宠物医疗市场看似庞大，但AI问诊的真正价值不在于替代医生，而在于解决主人深夜的焦虑：现在是否危险？下一步该做什么？本文从市场数据、产品现状与用户需求出发，拆解AI在宠物医疗中的合理位置，探讨如何从一次回答走向长期服务。

设想一个常见场景：凌晨一点，猫连续呕吐了几次。主人能提供的信息，可能只有年龄、品种、刚刚吃过什么，以及一段并不清晰的视频。他真正焦虑的，往往不是“这种症状在教科书上对应哪些疾病”，而是三个更具体的问题：现在是否危险？能不能先观察到天亮？如果需要就医，下一步应该去哪里、准备什么？

这正是AI宠物问诊看起来很有吸引力的原因。它随时在线，几秒就能回应，也不会嫌弃主人描述得混乱。近两年，宠智灵、汪喵灵灵、爱宠医生等产品陆续把AI问诊、图片识别、健康档案放进应用；京东健康则把AI、在线兽医、上门检测、医院网络和保险放在同一套服务中；PETKIT等硬件厂商开始从猫砂盆、喂食器和饮水机采集连续数据；海外还出现了专门替兽医整理病历的AI工具。

表面上看，一条从“宠物经济”通往“AI宠物医生”的道路已经铺开了。但顺着这条路继续追问，会出现几个并不轻松的问题：三千多亿元的宠物市场，究竟有多少能被宠物医疗产品服务？为什么如此大的市场里，至今没有一个所有宠主都绕不开的超级App？AI应该负责回答、诊断、分诊，还是连接后续服务？

本文不试图给某一款产品打分，而是从公开数据和已上线功能出发，讨论AI进入宠物医疗时，真正值得占住的位置。

一、3126亿元很大，但它不等于AI宠物医疗的市场

《2026年中国宠物行业白皮书（消费报告）》显示，2025年中国城镇宠物犬猫消费市场规模达到3126亿元，同比增长4.1%；其中犬消费市场为1606亿元，猫消费市场为1520亿元。报告预计，到2028年，犬猫消费市场规模将达到4050亿元。

这是一个足够大的消费市场，却不能直接被写成AI宠物医疗的市场空间。宠物消费包含食品、用品、医疗、洗护美容、寄养、训练和保险等多个部分。白皮书给出的2025年消费结构中，食品占53.7%，医疗占27.6%，用品和服务分别占12.2%与6.5%。如果把3126亿元与27.6%粗略相乘，医疗相关消费约为863亿元。

但这863亿元仍然包括诊疗、药品、疫苗和体检等线下或实物交付，不能继续等同于“线上问诊市场”，更不能等同于“用户愿意为AI回答付费的市场”。从宠物消费总盘子，到宠物医疗，再到能在线交付的服务，最后才是AI可以单独创造价值并收费的部分。每缩小一层，市场的口径和产品成立的条件都会改变。

图1：2025年城镇宠物犬猫消费市场规模为3126亿元，报告预计2028年达到4050亿元。来源：《2026年中国宠物行业白皮书（消费报告）》

图2：医疗占宠物犬猫消费的27.6%，其中体检占比小幅上升，药品与诊疗占比略有下降。来源：《2026年中国宠物行业白皮书（消费报告）》

白皮书还把行业变化概括为：消费重心正在从基础喂养和事后治疗，转向预防型健康与全生命周期保障。这个方向值得关注，但数据本身需要克制地读。2025年体检占比从3.2%上升到3.3%，药品从9.7%降至9.3%，诊疗从12.6%降至12.5%。它说明宠主开始愿意为预防投入，却还不足以证明大多数人已经形成稳定的日常健康管理习惯。

图3：白皮书对“预防型健康”和长期保障趋势的解读。这里更适合作为方向信号，而不是把微小占比变化放大成行业已经完成转型。

这一区分会直接影响产品设计。如果团队把3126亿元当作自己的市场，很容易做出一个什么都想承接的平台；如果把需求缩小到“宠物出现异常时，主人需要更快地做出下一步决定”，产品入口、服务边界和衡量指标反而会清楚许多。

二、市场这么大，为什么没有宠物超级App？

图4：宠物医院品牌知名度较为分散。该数据不能当作市场份额，但可以说明宠主缺少一个高度统一的就医入口。来源：《2026年中国宠物行业白皮书（消费报告）》

宠物主有买粮、洗护、寄养、保险和看病等多种需求，把它们放进同一个App，似乎就能形成宠物版“吃喝玩乐医”。波奇宠物就曾聚合商城、社区和线下服务。但其2025财年20-F显示，活跃买家约370万；2023—2025财年净收入约为10.92亿元、7.09亿元和4.69亿元。这不能证明综合平台必然失败，却提醒我们：功能聚合不会自动产生超级App的网络效应。

综合平台需要高频入口、稳定供给和可在线完成的交易，宠物市场却把它们拆散了。

第一，高频零售已被横向平台占住。每日经济新闻援引淘天宠物行业负责人披露的数据称，淘宝天猫拥有约8000万犬猫年度活跃用户，占线上宠物市场约55%。垂类App即使更懂宠物，也难绕开成熟电商在价格、物流和习惯上的优势。

第二，医疗价值高，却低频、非标准且依赖线下。诊疗需要触诊、化验、影像乃至手术，质量又取决于本地医生与设备，无法像猫粮一样用统一SKU完成交付。

第三，宠物数据并不集中。购买记录、问诊聊天、疫苗本、化验单和硬件数据散落在不同入口。平台看不到这只宠物过去的状态、此次变化和治疗结果，用户每换一次服务就要重新描述。

第四，宠物医疗存在明显的信任门槛。宠物无法直接陈述症状，主人只是第二手信息提供者；而行业又长期存在收费不透明、过度检查、误诊和捆绑消费等投诉。此时，用户需要的不只是一个能列出可能疾病的页面，还需要知道建议由谁负责、何时应该升级到真人、线下机构是否可信。

白皮书中的医院知名度也能说明这种分散。它统计的是“知名度”而非市场份额：排名第一的瑞鹏为20.3%，第二、第三名分别为8.1%和7.9%，其余机构都在7%及以下。宠主没有一个高度统一的医院品牌作为默认选择，平台也就很难只靠聚合医院名单建立信任。

图4：宠物医院品牌知名度较为分散。该数据不能当作市场份额，但可以说明宠主缺少一个高度统一的就医入口。来源：《2026年中国宠物行业白皮书（消费报告）》

因此，宠物市场没有超级App，未必意味着还有一个巨大空白等待复制微信或美团。更可能的现实是：高频交易归属于综合电商，内容发现归属于短视频与社区，高信任医疗仍在线下，垂直产品只能在这些入口之间寻找连接点。

这也解释了为什么宠物医疗里的“大产品”，未必以独立App的形态出现。它可能嵌在京东这样的交易平台里，嵌在医院小程序、保险理赔或智能猫砂盆里。对用户而言，是否下载一个新的图标并不重要；重要的是在真正焦虑的那一刻，谁能接住问题并把下一步安排好。

三、现有AI产品在做什么：同叫“AI宠医”，其实在填不同的缺口

把几款有代表性的产品放在一起看，会发现“AI宠医”并不是同一种生意：有的先做问诊，有的连接医生和医院，有的从硬件采集日常数据，还有的直接服务兽医。与其比较谁的功能更多，不如看两个问题：它已经接住了哪一步，用户准备走向下一步时又会卡在哪里。

表1：代表性产品的现有功能与公开流程中的断点

把这些产品放到同一条服务链上，关系反而更清楚：智能硬件负责在日常发现变化；AI问诊把主人的描述和设备信号整理成结构化信息，并做初步风险分层；真人兽医与线下医院负责检查、诊断和治疗；兽医端工具再把病历、用药和复查结果写回档案。它们未必是直接竞争者，而是分别占住了“发现—判断—处置—回流”中的一段。

目前更明显的问题，是这几段还没有顺畅地接起来。设备发出频繁如厕的提醒后，主人仍要自己寻找问诊入口并重复描述；AI建议就医后，问诊摘要未必能直接交给医院；医院完成检查后，结果也未必回到此前的健康档案。真正需要补上的，是一套围绕同一只宠物完成交接的流程。

这不等于把硬件、问诊、医院和保险全部塞进一个超级App。更现实的方向，是建立一层协调能力：统一宠物身份，在获得授权后共享结构化档案，明确何时由AI继续服务、何时转真人或线下，并让处置结果能够回流。谁能把这条链路跑通，谁才有机会从一次回答走向长期服务。对主人来说，这套能力最终应落到一个可靠的下一步。

四、从问诊到行动：主人需要一个可靠的下一步

宠物问诊与人的在线问诊都从症状开始，但宠物不能描述疼痛的位置、时间和变化。主人提供的“不吃饭”“躲起来”“叫声不一样”，可能是重要异常，也可能只是环境变化。AI拿到的是主人筛选过的二手信息。此时要先判断两个问题：当前信息是否足够，以及判断错误的后果能否挽回。

信息相对充分、风险较低时，AI可以解释疫苗和驱虫安排，提醒主人继续观察，或按兽医方案做好用药与复查。信息不足、风险又不明确时，它应继续追问频次、精神状态、饮食饮水、排泄、误食和基础病，并给出“继续观察、咨询真人兽医、立即线下就医”的行动分级。只要判断依赖触诊、化验、影像或手术，线下医院就必须接管。简单说，AI整理信息，兽医作专业判断，医院产生检查证据并实施治疗。

沿着这个分工，一次完整服务应从日常而非发病才开始：平时低成本记录体重、饮食、排泄、疫苗和既往史，建立个体基线；异常出现后引导主人补齐关键信息；需要就医时，提供可核验的医院能力、医生资质和价格信息；就诊时把观察记录整理成摘要；诊后再把用药、复查和恢复情况写回档案。这样，主人不必反复讲述，医生能更快看到时间线，下一次判断也不必从零开始。

所以，AI问诊更像一个“决策入口”。它应输出一条清楚、可执行、能够继续验证的行动路径，而不只是疾病说明。

五、产品机会：成为连接各环节的健康协调者

如果目标只是“让AI回答宠物健康问题”，通用大模型很快就会压平能力差距。垂直产品真正需要积累的，是通用聊天框没有的三样东西：一份获得授权、能够跨场景延续的宠物档案；一套经过兽医审核的风险和交接规则；一套能看见检查、治疗与恢复结果的评估机制。

这也意味着，产品不能只考核回答满意度或病名命中率。更值得关注的是：高风险情况有没有被识别，需要线下的用户是否完成就医，低风险用户有没有被过度制造恐慌，医生是否少做了重复询问，诊后计划是否被执行。只有这些结果发生变化，AI才真正改善了医疗流程。

商业形态也未必是一个独立的宠物超级App。纯C端按次收费面对需求低频和通用模型替代，留存与付费都不容易。更现实的方式可能是B2B2C：AI嵌入电商、医院、保险和智能硬件，在已有入口中完成分诊、预约、记录、理赔和随访。用户未必需要再下载一个图标，却需要一份能跨越多次服务的健康档案，以及一个在关键节点不会失联的流程。

如果要安排建设顺序，我会先修复流程断点，而不是急着争夺诊断权。问诊前，验证AI能否让主人描述得更完整、让高风险用户及时就医；问诊中，验证结构化摘要能否减少医生重复询问和记录时间；问诊后，再验证提醒、复查和连续数据能否改善执行。先把责任边界划清，再用可验证的结果积累信任，这比宣称“AI取代兽医”更接近医疗产品成立的方式。

结语

回到开头那只深夜呕吐的猫。主人当然希望立刻知道“它得了什么病”，但在信息不足、无法检查的情况下，一个负责任的产品不应靠更肯定的语气制造安心。

宠物医疗真正需要的AI，不是一个独立替宠物下诊断的“数字兽医”，而是一个贯穿问诊前、问诊中和问诊后的健康协调者：在日常积累数据，在异常时追问关键信息，在风险升高时把决定交给真人和线下，在诊后继续记录结果。

衡量它是否成功，也不应只看回答了多少问题。更重要的是，它是否让主人少做了一次错误决定，是否让兽医更快获得了有效信息，是否让一次诊疗留下了下一次还能使用的证据。

当宠物无法表达、AI也不能完成线下检查时，产品最值得守住的价值并不是替主人给出一个病名，而是确保他没有在最需要行动的时候，走错下一步。