Vidaya

一句话定位

把可穿戴、血检、基因、营养、医疗记录几十个数据源并成一个健康寿命分数， 再用一个 AI 教练回答"我的身体到底怎么了"。

做这个东西的人

CEO Kevin Amrelle（简历上自称在 Wells Fargo 任 AI/ML 执行总监，该职位 目前标注仍是"现任"），联合创始人 Duddu Venkata Ramana 博士（Head of AI & Data Science）。原产品叫 Vitality AI Health（2026-05 上线），因与 保险公司 Vitality 的 "Vitality AI"（与 Google 合作）撞名而改名 Vidaya。 发布平台 2026-08 周上线，日榜 #9。

判断：pool 里 builder 字段写的是 Kruti Parekh，与公开材料（Kevin Amrelle） 不一致，可能是提交者而非创始人；以公司公开口径为准。 一个连名字都要让位给保险公司的产品，说明它没有护城河到"名字值得捍卫"的程度。

它到底能做哪几件事

• 60+ 数据源统一：Apple Watch/Oura/Garmin/Whoop/Fitbit、Quest/Labcorp 血检、23andMe/AncestryDNA 基因、MyFitnessPal 饮食、Epic FHIR 医疗记录、 环境数据等
• Healthspan Score（五个长寿支柱）+ VAI Score（0-100，数据完整度）
• 每个 biomarker 的 7d/30d/90d/1y 趋势线
• Vaya AI 聊天：跨源自然语言问答（"开始吃 Lexapro 后睡眠怎么变了"）， 自称 10 秒出带依据的答案
• 安全：自称 HIPAA 合规第一天就按此标准建设、AES-256、数据可导出可删除
• 平台：iOS / Android / Web

它在替代什么旧行为

以前回答"我的身体到底怎么样"要登录八个 App：吃的在 MyFitnessPal、 补充剂在另一个、血检在 Quest 的 PDF、基因在 23andMe、病历锁在 Epic、 步数在 Apple Health、空气污染在 EPA 官网——没有人把它们串起来。 替代的是"个人健康数据的散落状态 + 用户自己当数据分析师"。

创始人的触发点是亲历的：冬天骑车比赛心率卡在 120，确诊 2 期高血压， 没有任何一个健康 App 提前发现趋势。这是真实的痛——但"发现趋势"恰好是 数据聚合产品最难兑现的承诺，因为它需要足够长、足够连续、足够多维的数据， 而多数用户撑不到那一刻。

商业模式

订阅制：$9.99/月 或 $89/年；发布平台 上线周 $50 优惠码（$39/年）； 30 天退款；无免费档。

硬数字

• 发布平台 日榜 #9
• Google Play 上线 3 个月后仍为 "5+" 下载；App Store 无可见评分 （第三方调研，2026-08-13）
• 无融资记录（bootstrapped），团队 2 名创始人
• 60+ 数据源；交叉相关引擎有专利申请（公司自称，未公开）

四维评估

判断

问题是真的，故事是真的，验证是零。 三个结构性问题：

一，没有证据。 上线 3 个月 Google Play 只有 5+ 下载、App Store 无评分、 无第三方评测、无融资。一个健康数据产品在 3 个月后没有任何可验证的使用痕迹， 说明它现在只有故事没有 traction。健康数据的信誉要用独立评测换，不能用文案换。

二，竞争位面不对。 Apple Health、Whoop、Oura 官方都在把聚合做进系统， Levels（CGM + 代谢）、SiPhox（居家血检）在垂直深挖。"60+ 数据源 + 一个分数" 在巨头免费聚合面前没有防御力；它的差异化——跨源相关引擎——还没有任何 可验证的成果证明相关发现是对的（跨源相关性最容易跑出伪相关）。

三，创始人承诺存疑。 Wells Fargo 执行总监职位标注"现任"，多个项目并行， 对一家需要全职死磕的健康创业公司是真实风险信号。健康数据产品最怕的是 做到一半没人维护——用户的健康数据在里面，比普通 SaaS 更依赖产品长期存在。

判断：给"有待观察"不是因为它产品差，而是因为它现在只有故事没有证据。 健康领域的幻觉成本远高于工具领域——一个错误的"健康寿命分数"比一个 错误的代码补丁危害大得多。

下一步看什么

① App Store/Google Play 评分与下载量能否起来（现在 5+ 下载等于零） ② 是否有独立医学/健康评测机构验证 Healthspan Score 的方法学—— 一个分数背后必须有一个可审查的模型，否则就是包装 ③ Vaya Chat 在真实用户手里的准确率与幻觉率——健康问答的容错率是零

可借鉴的做法

产品逻辑：把"你生成的所有健康信号"收进一个地方，用一个分数压缩、 用一个聊天界面回答——"聚合→压缩→问答"的结构适合任何碎片化数据领域 （财务、供应链、项目管理同理），但前提是先证明"压缩出来的那个数可信"。

结论

有待观察。 方向有真实需求，团队有真实故事，但目前没有任何可验证的 使用证据。不要因为故事好就当它成立——健康数据产品的信誉要用独立评测换， 三个月后看评分、评测与方法学披露。