螞蟻阿福：月活超1500萬，“健康+AI”方法論全解

你問 AI：頭疼怎么辦?

它會列出 20 種可能
從睡眠不足到腦瘤，一個不漏
然后建議你多休息、多喝水、必要時就醫

線上問診后，我覺得自己差不多了

emmm，診斷的全嘛？全，幾乎包含了我可能的所有病癥

但...有用嗎？幾乎沒用

100% 正確的話，100% 沒用

這句話，可能放在哪都對

因為同樣是頭疼，100 個人可能有 100 種原因
熬夜熬的、頸椎壓迫的、血壓高了、感冒前兆，原因不同，建議完全不同

AI 不知道你是誰，給的是「所有人的答案」，不是「你的答案」

今天，螞蟻開了一場發布會
旗下 AI 健康應用「螞蟻 AQ」升級為「螞蟻阿福」

螞蟻阿福

數據上看，目前阿福的月活已超 1500 萬，健康AI第一，也進了 App Store 免費榜第 6

這東西功能還真挺多...

本文，說一下這個產品的設計思路

AI+健康，問題在哪

健康問答和寫代碼、查資料不一樣

寫代碼，需求描述清楚，AI 可以直接上
查資料也是，問題本身就是完整的輸入

但健康相關的問題，不行

你去醫院，醫生第一件事不是開藥，是問你一堆問題：

疼多久了？什么位置？什么時候最疼？有沒有其他癥狀？吃過什么藥？

這個過程的目的，是把所有人的頭疼收窄成你的頭疼
現在的 AI，缺的不是醫學知識，缺的是這個收窄過程

個性化信息+知識，決定了答案

知識問題，模型更強就能解決
GPT-4 級別的模型，醫學知識儲備已經不差了

個性化問題，則不一樣
身高體重、既往病史、生活習慣、最近的體檢數據，這些東西，通用 AI 統統不知道
沒有這些個性化信息，再專業的醫學知識也只能給出通用解

螞蟻的做法

螞蟻阿福的思路，說白了就是在 AI 的能力上，加了一層上下文構建
讓 AI 對用戶，產生更細致的了解

上下文構建

具體的，逐個來看

其一、主動追問
有個「AI 診室」模式，不是你問一句它答一句，是它會反過來問你。頭疼多久了、什么位置、是脹痛還是刺痛。把情況問清楚再給建議，不是一上來就列 20 種可能

追問

其二、健康檔案
可以建健康檔案，記錄身高體重、過往病史、用藥記錄、體檢報告。打通了蘋果、華為等九大品牌智能設備，運動量、心率、睡眠能自動同步。下次問問題，它知道你是誰

對于皮膚問題的診斷，尤其是隱私部位，可以無痕拍照，全程打碼，本地不留底

檔案

其三、個性化
有了追問和檔案，回答就不一樣了。假如之前做過半月板手術，再問怎么加強腿部肌肉，它給的方案里就會減少深蹲這類動作。不是通用建議，是根據你的身體情況定制的

個性化

三件事缺一不可

沒有追問，信息采集不完整。沒有檔案，每次從零開始。有了信息不個性化，等于白做

兩條腿走路

健康 AI 需要同時滿足兩個條件：「更懂醫學」和「更了解你」

更懂醫學，這是基本功
阿福底層是螞蟻專門訓練的醫療大模型，依托超萬億 tokens 專業醫療語料底座，率先通過了國家信通院醫療健康大模型雙領域可信評估。背后有六位院士專家、全國三甲醫院的眾多名醫參與共建和把關

更了解你，這是差異化
前面說的追問、檔案、個性化，解決的就是這個問題。同樣的癥狀，1000 個人有 1000 種原因，沒有上下文，專業知識發揮不出來

懂醫學，也要懂你

阿福的定位是健康 AI，可以幫你解答健康疑問、解讀體檢報告、制定運動計劃
當然，健康咨詢歸 AI，診斷治療還是要交給醫生，如果有看病需求，可以無縫連接專業的健康服務
30 萬在線醫生，超 5000 家醫院，甚至可以直接掛號、買藥、醫保支付

55% 的提問，來自三線以下城市

從數據看，阿福每天回答 500 多萬個健康提問，55% 來自三線以下城市

在許多地方，很多人不是不想去醫院，是附近沒有好醫院、或者小問題不值得折騰。這些問題，專業的健康AI 提供了一種解法

最后

健康 AI 這個賽道，決勝點可能不止在「更懂醫學」，還在于「比別的 AI 更懂你」

同樣的癥狀，1000 個人可能有 1000 種原因

個性化，is all you need