OpenEvidence 融资轮将估值推高至 150 亿美元，但出售传闻改变了故事走向

据报道，OpenEvidence 以 150 亿美元估值融资 2.5 亿美元，但这轮 OpenEvidence 融资带来了一个意外的复杂因素。据知情人士透露，这家医疗 AI 公司也可能考虑出售自身。

这一组合让事件不只是又一笔对 AI 初创公司的大额投资。新资本通常意味着一家公司打算保持独立，并追求更大的发展成果。潜在的出售谈判则表明，OpenEvidence 可能认为，与一家拥有充足计算能力、分发渠道和医疗保健雄心的科技公司结合，能创造更大价值。

这篇报道存在重要局限。OpenEvidence 尚未公开宣布这笔新融资，也未确认其正在寻找买家。相关说法来自 9 月 24 日一篇 融资报道中的匿名消息人士；该报道称，公司可能仍更倾向于保持独立。

不过，更大的竞争格局正变得愈发清晰。OpenEvidence 围绕临床医生、可信文献和医疗保健专属工作流，打造了一款专业医疗搜索产品。OpenAI、Anthropic、Google 和 Microsoft 则可凭借更广泛的平台、更大的计算预算以及既有企业关系进入同一市场。

因此，OpenEvidence 拥有大型模型开发商无法立即获得的东西：经验证医生在诊疗现场的持续使用。问题在于，这一地位究竟足以支撑一个独立的医疗保健平台，还是会让该公司成为极具价值的收购目标。

据报道，OpenEvidence 融资轮带来了哪些变化

这笔据报道的融资提高了 OpenEvidence 的估值，但可能出售才是改变其战略意义的关键事实。

报道称，医院系统和 Andreessen Horowitz 参与了最新一笔 2.5 亿美元投资。由此形成的 150 亿美元估值，较公司 1 月的估值增长 25%。

与 OpenEvidence 早先的发展轨迹相比，这一增幅显得温和。该公司在 2025 年 10 月完成一轮 2 亿美元融资后估值为 60 亿美元。三个月后，它宣布以 120 亿美元估值完成另一轮 2.5 亿美元融资。

OpenEvidence 在其 1 月的公告中表示，Thrive Capital 和 DST Global 共同领投了该轮融资。公司还称，这轮融资使其过去一年获得的融资总额达到约 7 亿美元。

最新报道将公司在最近十二个月内募集的总资本置于 10 亿美元以上。报道将 Thrive、DST、GV、Kleiner Perkins 和 Sequoia Capital 列为公司近期投资者。

被引用报道中的 OpenEvidence 和 Andreessen Horowitz 均未公开确认这笔 9 月交易。因此，读者应将融资金额、估值、投资者名单和出售讨论视为报道信息，而非已完成的公司公告。

潜在收购的部分则更加悬而未决。据报道，一名消息人士称，OpenEvidence 可能会考虑包含获取计算资源的交易。该报道无法确认是否有潜在买家接触过该公司。

这一区别很重要。一家公司可以讨论战略选项，却并未启动出售流程。即使管理层仍致力于保持独立，投资者也可能探索收购情景。

不过，这种可能性改变了人们解读这笔融资的方式。投资者所赋予价值的不仅是能够回答医疗问题的软件，还包括进入临床工作的分发渠道、经过验证的专业受众，以及与医疗内容所有者之间的关系。

这些资产并非仅靠在模型训练上投入更多资金就能复制。一家通用 AI 公司可以迅速打造健康界面，却无法立即培养医生使用习惯，或获得受限临床内容的访问权限。

OpenEvidence 先前披露的指标有助于解释市场兴趣。在其 1 月的融资公告中，该公司表示，其平台在 2025 年 12 月支持了约 1,800 万次临床咨询。

这较一年前每月约 300 万次咨询有所增长。公司还称，医生在超过 10,000 家医院和医疗中心使用该服务。

OpenEvidence 将其产品描述为医疗搜索引擎，可综合同行评审文献，生成附有引用链接的答案。临床医生可以就诊断、治疗选择、药物安全性、预后以及不断变化的指南提出问题。

该公司的商业模式在企业医疗保健软件中也颇为特殊。经验证的临床医生可免费使用核心服务，而面向这一专业受众投放的广告则支撑其业务。

OpenEvidence 1 月表示，其年收入已超过 1 亿美元。这一数字为公司自身说法，其财务报表仍未公开。

最新融资报道并未独立核实当前收入、咨询量或医生渗透率。这些信息缺口并不会抹去产品的采用情况，但在评估 150 亿美元估值时仍然重要。

因此，眼前的变化既涉及财务，也关乎战略。据报道，OpenEvidence 在保留成为更大平台一部分的选择权的同时，又获得了一大笔资金。这给公司自身以及正进军医疗保健领域的科技集团都带来了压力。

为什么触达医生的能力支撑 150 亿美元估值

OpenEvidence 的稀缺资产不只是一款医疗聊天机器人，而是其在临床医生信息工作流中的持续位置。

医生不断会遇到无法等待冗长文献回顾的问题。他们可能需要比较治疗方案、核查药物相互作用、解读一项新研究，或确认指南是否已经更新。

一套有用的临床搜索系统能够压缩这一研究过程。它会检索相关证据、生成直接回应，并将重要陈述关联到临床医生可自行查阅的来源。

最后这一步将临床搜索与普通对话式 AI 区分开来。如果医生无法识别支撑证据或评估来源，那么再流畅的答案在医学中也价值有限。

OpenEvidence 表示，其与 New England Journal of Medicine、American Medical Association 和 National Comprehensive Cancer Network 等机构建立了正式内容合作关系。这类安排可以改善内容访问，同时也让服务更难仅通过公开网络检索复制。

该公司还称，它使用由中央路由系统协调的多个专业模型。在这种架构中，问题会先被发送至针对相关医学专科优化的系统，再由平台构建最终回应。

这些描述属于公司主张，并非其临床表现更优的独立证据。不过，它们确实显示了 OpenEvidence 如何定义自身优势：在数据、检索、模型行为、评估和界面设计上的专业化。

产品的经验证用户模式创造了另一项战略资产。OpenEvidence 可以通过专业资质识别临床医生，而不是将每位访客都视为匿名消费者。

这一受众对制药公司和其他医疗保健企业具有商业价值。它也让 OpenEvidence 能够接触到临床医生所提问题的模式，尽管任何对查询数据的使用都会引发隐私和治理问题。

重复出现的查询可以揭示医学知识正在变化的领域，或现有资源无法满足临床医生需求的地方。它们还可帮助产品团队识别模糊答案、缺失引用以及需要更好覆盖的专科。

对于潜在收购方而言，这一反馈循环可能与当前收入同样重要。它以一种通用基准测试无法完全呈现的方式，将真实临床需求与产品开发连接起来。

随着医疗保健 AI 竞争超越模型 API，这种吸引力会进一步增强。OpenAI 和 Anthropic 最初让其他公司利用其模型构建专业产品。此后，两家公司都通过专门产品更接近医疗保健用户。

OpenAI 在 1 月推出了面向消费者的专用健康体验。该公司表示，已有数亿人每周通过 ChatGPT 询问健康与保健问题。

Anthropic 随后推出了面向医疗服务提供方、付款方和患者的工具。其医疗保健布局包括针对 PubMed、诊断代码、服务提供者标识符和覆盖信息等资源的连接器。

这些产品拓宽了竞争边界。OpenEvidence 不再仅与传统临床参考工具或较小的医疗搜索初创公司竞争。它必须在由广泛使用的助手和前沿模型控制的公司面前捍卫自身工作流。

由于这些产品服务的用户并不完全相同，竞争格局仍不均衡。消费者健康对话不同于持证医生进行的循证检索。事前授权等行政任务也不同于治疗研究。

不过，通用平台可以逐步切入这些使用场景。它们的助手可在一个界面内连接患者记录、临床数据库、付款方系统和办公软件。

OpenEvidence 据报道的估值反映了一种押注：医生专属分发渠道仍将具有防御性。买家可能将这一分发能力视为更广泛 AI 平台所缺失的临床层。

医院投资者带来了另一重维度。他们的参与可以提供可信度、部署机会以及对临床运营的直接洞察。这也可能使 OpenEvidence 与希望获得消费者导向 AI 产品替代方案的机构保持一致。

然而，医院合作关系要求严苛。采购方需要安全审查、合同保障、集成工作和明确的责任划分。医生个人采用的产品并不会自动成为获准使用的临床系统。

专业人士中的受欢迎程度与机构部署之间的差距，是估值问题的核心。OpenEvidence 已证明其能够吸引关注并获得使用。它仍须证明，这些优势能够在更严格的审查下支撑一家持久的医疗保健企业。

专业医疗 AI 与通用健康平台之争

核心竞争在于 OpenEvidence 的临床专业化能力与通用 AI 平台的规模优势之间的较量。

OpenEvidence 的优势论点始于专注。其界面、证据来源、评估方法和输出格式都针对医疗工作中出现的问题。通用助手必须服务多类受众，并容忍用户意图更广泛的变化。

专业化能够改善检索，因为系统知道应优先考虑哪些来源。它也可以使用临床医生所期待的语言、审慎表述和证据结构来生成答案。

一篇 2026 年预印本利用来自其平台的问题，对 OpenEvidence 与多个通用模型进行了评估。该研究涵盖 30 个专科的 620 个诊疗现场问题，以及来自 149 名执业医生的比较。

在那项临床评估中，参与评分的医生在准确性、临床实用性、来源质量、可验证性和完整性方面更倾向于 OpenEvidence。主要分析显示，其胜率差距为 25 至 39 个百分点。

这些结果支持这样一种观点：产品层面的专业化至关重要。临床系统不仅仅由其底层语言模型构成。检索选择、提示词、来源访问、路由、引用呈现方式和答案长度，都可能影响其实用性。

该研究同样需要谨慎解读。其真实世界问题来自 OpenEvidence 平台，且该公司参与了数据收集过程。这让该基准与实际使用场景更相关，但也可能使产品与评估环境之间存在一致性偏向。

研究人员纳入了旨在回应多项疑虑的敏感性分析。他们区分了展示引用和不展示引用的评估，比较了不同答案长度，并考察了未使用 OpenEvidence 的评分者。

这些控制措施增强了证据力度，但并未解决更广泛的竞争问题。通用模型变化迅速，而一次比较仅代表某个时间点可用的系统。

另一篇预印本得出了相反结论。它基于由 MedQA 和 HealthBench 组成的 1,000 项基准，对比了 OpenEvidence、另一款临床工具与前沿通用模型。

这项基准比较报告称，通用模型表现更好。其作者指出，专业工具在完整性、沟通、情境感知和安全推理方面存在不足。

相互矛盾的发现暴露出一个更深层的衡量问题。考试式或人为构建的问题，未必能匹配医生在诊疗期间提交的案例。源自平台的问题则可能偏向于收集这些问题的平台的工作流和回答设计。

两类证据都具有价值，但都无法得出普适性的排名。临床 AI 的表现取决于问题分布、专科领域、可用情境、来源质量和评估方法。

这种不确定性为大型 AI 公司留下了竞争空间。OpenAI、Anthropic、Google 和 Microsoft 无需从头重建每一个模型，也能改进其医疗健康产品。

它们可以在通用模型之上加入医疗检索、专科路由、来源授权和机构特定的控制机制。其云业务还提供基础设施、身份系统、安全工具和企业销售渠道。

OpenEvidence 可以整合多家供应商的模型，而非依赖一家基础模型公司。9 月的报告称，它整合了与 Google 和 Microsoft 相关的 AI 工具，而 Nvidia 则是其投资者。

Anthropic 也在所报道融资发生的那一周宣布与 OpenEvidence 建立合作关系。这种关系表明，合作与竞争可以并存。

当专业应用将模型提供商的技术带入受信任的工作流时，模型提供商会从中受益。应用则受益于基础模型的改进和计算能力的获取。任何一方日后都可能决定希望对这段关系拥有更多控制权。

这正是所报道的出售可能性值得关注的原因。收购可将 OpenEvidence 的医生用户覆盖与买方的基础设施和模型结合起来。但这也可能削弱该产品在不同技术供应商之间保持中立的能力。

中立性具有实际价值。一家临床搜索公司可以针对不同任务选择不同模型，并在性能变化时更换供应商。被某一平台所有，可能会缩小这些选择空间。

独立性还帮助 OpenEvidence 将自己定位为一家医疗健康公司，而非消费级聊天机器人的延伸。当涉及临床信息和敏感工作流时，医院可能更偏好这种定位。

规模则指向相反方向。训练、推理、评估、内容授权、安全和集成都需要持续投入。更大的所有者可以承担这些成本，并通过现有的医疗健康合同分发产品。

真正的竞争并不只是 OpenEvidence 对阵 ChatGPT，而是专业应用能否在依赖大得多的公司提供技术的同时，掌控临床交互界面。

估值无法证明什么

OpenEvidence 的高估值证实了投资者需求，并不等同于临床安全性、机构认可或可持续的竞争护城河。

私募估值源于协商后的融资条款。它们没有经过适用于上市公司的持续市场检验，也很少披露运营成本或合同义务。

OpenEvidence 的增长数据也主要来自公司自身。诸如咨询次数等指标可以衡量有用的活动，但无法说明医生多频繁地接受答案、核查其引用，或据此改变临床决策。

一次咨询不一定对应一名独特医生或一次独特患者就诊。同一名医生可以进行多次搜索，一个病例也可能产生多个问题。

该公司声称其服务覆盖了相当大比例美国医生的说法，也需要同样谨慎对待。注册、偶尔使用和每日依赖是不同的衡量指标。

OpenEvidence 在 1 月表示，平均而言，超过 40% 的美国医生每天使用其平台。之后的融资报道则引用了更广泛的说法，即超过三分之二的医生依赖其获得诊断和治疗建议。

这些数字可能描述了不同时间段或不同定义。若没有详细方法论，不应将它们视为可互换的活跃采用指标。

广告带来了另一种张力。免费访问降低了医生使用的门槛，并加快了分发速度。但它也要求在赞助信息与临床答案中呈现的证据之间建立严格隔离。

即便广告有清晰标注，定向投放也可能引发有关影响力的担忧。临床医生和医院需要了解，商业关系是否影响排序、检索、呈现或主题选择。

数据使用也带来相关问题。即使搜索日志不包含直接的患者身份标识，也可能含有敏感的临床情境。汇总后的查询行为可用于产品改进、研究和商业分析，因而具有价值。

OpenEvidence 必须说明其如何最小化患者信息的收集、保留查询记录、控制员工访问权限，以及将临床内容与广告系统分离。买方将同时继承这些数据的价值与相应责任。

临床准确性仍是风险最高的不确定因素。带有引用链接的答案更容易核查，但引用并不能保证系统正确解读了一项研究。

医学证据可能相互矛盾、已经过时，或不适用于某位特定患者。研究可能排除重要人群，而不同专业组织的指南也可能存在差异。

检索系统也可能只选取文献中的狭窄切片。一项答案可能准确概述了检索到的材料，却遗漏了其他地方更有力的证据。

因此，OpenEvidence 应被视为决策支持工具，而非自主医疗权威。医生仍有责任将证据与患者病史、检查发现、本地标准和专业判断相结合。

通用健康系统面临同样的根本问题。大型语言模型通过预测模式生成看似合理的文本，而非天然具备临床真相的概念。

推出专门的医疗健康产品并不能消除幻觉风险。一篇 1 月关于健康 AI 产品的报道指出，OpenAI 和 Anthropic 都会引导用户向医疗健康专业人士寻求个性化指导。

监管和责任问题也可能重塑市场。定位为医疗搜索的产品，可能面临与推荐诊断或治疗的软件不同的义务。

随着系统变得更个性化并整合患者记录，其功能可能跨越这条边界。检索信息与影响医疗照护之间的区别将更难维持。

因此，机构买家将考察系统实际做什么，而不只是公司如何称呼它。他们会询问输出是否进入病历、触发医嘱、对治疗进行优先排序，或在没有临床医生审查的情况下运行。

所报道的收购可能性增加了治理层面的不确定性。买方可以凭借更多资源改善安全性、合规性和可靠性，也可能将临床活动与更广泛的数据和广告业务相结合。

目前没有任何潜在收购方得到确认。因此，针对具体买方的猜测将超出已有证据所能支持的范围。

可以作出的判断更为有限。OpenEvidence 拥有多家科技公司会重视的资产，但任何交易都需要仔细审查中立性、数据实践、内容权利和临床责任。

将决定 OpenEvidence 下一步行动的三个信号

下一阶段将取决于融资是否得到确认、是否出现可防御的临床使用证据，以及 OpenEvidence 在独立与平台所有权之间的选择。

第一个信号是正式公告。OpenEvidence 需要确认所报道的 OpenEvidence 融资轮次，说明参与投资者，并解释资金用途。

相关条款将有助于区分常规增长投资与通往收购的战略性过渡。医院系统的参与也可能揭示哪些机构希望与该产品建立更紧密的关系。

管理层的表述将十分重要。明确承诺保持独立，将削弱出售叙事，尽管无法消除未来的选择。

沉默会让核心事实继续依赖匿名消息源，也会阻碍读者将所报道的 9 月融资与公司详尽的 1 月公告进行比较。

第二个信号是有关真实临床表现的独立证据。相互矛盾的研究已经表明，排名会多么强烈地依赖基准设计。

有价值的验证应覆盖多个专科、复杂病例、不断变化的指南，以及最安全回答是不确定性的情况。研究人员应测试引用准确性，以及所引用证据是否支持生成的主张。

评估还需要透明的利益冲突披露和可复现的方法。源自平台的病例提供现实性，而外部构建的病例则降低了在系统主场测试该系统的风险。

医院可以通过衡量工作流结果，增加另一层证据。相关指标包括节省的时间、引用审查率、纠正的错误、升级处理模式，以及文档质量的变化。

患者结果更难归因，需要谨慎研究。公司不应仅因医生打开或搜索某个应用，就声称该应用带来了临床收益。

第三个信号是 OpenEvidence 如何处理与基础模型提供商的关系。合作伙伴关系可以让公司获得更好的模型和基础设施，而无需出售。

它们也可能加深依赖。如果一家供应商提供关键模型、计算能力和分发渠道，OpenEvidence 的实际独立性可能比其公司结构所显示的更为有限。

应关注该公司是否继续整合多家 AI 供应商。多供应商架构将支持其作为独立临床层的定位。

更具排他性的合作关系将指向平台整合。收购公告将解答所有权问题，但也会带来有关内容访问和数据治理的新疑问。

竞争对手的反应同样重要。OpenAI 和 Anthropic 已在将其产品延伸至医疗健康领域，而 Google 和 Microsoft 则长期与医院及企业保持合作关系。

如果这些公司利用获得授权的证据构建面向临床医生的专用搜索系统，OpenEvidence 需要捍卫的将不只是早期用户优势。它还必须证明，其工作流、可信度和评估机制的改进速度，能够快于通用平台复制这些能力的速度。

如果 OpenEvidence 保持独立，其机会十分可观。它可以作为连接医学文献、专科模型和医生提问的界面，而无需绑定某一家基础模型公司。

但这一定位也伴随着高昂成本。公司必须为计算资源提供资金，协商内容访问权限，满足机构级安全要求，并在众多临床领域验证其表现。

如果公司出售，其战略逻辑也同样明确。更大的所有者能够提供计算能力和全球分发渠道，而 OpenEvidence 则能提供一条进入医生日常工作流程的成熟路径。

其中的取舍在于控制权。OpenEvidence 可能获得更多资源，却失去中立性、供应商灵活性，或失去那些警惕科技平台控制临床信息的客户的信任。

据报道的 150 亿美元估值，让这一选择变得更加突出。投资者似乎愿意将医生触达能力视为战略基础设施进行估值，但该公司尚未公开说明哪种所有权模式能够保护这一优势。

对于临床医生和企业采购方而言，务实的做法是要求看到证据，而非追随估值。应询问答案的来源、失败案例如何审查，以及临床数据如何处理。

关注已确认的融资条款、独立评估，以及任何排他性平台合作关系。这些信号将揭示 OpenEvidence 的融资是在支持一家可持续发展的专科公司，还是在为医疗 AI 最有价值的入口之一迎接新所有者做准备。