AI Transformation of So-Young Clinics: First, Turn the Physical World into Data

剛剛落幕的 2026 世界人工智能大會上，企業級 AI 成為備受關注的賽道之一。

相比前幾年集中展示模型參數和生成能力，今年的展台上出現了更多智能體、行業解決方案和企業部署工具。AI 公司的產品正在進一步延伸至連接企業數據、系統和業務流程。

但當 AI 真正進入物理世界，事情並不會像產品演示裏那樣順暢。

以診所為例，顧客走進了哪間診室、醫生完成了哪些操作、設備被推到了哪裏、一支藥品為什麼被領出又退回，這些事情不會自動變成數據。

日前，新氧創始人金星與華爾街見聞·全天候科技等媒體展開了一場近 2 個小時的交流。

新氧正在旗下 50 多家輕醫美門店推進 AI 改造，希望將 AI 用於面診、治療質檢、顧客分診及門店運營等環節。

在這場交流中，讓人印象更深刻的是為了讓 AI 進入門店，新氧先做了多少基礎工作。

例如為了統計一名消費者在店內不同環節的等待時間，新氧試過平板簽到、手環、藍牙、Wi-Fi 等方式；為了讓總部遠程監督醫生是否執行標準治療流程，公司在診室安裝攝像頭，最後又發現全國門店的網絡帶寬需要逐一擴容。

新氧從 2023 年開始建設這套數字化體系，投入了上百名工程師。三年過去，金星認為公司仍然主要處在 AI 落地的 “上半場”——數據治理。

“有了這些數據積累，才能讓 AI 針對你的業務去學習。” 金星説，“我們現在還是在大量數字化的階段。”

新氧的實踐也揭示了連鎖業 AI 落地的一道隱形門檻：在 AI 落地之前，企業首先要把不斷變化的真實世界，轉化為真實、連續且可以被機器理解的數據。

數據採集的隱形代價

對於連鎖企業而言，AI 最誘人的價值之一是複製優秀門店和員工的能力。

一家門店可以依靠店長、醫生或者熟練員工維持運轉。但當門店從十家增加到數十家甚至上百家，企業就必須知道各家門店是否按照相同標準工作。

新氧希望做成一家標準化的輕醫美連鎖。

按照金星的設想，同一個消費者帶着相同的訴求，進入不同門店，由不同醫生和諮詢師面診，得到的治療方案應該高度接近。

但目前的新氧仍然做不到這一點。

消費者最終獲得什麼方案在很大程度上仍然取決於醫生和諮詢師個人的知識與經驗。

AI 要縮小這種差異，首先需要知道門店裏究竟發生了什麼。

一次完整的醫美治療，至少包括消費者提出訴求、進行皮膚檢測、醫生判斷問題、設計治療方案、準備藥品和耗材、完成治療，以及術後膚測和反饋等環節。

但這些信息以不同的介質呈現，散落在各個角落。

消費者的訴求是一段面診對話；皮膚狀況來自檢測儀器；治療使用了什麼藥品和劑量，記錄在供應鏈系統中；治療過程是一段視頻；最終效果則需要通過術前術後照片、膚測報告和評價來判斷。

針對不同數據，新氧採用了不同的採集方法。

面診對話通過語音轉文字記錄；皮膚檢測儀與後台打通接口，將原本只能查看的整套報告拆解成結構化指標；藥品和耗材通過 ERP 系統追蹤；醫生的治療過程則由視頻記錄。

據金星介紹，新氧圍繞約 175 萬次治療，已經積累了 300 多萬張治療前後對比照片，以及接近 53 萬份膚測報告。

但數據治理並不是把儘可能多的信息存下來，第一道難題是如何保證數據真實。

實踐過程中，新氧曾希望統計消費者在面診、皮膚檢測、術前準備和治療等環節分別花費了多長時間。

新氧最初在不同環節放置平板，讓員工手動簽到。但門店忙起來時，員工很容易漏籤；總部一旦考核簽到率，又有人提前或者事後補錄。

系統中的記錄變得完整，時間卻不再真實。

“這個數據對我們來講就是髒數據，髒數據就沒有用。” 金星説。

新氧隨後嘗試使用帶識別碼的手環，讓消費者到達不同區域後掃碼記錄。但手環會干擾消費者體驗。顧客為什麼需要佩戴手環？不同顏色會不會被理解為區分會員等級？

為了讓手環顯得有價值，團隊甚至討論過為其增加打開儲物櫃等功能。

藍牙、Wi-Fi 等同樣沒有單獨解決問題。

人工採集會增加工作負擔，無感採集又需要在準確率、成本和顧客體驗之間取捨。

最終，新氧只能將多種方式組合起來，儘可能還原消費者、員工和設備在門店中的真實位置。

這暴露了線下連鎖門店數據治理的一組矛盾：採集機制設計得不好，就可能增加員工負擔，甚至改變員工行為，製造出一套表面完整、實際失真的數據。

AI 進入治療巡檢

儘管新氧仍在進行數據治理，預期今年底才有可能完成，但 AI 已經在循序漸進地進入門店。

視頻巡檢治療過程成為 AI 落地的場景之一。

對於新氧來説，視頻巡檢要解決的核心問題是監督不同門店是否真正執行了統一的治療標準。

為此，新氧為不同治療項目制定了標準 SOP。以一個包含 10 個步驟的 BBL 項目為例，SOP 會明確每一步需要完成的操作和標準時長。

與此同時，診室還安裝了雙聯屏，其中一塊屏幕會顯示當前治療項目的操作流程，醫生可以在治療過程中對照執行，消費者也能看到治療進度。

為了保證每一步都被準確執行，新氧通過人工視頻巡檢監督治療過程。總部設置了專門的巡檢團隊，巡檢人員通過視頻遠程查看不同門店和診室的治療情況，監督醫生是否按照 SOP 操作。

但隨着門店和治療數量增加，每天產生的視頻越來越多，人工巡檢的效率低下。

新氧正在嘗試用 AI 改變這一過程。新氧向全天候科技表示一套新的智能巡檢系統計劃在 7 月底上線。

新系統將引入 AI 視覺識別能力，對治療視頻進行抽幀、目標檢測和行為分析，識別視頻中出現了哪些人、醫生正在執行哪一步操作、使用了什麼設備，以及動作是否符合標準、是否出現疑似異常。

按照新氧的規劃，這套系統將逐步實現 7×24 小時智能巡檢，並通過人工持續確認和修正識別結果，提高模型的準確率。

但要讓這套系統覆蓋全國門店，新氧首要面臨的挑戰並不是模型識別，而是網絡帶寬。

醫美門店原本不需要持續上傳大量視頻，現有網絡要同時支撐顧客服務和其他業務系統。智能巡檢上線後，診室畫面需要持續傳回總部，原有帶寬很快成為瓶頸。

實際運行後，新氧發現每家門店的帶寬至少需要擴展至 200 兆，否則視頻上傳還可能影響其他系統的運行。公司只能聯繫不同地區、不同商場的網絡供應商，為門店逐一升級網絡。

從人工抽查到 AI 巡檢，一項看起來屬於 AI 視覺識別的功能，最終同時牽涉攝像頭、網絡帶寬、視頻存儲、SOP 定義、人工標註等。

這也意味着，AI 進入門店並不是一項能夠迅速兑現利潤的升級。為了讓模型看見並理解真實的治療過程，企業首先需要投入大量工程資源，改造原有的系統、硬件和業務流程。

金星不認為 AI 短期內一定會讓單家門店立即變得更加賺錢。

但對連鎖企業而言，AI 真正可能帶來的回報並不只體現在一家門店的利潤表上，而是擴大整個組織的管理半徑，將原本依附於個人經驗的管理能力，逐漸轉化為可以被總部調用、監督和複製的系統能力。

但在此之前，企業必須先看見真實世界。把一家線下門店變成機器能夠理解的世界，依然需要大量緩慢而具體的工作。