京東阿里健康的陽謀

文：王智遠 | ID:Z201440

阿里，猛踹了京東一腳。

2026年初，國內大廠像是達成了奇妙共識：集體調轉槍口，瞄準了海外的靶子：OpenEvidence。

沒錯，你沒聽錯。這家成立僅4年、還沒有上市的公司，估值一路飆到120億美元，年營收超1.5億美金，還對醫生端全免費。

當國內玩家還在糾結「向醫院收微薄服務費，還是向患者收幾塊問診費」時，這個「醫療版谷歌」，早已重構了AI的商業底層邏輯。

OpenEvidence到底做對了什么？憑什么成為醫生的第一入口？

01

想搞懂它的崛起，得先戳破醫療行業最殘酷的底層現實：人類大腦的生理極限，與醫學知識爆炸之間的斷層。

這話啥意思？

有組數據扎眼得很，1950 年，醫學知識的整體更新周期約 50 年；2010 年，這一周期縮至 3.5 年；到 2025-2026 年，腫瘤、罕見病等細分領域的醫學知識更新速率，比2010 年提升超 10 倍。

這意味著一個主治醫師要是兩個月沒翻核心期刊，腦子里的治療方案可能就已經版本過時了；可現實是，醫生忙到上廁所都得掐著表來。

想查個罕見病最新的臨床用藥對比，去 PubMed 這類傳統數據庫一搜，瞬間彈出三千多篇論文，全英文還沒翻譯，等翻完前五篇，天都亮了，病人還在病床等著呢。

后來出了 UpToDate 這類臨床決策支持工具，把文獻做成了「教科書式」的條目，體驗確實好不少，可它收費，更新還總滯后。

最關鍵的是，它不支持「自然語言對話」，你沒法直接問：這個病人有腎衰竭，剛才那藥要不要減量？

直到 ChatGPT 出來，醫生們看到了對話式檢索的曙光，可轉眼又陷入絕望，因為AI幻覺太嚴重，畢竟嚴肅醫療場景里，AI 一本正經胡說八道是致命的。

怎么辦？

這正是 Open Evidence 切中的第一個核心痛點：它把醫生的「信息篩選時間」從幾小時壓到 3 秒，走了一條更苦卻更對的路，也就是RAG（檢索增強生成）+ 嚴格溯源。

Open Evidence 的狠勁就在這，給出每一個結論，后面都跟著密密麻麻的小藍點，點開全是《柳葉刀》《新英格蘭醫學雜志》或 FDA 最新指南原文。

相當于把人類最頂尖的醫學大腦，實時「合成」到醫生手邊，就這么著，它把醫生要的信息快、準、信，全解決了。

這也是它能實現病毒式增長的原因。

2025 年，它月活沖到 40 萬，覆蓋美國約 34% 的執業醫師，全年查詢量直接破億；更嚇人的是用戶粘性，醫生平均單次會話時長高達 13.3 分鐘。

互聯網產品里，時長是金錢；但在醫療領域，時長代表「決策依賴」，當一個醫生愿意在一個工具上花 13 分鐘琢磨復雜病例，這個工具就成了他的「外腦」。

更絕的是，它還走了條「自下而上」的野路子。

以前國內大廠、醫療軟件商想進醫院，難到離譜，找院長、過信息科、走招投標，一套流程走完，AI 都成舊聞了。

但 Open Evidence 對醫生全免費，它不用過醫院信息科，也不用院長簽字，主治醫生查房間隙，私下在手機或 PC 上注冊個認證賬號，立馬就能用。

這種「繞過公章」的滲透方式，讓它在全美醫生圈里病毒式傳播。等科室主任都用它給下屬劃重點時，這個入口，就徹底被它攥死了。

02

有人肯定納悶，對醫生全免費的工具，咋能撐起高估值？不掙錢，靠啥活？總不能靠愛發電吧？

答案會讓你大跌眼鏡。

它不光活得好，還活得比誰都滋潤，印鈔機就藏在醫生敲下「回車鍵」的那一秒。怎么說呢？咱們得先看一眼藥企的痛苦。

美國醫藥營銷是個超 820 億美金的大市場（IQVIA 2025 年權威報告），以前藥企想讓醫生看眼自家新藥數據，得雇幾萬個西裝革履的醫藥代表掃樓、請吃飯、辦講座，效率低到離譜。

在 Open Evidence 這，這事被做得又狠又高效，它切中的正是醫生「決策時刻」這個黃金瞬間。

腦補個畫面：

內分泌科的主治醫生凌晨 2 點值班，遇到復雜心衰合并糖尿病病例，打開 OpenEvidence，輸入「SGLT-2 抑制劑在心衰合并糖尿病患者中的最新用藥對比」。

AI 生成客觀、可溯源的答案后，在右側或最下方會跳出標著「Sponsored（贊助）」的內容，正是某跨國藥企剛獲批的同類新藥臨床數據摘要，且所有數據均經過平臺合規審核，與 FDA 獲批適應癥完全一致。

這在營銷里叫「決策點截流」，對藥企來說，這比電視廣告、線下講座管用得多，醫生下一秒開出的處方，很可能會參考這個經過審核的專業信息。

第二，它賣醫療行業的注意力貨幣。

全美國執業醫師約 118 萬，個個都是手握處方權的高凈值稀缺資源，而 OpenEvidence 一口氣覆蓋了 40 萬，相當于觸達了美國近三分之一的核心臨床醫生。

藥企為了把新藥精準推給這部分「處方權擁有者」，愿意支付極高的溢價，且業內測算，其單次有效觸達成本，遠低于醫藥代表線下拜訪的車馬費和人工成本，效果還能數字化、全程追蹤。

看到這你可能會問：醫療決策工具里插廣告，不違規嗎？不怕被罵恰爛錢？這正是 Open Evidence 最雞賊也最高明的地方：嚴格標注。

所有贊助內容，都用醒目字體標著 Ad 或 Sponsored，與 AI 生成的客觀答案做明顯視覺分隔，甚至會直接提示：以下內容由 XX 藥企贊助，數據經平臺合規審核，不代表本平臺臨床決策建議。

這種「先小人后君子」的做法，雖犧牲了一點點擊率，卻牢牢守住了醫生的信任。醫生知道這是廣告，但也清楚里面的數據經過平臺審核，合規靠譜。

對藥企來說，只要不誤導臨床決策，這種「合規的商業推廣」在美國既被允許，甚至還被鼓勵，畢竟每年 820 億美元的醫藥營銷預算，總得有地方花。

當然，它做「賣水」的生意。

它把核心能力封裝成 API，賣給醫院和醫學院，比如：把搜索能力嵌進醫院的電子病歷系統（EHR），醫生寫病歷時能直接調用 AI 查指南，醫院按年支付授權費。

它還和《新英格蘭醫學雜志》等頂級期刊合作，靠內容授權、版權分成獲利；甚至做起了繼續教育（CME）學分認證。

醫生在這看廣告、學知識，還能順帶拿學分，簡直是把藥企的營銷費，變成了醫生的「學習補貼」。

所以，智遠總結，Open Evidence 的商業閉環很清晰：

用免費的高效工具，圈住高價值醫生用戶，沉淀高質量的臨床決策數據，再向藥企出售決策瞬間的精準廣告位，賺高毛利收入，反哺數據采購和算力升級。

說白了，這模式和谷歌的「搜索廣告」一樣，只不過，谷歌賣普通信息，Open Evidence 賣和生命掛鉤的專業醫療信息。

03

既然這套模式這么賺，中國大廠又個個是抄作業的好手，為啥到現在愣是走不通？別急著罵大廠沒追求，背后真相比想象中更殘酷。

第一座大山，是數據。

Open Evidence 能做到句句有依據，核心是美國有 PubMed、FDA、NEJM 這些統一又相對開放的權威數據庫，就算有版權墻，至少路是通的。

中國這邊是典型的「數據整合難」，中華醫學會的期刊、萬方、知網這些早就形成了出版方和數據庫平臺的穩定合作模式。

醫院內網存的其實是電子病歷、診療這些數據，核心文獻都是公開的，只是要付費檢索而已。

那真正的卡點在哪？國內醫療 AI 企業想拿實時、全量的權威醫學數據，又貴又麻煩，還有些細分領域的臨床指南更新了，數字化落地還慢半拍。

大廠訓練醫療模型架不住數據獲取權限有限，部分訓練素材的權威性、時效性還差口氣，這就導致不少醫療 AI 產品的回答，和醫生在知網、萬方查到的核心文獻對不上，醫生一眼就能看出問題，自然不可能真的依賴這個工具。

連醫生的決策依賴都做不到，就別談什么高價值的注意力了，后面想靠廣告變現更是白搭。

再就是最致命的一擊：信任天花板。在美國，藥企給醫生推學術數據是天經地義的商業推廣；可到了中國，你敢在醫生的搜索結果旁掛個藥企 logo，哪怕標注得再明白，輿論的唾沫星子也能把你淹了。

這份信任成本，讓 Open Evidence 最賺錢的廣告變現模式，在中國幾乎成了送命題。

第三點，很多人忽略的微觀現實，中國醫生工作強度。

Open Evidence 上的醫生單次使用能待 13.3 分鐘，那是因為美國醫生真有時間琢磨病例。換成中國三甲醫院的主治醫生試試？

門口排著 80 號人，他恨不得能有個 AI 直接幫他把病歷寫了、把檢查開了。他需要一個能幫他干苦活、累活、雜活的“賽博牛馬”。

所以，簡單照搬美國的「搜索 + 廣告」模式，中國大概率水土不服；想做出中國版的 Open Evidence，得走一條比美國更「重」、更接地氣的硬路子。

更殘酷的是，就算把這些問題全解決了，還有個終極靈魂拷問：中國的藥企愿意為數字營銷買單嗎？

美國藥企幾百億營銷預算沒處花，中國藥企的營銷費大頭，還砸在「帶金銷售」和線下會議上。雖說集采正在逼著藥企轉學術營銷，但這個過程，慢得很。

所以，看京東、阿里、螞蟻 2026 年初的這波沖鋒，哪里看到了勝利曙光，分明是摸著石頭過河的焦慮。

04

那國內這三家巨頭，到底誰摸得一手好牌，誰又在裸泳？說實話，當下牌桌上，京東、阿里、螞蟻的打法天差地別，壓根是三種不同的基因底色。

京東健康，手里握著槍，卻怕走火。

它的核心是「工具+供應鏈+服務」的鐵三角，牌面特別實，有藥、有成熟供應鏈、還有現成的互聯網醫院，推出「知醫」的目的也賊明確，就是托底賣藥和健康管理業務。

醫生在知醫上查完指南，京東就盼著他順手在京東大藥房開方，或把患者導到自家互聯網醫院做后續管理，這套查-診-療-藥、的閉環，妥妥離錢最近的打法。

但軟肋也明晃晃的。

繞不開「既當裁判又當運動員」的信任危機，要是「知醫」的回答悄悄偏向京東大藥房在售的藥，或引導醫生去自家互聯網醫院接診，這份「中立性」直接就崩了。

醫生難免會警惕，你到底幫我查資料，還是想賺我的藥錢？這份警惕，會直接消解使用信任；更何況京東的基因本就偏交易，比起阿里、螞蟻，缺了頂尖的AI基礎大模型研發能力，技術護城河也稍淺。

阿里健康氫離子是手里攥著「核武」，卻愁沒靶場。

它走純粹的技術極客路線，也是最貼近Open Evidence原生形態的玩家，核心優勢硬得很，背靠阿里云和通義千問大模型，技術底座是三家里面最厚的。

阿里野心是想打造「醫療OS」，把「氫離子」嵌進醫院的HIS系統、醫生的工作站，成為醫療場景的底層操作系統。

要能啃下「數據合規」這塊硬骨頭，再借著阿里生態（支付寶、阿里云、釘釘）打通B端和C端，它的天花板絕對是三家里面最高的。

軟肋也很突出。

離「交易」和「服務」太遠；阿里不缺流量，支付寶醫療健康頻道擺在那，但比起京東，少了硬氣的供應鏈和成熟的自營醫療服務。

醫生用它查完資料，然后呢？阿里沒法像京東那樣，直接接住后續的藥品和診療服務。這種「工具屬性過強、交易屬性過弱」的問題，讓它面臨不小的變現壓力。

最有變數的，是猛踹京東一腳的螞蟻「阿福」。

為啥呢？阿福的打法特像黑馬，甚至壓根沒盯著藥企那點廣告費。螞蟻的核心邏輯是，靠AI深度扎進醫生的診療流程，甚至未來打通醫保支付、商保理賠的核心環節。

比如：

AI輔助診斷能大幅降低保險公司的賠付率，或是減少醫保基金的浪費，那這些省下來的錢，全是它的毛利；這招走得最險，牽扯的利益方也最復雜，但一旦跑通，它的護城河會是三家里面最深的。

在我看來，京東最有可能做成「醫療版淘寶」，阿里「氫離子」則有機會成為「醫療版安卓」，而螞蟻，最可能做成「醫療版微信」。

所以，我的結論很明確：短期看京東，長期看阿里，螞蟻在找新故事；未來3年，我們大概率看不到一家獨大的「中國版Open Evidence」。

因為醫療市場本身會走向分化，嚴肅醫療場景（三甲醫院科研、復雜診療），會被阿里或是垂直醫療AI公司拿下；基層醫療和藥店場景（常見病、慢病管理），大概率會被京東壟斷，成為它賣藥和做服務的輔助工具。

而C端醫療場景，會是螞蟻、百度健康等玩家的主戰場，核心拼生態和資源整合。

其實Open Evidence教給中國大廠最核心的一課，就一句話：如何用免費工具圈住高價值用戶，再把他們的需求賣給真正的買單方。

這場醫療AI的戰役，剛剛開戰，誰能先讓醫生從心底喊出一句「真香」，誰就攥住了通往未來的船票。