宠物赛道的 AI 公司,都在做什么?

news2026/5/1 0:45:15
我们都知道宠物赛道的盘子大这几年也一直不缺钱。那宠物赛道的 AI 公司都在干什么呢我找了几家宠物赛道的 AI 公司本来以为这些公司会集中在宠物消费、宠物智能硬件这些领域。结果发现这几家值得分享的 AI 公司几乎都扎在宠物健康和兽医工作流这些领域。有的做早筛有的做疼痛识别有的做影像辅助诊断有的做病历和诊所效率工具。一类公司面向宠物主人试图把手机变成早期健康筛查工具让主人在去医院之前先做初筛。另一类公司面向兽医和诊所目标是减少误判、缩短等待时间、减轻文书负担提升临床工作效率。我会重点分析四家公司韩国的AI for Pet加拿大的Sylvester.ai美国的SignalPET以及面向兽医工作流的CoVet。宠物 AI 赛道先跑出来的也是医疗之前我有文章分享过企业级 AI 最先跑出来的行业分别是法律、医疗和科技。相似的是宠物 AI 赛道先跑出来的也是医疗。宠物行业虽然大但大钱过去主要投的是更成熟的生意比如诊所网络、保险、食品、药品、平台服务。人工智能要想在这个行业里站住最容易切进去的不是情绪消费也不是社区内容而是那些已经有明确支付方、明确痛点、明确结果的医疗场景。比如能不能更早发现问题能不能更快看懂片子能不能少写一点病历能不能让一个本来已经忙不过来的兽医多看几个病例。所以这些工具的目标用户非常清晰大多数公司一开始都只抓一个环节AI for Pet 抓住的是宠物主人Sylvester.ai 切的是猫咪疼痛识别这个很窄但真实存在的临床问题SignalPET 想做的是兽医读片CoVet 做的是诊所里最耗时间的记录和沟通。它们都不大但也都是一门能做深、能延展的生意。AI for Pet把宠物健康筛查放进手机里这家公司来自韩国公司名叫 AI for Pet面向宠物主人的产品叫 TTcare。它的做法是让宠物主人用手机拍摄或录制宠物的眼睛、皮肤、牙齿和步态再由系统分析是否存在健康异常。创始人 Euna Huh 有 25 年以上大数据和计算机科学经验。公司官网上介绍他们已经累计扫描超过 140 万次识别准确率 95%。公司后来又推出了专业版TTCareVet开始把宠物主端的检测和兽医端连接起来。这家公司没有一上来就去碰最重的诊断而是先做去医院之前的入口。对于很多宠物主人来说真正的难点不是不想带宠物看病而是不知道需不需要马上看、是不是已经严重到该处理。从产品路径看它更像宠物医疗里的消费级入口。先从宠物主人手里的一部手机开始再往专业服务端延伸。这个方向如果继续跑下去价值不一定只是一款应用它还有机会延展到远程医疗、连锁医院和宠物健康数据接口。Sylvester.ai专门做猫咪疼痛识别AI for Pet 是从广义健康扫描切入加拿大的 Sylvester.ai 走的是另一条路只做一个很窄的问题但把它做得足够临床化。Sylvester.ai 的首个应用叫Tably核心能力是通过猫咪脸的细微表情变化结合经过兽医认可的疼痛量表帮助判断猫当前的疼痛程度尤其适合术后护理场景。创始人Susan Groeneveld在动物健康和技术领域也有超过 25 年经验。这家公司抓住了一个临床里非常具体的问题猫往往不像狗那样明显表达疼痛但疼痛判断对诊疗、术后护理和主人沟通都很重要。所以它做的不是泛泛的健康分析而是一个围绕猫疼痛识别构建的专门工具。商业模式上Sylvester.ai 现在更像一类典型的早期专业工具公司先把一个小问题做成然后再尝试进入更大的临床系统。2025 年CoVet 宣布与 Sylvester.ai 合作把它的猫疼痛识别能力接入兽医工作流。SignalPET做兽医影像辅助诊断如果说前两家公司还带一点消费者侧的影子那SignalPET就已经非常明确地站在兽医端了。SignalPET 成立于2018 年联合创始人兼首席执行官是Lior Kuyer。它的核心产品很清晰用人工智能和机器学习分析宠物放射影像帮助诊所更快、更标准地完成影像解读减少误判降低外部放射科咨询的时间成本。公司后来又推出SignalSTAT把 AI 判断和人工放射科支持结合在一起提供更快的周转服务。影像一直是兽医诊疗里很现实的瓶颈。不是每家诊所都有足够强的读片能力也不是每家诊所都有全天候的放射科专家支持。SignalPET 的路径和人类医疗里的很多影像软件很像不是上来取代专家而是先解决效率问题。从市场表现看SignalPET 比很多宠物 AI 小公司更扎实一些。公司的公开数据显示2024 年已覆盖2500 多家兽医医院、5000 多名临床人员截至 2026 年已服务2500 多家活跃诊所、7000 多名活跃临床人员。这家公司想做的肯定不只是影像而是从影像这个最容易被验证、也最容易被诊所接受的切口逐步往更广的诊断支持走。CoVet做兽医诊所的病历和工作流工具最后一家公司是CoVet。前面几家主要围绕“看病”本身CoVet 抓的是另一类现实问题兽医花在记录、整理、写病历和与客户沟通上的时间太多了。CoVet 的产品定位是面向兽医团队的人工智能临床副驾工具用来自动生成病历、转写问诊内容、整理客户沟通尽量减少临床之外的重复劳动。和人类医疗一样兽医行业这些年一个很大的压力不一定只是诊断能力不够而是时间太碎、行政文书太重、人太累。所以 CoVet 代表的是另一条非常现实的路径不往诊断里挤选择先用 AI 提升兽医工作效率。而且后者往往更容易快速铺开因为它不需要一开始就承担最核心的临床责任只要能帮诊所少花点时间、多接一点诊、减轻一点倦怠就已经很有价值了。AI 宠物赛道三条比较清楚的路线第一条是消费者入口型。AI for Pet 是代表。先从宠物主人手里的一部手机开始做健康初筛、早发现和数据沉淀然后再往专业服务和更深的医疗连接延伸。第二条是很窄的临床问题型。Sylvester.ai 是代表。先抓一个小问题比如猫咪疼痛识别把它做到足够可信再嵌进诊所系统。这样的切口未必一开始就很大但临床意义很强。第三条是诊所效率和诊断支持型。SignalPET 和 CoVet 分别代表两个方向一个从影像诊断切入一个从病历和工作流切入。综上我们看到宠物这个巨大的市场已经开始出现一些很具体、也很像样的小公司。它们没有一上来就讲大而空的故事而是各自抓住一个又一个真实存在的问题主人看不出来宠物生病、猫咪不会说疼、诊所片子读不过来、兽医病历写不完等等。这类公司短期内未必会像通用人工智能公司那样声量很大但天花板也足够高足够吸引人了。以上祝你今天开心。封面和摘要我们都知道宠物赛道的盘子大这几年也一直不缺钱。那宠物赛道的 AI 公司都在干什么呢修改封面和摘要

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2561371.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…