AI驱动美年价值跃迁，全方位打造数智化健康管理平台

变革破局，增长跃迁。 文 | 华商韬略 华新 2026年1月，OpenAI推出ChatGPT Health。 理由是：全球每周有超过2.3亿人向ChatGPT询问健康问题。 OpenAI之外，微软把收购Nuance得来的临床语音能力整合为Dragon Copilot，直接走进诊室替医生写病历；谷歌开源了医学多模态模型MedGemma；凭AlphaFold摘得诺贝尔化学奖的DeepMind团队，用AlphaFold 3把预测范围从蛋白质扩展到几乎所有生命分子；英伟达则以Clara、BioNeMo平台，为医疗与生命科学提供算力和模型底座。 AI正从医生身边的“助手”，走向生命科学、长寿科技与主动健康。 它不再只是辅助工具，而是在改写预防医学的规则——从“查出病”，走向“算出风险、管住衰老”。 在中国，一家市场仍常常以体检公司看待的企业——美年健康，也在这场变局中升维了自己的目标和使命，实现着从 “All in数字化”到 “All in AI”，从预防医学龙头向AI驱动的平台型健康管理科技公司跃升。 【All in AI】 2024年4月，美年健康的AI健康助手“健康小美”开启内测。一个月后，公司把战略口号从“All in数字化”升级为“All in AI”。 当时，不少人把这看作一次跟风。但美年董事长俞熔的判断很明确：“AI是新质生产力的核心变量，正在重塑预防医学范式。”在他看来，AI时代的竞争不只是技术之争，手握海量数据和真实场景的行业龙头，反而更有优势。 首先是底座。 医疗AI长期的痛点，是“一病一模型”：一个病种一支团队、一套数据、一个模型，周期长、成本高、难复制。但AI之下，行业正在改写这一规则。 美年要走的，是一条根基于自身优势数据源头的升维之路。 它借鉴的是Databricks：这家估值超千亿美元的公司不做最炫的大模型，而是帮企业把数据治理好、用起来，成了AI淘金潮里的“卖铲人”。 美年手里，是覆盖全国31个省区市、290余座城市、560余家体检中心的服务网络：2025年服务客户约2500万人次，自2015年上市以来累计服务超2.6亿人次。把这些服务沉淀下的数据整理成标准统一、质量可控、授权可追溯的数据底座，既能喂养自家模型，也能以脱敏合规的方式供给科研与产业伙伴。俞熔将其概括为“参与者、赋能者、投资者”三重角色。 这块底座有多厚，一份最新的蓝皮书给出了答案。 美年健康联合北京大学医学部美年公众健康研究院、中国健康促进与教育协会健康管理分会编制的《美年健康2025年度健康体检大数据蓝皮书》，从2025年全年体检人群中抽取1980万名成年人，覆盖全国31个省区市、264座城市、554家体检中心。受检者平均年龄42.6岁，25至59岁的劳动力人口占81%，80后、90后合计过半。按蓝皮书的说法，这是迄今体检人群数量最多、地域覆盖最广的健康人群体检数据研究。 它描出的，是一幅中国劳动力人口的健康画像：标化检出率最高的前五位，依次是肺结节71.1%、超重或肥胖52.3%、甲状腺结节49.5%、脂肪肝44.3%、女性乳腺结节40.2%；近四分之一的人有高血压，约十分之三血脂异常。男性超重或肥胖的标化检出率达64.2%，脂肪肝达57.0%；高血压、糖尿病、脂肪肝呈“北高南低”，高尿酸血症则明显年轻化——男性18至24岁组检出率高达36.2%，在各年龄段中最高。 这组数字的价值，不只在画像本身。 千万级样本、统一的诊断标准、集团—省—市—体检中心四级质控，再按第七次全国人口普查数据做标化调整——这正是“可治理数据”该有的样子。 AI需要的不是数据堆，而是标准一致、可比较、可追溯的数据。能年年拿出这样一份全国画像，本身就是美年数据底座成色的证明。 画像也指明了AI该往哪里用力。七成体检者查出肺结节，四成多查出脂肪肝，绝大多数人需要的不是更多检查，而是有人告诉他：我的结节要不要紧，我的指标该怎么管。群体画像回答“中国人的身体怎么了”，个体解读要回答“我该怎么办”。 纵向数据的珍贵，在于能看见同一个人的变化。一项指标今年是否超标，和它过去五年怎么走过来，是两种完全不同的信息。据悉，美年“正在研发”的国人健康风险预测模型，最长可提前3年预警8类慢病风险，且私有化部署，数据不出域。 承担这道“翻译”的，是“健康小美”，它的核心是“美年垂直医疗大模型”。 通用大模型什么都懂一点，医疗场景却容不得“差不多”。美年垂直医疗大模型扎根于美年多年积累的体检数据与医学知识体系，以医学指南、专家共识和临床知识图谱为约束，专攻体检与健康管理这一垂直领域。它在医生端是主检助手，在用户端是健康管家。 更重要的是，它是一个能反哺产品的能力底座。 模型能力一旦沉淀下来，新的专病产品就不必再从零起步，“一病一模型”的老路由此被改写。据了解，基于这一大模型的新产品已在研