打开健康管理应用进行深度交互。然而，AI大模型的训练与优化、商业模式的验证，都极度依赖持续的用户活跃度和海量的行为数据。这就构成了一个典型的悖论：如何用低频的医疗服务，去支撑高频的AI模型迭代和用户留存？
答案指向了“减重”。与控糖、慢病管理或孕期护理相比，减重具有显著的“全民性”和“视觉反馈即时性”。体重数值的每日波动、饮食摄入的即时记录，构成了天然的互动闭环。蚂蚁集团近期宣布投资薄荷健康，持股比例超过28%，成为其最大外部股东，这一动作并非孤立事件。在此之前，蚂蚁旗下的“阿福”APP已发起“科学减重1亿斤”活动，通过低价体脂秤硬件引流；京东健康推出了“减重大赛”并赠送血糖仪；腾讯健康则联手辉瑞，利用AI提供全阶段个性化服务。
这些动作背后的战略意图清晰可见：大厂们正在争夺国民级AI健康入口的“入场券”。据官方披露，蚂蚁“阿福”APP用户体量已达1亿，日均咨询量超千万。但面对豆包、DeepSeek等通用大模型的竞争，单纯的知识问答无法形成护城河。唯有将AI能力深度绑定到“吃”与“动”的具体场景中，通过高频的日常记录与干预，才能将泛流量转化为高粘性的健康资产。
数据壁垒：薄荷健康的“护城河”效应
在众多竞品中，蚂蚁为何独选薄荷健康？核心在于其长期积累的数据壁垒和成熟的商业化闭环能力。
薄荷健康成立于2008年，拥有超过2亿用户和160万条食物数据条目。这一数据库并非简单的静态表格，而是基于中餐复杂烹饪方式的动态更新体系，维护成本极高，构成了强大的行业门槛。对于AI模型而言，精准的食物卡路里识别和营养分析，是提供个性化减重方案的前提。
金雨茂物投资人张明指出，薄荷健康已不再仅仅是早期的“电商带货”平台，而是演变为具备严肃医疗整合能力的健康管理机构。其核心优势体现在两个维度：一是C端积累的真实用户行为数据，涵盖了饮食记录、减重方案执行反馈等全链路信息；二是B端数据输出能力。薄荷健康 recently 发布了面向B端企业的AI平台“薄荷科学.AI”，通过API和SDK向智能硬件、医疗机构输出食物数据库能力。
这种B2B2C的模式，恰好补齐了蚂蚁在特定垂直领域的数据短板。目前，“阿福”APP内的拍照识图功能已调用薄荷健康的数据库，实现了底层能力的无缝对接。这种基于长期信任基础上的战略合作，比单纯的流量采买更具可持续性和稳定性。
GLP-1风口下的严肃医疗转型
减重赛道的另一个关键变量，是GLP-1类减重药物（如司美格鲁肽）在国内的上市与走红。这一药物革命性地将减重从“生活方式干预”推向了“严肃医疗干预”层面。
薄荷健康对此反应迅速。早在2022年，该公司便取得互联网医院牌照，具备开方资质，并着手搭建与公立医院内分泌科、私立医疗机构的合作网络。数据显示，2024年底至2025年初，累计有超40万人在平台咨询或使用GLP-1药物，其中3.5万用户预约了“药物+生活干预”的组合方案。2025年，其体重管理相关营收已达18亿元，其中60%来自付费会员。
这一数据揭示了一个重要的行业变迁：单一的饮食记录或代餐电商已无法满足用户日益专业化的需求。用户需要的是一套涵盖“药物评估-处方开具-生活方式干预-长期随访”的完整医疗服务链。薄荷健康通过整合医生资源、CRO公司及创新药企，正在构建这一闭环。
对于大厂而言，投资这样的标的，意味着快速获得了切入严肃医疗领域的“软着陆”通道。相比之下，若重新自建医生团队和数据标准，不仅周期漫长，且合规风险高昂。通过并购或战略入股，既能快速获取资质与团队，又能利用大厂的流量优势放大其服务规模，是一种高效的资源优化配置。
挑战与未来：从“工具”到“伙伴”的跃迁
尽管前景广阔，但减重AI的落地仍面临严峻挑战。首先是服务深度的问题。目前市面上的减重产品，大多仍停留在“记录-反馈”的工具层面，缺乏真正的情感支持和行为心理学介入。AI如何从冷冰冰的数据分析师，转变为有温度的健康伙伴，是提升用户粘性的关键。
其次是商业模式的可持续性。虽然付费会员和电商销售贡献了主要收入，但在激烈的市场竞争中，低价策略容易陷入内卷。如何证明AI干预带来的健康收益优于传统方法，从而支撑更高的客单价，是行业需要共同探索的课题。
此外，数据隐私与安全也是不可忽视的红线。减重数据涉及个人的身体状况、饮食习惯甚至心理状态，属于高度敏感的个人隐私。如何在利用数据优化算法与保护用户隐私之间找到平衡点，考验着企业的技术实力与伦理底线。
展望未来，减重场景或许只是AI医疗落地的“试验田”。正如张明所言，体重管理中的运营经验具有借鉴意义，但不同健康场景（如睡眠、慢病）存在显著差异，不能简单复制。随着大模型在多模态识别、情感计算方面的进步，未来AI健康应用将更加注重“千人千面”的深度定制，从单纯的指标监控，转向全方位的生活习惯重塑。
在这场关于用户留存的长跑中，谁能为用户提供长期、有效且温暖的健康陪伴，谁才能真正赢得市场。大厂们的“卷”，最终卷出的将是医疗服务效率的提升与国民健康水平的改善，而不仅仅是商业版图的扩张。