在AI创业浪潮中，医疗垂直领域杀出一匹黑马——OpenEvidence。这款被称为“医生版ChatGPT”的AI搜索工具，估值在半年内从120亿美元飙升至150亿美元，背后是超过三分之二美国医生的日常使用。它究竟做对了什么？又折射出哪些行业变局？本文深度解析其崛起逻辑、资本博弈与未来挑战。
从120亿到150亿：OpenEvidence凭什么暴涨？
OpenEvidence的估值曲线堪称陡峭：今年1月刚以120亿美元完成融资，9月就再度传出150亿美元估值的新轮次，单轮2.5亿美元的投资来自多家医院系统和知名机构安德森·霍洛维茨。一年内总融资额突破10亿美元，Thrive Capital、DST、GV、凯鹏华盈、红杉资本等顶级VC悉数入局，英伟达也是股东之一。
为什么资本如此疯狂？核心在于OpenEvidence切中了一个极其刚性的场景：医生需要快速、准确、有依据的临床信息。传统搜索引擎返回的是通用网页，医生要在冗长的链接中筛选真伪；而OpenEvidence直接给出基于最新医学文献、临床试验和指南的答案，并附带证据来源。这种“即问即答”的体验，让它在没有大规模营销的情况下，依靠口碑渗透了美国超过三分之二的医生群体。
对于AI创业公司而言，用户密度就是护城河。当医生的工作流程开始依赖某个工具，切换成本就会变得极高。OpenEvidence在医疗这个高壁垒行业里，用AI搜索撕开了一道口子，证明了垂直场景的价值远大于泛化应用。有趣的是，这一成功路径也出现在其他领域——比如创意工作者用AI画图快速产出视觉方案，营销人员用文生图批量生成素材，本质上都是“AI重构专业工作流”的逻辑。
值得注意的是，OpenEvidence的崛起并非依靠烧钱补贴，而是真正解决了医生在诊断和治疗建议上的痛点。它把“医生版ChatGPT”这个标签变成了一个可感知的产品体验，这正是AI创业最稀缺的能力——从技术到产品的惊险一跃。
医生版ChatGPT：AI搜索如何征服美国医疗界？
要理解OpenEvidence，就得先理解医生的工作方式。在诊室中，医生面对复杂病例时，往往需要在数分钟内查阅文献、对照用药指南、评估治疗方案。传统数据库检索效率低下，而通用大模型又存在幻觉风险，可能给出看似合理实则错误的建议。
OpenEvidence的做法是构建一个医疗专用的AI搜索平台：它整合了医学期刊、指南、药物说明书、临床试验数据等海量权威信息，通过检索增强生成技术（RAG），让大模型在回答时始终锚定在可信证据上。医生可以像聊天一样提问：“一位65岁糖尿病患者合并心衰，二线用药推荐？”系统会给出分层的、带有引用来源的答案，并标注证据等级。
这背后是复杂的技术工程：既要理解医学语义，又要处理结构化与非结构化数据，还要兼顾实时更新。OpenEvidence团队花了很多精力在大模型训练的基础上做领域微调，同时建立了一套严谨的验证流程——任何新的医学证据都需经人工审核才能进入知识库。这种“AI+人工”的双重保障，在医疗这种容错率极低的行业里至关重要。
从用户数据看，OpenEvidence已覆盖美国超过三分之二的医生，这意味着每天有数十万次临床决策直接受益于该工具。医疗专业人士的接受度，源于它对效率的真实提升：一项内部调研显示，医生平均每次搜索节省约8分钟。不要小看这8分钟——一天接诊30个患者的医生，累计起来就是几小时。
当然，这款科技产品的成功也离不开与大型科技公司的合作。OpenEvidence本周刚与Anthropic达成合作，同时接入谷歌和微软的AI工具，形成了“模型无关”的中立生态。这种开放策略既分散了模型依赖风险，也让自身始终站在最新科技的最前沿——毕竟，没有任何一家大模型公司愿意把最顶尖的能力只给“友商”。
AI巨头入局与并购暗战：OpenEvidence成为香饽饽
OpenEvidence完成新一轮融资的时间窗口颇为微妙。OpenAI、Anthropic等AI巨头正在加速拓展医疗业务，它们不再满足于只提供底层模型，而是亲自下场开发面向医生、护士和患者的工具。这直接导致了一个结果：医疗AI应用层的竞争格局被重新定义。
对于潜在收购方来说，OpenEvidence的吸引力在于它可以省去从零进入医疗市场的漫长过程。它已经积累了庞大的医生用户群，具备处理敏感医疗信息的合规经验，还在AI公司虎视眈眈的医疗市场中牢牢占据了一个桥头堡。如果哪家大厂吞下OpenEvidence，相当于瞬间获得了医生渠道、数据资产和行业信任——这三者恰恰是医疗AI最难跨越的门槛。
知情人士透露，OpenEvidence不排斥出售，交易中甚至可能包含算力资源的使用权。这暗示了一个重要信号：在AI创业生态中，算力已成为比股权更稀缺的硬通货。如果反AI情绪持续升温导致数据中心扩建受阻，未来算力供应可能紧张，提前锁定算力资源就是锁定企业的生存空间。
不过，OpenEvidence也可能选择保持独立。毕竟，它手里握着超过10亿美元弹药，自身造血能力良好，且估值仍有上升空间。在并购谈判桌上，独立发展往往能换取更优条件。无论结局如何，这场围绕医疗AI的资本暗战，已经让OpenEvidence站上了风口浪尖。
从更宏观的视角看，OpenEvidence并非孤例。在企业数字化转型的浪潮中，垂直行业AI应用正成为资本追逐的热点。从法律到金融，从制造到医疗，每一个行业的数字化改造都在呼唤更懂行的AI工具。那些能够把行业知识、数据资产和AI能力深度融合的创业公司，正在享受时代的贝塔红利。
算力焦虑与反AI情绪：医疗AI创业的隐形风险
光鲜的估值背后，OpenEvidence也面临着不容忽视的隐忧。首当其冲的是算力供应的不确定性。AI模型的训练和推理都极度依赖GPU集群，而数据中心扩建正遭遇越来越强烈的社会阻力——从环保组织到社区居民，反AI情绪正在全球蔓延。OpenEvidence团队把算力使用权作为交易筹码之一，显然是在提前卡位。
更现实的风险是医疗行业特有的监管壁垒。AI辅助诊断在美国需要过FDA（食品药品监督管理局）审查，而OpenEvidence目前更多是“辅助查询”而非“诊断决策”。随着监管收紧，它可能需要调整产品形态，甚至引入更多的临床验证流程。这一步走不好，估值泡沫就会破裂。
与此同时，数据隐私问题始终是悬在医疗AI头上的达摩克利斯之剑。医生使用OpenEvidence时，会输入患者的症状、病史等敏感信息。一旦发生数据泄露，不仅会触犯HIPAA（美国健康保险携带和责任法案），更会摧毁医生对产品的信任。OpenEvidence虽然积累了处理敏感医疗信息的经验，但在黑产攻击日益精密的当下，安全没有绝对。
还有一点经常被忽视：AI幻觉在医疗领域的后果被无限放大。即便OpenEvidence采用RAG和人工审核降低风险，但模型依然可能在罕见病例上给出有误导性的答案。2023年某医疗AI聊天机器人就曾因提供错误用药剂量而遭抗议。OpenEvidence必须持续投入大模型训练和评估机制，确保错误率无限趋近于零。
这些风险并非OpenEvidence独有，而是所有医疗AI创业者的共同考题。在资本狂热时保持清醒，在产品设计时优先安全，在监管博弈时主动合作——这正是AI创业的生存法则。
AI创业的启示：垂直场景比通用模型更值钱？
OpenEvidence的崛起给AI创业圈上了一场生动的课：在巨头通吃的时代，垂直场景依然是创业者的金矿。像OpenAI、Anthropic这样的公司把大模型训得越来越强，但模型本身并不直接解决某行业的具体问题。谁能把“通用智能”变成“行业外科手术刀”，谁就能建立自己的护城河。
以OpenEvidence为例，它的技术栈并非不可复制，但它的数据飞轮和用户关系网很难复制。医生使用产品越多，产生的反馈数据就越多，模型对医学语义的理解就越精准；而医生群体之间的口碑传播，又会吸引更多专业用户加入。这种双轮驱动一旦转动起来，后来者很难追赶。
有趣的是，AI创业的机会也体现在一些看似不那么“高深”的领域。比如抠图工具，原本只是图片处理的边缘功能，但借助AI，它变成了设计师、电商运营者的效率神器；再如背景去除，同样在视频会议、社交内容创作中找到了爆发点。这些工具型产品单看体量不大，但胜在用户需求极刚、付费意愿极强，且能通过API嵌入各种工作流。
当然，垂直场景并不意味着“小生意”。医疗、金融、法律、教育——每一个行业的数字化改造空间都是千亿级市场。关键要找到那个“痛点最尖锐、AI能力比人强10倍”的切入点。OpenEvidence选择了临床信息检索，因为它足够高频、影响足够深远。
从宏观趋势看，AI正在从“聊天机器人”走向“行业解决方案”。AI Agent技术的成熟进一步加速了这一进程——AI不再只是回答问题，而是能自动执行任务、调用工具、协作完成复杂工作流。对于AI创业者来说，现在正是考察行业痛点、设计场景化产品的好时机。不妨多看看AI工具箱，从中获取产品灵感，或许下一个OpenEvidence就在某个垂直角落里孕育。
未来医疗AI：技术、伦理与商业的三重博弈
展望未来，OpenEvidence的估值故事只是医疗AI爆炸式增长的一个缩影。据市场研究机构预测，全球医疗AI市场规模将在2030年超过1800亿美元。但通往这个未来的道路绝非坦途，技术、伦理与商业的三重博弈将决定行业走向。
技术层面，医疗AI必须解决“可解释性”问题。医生需要知道AI给出建议的依据，否则很难在临床决策中放心使用。OpenEvidence的引用机制是正确方向，但更深层的置信度评估、多病种覆盖、多语言支持仍有大量空间。
伦理层面，AI导致的医疗责任归属、数据偏见、数字不平等问题亟待厘清。当AI给出错误建议导致误诊，责任在医院、医生还是产品方？当训练数据以白人患者为主，AI对少数族裔的参考答案是否同样可靠？这些都不是技术能单独回答的命题。
商业层面，医疗AI的付费方极为复杂——医生个人、医院系统、保险公司、政府医保，每一方的诉求都不同。OpenEvidence目前的订阅模式能否持续，以及在扩张过程中保持临床质量和合规性，都是巨大挑战。
但恰恰是这种复杂性，构成了AI壁垒。正如OpenEvidence团队所言，他们不是在做一款简单的科技产品，而是在重塑医疗决策的底层基础设施。当医疗遇上AI，最好的结果不仅仅是效率提升，而是让每一位医生都拥有一个永不疲倦的“超级助手”，让每一位患者都能获得更精准、更普惠的治疗方案。这也是AI创业最动人的价值——用最新科技降低信息不对称，让专业能力的获取不再困难。
回到“医生版ChatGPT”这个标签，也许它更多是一顶媒体的帽子。OpenEvidence真正想做的，是通过AI重构整个医学知识流动的方式。下一个里程碑是上市还是被并购？无论哪一步，它已经为后来者点亮了一盏灯：AI创业不只有大模型，还有无限垂直可能。