AI医疗|红杉 2 月份十亿美金估值刚投了这家公司,现在飙升到35亿

新闻

作者：微信文章

医学版“谷歌”来了！狂揽全美40%医生，哈佛天才再创业，AI医疗估值超250亿！AI医疗的造富神话又一次上演。 近日，AI医疗公司OpenEvidence获得了2.1亿美元的B轮融资，估值飙升至35亿美元（约合人民币251亿元）。

本轮由谷歌和凯鹏华盈共同领投，老股东红杉资本继续押注，此外还获得Coatue、Conviction和Thrive的投资。

今年2月，OpenEvidence才拿下了红杉资本的7500万美元的A轮资金，以10亿美元估值跻身AI独角兽俱乐部，仅5个月后，估值再一次迎来倍数增长。

有趣的是，此次谷歌投了一家医学界的“谷歌”。 通过免费向医生开放专业AI医学助手，OpenEvidence已覆盖美国40%医生，并且还在迅速积累用户。 此外，OpenEvidence也是首个以广告形式产生收入的AI医疗产品，公司预计其ARR（年度经常性收入）将达到5000万美元，且随着用户增长具有高成长性。 可以说，OpenEvidence正在为医疗行业带来全新的商业路径。

OpenEvidence的崛起标志着AI医疗领域的范式革新，其独特的商业模式与技术路径为行业树立了新标杆。以下从公司背景、创始人、融资历程、竞争力及国内映射五个维度展开深度解析：



公司背景：医疗AI领域的“谷歌”

OpenEvidence成立于2022年，总部位于美国，专注于开发面向医生的AI医学助手。其核心产品是一款类似ChatGPT的垂直领域对话系统，通过整合全球权威医学文献（如《新英格兰医学杂志》）和临床指南，为医生提供精准诊断建议、治疗方案对比及医学文献解读。截至2025年7月，该产品已覆盖美国40%的执业医生，月活跃用户超30万，成为全球医生群体中渗透率最高的AI工具之一 。



创始人背景：连续创业者的垂直领域深耕

创始人Daniel Nadler是AI领域的连续创业者，曾主导开发多款垂直领域AI应用。尽管其具体创业经历未完全公开，但从OpenEvidence的技术路径可见其对医疗场景的深刻理解：

- 技术基因：团队早期选择开发小型专业化模型而非通用大模型，专注提升医学场景的准确性与可靠性。例如，其AI系统在USMLE（美国医师执照考试）中得分超过90%，错误率比ChatGPT低77% 。

- 用户洞察：Nadler敏锐捕捉到医生群体的痛点——医学知识每5年更新一次，而传统检索工具无法满足复杂病例需求。OpenEvidence通过“护理指南+临床证据”双模式回答，直接解决医生在罕见病、药物交互等场景的决策困境 。



融资历程：顶级资本的闪电押注

OpenEvidence的融资速度堪称行业奇迹，其估值飙升背后是资本对医疗AI商业化路径的高度认可：

- A轮（2025年2月）：红杉资本独家投资7500万美元，估值10亿美元。此轮融资主要用于产品研发与医生用户获取 。

- B轮（2025年7月）：谷歌、凯鹏华盈联合领投2.1亿美元，红杉、Coatue等老股东跟投，估值跃升至35亿美元。此轮融资将用于拓展国际市场、深化与药企合作及完善数据合规体系 。

投资方逻辑：

- 谷歌：看重其“医疗版谷歌”的流量入口价值，未来可能通过云服务、广告技术与其形成协同。

- 红杉资本：延续其“押注垂直领域杀手级应用”的策略，此前已投资FreedAI等医生工具类公司 。

（FreedAI是一家专注于医疗领域的AI公司，其核心产品为医生提供自动化病历生成服务，通过语音识别和自然语言处理技术，自动转录患者就诊对话并生成结构化病历，显著减少医生73%的文书工作时间。该公司采用订阅制商业模式，基础套餐月费99美元，已吸引超1万名付费医生，年度经常性收入（ARR）达1000万美元。2025年3月，FreedAI完成红杉资本领投的3000万美元A轮融资，专注于服务美国47%的独立执业医生群体，通过简化购买流程快速占领市场 。）

- 凯鹏华盈：医疗AI领域布局的关键落子，其过往投资的Ambience Healthcare（AI医疗记录公司）与OpenEvidence形成互补 。



核心竞争力：四大护城河构建壁垒

1. 免费+广告：颠覆医疗软件的商业模式

- 用户获取：直接面向医生个人提供免费服务，绕过医院采购的冗长审批流程（传统医疗软件落地周期2-5年），通过口碑传播实现病毒式增长。美国医生月活用户从0到30万仅用18个月，MAU渗透率超40% 。

- 广告变现：与药企、医疗器械厂商合作，在医生查询治疗方案时嵌入精准广告。例如，当医生搜索“银屑病治疗”时，系统会推荐相关药物并标注引用次数，既保证可信度又实现商业化闭环。2025年预计ARR达5000万美元，且随着用户增长呈现指数级潜力 。

2. 技术可靠性：医学场景的极致优化

- 数据质量：训练数据仅包含经同行评审的医学文献，与《新英格兰医学杂志》建立独家合作，确保知识库实时更新 。

- 交互设计：每句回答均标注交叉引用编号，文末附参考文献清单，支持医生一键跳转原文验证，彻底解决通用AI的“幻觉”问题 。

- 合规性：严格遵循HIPAA（美国医疗隐私法案），采用去标识化数据训练模型，避免患者信息泄露风险 。

3. 资源整合：顶级机构的生态赋能

- 学术背书：与梅奥诊所合作，获得临床指南与去标识化数据集，加速模型验证与优化 。

- 媒体矩阵：与Ziff Davis旗下MedPage Today等专业媒体平台集成，进一步扩大用户覆盖面 。

- 资本协同：谷歌提供云计算资源与AI算法支持，凯鹏华盈引入药企广告预算分配网络，红杉助力全球化扩张 。

4. 用户粘性：医生群体的深度绑定

- 场景嵌入：除诊断支持外，系统还集成50+临床计算器（如CHA2DS2-VASc评分）、医疗文书自动生成等工具，深度融入医生日常工作流程 。

- 知识更新：每日精选新发表论文，生成可视化图表与专科分类总结，帮助医生应对医学知识爆炸式增长的挑战 。



国内映射：政策与市场的双重挑战

1. 对标企业：垂直领域的探索者

- 医脉通：中国最大的医生平台，通过精准营销（药企广告）和会员服务盈利，2022年广告收入占比近90%。其模式与OpenEvidence相似，但主要依赖医生社群运营而非AI技术 。

- 医联MEDGPT：国内领先的医疗大模型，累计融资超60亿元，提供全链条医疗服务。其商业化路径以医院合作与患者服务为主，尚未尝试广告模式 。

- 微脉：聚焦全病程管理，通过数字疗法与AI技术提升医院效率，收入来源为软件订阅与政府项目 。

2. 行业启发：免费模式的本土化适配

- 政策限制：中国《医疗广告管理办法》规定，医疗广告需经严格审查，禁止出现“推荐药品”等内容。OpenEvidence的广告模式在国内可能面临合规风险，需转型为药企提供数据洞察或学术推广服务 。

- 技术路径：国内企业可借鉴其“小而精”的模型策略，例如医联MEDGPT已在肝病、肿瘤等单病种领域实现高精度诊断，未来可拓展至更多专科 。

- 资源整合：参考OpenEvidence与顶级期刊的合作模式，国内企业可联合中华医学会等权威机构，构建本土化医学知识库，提升AI建议的可信度 。

3. 风险提示

- 数据孤岛：中国医疗数据分散在不同医院，标准化程度低，企业需通过政策支持或联盟合作突破数据壁垒 。

- 支付意愿：国内医生对付费工具接受度较低，免费模式可能更易推广，但需探索“基础免费+增值付费”的分层服务（如高级数据分析功能） 。

结语

OpenEvidence的成功验证了垂直领域AI应用的商业化潜力，其“免费获客+精准广告”模式为医疗行业提供了新范式。国内企业在借鉴时需注意政策差异，转而通过数据服务、学术合作等合规路径实现价值变现。未来，随着AI技术的深化与医疗数据的开放，中国有望诞生本土版“OpenEvidence”，推动医疗效率与可及性的双重提升。