图灵汇官网

医疗领域是大型语言模型（LLM）最有潜力的应用方向之一。其中，OpenEvidence 是最受关注的企业之一。它所面对的市场是一个重要且未被充分满足的领域：医生对快速、准确和实时医学信息的需求，与传统静态数据库在更新速度、互动性和使用便利性上的不足形成矛盾。

一位医生表示，他们需要 OpenEvidence 的原因在于医学知识变化太快。毕业十年的医生可能对最新药物或治疗方式不了解。不同年龄的患者对同一疾病的处理方法差异很大，一些复杂情况还需要多个专科的协作，但医生时间有限。这些因素导致医疗错误成为美国第三大死亡原因。

因此，OpenEvidence 不专注于简单的文书工作，而是直接解决临床决策中最关键的问题。公司坚持一个理念：为专业人士打造消费级产品。过去，医生不得不使用复杂的工具，而 OpenEvidence 让他们像普通用户一样，在应用商店下载并立即使用。这种模式改变了医疗技术的分发方式，也让医生第一次被当作独立用户对待。这种方式绕过了传统的采购流程，通过产品驱动增长策略迅速扩大了影响力。

在这个过程中，OpenEvidence 发现自己的能力非常符合“决策点”数据需求。于是，它从提供工具转向提供药品营销服务，逐渐成为一个数据平台，进入医疗广告市场。

目前，OpenEvidence 已经获得超过 40% 的美国医生使用。在不到两年的时间里，每月咨询次数从 2024 年的 36 万次增加到 2025 年的 850 万次，增长超过 20 倍。同时，公司获得了 Google Ventures 和 Kleiner Perkins 领投的 2.1 亿美元 B 轮融资，估值达到 35 亿美元。

传统医学内容平台如 UpToDate、ClinicalKey、BMJ 和 Amboss 等虽然更新较慢，但它们拥有很高的信任度和成熟的采购关系。如果它们推出基于自身内容的 AI 对话界面，可能会成为 OpenEvidence 的竞争对手。

UpToDate 在行业中的地位稳固，因为它有严格的编辑内容，并与主流电子病历系统深度整合。但其费用较高，机构订阅价格每席位约 300 美元，每年还会涨价 7% 到 10%。这给一些预算有限的医院带来了机会，DynaMed 和 ClinicalKey AI 的价格比 UpToDate 低 30% 到 50%，但医生认为它们的覆盖范围和使用体验只能勉强满足需求。

AI 新兴企业则试图控制医生的工作流程，比如 Abridge、Ambience 和 Suki 等公司，它们希望逐步接管病历记录、医嘱和计费等任务。如果成功，OpenEvidence 可能会被边缘化，变成一个辅助工具，而不是核心部分。

科技巨头拥有强大的模型能力和云服务，还有庞大的客户基础。如果它们将临床级别的对话助手与电子健康档案集成，用户增长会非常快。

为了保持领先，OpenEvidence 需要采取多种策略。首先，加强内容壁垒，与顶级出版商合作，建立独家或优先合作关系。其次，将产品嵌入到电子病历系统中，使其成为工作流程的一部分，而不仅仅是一个外部参考工具。同时，推动企业服务，比如医院订阅、制药公司的广告合作等，以提高用户粘性。此外，确保广告符合临床需求，并注重引用来源，以维持医生的信任。

团队方面，CEO Daniel Nadler 曾创立过一家价值 5.5 亿美元的公司，后又创建 Xyla，专注于高精度的大型语言模型。他意识到医生获取最新医学知识的困难，便在 Xyla 内部开发了 OpenEvidence。团队成员大多来自哈佛和麻省理工学院，强调学术研究与实际应用的结合。

CTO Zachary Ziegler 是哈佛大学计算机科学博士，师从自然语言处理领域的专家。他在 AI 领域有丰富经验，负责解决医疗 AI 中的幻觉问题。

2025 年初，OpenEvidence 完成 A 轮融资，金额为 7500 万美元，估值超过 10 亿美元。红杉资本合伙人 Pat Grady 表示，OpenEvidence 的传播方式类似于消费类应用，这是医疗工具中少见的现象。