2026年6月，不卖版胡润研究院发布《2026全球独角兽榜》（Global Unicorn Index 2026）。药不医生成立仅四年的看病科学美国医疗AI公司 OpenEvidence以 820亿人民币（约120亿美元）的估值强势入选，并在其划分的何造“生命科学”赛道中荣登榜首。

根据胡润研究院的生命统计标准，上榜企业需满足成立于2000年后、第独估值超10亿美元且未上市三大条件。角兽OpenEvidence的不卖版120亿美元估值主要源于今年1月完成的D轮融资：由 Thrive Capital和 DST Global领投，融资金额达2.5亿美元。药不医生此轮融资使其投后估值较三个月前翻倍，看病科学较一年前暴涨约12倍。何造

此外，生命OpenEvidence还入选了《福布斯》第八届人工智能50强榜单（AI 50）。第独

与传统研发新药或器械的角兽生命科学公司不同，OpenEvidence的不卖版核心产品是一款面向医生的 AI医学搜索与临床决策支持平台。经过身份认证的美国临床专业人员可免费使用。医生输入临床问题，系统即刻检索医学论文、专业期刊及临床指南，生成附带引用来源的回答。因此，它被业界广泛称为“医生版ChatGPT”。

尽管医疗AI公司林立，具备医学文献检索能力的大模型也不在少数（如OpenAI、Google、Anthropic均在强化医疗能力，UpToDate等传统平台也已引入生成式AI），但OpenEvidence为何能在四年内实现估值与用户量的双重爆发？

将海量医学论文转化为可提问的知识库

OpenEvidence成立于2022年，由 Daniel Nadler和 Zachary Ziegler联合创立。

其中，创始人Daniel Nadler拥有哈佛大学博士学位，此前曾成功创办金融数据分析公司 Kensho。Kensho利用机器学习处理金融与经济数据，旨在将复杂的市场分析转化为类似搜索引擎的查询体验。2018年，标普全球以约5.5亿美元收购Kensho，成为当时AI领域金融科技最大收购案之一。

尽管金融与医疗看似迥异，但Nadler洞察到两者同属 知识密集、数据庞杂且高度依赖专业判断的行业。他曾测算：“每分钟至少有一篇新医学论文发表。即便医生只阅读排名前十的医学期刊，也需每天花费9小时才能跟上重要研究与指南的变化。”

图 | Daniel Nadler

OpenEvidence应运而生，其核心能力在于实时筛选数千篇同行评审研究。它不直接替代医生诊断，而是协助医生更高效地 寻找、归纳和核对医学证据。

例如，医生可询问某类药物是否适用于肾功能受损患者，或比较两种治疗方案在特定人群中的证据效力。系统生成回答后，医生可查阅对应的论文与指南，进一步核验结论。

与通用大模型依赖训练数据不同，后者易出现信息过时、来源不明或“幻觉”（虚构参考文献）等问题，在临床场景中可能误导检查、用药及治疗决策。OpenEvidence采用 医学模型+检索增强生成（RAG）的技术路线：医生提问后，系统先从权威医学文献和临床指南中检索相关资料，再基于检索结果组织答案，并尽可能提供引用来源。

除了快速查询，OpenEvidence吸引医生的另一关键在于 高质量医学内容的独家合作。在大模型竞争中，算法固然重要，但合法、稳定地获取高质量医学全文更是医疗AI的核心壁垒。

截至目前，OpenEvidence已与 NEJM Group（《新英格兰医学杂志》出版方）、美国医学会（AMA）、JAMA Network、美国国家综合癌症网络（NCCN）、美国急诊医师学会（ACEP）、美国心脏病学会（ACC）等顶尖机构建立合作。

JAMA Network披露，其旗下13种期刊的全文内容已整合进OpenEvidence。多家医学专业组织也将临床指南和教育资料接入平台。

在基础问答之上，OpenEvidence推出了 DeepConsult功能，系统可对数十甚至上百篇研究进行深度检索与综合，生成接近专题研究报告的内容。平台还新增了继续医学教育（CME）、语音交互及移动端应用。

2026年7月，OpenEvidence发布 EvidenceGrade功能。该功能参考循证医学中的 GRADE框架，尝试实时评估回答背后证据的质量。它可对每条答案引用的医学证据进行实时质量分级和可视化，帮助医生快速判断证据强度，从而在临床决策中赋予相应权重，有效解决AI生成内容可信度不明的痛点。

图 | EvidenceGrade 对答案背后证据的评估（OpenEvidence）

医生免费使用，广告完成变现

OpenEvidence用户激增的核心策略之一，是对经过身份认证的美国临床专业人员 免费开放。

传统医疗软件通常采用B2B模式，先卖给医院，需经历预算审批、信息安全评估、系统部署及员工培训，销售周期长达数月甚至数年。医生能否使用某工具，往往不由医生自主决定。

OpenEvidence 绕过了这一路径。医生可直接注册，无需等待医院统一采购，也无需支付个人订阅费。这一策略将“企业采购问题”转化为“个人用户增长问题”。

截至2026年7月，公司拥有约 91.5万名经过美国执业资格或专业身份认证的临床用户，涵盖医生、护士、执业护士及医师助理。仅在4月，约 65%的美国医生在近2,700万次临床诊疗中使用了该服务。

图 | OpenEvidence 在医生群体中的使用量激增（来源：OpenEvidence）

平台查询量亦呈指数级增长：
* 2025年12月：处理约1,800万次临床咨询（去年同期约为300万次/月）。
* 2026年3月：平台首次在24小时内完成100万次由认证医生发起的临床咨询。

此外，OpenEvidence正从医生自发使用的工具，逐步嵌入医院正式部署的临床流程：
* 2026年2月：Sutter Health宣布将OpenEvidence接入Epic电子病历系统。
* 2026年3月：纽约西奈山医疗系统部署该平台，使用范围从医生扩展至护士和药师。
* 2026年7月：纽约长老会医院及其附属医学院（哥伦比亚大学瓦格洛斯内外科医学院、威尔康奈尔医学院）宣布在旗下医院及护理场所部署OpenEvidence。

这意味着，OpenEvidence正从个人搜索工具，演变为嵌入医院工作流程的 临床知识基础设施。

那么，谁来为这款免费的医疗AI买单？答案是：医药广告。

医生免费使用搜索和问答服务，广告主则为触达医生付费。但OpenEvidence出售的不是普通互联网流量，而是 经过身份认证的临床专业人群及其在特定诊疗场景中的注意力。

美国数字医药广告支出每年约为200亿至250亿美元。OpenEvidence能精准触达约 60万美国处方医生，这是一个极具商业价值的受众群体。对药企而言，这种流量比普通社交平台更接近真实的处方和治疗决策场景。

由此，OpenEvidence形成了一套闭环商业逻辑：
1. 免费服务吸引海量医生及查询量；
2. 高价值临床流量吸引药企与器械公司投放广告；
3. 广告收入反哺内容授权、模型研发及算力成本，维持医生端免费。

据公司披露，OpenEvidence 2025年的年收入已突破 1亿美元。

除广告外，公司还在探索多元化收入模式：
* 针对集成至电子病历（EMR）的工作流部署，采用企业级按席位定价；
* 开发高级企业功能；
* 为制药公司、器械制造商及支付方提供数据洞察订阅服务；
* 提供API许可，用于将临床决策支持系统集成至第三方平台。

医疗专用模型，一定更可靠吗？

随着用户量激增，医学界对OpenEvidence的态度总体积极，但也保留了明显的警惕。

多位来自不同专科的医生认为，OpenEvidence操作简单、移动端便捷，其最大价值在于 快速检索权威医学文献，尤其适合处理超出医生日常专业范围的问题。

实际应用中，有医生借助其确认低血钾是否为药物常见副作用，或判断疑似脊柱骨折是否需进一步CT检查。一名肾脏科医生表示，OpenEvidence常为其节省约30分钟的传统检索时间。哈佛大学医生Anupam Jena观察到，医生主要利用它补充本专科之外的知识，并寻找Google或UpToDate难以快速提供的答案。

然而，部分医生指出平台存在局限性：可能遗漏重要信息，或基于小样本研究得出过于肯定的结论，在罕见病和复杂病例中尤为明显。例如，纽约一名急诊医生曾发现，OpenEvidence夸大了某种注射药物导致肝损伤的风险，未充分考虑患者长期饮酒这一更可能的诱因。几周后，平台更新回答，才更准确地反映饮酒因素。

（来源：OpenEvidence）

目前，学术界对OpenEvidence的评价存在分歧：

• 《Nature Medicine》研究：在MedQA、HealthBench及100个真实临床问题测试中，GPT-5.2、Gemini 3.1 Pro和Claude Opus 4.6整体领先于OpenEvidence和UpToDate Expert AI。
• Real-POCQi预印本研究：使用620个OpenEvidence平台上的真实临床问题，由149名执业医生盲评。结果显示，OpenEvidence在准确性、临床实用性、来源质量、可核查性和完整性等指标上获得最高评分。

两项研究的分歧源于问题来源、评价指标、评审医生及模型版本的不同。《Nature Medicine》更强调标准化医学知识、安全性及表达规范；而Real-POCQi更贴近OpenEvidence的专科使用场景，重视证据来源与核查。

因此，医疗专用模型是否优于通用模型，尚无定论。更重要的是，现有研究主要评价的是“回答质量”，而非“误诊率”、“治疗效果”或“患者死亡率”。引用真实论文，也不代表结论必然适用于具体患者。

结语

医学知识的高速增长、生成式AI对检索方式的改变、权威内容合作提供的信任背书、免费策略对医院采购流程的绕过，以及医药广告实现的早期变现，共同解释了OpenEvidence为何能在四年内获得近百万临床用户，并在一年内将估值从10亿美元推高至120亿美元。

然而，按照年收入超1亿美元计算，其估值约为收入的百倍。要支撑这一高估值，OpenEvidence不仅需要继续扩大用户规模，更需证明医院企业业务能形成稳定收入，并长期赢得医生的信任。

参考文献：
1. https://www.hurun.net/en-US/Info/Detail?num=N5C7D1KGTE8G
2. https://time.com/collections/time100-health-2025/7279622/daniel-nadler/
3. https://www.forbes.com/companies/openevidence/?list=ai50
4. https://www.healthcare.digital/single-post/openevidence-chatgpt-for-doctors-2026-plans-and-strategic-outlook
5. https://www.iatrox.com/blog/openevidence-vs-chatgpt-why-2026-studies-disagree
6. https://www.nature.com/articles/s41591-026-04431-5
7. https://arxiv.org/abs/2606.28960
8. https://www.iatrox.com/blog/openevidence-vs-chatgpt-why-2026-studies-disagree

免责声明：本文旨在传递生命科学和医疗健康产业最新信息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成