国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在醫(yī)療領(lǐng)域，AI技術(shù)正逐漸改變醫(yī)生的工作方式。OpenEvidence作為一款專為醫(yī)生設(shè)計(jì)的AI診斷輔助工具，通過精準(zhǔn)的臨床支持和創(chuàng)新的商業(yè)模式，迅速在美國(guó)醫(yī)生群體中普及。

在上一篇研究圖譜中，我們指出醫(yī)療領(lǐng)域很可能是 Vertical Agent 最先落地的領(lǐng)域，其中最有代表性的公司之一是 OpenEvidence，一款專為醫(yī)生設(shè)計(jì)的 AI 專業(yè)診斷 Copilot。面對(duì)醫(yī)學(xué)知識(shí)的爆炸式增長(zhǎng)和臨床信息的嚴(yán)重過載，OpenEvidence 致力于用類似垂直領(lǐng)域 Deep Research 的產(chǎn)品形態(tài)，幫助醫(yī)生提高診斷效率與決策質(zhì)量。

創(chuàng)始人 Daniel Nadler 是 AI 領(lǐng)域的連續(xù)創(chuàng)業(yè)者，他在采訪中提到，OpenEvidence 在美國(guó)醫(yī)生群體中迅速普及，目前已有超過 10 萬(wàn)名醫(yī)生每月使用他們的產(chǎn)品。2025 年 2 月，OpenEvidence 完成了由 Sequoia Capital 獨(dú)家投資的 A 輪融資，融資規(guī)模 7500 萬(wàn)美元，投后估值突破 10 億美元。

有別于傳統(tǒng)醫(yī)療軟件依賴醫(yī)院系統(tǒng)的復(fù)雜采購(gòu)流程，OpenEvidence 采用直接面向用戶的增長(zhǎng)策略：直接向醫(yī)生個(gè)人提供服務(wù)，省去了冗長(zhǎng)的審批與集采環(huán)節(jié)。憑借精準(zhǔn)契合日常臨床需求的功能設(shè)計(jì)，以及醫(yī)生間的口碑傳播，產(chǎn)品實(shí)現(xiàn)了病毒式增長(zhǎng)。其商業(yè)模式則通過與制藥企業(yè)、醫(yī)療器械廠商合作，嵌入精準(zhǔn)廣告投放，將 AI Agent 順利切入傳統(tǒng)醫(yī)藥代表和學(xué)術(shù)會(huì)議的廣告預(yù)算分配中，開啟了全新的變現(xiàn)路徑。

01.背景

在當(dāng)今醫(yī)療領(lǐng)域，醫(yī)生們正面臨前所未有的挑戰(zhàn)。醫(yī)學(xué)知識(shí)的爆炸式增長(zhǎng)讓臨床診斷和信息處理變得異常復(fù)雜：醫(yī)學(xué)知識(shí)每 5 年會(huì)有一次更新，文獻(xiàn)以每?jī)煞昼娨黄乃俣仍黾?，PubMed 已索引了 3600 萬(wàn)篇摘要，每年新增 100 萬(wàn)篇；Google Scholar 包含約 4 億篇文章、引文和專利。在這樣的背景下，醫(yī)生在診療過程中需要處理大量臨床信息，但傳統(tǒng)搜索工具難以快速找到深藏在文獻(xiàn)中的特定信息，導(dǎo)致信息過載問題愈發(fā)嚴(yán)重。

與此同時(shí)，醫(yī)療資源分配的不均衡進(jìn)一步加劇了問題。世界衛(wèi)生組織（WHO）的報(bào)告顯示，低收入國(guó)家醫(yī)生接觸前沿醫(yī)學(xué)證據(jù)的頻率僅為高收入國(guó)家的 1/9 ，形成了顯著的“認(rèn)知剪刀差”。即便在美國(guó)本土，鄉(xiāng)鎮(zhèn)醫(yī)院購(gòu)買臨床決策系統(tǒng)（如 UpToDate）的滲透率也不及教學(xué)醫(yī)院的 1/7。

此外，隨著老齡化社會(huì)的到來(lái)，多病共存的復(fù)雜病例愈發(fā)頻繁。數(shù)據(jù)顯示，65 歲以上患者平均服用 5 種以上藥物，其藥物交互作用的可能性超過 3 億種組合，而傳統(tǒng)診療指南在此類場(chǎng)景的覆蓋率不足 7%。在如此復(fù)雜的診療環(huán)境下，醫(yī)生僅憑經(jīng)驗(yàn)作出決策的難度顯著增加。

具有 world knowledge + long context 優(yōu)勢(shì)的 LLM 能否改善這一困局？實(shí)驗(yàn)顯示通用 AI 大模型在醫(yī)療領(lǐng)域的應(yīng)用仍存在明顯局限性。紐約科恩兒童醫(yī)療中心的研究人員將 100 份兒科病例報(bào)告輸入 ChatGPT，結(jié)果顯示其錯(cuò)誤率比經(jīng)驗(yàn)豐富的醫(yī)生高出 83%；而在 Medscape 的 150 個(gè)病例測(cè)試中，ChatGPT 的診斷準(zhǔn)確性曲線下面積（ AUC ）僅為 66%。這些數(shù)據(jù)表明，AI 在處理復(fù)雜疾病時(shí)的診斷能力仍存在較大不足。這種局限性直接影響了臨床醫(yī)生對(duì)通用 AI 的信任度。當(dāng) AI 的建議與醫(yī)生的臨床推理不一致時(shí)，醫(yī)生往往傾向于相信自己的判斷忽略 AI 的建議，導(dǎo)致 AI 在實(shí)際診療中的潛力未能被充分挖掘。

面對(duì)醫(yī)學(xué)知識(shí)爆炸、資源分配不均以及通用 AI 局限性等多重挑戰(zhàn)，醫(yī)療行業(yè)需要找到新的解決方案，以提升診療效率和準(zhǔn)確性，同時(shí)彌合醫(yī)療資源分配的鴻溝。OpenEvidence 是這個(gè)方向的代表性公司。

02.產(chǎn)品和技術(shù)

OpenEvidence 是一款專注于輔助醫(yī)療診斷的 Chatbot 產(chǎn)品，旨在為醫(yī)生和醫(yī)學(xué)生提供高效、精準(zhǔn)的臨床支持。其交互界面設(shè)計(jì)獨(dú)具特色，每句回答均標(biāo)注交叉引用編號(hào)，并在文末附上參考文獻(xiàn)清單，確保信息的可溯源性和驗(yàn)證性。

它提供“護(hù)理指南”與“臨床證據(jù)”雙模式回答，分別側(cè)重實(shí)踐建議與理論數(shù)據(jù)支持。每個(gè)問題答案后還列出可能的 Follow-up 問題，方便用戶進(jìn)行多輪深入交互。

此外，OpenEvidence 提供全面的臨床診斷與治療支持。癥狀分析模塊可快速解析模糊癥狀，提供潛在病因分析并推薦相關(guān)檢查路徑。治療決策支持功能基于最新研究，推薦治療方案并對(duì)比藥物療效及耐藥性數(shù)據(jù)，特別適用于罕見病與復(fù)雜交叉病例。系統(tǒng)還內(nèi)置實(shí)時(shí)指南訪問功能，支持快速調(diào)取臨床指南與標(biāo)準(zhǔn)，如 CHA2DS2-VASc 評(píng)分等。

行政與工作流程輔助功能同樣實(shí)用。系統(tǒng)可自動(dòng)生成預(yù)先授權(quán)信、患者出院指導(dǎo)等醫(yī)療文書，并自動(dòng)附上引用文獻(xiàn)。此外，集成的 50+ 臨床計(jì)算器覆蓋疾病評(píng)分、藥物劑量計(jì)算等高頻場(chǎng)景，簡(jiǎn)化復(fù)雜計(jì)算流程。

醫(yī)學(xué)知識(shí)跟蹤學(xué)習(xí)功能（TL；DR）則通過每日精選新發(fā)表論文，生成可視化圖表與?？品诸惪偨Y(jié)，幫助用戶快速掌握學(xué)科前沿動(dòng)態(tài)。這種結(jié)構(gòu)化的知識(shí)更新機(jī)制，為醫(yī)生和醫(yī)學(xué)生提供了持續(xù)學(xué)習(xí)的便捷途徑。

OpenEvidence 對(duì)話界面

OpenEvidence 產(chǎn)品主要面向以下用戶群體：

• 醫(yī)生（核心用戶）：包括全科醫(yī)生、專科醫(yī)生及偏遠(yuǎn)地區(qū)醫(yī)療資源不足的社區(qū)醫(yī)生，用于查詢罕見病例、優(yōu)化診療方案、提效工作流程等。
• 護(hù)士、醫(yī)師助理、藥劑師等：用于查詢護(hù)理指南、藥物信息等。
• 醫(yī)學(xué)生：用于學(xué)習(xí)最新臨床指南、備考醫(yī)學(xué)考試（如美國(guó)醫(yī)師執(zhí)照考試 USMLE），獲取結(jié)構(gòu)化知識(shí)支持。
• 醫(yī)學(xué)研究人員：用于追蹤學(xué)科動(dòng)態(tài)、關(guān)注最新論文摘要與可視化數(shù)據(jù)，縮短文獻(xiàn)綜述時(shí)間。

以醫(yī)生為例，一個(gè)使用 OpenEvidence 產(chǎn)品的典型用例如下：

根據(jù)其產(chǎn)品設(shè)計(jì)思路可以看出，OpenEvidence 核心價(jià)值主張?jiān)谟趲椭t(yī)生快速獲取最新、最相關(guān)的醫(yī)學(xué)證據(jù)，并提供直截了當(dāng)?shù)呐R床診斷建議。系統(tǒng)通過整合跨學(xué)科醫(yī)學(xué)信息，支持復(fù)雜臨床決策，尤其在罕見和邊緣病例處理中表現(xiàn)出色。更重要的是，OpenEvidence 旨在實(shí)現(xiàn)醫(yī)學(xué)信息的民主化，讓所有醫(yī)生，而不僅僅是大型醫(yī)療機(jī)構(gòu)的從業(yè)者，能夠平等獲取高質(zhì)量醫(yī)學(xué)資源。

在技術(shù)表現(xiàn)上，OpenEvidence 展現(xiàn)出顯著的可靠性。作為首個(gè)在美國(guó)醫(yī)學(xué)執(zhí)照考試（USMLE）中得分超過 90% 的 AI 系統(tǒng)，其在 USMLE 三項(xiàng)考試中的表現(xiàn)均優(yōu)于 ChatGPT，整體錯(cuò)誤率比 ChatGPT 低 77%。這種低錯(cuò)誤率的表現(xiàn)大幅降低了通用 AI 大模型的幻覺問題，顯著提高了醫(yī)生對(duì) AI 助手的信任度。通過這些特性，OpenEvidence 正在重新定義醫(yī)療 AI 的實(shí)用性和可信度標(biāo)準(zhǔn)。

USMLE 是美國(guó)醫(yī)學(xué)生獲得臨床執(zhí)業(yè)資格的唯一準(zhǔn)入測(cè)試，考試內(nèi)容分為三個(gè)步驟，分別側(cè)重于考察基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)和技能應(yīng)用的情況。

那么 OpenEvidence 是如何從技術(shù)上實(shí)現(xiàn)其價(jià)值主張的呢？自 2022 年創(chuàng)立之初，OpenEvidence 便選擇了與眾不同的技術(shù)路徑。當(dāng)時(shí)，行業(yè)普遍將注意力放在開發(fā)更大參數(shù)規(guī)模的通用 LLM，而 OpenEvidence 團(tuán)隊(duì)卻專注于開發(fā)小型專業(yè)化模型。這一選擇雖然一定程度上犧牲了模型的泛化能力，卻顯著提升了其在專業(yè)醫(yī)學(xué)醫(yī)療領(lǐng)域的精準(zhǔn)性和可靠性。

2023 年，OpenEvidence 團(tuán)隊(duì)的研究論文《Do we still need clinical language models》進(jìn)一步驗(yàn)證了這一決策的正確性。論文指出，在醫(yī)療領(lǐng)域，小型專業(yè)化模型的表現(xiàn)優(yōu)于大型通用模型，并因此榮獲當(dāng)年機(jī)器學(xué)習(xí)與醫(yī)療保健領(lǐng)域會(huì)議的最佳論文獎(jiǎng)。

創(chuàng)始人 Daniel Nadler 曾引述美國(guó)科幻作家 Ted Chiang 的比喻 “大語(yǔ)言模型就是對(duì)世界的 JPEG 壓縮”，意指其在追求廣泛適用性時(shí)犧牲了細(xì)節(jié)精度。而 OpenEvidence 則專注于醫(yī)學(xué)領(lǐng)域的高質(zhì)量壓縮，確保在這一關(guān)鍵領(lǐng)域的信息準(zhǔn)確性和可靠性。這種專注使得 OpenEvidence 能夠在醫(yī)療 AI 領(lǐng)域提供更為精準(zhǔn)和可信的信息支持。

03.商業(yè)化與競(jìng)爭(zhēng)

Chatbot 領(lǐng)域第一個(gè)廣告主導(dǎo)的 business model

OpenEvidence 顛覆了傳統(tǒng)醫(yī)療軟件的銷售模式，采用了類似于“消費(fèi)互聯(lián)網(wǎng)”的創(chuàng)新 GTM （Go-To-Market）策略，通過直接面向醫(yī)生和醫(yī)學(xué)研究者提供免費(fèi)產(chǎn)品，并利用這些專業(yè)消費(fèi)者的口碑傳播快速打開市場(chǎng)。

這一 GTM 策略的本質(zhì)是一種依靠產(chǎn)品質(zhì)量和用戶體驗(yàn)驅(qū)動(dòng)增長(zhǎng)（PLG）的模式，避開了傳統(tǒng)醫(yī)療 SaaS 依賴醫(yī)院系統(tǒng)采購(gòu)的復(fù)雜流程（包括多次會(huì)議、AI 委員會(huì)審核、預(yù)算審批等，通常一整套審批決策的周期長(zhǎng)達(dá)為 2-5 年，且審批結(jié)果存在不確定性），從而極大降低了醫(yī)生的使用門檻，促使產(chǎn)品在醫(yī)生群體中快速傳播。

創(chuàng)始人 Daniel Nadler 也指出，免費(fèi)策略讓 OpenEvidence 繞過了漫長(zhǎng)的企業(yè)采購(gòu)流程。例如，美國(guó)退伍軍人事務(wù)部（VA）作為全國(guó)最大的醫(yī)療系統(tǒng)之一，采購(gòu)新技術(shù)通常需要三年時(shí)間。而 OpenEvidence 通過免費(fèi)開放給 VA 醫(yī)生，已收到大量認(rèn)可和贊譽(yù)來(lái)自 VA 醫(yī)生的反饋：許多醫(yī)生稱 OpenEvidence 的產(chǎn)品其在關(guān)鍵時(shí)刻幫助他們做出治療決定，大大改善了退伍軍人的護(hù)理質(zhì)量。

事實(shí)證明，OpenEvidence 選擇的這一 GTM 策略卓有成效：OpenEvidence 在短短一年內(nèi)實(shí)現(xiàn)了從零用戶到覆蓋美國(guó) 10%-25% 執(zhí)業(yè)醫(yī)生的爆炸式增長(zhǎng)，每月約有 10 萬(wàn)名醫(yī)生使用該產(chǎn)品，MAU 達(dá)到 30-40 萬(wàn)，這驗(yàn)證了創(chuàng)始人 Nadler “做一個(gè)足夠優(yōu)秀的產(chǎn)品，它就會(huì)自己傳播”的理念。與此同時(shí)，OpenEvidence 還獲得了《新英格蘭醫(yī)學(xué)雜志》（NEJM）的認(rèn)可，進(jìn)一步增強(qiáng)了醫(yī)生等專業(yè)用戶對(duì)于 OpenEvidence 的信任程度。

值得一提的是，OpenEvidence 自 2023 年與《新英格蘭醫(yī)學(xué)雜志》（NEJM）建立了獨(dú)家戰(zhàn)略合作關(guān)系。NEJM 編輯部高層主動(dòng)聯(lián)系 OpenEvidence 尋求合作，希望其常用工具包含 NEJM 內(nèi)容，同時(shí)拒絕了其他 AI 大模型公司的數(shù)據(jù)合作邀請(qǐng)。合作框架重視 NEJM 品牌純粹性和學(xué)術(shù)價(jià)值。這是由于，以 OpenEvidence 為中心可以形成上下游互惠鏈條：NEJM 等內(nèi)容提供方獲得曝光，OpenEvidence 平臺(tái)通過更強(qiáng)大的模型服務(wù)獲得流量，醫(yī)生用戶獲得高質(zhì)量信息。具體來(lái)說，OpenEvidence 為 NEJM 帶來(lái)數(shù)千萬(wàn)訪問量，而 NEJM 為 OpenEvidence 提供使用 NEJM 全文進(jìn)行訓(xùn)練的獨(dú)家權(quán)限，幾乎實(shí)時(shí)更新知識(shí)庫(kù)，持續(xù)提升 AI 大模型知識(shí)水平。

此外，OpenEvidence 于 2023 年 3 月成為梅奧診所平臺(tái)加速器成員，進(jìn)入為期 20 周的孵化計(jì)劃，借助梅奧的臨床資源和技術(shù)支持加速創(chuàng)新。梅奧診所向 OpenEvidence 開放臨床指南和部分去標(biāo)識(shí)化臨床數(shù)據(jù)集，用于 AI 模型的驗(yàn)證與優(yōu)化，并提供臨床專家指導(dǎo)，確保建議符合循證醫(yī)學(xué)規(guī)范。

OpenEvidence 還進(jìn)一步完善 2B 拓展用戶渠道。2023 年 8 月，OpenEvidence 與媒體集團(tuán) Ziff Davis 達(dá)成協(xié)議，其技術(shù)將集成到 Ziff Davis 旗下健康相關(guān)網(wǎng)站，包括面向健康專業(yè)人士的 MedPage Today 和面向普通讀者的 Everyday Health，進(jìn)一步擴(kuò)大用戶覆蓋面。

在變現(xiàn)方式上，OpenEvidence 以精準(zhǔn)廣告為核心。通過面向制藥企業(yè)、醫(yī)療器械廠商等醫(yī)療相關(guān)行業(yè)的廣告投放，實(shí)現(xiàn)商業(yè)化閉環(huán)。由于醫(yī)生群體的高價(jià)值屬性，其日常診療決策與藥品、醫(yī)療器械高度相關(guān)，吸引了相關(guān)廠商的廣告投入。

廣告內(nèi)容與臨床決策場(chǎng)景緊密結(jié)合，例如在醫(yī)生查看免疫療法論文時(shí)，自動(dòng)推薦相關(guān)藥企的 PD-1 抑制劑廣告，并標(biāo)注引用次數(shù)；或在醫(yī)生輸入糖尿病合并腎病病例后，推薦 SGLT2 抑制劑并附上真實(shí)世界研究數(shù)據(jù)。我們認(rèn)為，這種基于專業(yè)用戶池的精準(zhǔn)廣告模式可能比通用大模型的廣告商業(yè)化速度更快。

競(jìng)爭(zhēng)對(duì)手：傳統(tǒng)醫(yī)學(xué)數(shù)據(jù)庫(kù)

從競(jìng)爭(zhēng)格局上來(lái)看，OpenEvidence 真正的競(jìng)爭(zhēng)對(duì)手其實(shí)是 UpToDate 臨床醫(yī)學(xué)數(shù)據(jù)庫(kù)。UpToDate 是全球最大的臨床社群，現(xiàn)已涵蓋 25 個(gè)?？频?10,000 多篇臨床專題，所有的專題都由來(lái)自全球的著名臨床醫(yī)生遵循循證醫(yī)學(xué)的原則以教科書/教學(xué)指南的形式撰寫，并經(jīng)過嚴(yán)格的同行評(píng)議，附上最新的參考文獻(xiàn)，以保證內(nèi)容質(zhì)量。截至目前，UpToDate 已經(jīng)擁有 200 萬(wàn)醫(yī)護(hù)人員使用，企業(yè)版收費(fèi) $50-100/用戶/月，總計(jì)年收入 ～5,760 萬(wàn)美元。

相較于 UpToDate，OpenEvidence 的優(yōu)勢(shì)是 AI 驅(qū)動(dòng)的交互能力，它不是靜態(tài)的文本頁(yè)面，這意味著用戶可以在針對(duì)性的提問后獲得答案，省去了繁瑣的查詢過程。

例如，當(dāng)醫(yī)生問出 “貧困患者如何替代利福昔明治療小腸細(xì)菌過度生長(zhǎng)” 的問題時(shí)，OpenEvidence 的深度垂直模型能跳過百萬(wàn)字的主題摘要，直接從 metadata 中抓取二甲雙胍聯(lián)合療法的亞期臨床數(shù)據(jù)，輸出精確到第四段落第三行的解決方案。而使用 UpToDate 的醫(yī)生，則需要查看相關(guān)主題摘要，點(diǎn)擊鏈接閱讀，才能在文章中找到他們尋求的具體答案。

04.團(tuán)隊(duì)與融資

團(tuán)隊(duì)

OpenEvidence 的創(chuàng)始人 Daniel Nadler 擁有哈佛大學(xué)經(jīng)濟(jì)學(xué)博士學(xué)位，其學(xué)術(shù)背景涵蓋經(jīng)濟(jì)學(xué)與人工智能交叉領(lǐng)域，這使他能夠深入理解人工智能的復(fù)雜技術(shù)問題，并將其應(yīng)用于實(shí)際商業(yè)場(chǎng)景。

他是個(gè)跨領(lǐng)域的成功連續(xù)創(chuàng)業(yè)者的創(chuàng)業(yè)經(jīng)歷同樣令人矚目。2013 年，他與 Peter Kruskall 共同創(chuàng)立了 Kensho Technologies，這是一款專注于服務(wù)華爾街的 AI 量化交易工具。Kensho 提出了“ Warren 算法”，通過分析數(shù)百萬(wàn)個(gè)市場(chǎng)數(shù)據(jù)點(diǎn)尋找相關(guān)性和套利機(jī)會(huì)。2018 年，Kensho 以 5.5 億美元的價(jià)格被標(biāo)準(zhǔn)普爾收購(gòu)，成為當(dāng)時(shí) AI 領(lǐng)域最貴的一筆交易，標(biāo)志著 Nadler 在 AI 領(lǐng)域的首次重大成功。

2021 年，Nadler 創(chuàng)立了 Xyla，專注于開發(fā)高準(zhǔn)確性的 LLM。Xyla 團(tuán)隊(duì)包括十幾名博士及在讀博士員工，并配備了一臺(tái)位于內(nèi)華達(dá)州沙漠的超級(jí)計(jì)算機(jī)。同時(shí)，新冠大流行使得 Nadler 意識(shí)到醫(yī)生在獲取最新醫(yī)學(xué)知識(shí)方面的挑戰(zhàn)。因此，他在 Xyla 中孵化了 OpenEvidence，專注于通過 LLM 提升臨床決策準(zhǔn)確性。為解決高昂的運(yùn)算成本問題，Nadler 和團(tuán)隊(duì)采用了“檢索增強(qiáng)生成”（Retrieval Augmented Generation，RAG）技術(shù)，將用戶數(shù)據(jù)與預(yù)訓(xùn)練大模型結(jié)合，提供更有針對(duì)性、更可靠的輸出，同時(shí)避免 AI 回答中的“幻覺”問題。

除了創(chuàng)業(yè)者的身份，Nadler 還展現(xiàn)了多方面的才華。2016 年，他的首部詩(shī)集《Lacunae: 100 首想象中的古代愛情詩(shī)》出版，并被美國(guó)全國(guó)公共廣播電臺(tái)評(píng)為年度最佳書籍。此后，他又涉足電影圈，擔(dān)任了《布魯克林秘案》和《帕爾默》的制片人。這些經(jīng)歷展現(xiàn)了他在科技與藝術(shù)領(lǐng)域的多元成就。

Nadler 領(lǐng)導(dǎo)組建的團(tuán)隊(duì)秉承學(xué)術(shù)精英化風(fēng)格，成員多來(lái)自哈佛、MIT 頂尖實(shí)驗(yàn)室，偏向?qū)W術(shù)研究落地。他信奉“頂尖人才只想和頂尖人才共事”，在采訪中稱：“在 Kensho 的經(jīng)驗(yàn)讓我意識(shí)到，如果你讓高智商、學(xué)習(xí)速度極快的人去攻克一個(gè)難題，他們的進(jìn)展會(huì)遠(yuǎn)超一支普通規(guī)模大 100 倍的團(tuán)隊(duì)。”

CTO Zachary Ziegler 是哈佛大學(xué)計(jì)算機(jī)科學(xué)專業(yè)的博士候選人，師從 NLP 領(lǐng)域的頂級(jí)學(xué)者 Alexander Rush，擁有扎實(shí)的學(xué)術(shù)背景和專業(yè)的機(jī)器學(xué)習(xí)知識(shí)。他曾在 IMAX AI 擔(dān)任人工智能負(fù)責(zé)人，2021 年與 Nadler 一同創(chuàng)立 Xyla，并作為 CTO 主導(dǎo)了 OpenEvidence 的開發(fā)，專注解決醫(yī)學(xué)領(lǐng)域 AI 幻覺問題。

融資

2025 年 2 月，OpenEvidence 完成 Sequoia Capital 獨(dú)家投資 7500 萬(wàn)美金的 A 輪融資，投后估值超過 10 億美元。紅杉合伙人 Pat Grady 領(lǐng)導(dǎo)了這一輪投資，他認(rèn)為 OpenEvidence 的采用與消費(fèi)者互聯(lián)網(wǎng)產(chǎn)品的傳播方式相似：“沒有多少醫(yī)療工具能像消費(fèi)者應(yīng)用程序那樣傳播，但這是其中之一”。

05.結(jié)語(yǔ)

OpenEvidence 的核心價(jià)值主張，本質(zhì)上是利用 AI 破解了醫(yī)療領(lǐng)域 “信息爆炸” 與 “索引低效” 的矛盾。更具有指導(dǎo)意義的是它的商業(yè)模式：它像消費(fèi)互聯(lián)網(wǎng)平臺(tái)一樣直接 “黏” 住醫(yī)生 —— 靠超高準(zhǔn)確率、超低幻覺的臨床 AI 工具解決剛需，靠口碑傳播實(shí)現(xiàn)裂變，再把專業(yè)用戶池轉(zhuǎn)化為藥企、器械商所青睞的高度場(chǎng)景化的精準(zhǔn)廣告場(chǎng)。

由此，OpenEvidence 既踩中了醫(yī)生對(duì)臨床 AI 工具的迫切需求，又切入了傳統(tǒng)醫(yī)療健康企業(yè)從前分配給傳統(tǒng)醫(yī)藥代表和學(xué)術(shù)會(huì)議的廣告預(yù)算——想想看，糖尿病醫(yī)生查看并發(fā)癥用藥時(shí)可以彈出新藥數(shù)據(jù)，腫瘤醫(yī)生制定方案時(shí)可以看到最新器械研究……比這些 “醫(yī)生決策時(shí)精準(zhǔn)推送治療方案相關(guān)產(chǎn)品” 更高 ROI 的廣告場(chǎng)景可能并不多見。

這種 “垂直領(lǐng)域精準(zhǔn)變現(xiàn)” 的打法，為專注于 AI 應(yīng)用的創(chuàng)業(yè)企業(yè)思考如何在內(nèi)卷中殺出重圍提供了一條新的思路。隨著醫(yī)療、法律、金融等更多領(lǐng)域的 Vertical Agent 落地，或許我們會(huì)看到一個(gè)比通用 AI Chatbot 內(nèi)嵌廣告更高效的商業(yè)模式正在成型 —— 而 OpenEvidence，顯然已經(jīng)搶到了專業(yè)醫(yī)療賽道的先手棋。