观点 | AI助手赋能眼视光行业的落地探索

随着热度攀升，“帮人养虾”的生意也随之出现，一键部署服务收费150～250元不等，短时间内即可成交上千单。其上手门槛并不高：作为开源项目，只需下载、安装并借助其他AI辅助，即可在短时间内完成配置，生成一个可执行任务的智能助手。

但入门容易，持续使用却并不轻松。OpenClaw本质上是调用各大模型接口运行的执行框架，所有算力消耗均需付费承担。每一次读取信息、处理文件都在实时消耗成本，复杂任务甚至可能在一夜之间产生数百元账单。如果无法转化为实际收益，这样的支出很难长期维持。

相比能否赚钱，更值得讨论的问题是，这类系统是否真的适合大多数用户。从实际使用反馈看，很多人的经历颇为相似：出于好奇尝试，随后使用频率下降，最终趋于闲置。这类AI助手更适合处理重复、复杂且持续的任务，而不是零散、偶发的需求；在运行过程中会持续消耗资源，即便没有明显操作，也可能产生费用；对使用者的理解能力有一定要求，需要知道它能做什么、如何调度以及控制。换句话说，它更接近一台需要管理的设备，而不是随手可用的工具。这也解释了为什么不少用户在完成安装之后，很快进入放着不用的状态。

“养虾”或许是一时的风潮，长远来看，它代表了一种变化：AI除了是聊天伙伴，提供建议，还能执行任务。随着AI进一步参与各行各业的具体业务，它并不会以“龙虾”这种通用助手的形态落地，专业的人做专业的事，未来，一定是“专业的AI做专业的事”：根据行业具体的需求，配置专门的AI智能体助手。

以眼视光中心的日常运营为例。作为高度专业化、强场景依赖的领域，无论是验光流程、处方管理，还是门店运营与客户服务，都涉及明确标准与复杂协同。通用型AI助手，虽然在语言理解和简单任务上表现良好，但因不懂视光学常识，没法评估临床风险，分不清服务流程的轻重缓急，很难直接胜任这份高度细分的工作。所以，更靠谱的落地不是弄一个你能与之互动的数字员工，而是一整套嵌入门店业务流程的后台系统。

其实这样的尝试已经在行业发生，并且一些门店开始实际投入使用了。比如，2025年美国西部眼镜展（Vision Expo West）的现场，就有多家企业携软件服务系统参展，其产品多为一整套针对实验室、视光中心和门店定制的专用AI辅助系统。根据笔者的走访了解，每一个展位的产品都有至少两位数的零售客户已投入实际运营。

这类系统的主要卖点，不是它们有多聪明或者多“像人”，而是经过了海量行业数据的深度“喂养”和调试，能够润物无声般地嵌入眼视光中心日常运转的框架里，稳定地输出生产力、提升效率、节省人力成本。

这类AI系统能干什么？在检查环节，它们可以自动抓取综合验光仪、角膜地形图等设备的数据，生成结构化的电子病历，甚至能辅助医生标记眼底影像中的异常风险；在门店运营端，它们能根据过往的销售数据和季节趋势，精准预测下个月该进什么框型的镜架，自动向供应商发起隐形眼镜的补货单；在客户服务上，它们不仅能接听电话安排复查预约，还能在消费者配镜后，自动追踪适应情况并给出指导。当然其价格也并不便宜，从展会上来看，最基础的入门套餐普遍在1000美元/月。

如果摘下对新技术的滤镜，这种以嵌入式系统为形态的专业AI助手，在眼视光行业大量应用也面临着问题。首先就是最棘手的权责问题。视光行业带有强烈的医疗属性，一旦AI在辅助标记眼底影像时出现了漏诊，或者在处方建议上出了偏差，责任是属于签字的视光师，还是开发系统的公司？其次是数据壁垒与安全，门店要把最核心的客户病历、销售流水全盘托出，交给一个基于云端的系统去运算，其中的风险，就跟大厂禁止员工私自给办公电脑装“龙虾”是一样的道理。更何况，许多传统门店至今还在用着十几年前的单机版管理软件，让AI去跟这些老系统对接打通，还得付出不小的精力。

一项技术从玩具走向基础设施的路，就是这样铺满荆棘。上述的每一个痛点，也会倒逼行业去建立新的数据标准和操作规范。虽然它目前还略显笨拙和昂贵，但绝对值得我们长期观察的效率变量。

相比之下，社交网络上那场轰轰烈烈的“养虾”运动，更像是一场针对大众的初级启蒙。这股“养虾”的热潮里，首先赚到钱的，其实是淘金热里卖铲子的人，即在闲鱼上帮人付费一键部署OpenClaw的人。

对于真正做业务的人来说，最大的陷阱就是把手段当成了目的，为了用AI而用。最终只能是玩票。未来，行业的AI竞争，一定是看谁能最先把新技术，变成实实在在的运转效率。届时，我们所面临的AI助手，更有可能是一套套深嵌在业务链条深处甚至让你察觉不到它存在的专业系统。