“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「16」篇文章。

這是一個在生成式AI時期才會出現(xiàn)的場景。

在美國，一位醫(yī)生推開診室大門的同時，手機屏幕上彈出的不是郵件提醒，而是一款叫做OpenEvidence的醫(yī)療AI應用。

如今，單美國就有10萬執(zhí)業(yè)醫(yī)生每天都在用這款產品，這一數(shù)據(jù)在高度保守、工作節(jié)奏緊繃、數(shù)字化滲透率低的醫(yī)療行業(yè)前所未有。而更令人意想不到的是，也就在一年多前，這款產品的用戶數(shù)只有幾千。

其月咨詢量增長速度之快，讓 GV （原 Google Ventures）合伙人直言：“這是我們見過增長最快的科技應用之一。”

OpenEvidence解決了什么問題？

醫(yī)療界知識更新太快，Nature研究表明，醫(yī)學知識每73天就能翻一倍，而每次出現(xiàn)的病例都千奇百怪，醫(yī)生往往需要在網上搜索相似病例和解決方法，這個過程冗長且準確性不穩(wěn)定。

OpenEvidence將這些龐雜且更新迅速的醫(yī)學知識裝進Agent當中，讓醫(yī)生可以快速找到最新、最準確的醫(yī)學證據(jù)。

創(chuàng)始人Daniel Nadler被稱為“十年一遇的傳奇創(chuàng)業(yè)者”。

前一次創(chuàng)業(yè)，他把金融AI公司Kensho以約 5.5 億美元賣給標普全球；二次創(chuàng)業(yè)，他用自己的1000萬美元資金起步，讓OpenEvidence在短短三年內達到35億美元估值。

另外，在銷售上，OpenEvidence走了一個完全不同于醫(yī)療行業(yè)的銷售模式。他們非常大膽的繞過傳統(tǒng)醫(yī)療軟件依賴醫(yī)院復雜采購流程的路徑，直接面向醫(yī)生個人免費提供服務，打破了醫(yī)療軟件B2B銷售的桎梏，實現(xiàn)了類似消費互聯(lián)網的病毒式傳播。另外，他們還大膽嘗試了廣告變現(xiàn)模式，將制藥企業(yè)、醫(yī)療器械廠商的廣告預算從傳統(tǒng)醫(yī)藥代表轉向 AI 平臺的精準投放。

硅谷風投機構UpHonest投研團隊分析了OpenEvidence的模式對于創(chuàng)業(yè)者的啟發(fā)和參考，首先是專業(yè)化勝過泛化，在垂直領域做深做透，而非追求大而全；其次，PLG（產品驅動增長）產品質量驅動增長策略，繞過傳統(tǒng) B2B 銷售的復雜流程；場景化變現(xiàn)，將用戶的專業(yè)決策場景轉化為高價值的廣告投放場景。

讓醫(yī)生每天都用的醫(yī)療“ChatGPT”

讓10萬名醫(yī)生在短時間內開始每天使用一款新的AI產品，非常不尋常。

UpHonest投研團隊表示，OpenEvidence是一個在垂類AI搜索上的典型案例。搜索這件事，在AI時代變得更加碎片化，未來每個人可能會有自己的AI搜索引擎，全新的生成式AI搜索引擎將緊密契合目標用戶的“心智模式”，投資人、律師、醫(yī)生的思維模式各不相同，信息獲取模式、目的和決策思維各有差異，這些不同和差異就是生成式AI搜索引擎創(chuàng)新的機會。

OpenEvidence一經推出，就被稱為“繼iPhone后在醫(yī)生群體中傳播最快的技術工具”。目前已有超過43萬名醫(yī)生注冊，覆蓋全美40%以上的執(zhí)業(yè)醫(yī)師，每月新增6.5萬名用戶。

OpenEvidence的使用頻率同樣亮眼：2024年7月平臺月處理約36萬次咨詢，到2025年7月已激增至每日35萬次，相當于月處理超過850萬次臨床咨詢。

OpenEvidence定位為臨床決策支持平臺，核心是AI驅動的醫(yī)學搜索引擎。

平臺提供手機App和網頁版，專供經過驗證的持證醫(yī)師使用。公司的使命是“組織并擴大全世界的醫(yī)學知識”，幫助臨床醫(yī)生在診療現(xiàn)場快速獲取最新、最相關的循證醫(yī)學信息。

用戶主要是臨床醫(yī)生，包括專科醫(yī)生、全科醫(yī)生、住院醫(yī)師等，也有部分護士、藥師等醫(yī)護人員。目前重點面向美國持證執(zhí)業(yè)者，需要資質驗證注冊。

醫(yī)生群體工作繁忙、時間寶貴，對信息準確性要求極高——OpenEvidence正是瞄準了這一痛點。使用者不乏梅奧、哈佛醫(yī)學院、Cedars-Sinai等知名醫(yī)療機構的專家。

OpenEvidence的搜索界面

平臺的核心功能包括智能搜索與即時問答。醫(yī)生用日常語言提問臨床問題，幾秒內就能得到簡明答案，并附有權威出處引用，比如《新英格蘭醫(yī)學雜志》的原文鏈接，搜索平均耗時僅5-10秒，例如詢問"某新藥在孕婦中的療效"，系統(tǒng)會從海量文獻中提煉答案，給出具體研究數(shù)據(jù)和對照結果。相比通用ChatGPT的籠統(tǒng)回答，OpenEvidence能夠提供更精確且有依據(jù)的解答。

OpenEvidence已融入臨床工作的多個環(huán)節(jié)。在臨床一線，當醫(yī)生遇到疑難問題或需要確認最新指南時，可直接用手機詢問，大大減少翻閱文獻的時間。對于疑似診斷或用藥選擇，醫(yī)生可將其作為"第二意見"，驗證自己的想法是否符合最新證據(jù)。

2025年他們推出了 Agent 功能 DeepConsult。這個被稱為"數(shù)字博士研讀助手"的AI Agent，能自主檢索并分析上百篇相關研究，將平時需要人工數(shù)月綜述的主題，在數(shù)小時內生成綜合研究報告發(fā)送給醫(yī)生。盡管每次調用的計算成本是普通搜索的100倍以上，OpenEvidence仍然免費向美國認證醫(yī)生開放這一功能。

平臺還集成了多媒體醫(yī)學內容，通過與頂級期刊合作，可以呈現(xiàn)臨床圖片、圖表等研究數(shù)據(jù)可視化結果，讓醫(yī)生更直觀地理解證據(jù)。

創(chuàng)始人Nadler表示，很多醫(yī)生會用它來查找那些自己一輩子可能只遇到一兩次的病例。

專注小模型，通過不聯(lián)網和專業(yè)數(shù)據(jù)減少幻覺

一直以來，由于醫(yī)療領域的問題門檻很高，傳統(tǒng)基礎模型大廠或是互聯(lián)網公司做的醫(yī)療AI相關產品幾乎都以失敗告終，因為AI始終解決不了幻覺問題。

2023年，一篇《我們還需要臨床語言模型嗎？》的預印本文章發(fā)在了ArXiv上。在這篇論文里，他們發(fā)現(xiàn)僅 3 億參數(shù)的臨床模型（如 GatorTron、BioClinRoBERTa）能夠超越 30 億參數(shù)甚至1750 億參數(shù)的模型，能夠保持更好的性能以及安全合規(guī)性。

為了減少幻覺，OpenEvidence不聯(lián)網，而是大規(guī)模采用美國FDA、CDC發(fā)布的免費權威信息，以及同行評審的醫(yī)學文獻。

OpenEvidence加入了梅奧診所（年營收120億美元的美國超級醫(yī)療綜合體，在 《新聞周刊》 的“全球最佳醫(yī)院”排行榜上，七年蟬聯(lián)第一）的孵化項目。

值得一提的是，OpenEvidence的AI系統(tǒng)在2025年創(chuàng)造歷史，成為首個在美國醫(yī)師執(zhí)照考試(USMLE)上取得滿分100%成績的AI，而這個考試普遍被認為是“全球最難的執(zhí)照考試之一”，大多數(shù)考生需要 1–2 年系統(tǒng)準備，如果把USMLE三個階段都考完，知識量大概等于把一本《Robbins 病理學》、《Katzung 藥理學》、《First Aid》吃透，然后隨時能將書中知識整合應用，隨時待命。

在2023年為期20周的加速器中，公司利用梅奧提供的匿名化臨床數(shù)據(jù)和專家指導，不斷優(yōu)化AI模型的準確性。梅奧診所也因此獲得了公司小部分股權，成為早期支持者。2023年7月，OpenEvidence作為第三批畢業(yè)團隊，在演示日成功亮相。

OpenEvidence 是目前唯一一個完整訓練了《新英格蘭醫(yī)學雜志》全文的 AI 產品。《新英格蘭醫(yī)學雜志》編輯委員會里的幾位重量級人物本身就是 OpenEvidence 的深度用戶，他們希望自己常用的工具里能包含他們的內容。OpenEvidence 是目前唯一一個完整訓練了《新英格蘭醫(yī)學雜志》全文的 AI 產品。

Nadler還充分利用人脈資源，與美國醫(yī)學會和頂尖醫(yī)學期刊建立合作，確保數(shù)據(jù)來源權威可信。他招攬了一支豪華團隊：多名哈佛、麻省理工博士和工程師，以及眾多醫(yī)療專家擔任顧問。連已故諾獎得主、行為科學先驅Daniel Kahneman生前也曾作為OpenEvidence的顧問支持這一愿景。2025年，Nadler因OpenEvidence的影響力入選TIME100 Health全球健康領域百大人物。

在用這些數(shù)據(jù)做訓練的同時，OpenEvidence的業(yè)務表現(xiàn)越來越好，口口相傳，吸引了越來越多的美國醫(yī)生使用。《新英格蘭醫(yī)學雜志》在內的一批機構也開始“上門聯(lián)系”，最終讓OpenEvidence拿到了非免費高質量數(shù)據(jù)源。

創(chuàng)始人Nadler表示，和《新英格蘭醫(yī)學雜志》的合作水到渠成，因為雜志社的核心成員也用OpenEvidence。

“如果我們采取傳統(tǒng)的企業(yè) SaaS 推廣模式，比如先花很長時間去談醫(yī)院的大規(guī)模合作，等著參加第 17 次會議，還沒用戶使用，那《新英格蘭醫(yī)學雜志》的人也不會接觸到這個產品，更談不上喜歡上它。最終，我們也不會有這個機會達成合作。”Nadler說。

這種“免費權威數(shù)據(jù)-促進業(yè)務-獲取聲量-非免費高質數(shù)據(jù)”的發(fā)展流程，讓他們最終成功獲取了飛輪效應。越用越好，越好越專業(yè)，整個OpenEvidence開始加速改善整個AI產品。

OpenEvidence 也有很強的人才儲備，創(chuàng)始人Nadler表示他們已經組建了一支博士級別的科學家團隊，在這個團隊里有哈佛計算機科學家的聯(lián)合創(chuàng)始人Zachary Ziegler，來自MIT的Evan Hernandez、Eric Lehman。這些或是師從頂級自然語言處理領軍科學家或出身全美頂級實驗室的人才。

獨特的商業(yè)模式

Nadler表示，Evidence的含義是經過同行評議的醫(yī)學文獻，Open的意義是，我們直接觸達醫(yī)生，而不是讓醫(yī)院管理層或其他人來做中間商。這點直指OpenEvidence的營銷和商業(yè)模式。更重要的一點，“Open”還代表醫(yī)療信息的公平。

Nadler表示，在美國的醫(yī)療體系里，資源分配非常不均衡，有錢的醫(yī)院可以買到所有最先進的工具，甚至有預算去試用各種軟件，但是，在一些經濟條件較差的城市，很多醫(yī)生其實是私人執(zhí)業(yè)，或者是在小型診所里工作，比如不到 10 人的團隊，這類醫(yī)院的醫(yī)生沒有龐大的科技預算，更別提像大學那種基金會支持，也根本負擔不起每年 1 萬、2 萬美元的軟件訂閱費。

針對這種鴻溝，OpenEvidence目前采用"免費增值+廣告"的商業(yè)模式，就像早期的谷歌一樣先占領市場再賺錢。

他們把醫(yī)生作為消費者，而不是面向醫(yī)療機構收錢。平臺對經過驗證的醫(yī)生完全免費開放使用，無需個人或醫(yī)院付費。這種策略大幅降低了醫(yī)生使用門檻，使其能夠快速積累龐大用戶基礎。正如Kleiner Perkins董事長John Doerr所評價：“對醫(yī)生免費的模式是這里的魔力所在”。通過免費提供高價值服務，OpenEvidence在醫(yī)生群體中建立起粘性和網絡效應，一定程度上形成了行業(yè)標準。這與早期谷歌用免費搜索占領市場的思路類似。

在擁有大量專業(yè)用戶和高頻使用場景后，OpenEvidence 開始引入廣告模式。其做法與搜索引擎類似，在醫(yī)生查詢結果或界面中展示精準的推廣信息。廣告客戶包括制藥公司、醫(yī)學會議主辦方、醫(yī)療器械廠商等，希望精準觸達醫(yī)生群體的機構。截至 2025 年中，公司披露其廣告收入年化約為 5000 萬美元。

不過，很明顯，當前OpenEvidence的廣告形式還是比較克制，未來隨著用戶規(guī)模增長，這一數(shù)字有望持續(xù)提升。

值得注意的是，醫(yī)療行業(yè)對廣告和商業(yè)化行為有嚴格規(guī)范。OpenEvidence 聲稱將借鑒谷歌“區(qū)分廣告與有機結果”的做法，保證醫(yī)生對查詢結果的信任不受影響。

UpHonest投研團隊如此分析這家公司的商業(yè)模式，OpenEvidence 非常大膽的繞過傳統(tǒng)醫(yī)療軟件依賴醫(yī)院復雜采購流程的路徑，直接面向醫(yī)生個人免費提供服務，打破了醫(yī)療軟件B2B銷售的桎梏，實現(xiàn)了類似消費互聯(lián)網的病毒式傳播。又大膽嘗試了廣告變現(xiàn)模式，將制藥企業(yè)、醫(yī)療器械廠商的廣告預算從傳統(tǒng)醫(yī)藥代表轉向 AI 平臺的精準投放。

創(chuàng)始人：從創(chuàng)立之初我就知道OpenEvidence會獲得巨大成功

OpenEvidence由兩位哈佛校友Daniel Nadler和Zachary Ziegler聯(lián)手打造。

Nadler是位連續(xù)創(chuàng)業(yè)者，曾在哈佛讀博期間創(chuàng)辦金融AI公司Kensho，2018年以約5.5億美元賣給標普全球，這段經歷讓他既有了資本也積累了聲望。搭檔Ziegler則是哈佛博士候選人，師從知名AI學者Alexander Rush，在自然語言處理方面功底深厚。一個懂商業(yè)，一個懂AI，配合默契。

Daniel Nadler 登上福布斯

Nadler創(chuàng)業(yè)的初衷源于對醫(yī)療信息爆炸的深刻感受。他形容現(xiàn)在這個時代：生物醫(yī)藥正值黃金期，新藥新療法不斷涌現(xiàn)，但對臨床醫(yī)生來說卻像進入了“黑暗時代”——每天面對海量文獻，身心俱疲。“醫(yī)生面對噴涌而出的醫(yī)學研究，如同迎著高壓水龍帶喝水”，最新研究每30秒就有一篇發(fā)表，醫(yī)生要在看診20名患者的同時還要跟上最新進展，幾乎不可能完成。這種痛點讓Nadler意識到，人腦的閱讀極限無法應對數(shù)百萬研究，但是AI可以。

2021年11月，Nadler著手創(chuàng)建OpenEvidence。作為二次創(chuàng)業(yè)者，他非常自信，決定自掏腰包啟動項目，換取更大的長期回報。他對周圍人說："也許我這輩子最聰明的決定就是用自己的錢押注自己。”

從2021年成立至今，OpenEvidence已經完成了融資之路：創(chuàng)始人Daniel Nadler最初自掏腰包投入1000萬美元，隨后在2022年底拿到2700萬美元融資；2025年初A輪融資7500萬美元，紅杉資本領投，讓公司估值達到10億美元；幾個月后B輪融資2.1億美元更是將估值推高到35億美元。谷歌風投、紅杉資本、Kleiner Perkins等頂級機構紛紛下注。

OpenEvidence的融資歷程

臨床醫(yī)療領域的競爭

如果認為OpenEvidence單純地踩中了醫(yī)療AI的痛點，才獲得了這樣的成功，無疑是片面的。因為，如果談及醫(yī)療AI，行業(yè)內人士一般都會舉出一個“反面案例”——IBM的Waston。

IBM旗下Watson Health一度被譽為醫(yī)療AI的未來和答案。然而由于技術局限和過度營銷，IBM Watson在腫瘤輔助決策等項目上表現(xiàn)不佳，最終于2022年將Watson Health業(yè)務拆分賣出，宣告了這場投入數(shù)十億美元計劃的“崩塌”。IBM Watson的失敗為行業(yè)敲響警鐘：單靠巨資投入和大公司光環(huán)并不能保證醫(yī)療AI成功，技術落地和實用效果才是關鍵。

OpenEvidence的快速成長某種程度上站在了“后Watson時代”的風口，在技術成熟度和應用切入點上更具優(yōu)勢。巨頭雖有資源，但在專業(yè)醫(yī)療領域不見得輕易碾壓初創(chuàng)——靈活專注的創(chuàng)新者有機會彎道超車。不過，這也給OpenEvidence一個警示：如果在擴張中忽視了質量和安全，透支了醫(yī)生信任，則可能重蹈昔日Watson的覆轍，成為一場高開低走的泡沫。

在臨床醫(yī)療AI領域，一些AI初創(chuàng)企業(yè)正在嶄露頭角，成為OpenEvidence的潛在競爭者。準確和豐富的數(shù)據(jù)，是這類公司競爭的關鍵。

雖然不像OpenEvidence那樣專心于LLM+RAG，但同為臨床醫(yī)療參考工具的DynaMed 仍值得一提，這款工具的主要技術在于RAG（一種AI框架：檢索增強生成），并且在今年被評為“即時臨床決策支持：現(xiàn)場疾病參考”的 Best in KLAS 工具（近五年第四次斬獲）。其最新的生成式 AI 功能 “Dyna?AI” 進一步提升了查證與信息獲取速度 。作為知識型決策工具，DynaMed 同樣堅持使用經同行評議的醫(yī)學文獻，確保內容準確度。

另一家成立于2023年的明星創(chuàng)業(yè)公司Hippocratic AI ，其專注開發(fā)“注重安全”的醫(yī)療大語言模型。Hippocratic AI著重通過各種醫(yī)療考試認證，其模型已通過100多項醫(yī)療專業(yè)測評，并針對醫(yī)療場景進行了額外訓練。