摘要：当美国医生推开诊室门，手机弹出的不是老婆的微信，而是一款叫OpenEvidence的AI——你没看错，现在医生看病前先刷AI，比你刷抖音还勤快。10万执业医生每天狂用，三年估值干到35亿，这医疗圈的“ChatGPT”到底干了啥？说出来你可能不信：它让医生不用再

当美国医生推开诊室门，手机弹出的不是老婆的微信，而是一款叫OpenEvidence的AI——你没看错，现在医生看病前先刷AI，比你刷抖音还勤快。10万执业医生每天狂用，三年估值干到35亿，这医疗圈的“ChatGPT”到底干了啥？说出来你可能不信：它让医生不用再抱着医学文献啃到秃头，5秒就能拿到《新英格兰医学杂志》的标准答案；它绕过医院采购的17道审批，直接把工具塞到医生手里；它靠免费获客，却让制药商抢着投广告——这哪是医疗AI，分明是医疗界的“拼多多”，用互联网打法把传统玩家按在地上摩擦。

你以为医生都是“行走的医学百科”？拉倒吧，现在的医生比高三学生还惨。Nature说医学知识每73天翻一倍，啥概念？相当于你刚背完《五年高考三年模拟》，第二天就换了本《十年高考五年模拟》，还是英文版的。更离谱的是，新研究每30秒发一篇，医生看完一个病人的功夫，够发20篇论文——这哪是学习，分明是迎着高压水龙带喝水，要么呛死，要么啥也没喝着。

传统医生咋解决？两种套路：要么凭经验“拍脑袋”，毕竟一辈子遇不上几次的罕见病，总不能现翻书；要么谷歌学术搜半天，结果出来200篇文献，还得自己筛选哪些是灌水的、哪些是过时的。梅奥诊所的医生吐槽：“上次有个孕妇问新药能不能用，我查了40分钟文献，病人以为我在摸鱼。” 这效率，放互联网圈早被老板开了八百回了。

OpenEvidence就看准了这个“痛点中的痛点”。医生用日常话提问，比如“某新药在孕妇中的疗效”，5-10秒就出答案，还附带《新英格兰医学杂志》的原文链接——相当于你问Siri“这题选A还是B”，它不光告诉你选A，还把课本第几页拍给你看，连老师的批注都标好了。有医生说：“现在查房时遇到问题，掏手机搜一下比问主任还快，主任还会怼我‘这点常识都没有’，AI只会默默甩文献链接。”

医疗软件向来是“三年不开张，开张吃三年”的主儿。传统玩法是：先搞定医院IT部门，再通过院长审批，接着参加17次会议讨论预算，最后卖一套几百万的系统，医生用不用没人管——反正钱已经到账。这套路，跟“中间商赚差价”没区别，医生是最终用户，却连发言权都没有。

OpenEvidence偏不按常理出牌：老子免费！而且只给医生用，医院管理层？一边去。医生注册要验证执照，确保不是“江湖郎中”，但注册完就能白嫖所有功能，连最牛的Agent功能DeepConsult（号称“数字博士”，几小时干完人工数月的综述）都免费。这操作，把医疗圈的老炮儿看傻了：“免费？这公司怕不是慈善机构？”

人家精明着呢。免费是为了快速获客，就像拼多多靠“砍一刀”抢占下沉市场，OpenEvidence靠“医生口口相传”在医疗圈裂变。2024年7月还月处理36万次咨询，2025年就飙到每天35万次——相当于每天给850万病人的诊断做“第二意见”。用户量上来了，钱自然来了：制药商、医疗器械商抢着投广告。以前医药代表得请医生吃饭、送礼品，现在直接在AI搜索结果旁边精准投放：“医生刚搜完‘某降压药副作用’，我就把‘新降压药无副作用’的广告怼上去，这不比塞红包高效？”

创始人Nadler说：“Open就是要绕过中间商，让医生直接拿到工具。” 这话戳中了医疗体系的死穴：以前小诊所医生没钱买数据库，只能凭经验看病；现在OpenEvidence一视同仁，穷医生也能用得上哈佛专家同款工具。这种“医疗民主化”，比任何政策都管用。

提到医疗AI，绕不开IBM Watson的“坟头”。当年Watson吹得震天响，说能治癌症，砸了几十亿，结果医生用了说：“还不如我翻书快。” 2022年黯然卖身，成了医疗圈的“反面教材”。为啥OpenEvidence能成？它踩中了三个坑，而Watson全掉进去了。

第一个坑：大而全不如小而美。Watson想做“医疗全才”，啥病都能看，结果啥都不精；OpenEvidence就专注“临床决策支持”，相当于医生的“口袋军师”，只解决“这个药能不能用”“这个症状像啥病”这类具体问题。模型参数也贼务实，3亿参数的小模型，性能吊打30亿甚至1750亿参数的大模型——就像打游戏，你选辅助位把视野做好，比选全能位乱秀操作靠谱多了。

第二个坑：数据要“精”不要“多”。Watson当年号称用了海量数据，结果很多是灌水文献，甚至有错误数据；OpenEvidence只认“硬通货”：FDA、CDC的权威信息，《新英格兰医学杂志》的全文（它是唯一一个完整训练了这本顶级期刊的AI），连诺奖得主Daniel Kahneman都来当顾问把关。有医生调侃：“ChatGPT会编文献，但OpenEvidence甩的链接，我敢直接抄进病历里。”

第三个坑：用户是医生，不是医院。Watson天天跟医院管理层打交道，医生用不用无所谓；OpenEvidence直接绑定医生，医生用得爽了，会拉着同事一起用。有个细节：《新英格兰医学杂志》的编辑自己就是OpenEvidence的深度用户，觉得“这工具得包含我们的内容”，主动找上门合作。Nadler说：“要是走传统B2B模式，我们连跟编辑说句话的机会都没有。”

OpenEvidence的爆火，离不开创始人Daniel Nadler这个“连续创业狠人”。上一次创业，他把金融AI公司Kensho以5.5亿美元卖给标普全球，揣着1000万美金二次创业——这哪是创业，分明是“用自己的钱押注自己”，比风投还敢赌。

这哥们最牛的不是有钱，是懂“借势”。搞金融AI时，他搞定了华尔街的数据；搞医疗AI，他直接把哈佛、MIT的博士团队薅过来，联合创始人Zachary Ziegler是哈佛计算机科学家，团队里一堆师从NLP领军人物的大佬。更绝的是人脉：美国医学会、顶级期刊的合作，都是靠“朋友的朋友”搭线。连已故诺奖得主Kahneman都来当顾问，你说这人脉得多硬？

他还特别会“借鸡生蛋”。早期没钱买高质量数据？先拿FDA、CDC的免费数据练手，等医生用得爽了、口碑起来了，《新英格兰医学杂志》这类机构主动上门合作——这叫“免费权威数据-促进业务-获取声量-非免费高质数据”的飞轮，越转越快。有投资人说：“Nadler不是在做AI，是在做医疗知识的‘滴滴打车’，先让司机（医生）免费接单，再让乘客（制药商）抢着付钱。”

现在OpenEvidence估值35亿，43万医生注册，每天处理35万次咨询，看起来风光无限。但医疗AI的坑，比互联网深多了——IBM Watson就是前车之鉴。

最大的隐忧是“广告变现会不会影响中立性”。制药商投广告，AI会不会优先推荐贵药？虽然OpenEvidence说“广告和结果分开标”，但医生也是人，天天刷到某药的广告，难免有心理暗示。有伦理专家警告：“以前医药代表请吃饭，现在AI精准投喂，本质上都是‘利益输送’，只是更隐蔽了。”

还有数据隐私问题。医生用AI查病人病情，数据会不会泄露？虽然公司说“只处理匿名数据”，但医疗数据的敏感性，容不得半点马虎。万一哪天AI推荐错了治疗方案，算医生的责任还是AI的责任？这些问题不解决，35亿估值可能就是泡沫。

但不可否认的是，OpenEvidence确实撕开了医疗体系的一道口子。以前有钱医院买得起数据库，穷地方医生只能凭经验；现在小诊所医生也能用得上哈佛专家同款工具。有医生说：“在密西西比州的小镇诊所，我用OpenEvidence查到了梅奥诊所的最新指南，这在以前想都不敢想。” 这种“医疗资源平权”，比任何政策都来得实在。

OpenEvidence的故事，说白了就是“用互联网思维改造医疗效率”：找到真痛点、绕过中间商、免费获客、精准变现。它证明了垂直领域的AI比大而全的模型更能打，也证明了医疗圈不是铁板一块，只要你真能帮医生解决问题，他们比谁都愿意拥抱新工具。

但医疗AI的终极目标，不该是估值多少亿，而是让每个医生都能轻松获取最新知识，让每个病人都能得到更精准的诊断。OpenEvidence只是开了个头，接下来的路还长：怎么平衡商业利益和医疗中立？怎么保证数据安全？怎么让AI真正成为“医生的助手”而非“替代者”？

毕竟，医生手里握着的是人命，AI再牛，也得守住“救死扶伤”的底线。不然，今天的35亿估值，明天可能就成了下一个Watson的“墓志铭”。

来源：倪卫涛一点号