智能乌鸦 2025-04-18 18:25 北京
怎么搭建护城河，Harvey 是个好榜样。
今年 2 月，硅谷 AI 营养平台 Fay 完成了由高盛领投的 5000 万美元融资，公司估值冲到 5 亿美元。
据悉，Fay 已经累计融到了 7500 万美元的投资。作为一个连接营养师和患者的在线平台，Fay 凭借仅有不到 3000 个的营养师，实现了 5000 万美金的年收入。
Sammy Faycurry（首席执行官）和 Mark Stefanski（首席技术官）
Fay 极其突出的商业化表现引发了外界对于「AI+医疗」领域的商业化模式思考。
总结来看，Fay 成为 AI 医疗领域「范本」的主要核心优势在于：
找准时机，踩中风口：2022 年以来，美国「减肥潮」兴起，市场对专业营养服务的需求暴增，但营养师的供给严重不足。Fay 基于 AI 技术来帮助营销师提高服务效率，将高质量护理时间从 6.5 小时压缩至 2 小时，服务效率提升 300%。
抓住核心支付方-保险公司：从商业模式上看，虽然 Fay 服务的对象是营养师，但不向营养师收取收费，保险公司才是实际买单的企业客户。同时，Fay 通过 AI 营养师将传统人工服务的成本压缩至 1/5，保险公司能以更低单价购买预防服务，降低了整体慢性病的风险。
借鉴法律独角兽 Harvey AI 的成功思路，打造其「护城河」：Fay 在落地过程中借鉴了 Harvey AI 的三点做法：一是处理非结构化数据，如整合 AI 医疗笔记工具体现用户健康数据；二是领域知识工程化，构建医疗知识本体和营养学知识图谱；三是整合资源打造一站式服务平台，与多方合作实现服务直付、优化采购体验、扩大服务覆盖场景。
通过与保险公司深度绑定，将自身平台嵌入健康保险系统中，Fay 建立了牢固的护城河。
高浓度的主流模型（如 DeepSeek 等）开发交流；
资源对接，与 API、云厂商、模型厂商直接交流反馈的机会；
01
服务效率提升 300%
Fay 两年融资 7500 万美金
Fay 出现的契机，还要归于 2022 年底至 2023 年期间，掀起的一股「减肥潮」。
在美国，胖子几乎随处可见。根据美国疾病预防控制中心 2021 年的一项调查，美国 20 岁及以上的成年人中有 41.9%的人肥胖。
也就是说，10 个成年美国人中，4 个是胖子。
彼时，GLP-1 类减肥药（如 Ozempic、Mounjaro）在美国大肆流行，由于其减肥疗效良好，加上名人如埃隆・马斯克的亲用宣传，产品一跃成为爆款，甚至一度出现药品短缺的情况。
由于服用 GLP-1 药物的过程，需要搭配饮食调整以维持减重和代谢健康，大量对专业营养服务的增量需求被创造出来。
虽然需求很大，但营养师的供给却严重不足。
原因在于，美国的注册营养师证（RD）并不好考，他们必须完成经认可的四年制学士学位，以及 1200 小时的监督培训，才能去考试。
同时，独立营养师在开设诊所时又面临保险认证、营销这些事宜。
需求与供给的错配，为 AI 辅助营养师打下了基础，Fay 就在这个环境下诞生了。
简单来说，Fay 是一个营养师和患者的在线匹配平台，服务可选线上与线下结两种方式，涵盖领域包括：
饮食失调、糖尿病、围绝经期和绝经期、多囊卵巢综合症、儿科、生育健康、肿瘤学、体重管理、功能医学、GLP-1 用户等。
除了提供 AI 辅助的个性化咨询，Fay 还会给营养师提供「一站式解决方案」，解决保险报销、管理、定价等一系列后台问题。
Fay 的 AI 临床笔记功能，可以自动输出 ICD-10 编码和诊断结果。在生成的报告里，AI 会整合患者个人困扰、过敏信息、宗教饮食合规性检查等，生成个性化营养方案，包括定制化补剂推荐、饮食计划及购物清单。
同时，AI 还可以处理保险索赔、定价估算、膳食计划生成、患者文件管理等。在美国，营养师的学位课程不包含创业/执业的知识，而 Fay 平台能覆盖这些执业任务。
据 Fay 平台描述，他们通过 AI 技术自动化处理繁琐事务，将高质量护理时间从 6.5 小时压缩至 2 小时，服务效率提升 300%。
一个营养师在和他的糖尿病客户面聊前，需要花 1.5 小时手动核对保险信息，与保险公司沟通、做审批；还要花 1 小时做日程安排，花 2 个小时收集分析患者健康信息；最后，制定营养方案又要 2 小时。
使用 Fay 平台后，首先保险事务耗时为 0，Fay 将与保险机构对接自动获取确认信息；AI 做日程安排只需 0.5 小时，系统依双方可用时间匹配并通知；剩下的 AI 生成报告和方案生成，总耗时不到 1.5 小时。
Reddit 网友@gfahm98 描述说，他入驻 Fay 的第一个月（去年 7 月份）便服务了 50 位患者客户；跑单率也大大降低，90%的客户都预约了后续服务。这位营养师的收入约为 90 美元/小时，而客户量每周持续增长 150%，
虽然 Fay 平台上只有不到 3000 个营养师，却创造了 5000 万美金的年收入。
出色的商业化表现，也为 Fay 带来了顶尖投资人的青睐。
截至目前，Fay 已完成三轮共计 7500 万美元融资。最新一轮融资里，Fay 拿到了高盛领投的 5000 万美元融资，估值也被推升至 5 亿美元。
瞄准保险支付方
借鉴 Harvey AI 成功思路
回顾过去的发展，Fay 做对了两点：
一是 Fay 抓住了保险公司这一核心支付方。用 Fay 的联合创始人 Sam Faycurry 的说法：
Fay 找到了一个由保险覆盖的私人营养师的市场，这本质上是在构建一个服务于营养师、客户和保险公司的三方市场，营养师是他们服务的对象，也是他们进入市场的切入点。
为什么保险公司这么重要？因为营养服务太贵了，一般人用不起，保险公司一直是营养服务最大的支付方。
在美国，超过 2/3 的美国人都拥有保险覆盖营养咨询的资格。但对独立营养师而言，与保险公司合作是一件极其困难的事情。
现在，有了 Fay，等于打通了独立营养师与保险公司的联系。简单来说，Fay 的付费环节相当于打包好的智能收银台，它能够自动算医保报销比例+患者自费部分，连保险公司的报销申请都能一键搞定。
从商业模式上看，虽然 Fay 服务的对象是营养师，但不向他们收取收费，保险公司才是实际买单的企业客户。
而保险公司也非常乐意与 Fay 进行合作。这背后的逻辑，是基于医疗经济学中的「预防性投入-长期成本节约」理论。保险公司作为医疗费用的最终承担者，天然追求疾病预防的效益。
在美国，每年 4.5 万亿美元的医疗保健支出中，约有 86%用于治疗慢性病和精神疾病患者（CDC 2023 数据），而营养干预已被证实可使糖尿病管理成本下降 28%（JAMA 2022 研究）。
Fay 通过 AI 营养师将传统人工服务的成本压缩至 1/5，保险公司能以更低单价购买预防服务，降低了整体慢性病的风险。
第二，Fay 在落地过程中，也借鉴了法律独角兽 Harvey AI 的做法。主要是以下三点：
1、AI 处理非结构化数据：
Harvey AI 处理结构化法律数据，如判例法和监管文件，从而为复杂的研究问题提供精准的答案；Fay 则是在临床过程中，为营养师整合了 AI 医疗笔记工具，能在诊断书上体现用户健康数据（如饮食习惯、体检报告、实验室检测结果等）。
2、领域知识工程化：
借鉴 Harvey 的法律分类构建器（Legal Taxonomy Builder），Fay 构建医疗知识本体（如 ICD-11 编码与肥胖症、糖尿病等慢性病症状），基于 SNOMED CT（系统化临床医学术语标准）构建营养学知识图谱。
3、整合资源，打造一站式服务平台：
Harvey AI 做得是集成式法律平台，Fay 则打造了连接营养师、用户、保险机构及企业的协同平台。Fay 与健康保险公司合作实现服务直付，与亚马逊合作，优化用户健康食品采购体验，并通过与微软、百事等企业的合作扩大服务覆盖场景。
总的来说，通过与保险公司的深度绑定，将自身平台嵌入健康保险系统中，Fay 建立了牢固的护城河。高盛 TMT 投资负责人评价：
「Fay 的知识引擎架构已形成医疗 AI 的稀缺性技术壁垒」。
Fay 的成功并非个例，
AI 营养师受到投资市场青睐
Fay 的成功并非个例，AI 赋能营养师行业正在得到投资人的关注。
比如，Fay 的竞对 Berry Street 也在今年拿下了 5000 万美元的投资。与 Fay 类似，Berry Street 也瞄准了保险覆盖的营养护理人群，通过 AI 驱动的一站式业务工具，自动化后台医疗功能，并简化接受保险、提供虚拟护理、临床文档管理和患者沟通的过程。
另一家初创公司 Nourish 之前完成了 3500 万美元的 A 轮融资，计划进一步投资 AI 工具以提升患者体验，并优化营养师的行政工作流程。
看起来，比起和医生抢饭碗，帮支付方省钱似乎是一条 AI 医疗行业落地更可行的路径。
通过将营养师服务转化为保险公司可量化的成本节约指标，Fay 正在构建起「预防性医疗-长期降本」的飞轮效应。资本押注的不仅是 AI 技术，更是 4.5 万亿慢性病市场支付链的重构。
谷歌首个混合推理模型Gemini 2.5 Flash：性能与o4-mini相媲美、可灵活控制「思考预算」
转载原创文章请添加微信：founderparker
