在信息爆炸的时代，医学成为“知识更新速度最快”的专业之一，却也是最不能容忍“答案出错”的行业之一。医生正深陷一场双重危机：一方面面对文献洪流，难以快速获取权威解答；另一方面，在资源紧张、倦怠蔓延的现实中，决策压力与日俱增。OpenEvidence 试图从根本上重构医生获取知识的路径，不是以“更快的搜索引擎”自居，而是打造“可信任的临床对话伙伴”。
根据硅谷科技评论（SVTR）AI 创投库数据，OpenEvidence 是目前唯一在美国医师执照考试中获得满分的 AI 工具，也是截至 2025 年唯一实现与《NEJM》《JAMA》双重合作的 AI 医学平台。在一个信任稀缺、监管未明的市场中，它以“拒绝回答模糊问题”的保守立场，赢得医生群体的广泛采纳——40% 的美国执业医生正在使用这款平台，这是任何医疗 AI 创企梦寐以求的指标。
我们认为OpenEvidence 是医疗 AI 领域的领跑者，它代表了一种新路径：在“泛用大模型”无法深入专业领域的当下，垂直型、小模型、强溯源的 AI 工具，正成为复杂场景中的唯一解。无论你是关注临床落地的投资人，还是正在构建下一代 AI 产品的创始人，OpenEvidence 的发展轨迹值得深入研究。
医学知识正以前所未有的速度增长——早在2016年，PubMed 每分钟新增两篇论文，每年超过一百万篇。2022年10月的一项针对600名医生的调查显示，超过七成受访者坦言“难以应对”不断涌现的新临床试验、治疗方法和手术技术。与此同时，美国面临日益严峻的医生短缺问题，预计到2036年将缺口达8.6万人。医生数量减少与医学信息激增叠加，迫切需要建立高效、可信的知识获取渠道，以维系医疗质量。
医学知识的更新周期也在不断缩短。1950年，科研成果翻倍需要大约50年，而到了2011年，这一周期已缩短至仅73天。对于2020年毕业的医学生而言，在学期间至少经历过四轮知识翻倍。他们前三年学到的内容，仅占2010至2020年间医学知识总量的6%。面对海量信息，医生必须投入更多时间学习新研究、理解最新指南，才能提供与时俱进的治疗方案。
2024年，美国医生队伍中已有42%年满55岁，20%年逾65岁，大批医生将在未来十年内退休，进一步加剧人才供需失衡。更令人担忧的是，医生群体中的职业倦怠感日益加重。2023年，一项对美国医生的调查发现，约58%希望更换工作岗位，60%甚至考虑彻底退出临床一线。与此同时，美国人口预计在2036年前增长8.4%，医疗资源供需矛盾愈加突出。
目前，医生获取医学研究信息的方式仍高度碎片化，往往需要在多个数据库中反复检索、比对，大量时间花费在筛选与拼接信息上，却未必能找到最相关的研究成果。尽管电子病历（EHR）在一定程度上推动了信息标准化，但也进一步增加了医生需要处理的数据量，与快速增长的科研文献一起，成为医生工作中的又一负担。
OpenEvidence 正试图从根本上解决“信息过载”和“医生短缺”这两大难题。这是一款医学对话式搜索平台，截至2025年2月，已可调取3500万篇经同行评审的医学文献，医生在提问后可获得带有原始文献引用的精准回答，既能快速获取权威建议，也能自行验证信息来源。若某项医学问题缺乏明确研究支持，平台将拒绝回答，从源头降低“编造内容”的风险。
OpenEvidence 是首个在美国医师执照考试中获得满分的平台。2025年2月与《新英格兰医学杂志》（NEJM）达成合作，6月又与《美国医学会杂志》（JAMA）建立内容合作关系，持续扩充医学资料库。平台向通过身份验证的专业人士免费开放，且完全符合 HIPAA 数据隐私标准。截至2025年7月，美国已有一万家医院接入 OpenEvidence，约40%的医生正在使用该平台辅助临床决策。
OpenEvidence，近一半的美国医生都在用，这款AI如何成为“最可信临床伙伴”？
成立日期：2021年9月
公司总部：马萨诸塞州剑桥
融资总额：$317M
融资阶段：Series C
公司员工：62
一、创立故事
OpenEvidence 创立于2021年，由丹尼尔·纳德勒（Daniel Nadler，现任 CEO）与扎卡里·齐格勒（Zachary Ziegler，现任 CTO）共同创办。在创立 OpenEvidence 之前，纳德勒获得哈佛大学政治经济学博士学位，曾创办金融科技公司 Kensho；齐格勒则在哈佛攻读机器学习博士。
纳德勒于2018年进入哈佛攻读博士，在此期间曾任联邦储备委员会访问学者。他在美联储观察到，关键金融决策仍依赖电子表格，深感信息处理方式落后。这一经历促使他在2013年与谷歌程序员彼得·克鲁斯卡尔（Peter Kruskall）共同创办 Kensho，利用人工智能系统为投资专业人士解析和整合金融数据。2018年，Kensho 以5.5亿美元被标准普尔（S&P Global）收购，验证了垂直领域 AI 在金融数据处理中的巨大价值。
2021年，纳德勒与齐格勒在发现医疗领域与金融市场面临相似信息压力后，携手创立 OpenEvidence。纳德勒指出：“医生也需要一种智能的信息整合方式，就像投资人一样。”两位创始人的亲身经历也成为他们创业的动力来源——纳德勒的祖父因医疗失误去世，齐格勒的妹夫则曾接受白血病治疗。
齐格勒在人工智能领域的深厚背景，为 OpenEvidence 的技术创新奠定了核心优势。2023年4月，团队发布研究成果，表明在医学领域中，经过专业训练的小型模型在效果上可优于通用大型模型，并因此获得当年医疗 AI 顶级会议“最佳论文奖”。
在战略层面，纳德勒做出一个关键决策：绕过医院 IT 部门的传统销售路径，转而直接面向医生。这一“直达医生”的策略跳过了冗长的采购流程，加速了产品落地速度，也与典型的医疗科技公司拉开差距。此外，Kensho 积累的大规模高质量数据处理经验，也让 OpenEvidence 从一开始就拥有显著的技术领先性。
2021年起，OpenEvidence 不断扩充技术团队，吸纳了多位来自顶尖学术机构的 AI 研究人员。核心成员包括来自 MIT 的博士毕业生埃文·赫尔南德斯（Evan Hernandez）和埃里克·雷曼（Eric Lehman），目前分别担任首席科学家和临床自然语言处理负责人。团队专注于构建专为医学领域训练的语言模型，而非通用型 AI 系统。
2023年，OpenEvidence 入选梅奥诊所（Mayo Clinic）Platform Accelerate 孵化计划，获得临床资源支持，进一步优化平台在医学信息结构化与检索方面的能力。
截至2025年9月，公司团队主要由具有学术背景的工程师与研究员组成，并建立起由多所知名医疗机构专家组成的医学顾问网络，包括梅奥诊所、哈佛医学院和约翰斯·霍普金斯大学。
二、公司产品
核心产品：医学搜索引擎（Medical Search）
OpenEvidence 的核心是一款基于人工智能的医学对话平台，专为医生设计，提供来自权威医学期刊和文献的专业解答。医生可就临床问题发问，如治疗方案、药物相互作用、诊断标准等，平台则返回附带来源引用的精炼回答，极大简化了医学资料检索流程。
该平台与《新英格兰医学杂志》（NEJM）与《美国医学会杂志》（JAMA）等顶级期刊建立合作，内容权威且持续更新。面向美国注册医疗从业者免费开放，用户只需提供国家医疗执业编码（NPI）即可通过移动端或网页端访问。
OpenEvidence 的主要目标是为临床诊疗提供决策支持。医生可提出如“晚期非小细胞肺癌的标准治疗有哪些？”或“成人社区获得性肺炎的一线治疗是什么？”等问题，平台将根据最新研究和指南提供回答，并附有出处链接。所有内容均通过平台自主开发的证据检索算法排序，按相关性标记文献优先级，帮助医生快速理解推荐依据。
医生不仅可获取治疗建议，也能深入查找原始研究、进行病例分析、了解不同药物剂量、规避潜在的药物组合风险，或获取在标准疗法无效情况下的替代治疗方案。平台还能根据具体临床表现推荐合适的实验室检查项目，极大拓展了医生的辅助诊疗能力。
2025年4月，OpenEvidence 实现 HIPAA 合规，使美国医生可以在平台内安全输入受保护的健康信息（PHI），通过商业伙伴协议（BAA）保障患者隐私，为更精确的临床咨询提供支持。
OpenEvidence 2.0：扩展功能模块
2024年12月，OpenEvidence 推出 2.0 版本，新增行政管理工具、患者讲义生成、以及超过50项常用临床计算功能。医生无需跳转至其他应用，即可在平台内完成心血管风险评分、肾功能评估等计算任务，实现一次性会诊所需的多项操作整合。
在行政事务方面，平台自动化生成保险报销所需的医疗文件，大幅减少医生手动填写时间。例如，医生只需输入“撰写肩袖手术后物理治疗的事前授权信”，系统便会生成附带医学证据的完整文件，直接用于保险审批流程。
此外，平台还可生成面向患者的疾病说明、居家护理指南与教育材料，语言通俗易懂，符合循证医学标准。这有助于缓解医生在行政工作上的时间压力——据统计，美国医生平均每周在行政事务上花费7.9小时。
OpenEvidence 也被广泛用于医学教育场景，帮助医生备考或扩展知识。用户可通过平台生成考试题、查阅医学知识表格、或探索与临床实践相关的科普问题。2025年4月起，OpenEvidence 开始向 NPI 验证用户提供免费继续医学教育（CME）积分，医生通过回顾历史提问并完成小测，即可获得符合 AMA PRA 类别1要求的认证积分，满足持续学习需求。
OpenEvidence Visits：实时临床助手
2025年8月推出的 OpenEvidence Visits 功能，定位为“数字临床助理”，帮助医生在诊疗过程中进行实时文档处理与医学建议整合。医生可在记录病历时调用平台建议，系统将自动将最新指南与研究嵌入进评估与诊疗记录中。
医生可通过语音输入记录问诊内容，平台自动转录并补充最新治疗建议。支持使用自定义模版，以匹配医生个人书写风格。OpenEvidence Visits 还可在记录过程中帮助优化临床推理、查找研究文献、生成推荐方案，提升整体文档质量。
此外，平台支持病历资料上传与管理，医生可搜索患者过往记录、诊疗历史与检查结果，识别潜在诊断线索。这使得病历系统不仅是存储工具，更成为即时可用的医学知识库。
通过将循证医学深度嵌入临床决策全过程，OpenEvidence Visits 大幅减少医生在手动记录上的时间，也提高了诊断准确性与治疗一致性。
三、市场格局
目标用户
OpenEvidence 专为临床医生设计，帮助其在诊疗过程中获取基于循证医学的即时信息。截至2025年6月，该平台已在全美超过一万家医院与医疗机构中投入使用，覆盖40%以上的美国执业医生，成为医生在临床决策中快速查阅医学文献的重要工具。
在传统实践中，医生若需查找治疗依据，通常要手动搜索数据库、翻阅教材或跨多个平台查找治疗指南。而 OpenEvidence 通过接入3500万篇经同行评审的医学文献，借助自然语言提问与AI驱动的精准检索，极大缩短了信息获取时间，让医生能在临床一线获得可追溯、有证据支撑的回答。
平台的应用场景丰富，例如：
- 一位基层医生可询问：“对于吸入药物控制不佳的重度哮喘，有哪些新推荐疗法？”系统将归纳最新生物制剂疗法及相关临床试验结果；
- 一位心脏科医生可在会诊时比对两种药物的疗效与不良反应，获取头对头研究数据支持。
OpenEvidence 在一定程度上取代或补充了搜索引擎、纸质教材及静态数据库等传统信息来源，帮助医生应对复杂与快速演化的医学问题。
此外，OpenEvidence 的客户基础也包括医疗机构，如梅奥诊所（Mayo Clinic）在2023年通过其 Platform Accelerate 项目成为早期合作伙伴。平台还与重要医学出版机构建立合作，包括与《新英格兰医学杂志》（NEJM）和《美国医学会杂志》（JAMA）签署内容合作协议，JAMA 合作协议覆盖其主刊及11本子刊。
市场规模
OpenEvidence 所处的目标市场为需要基于证据支持临床决策的执业医生。截至2023年，美国共有超过100万名活跃执业医生，其中约85.1万人直接参与患者护理。这一人群构成了 OpenEvidence 的核心用户基础。
从行业分类来看，OpenEvidence 属于临床决策支持系统（CDSS）市场。2024年，该市场在全球范围内估值为58亿美元，预计到2030年将增长至107亿美元，2025年至2030年间的年复合增长率（CAGR）为11%。
这一增长趋势受多项因素驱动，包括：
- 电子病历（EHR）系统的持续普及；
- 个性化医疗的快速发展；
- 医疗机构对提高诊疗质量和效率的迫切需求。
2024年，北美占据全球 CDSS 市场份额的43.1%，主要得益于其先进的医疗基础设施与EHR高度渗透。
相较于传统深度集成于医院系统的企业级解决方案，OpenEvidence 采用“独立平台 + 免费直达医生”模式，在 CDSS 市场中形成差异化定位。截至2025年6月，平台每月新增注册、验证通过的美国医生达5万人，持续扩大市场渗透率，并展现出强劲的增长势头。
四、竞争对手
临床知识工具市场高度分散，既有传统龙头，也不断涌现新兴创业公司。长期以来，医生依靠搜索引擎、专业期刊或付费数据库来获取医学信息，但这些方式往往需要大量人工查阅，且不少内容被收费墙限制。泛用型人工智能工具（如 ChatGPT）因缺乏准确性和来源引用，难以胜任医学应用场景。这一“效率与信任”缺口，为以AI为核心的数字医疗工具带来发展机会。
市场参与者大致可分为三类：
- 专家主导的循证数据库：如 UpToDate 和 DynaMed，内容权威但更新依赖人工流程；
- 基于大语言模型的AI临床助手：提供对话式交互体验，正探索更智能的内容生成；
- 大型科技公司与电子病历系统（EHR）提供商：如谷歌、微软，正尝试将AI功能嵌入医疗工作流。
随着市场发展，传统厂商加速部署 AI 能力，新创企业则专注于产品打磨与用户积累。
OpenEvidence 的竞争力体现在两方面：
- 深度内容库：平台接入3500万篇医学文献，远超大多数工具，内容广度与权威性兼备；
- 专科模型架构：使用多个小型、专科化模型替代通用型大模型，训练语料全部来自医学领域，提升了回答准确性与专业性。
相比需要主动检索的传统工具，OpenEvidence 提供基于自然语言的对话式搜索，不仅给出答案，还附带权威来源与详细引文。其“有据可查”的回答机制，以及对缺乏证据的问题拒答策略，解决了医生对AI工具最关心的“信任”问题，也与泛用大模型拉开了技术与应用层级差距。
此外，平台能辅助撰写授权信、执行计算任务、生成患者讲义等“助手”类功能，也让其远不止是一个医学搜索工具。
目前平台已通过医生间口碑传播获得快速增长，表现出较强的用户粘性。不过，传统厂商仍依靠深厚的机构合作网络和医院系统集成优势，新兴公司也在持续推出差异化产品，市场竞争仍处于动态博弈阶段。
主要竞争者概览
UpToDate
- 创立于1992年，是数字医学参考工具领域的老牌领导者，现隶属于沃尔特斯·克鲁尔集团（Wolters Kluwer，市值313亿美元，2025年9月数据）。
- 提供由医学专家撰写、同行评审的专题综述，覆盖25个专科，用户遍及190多个国家，服务逾300万名专业人士。
- 内容结构严谨但以人工撰写为主，更新存在滞后；需通过关键词搜索查阅长篇文章。
- 2023年启动“UpToDate AI”计划，引入生成式AI能力。
- 收费模式为个人订阅与机构授权，每年需支付数百美元。
DynaMed
- 创立于1995年，2005年被 EBSCO 收购，强调循证医学和证据分级。
- 内容以要点形式呈现，更新频率高，定位为 UpToDate 的更实惠替代方案。
- 2024年获 KLAS“临床决策支持最佳产品”称号。
- 于2022年推出集成生成式AI的新平台 DynaMedex。
Glass Health
- 创立于2021年，专注于诊断支持与临床路径推荐。
- 用户输入病例信息后，可获得 AI 生成的鉴别诊断、检查建议及参考文献。
- 更偏向“以病例为中心”的工作流设计，与 OpenEvidence 的“以问题为中心”路径形成互补。
- 已完成三轮融资，总计700万美元，支持方包括 Breyer Capital、Y Combinator 与 Initialized Capital。
五、商业模式
OpenEvidence 向经过认证的医疗专业人士免费开放使用，核心营收来自广告投放。公司明确将临床内容系统与广告系统完全分离，强调：“OpenEvidence 信息系统与广告展示系统为完全独立的模块”“广告内容不代表平台推荐立场”。
考虑到截至2019年，美国制药公司每年在面向医生的营销支出高达200亿美元，OpenEvidence 通过数字渠道切入这一市场，有望获取可观广告收入。平台广告形式主要为上下文相关展示和赞助内容，在不影响医生信任度的前提下提供商业信息。例如，医生若查询糖尿病治疗方案，平台可能展示某制药公司提供的赞助摘要，或相关医学研讨会的横幅推广。
2025年4月起，OpenEvidence 推出继续医学教育（CME）积分功能，为平台增添新的变现路径。公司可通过与认证机构合作推出付费模块获得收益，费用可由医生个人支付，或由医疗行业赞助方承担，以换取医生参与与互动。
OpenEvidence 的主要运营成本包括：
- AI 模型的持续研发与训练；
- 支撑平台运行的云基础设施开销；
- 与《新英格兰医学杂志》（NEJM）和《美国医学会杂志》（JAMA Network）等权威出版机构的内容授权费用。
公司资产结构轻，主要聚焦于软件开发与数据处理能力，无需大规模线下资源投入，具备高扩展性与成本效率。
六、重大进展
2025年8月，OpenEvidence 成为首个在美国医师执照考试（USMLE）中取得满分（100%）的人工智能系统。这一成绩较其2023年首次测试时提升了10%，标志着其医学知识系统在准确性和专业性方面获得权威验证，进一步巩固了其作为医生临床辅助工具的可信地位。
在完成 A 轮融资后，OpenEvidence 宣布将资金主要用于扩展内容合作，构建自主的医学知识库。公司陆续与权威出版机构建立深度合作关系。此外，OpenEvidence 于2025年4月实现 HIPAA 合规，使美国医疗机构可在平台中安全输入受保护的健康信息，确保与联邦隐私法规一致的使用环境。
自2023年搜索引擎功能上线以来，OpenEvidence 主要依靠医生之间的口碑传播迅速扩展用户基础。到2025年7月，每月新增并通过验证的美国医生用户已超过 6.5万人，平台使用率覆盖全美 40% 的执业医生。
用户使用量增长同样迅猛：
- 2024年7月，OpenEvidence 平台已累计支持 35.8万次 经过验证的医生临床咨询；
- 到2025年7月，这一数字跃升至 每月850万次，同比增长超过 2000%，彰显其在医生群体中的高频使用和持续价值。
七、公司估值
2025年10月，OpenEvidence（#SVTR周报127）完成2亿美元C轮融资，投资方为GV（领投）、Sequoia Capital、Kleiner Perkins、Blackstone、Thrive Capital、Coatue Management、Bond、Craft。本轮估值为60亿美元，累计融资约4.85亿美元，#AI创投榜医疗服务赛道排名第二位。
2025年7月，OpenEvidence 完成 2.1亿美元B轮融资，估值达 35亿美元。本轮融资由 Google Ventures 与 Kleiner Perkins 领投，其他投资方包括 Sequoia Capital、Coatue、Conviction 与 Thrive Capital。
OpenEvidence 的快速成长反映了医疗人工智能领域的强劲势头。公司于2021年由创始人丹尼尔·纳德勒（Daniel Nadler）启动种子轮融资，并在2025年2月完成A轮融资，彼时估值为 10亿美元。仅6个月后，公司估值即增长至三倍，得益于医疗AI市场的持续扩张与医生群体的大规模采纳。
在B轮融资公告中，OpenEvidence 宣布其平台在2025年已覆盖超过 1亿美国患者，即这些患者接受诊治时，其医生正在使用 OpenEvidence 作为临床辅助工具。
八、主要机会
1. 国际扩张
OpenEvidence 目前的核心用户群是美国医生，但全球范围内对循证医学支持的需求正不断上升。全球共有超过 1200 万名执业医生，许多国家在获取高质量医学信息方面面临资源有限、工具匮乏等挑战。尤其是在撒哈拉以南非洲和亚洲部分地区，医生人均数量偏低，一位专业医生可能要管理数百名病患，AI辅助决策工具在这类环境中将大有可为。
相较于订阅收费的服务，OpenEvidence 提供免费使用的模式，在资源紧张的新兴市场具备明显优势。例如，美国医生使用 UpToDate 等传统医学数据库的年费高达 499 美元，因价格高昂，不少慈善项目选择向发展中国家医生捐赠免费订阅。
OpenEvidence 可优先拓展至医疗体系与美国接近的英语国家，如英国、加拿大和澳大利亚，逐步积累国际经验。长期来看，公司还可结合各地临床指南，深入非英语市场，进一步扩大用户基础，实现其“全球普及医学知识”的使命。
2. 医药营销
制药企业在传统医生营销方式上正面临瓶颈，这为 OpenEvidence 提供了切入年均 300 亿美元医疗营销市场的机会。2019 年数据显示，68% 的医药营销预算用于专业人士而非消费者，而传统方法（如医药代表拜访、学术会议赞助）效果正逐渐减弱。2023 年，51% 的医疗市场营销人员增加了对医生的数字化触达预算，寻求更精准的数字渠道。
OpenEvidence 能在医生做出临床决策的关键时刻，将相关治疗信息即时推送给用户。这种“场景嵌入式”触达方式，比传统模式更具针对性和效率。截至 2025 年 7 月，该平台每月记录超过 850 万次临床查询，形成了一个活跃度高、传统渠道难以覆盖的医生用户群。
未来，公司可通过明确标识的赞助内容、由行业资助的循证教育材料，或根据医生查询推送的疗法更新提醒，构建多元化的营销触点。关键在于确保所有内容经得起专业审视、来源透明、价值导向明确，避免沦为简单推广。若执行得当，这一模式不仅能带来收入，也不会影响平台免费向医生提供可靠医学信息的初衷。
3. 医疗系统集成
2021 年数据显示，美国已有 78% 的门诊医生使用认证的电子病历（EHR）系统。然而，要访问临床决策支持工具，医生通常需在多个系统之间来回切换，使用门槛高。若能与 Epic、Cerner、Allscripts 等主流 EHR 平台打通，OpenEvidence 有望无缝嵌入医生日常工作流程，提升使用频率与依赖度，从独立应用转型为诊疗过程中的嵌入式工具。
当前医疗 IT 趋势正朝“互联互通”发展，技术集成比以往更为可行。标准协议如 SMART on FHIR，使开发者可通过统一接口访问各类 EHR 系统，构建“一次开发，多系统兼容”的解决方案。主流 EHR 供应商也已开放 API 和应用市场，便于第三方工具接入。
通过集成，OpenEvidence 能在医生记录病情或开具处方时，自动弹出相关证据或治疗建议，甚至实时提醒潜在的禁忌风险。这种“前置型”支持方式，将帮助医生更高效、更安全地做出临床决策。
九、关键风险
1. 准确性与安全性
OpenEvidence 在临床支持中的准确性问题，直接关系到病患安全与医生信任。一旦 AI 系统出现误导，可能导致误诊或延误治疗，产生严重后果。尽管该公司系统在美国医学执照考试（USMLE）中得分达 90%，但医疗 AI 本身仍存在不可忽视的风险——在美国，医疗失误是第三大死亡原因，每 20 位患者中就有 1 位经历过医疗错误，行业对“零容错”的要求极高。
世界卫生组织也曾警示，若快速推广未经充分验证的系统，可能导致医疗专业人员决策失误、患者受害，甚至动摇公众对 AI 的信任。一旦发生高曝光度的错误案例，OpenEvidence 的声誉与医生使用意愿可能遭受重创。随着平台规模扩大，其处理的问题将更加复杂，可能涉及证据不足、指南冲突等情形，即便 AI 提供的建议本身准确，也可能因医生对患者背景考虑不足或过度依赖 AI 判断，而造成错误使用。
此外，监管的不确定性也为公司带来额外风险。目前，医疗 AI 缺乏统一的评估标准，伦理指引尚未完善。一旦 OpenEvidence 被监管机构认定为“参与临床决策”而非“信息提供平台”，则可能被视为医疗器械，需接受 FDA 审批流程及持续合规监管，带来高昂成本和延迟风险。
2. 竞争压力
尽管 OpenEvidence 抢占了先发优势，但行业巨头与新兴竞争者正加速入局，令竞争格局愈发激烈。服务全球 200 多万名医生的 UpToDate 已在 2023 年成立 AI Labs，推进生成式 AI 功能接入，若其成功将对话式 AI 融入原有平台，凭借品牌可信度与医院既有关系网，可能吸引大量医生“留在熟悉的生态系统”。
大型科技公司亦构成潜在威胁。Google 推出的医疗大模型 Med-PaLM 2 已在 USMLE 风格测试中取得 85% 正确率；Microsoft 则在 2023 年 4 月宣布与 Epic 合作，将 GPT 技术集成进其临床流程。Epic 占据美国 32.9% 的急症医院市场，赋予 Microsoft 与成千上万家医院的深度接触渠道。未来，Google 可将医学搜索能力整合进其主搜索引擎，而 Microsoft 亦可能将其医学功能嵌入 Office 365 或 Microsoft Teams 等广泛应用的工具中。
相比之下，OpenEvidence 在渠道分发、系统集成深度和定价策略上处于劣势。大公司可将 AI 能力捆绑入其企业服务合同中，以极低边际成本触达客户，并凭借与医院 IT 和采购部门的长期关系形成壁垒。OpenEvidence 需迅速在核心差异化方面建立护城河，如信息准确性、独家医学内容合作、或深度嵌入医生工作流程，以防被巨头快速“复制+整合”。
3. 商业模式与医生信任
OpenEvidence 当前采用广告驱动模式，为经过认证的医生免费提供 AI 聊天助手，并通过广告实现营收。尽管公司政策明确声明广告“并不构成背书”，且“广告客户无权干预答案内容”，但在医疗这一高度敏感的场景中，任何变现动作都需谨慎处理。
虽然制药公司每年在医生营销上的投入高达数十亿美元，但他们对投放平台的选择非常保守，倾向于选择已有成效的渠道。OpenEvidence 需证明其广告能在保障医生体验前提下，实现制药企业所追求的转化效果。这其中的平衡十分微妙——既要满足广告商对曝光和参与度的诉求，又要确保医生获得的信息中立可信，不被商业化内容所干扰。
在探索多元化收入来源时，OpenEvidence 也将面临监管与执行层面的双重挑战。例如，美国《健康保险可携带与责任法案》（HIPAA）要求，使用任何患者受保护的健康信息进行营销前，必须取得个人书面授权。此外，若希望扩大与制药企业的合作，还需加强销售与商务拓展能力，同时继续加大 AI 产品与技术的研发投入。
若广告模式难以带来足够收入，公司可能被迫转向订阅制，或寻求被收购，从而可能背离其“免费向医生普及循证医学”的初衷与愿景。
十、全文总结
当今医生正被海量医学信息所淹没。传统服务商如 UpToDate 提供经过筛选的研究摘要，但多藏于付费墙后，而通用型 AI 工具则常常缺乏医学准确性与来源溯源。OpenEvidence 针对这一痛点，打造了一个聊天式平台，整合超过 3500 万篇同行评审的医学文献，并附带完整引用，为医生即时提供循证医学信息。
截至 2025 年 7 月，OpenEvidence 采用免费模式，已服务超 35.8 万名经过认证的美国医生，以及逾 1 万家医疗机构。平台符合 HIPAA 隐私合规要求，并与《新英格兰医学杂志》《美国医学会杂志》等权威期刊建立内容合作关系。
尽管面临来自传统巨头与科技公司的激烈竞争，OpenEvidence 凭借对医学文献的深度覆盖和信息透明性，建立起独特的产品优势。其未来发展关键在于：能否有效实现广告变现、在竞争中保持差异化，并持续提升处理复杂医学查询的准确性与专业性。