从识别症状到“读懂人心”，医疗级心理AI在等一个“iPhone时刻”

大模型热潮席卷医疗行业数年之后，精神心理——这个长期被供给短缺困扰的学科，正在成为AI落地最深、也是追问最多的场景之一。

一方面，AI已经渗入评估、诊断辅助、干预与随访的全流程，数字疗法等新形态产品开始叩开院内准入的大门，商业化的触角也从医院延伸到校园、企业与社区；另一方面，“AI能否真正读懂人”的疑问从未停止。因为，它虽然能识别得出症状，却未必理解症状背后的动因；它虽然能输出体贴的话语，却依然难以替代诊室里人心与人心的温情链接。

对此，为理清心理AI的发展现状、边界及未来市场机会，动脉网联合微解药举办「中国创新医疗资产会客厅」交易圆桌派第二十八期，并邀请到了南通投管投资总监赵裕旭，望里科技合伙人陈璐，绿叶医疗集团执行主席管理助理、战略总监兼曼朗医疗副总裁丁立为，以及观心实验室CEO韩智其，就心理AI的能力边界、商业落地情况、资本估值估值和未来图景展开了深度对话。

现阶段AI对心理健康领域的赋能，不只是实现“提质增效”。

在丁立为看来，AI正在对这一产业带来三个层面的重构——从诊室里的流程，到诊室外的医患关系，再到整个行业的服务模式，层层递进。

第一个被重构的，是心理健康的服务流程。在传统的心理健康诊疗中，信息的搜集、量表的评估、病历书写等工作会占据医生大量时间，而真正用于治疗和与患者开展有效对话的时间却较少。

通过AI工具，医生在诊前即可让患者完成结构化的心理评估与症状采集，并基于AI生成的评估报告提前了解患者情况，降低前期沟通的时间与精力成本，让医生将有限的时间聚焦在更为核心的诊疗判断和方案制定上。

“经过我们实测，患者的平均接诊时间并没有缩短，但有效对话的时间却大幅提升。这意味着，在同样的时间里，患者得到了更多实质性帮助。”丁立为表示。

流程之外，医患关系也随之改变。在过去，患者每次就诊之间的状态，医生无从知晓，患者也无渠道告知。而在AI工具的支持下，患者可以记录日常情绪与状态波动、完成线上干预或作业练习；医护人员可据此及时了解患者所处状态，进而将被动等待式的复诊，变为主动持续的管理。

而与服务流程、医患关系重构相伴发生的，还有服务模式的重构——这也是最具产业想象力的一层，因为它直击这个行业最核心的痛点：优质医疗资源的供给不足。

AI工具的应用，一方面提升了医生工作效率，将其从繁琐且重复性事务性文书工作中释放出来；另一方面，也让产业各方有机会据此构建一套各方联动的服务网络。

以曼朗医疗为例，其构建的“家—校—医—社”协同服务网络，便针对学生群体构建了一套从预防到筛查、从基础服务到院内深度服务的心理健康服务体系，不仅有效弥合了此前各服务环节之间的“断点”，也提升了各项服务之间的协同效率。

望里科技合伙人陈璐则从技术演进的视角给出了呼应。在她看来，近年来大语言模型的浪潮兴起，已让AI的文本、语音，或其他数据处理与理解能力有了明显的飞跃，进而可支撑症状识别、标签识别乃至各类陪伴式、倾听式、理解式话术输出等功能的实现。这为AI在心理健康领域的应用奠定了优质的基础。

换言之，赋能的前提已经具备，但接下来更关键的问题在于，如何把基础能力转化为真实可感的诊疗价值。因为在真正的临床判断里，共情的时机怎么把握、来访者的阻抗要怎么处理、治疗关系出现裂痕后怎么修复……这套底层逻辑如果无法被重新拆解、重新表达成计算机能理解的东西，那么模型再大也是在错的方向上使劲。但反过来，这种对治疗逻辑的重新理解，如果没有真实的患者交互数据、没有足够的结局数据去验证和打磨，也终究只是纸面上的假设，没法变成真正能持续学习、能规模化服务患者的系统。

这两者更像是同一个循环里彼此咬合的两端：对治疗本质的理解决定了该采集哪些数据、该如何设计推荐引擎；而数据和工程能力又反过来不断验证、修正这套理解。因此，必须有对治疗逻辑的深刻理解与大量数据标准采集的极致投入，才能真正输出有疗效的价值。

而针对AI对心理咨询场景中的重构，观心实验室CEO韩智其从其自身实践中给出了答案。秉持“AI托举人”的理念，其打造的“咨询师驾驶舱”会在咨询过程中不断提醒咨询师：这位来访者是什么样的特质、什么样的问题、应该用什么样的疗法。咨询结束后，AI还会自动生成逐字稿与咨询报告、进行要点复盘，助力咨询师水平提升。

与此同时，随着十几万小时咨询数据的积累，观心实验室还希望沉淀出案例数据库，并据此探索新的治疗通路。在韩智其看来，这正是AI应用的主要价值之一——效果外化：在收费相同的情况下，如果能把原本需要二十次的咨询压缩至十次，且治疗效果更好，这就是AI在心理健康产业应用的最大价值。

不过，上述赋能大多发生在“流程”层面；一旦触及“理解人”本身，AI的能力边界便显露出来。

无法感知患者那些未说出口的话语和情绪，也难以理解心理疾病和症状背后的成因，是现阶段AI在心理健康应用的主要瓶颈之一。

在心理健康诊疗过程中，患者“说出口的部分”往往最为容易，“未说出口的部分”往往更难。因为未说出口的那部分往往代表着回避、犹疑甚至是试探。

基于大量案例的积累，资深咨询师往往能够基于患者的肢体语言、欲言又止和对患者以往的了解，判断自己是否与患者真正产生了链接、技术是否匹配、方案是否有效。

但AI难以做到。而难以做到的核心原因，与数据的三重困境有关。

首先，精神心理疾病带有明显的主观性，由此可能导致同样的病例出现诊断不一致的情况；其次，心理问题是连续谱系，而动态过程远比静态影像难以捕捉和刻画；最后，不同的语言表达习惯可能会让同一个病症以完全不同的面目出现，一旦只依靠某一地区、同一表达习惯的数据开展模型训练，模型的泛化能力将极为受限。

丁立为分享的一个案例，便是最好的例证。在澳大利亚，患者通常会直接说"I feel depressed" "I'm anxious"；而在中国，尤其是年长、病耻感较高的患者，往往会采用“我头痛”“睡不着”“胃里胃绞痛”这类间接的描述方式。如果直接套用西方数据集训练的情绪识别模型，模型可能会出现病情遗漏。

观心实验室的实践，则揭示了另一重现实约束——实时性的算力瓶颈。韩智其坦言，他们曾尝试在咨询过程中让AI实时分析并提醒咨询师。但灰度测试后发现，过于频繁的提醒反而会打断咨询师的思路，且无论是算力、网络还是token消耗，都难以支撑实时的多模态深度识别。因此，观心最终选择把声纹识别、表情识别等多模态深度评估移到咨询结束之后进行，再反哺前端训练。这意味着，在“读懂人”这件事上，技术的步子远比人们想象中要慢。

好在，行业也正在探索相应的解法。例如，让多模态数据由有资质的医生进行交叉标注，以及设立多临床中心、引入不同地区医生的诊断视角等。

现阶段医疗级心理AI的商业化路径主要沿着两条交叉主线展开：一是场景维度，即是选择深耕院内还是拓展院外；二是支付维度，即服务B端还是直面C端。

而在场景这条主线上，望里科技与观心实验室分别提供了深耕院内和布局院外的范本。

其中，望里科技走了一条最重的路——拿到医疗器械注册证，深耕院内市场。2026年年初，其治疗抑郁症的数字疗法产品“望里暖阳”，拿下了国内第一张精神心理数字疗法三类证。尔后，这款产品获得指南推荐并被纳入院内支付，截至目前已覆盖16个省的100多个城市。

这条路径能否复制到其他适应症？陈璐给出了三个前提：其一是治疗方式要处于临床推荐一线；其二是要有循证范式和评估终点；其三则是要有足够大的患者人群。据此，焦虑、失眠被认为是最适合优先拓展的方向。

但陈璐也强调：“一款真正好的产品，一定不是单一解决某一个环节和一类人群的问题，而是针对不同场景下、不同诉求，所找到的最为合适的解决方案。”

而选择深耕院外的观心实验室，则选择从患者扩展至全人群，从治已病到防未病。这家成立第二年便实现盈利的企业，计划将手环、脑环、指环等硬件接入服务体系，把心理服务能力内置到硬件端。但韩智其强调，观心实验室仍会坚持严肃医疗的品牌属性，而非滑向消费级陪伴产品。

至于ToB or ToC，丁立为则给出了非常直白的判断：现阶段ToB的商业闭环最容易跑通，ToC则需要等AI能力进一步提升、能充分满足用户需求后再跟进。

原因在于，B端付费方及付费逻辑更为明确——企业通常以年框采购心理健康服务，衡量指标通常是缺勤率、危机事件发生率等可量化的理性指标；而C端是用户个人“为体验买单”。但“体验”本身是感性指标，不仅难以量化，更难以持续。因此，即便在今天付费意愿有所提升，也仍难跨越“愿意付费与实际付费之间的鸿沟”。

“当前资本市场对心理AI企业的估值逻辑存在偏差。”

直播中，丁立为坦言，“因为当前仍有部分投资机构在用传统SaaS或互联网产品思维去理解这一赛道。”

具体表现为：其一是过度关注用户规模与增速，忽视临床证据的含金量。但精神心理不是传统意义上的社交APP，用户多并不等于壁垒高；是否经过临床验证、是否完成RCT、是否拿证、是否被指南推荐，才是产品真正的壁垒。

其二是把消费级工具与医疗级产品放进同一个估值框架。对话型心理工具的商业模式是C端订阅、ARPU与流失率；而医疗级产品走院内处方路径，有明确的医保支付闭环，收入更稳定、确定性更高——两者估值逻辑完全不同。

其三是忽视合规壁垒与数据资产的长期价值。心理数据是敏感个人信息，受个人信息保护法、精神卫生法等约束，能否在合规框架下采集、清洗、存储本身就是门槛；靠公开数据或用户自填问卷训练出来的模型，与真实临床沉淀的数据资产，价值完全不同。

在此基础上，丁立为认为，医疗级心理AI产品与企业的估值考量应涵盖四个方面：其一是临床证据的层级，包括论文、RCT评估、注册证与指南推荐；其二是数据资产的深度，包括数据规模、数据模态与数据的连续性；其三是商业闭环的确定性；其四则是团队画像，能否支撑心理AI这一综合领域的创新产品开发。

而已完成多轮融资的望里科技对此也体会颇深。陈璐回忆，在拿证之前，彼时投资人追问的是“什么时候能拿到背书”；拿证之后，关注点随即切换为产品上市后的表现、渗透速度与商业化路径。“拿证是一个里程碑，商业化是下一个里程碑，产研创新也不能落下。”在她看来，医疗级心理AI的创新不是用户量堆积的消费级故事——上市后的商业化表现、长期的技术壁垒、更长期的企业愿景，均需要更多的耐心去规划、去实践。

韩智其的态度则更为犀利。在他看来，与成熟大企业拥有营收、利润等明确的衡量指标不同，针对初创企业的估值确实存在“梦想有多大，估值就有多大”的叙事。但与此同时，他也强调，仅靠一个创意就能融资17亿美元的梦幻故事十分稀少，可遇而不可求。对大多数企业而言，“尊重时间，尊重经营”，靠积累去吃时代的红利和复利，才是常态。

“如果有一天，心理AI真的从‘机械应答’迈入了‘人本洞察’时代，你觉得标志性事件会是什么？”

针对这个极具想象力的问题，丁立为押注了制度认可。他给出的第一个标志性事件，是一款AI产品真正进入国家级诊疗指南。因为这意味着AI不再只是辅助工具，而是被正式承认为诊疗体系的一部分；第二个事件，则是AI心理评估被纳入医保支付。因为这意味着AI不仅获得了学术认可，也获得了市场认可。换言之，在他看来，当AI生成的评估报告和干预记录能够作为医保项目被定价和支付时，商业闭环才算真正跑通。

韩智其则将目光投向硬件设备。在他看来，正如就像当年的iPhone引爆移动互联网医疗一样，心理AI的爆发也可以由一台硬件设备来引爆。但对于这台设备的具体形态，韩智其认为“现在下定论还为时尚早，可以是机器人，也可以是脑机接口。”此外，在硬件设备的基础上，还需建立一套防诱导、防成瘾、防范衍生社会问题等配套保障机制。

陈璐的补充则把视线拉回到产品与伦理的细节。在她看来，心理问题从来不是能用单一方案覆盖的简单病种。不同疾病有不同的诊疗指南、不同的亚型分类，用户的真实需求更是千差万别。

因此，做产品绝对不能拍脑袋空想一个“改变世界”的宏大场景，而是必须按不同管线深耕打磨，完全顺着医疗逻辑，把评估、诊断、治疗每个环节都拆透做扎实。而在这条路径里，合规拿证是最核心的硬门槛——它是你能真正进入临床场景、获得医生和患者信任的关键入场券，价值实打实看得见。

“作为从业者，我们不能为了AI而AI，而应保持初心、以解决问题为出发点。”陈璐表示。

正如嘉宾们反复强调的那样——AI在心理健康领域的终极价值，不是让AI替代人，而是让人更好地理解人。