估值狂飙至820亿，生命科学全球最大独角兽易主

新王取代旧王的故事每天都在上演，这次终于轮到了OpenEvidence。

根据胡润研究院近日发布的《2026全球独角兽榜》显示，专注于为临床医生提供决策支持的AI研究平台——OpenEvidence以820亿元人民币（约120亿美元）的企业估值，一举超越抗衰药企Biosplice Therapeutics，成为全球生命科学领域估值最大的独角兽。

图片来源：胡润百富

估值的跳升来得很猛。OpenEvidence的120亿美元估值来自今年1月完成的D轮融资，而仅仅在三个月前，它的估值还在60亿美元。对于一家成立仅四年的医疗新锐而言，这样的速度足够令人侧目。

数据来源：Crunchbase

除了在一级市场表现抢眼，OpenEvidence在美国医生群体中的覆盖率已经超过40%，成为全美AI医疗领域用户数增长最快的平台之一。

根据公开信息，OpenEvidence目前已拥有超过75.7万名经过验证的医生用户，并在2025年7—11月期间，月均临床咨询量从1000万次提升至1650万次，用户粘性不断增强。

那么这一切，OpenEvidence到底是如何做到的？

01

超高估值

靠什么撑起来？

说到底，OpenEvidence只有一个功能，即帮医生查资料。

但千万别小看了这一功能，它解决的是临床知识检索中“找得到却读不完、读得完却用不上”的效率悖论，将医生从“信息过载”的泥潭中解救出来，并在他们做出临床决策的黄金瞬间构建起一个高价值的注意力枢纽。

要知道，医学知识的增长速度正在让临床医生不堪重负。美国爱荷华大学卡弗医学院教授Peter Densen在2011年发表的论文中指出，医学知识翻倍周期已从1950年的约50年缩短至2010年的约3.5年，并预测到2020年或将缩短至约73天。

对分秒必争的一线医生来说，持续跟进所有前沿文献，几乎是不可能完成的任务。

同时传统工具的问题在于更新滞后、交互不自然；通用大模型虽然方便，却在严肃医疗场景下面临“幻觉”这一致命风险。

OpenEvidenc就是看中了这一矛盾点。

具体而言，它并没有陷入通用大模型的参数竞赛，而是选择了一条更“笨重”但却更可靠的路径——基于数百万篇经过同行评审的权威医学文献，训练其垂直模型，并对每一个输出的结论都要求附上精确的原文引用，基本做到了“零幻觉”。

图片来源：OpenEvidence官网

为了构筑内容壁垒，OpenEvidence不仅与《新英格兰医学杂志》（NEJM）、JAMA、Wiley、Cochrane等顶刊与数据库达成独家内容授权，还与美国心脏病学会（ACC）、美国国家综合癌症网络（NCCN）、美国糖尿病协会（ADA）等全球权威专科协会深度绑定。

数据可以证明这一点：在2026年《Nature Medicine》发表的一项大规模独立评测中，OpenEvidence在500道美国医师执照考试（MedQA）题目中取得了89.6%的准确率，与临床决策支持标杆UpToDate（88.4%）处于同一水平。

更为关键的是，在多项针对引用真实性的专项测试中，OpenEvidence的引用编造率为0%，而同期通用大模型的引用幻觉率普遍在20%～85%之间。

正因为如此，它才深受美国临床医生的信赖，才能在短时间内让全美超过40%的执业医生都在使用，并且还保持了极高的使用频率，单月问诊及使用次数都高达近3000万次。

一般来说，在拥有如此庞大且高黏性的用户群后，OpenEvidence的商业模式应该是向医生或医院收取订阅费，但它却并没有选择这条顺理成章的路径，而是另辟蹊径——给医生免费使用，转向制药公司和医疗器械厂商出售精准投放的广告位。

这看似是“舍近求远”，但它的优势就在于它建立了一个“免费工具圈用户——精准场景卖流量”的服务闭环，即依托全美最庞大的真实临床决策数据流，精准识别医生在诊疗过程中的实际用药偏好、处方习惯与未满足需求，从而为制药及器械企业提供远比传统医药代表拜访更高效、更合规、更具ROI的精准营销渠道。

据悉，在商业化层面，OpenEvidence广告业务的年收入目前已达5000万美元，并预计在2026年实现超1亿美元收入。

很显然，其商业逻辑已经得到市场的广泛认可，正快速步入规模化扩张期。

因此，OpenEvidence这种以临床信任为护城河，将“零幻觉”的技术优势转化为高粘性用户资产，再通过精准场景实现商业变现的服务闭环，正是资本市场愿意为其高估值买单的底层逻辑。

02

“OpenEvidence”模式

能在中国跑通吗？

事实上，OpenEvidence独具一格的商业模式在中国并非没有土壤，但想要完全复刻，仍需跨越几道深不见底的鸿沟。

第一道鸿沟便是中美医疗制度性的差异。

在中国，医生的临床决策逻辑除了依赖指南，还高度依赖于上级医院的实践经验及院内培训体系，AI工具在其中更多的是充当“辅助”角色，这与美国医生拥有绝对独立临床决策权有着根本性的差异。

因此，要在中国建立同等程度的基于临床决策的高价值枢纽，OpenEvidence的“零幻觉”技术优势只是入场券，更为关键的是在于其能否成功嵌入中国医生独特的“院内工作流”，甚至是与电子病历系统深度打通，这对产品的本地化适配提出了极高要求。

纵观整个AI医疗行业，“打通电子病历系统”同样也是OpenEvidence当下正在冲刺的高地，这侧面印证了AI融入院内工作流的刚需性。

进入2026年，OpenEvidence不再局限于独立网页或APP，而是推出了专为医生构建的多步推理智能体“DeepConsult”，并相继被Sutter Health、Mount Sinai和Cedars-Sinai全面嵌入了Epic电子病历系统中。

而在Cedars-Sinai的实际部署中，该系统甚至能直接调取患者实时的既往手术、并发症、用药和过敏史来进行深度个性化的循证匹配。

这证明，无论是中美，脱离了底层系统级的融合，AI医疗都将触及落地天花板。

第二道鸿沟便是付费方与决策权的错配。

在中国的医疗体系中，采购决策权主要掌握在医院管理层或卫健委手中，医生更多是使用者，并没有直接的产品采购决策权和预算支配权，这与OpenEvidence所适用的体系截然不同。

除此之外，在当前国内医疗合规化的大环境下，OpenEvidence那种基于医生临床决策场景的“精准广告投放”，在中国可能会触碰“变相利益输送”的政策红线，从而带来不必要的监管处罚隐患。

中国数字健康治理数据图表 图片来源：Nature子刊

第三道鸿沟是数据壁垒的构筑难度。

OpenEvidence的另一大护城河在于其掌握了全美最庞大的真实临床决策数据流，能够精准识别医生的用药偏好、处方习惯与未满足需求。

但在中国，医疗数据的归属、流通与使用受到严格的政策监管，医院信息系统的数据孤岛问题尤为突出——85%的药企仍处于数据孤岛状态，仅12%实现全渠道数据打通。

这意味着，OpenEvidence最核心的“数据飞轮”效应将难以在中国运转。

最后一道鸿沟便是用户习惯与付费意愿的错位。

“免费使用”在中国医疗领域早已常见，相关平台和软件数不胜数，因此很难像OpenEvidence那样通过“免费”建立起庞大的用户群体和高强度的用户黏性。

另外在付费意愿层面，虽然中国医药数字化营销市场虽然增长迅猛，预计2026年市场规模约1486亿元，2030年有望达到4776亿元，但这条赛道当前已经相当拥挤，想要从中突围，难度可想而知。

那么，这是否说明“OpenEvidence”模式在中国完全没有机会呢？答案并不绝对。

一方面，虽然“OpenEvidence”模式虽然不能直接套用，但它却为中国AI医疗同行带来了启发，即业务核心在于一套产品哲学——以临床信任为根基、以循证确定性为壁垒、以医生工作流为入口，而“免费+广告”只是这套体系的变现手段。

所以在中国，这条路径更可能演化为“循证智能体+多智能体协同”的新范式，如当前不少平台所探索的，工具从回答问题，升级为能够处理复杂问题、显性化推理过程、实现全过程可追溯的循证协作系统。

另外在商业化层面，中国版“OpenEvidence”或许会跳出单一“向药企卖广告位”的模式，更可能转向采用“基础功能免费+高级决策支持订阅+药企合规数字化营销+RWE真实世界研究服务”的多元化组合——在合规框架内，将医生的注意力价值转化为药企可度量、可追溯、可审计的营销ROI。

颇具启发的是，这套“多元化组合拳”恰巧也是OpenEvidence正在践行的商业进阶轨迹。随着与EHR的深度打通，OpenEvidence正通过企业级订阅模式向大型医疗机构收取席位费该行为预计将单客ARPU提升5-10倍。

与此同时，OpenEvidence近期与生命科学云系统巨头Veeva Systems达成战略合作，联合打造“Open Vista”平台，正式将业务延伸至临床试验患者匹配、药物发现情报等高价值的B端深水区。

不难发现，从前端辅助医生决策，向后端反哺生命科学底座演进，才是打通AI医疗商业闭环的终局。

整体而言，中国拥有全球最大的医生群体和最丰富的临床数据资源，对AI临床决策支持的需求只会比美国更迫切。

但在这片土地上，技术本身不足以决定成败；真正的胜负手，落在谁能率先在“循证可信”与“商业可持续”之间，找到那条既符合中国医疗体制现实、又能穿越合规周期的窄门。

03

AI医疗虽火

但也要沉下心来

毫无疑问，AI医疗当前正站在一个前所未有的风口之上。

OpenEvidence的崛起、资本的狂热追捧、政策的持续利好，都在将这一领域推向聚光灯的中心。

但热潮之下，我们更需要冷静审视：当概念验证的喧嚣逐渐退去，企业能否在真实临床场景中扎下根来，才是决定生死的关键。

当前，AI医疗面临的普遍性挑战是具体而微的——从数据孤岛如何打通，到医生工作流如何嵌入；从循证输出的可信度如何建立，到商业模式如何在合规框架内跑通。这些问题没有捷径，靠“讲故事”也解决不了，企业只能沉下心来，一寸一寸地啃下硬骨头。

而OpenEvidence的故事告诉我们，技术壁垒之上，更重要的是临床信任的积累；商业模式的创新之外，更底层的逻辑是对医疗体制现实的深刻理解与适配。

因此，对于中国AI医疗企业而言，这片市场拥有全球最庞大的医生群体和最丰富的临床数据资源，需求之迫切、空间之广阔，远超想象。

但机会从不眷顾投机者——谁能率先在“循证可信”与“商业可持续”之间找到平衡，谁能在尊重中国医疗体制独特性的前提下构建真正的价值闭环，谁就有可能成为下一个定义行业范式的人。

AI医疗的下半场，才刚刚开始。沉下心来做难而正确的事，中国AI医疗的更大可能性，正藏在那些愿意慢下来、扎下去的企业手中。

本文来自微信公众号“医线Insight”，作者：柯岚，36氪经授权发布。