文｜動(dòng)脈網(wǎng)
11個(gè)月、免費(fèi)、覆蓋40%美國(guó)醫(yī)生群體。
美國(guó)OpenEvidence以專(zhuān)精小模型+病毒式增長(zhǎng)，證明了在醫(yī)療這個(gè)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(jí)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(guó)約40%的執(zhí)業(yè)醫(yī)生成為其活躍用戶，注冊(cè)醫(yī)生總量超25萬(wàn)，日均處理臨床查詢超6萬(wàn)次，成為歷史上增長(zhǎng)最快的醫(yī)生端AI平臺(tái)。自今年7月以來(lái)，該平臺(tái)每月臨床咨詢次數(shù)幾乎就翻一番，達(dá)1500萬(wàn)次。這表明醫(yī)療工作者對(duì)該工具的需求正在極速增長(zhǎng)。
資本層面，其估值實(shí)現(xiàn)了火箭式增長(zhǎng)：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(gè)月增長(zhǎng)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(duì)這樣一個(gè)快速躥升的項(xiàng)目，我們不禁要問(wèn)它究竟做對(duì)了什么，國(guó)內(nèi)是否有類(lèi)似的產(chǎn)品？
OpenEvidence解決了什么問(wèn)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(shí)每73天就會(huì)翻一倍，而在1950年時(shí)，這個(gè)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(guò)29小時(shí)才能跟上專(zhuān)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(guò)一個(gè)例子，一位銀屑病合并多發(fā)性硬化癥的患者來(lái)找皮膚科醫(yī)生。皮膚科醫(yī)生就會(huì)處于一個(gè)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(duì)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(chǎng)景下，醫(yī)生不得不求助PubMed，可搜索后只會(huì)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(gè)非常具體問(wèn)題的答案。站在AI工程的角度來(lái)看，這是一個(gè)去尋找邊緣案例的過(guò)程，在同行評(píng)審的頂級(jí)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(wèn)題，但它永遠(yuǎn)不會(huì)出現(xiàn)在標(biāo)題中。
在智藥局合伙人張世晨看來(lái)，可以有兩個(gè)緯度來(lái)理解OpenEvidence：從技術(shù)端來(lái)看，它是醫(yī)學(xué)證據(jù)的Google增強(qiáng)版；從產(chǎn)品端來(lái)看，它是專(zhuān)屬于醫(yī)生的ChatGPT。
OpenEvidence所做的，就是在醫(yī)學(xué)知識(shí)數(shù)量瘋漲的當(dāng)下，為注冊(cè)醫(yī)生提供可信醫(yī)學(xué)證據(jù)的AI搜索引擎，通過(guò)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(shí)過(guò)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(jué)風(fēng)險(xiǎn)。
OpenEvidence怎么做的？
OpenEvidence選擇垂直深耕而非規(guī)模競(jìng)賽模式來(lái)構(gòu)建產(chǎn)品。
OpenEvidence摒棄了通用AI“參數(shù)競(jìng)賽”的邏輯，走垂直知識(shí)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(chǎng)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(lái)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(lái)的通用大語(yǔ)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(lèi)高精度要求的領(lǐng)域，專(zhuān)門(mén)訓(xùn)練的70億參數(shù)模型表現(xiàn)優(yōu)于數(shù)萬(wàn)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(guó)醫(yī)師執(zhí)照考試（USMLE）中獲得了100%正確的成績(jī)，在全部325道問(wèn)題均準(zhǔn)確回答并正確提供參考文獻(xiàn)。這一成績(jī)超越了ChatGPT-5，成為史上首個(gè)在該考試中獲得滿分的AI系統(tǒng)。這樣的結(jié)果無(wú)疑是對(duì)其模型方法論的最佳背書(shū)。
在“證據(jù)可信度”方面，OpenEvidence選擇使用經(jīng)過(guò)同行評(píng)審的，來(lái)自PubMed、Cochrane等權(quán)威公共數(shù)據(jù)源的數(shù)據(jù)來(lái)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(cuò)誤。同時(shí)，為解決AI“幻覺(jué)”問(wèn)題，要求每一條輸出結(jié)論必須與至少2篇以上高等級(jí)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(shí)，醫(yī)生在使用OpenEvidence時(shí)能直接查看答案的來(lái)源，也就是說(shuō)，OpenEvidence會(huì)直接把流量送回?cái)?shù)據(jù)庫(kù)。正是這樣的機(jī)制，吸引來(lái)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(shí)更新知識(shí)庫(kù)，同時(shí)為其帶來(lái)大量訪問(wèn)。醫(yī)生有可靠的內(nèi)容，專(zhuān)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(gè)良性循環(huán)。
OpenEvidence架構(gòu)示意圖，據(jù)公開(kāi)信息整理繪制
在“醫(yī)療場(chǎng)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(cè)顯示，系統(tǒng)將復(fù)雜病例處理時(shí)間縮短40%，誤診率下降35%，特別在腫瘤跨學(xué)科會(huì)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(jiàn)病診斷方面表現(xiàn)則更為突出，對(duì)121種罕見(jiàn)病的識(shí)別準(zhǔn)確率超過(guò)專(zhuān)科醫(yī)生組15.7個(gè)百分點(diǎn)，平均決策時(shí)間僅為人類(lèi)專(zhuān)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(hào)，文末附上完整參考文獻(xiàn)清單，方便醫(yī)生核實(shí)。同時(shí)對(duì)問(wèn)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(lái)看，OpenEvidence成功構(gòu)建起了護(hù)城河，形成短期難以復(fù)制的競(jìng)爭(zhēng)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(jí)醫(yī)學(xué)學(xué)會(huì)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(yǔ)。
其次，40萬(wàn)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(wèn)、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(shí)，在醫(yī)療自然語(yǔ)言處理領(lǐng)域的深厚積累，包括醫(yī)學(xué)實(shí)體識(shí)別和關(guān)系抽取的特殊優(yōu)化，臨床語(yǔ)境理解和查詢意圖識(shí)別，證據(jù)質(zhì)量評(píng)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(guó)超過(guò)40%的執(zhí)業(yè)醫(yī)師，廣泛的用戶基礎(chǔ)是醫(yī)生們對(duì)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(huì)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(shí)間建立，但一旦建立，就會(huì)成為強(qiáng)大的競(jìng)爭(zhēng)優(yōu)勢(shì)?！?/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(shuō)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(kāi)發(fā)了一種能夠?qū)崟r(shí)分析金融事件對(duì)市場(chǎng)影響的智能系統(tǒng)，以5.5億美元的價(jià)格賣(mài)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(zhuān)業(yè)出身的創(chuàng)始人自然明白一個(gè)高效的商業(yè)模式對(duì)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(zhǎng)的醫(yī)院采購(gòu)流程，美國(guó)一套醫(yī)院信息系統(tǒng)從評(píng)估到采購(gòu)最快也要2年的時(shí)間，同時(shí)，還要面臨FDA嚴(yán)苛的審批要求，并且審批過(guò)程也較為漫長(zhǎng)。
因此，OpenEvidence選擇避開(kāi)這些障礙，高效抓住用戶的同時(shí)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(lái)就不需要FDA審批。
其次，它繞過(guò)醫(yī)院采購(gòu)部門(mén)，直接向醫(yī)生個(gè)人提供免費(fèi)服務(wù)。只要經(jīng)NPI（美國(guó)國(guó)家醫(yī)師識(shí)別碼）或各國(guó)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(cè)就能使用，整個(gè)過(guò)程快速高效，醫(yī)生決策成本極低。同時(shí)，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(zhǎng)。
最后才是依托于醫(yī)生用戶群體的場(chǎng)景化精準(zhǔn)廣告投放。過(guò)去，像禮來(lái)、輝瑞、羅氏這些MNC的營(yíng)銷(xiāo)預(yù)算要透過(guò)醫(yī)藥代表、學(xué)術(shù)會(huì)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(shí)，會(huì)推送相關(guān)藥物的3期研究成果，并且廣告內(nèi)容會(huì)經(jīng)平臺(tái)臨床專(zhuān)家審核，確保符合指南規(guī)范。同時(shí)，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(duì)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(guò)5000萬(wàn)美元，手中還握有價(jià)值約4億美元的廣告庫(kù)存，未來(lái)會(huì)進(jìn)一步轉(zhuǎn)化為營(yíng)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(lài)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(zhǎng)期來(lái)看，它還可以繼續(xù)技術(shù)集成拓展，針對(duì)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(yíng)收渠道。
這條路國(guó)內(nèi)能走通嗎？
中國(guó)市場(chǎng)的特殊性導(dǎo)致發(fā)展路徑有所差異。
國(guó)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(jiǎn)稱(chēng)零假設(shè)），專(zhuān)注于醫(yī)學(xué)智能化產(chǎn)品開(kāi)發(fā)，旗下“KnowS”系列產(chǎn)品是一個(gè)虛擬醫(yī)學(xué)助手，通過(guò)融合數(shù)據(jù)技術(shù)和醫(yī)學(xué)專(zhuān)業(yè)知識(shí)，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(guò)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(shí)體系，在醫(yī)療知識(shí)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(jué)” 率大幅降低。在生成回答時(shí)，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(lái)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(guò)動(dòng)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(shí)追蹤最新醫(yī)學(xué)進(jìn)展，還能通過(guò)多模態(tài)證據(jù)融合與因果推理算法，自動(dòng)規(guī)避證據(jù)沖突，為醫(yī)生和研究者提供可信賴(lài)的決策支持，實(shí)現(xiàn)“零幻覺(jué)”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(jí)助理”，它是釘釘上首個(gè)針對(duì)醫(yī)生的專(zhuān)業(yè)AI應(yīng)用，能實(shí)現(xiàn)1分鐘整合全球超過(guò)4000萬(wàn)醫(yī)療專(zhuān)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(chǎng)景，婦產(chǎn)科醫(yī)生只需將病例提交，AI會(huì)從專(zhuān)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(dòng)態(tài)循證知識(shí)體系與院內(nèi)患者數(shù)據(jù)，通過(guò)循證校驗(yàn)解決AI“幻覺(jué)”問(wèn)題，讓頂級(jí)證據(jù)一鍵溯源確保精準(zhǔn)性；又能自動(dòng)對(duì)接患者數(shù)據(jù)，將醫(yī)學(xué)證據(jù)與個(gè)體化病情無(wú)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(dòng)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(guó)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(zhuān)注于醫(yī)療科研方向，在提供付費(fèi)服務(wù)的過(guò)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(tái)已在國(guó)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(píng)價(jià)項(xiàng)目。
商業(yè)模式示意圖，據(jù)公開(kāi)信息整理繪制
從產(chǎn)品層面看，國(guó)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(duì)大模型能力的充分自信。零假設(shè)選擇先服務(wù)對(duì)專(zhuān)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(guó)醫(yī)生工作強(qiáng)度更高、容錯(cuò)率更低的現(xiàn)實(shí)問(wèn)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(guó)醫(yī)療信息化的運(yùn)行模式。
OpenEvidence能成功，根本在于美國(guó)醫(yī)生是獨(dú)立決策者，可自主下載App，有消費(fèi)級(jí)產(chǎn)品使用習(xí)慣。而國(guó)內(nèi)醫(yī)生執(zhí)業(yè)在公立醫(yī)院體系內(nèi)，工具采購(gòu)需醫(yī)院審批，個(gè)人免費(fèi)工具難以進(jìn)入核心流程。因此，無(wú)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(gè)人進(jìn)行。
張世晨表示，國(guó)產(chǎn)OpenEvidence的真正啟動(dòng)，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(zhǎng)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(dòng)授權(quán)，本質(zhì)是內(nèi)容方認(rèn)可其用戶價(jià)值。而國(guó)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(jí)別的權(quán)威背書(shū)還有所不及。此外，OpenEvidence的病毒式傳播，本質(zhì)是產(chǎn)品驅(qū)動(dòng)增長(zhǎng)（PLG），而國(guó)內(nèi)產(chǎn)品以B端為主，難以實(shí)現(xiàn)OpenEvidence的指數(shù)級(jí)增長(zhǎng)。
因此，OpenEvidence的一些獨(dú)特壁壘，目前國(guó)內(nèi)產(chǎn)品還沒(méi)有建立起來(lái)。
OpenEvidence的競(jìng)爭(zhēng)壁壘，據(jù)公開(kāi)信息整理繪制
比如OpenEvidence的產(chǎn)品驅(qū)動(dòng)增長(zhǎng)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(xiāo)售費(fèi)用；內(nèi)容護(hù)城河方面，《NEJM》的主動(dòng)合作是任何付費(fèi)推廣都買(mǎi)不到的品牌信任，與多個(gè)頂級(jí)期刊合作共建商業(yè)模式解決數(shù)據(jù)版權(quán)問(wèn)題；還有技術(shù)路徑的逆共識(shí)操作，在如今堆參數(shù)的時(shí)代堅(jiān)持使用小模型，反而在專(zhuān)業(yè)領(lǐng)域?qū)崿F(xiàn)更高精準(zhǔn)度。
這些策略建立起來(lái)的競(jìng)爭(zhēng)壁壘其實(shí)對(duì)國(guó)產(chǎn)醫(yī)療AI模型同樣具有參考意義。如果國(guó)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(jìng)爭(zhēng)呢？
綜合來(lái)看，國(guó)內(nèi)短期內(nèi)或許不會(huì)出現(xiàn)一模一樣的OpenEvidence類(lèi)產(chǎn)品，這是因?yàn)獒t(yī)療生態(tài)的土壤不同，但國(guó)產(chǎn)AI大模型經(jīng)過(guò)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(shí)或能復(fù)制部分OpenEvidence的成功。
醫(yī)療AI的競(jìng)爭(zhēng)本質(zhì)是數(shù)據(jù)與信任的競(jìng)爭(zhēng)，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(shí)代重獲新生。無(wú)論是OpenEvidence還是國(guó)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(guò)程，這類(lèi)垂直AI賽道都將基于可信優(yōu)先、場(chǎng)景為王持續(xù)進(jìn)化。