AI医疗圈炸裂,所有人都在谈论120亿美金的OpenEvidence
作者：微信文章2025 年 12 月，迈阿密海滨的 OpenEvidence 总部会议室里，CEO 丹尼尔・纳德勒（Daniel Nadler）正对着视频会议那头的投资人微笑。
屏幕上跳动的数字刺激了整个 AI 医疗行业 —— 这家成立仅三年的公司，以 120 亿美元估值启动新一轮 2.5 亿美元融资，较六个月前的 60 亿美元实现翻倍增长，较1年前的10亿美金估值翻了12倍。
“这不是估值泡沫，是医疗 AI 终于找到了正确的打开方式。” 凯鹏华盈董事长约翰・杜尔在投资备忘录中写道，他的机构已连续三轮加注 OpenEvidence。
消息传来，中国 AI 医疗圈沸腾了，从红杉、高瓴等顶级美元基金到百川智能、推想医疗等医疗科技公司，几乎所有人都在谈论OpenEvidence。
最让大家兴奋的事，不是一家成立仅4年的企业估值就超过百亿美金，而是中国有没有可能诞生自己的OpenEvidence？
❶
两位创始人如何掀起AI医疗革命
OpenEvidence 的诞生，始于两个男人的 “执念”。
42 岁的丹尼尔・纳德勒并非医疗从业者，而是手握哈佛经济学博士学位的连续创业者。2018 年，他将自己创办的金融数据公司 Kensho 以 5.5 亿美元卖给标准普尔，手握 20% 股份的他一夜暴富。但真正驱动他二次创业的，是深埋心底的伤痛 —— 祖父因医生未能及时获取最新治疗证据，在一次可避免的医疗失误中离世。
“生物技术的黄金时代，对医生而言却是黑暗时代。” 纳德勒在 2025 年的一次行业峰会上直言，“每 30 秒就有一篇医学论文发表，医生日均接诊 20 名患者，根本不可能跟上知识爆炸的速度”。这个痛点，让他想起了金融行业的类似困境 —— 交易员曾被海量数据淹没，而 Kensho 的 AI 工具解决了这个问题。
2021 年，纳德勒在哈佛实验室遇到了30岁的扎克・齐格勒（Zack Ziegler）。这位机器学习博士正为姐姐 22 岁的丈夫的白血病治疗奔走，亲眼目睹医生靠翻阅教科书制定方案的低效场景。“医学复杂度高得惊人，但信息获取方式却停留在石器时代。” 齐格勒的感慨，让两人一拍即合。
创始团队的基因注定了 OpenEvidence 的独特性：纳德勒带来了 “用 AI 重构专业决策” 的商业逻辑，齐格勒主导技术架构，而他们组建的核心团队汇集了 MIT 算法专家、哈佛医学院医生和前谷歌工程师，形成 “算法精度 + 医疗权威性” 的双引擎。更关键的是，纳德勒在种子轮就投入 1000 万美元，“这是我这辈子最明智的财务决定，我要把宝押在自己身上”。
这种执念打动了顶级投资人。2022 年，吉姆・布雷耶（曾投资扎克伯格）与纳德勒深谈 4 小时后，当即决定投资，“把 AI 应用到医学期刊上的构想，简直太绝妙了”。
自此之后，OpenEvidence 的融资历程，堪称 AI 医疗行业的 “火箭发射”：
2025 年 2 月（A 轮）：红杉资本领投 7500 万美元，估值 10 亿美元。此时产品刚上线半年，已吸引 10 万美国医生注册，核心功能是 “5 秒检索医学证据”。
2025 年 7 月（B 轮）：GV（谷歌风投）、凯鹏华盈领投 2.1 亿美元，估值飙升至 35 亿美元。用户量突破 30 万，月咨询量达 360 万次，年化广告收入首次破 5000 万美元。
2025 年 10 月（C 轮）：融资 2 亿美元，估值 60 亿美元。推出 DeepConsult 功能，支持复杂病例分析，覆盖美国 35% 的执业医师。
2025 年 12 月（最新轮）：拟融资 2.5 亿美元，估值 120 亿美元。用户量超 43 万（覆盖 40% 美国医生），月咨询量 850 万次，年化广告收入达 1.5 亿美元，毛利率超 90%。
“这种增长速度在医疗科技领域前所未有。”GV 合伙人桑吉恩・泽布分析，OpenEvidence 的关键转折点出现在 2023 年初 ——OpenEvidence 加入梅奥诊所加速器项目，获得了 “医疗领域规模最大、质量最高的数据集”，并与《新英格兰医学杂志》等顶级期刊建立内容合作。
更重要的是其独特的 PLG（产品驱动增长）策略。不同于传统医疗 AI 的 B 端采购模式，OpenEvidence 对持 NPI（国家提供者标识号）的医生完全免费，通过 App Store 直接触达用户。
“我们绕过了医院冗长的采购流程，让医生像用微信一样轻松使用 AI 工具。” 齐格勒解释道。这种 “农村包围城市” 的打法，使其成为 “继 iPhone 后在医生群体中传播最快的技术工具”。
❷
DeepConsult：医生的 “第三大脑” 如何炼成
纽约西奈山医院的多发性硬化症专家斯蒂芬・克里格，至今记得第一次使用 OpenEvidence 的场景。
那是一个周末查房，他遇到一名对青霉素过敏的神经系统感染患者，“超出了我的临床经验范围”。在住院医师的推荐下，他输入问题，10 秒后就得到了带 3 篇最新研究引用的答案，“它甚至准确指出了我自己研究中的局限性，这太令人惊讶了”。
这款被医生称为“专业版 ChatGPT” 的产品，核心是解决 “知识过载但信任稀缺” 的痛点。其技术架构暗藏三大玄机：
首先是纯净数据底座，不同于通用 AI，DeepConsult 的训练数据仅包含数百万篇同行评审文献（如《新英格兰医学杂志》）和 FDA、CDC 公开数据，“每一句话都能点击跳转到原文”，形成 “结论 - 证据 - 文献” 的完整溯源链。在 USMLE Step 2 临床病例测试中，其准确率超 90%，与持证医生相当。
其次是多智能体协作系统，齐格勒带领团队设计了五大智能体：调度员解析需求、检索代理获取文献、摘要代理提炼数据、综合代理生成方案、安全代理排除禁忌证。“当医生查询‘免疫受损患者水痘处理’时，系统会自动联动 3 篇 2024 年最新研究和 IDSA 指南，生成带禁忌证标注的治疗建议。” 齐格勒介绍。
最后是临床工作流深度嵌入，产品内置 50 余种临床计算器，可与电子病历（EMR）系统联动，自动提取患者数据完成风险评估。“传统人工研究需要数月的跨学科文献分析，现在几小时就能完成。” 医学总监特拉维斯・扎克强调，OpenEvidence“不是取代医生，而是取代医生查文献的三小时”。
在商业化方面，OpenEvidence的 “免费工具 + 广告变现” 模式堪称颠覆。当肿瘤科医生查询特定基因突变治疗方案时，平台会推送相关新药的 “赞助答案”—— 这种 “决策点广告” 的价值，被行业估算为传统医疗广告的 5-10 倍。2024 年全球医疗健康广告市场规模达 300 亿美元，OpenEvidence 正凭借 43 万核心用户分食这块蛋糕。
在 OpenEvidence 的迈阿密总部，墙上挂着一句标语：“让每一个临床决策都有证据支撑”。这家公司的崛起，不仅重塑了医疗 AI 的商业化路径，更揭示了一个核心趋势：垂直领域的 “可信 AI” 正在取代通用大模型，成为高风险行业的主流。
对中国 AI 医疗企业而言，OpenEvidence 的 120 亿美金估值既是参照，也是警钟。它证明医疗 AI 的价值不在于模型参数大小，而在于是否真正解决临床痛点；商业化的关键不是依赖机构采购，而是找到医生愿意主动使用的场景。
“医疗 AI 的终极战场，是信任与效率的平衡。”纳德勒在最新融资发布会上说。
当中国企业突破数据壁垒、构建本土化信任体系时，或许下一个估值百亿的医疗 AI 独角兽，就会诞生在中国这片充满潜力的市场。
欢迎添加作者微信交流
页:
[1]