文｜動脈網(wǎng)

11個月、免費(fèi)、覆蓋40%美國醫(yī)生群體。

美國OpenEvidence以專精小模型+病毒式增長，證明了在醫(yī)療這個最難滲透的行業(yè)里，依靠精準(zhǔn)的發(fā)展策略，也能做出現(xiàn)象級爆款產(chǎn)品。

成立僅四年，OpenEvidence已創(chuàng)下多項(xiàng)行業(yè)紀(jì)錄：美國約40%的執(zhí)業(yè)醫(yī)生成為其活躍用戶，注冊醫(yī)生總量超25萬，日均處理臨床查詢超6萬次，成為歷史上增長最快的醫(yī)生端AI平臺。自今年7月以來，該平臺每月臨床咨詢次數(shù)幾乎就翻一番，達(dá)1500萬次。這表明醫(yī)療工作者對該工具的需求正在極速增長。

資本層面，其估值實(shí)現(xiàn)了火箭式增長：2025年7月估值為35億美元，10月完成2億美元融資后，估值躍升至60億美元，短短三個月增長近70%。截至目前，公司累計(jì)獲得Google Ventures、紅杉資本、凱鵬華盈、黑石集團(tuán)等知名風(fēng)投超3億美元投資，成為醫(yī)療AI賽道估值最高的初創(chuàng)企業(yè)之一。

面對這樣一個快速躥升的項(xiàng)目，我們不禁要問它究竟做對了什么，國內(nèi)是否有類似的產(chǎn)品？

OpenEvidence解決了什么問題？

解決臨床醫(yī)生實(shí)際痛點(diǎn)是OpenEvidence發(fā)展的核心邏輯。

據(jù)《Nature》的研究，如今醫(yī)學(xué)知識每73天就會翻一倍，而在1950年時，這個數(shù)字為50年。照此計(jì)算，醫(yī)科學(xué)生甚至要每天學(xué)習(xí)超過29小時才能跟上專科文獻(xiàn)的發(fā)表速度，這顯然是不可能做到的。

OpenEvidence創(chuàng)始人舉過一個例子，一位銀屑病合并多發(fā)性硬化癥的患者來找皮膚科醫(yī)生。皮膚科醫(yī)生就會處于一個困境，他們不想讓多發(fā)性硬化癥變得更糟，而多發(fā)性硬化癥是一種神經(jīng)疾病，皮膚科醫(yī)生很難快速獲得IL-17抑制劑和IL-23抑制劑療效的最新證據(jù)，特別是這些抑制劑對多發(fā)性硬化癥合并癥患者的療效和安全性是什么。

在傳統(tǒng)場景下，醫(yī)生不得不求助PubMed，可搜索后只會得到文獻(xiàn)標(biāo)題，而不能得到諸如“IL-17抑制劑與IL-23抑制劑的安全性如何？”這樣一個非常具體問題的答案。站在AI工程的角度來看，這是一個去尋找邊緣案例的過程，在同行評審的頂級醫(yī)學(xué)期刊的某篇文章中回答了銀屑病和多發(fā)性硬化癥患者IL-17s與IL-23s的比較安全性問題，但它永遠(yuǎn)不會出現(xiàn)在標(biāo)題中。

在智藥局合伙人張世晨看來，可以有兩個緯度來理解OpenEvidence：從技術(shù)端來看，它是醫(yī)學(xué)證據(jù)的Google增強(qiáng)版；從產(chǎn)品端來看，它是專屬于醫(yī)生的ChatGPT。

OpenEvidence所做的，就是在醫(yī)學(xué)知識數(shù)量瘋漲的當(dāng)下，為注冊醫(yī)生提供可信醫(yī)學(xué)證據(jù)的AI搜索引擎，通過整合全球權(quán)威醫(yī)學(xué)文獻(xiàn)，在數(shù)秒內(nèi)快速為醫(yī)生輸出可追溯、結(jié)構(gòu)化的臨床決策支持內(nèi)容，本質(zhì)是解決醫(yī)生“知識過載但可信信息稀缺”的痛點(diǎn)，其輸出的每一條結(jié)論都能精準(zhǔn)關(guān)聯(lián)至NEJM、JAMA等頂刊文獻(xiàn)的具體段落，規(guī)避了AI幻覺風(fēng)險(xiǎn)。

OpenEvidence怎么做的？

OpenEvidence選擇垂直深耕而非規(guī)模競賽模式來構(gòu)建產(chǎn)品。

OpenEvidence摒棄了通用AI“參數(shù)競賽”的邏輯，走垂直知識深化路線，其技術(shù)體系圍繞“垂直化模型訓(xùn)練”、“證據(jù)可信度”和“醫(yī)療場景可用性”三大核心構(gòu)建。

當(dāng)前，隨著AI大模型的廣泛應(yīng)用，越來越多的AI公司喜歡追逐大參數(shù)規(guī)模的通用模型。特別是考慮到OpenEvidence成立于2022年，正值ChatGPT帶來的通用大語言模型浪潮，OpenEvidence卻反其道而行，在2023年發(fā)表了《Do We Still Need Clinical Language Models?》論文，詳細(xì)論述了醫(yī)療這類高精度要求的領(lǐng)域，專門訓(xùn)練的70億參數(shù)模型表現(xiàn)優(yōu)于數(shù)萬億參數(shù)通用模型的內(nèi)在邏輯。

2025年8月，OpenEvidence取得了里程碑式的突破，在美國醫(yī)師執(zhí)照考試（USMLE）中獲得了100%正確的成績，在全部325道問題均準(zhǔn)確回答并正確提供參考文獻(xiàn)。這一成績超越了ChatGPT-5，成為史上首個在該考試中獲得滿分的AI系統(tǒng)。這樣的結(jié)果無疑是對其模型方法論的最佳背書。

在“證據(jù)可信度”方面，OpenEvidence選擇使用經(jīng)過同行評審的，來自PubMed、Cochrane等權(quán)威公共數(shù)據(jù)源的數(shù)據(jù)來訓(xùn)練大模型，并且拒絕抓取公共互聯(lián)網(wǎng)上的內(nèi)容，盡量避免錯誤。同時，為解決AI“幻覺”問題，要求每一條輸出結(jié)論必須與至少2篇以上高等級文獻(xiàn)的具體段落強(qiáng)關(guān)聯(lián)，實(shí)現(xiàn)結(jié)論可追溯、證據(jù)可驗(yàn)證的效果。

同時，醫(yī)生在使用OpenEvidence時能直接查看答案的來源，也就是說，OpenEvidence會直接把流量送回?cái)?shù)據(jù)庫。正是這樣的機(jī)制，吸引來了頂尖醫(yī)學(xué)期刊《新英格蘭醫(yī)學(xué)雜志》的獨(dú)家合作，獲得其全文訓(xùn)練權(quán)限并近乎實(shí)時更新知識庫，同時為其帶來大量訪問。醫(yī)生有可靠的內(nèi)容，專業(yè)期刊獲得了流量，OpenEvidence獲得了權(quán)威內(nèi)容讓模型更加精準(zhǔn)，從而形成一個良性循環(huán)。

OpenEvidence架構(gòu)示意圖，據(jù)公開信息整理繪制

在“醫(yī)療場景可用性”方面，OpenEvidence圍繞臨床決策全流程進(jìn)行設(shè)計(jì)，在Mayo Clinic的實(shí)測顯示，系統(tǒng)將復(fù)雜病例處理時間縮短40%，誤診率下降35%，特別在腫瘤跨學(xué)科會診中提升診斷一致性達(dá)68%；在急診科，系統(tǒng)將分診準(zhǔn)確率提升至92%，大大降低了急診科的誤診率和漏診率；在罕見病診斷方面表現(xiàn)則更為突出，對121種罕見病的識別準(zhǔn)確率超過專科醫(yī)生組15.7個百分點(diǎn)，平均決策時間僅為人類專家的1/8。

具體到產(chǎn)品界面，更是以醫(yī)生工作流程為設(shè)計(jì)重點(diǎn)，圍繞證據(jù)可追溯這一核心，做到每句回答都標(biāo)注交叉引用編號，文末附上完整參考文獻(xiàn)清單，方便醫(yī)生核實(shí)。同時對問題采用雙模式回答機(jī)制，“臨床證據(jù)”模式側(cè)重展示支持證據(jù)和文獻(xiàn)綜述，“護(hù)理指南”模式則提供直接操作建議。

總的來看，OpenEvidence成功構(gòu)建起了護(hù)城河，形成短期難以復(fù)制的競爭壁壘。

首先，獨(dú)家權(quán)威內(nèi)容授權(quán)是其核心壁壘，它不僅是僅有的獲得NEJM與JAMA全文索引權(quán)的AI工具，還與全球多家頂級醫(yī)學(xué)學(xué)會達(dá)成合作，獲得權(quán)威的結(jié)構(gòu)化數(shù)據(jù)，而通用AI模型僅能獲取文獻(xiàn)摘要，內(nèi)容深度和完整性不可同日而語。

其次，40萬活躍醫(yī)生產(chǎn)生的真實(shí)世界查詢數(shù)據(jù)（包含具體病例、用藥疑問、指南困惑等）經(jīng)脫敏處理后，又能成為模型優(yōu)化的黃金數(shù)據(jù)。同時，在醫(yī)療自然語言處理領(lǐng)域的深厚積累，包括醫(yī)學(xué)實(shí)體識別和關(guān)系抽取的特殊優(yōu)化，臨床語境理解和查詢意圖識別，證據(jù)質(zhì)量評估和排名算法都不是一朝一夕可以追趕的。

最后，是品牌的信任度。目前，OpenEvidence已經(jīng)覆蓋了美國超過40%的執(zhí)業(yè)醫(yī)師，廣泛的用戶基礎(chǔ)是醫(yī)生們對其準(zhǔn)確性和可靠性的認(rèn)可。斯坦福醫(yī)院的心臟科醫(yī)生表示：“每當(dāng)我懷疑OpenEvidence的答案，就會去查證原始文獻(xiàn)，可大多數(shù)情況下，它提供的信息都是準(zhǔn)確且有良好引用的。這種信任需要時間建立，但一旦建立，就會成為強(qiáng)大的競爭優(yōu)勢?！?/p>

OpenEvidence能持續(xù)盈利嗎？

用戶免費(fèi)+廣告變現(xiàn)的“谷歌”式商業(yè)閉環(huán)。

說起OpenEvidence的商業(yè)模式，就不得不提其創(chuàng)始人Daniel Nadler的經(jīng)歷。Nadler在哈佛大學(xué)獲得經(jīng)濟(jì)學(xué)博士學(xué)位，2013年，他創(chuàng)立了金融AI公司Kensho，開發(fā)了一種能夠?qū)崟r分析金融事件對市場影響的智能系統(tǒng)，以5.5億美元的價格賣給了標(biāo)普全球，之后Nadler與牛津大學(xué)計(jì)算機(jī)博士Zachary Ziegler聯(lián)合創(chuàng)辦了OpenEvidence。

這位金融專業(yè)出身的創(chuàng)始人自然明白一個高效的商業(yè)模式對于企業(yè)的重要性。

傳統(tǒng)醫(yī)療AI軟件系統(tǒng)要想進(jìn)入醫(yī)院，有著冗長的醫(yī)院采購流程，美國一套醫(yī)院信息系統(tǒng)從評估到采購最快也要2年的時間，同時，還要面臨FDA嚴(yán)苛的審批要求，并且審批過程也較為漫長。

因此，OpenEvidence選擇避開這些障礙，高效抓住用戶的同時進(jìn)行快速迭代。首先，它將自身定位成醫(yī)學(xué)信息檢索工具，而不是需要審批的診斷設(shè)備，這樣一來就不需要FDA審批。

其次，它繞過醫(yī)院采購部門，直接向醫(yī)生個人提供免費(fèi)服務(wù)。只要經(jīng)NPI（美國國家醫(yī)師識別碼）或各國執(zhí)業(yè)醫(yī)師認(rèn)證的用戶，都可以免費(fèi)使用基礎(chǔ)功能，而文獻(xiàn)檢索、指南查詢、病例分析等核心服務(wù)醫(yī)生也只需用郵箱注冊就能使用，整個過程快速高效，醫(yī)生決策成本極低。同時，極佳的用戶體驗(yàn)和免費(fèi)政策使得產(chǎn)品依靠口碑在行業(yè)群體中裂變式快速增長。

最后才是依托于醫(yī)生用戶群體的場景化精準(zhǔn)廣告投放。過去，像禮來、輝瑞、羅氏這些MNC的營銷預(yù)算要透過醫(yī)藥代表、學(xué)術(shù)會議或?qū)I(yè)期刊進(jìn)行廣撒網(wǎng)式宣傳；現(xiàn)在，OpenEvidence為這些MNC提供了將產(chǎn)品信息精準(zhǔn)推送給相關(guān)領(lǐng)域醫(yī)生的渠道。

例如腫瘤科醫(yī)生查詢“PD-1抑制劑”時，會推送相關(guān)藥物的3期研究成果，并且廣告內(nèi)容會經(jīng)平臺臨床專家審核，確保符合指南規(guī)范。同時，廣告與答案系統(tǒng)在界面上采用物理隔離設(shè)計(jì)，不干擾醫(yī)生的臨床判斷。對于甲方而言，數(shù)字化廣告可以精確跟蹤展示次數(shù)、點(diǎn)擊率和后續(xù)處方行為，能清晰呈現(xiàn)ROI數(shù)據(jù)。

目前，OpenEvidence的年廣告收入已超過5000萬美元，手中還握有價值約4億美元的廣告庫存，未來會進(jìn)一步轉(zhuǎn)化為營收，并且由于是數(shù)字交付模式，毛利率超90%，遠(yuǎn)超AI初創(chuàng)企業(yè)的平均水平。

在多數(shù)AI初創(chuàng)公司依賴融資生存的背景下，OpenEvidence已跑通盈利模式，90%的毛利率展現(xiàn)出極強(qiáng)的變現(xiàn)能力。從中長期來看，它還可以繼續(xù)技術(shù)集成拓展，針對醫(yī)院、醫(yī)學(xué)院、制藥企業(yè)推出定制化API接口服務(wù)，從而拓寬營收渠道。

這條路國內(nèi)能走通嗎？

中國市場的特殊性導(dǎo)致發(fā)展路徑有所差異。

國內(nèi)也有不少定位為醫(yī)生的AI循證決策工具的產(chǎn)品，他們與OpenEvidence的核心目標(biāo)是一致的。

例如成立于2019年的上海零假設(shè)信息科技有限公司（簡稱零假設(shè)），專注于醫(yī)學(xué)智能化產(chǎn)品開發(fā)，旗下“KnowS”系列產(chǎn)品是一個虛擬醫(yī)學(xué)助手，通過融合數(shù)據(jù)技術(shù)和醫(yī)學(xué)專業(yè)知識，為醫(yī)生提供以文獻(xiàn)分析和臨床數(shù)據(jù)分析為核心的科研解決方案，助力醫(yī)學(xué)研究與創(chuàng)新。

還有百川智能的循證增強(qiáng)醫(yī)療大模型M2Plus，該模型通過創(chuàng)新的六源循證推理范式，涵蓋了從基礎(chǔ)研究到實(shí)際臨床反饋的完整知識體系，在醫(yī)療知識的準(zhǔn)確性和可靠性方面實(shí)現(xiàn)了顯著提升，醫(yī)療 “幻覺” 率大幅降低。在生成回答時，M2Plus 也引入了循證增強(qiáng)訓(xùn)練機(jī)制，以確保其引用權(quán)威來源，而非隨意生成內(nèi)容。

靈犀醫(yī)療自主研發(fā)的“EviMed智慧循證分析引擎”，通過動態(tài)整合全球數(shù)億條醫(yī)學(xué)文獻(xiàn)、臨床試驗(yàn)數(shù)據(jù)及真實(shí)世界證據(jù)，構(gòu)建了覆蓋疾病全生命周期的證據(jù)鏈網(wǎng)絡(luò)。它不僅能實(shí)時追蹤最新醫(yī)學(xué)進(jìn)展，還能通過多模態(tài)證據(jù)融合與因果推理算法，自動規(guī)避證據(jù)沖突，為醫(yī)生和研究者提供可信賴的決策支持，實(shí)現(xiàn)“零幻覺”的精準(zhǔn)搜索與推理。

釘釘聯(lián)合壹生檢康發(fā)布“豆蔻醫(yī)生超級助理”，它是釘釘上首個針對醫(yī)生的專業(yè)AI應(yīng)用，能實(shí)現(xiàn)1分鐘整合全球超過4000萬醫(yī)療專業(yè)文獻(xiàn)，并進(jìn)行全鏈路溯源，用權(quán)威醫(yī)療研究證據(jù)，在產(chǎn)前診斷、婦科腫瘤等高復(fù)雜度醫(yī)學(xué)場景，婦產(chǎn)科醫(yī)生只需將病例提交，AI會從專業(yè)文獻(xiàn)指南中智能檢索，獲取“指南推薦+真實(shí)世界數(shù)據(jù)+相似病例”的完整證據(jù)鏈，并在1分鐘生成診療建議。

還有定位為“醫(yī)生最便捷的臨床決策工具”的醫(yī)渡臨床Copilot，它深度融合醫(yī)療垂直大模型、動態(tài)循證知識體系與院內(nèi)患者數(shù)據(jù)，通過循證校驗(yàn)解決AI“幻覺”問題，讓頂級證據(jù)一鍵溯源確保精準(zhǔn)性；又能自動對接患者數(shù)據(jù)，將醫(yī)學(xué)證據(jù)與個體化病情無縫銜接直接給出可執(zhí)行的診療策略，省去繁瑣步驟。Copilot配備集成醫(yī)生工作站的桌面版與移動端，方便醫(yī)生在病房診療、居家查閱等多環(huán)境下使用。

與OpenEvidence的免費(fèi)策略不同，國內(nèi)的產(chǎn)品普遍選擇收費(fèi)模式，像“KnowS”的商業(yè)模式是先聚焦頭部藥企，專注于醫(yī)療科研方向，在提供付費(fèi)服務(wù)的過程中，進(jìn)行高質(zhì)量標(biāo)注數(shù)據(jù)積累并迭代算法模型，再將成熟的to C產(chǎn)品“KnowS”模型及智能體推向醫(yī)生群體。EviMed同樣選擇了To B收費(fèi)模式，目前，EviMed平臺已在國內(nèi)超100家三甲醫(yī)院試點(diǎn)應(yīng)用，輔助完成覆蓋心血管藥物、抗感染藥物、風(fēng)濕免疫等領(lǐng)域的綜合評價項(xiàng)目。

商業(yè)模式示意圖，據(jù)公開信息整理繪制

從產(chǎn)品層面看，國產(chǎn)大模型都有自己邏輯，百川選擇了大模型+醫(yī)療檢索增強(qiáng)生成優(yōu)化的路徑，將循證醫(yī)學(xué)作為約束層，反映其對大模型能力的充分自信。零假設(shè)選擇先服務(wù)對專業(yè)性要求極高的藥企，積累數(shù)據(jù)后再推向醫(yī)生這條與OpenEvidence相反的路，背后是中國醫(yī)生工作強(qiáng)度更高、容錯率更低的現(xiàn)實(shí)問題。還有多款圍繞醫(yī)院現(xiàn)有工作流程設(shè)計(jì)的產(chǎn)品，其考量也是如何快速融入當(dāng)下中國醫(yī)療信息化的運(yùn)行模式。

OpenEvidence能成功，根本在于美國醫(yī)生是獨(dú)立決策者，可自主下載App，有消費(fèi)級產(chǎn)品使用習(xí)慣。而國內(nèi)醫(yī)生執(zhí)業(yè)在公立醫(yī)院體系內(nèi)，工具采購需醫(yī)院審批，個人免費(fèi)工具難以進(jìn)入核心流程。因此，無論是走B端路線，綁定醫(yī)院系統(tǒng)或是API解決方案，都是圍繞體系而非個人進(jìn)行。

張世晨表示，國產(chǎn)OpenEvidence的真正啟動，需要一批活躍的醫(yī)生用戶。哪款產(chǎn)品能更快贏得醫(yī)生群體的認(rèn)可與支持，就越能在這一領(lǐng)域立足，僅靠大眾用戶數(shù)量的增長是遠(yuǎn)遠(yuǎn)不夠的。

另一方面，OpenEvidence早期利用FDA/CDC公共數(shù)據(jù)，后期靠NEJM主動授權(quán)，本質(zhì)是內(nèi)容方認(rèn)可其用戶價值。而國內(nèi)產(chǎn)品盡管在數(shù)據(jù)方面下了大功夫去提高質(zhì)量，但相比NEJM級別的權(quán)威背書還有所不及。此外，OpenEvidence的病毒式傳播，本質(zhì)是產(chǎn)品驅(qū)動增長（PLG），而國內(nèi)產(chǎn)品以B端為主，難以實(shí)現(xiàn)OpenEvidence的指數(shù)級增長。

因此，OpenEvidence的一些獨(dú)特壁壘，目前國內(nèi)產(chǎn)品還沒有建立起來。

OpenEvidence的競爭壁壘，據(jù)公開信息整理繪制

比如OpenEvidence的產(chǎn)品驅(qū)動增長模式，依靠醫(yī)生自發(fā)使用→數(shù)據(jù)優(yōu)化→更好體驗(yàn)→口碑傳播觸達(dá)更多醫(yī)生，從而省下銷售費(fèi)用；內(nèi)容護(hù)城河方面，《NEJM》的主動合作是任何付費(fèi)推廣都買不到的品牌信任，與多個頂級期刊合作共建商業(yè)模式解決數(shù)據(jù)版權(quán)問題；還有技術(shù)路徑的逆共識操作，在如今堆參數(shù)的時代堅(jiān)持使用小模型，反而在專業(yè)領(lǐng)域?qū)崿F(xiàn)更高精準(zhǔn)度。

這些策略建立起來的競爭壁壘其實(shí)對國產(chǎn)醫(yī)療AI模型同樣具有參考意義。如果國產(chǎn)AI醫(yī)療模型能在版權(quán)和商業(yè)模式層面走通，那何嘗不能出海與之競爭呢？

綜合來看，國內(nèi)短期內(nèi)或許不會出現(xiàn)一模一樣的OpenEvidence類產(chǎn)品，這是因?yàn)獒t(yī)療生態(tài)的土壤不同，但國產(chǎn)AI大模型經(jīng)過B端用戶的使用，在合作中積累足夠數(shù)據(jù)并打磨好產(chǎn)品，在3年~5年后在C端實(shí)現(xiàn)突破，屆時或能復(fù)制部分OpenEvidence的成功。

醫(yī)療AI的競爭本質(zhì)是數(shù)據(jù)與信任的競爭，它的出現(xiàn)不是替代醫(yī)生，而是讓希波克拉底誓言在算法時代重獲新生。無論是OpenEvidence還是國產(chǎn)AI大模型，都在經(jīng)歷從信息檢索器進(jìn)化為醫(yī)療生態(tài)中樞的過程，這類垂直AI賽道都將基于可信優(yōu)先、場景為王持續(xù)進(jìn)化。