120億美元AI醫療超級獨角獸，是如何煉成的

2025年AI醫療領域最震撼的消息，非OpenEvidence的估值狂飆莫屬。

據美國科技媒體《The Information》報道，號稱“醫生版ChatGPT”之稱的OpenEvidence正推進新一輪2.5億美元融資，交易完成后估值將正式翻倍至120億美元。

值得注意的是，這已是該公司一年內完成的第4輪融資，年初由紅杉資本領投的A輪融資中，其估值還僅為10億美元。這意味著，這家成立僅3年的公司，一年內估值從10億美元飆升至120億美元，暴漲1200%。這一增速甚至超越同期OpenAI的估值曲線。

如此驚人的估值躍升，看似意外，實則有跡可循。OpenEvidence已基本“壟斷”美國to c醫療AI市場——不僅讓1/4的美國醫生在一年內成為其用戶，如今更更拿下超40%的美國醫生市場，每月處理850萬次臨床咨詢。這樣的增長速度，在醫療行業堪稱奇跡。

要知道，傳統醫療軟件往往困在醫院審批的漫長流程里，一款產品從對接機構到落地，少則半年多則數年。OpenEvidence則跳出了這個框架，瞄準醫療場景的ChatGPT生意，用互聯網的 “免費+廣告” 模式，在嚴謹的醫療領域撕開了一道口子，靠著醫生間的口口相傳實現病毒式用戶增長，

然后靠廣告收入賺得盆滿缽滿。

目前，OpenEvidence的廣告年收入約1.5億美元，而這還僅僅出售了1/10的廣告位。難怪其被紅杉資本評價為 “披著AI醫療外殼的互聯網公司”。

/ 01 /估值120億美元的秘密

在OpenEvidence出現之前，美國醫生群體正被一個難題反復困擾：醫學知識更新速度遠超個人處理能力，他們需要花費大量時間仔細查閱期刊，以確保能夠掌握最新的治療信息。

但是跟蹤最新醫學知識并不容易。因為每分鐘2篇新醫學論文發表，每5年醫學知識就翻一倍，PubMed上3600萬篇文獻還在以每年100萬篇的速度增加。

OpenEvidence創始人Daniel Nadler曾舉過一個例子，一名患者同時患有銀屑病和多發性硬化，這兩種疾病都與自身免疫相關，但在具體的發病機制上卻相互牽制。

當醫生面對這樣的患者，想查詢特定用藥安全性時，傳統工具如PubMed、Google只能給出碎片化信息，關鍵答案藏在論文正文深處，往往要花費數個小時才能梳理清楚；通用大模型又存在“幻覺”風險，醫生往往陷入無據可依的困境。

正是這個痛點，成了OpenEvidence的突破口。不同于傳統AI醫療公司主攻醫院B端市場，Daniel Nadler一早就決定：直接服務醫生個人。

這個選擇背后，是其對醫療行業邏輯的深刻洞察。傳統醫療軟件要通過醫院“AI委員會”審批、應對政策變動，落地周期長達半年以上，而醫生作為醫療服務的核心執行者，直接滿足他們的需求，就能繞開復雜流程。

為了讓醫生愿意用，OpenEvidence做了三件關鍵的事情。一是保證信息的絕對可靠：放棄互聯網上的健康博文、社交媒體內容，只以《新英格蘭醫學雜志》、《美國醫學會雜志》等經過同行評審的文獻為訓練數據，甚至與11種專業醫學期刊建立戰略合作，確保每一個回答都能追溯到原始文獻。

其次是模型層面的專而精：沒有追求通用大模型的全能性，而是采用專為醫學任務訓練的 7B小模型，無需承擔泛化任務，在醫療場景的精準度反而更高，推理成本也大幅降低。

最后則是極致的效率：將文獻檢索時間從傳統的幾小時壓縮到5-10秒，還能自動生成博士級研究報告，原本需要人類研究員數月完成的工作，AI幾小時就能搞定。

這種精準解決剛需的設計，讓OpenEvidence實現了罕見的“病毒式增長”。2024年7月，它每月僅處理35.8萬次醫生查詢；一年后，這個數字暴漲24倍，達到850萬次。

截至2025年12月，超43萬名美國醫生注冊使用，占美國醫生總數的40%，且仍以每月6.5萬名的速度增長。

紅杉資本合伙人Pat Grady認為，這種自然傳播模式在醫療行業極為罕見，通常只在互聯網產品中才能見到。

也正因此，OpenEvidence的估值，同樣像火箭一樣迅速攀升，吸引了Google Ventures、紅杉資本、黑石集團等頂級資本入局。

2025年2月，A輪融資7500萬美元，估值10億美元；

7月，B輪融資2.1億美元，估值來到35億美元；

10月，C輪融資2億美元，估值進一步躍升至60億美元；

12月，按照《The Information》報道將融資2.5億美元，估值更是將達120億美元。

/ 02 /商業化迅速破局

不到一年時間，估值暴漲1200%還在于其商業化層面的迅速破局。

醫療行業傳統的訂閱制模式早已飽和，UpToDate等老牌工具每年收取數百美元訂閱費，用戶增長緩慢。而OpenEvidence給出的答案，徹底顛覆了醫療行業的商業化邏輯——用互聯網的廣告模式，切入美國300億美元的醫療營銷市場。

這個模式的核心，是連接有需求的醫生和想觸達醫生的藥企。

在美國，醫療保健和制藥業每年要花300億美元用于營銷，其中大部分流向藥代拜訪、醫學會議等傳統渠道。但這些渠道存在明顯缺陷：藥代無法精準匹配醫生的臨床需求，醫學會議覆蓋范圍有限。而OpenEvidence目前手握40多萬醫生的臨床查詢數據，能清晰知道醫生在處理某類疾病時需要哪些藥物、器械，從而實現精準廣告投放。

比如，當一位醫生查詢“肺癌靶向藥最新治療方案”時，平臺會在回答下方推薦相關藥企的最新藥物信息，且這些信息都附帶醫學文獻支持，避免硬廣帶來的反感。

數據證明了這種模式的潛力。截至2025年12月，OpenEvidence的年度經常性收入已超1.5億美元，且按照公司的說明，目前僅售出了10%的廣告庫存。換句話說，若全部廣告庫存售出，收入將突破10億美元；毛利率更是高達90%，遠超行業60%-70%的平均水平。

這種高毛利的背后，是其獨特的成本結構優勢。一方面，7B小模型的訓練和推理成本遠低于通用大模型；另一方面，由于平臺為醫學期刊帶來海量流量，期刊方愿意免費或低價提供內容，核心數據資產反而成為“免費資源”，進一步降低了運營成本。

更關鍵的是，這種模式繞開了醫療行業最頭疼的監管壁壘。由于OpenEvidence定位為“醫生的信息輔助工具”，而非“診斷設備”，無需通過FDA的嚴格審批，既加快了產品落地速度，也降低了合規風險。

Daniel Nadler曾表示，Google花了多年讓用戶接受廣告模式，他們則正在醫療領域做同樣的事：用免費服務換用戶，用精準廣告實現商業閉環。

/ 03 /驗證的與未知的

OpenEvidence的爆發，不僅是一家公司的成功，還給整個行業指出了一條清晰的路徑：垂直場景的數據價值，或許比通用大模型的 “全能” 更重要；用戶思維，在醫療領域同樣十分關鍵。

在技術層面，正如前文所說，OpenEvidence沒有追求像ChatGPT那樣的通用能力，而是采用集成架構，多個小模型分別負責檢索、排序、分析文獻，每個模型都在特定醫療場景下做到極致。

這種設計不僅避免了通用大模型的“幻覺”問題，還能實時更新文獻數據，確保回答的時效性。正如Norwest Venture Partners合伙人Scott Beechuk所說。AI公司最深的護城河將由大型專有數據集創造。

在用戶層面，OpenEvidence打破了醫療產品必須對接機構的固有認知，證明醫生不僅是醫療服務的提供者，也是 “消費者”。當產品能真正解決他們的工作痛點，即使沒有醫院的強制推廣，也會主動使用并推薦給同事。這種“C端思維”在醫療行業并不常見，卻恰恰是OpenEvidence破局的關鍵。

在國內，一批企業也正循著 “垂直場景+用戶思維”的路徑加速追趕，醫聯、百川智能、零假設、靈犀醫療等玩家，試圖復制OpenEvidence的成功模式。

不過，OpenEvidence的未來并非毫無挑戰。一方面，隨著用戶增長放緩，如何維持廣告收入的持續增長是關鍵；另一方面，醫療數據的隱私保護、廣告內容的合規性，都可能成為監管焦點。

國內企業也面臨獨特的挑戰。比如，醫學文獻的版權合作、數據合規性要求更高；再比如，醫生使用習慣的培養、醫療營銷模式的本土化適配，都需要時間沉淀。

/ 04 /總結

OpenEvidence再次讓市場看到AI之于醫療的價值，不僅在于創造 “治愈癌癥” 的奇跡，還在于解決醫生日常工作中的 “小問題”：節省檢索時間、減少信息過載、提升決策效率。

當OpenEvidence的估值突破120億美元，超40%的美國醫生每天依賴它處理臨床咨詢，我們要看到的不僅是一家獨角獸的崛起，而是醫療行業數字化轉型的新可能：

在不久的將來，AI不會取代醫生，而是成為每一位醫生的“標配數字助手”。

而OpenEvidence的故事，只是這個時代的開始。