文|科技助老新範式 周宇翔

2026年8月22日，泰康保險集團30周年之際，一款名為「養醫大模型1.0」的產品正式亮相。

按照泰康的設想，這個大模型並不是一個專門陪老人聊天的「ChatGPT」，而是要進入健康評估、慢病管理、康復護理、風險識別等真實業務流程，成為醫生、護士和照護人員的智能助手。

為了訓練它，泰康動用的是一份頗為特殊的數據資產。

截至目前，泰康醫養已經在全國37座城市佈局48個項目，32家養老社區投入運營，入住居民超過2.3萬人，五大醫學中心全面運營。從老人入住後的健康評估，到慢病隨訪、康復、長期照護，一位長者可能會在這裏留下持續數年的健康記錄。2024年，泰康開始在通用大模型基礎上加入這些養醫知識和長期實踐數據，並由多學科專家參與訓練和評估。

如果只看大模型發布這件事，其實它並不新鮮。

過去兩年，醫療大模型、保險大模型、政務大模型已經輪番登場。真正值得注意的是，大模型這一次正在進入一個高度依賴人的行業——養老。

在這裏，它面對的不是寫文案或者做PPT，而是3億多老人，以及一支長期處在人員緊缺狀態的照護隊伍。

養老，可能恰恰是最需要AI，又最不能完全交給AI的行業之一。

01 3億老人背後，一筆越來越難算的人力賬

養老行業面臨的第一個問題，其實並不複雜：老人越來越多，而能夠提供服務的人並沒有同步增加。

國家統計局數據顯示，截至2025年末，中國60歲及以上人口已經達到3.2338億，佔總人口的23%；65歲及以上人口達到2.2365億，佔15.9%。一年時間裏，60歲以上人口又增加了1300多萬。

與此同時，養老護理又是一項極端勞動密集型的工作。

老人需要喫飯、服藥、洗澡、翻身，需要血壓和血糖監測，需要康復訓練，需要夜間巡視，也可能突然跌倒、發燒或者情緒低落。失能、失智程度越高，需要投入的人力就越多。

但養老護理員長期面臨招人難、留人難的問題。全國人大常委會此前在養老調研中就指出，養老服務人員、醫養照護人員尤其緊缺，工作時間長、責任重、薪酬和職業發展空間有限，使行業長期存在人才供給不足的問題。

問題在於，這些本就稀缺的人，並不是所有時間都在「照顧老人」。

他們還要填寫護理記錄、整理健康檔案、交接班、記錄用藥情況、覈對服務項目、上報異常事件，管理者則要排班、調度人員、做評估、統計數據。

真正值得大模型介入的，首先就是這些工作。

2026年發表在《Journal of Medical Internet Research》的一項研究觀察了德國14家長期照護機構的52名護士。引入AI語音記錄助手之後，每個早班用於撰寫護理文書的平均時間從約54分鐘下降到39分鐘，減少約28%。

這表明，大模型技術的引入，將可以大大緩解養老行業勞動力不足的問題。

另一項在台灣三家醫院進行的大模型研究更直觀。

大模型被接入護理交班系統後，每名患者的交班記錄時間從此前平均約3.45至4.32分鐘，下降至約1.17至2.54分鐘。按照實際患者數量估算，三家醫院每個月可以節約約474至981個小時的護理工作時間。研究還對模型使用成本進行了測算，在研究期間，大模型節約出來的護理時間所對應的勞動價值高於模型運行費用。

在這樣的實驗結果面前，養老機構對大模型的興趣可以說是情理之中，畢竟對一個長期缺人的行業而言，AI的價值反而不是降本增效，裁員降薪那一套，而是為已經身處行業裏的工作人員減負，降低工作壓力。

02 人找服務，服務找人？

如果說減少文書工作解決的是效率問題，那麼大模型更大的想象空間，是改變養老服務的提供方式。

傳統的養老服務場景下，各養老機構高度依賴老人自己表達需求。

身體不舒服了，告訴家屬；家屬聯繫醫院；跌倒了，按下呼叫器；血糖高了，再去找醫生。

這是一個典型的「發生問題—發現問題—尋找服務」的過程。

也許這個模式在過去幾十年是方便並且高效的，但在現如今的老齡化背景下，這些高齡老人恰恰是最不擅長主動尋找服務的一群人。

獨居老人可能幾天沒有測血壓，輕度認知障礙老人可能忘記喫藥，失能老人甚至無法準確描述自己的身體變化。

如果可穿戴設備、智能床墊、家庭健康設備與大模型結合，服務邏輯就可能倒過來。

我們不妨暢想一下未來：不用老人告訴系統「我今天不舒服」，而是系統發現：一個老人過去半個月每天早上7點起床，最近三天卻頻繁睡到上午10點；平時每天在家走3000步，最近突然只剩500步；夜間如廁次數增加，飲水量和血壓也發生變化。

任何一個數據單獨看可能都沒有意義，但把它們放在一段長期時間軸上，就可能成為一次疾病、衰弱或者跌倒風險的早期信號。

養老服務因此可能從「響應需求」進一步變成「發現需求」。

這也是AI最適合老年健康管理的地方之一：

人會累，並且人工的精細服務也很貴，不可能每一個老人都配備人員24小時盯着

人不擅長做這些繁瑣、冗長的事情，但機器卻恰恰擅長。

如果風險能夠更早發現，其潛在收益就不再只是節省幾分鐘護理時間。

一次跌倒背後可能意味着骨折、手術、住院和數月康復；一次沒有及時處理的慢病惡化，也可能最終變成急診和住院。

因此，對保險公司、養老機構和醫療機構來說，AI背後還有另一筆經濟賬：把醫療資源儘可能從昂貴的事後治療，向成本更低的提前干預移動。

這也解釋了為什麼泰康這樣的保險公司會成為養老大模型的重要參與者。

它既承擔部分健康風險的支付，又擁有養老社區和醫療機構。如果AI最終能夠減少住院、延緩失能，受益的不只是老人，保險支付端和醫療養老服務端都可能獲得收益。這也是養老機構積極引入大模型最強大的動機。

03 不過，先別急着把父母交給AI

故事講到這裏，很容易滑向另一個極端：既然AI可以聊天、監測、預警甚至給出健康建議，是不是未來真的可以少要幾個護理員？

現在的答案恐怕是否定的。

養老行業和客服、營銷最大的區別在於，它最終仍然是一個高度依賴物理世界的行業。

AI可以發現老人應該翻身，但真正把一個80公斤的失能老人翻過來仍然需要人；AI可以判斷老人情緒低落，卻無法真正握住他的手；它可以制定康復計劃，卻不能替老人完成訓練。

更重要的問題還來自大模型本身。

世界衛生組織此前專門提醒，大模型在醫療健康領域可能生成聽起來非常可信、實際上卻完全錯誤的信息，同時涉及醫療隱私、數據偏見、網絡安全以及醫護人員「過度相信機器」等風險。

而養老場景幾乎集中了這些風險，並且對於風險的承受能力也是較弱的。

養老大數據，這裏保存的不只是一個人的姓名和手機號碼，而可能是十年的疾病史、認知狀態、用藥記錄、睡眠、排泄、行動軌跡乃至家庭關係。

另一方面，老人也是數字能力差異最大的人群之一。如果產品設計默認用戶能準確描述症狀、看懂複雜界面，所謂「智慧養老」反而可能製造新的數字鴻溝。WHO也曾特別提醒，如果訓練數據和產品設計缺少老年人參與，AI甚至可能複製針對年齡的偏見。

還有一個更容易被忽略的問題——陪伴。

一個永遠有耐心、永遠願意聽老人講過去，還能記住他說過每一句話的AI，對獨居老人當然具有吸引力。但當這種關係變得足夠真實時，隱私、情感依賴以及機器是否應該取代人與人的聯繫，也會成為新的倫理問題。

因此，真正成熟的養老AI恐怕不會是像科幻小說中所描繪的：「AI負責養老，人負責監督」。

實際上更可能出現的結構恰好相反：

AI負責讀數據、整理信息、尋找異常和處理重複勞動，人負責最終判斷、身體照護以及人與人之間無法標準化的部分。

04 風已經來了，但卻不是我們想象中的模式

需要承認的是，今天對養老大模型的很多暢想仍然還只是一個「可能」。

2026年發表的一篇針對老年人大模型聊天機器人的系統綜述，從1228項相關記錄中最終只篩選出9項符合要求的研究，而且這些研究的中位樣本量只有12人。研究人員特別指出，目前還沒有研究證明這類產品在完全投入真實運營後取得了明確效果。

這意味着養老大模型距離成熟產業仍然很遠。

但另一方面，一些更不起眼的應用已經開始產生收益。

AI減少護理記錄時間、自動生成交班材料、幫助發現風險、整理健康檔案，這些事情沒有「機器人照顧老人」那麼科幻，卻更容易在今天真正落地。

這或許也是觀察這一輪養老AI熱潮最重要的尺度。

未來最先改變養老行業的，未必是一台能夠直接端茶倒水、陪老人下棋的人形機器人。

它可能只是護理員胸前的一個麥克風，自動把一整天的工作變成護理記錄；可能是養老院後台的一套系統，在幾千名老人中找出今天最值得醫生注意的十個人；也可能是一個老人家裏毫不起眼的終端，在某天凌晨發現他的生活規律突然發生了變化。

養老是一門關於人的生意。

在過去，行業最大的困難恰恰是人的時間太貴、太有限，又無法複製。

大模型真正可能改變的，並不是讓養老從此「不需要人」，而是讓那些稀缺的專業人才能將更多的精力放在人身上。

也就是說，將重複、繁瑣勞累的工作交給機器。將人從勞動價值較低的勞動中解放出來，從而投身到更高價值的勞動中去。

2026年，大模型的風已經刮進了養老。

至於它最終留下的是一地概念，還是一場真正的效率革命，答案可能不會由參數量決定，而取決於它究竟能不能在老人每一次喫飯、喫藥、康復、就醫和被照顧的真實生活裏，解決一個具體的問題。