OpenEvidence絕非國產醫療AI的終局

圍繞醫療AI展開的角逐，大洋兩岸呈現出截然不同的景象。

過去半年，美國科技公司不斷刷新醫療AI的融資規模與市場估值。當紅的Abridge完成3億美元融資，估值53億美元；Tala Health緊隨其后憑借1億美元超級種子輪直達12億美元估值；Open Evidence更是在收獲Thrive Capital和DST Global給予的2.5億美元資金后估值達120億美元，折合人民幣后已近千億。

同樣著力于院內AI的探索，國內的醫療IT公司卻顯得有些落寞。

衛寧健康2026年初預告2025年業績由盈轉虧，扣非歸母凈利潤虧損3.04億元至3.74億元。市值不斷下探，未能靠AI撐起預計。

創業慧康年末易主但頹勢未改，2025年業績預計虧損3.05億元至4.05億元，市值難回三位數。

相似的技術路徑，截然不同的進程，使得不少初創公司開始將美國模式"本地化"，尋求醫療AI快速變現的可能。

但需要明確的是，美國的AI醫療是否存在高估?改良后的OE等應用是否有能力滿足國內醫生的需求，幫助企業在有限的未來完成逆襲?

01

國內醫療IT的估值邊界在哪里？

單看業務層面，Abridge、Tala Health、Open Evidence的模式并不唯一，國內存在大量場景相似、技術趨同的醫療IT企業。

Abridge主打AI臨床文檔自動化平臺，可實時轉錄醫患對話，精準提取主訴、病史、用藥、診斷等關鍵信息，自動生成符合SOAP規范的結構化病歷。這個過程中，Abridge解決的是醫生病歷書寫繁重、耗時過長的行業痛點，且生成的病歷過程可溯源核驗，可一定程度減輕幻覺。

國內現階段對標Abridge的很多，福鑫數科、全診醫學、訊飛醫療、云知聲均有語音轉文本及結構化病歷自動生成的技術，更有聯影智能、深睿醫療等企業自動提取醫學影像報告中關鍵信息生成結構化影像報告，整體能力略優于美國市場。

Tala Health聚焦醫療全流程照護導航，其拳頭產品為AI多智能體協同服務平臺，補齊醫療服務“最后一公里”短板。不同于單純聚焦診室環節的AI產品，該平臺打通從患者初診咨詢到康復隨訪的全鏈路，患者通過對話入口描述癥狀后，平臺AI會開展系統化問診，生成規范病歷，再聯動執業醫護完成審核、分診、檢查預約、醫保預授權、轉診等一系列事務，同時全程跟進患者康復進度。

國內方面，國內微醫、平安健康、方舟健客同樣主打全鏈路就醫協同與慢病閉環管理，但由于部分醫院本身系統不夠暢通，整個鏈條可能存在流程上的斷點，需要患者手動輸入數據，因而在實際體驗上，國內略弱于美國市場。

OpenEvidence專注臨床循證決策的AI引擎，主打權威醫學知識賦能，核心解決醫生診療決策缺乏權威依據、文獻查閱效率低的難題。與傳統決策系統的差異在于，它整合了全球上萬篇頂級醫學期刊、權威診療指南與藥品說明書，依托檢索增強生成技術，為持證醫生提供精準、可溯源的臨床證據支持。憑借準確性和權威性，它已是美國執業醫師最常使用的臨床AI工具。

只談技術路徑，國內能夠媲美OpenEvidence的項目可達兩位數。但在估值上，這些項目加起來的總和，才有逼近OpenEvidence的可能。

問題出在醫生習慣與支付方上。福鑫數科CEO吳笛認為：對于美國醫生而言，所有診療決策必須依托權威、可溯源的醫學證據，OpenEvidence完全遵循這些標準，只收錄經過同行評審的頂級醫學期刊、官方診療指南、藥監機構公示信息、權威醫學數據庫內容。

當醫生進行診斷行為時，OpenEvidence不僅能夠提供相應的抉擇支撐，提升診斷的準確率與效率，還能實時留痕，成為醫生診斷遵循循證理念的證據之一，為潛在的糾紛提供依據。

相較之下，我國雖也存在大量臨床規范及醫學文獻，但由于不同源頭的規范和文獻在標準上并未實現完全統一，醫生決策時需要依賴經驗進行輔助，缺乏權威標準為他們的決策兜底，因此對于國內的醫生而言，臨床循證決策的AI引擎僅能算作一個提效的工具。

甚至于很多電腦軟硬件落后的醫院，強行上線AI引擎只會加重電腦的卡頓，成為一種額外的負擔。

支付方亦存在類似的差異。雖說現階段OpenEvidence的AI服務的是正規醫師資質的臨床醫生與醫學生，但它的核心付費方卻是藥械企（少部分功能也向醫院、醫生收費），按醫生查詢場景定向推送廣告，如在醫生檢索糖尿病治療方案，推送合規降糖藥信息；在查詢腫瘤療法，匹配對應靶向藥資料等。

而國內監管機構嚴禁藥械企業向醫生直接投放廣告內容，OpenEvidence的獨特商業模式直接被鎖死。就目前而言，國內醫療IT企業僅能將醫院、政府作為AI服務的支付方，其估值上限最多能與Abridge、Tala Health當前階段的數值持平。

如今醫療體系初級輔助決策能力基本搭建完畢，支付方支付意愿進一步下降。在沒有新的拳頭產品推出的前提下，國內醫療IT的估值區間或將在短期內進一步下行。

02

OpenEvidence，并非國產醫療IT的終局

從宏觀指標看，中美雙方的技術水平、市場規模近似，均不存在量級上的差異，只是國內醫療AI存在藥械支付方缺失導致的空白，不具備快速變現的可能。

這樣的缺陷嚴重，卻并不致命。

回到OpenEvidence的D輪融資，資方之所以愿意給它開出天價，一方面是因為它能靠現有的商業模式快速變現，另一方面則是因為它在藥械以外的B端同樣具備潛力。單純的藥械營銷，不足以筑起千億估值企業的競爭壁壘。

“OpenEvidence的模式有它的領先性，但從工程師的視角來看，它的智能體能力較于其他智能體產品不存在特別有區分度的地方整個體系是可以被其他信息化企業快速復制的。”吳笛表示。

“舉個例子，如果Google、Oracle下決心做這件事，他們一定有能力將這些權威的雜志引入到自己的體系中，并能以嵌入系統而非外掛的方式為醫生提供服務。此外，Google要是來賣藥械廣告，它大概率能比初創公司賣得更好。”

換句話說，如果只依賴藥械營銷，OpenEvidence的模式易被復制，天花板也一眼望得到邊。

面對這樣一種現狀，OpenEvidence的實際做法是將廣告業務作為一個跳板，以更直接的方式變現AI的價值。

去年10月，OpenEvidence和Veeva Systems建立長期合作伙伴關系，聯合開發Open Vista，用以將醫生和患者與相關臨床試驗聯系起來，增加患者獲得臨床試驗的機會，進而加速相關藥物的研發，直接為SaaS企業提供服務。

今年2月，OpenEvidence又與Sutter Health達成合作協議，將該平臺集成到Epic電子健康記錄系統中，使醫生能夠在不離開病歷輸入環境的情況下執行自然語言證據搜索，回到尋求B端“按效果付費”的商業化邏輯。

回頭再看國內醫療IT企業，他們正處于AI技術的快速迭代期。每一年新出現的AI技術，都會對往年的模型能力進行顛覆，進而覆蓋過往技術難以企及的場景。

因此，國內醫療IT雖在尋求藥械支付方向上缺席，仍有可能越過這個環節，直接抓住下一波AI價值爆發的機遇。

這里的機遇與醫療AI時代的未來發展歷程有關。

醫療AI的1.0 時代，核心為單點的“按效果付費”。Abridge、福鑫數科、全診醫學的結構化電子病歷是這個時代的典例，它表現為企業找到一些存在切實痛點的場景進行效率優化。結構化電子病歷大幅提高了醫生的日常工作效率，這里的效益能被計算，醫院因而愿意為AI付費。

醫療AI的2.0時代，是系統化的“按效果付費”。1.0時代的AI應用是單點的、間斷的，它能從醫生工作流的某一環節提效，但無法實現整個流程的優化，這樣的提效在痛點被逐一擊破后會逼近邊界，只有重建系統架構，才能開拓新的提效空間。

目前國內頭部醫療IT大廠都有類似的規劃，如衛寧健康在數年前便提出“EA+AI智能架構”，將基于GPU計算的架構和CPU架構并行，以系統流程的優化挖掘“按效果付費”的空間。但由于單點的“按效果付費”并不發達，很多醫院尚不具備智能架構的硬性需求，因而系統化的“按效果付費”，依賴于大規模的單點“按效果付費”爆發。

至于醫療AI 3.0 時代，即在2.0的基礎上加入AI決策，借助人機高度協同下的智慧管理，實現全院所有醫療資源的最優分配。

近期OpenClaw等自主智能體的出現已將不少上述想象具現化，使得上述三個時代有望加速成為現實。

舉個例子，過往某主任提出一個流程上的優化需求，可能需要醫療IT企業花費2個月時間進行需求的調研、方案的溝通，再進行代碼的開發、調試、應用，且可能在完成優化后依然達不到主任的需求。

而借助醫療IT企業開發的自主智能體，醫院能夠自行對AI提出需求，讓AI迅速完成調試。其間省下的各類成本，便是醫療IT企業借助單點“按效果付費”取得的空間。

再談系統化的“按效果付費”，這里的關鍵在于將“問答式AI”轉變為“負責端到端的任務執行的AI”。

譬如，醫生過去查房需要逐一閱讀患者信息，而AI能對整個流程進行優化，在醫生查房前先將患者病歷跑一遍，自動生成各類監護系統的簡報，讓醫生能在決策前就把握關鍵點，將查房這一行為的價值由發現問題向解決問題轉變。

總的來說，場景還是那些場景，但AI能力的升級使得它能真正幫助醫院獲取利益，深度融入醫生工作流中，進而創造大量國內醫療IT企業"按效果付費"的可能，使得醫療IT企業能夠直接向醫院系統而非藥械企業尋求支付。

因此，國內的醫療IT企業雖因環境的限制而暫時落后，但這樣的落后不會一直持續下去。當下OpenEvidence找到的商業模式并非醫療IT的終極解法，伴隨AI技術的快速迭代，我們或許能在1—2年之內親歷下一個技術爆點，目睹醫療IT重建新格局。

*封面圖片來源：123rf

如果您認同文章中的觀點、信息，或想進一步討論，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。