蚂蚁阿福App用户破亿，但月活与留存数据引发争议。本文跳出数字表象，提出“全家健康管理员”这一核心角色，分析其如何通过报告解读、主动追问与安全转诊，将低频健康咨询转化为持续的家庭健康管理关系。

2025年12月，AQ更名为“蚂蚁阿福”时，蚂蚁披露其App月活已经超过1500万；一个月后，这个数字被更新为3000万，单日健康提问量超过1000万。到2026年春节，公司又宣布阿福独立App总用户数突破1亿。

另一边，QuestMobile监测显示，2026年6月阿福App月活约2897万，月人均使用17.8次、月人均使用时长13.2分钟。

这些数字很容易被写成两个截然相反的故事。乐观者会说，健康AI已经迎来爆发；怀疑者则会把总用户、月活和红包拉新放在一起，迅速得出“留不住人”的结论。但两种写法都有同一个问题：把总用户、MAU、提问量和留存当成了一组可以直接换算的数据。

公司披露的总用户数、公司口径的月活和第三方监测数据，统计时间和定义都不同。现有公开信息不足以计算阿福的真实留存，更不足以证明它已经改善了多少人的健康。真正值得产品经理追问的，是另一个问题：一款定位为“AI健康朋友”的产品，如何把一次健康咨询变成一段长期、可信、可执行的关系？

梳理阿福团队访谈、产品版本、公开数据和用户反馈后，我的判断是：

阿福最值得验证的产品单位，不是单个患者，而是承担父母、孩子、配偶和自身健康责任的“全家健康管理员”。它试图用家庭成员、长期档案、健康行为和现实服务，把分散的低频疾病需求聚合成持续的家庭责任。决定这条路径能否成立的，不是用户每天聊了几轮，而是产品能否把人安全地带到一个明确的下一状态，并让下一次服务因为这一次数据沉淀而变得更好。

需要强调的是，“全家健康管理员”是本文基于公开材料提出的产品角色模型，并不是阿福已经用留存数据证明的结论。团队想做什么、产品目前能做什么、用户是否真的因此受益，是三个不同层次的问题。本文会把它们分开。

一、如果只把阿福当成AI问诊，就只看到了入口

从产品表面看，阿福很像一个医疗版聊天机器人：用户描述症状、上传检查报告或拍摄药盒，AI追问后给出解释和建议。于是，最常见的体验报告也自然落在“回答是否准确”“和DeepSeek、豆包谁更专业”上。

但阿福并不满足于只做问答。

2024年，蚂蚁先在支付宝内上线AI健康管家；2025年6月，独立App AQ上线；同年12月，AQ更名阿福，产品结构被重新概括为健康问答、健康陪伴和健康服务。到2026年，蚂蚁CEO韩歆毅把产品方向总结为“1+3+X”：以专业性为基础，继续加强拟人化、个性化和会办事，并向多个重点专科深入。

这条演进路线背后，是蚂蚁对健康需求的一种重新划分。

医院负责诊断和治疗，普通生活负责吃饭、睡眠、运动，但二者之间存在一个很大的“中间地带”：孩子突然发烧要不要去急诊，体检报告上的结节意味着什么，父亲刚换的药能不能和原来的药一起吃，母亲转发的养生文章是否可信，异地就医该挂哪一科、准备哪些材料。

这些问题未必都需要立刻去医院，却会直接影响一个家庭接下来怎么做。旧的搜索产品给用户一堆信息，通用大模型可以生成一段解释，但最后的判断和行动仍然留给用户自己。阿福试图多走两步：先补齐健康上下文，再连接医生、医院、医保支付或健康管理服务。

因此，更准确的说法不是“阿福已经不是AI问诊产品”，而是：问答仍然是最显性的入口，但阿福希望把产品价值延伸到问答之后。

从产品结构看，它正在搭建四层能力：

1. 信息层：听懂文字、语音和方言，看懂报告、处方、药盒和部分健康图片；
2. 理解层：通过主动追问、健康档案和家庭成员信息补足上下文，解释风险与优先级；
3. 行动层：把建议继续推进到真人问诊、挂号、医保支付、云陪诊或日常健康计划；
4. 连续性层：将报告、设备数据、饮食、目标和行动结果沉淀下来，为后续服务提供依据。

通用模型可以追平一轮医学问答，甚至在部分任务上答得更好，但它未必拥有稳定的家庭健康上下文，也不一定能完成现实医疗服务的交接。不过，战略版图大不等于用户任务已经完成。如果大量会话仍止于一段回答，用户心智里的阿福依然只是“医疗问答”。评估它必须沿着一项真实健康任务，看用户最后被带到了哪里。

二、被低估的产品主用户：全家健康管理员

在2025年的一次访谈中，蚂蚁健康事业群总裁张俊杰提到，团队早期以为率先使用AQ的会是熟悉AI的年轻人，但实际出现了一批更高频的40—60岁用户。他们一方面开始面对自己的体检异常、睡眠和慢病问题，另一方面又承担父母和孩子的健康责任。

对一个身体健康的年轻人来说，严肃医疗确实低频。一年做一次体检，偶尔感冒，很难支撑一个独立App的日常使用。但家庭里的健康任务不是由一个人平均分配的。现实中，常常是某位家庭成员集中承担信息搜集、风险判断、预约协调、就医陪伴和诊后提醒。他不一定是患者，却是健康决策的组织者。

本文把这个角色称为“全家健康管理员”。他的任务至少包括四类：

从这个角度看，家庭健康频次来自多个成员、多个生命周期事件和持续管理任务的叠加。孩子的发热、父母的血压、配偶的体检、自己的睡眠，分别看都不高频，落在同一个家庭责任人身上，就会形成持续需求。

这也解释了阿福为什么要补大字版、方言、语音、电话和拍照能力。对熟悉Prompt的年轻用户，空白聊天框也许足够；对需要替父母问病、自己又说不清医学术语的人，表达门槛才是第一道障碍。输入方式越接近日常交流，产品越有机会接住那些原本不会使用AI的人。

但“40—60岁高频用户”并非都在管理全家。一部分用户可能主要在处理自己的慢病和体检异常；年轻人的减重、睡眠和养生也是另一条路径；老年人还可能直接使用产品，而非永远由子女代理。

所以，“全家健康管理员”更适合作为一个需要验证的核心角色，而不是覆盖所有人的标签。要证明它成立，阿福至少需要公开或内部验证几类数据：添加两位以上家庭成员的账户占比，家庭成员档案的复用率，代问场景占比，多成员账户与单成员账户的长期差异，以及家庭任务的完成率。

更重要的是，家庭化同时会放大隐私和责任问题。给父母建档是否获得本人同意？一张检查报告被存到了错误的家庭成员名下怎么办？子女可以看到父母多少健康信息？代理权限如何撤回？

《个人信息保护法》明确将医疗健康信息列为敏感个人信息，要求特定目的、充分必要、严格保护和单独同意。家庭可以成为健康产品的价值单位，却不能自动成为数据授权单位。家庭关系越深，权限设计越不能含糊。

三、核心链路不是“问完”，而是到达一个安全的下一状态

健康用户通常不只想了解疾病知识，更想知道“我现在应该怎么办”。

这个“怎么办”可能对应很多结果：继续居家观察、补充一项信息、停止自行服药、预约普通门诊、尽快联系真人医生，或者立刻前往急诊。好的健康AI不应把用户一律推向交易，也不该为了显得有用而给出确定诊断。它需要把人带到一个明确且安全的下一状态。

沿着这个标准，阿福的理想链路可以拆成六步：

1.报告解读是最清晰的首次价值场景

相比开放式症状咨询，报告解读的输入更明确：用户已经拿到一份检查结果，但看不懂异常项，也不知道哪些需要处理。阿福可以通过图片或文件识别，将指标翻译成关注优先级，再给出复查、就医或生活管理建议。

报告解读适合作为激活点，因为它同时降低了三种成本：医学术语的理解成本、异常项的筛选成本和下一步行动的决策成本。如果解读结果还能被用户确认后存入档案，产品就获得了第一份长期上下文。

但“识别准确率”不能直接等同于“医学解读正确率”。参考区间可能因实验室不同而变化，同一指标需要结合年龄、性别、既往史、用药和其他检查判断。AI即使把报告上的每个字都识别正确，也可能因为上下文不足而给出不恰当的解释。

2.主动追问比空白聊天框更适合大众，但也可能制造完整错觉

AI诊室通过连续问题帮助用户补充部位、时长、伴随症状和用药情况，比要求普通用户自己写一段完整Prompt更合理。它把“会不会提问”的能力从用户侧移到了产品侧。

风险也随之出现：当界面显示追问进度，用户可能误以为系统已经收集了诊断所需的全部信息。医疗信息的完整性不是填完一张表，而是取决于具体疾病和风险。产品应当明确告诉用户，目前判断依据是什么、仍缺什么，以及结论的置信边界。

3.“建议就医”本身不是失败，泛化转诊才是

用户常把健康AI最终建议“去医院看看”理解为没有价值。但医疗产品的谨慎不是缺点。真正的问题在于，它是否说明了为什么要去、什么时候去、挂什么科、出现哪些信号要加急，以及在就医之前需要准备什么。

一句泛化的“建议及时就医”只是免责声明；带有触发条件、紧急程度、科室和下一步选项的风险分层，才是有效产品输出。

4.接入服务不等于完成服务

公开资料显示，阿福连接了全国医院、真人医生和多种医疗服务，部分地区还提供云陪诊、医保支付等能力。但“连接5000家医院”可能从信息查询、挂号到更深的服务协同不等，不能写成每一家医院都打通了完整流程。

对用户来说，点击“挂号”不是任务完成。真正的完成还包括：是否找到合适的科室和医生，是否成功预约，AI整理的信息能否被真人医生接收，就诊结果是否能回流档案，失败后有没有替代方案。

因此，比“问答完成率”更值得观察的是“安全下一状态到达率”：在需要行动的健康任务中，有多少用户在目标时间内完成了合适的观察、记录、真人咨询、挂号、急诊升级或复查；对于无需行动的场景，又有多少用户被正确告知可以观察，避免不必要的焦虑和就医。

这个指标不会天然鼓励交易，也把“确认无需处理”视为一种成功。

四、功能有没有价值，不能只看它能否塞进链路

阿福的功能很多：AI诊室、报告解读、拍皮肤、名医智能体、健康档案、小目标、小提醒、设备连接、挂号、问诊、医保和陪诊。仅仅把这些功能按首页顺序介绍一遍，很容易得到一个看似完整、实际上没有产品判断的体验报告。

功能能在链路里找到位置，只是合理性的必要条件。它最终还要经过五项检查：是否降低了真实成本，是否改善了用户决策，是否能推动下一步，失败时如何恢复，以及它带来了什么新的安全和责任风险。

1.长期健康关系首先要求“记得准”

阿福希望通过健康档案和对话记忆提供个性化建议。韩歆毅在访谈中也把“懂你且专业”视为长期差异：使用越多，档案越完整，迁移到其他产品的成本越高。

这是合理的产品逻辑，却也是最需要审慎验证的一层。

App Store当前展示的两条较详细长期评价，都提到过历史信息难以调用、同一指标前后表述不一致等问题。两条评论当然不能代表总体发生率，也不能据此判定阿福“普遍失忆”，但它们打中了长期健康产品的关键风险：单次问答可以容忍上下文有限，长期管理一旦记错对象、时间或指标，错误就会沿着后续建议不断放大。

医疗记忆不应该等同于模型悄悄记住尽可能多的内容。更合理的设计至少包含五个属性：

• 有对象：明确是本人、父亲、母亲还是孩子；
• 有时间：区分当前指标、历史指标和已经失效的信息；
• 有来源：知道事实来自报告、设备、用户自述还是AI推断；
• 可纠错：用户能修改错误识别和错误归档；
• 可控制：用户能选择本次调用哪些历史信息，也能删除、导出或停止使用。

当记忆成为建议依据时，“查看记忆”就不该只是隐私设置，而应成为核心产品能力。

2.体脂秤更像一场激活实验

2026年6月底，阿福启动“科学减重1亿斤”行动，并通过低价体脂秤、连续打卡和AI建议推动体重管理。7月上线的21天挑战赛要求用户持续记录体重；随后，蚂蚁投资薄荷健康，阿福的“AI拍饮食”开始调用其本土饮食数据库，估算热量及营养信息，并允许用户修改后存入健康档案。

把这些动作放在一起看，就会发现体脂秤并不只是获客礼品。它试图强制完成一次关键激活：

下载App → 绑定设备 → 产生第一条身体数据 → 获得一次AI解释 → 设定目标 → 持续复测。

这比单纯发红包更接近产品价值，因为用户不是领完奖励就走，而是至少完成了设备绑定、测量和解读。体重又具备变化直观、反馈周期相对短、普通人容易理解等特点，适合用来建立“测量—解释—行动—复测”的循环。

但活动周期不等于习惯周期。连续打卡21天，也不等于用户已经形成稳定行为。真正需要看的，是设备绑定后的首测完成率、30/60/90天有效测量天数、激励结束后的留存、饮食记录是否持续，以及体重变化是否主要来自合理行为而不是短期波动。

“AI拍饮食”同样只能写成热量和营养估算。中餐的食材、份量和烹饪方式复杂，产品允许用户修改名称和重量，本身就说明自动识别存在误差空间。提供人工修正不是能力不够的遮掩，反而是严肃产品应该保留的纠错机制。

3.服务越完整，商业中立越需要被解释

2025年底，阿福团队公开强调健康问答结果中没有广告推荐、不受商业因素干扰。到2026年6月，阿福App上线首个健康险智能体“蓝小保”，并与太平洋健康险合作推出相关保险产品。

这两件事不能被简单写成“前后矛盾”。前者限定的是健康问答结果，后者属于服务和交易层；目前没有证据证明问答结果已经存在付费排序，也没有公开材料说明保险会成为阿福的主要盈利模式。

但它提出了一个必须提前设计的治理问题：当同一个产品既理解用户的疾病焦虑，又能够推荐医生、药品、保险和服务时，内容判断与商业转化如何隔离？

用户需要知道哪些是健康建议，哪些是商业产品，推荐依据是什么，平台是否获得收益，是否存在不购买的等价路径。健康数据越完整，商业转化可能越精准；也正因为如此，信任防火墙越重要。

五、黏性不在聊天框里，而在五种待验证的持续关系中

讨论阿福黏性时，最容易犯的错误，是把不同的召回和复访机制笼统叫作留存。实际上，它们承担的作用不同：

事件更接近召回，家庭是在聚合需求，数据提供连续性和迁移成本，行为产生复访，服务则负责闭环。五者可能互相加强，也可能分别失效，不能因为功能都存在，就默认留存飞轮已经转起来。

1.先区分获客、激活、留存和结果

春节红包、代言和大规模广告可以带来下载；低价体脂秤能推动设备绑定和首次测量；报告解读或一次有效咨询可能完成首次价值；只有用户在下一次真实健康事件发生时仍然选择阿福，或者持续使用档案、设备和服务，才进入留存阶段。

对阿福而言，一套更合理的指标结构应该是：

不同任务还需要不同的观察周期。体重管理可以看周和月，慢病管理更适合看月和季度，体检报告可能一年后才发生复访。用同一个日活指标衡量所有健康任务，只会逼着产品增加无意义提醒。

2.健康产品不应该追求把用户困在App里

一款内容或娱乐产品希望延长使用时长很自然，健康产品则不同。用户的问题被正确解决后，一段时间不再打开，可能正是成功；相反，如果产品通过频繁提醒放大身体焦虑，让用户每天反复确认“我是不是有病”，高活跃反而可能意味着产品方向出了问题。

因此，我更愿意把阿福的北极星指标定义为：

在一个合理时间窗口内，被正确、安全地带到明确下一状态的家庭健康任务数量。

这个“下一状态”既包括完成挂号、问诊、记录、复查和健康计划，也包括经过风险判断后确认可以继续观察。它既能衡量执行力，又不会天然把用户推向购药、问诊或保险交易。

3.数据飞轮也可能反向旋转

阿福理想中的正向循环是：数据越完整，建议越个性化；建议越有用，用户越愿意行动；行动产生结果，结果继续补充档案；长期结果再积累信任。

但健康产品还存在一条反向循环：一次报告识别错误，进入错误成员的档案；错误信息被后续回答反复引用；用户发现前后矛盾，开始不再信任；最终减少数据授权或直接离开产品。

所以，健康数据不是只要沉淀就会成为护城河。只有数据准确、来源明确、用户可控，并能持续提高任务完成质量，它才是用户价值；否则只是越来越难治理的历史包袱。

六、规模破亿之后，外部仍看不到五项关键证明

公开数据至少表明两件事：大众愿意向AI提出健康问题；蚂蚁也有能力在短时间内完成大规模触达，并把问答、档案、设备和医疗服务放进同一个产品。

但规模不是终局。现有公开证据仍不足以证明下面五件更难的事。

1.长期记忆是否可靠

公开资料没有给出健康档案完整度、历史信息复用率、跨会话矛盾率、家庭成员错配率和用户纠错率。隐私政策允许在授权后将部分输入和模型输出结构化为记忆，用于个性化回答，但用户能否方便地理解、修改和关闭记忆，仍需要持续观察。

Apple的隐私标签还显示，开发者申报可能收集并关联健康、位置、电话号码、照片或视频、搜索历史、标识符和使用数据；其中标识符可能用于跨App或网站追踪。该信息由开发者申报，Apple也明确提示未经其验证，不能据此推断存在滥用。但对健康产品而言，数据类型越敏感，授权解释、用途透明、删除和导出能力就越应成为核心体验，而不是藏在长篇协议里。

2.AI与真人的责任交接是否清楚

产品传播里有“AI健康朋友”“名医AI分身”等人格化表达，正式说明又强调AI结果不能替代专业诊断和治疗建议。这两者并非不能共存，但界面必须让用户清楚知道：当前是谁在回答，是普通AI、医生参与训练的智能体、真人医生把关，还是正式在线诊疗？

不同层级对应的责任完全不同。AI可以做科普、追问、信息整理和风险提醒；诊断、处方和治疗仍需要真人医生承担。人格化越强，责任标识越不能弱，否则用户容易把“像医生说话”误认为“由医生负责”。

3.服务连接是否真正完成履约

医院数量、医生数量和智能体数量只能证明资源池规模，不能证明每位用户都获得了相同服务。真正影响体验的，是挂号成功率、等待时长、医生接力质量、AI信息是否被采纳、就诊结果能否回流，以及失败后有没有恢复路径。

地方卫健委、医院、支付宝能力和医生供给不同，会带来明显的地区差异。产品如果把“部分地区可用”的能力表达成统一承诺，用户会在最需要帮助时遭遇落差。

4.商业服务能否不侵蚀内容信任

保险智能体只是开始。未来如果阿福继续连接药品、付费医生、体检和商业保险，就需要建立可审计的利益披露和排序规则：健康建议是否与交易推荐分开，平台收入是否影响选择，用户是否能看到非商业替代方案，医生或机构的推荐依据是否透明。

陈亮在小宇宙访谈中谈到，平台技术上当然可以根据挂号等线索推断疾病，再投放药品广告或运营疾病人群，但这恰恰是医疗健康产品应该克制的路径。对于阿福而言，“能不能变现”不是最难的问题，“如何变现而不消耗信任”才是。

5.用户是否获得真实健康结果

当前公开信息更多证明了问了多少次、连接了多少资源、参加了多少活动。外部仍缺少目标达成率、复查依从性、指标改善、少跑多少无效医院、正确识别多少高风险，以及是否减少或增加健康焦虑等结果数据。

这并不意味着阿福内部没有观察这些指标，也不能要求一个仍在早期的消费产品立刻拿出覆盖所有场景的临床对照研究。医疗结果验证周期长，隐私也限制数据披露。但结论力度必须与证据匹配：现阶段可以说阿福搭出了长期健康管理路径，不能直接说这条路径已经带来稳定健康改善。

功能趋同之后，证据就是壁垒

健康问答、报告解读和健康档案已经不是阿福独有的能力。更有意义的比较是：上下文从哪里来，行动由谁完成，长期关系建立在什么基础上。

阿福最有可能形成的差异，不是模型永远领先，而是支付宝积累的服务连接，能否与家庭档案、健康行为数据共同形成更短的行动链。但如果迁移成本来自用户难以导出自己的信息，那只是锁定；只有历史数据持续提高任务质量，并且用户保有控制权，才算关系价值。AI可以补充预问诊、解释和随访供给，却不会自动解决医生激励、医保支付和医疗责任，阿福也不应被写成医疗体系的替代方案。

结语：真正的考题，是下一次会不会更好

回到最初的问题：医疗明明低频，阿福为什么还要做一个独立App？

因为它押注的不是一个人每天都生病，而是家庭健康责任长期存在。老人、孩子、配偶和自己的健康事件，被一个家庭管理员持续协调；报告、设备和行为数据不断沉淀；AI在需要时解释、分流、提醒和连接真人服务。只要这条关系成立，低频疾病就不再等于低价值产品。

但目前更准确的结论是：阿福找到了一个值得验证的产品单位，也搭出了从问答走向家庭健康管理的路径；它还没有用公开证据完成对长期关系的证明。

对于正在做AI产品的产品经理，阿福留下了三个比功能清单更值得追问的问题：

1. 用户完成这一次任务后，下一次服务会不会因为历史信息而更好？
2. AI生成的答案，有没有把用户带到一个明确、安全、可恢复的下一状态？
3. 当模型不确定、服务失败或风险升级时，产品是否知道应该停下来，并把责任交给谁？

如果这三个问题没有答案，再丰富的功能也只是一个更复杂的聊天框。能够记得准、接得住、办得成，同时知道自己什么时候不能继续，才是AI健康产品从工具走向长期关系的真正门槛。

参考资料

1. 蚂蚁集团：AQ升级为“蚂蚁阿福”，App月活超1500万
2. 科技日报：蚂蚁阿福月活用户规模3000万
3. 上海证券报：蚂蚁阿福App总用户数超1亿
4. QuestMobile：2026年AI应用市场发展半年报；单App数据转述
5. 晚点LatePost：独家专访蚂蚁CEO韩歆毅
6. 小宇宙《赛博对话》：对话蚂蚁集团副总裁张俊杰
7. 小宇宙《会友镖局》：对话AQ技术负责人顾进杰等
8. 新京报：对话蚂蚁阿福张俊杰
9. 新华网：蚂蚁阿福21天体重管理挑战
10. 科技日报：蚂蚁集团与薄荷健康合作
11. 太平洋健康险：阿福上线健康险智能体“蓝小保”
12. Apple App Store：蚂蚁阿福产品、用户评价与隐私说明蚂蚁阿福隐私政策
13. 《中华人民共和国个人信息保护法》小宇宙《邱兵的长谈》：对话蚂蚁集团CMO陈亮