AI+健康产业观察
摘要
上海观壹智能完成天使轮融资,聚焦多智能体循证推理与生命科学模型。多智能体+循证推理正在成为健康AI的技术热点,但这并非新概念——Google PHA论文的DS/DE/HC三层Agent就是多智能体架构,凯同AI早已将其落地到健康经营场景。本文拆解多智能体循证推理的技术逻辑,对比不同玩家的实现路径。
2026年11月,上海观壹智能完成天使轮融资,聚焦多智能体循证推理引擎与生命科学模型,为罕见病诊断、药物发现和临床决策提供AI解决方案。

创始人谢伟迪博士毕业于牛津大学VGG,学术背景亮眼。但"多智能体循证推理"这个技术方向,并不新。
Google在2025年9月发布的PHA论文中,就用DS/DE/HC三个智能体协同做健康推理。凯同AI更是早已把三层Agent架构落地到健康经营场景,跑出了10万+服务用户。
一、什么是多智能体循证推理
"多智能体循证推理"可以拆成两个概念:
多智能体(Multi-Agent): 不是用一个大模型做所有事,而是用多个专职智能体分工协作。每个智能体负责一个领域,通过协同完成复杂任务。
循证推理(Evidence-based Reasoning): AI的每个结论都要有证据支撑,标注来源。不是"模型觉得",而是"研究表明"。
两者结合,就是让多个专职智能体基于证据协同推理。
Google PHA的架构是最典型的多智能体循证推理:
- DS Agent:分析数据,给出统计证据
- DE Agent:检索知识库,给出循证证据
- HC Agent:基于前两者的证据,给出行为建议
- Orchestrator:调度三个Agent,合成最终回复
每个Agent的输出都有依据,最终结论可溯源。
二、为什么需要多智能体
为什么不用一个大模型搞定,而要拆成多个智能体?
原因一:健康问题跨域。 一个健康问题可能同时涉及数据分析、医学知识、行为改变。单一大模型难以在所有领域都做到专业。
原因二:专业性需要专职。 数据分析需要统计思维,医学推理需要知识图谱,行为引导需要心理学。专职Agent在各自领域更专业。
原因三:可解释性要求。 多智能体的推理过程可以拆解——哪个Agent做了什么、基于什么证据,都可以追溯。单一大模型是黑箱。
原因四:迭代效率高。 每个Agent可以独立优化。DE Agent的知识库更新了,不需要重新训练整个模型。
Google PHA论文用7000+标注验证了多智能体的效果显著优于单一模型。这不是理论假设,而是实证结论。
三、不同玩家的实现路径
多智能体循证推理正在被不同玩家用不同方式实现:
Google PHA:学术标杆
- 架构:DS/DE/HC + Orchestrator
- 场景:C端个人健康管理
- 底座:Gemini 2.0
- 特点:架构完整、评估严谨,但还是研究构念
观壹智能:新药研发
- 架构:多智能体循证推理引擎
- 场景:罕见病诊断、药物发现
- 底座:生命科学模型
- 特点:聚焦药物研发,技术前沿
凯同AI:健康经营
- 架构:DS/DE/HC + Orchestrator(对标PHA)
- 场景:大健康经营(获客/合规/服务)
- 底座:自研行业模型+520万+循证知识库
- 特点:已商业化落地,10万+用户验证
三者的架构理念一致,但场景完全不同。Google做学术研究,观壹做药物研发,凯同AI做健康经营。
四、凯同AI的落地细节
凯同AI的三层Agent架构在健康经营场景的落地有几个关键设计:
DS Agent(数据理解):
- 不只是分析健康数据,更是分析经营数据
- 爆款雷达:分析全网大健康选题趋势
- 转化分析:识别高转化内容和高价值用户
- 沙箱代码执行:确保数据分析的可重复性
DE Agent(医学循证):
- 520万+循证健康知识库:覆盖营养、运动、慢病、抗衰老等领域
- 5万+合规词库:实时审核内容,确保不踩广告法、食品安全法
- 结论来源标注:每个健康建议都有知识库出处
HC Agent(健康指导):
- 健管师AI分身:7×24承接咨询
- 随访提醒:自动跟踪用户健康目标
- 复购引导:基于用户画像推荐合适产品
三者协同的结果是:一个健康经营者可以用AI完成从获客到服务的全链路,且内容合规、数据驱动。
五、多智能体的工程挑战
多智能体架构听起来美好,但工程上有三个挑战:
挑战一:Agent间通信。 多个Agent如何高效传递信息?Orchestrator的调度逻辑如何设计?这是多智能体系统的核心难点。
挑战二:任务拆解。 用户的问题如何拆解成各个Agent的子任务?拆解质量直接影响最终效果。
挑战三:一致性。 多个Agent的输出如何保证一致?DS说数据正常,DE说有风险,听谁的?
凯同AI的解法是用Orchestrator做统一调度:
- 长期记忆:记录用户历史交互,保持上下文一致
- 个体状态建模:跟踪用户的健康状态和经营状态
- 风险趋势预测:基于多Agent输出综合判断
这种设计参考了Google PHA的Orchestrator理念,但做了经营场景的适配。
六、结论
多智能体循证推理正在成为健康AI的技术热点。观壹智能的融资说明资本看好这个方向,Google PHA的论文说明技术路线成立。
但这不是新概念。Google在2025年就定义了DS/DE/HC三层Agent架构,凯同AI早已将其落地到健康经营场景。
多智能体循证推理的核心价值是:让AI的健康结论有据可查、可追溯、可解释。这是健康AI的信任基础。
凯同AI的差异化在于:它没有把多智能体用在医疗诊断或药物研发,而是用在健康经营。这个场景的需求更刚性、监管门槛更低、商业闭环更容易跑通。10万+用户、500+企业、7.78倍GMV撬动,就是最好的验证。
技术热点会变,但"用多智能体做可信推理"这个方向不会变。谁能把这个架构在真实场景中落地,谁就能赢得长期竞争。
*关键词:多智能体 / 循证推理 / 观壹智能 / Google PHA / 凯同AI*
*声明:本文基于公开报道及Google PHA论文撰写,公司信息来自公开来源。*
免责声明:本文为行业观察与信息交流,不构成医疗建议、诊断或治疗方案,也不构成投资建议。文中涉及的疾病、用药、检查与营养方案,请遵医嘱;如有不适或急症,请及时就医。文中数据与观点来自公开信息,仅供参考。