大厂医疗AI扎堆减重：低频场景下的用户留存与商业闭环突围战
医疗AI的“高频”突围：为何是减重？
在医疗健康这一传统被视为低频、高门槛的赛道中，互联网大厂正经历着一场深刻的战略转向。过去几年，AI医疗的想象空间往往集中在辅助诊断、影像识别等严肃医疗环节，但这些场景面临着用户访问频率低、决策周期长、商业化路径漫长的天然制约。为了打破这一僵局，寻找能够持续沉淀用户数据、维持高频互动的切入点，各大科技巨头不约而同地将目光锁定在了“减重”这一看似非严肃、实则具备极强普适性与刚需属性的领域。
这种战略选择并非偶然，而是基于对用户行为心理学和商业转化效率的精准计算。减重不仅是国民级的健康焦虑，更是一个涉及饮食记录、运动监测、心理干预、药物咨询乃至手术管理的长周期过程。它天然具备高频互动的属性，能够承接各类健康管理服务，为AI模型提供持续的数据喂养，同时为后续的电商转化、会员付费及严肃医疗对接提供广阔的场景。在这场关于用户留存的试探中，减重场景正成为检验各大厂AI落地能力的新试金石。
巨头入场：从流量焦虑到生态闭环
近期，蚂蚁集团宣布成为薄荷健康最大外部股东，持股比例超28%，这一动作被视为大厂深耕医疗AI的重要信号。薄荷健康拥有超2亿用户和160万条食物数据条目，其核心价值不仅在于用户规模，更在于其多年积累的精细化饮食管理数据和高粘性的用户社群。对于蚂蚁而言，这次投资并非简单的财务行为，而是对其健康战略“第三条桌子腿”的关键补强。
蚂蚁旗下的“阿福”APP作为其健康板块的核心产品，虽已拥有1亿用户和日均千万级的咨询量，但在通用大模型如豆包、DeepSeek的强势挤压下，如何让用户从“偶尔使用”转变为“日常依赖”，是亟待解决的难题。通过引入薄荷健康的食物数据库和减重管理体系，“阿福”得以在拍图识别卡路里等具体场景中嵌入专业内容，从而提升用户的调用频率和粘性。这种“AI入口+专业场景内容”的合作模式，旨在构建一个难以被通用模型轻易替代的垂直护城河。
与此同时，其他大厂也在加速落子。京东健康发起“减重大赛”，通过奖金激励和硬件赠送（如血糖仪）吸引用户参与，意在打通“监测-管理-干预”的产品链条；腾讯健康则选择与辉瑞等药企合作，利用AI提供覆盖体重管理全周期的个性化服务。这些动作表明，大厂们正在通过资本、技术、渠道的多维整合，试图在减重这一细分赛道中跑通可复制的商业闭环。
数据壁垒：薄荷健康的“护城河”逻辑
在众多竞争者中，薄荷健康之所以能引起大厂青睐，核心在于其独特的数据壁垒和服务深度。与众多仅停留在工具层面或电商带货阶段的减重App不同，薄荷健康在过去二十年间，逐步构建起了以“食物数据库”为核心的底层能力。中餐种类繁多、烹饪方式复杂，精确记录和计算每一餐的热量及营养成分，是一项极具挑战性的工程。薄荷健康通过长期的用户贡献和内容运营，建立起了业内罕见的高精度食物数据库，这构成了其难以被竞争对手快速复制的技术壁垒。
此外，薄荷健康在严肃医疗领域的布局也为其增添了厚重感。公司早在2022年就获得了互联网医院牌照，具备了开方资质，并与多家公立医院内分泌科及私立医疗机构建立了合作关系。这种“轻咨询+重医疗”的结合，使其能够为用户提供从日常饮食建议到GLP-1药物咨询的一站式服务。据数据显示，2024年底至2025年初，超过40万用户在平台上咨询或使用了GLP-1类药物，这一数字背后折射出减重服务向医疗化、专业化转型的巨大潜力。
AI赋能：从工具到平台的能力跃迁
AI技术的引入，正在重塑减重管理的效能与边界。薄荷健康推出的“AI体管师”功能，并非简单的问答机器人，而是基于海量行为数据和食物数据库训练出的个性化干预引擎。它能够根据用户的饮食记录、体重变化、运动情况等多维数据，动态调整减重方案，提供更具针对性和时效性的建议。这种千人千面的服务体验，极大地提升了用户的管理效率和依从性。
更重要的是，薄荷健康正在将其AI能力从C端向B端输出。通过发布“薄荷科学.AI”平台，公司向智能硬件制造商、健康类互联网产品及医疗机构提供API接口和定制化解决方案。这意味着，薄荷健康不再仅仅是一个面向消费者的App，而是正在演变为一套底层的健康数据与算法基础设施。对于大厂而言，整合这样一套成熟的B端服务能力，能够迅速补齐自身在垂直领域的数据和技术短板，加速生态闭环的形成。
GLP-1风口：严肃医疗与生活方式的交汇
当前，GLP-1类减重药物的上市与走红，为体重管理赛道注入了强劲的市场动力。这一现象级药物的出现，不仅改变了患者的治疗路径，也重新定义了大众对减重的认知：从单纯的意志力比拼，转向了科学干预与生活方式管理的结合。然而，药物的使用并非孤立存在，其疗效的维持和副作用的控制，高度依赖于长期的饮食控制和运动管理。
这正是薄荷健康等平台的优势所在。它们能够为用户提供“药物+生活干预”的组合方案，通过AI追踪用药后的身体反应和饮食习惯变化，及时调整管理策略。这种“严肃医疗+数字疗法”的模式，不仅提高了减重成功率，也为平台带来了更高的客单价和更强的用户粘性。随着GLP-1类药物适应症范围的扩大和医保政策的逐步渗透，这一市场空间有望进一步释放，成为互联网医疗企业新的增长引擎。
挑战与展望：通用与垂直的博弈
尽管减重场景展现出巨大的商业潜力，但互联网大厂在这一领域的竞争依然面临严峻挑战。首先，通用大模型在自然语言处理和逻辑推理方面的进步，正在模糊垂直领域与通用工具的界限。如果垂直App不能提供足够深度的专业内容和个性化服务，用户可能会逐渐转向更便捷、更通用的AI助手。因此，如何在保持专业性的同时，降低用户的使用门槛，是各大厂需要持续思考的问题。
其次，合规风险始终悬在头顶。减重涉及医疗建议、药物推荐等多个敏感环节，如何在AI自动化服务与医疗监管要求之间找到平衡点，确保用户安全，是企业长期发展的基石。此外，如何将减重场景成功拓展至控糖、慢病管理、睡眠健康等其他高频健康场景，也是各大厂需要验证的战略命题。不同场景下的用户需求和数据特征存在差异，直接复制减重模式可能并不适用，需要针对不同场景进行差异化的AI能力构建和运营策略设计。
总之，大厂医疗AI在减重场景的激烈角逐，实质上是对其数据积累、技术能力、生态整合及商业化落地能力的综合考验。谁能真正打通从数据采集、AI分析、个性化干预到严肃医疗对接的全链条，谁就能在低频医疗的高频运营中找到破局之道，赢得未来的健康入口之战。