医生版 ChatGPT 3 年估值 60 亿美金，被低估的 AI 硬件新玩法：相框

一个可能正在改变美国医疗体系的产品正在崛起，它被称为医学领域的 Google 和医生版的 ChatGPT，成立 3 年估值已经涨到了 60 亿美金，被 40% 的美国医生使用。

前两天，OpenEvidence 宣布完成了 2 亿美金新一轮融资，由 Google Ventures 领投，Sequoia、KP 以及其它一些 VC 跟投，估值达到了 60 亿美金。而在 7 月份，它刚以 35 亿美金估值完成 2.1 亿美金的 B 轮融资，之前的 A 轮由 Sequoia 领投。

要理解 OpenEvidence 为何能够如此迅速崛起，首先要理解医生们面临的困境。创始人兼 CEO Daniel Nadler 发现，现代医生正被信息洪流淹没，每天有上千篇新论文发表，医学知识每五年翻一番。一位医生在完成住院医师培训时，医学院学到的知识已有一半过时。

医生的难题不是缺乏知识，而是无法从数百万篇文献中提取真正有用的信息。比如：某药物对银屑病有效，但对多发性硬化症患者是否安全？答案可能藏在一篇 30 页论文的中段。Google 搜索和传统数据库根本无法解决这种“深度检索”的问题。医生需要的不是更多数据，而是可用的证据。

Nadler 并非医疗出身。他是哈佛政治经济学博士，上一家公司 Kensho 曾用 AI 重塑金融分析，并以 7 亿美元卖给了 S&P Global。成功后，他把目光投向医疗。

动机既来自技术直觉，也来自个人经历——他的祖父死于医疗错误：

如果 AI 能帮银行做更好的决策，为什么不能帮医生呢？

2021 年，他与哈佛机器学习博士生 Zachary Ziegler 创办 OpenEvidence，自投 1000 万美元。两人发现，医疗与金融有相似之处：都是知识密集、文献爆炸、错误代价高昂的领域。

在 2022 年的 AI 大模型浪潮中，大家都在追求模型越大越好，但是 OpenEvidence 反其道而行。团队认为：在医学领域，小而专的模型优于大而全的模型。

通用模型是在对互联网做 JPEG 压缩，但互联网充满健康博客和旅游食谱。我们要做的是对医学知识做 JPEG 压缩。

他们用 FDA、CDC、NEJM 等高质量公开数据训练模型，确保内容权威且无幻觉。OpenEvidence 每条回答都附有文献引用，如果文献无定论，它就直接说“没有答案”。这套“无幻觉”机制赢得了医生信任，也成为其最独特的技术护城河。

其推广模式也颠覆了传统的医疗系统层层审批周期漫长的模式，而是像消费品一样直接面向医生（Direct to Clinician）。医生只需通过 NPI 身份验证，即可免费使用。这个策略让他们实现了爆炸性的增长，从 2024 年每月 35.8 万次临床咨询涨到了 2025 年的 1650 万次，超过 43 万名注册医生，覆盖美国 40% 的医疗从业者，每天有约 10 万名医生在使用。

有了用户后，其产品也从最初的“可验证医学搜索引擎”进化为一个临床决策助手，相当于变成了“医生的第二大脑”。它可自动生成保险授权信、患者讲义、风险评分及继续教育材料。

其 DeepConsult 可自动分析数百篇研究，为复杂病例提供综合性建议。Visits 功能则在就诊现场实时转录病历、检索病史并提供治疗建议。

它成为首个在美国医师执照考试中取得 100% 的 AI 系统，这让那些对 AI 平台比较谨慎的医学期刊不仅成为其用户，也向 OpenEvidence 开放了它们的内容，比方说《新英格兰医学杂志》(NEJM)和《美国医学会杂志》(JAMA) 都已经与其签约，这形成一个飞轮效应：更多权威内容 → 更多医生用户 → 更多反馈与改进 → 吸引更多期刊合作。它不仅提升了模型质量，也让医学知识的传播更加民主化。

其商业模式则像 Google 学习，免费提供给医生，收入来自制药广告。制药公司每年在美国花费约 200 亿美元推广药物，但传统渠道效率低。OpenEvidence 能在医生做决策的瞬间展示基于证据的广告信息——透明标注、与内容系统完全隔离。

效果非常好，今年 7 月份，其 ARR 就达到了 5000 万美金，预计到 2026 年 ARR 将突破 1 亿美金。其广告的 CPM 高达 70–150 美元，是社交媒体的 10 倍。

因为这套对医生免费的模式，KP 创始人 John Doerr 评价它是“医疗领域的 Google”。不过 Nadler 的愿景不是搜索，而是医学超级智能。

当越来越多的医生都在用 OpenEvidence 处理病例时，他们的匿名数据和经验将反哺系统学习，就像是在向专家获取医学智慧， Nadler 说他相信这将成为未来十年最重要的知识基础设施，这或许是投资人非常看好 OpenEvidence 的核心。

在 AI 硬件这块，昨天文章介绍完 a16z 和 Sequoia 重金押注的语音 AI 产品《Benchmark 加入一位新 GP，a16z 和红杉巨额投了一个语音 AI 硬件》后，有两个国内团队跟我说，他们也在做类似的事情，都认为这是未来的发展方向。

而我最近看到两个非常有意思的硬件产品，看起来做法非常简单，它们将目标瞄准的是很多人可能都没有注意到的相框，其中一个没有任何 AI 功能，已经卖了几百万个；而另一个加上 AI 后，几天时间就卖出了 110 多万美金，而且价格都不便宜。其产品逻辑是，将你固定不变的相框转化为