Yara AI 失败拆解：低千位用户、不到 $1M 资金，为什么创始人先关掉了心理健康聊天机器人 (2026)

Yara AI 在 2025 年 11 月前后关掉了免费产品，也取消了原本准备推出的订阅服务。它当时只有低千位数用户，资金少于 100 万美元；收入、付费转化、留存和具体停运日期都未披露。1 2

我的判断是，Yara 不是因为用户完全不需要心理健康支持而失败，而是因为它把最难承担的那部分需求也包含进了产品承诺。一个能陪用户处理日常压力的聊天机器人，一旦被用户当成危机时刻的心理治疗师，安全、监管、责任和长期跟踪成本就会同时上升。对于一个资金少于 100 万美元、还没有公开证明订阅收入的团队，这条边界没有被经营能力托住。

增长因果链可以压缩成一句话：低摩擦、无预约的对话让 Yara 容易获得首次使用，但「随时可用」也把高风险心理状态带进同一个入口；当模型无法可靠判断用户状态、无法持续跟踪变化、也没有持牌专业人士接管时，产品越像治疗，风险越高，订阅越应该延后，创始人最终选择在收费前停运。3 4

Part G｜增长系统：首次对话容易，安全留存没有被证明

结论：Yara 的增长问题不是能不能让人开口，而是能不能让用户在低风险边界内持续获得价值。

Yara 早期经历了 private alpha、经过筛选的扩大测试和 public beta。创始团队希望它成为一种随时可用的日常习惯，产品也强调记忆、同理心和持续对话。3

AARRR 环节	已知事实	未披露项与应盯指标
Acquisition	public beta、无预约入口、用户可直接开始对话；早期定位是降低心理支持的触达门槛。3	注册量、获客渠道、CAC、自然流量占比均未披露。先看进入首轮对话的比例，再看其中有多少人主动回来，而不是把下载量当作需求证明。
Activation	首次流程先询问用户想从对话中得到什么，再追问「是什么让你今天来到 Yara」。历史截图显示，产品要求用户确认年满 18 岁，并说明它不是临床服务。3	首次有效对话率、首轮对话后的资源点击率、危机意图误判率未披露。激活不能只定义为「聊了几句」，应定义为用户完成一次安全且可复述的低风险任务。
Retention	产品曾把记忆和持续对话作为长期关系的一部分，目标是让它成为日常习惯。3	D7、D30、每周有效会话数、用户主动删除记忆的比例均未披露。可证伪条件：若低风险用户 D30 留存低于 20%，说明「陪伴式记忆」没有变成稳定习惯；这个阈值是本文的决策假设，不是 Yara 的公开数据。
Revenue	产品曾免费提供，原计划推出订阅服务，后来取消；营收、付费用户和转化率均未披露。1	在安全边界和服务成本未被验证前收费会放大责任。若低风险激活用户中没有至少 5% 愿意为明确功能付费，先缩窄任务，不要继续扩大「AI 治疗师」叙事。阈值为 C 级经营假设。
Referral	Yara 的早期叙事强调低 stigma 和私密表达，但公开材料没有披露邀请率、分享率或推荐来源。	心理健康产品的分享天然受隐私约束，应该盯匿名推荐、专业转介完成率和资源页点击，而不是鼓励用户公开分享聊天内容。

这里最容易被忽略的是 Retention。心理支持产品的高频打开不一定代表健康留存，也可能代表用户在危机时刻反复求助。把危机求助次数当作 engagement，会把风险当成增长曲线。

Part O｜市场机会：需求很大，不等于小团队能安全承接

结论：Yara 面对的是一个真实需求，但可服务市场必须按风险等级切开，不能把所有心理健康需求都算进同一个 TAM。

Yara 早期资料把目标用户描述为有动力改变生活、能识别自身模式但缺少应对策略的人，同时希望产品补充传统治疗，甚至在部分场景下成为替代选项。3 这两个说法的商业含义不同：前者是低风险自助工具，后者接近高责任的临床服务。

公开材料没有给出 Yara 所在市场的 TAM、SAM、SOM，也没有披露用户的症状结构、地区分布或支付能力。下面的数字不是行业规模预测，只是把经营问题算清楚的情景模型，置信度为 C：

层级	透明计算	只用于检验什么
TAM 情景	100 万名愿意为低风险自我反思工具付费的成年用户 × 年费 $120 = $1.2 亿年收入	假设市场足够大，但不代表真实用户数已被证明。
SAM 情景	10 万名能接受应用内支持、且不需要临床接管的用户 × 年费 $120 = $1,200 万年收入	检验产品是否能避开高风险人群，同时保留可支付需求。
SOM 情景	1 万名付费用户 × 年费 $120 = $120 万年收入	对不到 100 万美元资金的团队来说，检验是否值得继续投入，而不是证明能覆盖整个市场。

这套模型的关键不在 $120，而在「不需要临床接管」这一筛选条件。如果把危机用户也算进市场，SOM 看起来会更大，实际需要的人工监督、转介、法律和安全成本也会一起变大。市场机会必须用风险分层后的支付意愿来计算。

Part S｜战略定位：产品说自己不是治疗，用户却可能把它当治疗

结论：Yara 卡在了 care 与 therapy 之间最难经营的位置，免责声明没有消除产品承诺带来的行为预期。

早期介绍把 Yara 称为生成式 AI 构建的「人工治疗师」，产品愿景包含随时可用、深度关注式对话、目标导向提问和治疗补充；后来产品页面又明确写着「Yara is not a clinical service」，不是专业医疗建议、诊断或治疗的替代品。2 3

这不是文案小问题。用户不会只按免责声明使用产品，用户会按产品的情绪语气、记忆能力和回应时机判断它能否承担自己的问题。一个界面同时说「我会记住你」「我会陪你」和「我不是临床服务」，就会出现承诺与责任不对称：关系感越强，用户越可能在高风险时刻继续留下来。

2025 年 8 月，伊利诺伊州通过 The Wellness and Oversight for Psychological Resources Act。行业报道对该法的概括是，AI 不得在没有持牌专业人士参与的情况下提供治疗或心理治疗服务；治疗师使用 AI 做临床决策、治疗性交互、无直接人工监督的治疗建议或心理状态分析，也受到限制。法案允许更窄的场景，例如记录管理、经过专业人士审查的匿名化趋势分析和资源转介。5

定位选择	用户得到什么	公司要承担什么	Yara 的现实问题
低风险自助	情绪记录、反思问题、睡眠和压力管理	明确排除危机与诊断，做好转介	市场较窄，但边界更清楚。
治疗补充	在治疗间隔期记录和练习	专业人员、数据治理、效果评估	需要比普通聊天机器人更重的服务系统。
AI 治疗师	随时对话、记忆关系、持续陪伴	接近临床级安全、责任和监管能力	早期团队很难用不到 100 万美元资金覆盖。

创始人后来把 Yara 描述为「impossible space」，并认为 AI 还没有准备好处理处于危机中的人。1 这句话不能证明所有 AI 心理健康产品都不可行，但它清楚指出了 Yara 没有解决的战略选择题：到底做一个边界清晰的 wellness 工具，还是做一个有专业人员和责任体系支撑的医疗产品。

Part C｜竞品分析：安全边界本身就是产品能力

结论：Yara 的可替代性不只来自模型，真正的差异在于谁能把「什么时候该回答、什么时候必须转介」做成可验证流程。

产品/替代方案	主要入口	对高风险场景的公开边界	对 Yara 的启示
Yara	记忆型、开放式对话	产品页说明不是临床服务；停运页提供危机与专业资源，但没有披露实际危机拦截指标。2	关系感和开放式对话带来激活，也扩大了错误依赖的可能。
Wysa	面向个人、团队和医疗系统的行为健康支持	明确不用于自杀、自伤、严重心理健康问题等危机场景，也不提供医学或临床建议。6	先把服务边界写进产品定位，再讨论规模化。
MindDoc	App、每日问题、课程和练习	官网称其为欧盟 MDR Class I 医疗器械，并称产品做过超过 1,000 名参与者的临床研究；这不等于所有场景都由 AI 独立处理。7	如果要接近医疗场景，需要效果证据和监管身份，而不是只增加模型同理心。
持牌专业人士	预约、持续治疗和人工判断	责任主体、转介和升级路径更清楚，但即时性和价格受限。	AI 可以补充流程，不能用聊天界面直接伪装成完整替代。

Wysa 和 MindDoc 的做法说明，竞品优势并不只是「回答得更像人」。Wysa 把不处理危机写进公开边界，MindDoc 则把医疗器械身份、临床研究和课程化结构放在产品价值里。6 7

Yara 如果继续做，应该与这两类产品拉开选择，而不是同时保留「情绪陪伴」「AI 治疗师」「非临床服务」三套语言。可替代性最高的部分是开放式聊天，可防守的部分则是清晰边界、转介网络和可验证的长期结果。

Part P｜产品设计：记忆提高了亲密度，也提高了失控成本

结论：Yara 最有吸引力的产品设计，恰好也是它最难安全运营的部分。

历史产品资料显示，Yara 的核心交互是先询问用户今天为何到来，再根据用户回答继续了解需求；产品强调 AI cares、AI remembers 和 AI that’s safe，并要求用户确认年满 18 岁。3

Yara 历史产品同意页截图，页面说明其提供记忆和心理健康支持，同时声明不是临床服务。 — 上图所示的截图来自 2025 年 2 月发布的早期产品资料，原始页面同时展示了产品同意页和聊天界面。截图中的「AI That Cares」「AI That Remembers」是当时的产品宣传语，不代表 Yara 关停前已经完成了安全验证。3

产品拆开看有四个冲突：

记忆与隐私冲突。 记忆让对话更连贯，也让用户更愿意披露长期信息。可是一旦发生误记、泄露、删除失败或错误关联，伤害会比一次普通问答更大。早期资料提到传输和静态存储加密，也提到未来考虑把部分数据放在设备端，但「未来考虑」不是已经交付的控制能力。3
开放对话与危机识别冲突。 用户越能自由表达，系统越可能遇到自伤、创伤或急性危机。BHB 转述创始人的判断是，LLM 难以跟踪用户状态随时间的变化，这会让机器人难以判断自己是否仍处在合适的支持层级。4
安全审查与责任主体冲突。 早期资料提到用额外 AI 层审查草稿、组建 AI safety team，并考虑专用模型。3 这些可以降低某些错误，却没有自动产生持牌监督、危机转介和事后追踪。
同理心与依赖冲突。 「随时在这里」能降低首次使用障碍，也可能让用户把产品当成唯一支持来源。产品设计不能只优化回复满意度，还要记录何时停止对话、何时引导人类帮助、用户是否完成了转介。

产品承诺	可能的增长收益	必须补齐的控制	放行阈值，本文提出
记住用户	提高连续使用和个性化	查看、导出、删除、过期和隔离记忆	100% 记忆操作可审计；高风险内容不得默认写入长期记忆。
随时可用	降低预约和表达门槛	危机分流、资源页、人工或专业转介	危机意图的漏检率必须低于内部红线，具体数值应由临床安全团队设定，不能由增长团队自行决定。
AI-guided CBT	把方法变成日常练习	明确适用人群、专业审核、效果评估	没有至少一项可复核的低风险结果指标，不进入治疗替代叙事。
免费聊天	快速积累样本和反馈	预算上限、数据生命周期、使用边界	在订阅上线前，先证明低风险场景的重复任务和安全转介。

Part E｜商业模式：订阅还没开始，现金和责任先到了

结论：Yara 的商业化失败不是价格没定好，而是收费对象、服务边界和安全成本没有同时成立。

Fortune 报道称，Yara 只有低千位数用户、资金少于 100 万美元，后来因资金在 7 月耗尽而关闭公司；文章没有披露已经实现的收入、MRR、ARR 或付费转化。它原本准备推出订阅服务，最终取消。1

模式	收入公式	对 Yara 的现实要求	判断
D2C 订阅	付费用户 × 月费 × 12	低风险边界、稳定留存、客服和安全成本可控	最容易上线，也最容易把高风险责任直接卖给个人。
雇主/保险/医疗机构	合同数 × 年费	合规、效果研究、数据处理协议、转介网络和销售周期	更有机会覆盖安全成本，但已不是一个轻量聊天 App。
专业人士协作工具	专业用户 × 席位费	记录、练习、转介和人工审核可嵌入工作流	更接近 MindDoc/Wysa 的企业化方向，产品价值要从「替代治疗师」改成「减少重复工作」。

用一个不代表真实预测的情景计算，若年费是 $120，1,000 名付费用户对应 $12 万年收入，10,000 名对应 $120 万年收入。这里没有扣除模型调用、人工安全审核、法律、客服和转介成本，也没有证据证明 Yara 达到其中任何一个数字。它只说明：在没有证明 D30 留存和安全边界前，订阅收入的上限想象不能替代单位经济。

Yara 官方停运页没有把用户导向另一个付费产品，而是提供了 988、Crisis Text Line、NAMI、SAMHSA 等危机和专业支持资源，并公开了一组用于安全自我反思的对话模板。2 这是退出设计中少见但关键的一步：当产品不能继续承担关系时，优先把用户交还给更合适的支持系统。

Part L｜洞察提炼：把安全当作增长漏斗的一部分

结论：Yara 留下的最大教训，是安全边界不能放在产品上线后的合规附录里。

1. 同理心不是安全指标

回复更温柔、记忆更完整、用户更愿意倾诉，都可能提高 Activation，却不能证明危机识别、转介和长期结果更好。可证伪指标应包括危机意图漏检率、错误安抚率、资源点击后的完成率和用户是否在高风险状态下持续依赖产品。

2. 免责声明不能抵消行为设计

如果产品用「治疗师」「陪伴」「随时在这里」来获得信任，页面底部一句「不是临床服务」很难改变用户的使用行为。判断标准很直接：用户在出现高风险内容时，是否会离开聊天并完成专业转介；如果不会，定位就没有真正收窄。

3. 记忆是留存资产，也是责任资产

普通效率工具可以把记忆视为个性化功能，心理健康产品必须把它视为敏感数据和关系承诺。每增加一个记忆字段，就要同步设计访问、删除、过期、导出、纠错和人工审计路径。

4. 创始人主动停运也属于产品信号

Yara 不是等到监管处罚或大规模事故后才停，而是在订阅上线前承认自己无法安全承接危机用户。这个决定不能证明停运是唯一正确答案，但它提示创始团队应把「无法证明安全」列为 Stop 条件，而不是把它当成发布后的公关问题。

Part D｜决策分析：先决定服务边界，再决定是否增长

结论：类似产品的第一道门不是「能否把用户做到一百万」，而是「哪类用户可以被安全服务，哪类用户必须被交给人」。

决策状态	放行条件	可观察指标	动作
Go	只服务低风险自助任务，危机分流和转介已上线，数据可导出与删除	首次有效任务率、D30、转介完成率、漏检和误报	小范围扩大，先验证重复任务和付费意愿。
Narrow	用户愿意使用，但高风险内容占比、误判或依赖风险超过红线	危机意图率、人工接管率、异常会话复盘	去掉治疗师和替代治疗叙事，只保留情绪记录、反思和资源导航。
Hold	产品价值存在，但没有专业监督、效果数据或成本模型	安全事件、单位会话成本、人工审核时长	停止扩大用户，补齐临床和法律能力。
Stop	无法稳定识别高风险状态，或团队无法承担转介、数据和责任成本	严重漏检、用户无法离开依赖、现金 runway 低于安全建设周期	关闭服务，保留导出、删除和专业资源，公开解释边界。

如果重新设计 Yara，我会按这个顺序做四件事：

把产品改名为低风险自我反思或行为健康工具，删除「AI 治疗师」和「替代治疗」的模糊表达。
把危机分流、转介和退出做成核心流程，记录用户是否真的抵达了专业支持，而不是只记录聊天时长。
把记忆拆成用户可见的短期上下文与可选择保存的长期记录，默认不保存高风险内容，并提供导出、删除和纠错。
订阅只卖低风险、可重复、可衡量的任务，例如情绪记录、课程练习和治疗间隔期的自我管理；没有结果证据，不把产品包装成治疗替代品。

Yara 的失败不在于 AI 不能进行有帮助的对话。它的问题是，开放式对话让产品很容易越过自己的安全边界，而小团队又没有足够的资金、专业人员和监管能力把边界守住。低千位数用户、不到 100 万美元资金和尚未启动的订阅，说明它甚至没有走到规模化收费阶段；但它已经足够早地发现，错误的用户、错误的场景和错误的承诺会先于收入把公司拖入高风险区。1

对 AI 创业者来说，最值得提前写进看板的不是「本月新增多少用户」，而是三个停止条件：哪些情况必须交给人，哪些数据不能默认保存，哪些增长来自用户真正变好而不是用户在危机里反复求助。Yara 没有证明前两个条件可以被它承担，所以它在收费前停了下来。

下一次评估心理健康 AI 时，先问一个更窄的问题：它能不能在用户最需要人的那一刻，准确、及时、可追踪地把用户交给人。

References

1
Fortune：The creator of an AI therapy app shut it down after deciding it’s too dangerous
fortune.com
2
Yara AI：Thank You
yara-ai.com
3
PreseedNow：How does AI shape up as a therapist?
preseednow.com
4
Behavioral Health Business：AI Mental Health App Shuts Down, Citing Safety Concerns and Blurred Line Between Care and Wellness
bhbusiness.com
5
Behavioral Health Business：Establishing Ground Rules for AI in Therapy
bhbusiness.com
6
Wysa：Everyday Mental Health
wysa.com
7
MindDoc：Your Mental Health Companion
minddoc.com