夜雨聆风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。
