当行业还在为“AI眼镜能拍多清楚”争吵时，轻松健康把一套循证医学agent装进了镜片。
发布会现场，一位医生戴上了那副看起来并不起眼的眼镜。镜腿很轻，没有夸张的摄像头凸起。他面对一份复杂的检查报告，镜片一侧浮起几行字。不是结论，而是结论背后的证据链：指南来源、证据等级、相互矛盾之处被一并标了出来。
这副眼镜叫“证镜”，背后是轻松健康集团的循证医学agent证元芳。它要做的事，用一句话概括，是把“先证据、后结论”这件本属于资深专家大脑里的功夫，变成可佩戴、可调用、随时在场的能力。
这个时间点很微妙。2025被普遍称作AI眼镜的“爆发元年”，洛图科技预测当年全球销量超500万副、中国市场逼近140 万副，增速均超过200%；IDC的数据则显示，仅二季度全球智能眼镜出货就达255.5万台、中国市场同比暴涨145.5%。从小米到阿里、从雷鸟到Rokid，“百镜大战”几乎卷入了所有玩家。
但热闹的另一面是退潮。多家电商平台的AI眼镜退货率高达30%到50%，消费者反馈的第一痛点是：“功能实用性不足”。当大部分产品还在拍照、翻译、提词这些同质化场景里厮杀时，证镜偏偏走向了一条小路。
为什么是这条路？又为什么是现在？带着这个问题，我们采访了轻松健康技术执行副总裁高玉石。他的回答没有从眼镜讲起。
“证镜不是一个硬件项目。”他说，“它是我们这套底座长出来的一个端。你看到的是眼镜，我们看到的是，证元芳又多了一个进入真实场景的入口。”
一、一家“以AI为母语”的公司
如果把镜头从证镜拉远，会发现它确实不是孤例。
过去半年，轻松健康的发布密度高得有些反常：证元芳通过中国信通院（CAICT）Claw评测框架13个维度的全项认证，成为国内首个跑通全维度的医疗AI agent；医保合规 Skill 上线，对接国家医保监管口径；MedClaw Skills Store开放，这是目前中国最大的 Skills Store，也开创了垂类 skill 商店的先河，把循证能力拆成了可组合、可调用的技能；医院侧启动规模化落地；再叠加横跨人寿、早筛、再保险的一连串合作。一家以“健康服务”为大众认知起点的公司，正以接近实验室的节奏，向外吐出AI产品。
频率背后，通常藏着结构。
“外界容易把我们理解成‘一家用了AI的健康公司’，”高玉石纠正了这个框，“但更准确的说法是，AI是我们的母语，不是后来补的外语。这两者的区别，不在于你用没用大模型，而在于你的组织、研发、产品，是不是按照 AI 的逻辑在生长。”
怎么验证一家公司是不是真的“AI-native”？他给了一个简单的标尺：看它烧掉多少token，成功转化为公司的收益。
这并非自创的修辞。IDC在今年的报告里已经把token消耗量称为衡量AI应用落地的“真实标尺”，2025 年上半年，全国公有云上的大模型调用量就突破了 536 万亿 Tokens，较 2024 年全年增长近四倍。token 烧在哪里、烧了多少，某种程度上就是一家公司AI渗透深度的体温计。
轻松健康的这张“体检单”是这样的：2024年全年消耗约260亿token；2025年跃升到1442亿。更能说明问题的是对外服务。今年前五个月，线上服务的token消耗较去年同期增长了5.3倍。
“做个对照你会更有体感，”高玉石说，“我们是一家健康公司，不是云厂商、也不是模型实验室。但按IDC的口径粗算，我们烧掉的token大概是全国公有云总量的万分之二量级。一家垂直健康公司能到这个浓度，本身就说明，AI不是贴在我们业务上的一层皮。”
在他看来，份额不是重点，重点是这些 token 到底烧在了哪两件事上。
二、对内：当产品经理开始写代码
第一件事，是把公司自己烧“熟”了。
烧在研发上的那部分 token，对应的是一套已经相当激进的内部AI化。年初，轻松健康就对研发岗位做了整合，在国内属于很早的动作，工程师全面走向全栈；上半年又进一步推动“产研融合”。
“融合”这个词，落到具体场景里是这样的：产品经理直接动手做开发，工程师直接面向需求方。证元芳的迭代就是个例子，提出能力假设的人和实现它的人，常常是同一个人，或者坐在一起、用同一套 agent 工作流的两个人。
“AI coding让我们的研发效率大概提升了6倍，”高玉石说，“但更深的变化不是快，是边界消失了。过去产品、研发、测试是流水线，现在更像一个人带着一群 agent 在跑。”
支撑这套打法的，是内部代号“星语”的agent体系，同时在岗的agent数量超过2000个。它们承接的不只是写代码，还有大量过去需要人来做的协作、调度、文档工作。就连非技术岗，也在用各类agent工具把日常工作AI化。
这套打法直接指向一个财务结果：低人头、高营收规模。在这个AI替代焦虑弥漫全行业的时刻，轻松健康给出的样本是另一种解法，不是用AI去裁人，而是用AI把每个人的产出半径撑大，让一个小团队跑出原本需要数倍人力的盘子。
三、对外：医疗AI的命门，是“会不会编”
第二件事，是把能力烧给真实的用户和医生。
要理解证元芳为什么把“循证”刻进基因，得先看医疗AI这两年的处境。2025年，中国医疗大模型整体从“技术探索”迈进了“规模化临床落地”，百模混战。但所有玩家头顶都悬着同一把剑——幻觉。
在医疗这个近乎零容错的场景里，一个会一本正经编造结论的 AI，不是资产，是负债。今年 4 月，国际顶级医学期刊《JAMA》首次刊发关于中国大模型医疗应用的观点文章，由清华大学黄天荫教授领衔，讨论的核心，正是医疗 AI 如何“安全落地”。行业的共识正在快速收敛：比拼参数和口才的阶段过去了，接下来比的是可信、循证、可溯源。
证元芳的设计哲学，恰好踩在这条收敛线上。
“我们内部有句话，叫‘先证据、后结论’，”高玉石解释，“很多医疗模型是先给你一个看起来很笃定的答案，再倒推理由。我们反过来，先用PICOS的方法把证据摆出来，证据指向哪儿，结论才走到哪儿。证据不足，它就明确告诉你不足，而不是替你圆一个故事。”
这套循证逻辑，是证元芳能通过信通院 13 维全项评测的底气，也是它敢往医院里、往眼镜上放的前提。“别人的AI眼镜在回答‘这是什么’，”他说，“证镜在回答‘凭什么这么判断’。”
四、把“健康判断能力”做成基础设施
聊到最后，话题回到了那个更大的词：AI健康基座。
在轻松健康的叙事里，中国健康领域真正的缺口，不是缺医院、缺药，而是缺一种“健康判断能力”：普通人面对一份报告、一个症状、一个治疗选项时，那种能分辨证据、权衡风险的能力。这种能力过去稀缺、昂贵、只存在于少数专家的大脑里。
而AI-native，给了它一个被规模化复制的可能。
“基座这个词不性感，但它是对的，”高玉石总结，“对内，它是我们烧掉的那些coding token，是2000个agent，是按AI逻辑长出来的组织；对外，它是证元芳服务真实用户时烧掉的token，是医院里的落地，是现在戴在医生脸上的证镜。证镜只是这套基座的一次‘显形’。下一次显形，可能是另一个端。”
某种意义上，这是一场关于“什么才算AI公司”的悄然分野。当百镜大战卷向同质化、医疗大模型卷向幻觉率、整个行业都在为“AI落地”焦虑时，轻松健康选择把答案藏进一个朴素的指标里：它烧掉的每一个token，要么让自己跑得更快，要么让一个普通人离“判断得清楚”更近一点。
镜片上浮起的那几行证据，最终指向的不是某个结论，而是一种能力的下沉：让循证，不再是少数人的特权。
封面新闻记者 张越熙
牛多彩网配资提示：文章来自网络，不代表本站观点。
