走进任何一家采血点，你很可能碰到两类人：一类攥着医生开具的化验单，等待确认某项指标是否已跨过疾病阈值；另一类则带着条形码，主动要求抽取数十管血液——他们不是病人，而是Function Health的会员。这两类人恰好划出了医疗体系的一道裂痕：主流医学在生病之后才启动干预，而预防性检测市场试图把时间轴拉回到症状出现之前。
2026年7月，总部位于奥斯汀的Function Health宣布完成4.5亿美元成长轮融资，投资方为General Catalyst旗下Customer Value Fund。这家成立仅三年的公司如此节奏连续完成大额融资，距离该公司2025年11月完成的2.98亿美元B轮融资仅过去8个月。
这笔4.5亿美元并非传统股权融资。General Catalyst通过其Customer Value Fund提供资金，这是一种非稀释性融资结构——资金用于客户获取、销售和营销支出，投资方的回报与所获客户产生的价值挂钩，而非直接换取公司股权。这种结构意味着Function Health无需在此轮融资中稀释现有股东权益，但也意味着General Catalyst的回报高度依赖于Function能否以合理成本获取并留住会员。如果客户终生价值显著高于获客成本，双方共赢；如果获客效率低于预期，General Catalyst承担的风险结构与股权投资完全不同，公司据称无需从自身现金流中进行固定偿还。
| 关键字段 | 详细信息 |
|---|---|
| 公司 | Function Health |
| 轮次 | 成长轮 |
| 金额 | 4.5亿美元 |
| 投资方 | General Catalyst（Customer Value Fund） |
| 总部 | 美国德克萨斯州奥斯汀 |
| 创始人 | Jonathan Swerdlin、Pranitha Patil、Mark Hyman、Seth Weisfeld、Dan Swerdlin、Mike Nemke |
| 成立时间 | 2023年 |
| 官网 | https://www.functionhealth.com/ |
超过160项指标的年检服务，把“无症状者”变成付费会员
Function Health的核心产品是一个会员制的健康监测平台。年费365美元，会员可以定期进行超过160项生物标志物的血液检测，覆盖心脏功能、激素水平、甲状腺、营养指标、肿瘤信号、免疫功能、衰老因子和自身免疫等多个维度。除此之外，会员还可以预约全身MRI和CT扫描，服务已覆盖全美超过200个地点。公司还为会员提供检测结果的仪表盘追踪、书面解读和临床医生审阅。
自2023年上线以来，Function Health已完成超过5000万次实验室检测。这个数字放在医疗检测行业并非小数目——但需注意，这5000万次是“检测次数”而非“检测人数”。一个会员每年进行一次包含160项指标的血液检测，就会产生160次检测记录。换句话说，这个数字更多地反映会员的复购频率和检测深度，并非用户规模的直接证明。公司从未披露付费会员总数，也未公开收入数据，外界无法判断这5000万次检测背后对应的会员规模，而不同规模对应的商业含义截然不同。
从产业链角度看，Function Health并不自建实验室或影像中心，而是对接第三方检测和影像服务提供商，通过规模化采购获取折扣价，再以会员费的形式打包出售给消费者。消费者支付一个固定年费，获得访问多个服务网点的权益，平台通过集中采购和流量分发创造价值。
当生成式AI接管你的体检报告，医生的角色会发生什么
检测只是Function Health商业模式的前端入口，数据整合才是它试图建立壁垒的地方。2025年11月，随B轮融资一同发布的Medical Intelligence Lab，是一个生成式AI模型，旨在整合实验室检测和医学影像数据，生成个性化健康洞察。会员可以使用AI聊天机器人，针对自己的检测结果提问，系统会调用检测历史、影像数据和就诊记录来作答。公司为Medical Intelligence Lab的研发投入了医生、研究人员和工程师团队，模型由医生进行训练。
这套系统的本质更接近于一个定制化的临床决策支持工具。多数AI健康助手只处理单一类型数据，Function试图打通实验室和影像两条数据流，并在其上叠加生成式AI的交互层。如果这一整合技术上能够成熟落地，理论上可以为用户提供一种跨数据源的统一健康视图。
但这里有一个技术上必须面对的问题：不同来源数据的标准化和互操作性。第三方实验室的血液检测、不同影像中心的MRI和CT扫描、苹果手表或Oura Ring的可穿戴数据，它们使用的是完全不同的数据格式、参考区间、采集频率和质量控制标准。将这些异构数据整合进一个统一的AI模型中，并确保输出结果的临床准确性和一致性，是远比表面更复杂的工程挑战。公司对此未披露具体的技术路线、模型架构或临床验证数据。
365美元的年费背后，单位经济模型是一道待解方程
Function Health的商业模式看起来很简单：收取会员年费，对接第三方检测和影像服务。365美元的定价将其明确地置于消费医疗范畴。
这里的单位经济模型是整个商业故事中最关键的悬念。365美元的年费需要覆盖实验室检测外包费用、MRI和CT扫描采购成本、AI模型推理和训练成本、临床医生审阅结果的人力成本以及与检测实验室和影像中心的合作分成。即使在大型连锁实验室拿到的集团采购折扣，一项包含160个指标的全面血液检测的外部成本也远非零。全身MRI的单次执行成本通常处于较高水平。Function究竟是用融资款补贴会员服务来换取增长，还是已经实现了正向单位经济？如果单位经济为正，利润率处于什么水平？公司未披露相关数据。
过去15个月内，Function连续收购了三家公司：Ezra、Getlabs和SuppCo。这三笔收购的金额均未披露，但其战略意图清晰——通过垂直整合来控制服务交付的关键环节，降低对第三方供应商的依赖，并拓展会员服务的价值链。
General Catalyst合伙人Pranav Singhvi将Function称为“这一代决定性的公司之一”，并表示“Function创造了一种我们前所未见的全新健康方式”。这种级别的背书表明投资方看重的是长期市场地位的构建，而非短期盈利指标。但Customer Value Fund的特殊结构意味着，General Catalyst的耐心也不是无限的——它需要看到客户价值被创造出来，才能实现自身的投资回报。这种回报机制的具体条款——包括回报上限、期限、客户获取目标——均未披露。
General Catalyst为何在8个月内追投4.5亿
4.5亿美元的成长轮投资由General Catalyst的Customer Value Fund独家出资。Customer Value Fund是General Catalyst旗下一种非典型基金工具，专门用于为被投企业提供大规模资金以加速客户获取和收入增长，其回报与客户创造的价值挂钩，而非传统的股权升值。这种结构对投资方而言意味着更直接的商业验证路径——不需要等待IPO或并购退出，而是通过客户价值分成来实现回报；对被投企业而言，则意味着可以在不稀释股权的情况下获得大额增长资金。但这也意味着更高的执行要求：如果客户获取成本超出预期，或客户留存率低于假设，投资方的回报将直接受到冲击。
从投资逻辑来看，General Catalyst的押注至少基于三个判断。第一，预防性健康管理正在从一小群生物极客的爱好，扩散为更广泛的中产消费行为，市场的可寻址规模正在扩大。第二，Function Health通过同时掌控检测入口和数据整合层，可以建立起超越单一检测服务商的用户粘性——一旦用户的长期健康数据沉淀在平台上，迁移成本会显著升高。第三，AI赋能的个性化健康建议将产生足够强的产品差异化，使其在与Superpower、Neko Health、InsideTracker等同类公司的竞争中不被替代。
Function Health的CEO Jonathan Swerdlin表示，“每一美元投给Function，都是为80亿人投票争取100个健康年”。这一表述将Function框定为基础设施型公司，而不仅是一个检测服务商或会员平台。但基础设施叙事需要以极高的市场渗透率为支撑——一个“智能层”只有在覆盖了足够多的用户和数据之后才真正具有基础设施属性。Function目前是否达到了这个临界点，仍是未知数。
创始人组合的特殊性：连续创业者遇上功能医学意见领袖
Function Health的联合创始人配置在医疗科技创业公司中并不常见。CEO Jonathan Swerdlin与联合创始人兼首席医学官Mark Hyman在商业执行力和医学专业背景上形成了互补。其他联合创始人还包括Pranitha Patil、Seth Weisfeld、Dan Swerdlin，以及前CTO Mike Nemke。
竞争不是来自另一家检测公司，而是“没病就不去医院”的消费者惯性
Function Health经常被与Superpower、Neko Health和InsideTracker放在一起比较。在欧洲，还有巴黎的Lucis和瑞士的Ahead Health等公司推进类似模式。英国的Numan则从男性健康切入，代表了该赛道的另一种路径。
Swerdlin曾表示，Function通过其设备无关战略形成差异化，平台可以整合来自不同来源的数据，而不是将用户锁定在某个特定的硬件或检测体系内。这种策略确实有助于扩大潜在用户群，降低了用户使用Function的心理门槛——你不必更换已有的可穿戴设备或放弃现有的医疗服务关系。但也意味着Function并不能完全控制用户数据的质量。一个在某第三方实验室完成的血液检测，与一个在独立影像中心完成的全身MRI，两者的数据质量控制标准、设备校准状态和操作规范各不相同。整合不同来源的数据在商业上有利于快速获客，但在临床准确性和一致性上引入了更多的变量。
更重要的是，Function Health真正的竞争替代方案可能不是任何一家同类创业公司，而是现有医疗体系中的“不做什么”——也就是大多数人在感觉良好时选择不去做任何检测。说服一个自认为健康的人每年花365美元、抽出时间去采血和做全身扫描，以寻找尚未表现出症状的问题，这是一个行为改变上的挑战，远比技术上的挑战更难攻克。Function Health的商业模式，本质上是绕过传统的“医生-保险-患者”三角，直接向消费者售卖预防性检测。这意味着它同时也绕过了循证医学中关于筛查利弊的审慎评估体系，将“是否应该做这项检测”的决策权从医生转移到了消费者手中。
这种转变并非天然有问题——有健康意识的消费者主动管理自己的健康数据，理论上可以带来更好的健康结果。但问题在于，目前缺乏大规模临床证据证明，Function Health所倡导的这种广度覆盖、高频重复的无症状筛查模式，确实能改善长期健康结局，而不是仅仅增加医疗系统的负担。如果Function Health能投入资源开展真实世界研究，产出同行评议的临床证据，它可能为整个预防性检测行业提供合法性基础；如果无法做到这一点，它可能始终被主流医学界视为一个面向“焦虑型健康消费者”的高端消费产品，而非严肃的医疗工具。
4.5亿美元要花在何处，以及那些尚未被回答的核心问题
公司明确表示，此轮融资将用于客户获取、销售和营销支出。这一定位与Customer Value Fund的资金性质高度吻合——这笔钱本就是为了推动规模化增长而设计的。在此轮融资宣布的同一周内，OpenAI将Function Health列为ChatGPT中Health功能的推荐连接，允许用户将个人健康数据接入AI助手进行查询；而Robinhood则将Function会员资格作为其年费695美元铂金卡的免费权益。这两个合作案例表明，Function正在通过嵌入大型消费平台的分发渠道来降低获客门槛、扩大触达面。General Catalyst的4.5亿美元可能为更多此类合作提供资金支持，同时支撑大规模的广告投放和促销活动。
另一个悬而未决的问题是数据安全。Swerdlin曾明确表示“你的数据和身份永远不会被出售，每一条信息都经过完全加密和保护，我们致力于保证你和你的数据安全”，公司也声称符合HIPAA标准。但HIPAA合规是一套流程标准，规定了数据处理的最小必要原则、访问控制和审计要求，并不意味着数据绝对免疫于泄露或滥用。Function Health收集的数据深度——跨越血液标志物、全身影像和医疗就诊记录——使其成为潜在的数据安全高价值目标。一旦发生数据泄露，涉及的远不止隐私问题，还可能包括基于健康数据的歧视风险：基因信息、肿瘤标志物、心理健康指标等敏感数据如果被保险公司、雇主或其他机构获取，可能对个人产生深远影响。在法律和伦理层面，针对AI驱动的消费健康平台的数据治理框架至今仍然不完备。
最后，本轮融资的估值未在公开信息中出现。B轮时公司估值为25亿美元，这一轮融资发生在此后8个月，考虑到Customer Value Fund的非稀释性质以及两家高调合作带来的市场曝光，估值大概率有所上升。但上升幅度取决于这8个月里实际的用户增长、收入表现和留存数据——而这些数字仍然不为外界所知。
RecodeX 极客视：Function Health正在用资本密度对抗医疗体系的惯性——365美元的年费把全身检测从奢侈消费品变成了中产可触及的服务。但8个月两轮超大额融资间隔，让市场还来不及看到它在没有补贴的情况下独立行走的样子。General Catalyst选择用Customer Value Fund而非传统股权的方式下注，意味着它赌的不只是公司估值上涨，更是客户终生价值能跑赢获客成本。这比VC式的“投团队、赌赛道”更接近商业真相。它的真正对手不是Superpower也不是Neko Health，而是“没病就不去医院”的消费者习惯。如果这4.5亿美元只是用来在渠道上买用户，这将是一场资本效率极低的规模游戏；如果其中真有一部分钱用来产生临床证据，让预防性检测从“健康焦虑者的消费品”变成“有据可查的医疗工具”，预防性医疗的叙事才可能从创业公司的路演PPT走向医疗政策讨论的会议室。OpenAI和Robinhood的接入是聪明的分发策略，但分发效率最终要靠产品价值来转化。