用AI做藏医体质辨识，藏颐小卓玛想在鸿蒙入口上跑通「测评—方案—商品」闭环

体质辨识这件事，藏医有自己的理论底座：隆、赤巴、培根三因的盛衰与失衡，对应着一套从饮食起居到外治调理的完整方法。但在日常健康服务里，这套判断长期依赖老专家的望诊、脉诊经验，普通人很难用得上。市面上大部分健康类产品走的是另一套路——填一份问卷，给一份泛泛的通用建议，跟藏医的辨证逻辑并不相通。

藏颐小卓玛的做法是把藏医三因理论做成一套可计算的体质辨识与方案生成体系，再通过鸿蒙系统级的入口触达用户。项目目前已经上线内测，正在延安康养基地做小规模试跑，计划在试跑验证模型后启动天使轮融资。

「藏医里讲三因失衡，隆、赤巴、培根分别对应气、能量、体液的不同状态，这套分类是藏医判断体质和给调理方案的基础。」项目负责人马文说。团队做的第一步是把这套分类拆成可量化的评估维度——体貌特征、生理状态、生活习惯、性格倾向，再加上可穿戴设备的心率、睡眠和活动量数据，由模型给出体质类型判断，并生成对应的饮食、起居、药浴和理疗方案。

难点不在模型生成文字，而在边界。健康类AI最容易被问到「能不能诊断」和「有没有疗效」，藏颐小卓玛的应对是把业务动作卡死在健康建议与调理服务范围内：不做诊疗结论，不做疗效宣传，不把保健品表述成药品，同时按最新要求对AI生成内容做显式和隐式标识，对健康档案数据做单独授权和全链路加密。

这套边界设计带来的直接好处是复测闭环可以成立。用户拿到方案之后，下一次测评的数据会回到模型里，用于调整下一轮的方案建议。数据越用越准，这是藏医这类高度依赖个体经验的服务能否标准化的关键。

真正让这个项目跑出差异的，是它想占的位置。鸿蒙的HMAF 2.0框架支持Agent之间通过A2A协议互相调用，开发者可以把自己的服务注册成系统可识别的Skill，由小艺这样的系统级智能体在理解用户意图之后直接唤起。这意味着藏颐小卓玛不需要自己买量做投放，它可以作为一个体质辨识与健康调理的Skill，出现在用户跟手机说话的那条链路上。

相比一个独立App或者小程序，这种系统级入口的差别在于用户没有额外下载的动作，服务可以直接嵌进用户已经存在的使用习惯里。HMAF 2.0开放了超过20项AI能力和GUI操控能力，对垂直场景的服务方来说，这是一次新的流量分配窗口。

模式上，藏颐小卓玛把测评到方案的链路做成了商品出口：体质辨识之后，用户可以购买对应的药食同源商品包，或者进入药浴、霍尔灸等疗程化理疗服务，此外还有会员订阅和面向基地的SaaS服务。项目内部测算，单个康养基地在方案转商品跑通之后，回收周期约为三到六个月。

项目的冷启动同样落在实体上。延安康养基地为首批用户池提供落地场景，也让模型在服务真实用户的过程中回流训练数据。

行业里同类动作不少。西藏自治区已经推动藏医历算资源中心和藏医体质辨识系统的数字化建设，深圳、西藏的多家机构和医院也在做藏医体质辨识的数字化工具，拉萨市2026年的标杆示范项目清单中，就有面向高原健康服务的藏医药大模型与智能辅助诊疗项目。鸿蒙一侧同样在推进——龙岗区已经有全场景开源鸿蒙智慧养老院落地，把智能设备接入同一个鸿蒙底座。

这些动作说明藏医数字化和鸿蒙康养都是被各自行业在推进的方向，但把两者接在一起、并且同时接上商品供给的做法，目前还没有跑出成熟样本。

从验证到规模化，中间还隔着几道坎。专家独家授权和软著、数据资产登记，决定了这套知识资产的护城河有多厚；试跑阶段的复测率和方案执行率，决定数据飞轮能不能真的转起来；方案转商品这一步能不能成立，则直接决定商业模型是否成立。

项目当前处于内测试跑阶段，下一步是跑完延安基地的首轮试跑，用真实用户数据验证模型和商业链路，启动天使轮融资，把产品和合规团队补齐，再向西北区域的其他康养基地复制。

 

项目信息：藏颐小卓玛 ｜ 定位：藏医三因体质辨识与健康调理AI服务 ｜ 创始人：马文 ｜ 阶段：内测试跑 ｜ 融资：计划启动天使轮 ｜ 所在地：陕西延安