从五年荒漠到产品—市场契合与 53 亿美元估值｜Abridge 创始人 Shiv Rao
- Aisha Washington
- 1小时前
- 讀畢需時 8 分鐘
Abridge 目前估值为 53 亿美元，并被广泛视为垂直 AI 领域的领导者。然而，它走到今天的道路包括大约五年未能实现那种足以让一家初创公司的前景显得稳固的产品—市场契合。在这次对话中，创始人 Shiv Rao 解释了是什么让公司穿越那段不确定时期，以及随着医疗健康和人工智能在其周围发生变化，公司战略是如何演进的。
核心教训不只是坚持。Rao 区分了坚持一个持久洞见，与执着于某一款产品、某个客户细分市场或某种商业模式之间的差别。Abridge 一再改变其做法，同时始终坚信：临床医生与患者之间的对话包含一种异常有价值的信号——它能够改善文档记录、工作流程，并最终改善医疗服务更广泛的经济效益。
坚守论点，同时改变公司
Abridge 于 2018 年起步，前提十分明确：医疗健康从根本上说是围绕对话组织的。患者与临床医生之间的交流，是症状、决策、担忧和计划成为医疗叙事一部分的地方。如果这种交流能够被准确、安全且有效地捕捉，它就能支撑起全新的一层医疗健康基础设施。
Rao 表示，即使周围的战略发生变化，这一前提也始终不可谈判。团队愿意改变产品、市场进入路径和收入模式。但他们不愿放弃这样一种信念：临床对话能够成为更优医疗工作流程的基础。
这一区别很重要，因为单纯的坚持也可能让一个糟糕的想法存活下来。Rao 所理解的韧性，要求创始人追问：哪一种信念是根本性的，哪一些决策仅仅是当前的实施方式。创始人可以对一个问题深度投入，同时仍准备好关闭一款不成功的产品并重新开始。
Abridge 还受益于一些很难精确把握时机的技术和市场变化。基于 Transformer 的系统、大语言模型、疫情时期的扰动，以及严重的临床医生倦怠，逐渐让其最初的愿景变得更可行也更迫切。过早入场让公司有时间学习，但也意味着必须存活到市场跟上脚步。
从消费者应用到企业级医疗健康
Abridge 最初开发了一款消费者产品，让患者能够记录并保存医疗就诊中的信息。回过头看，Rao 对那段时期的一些做法持批判态度。他认为，在疫情期间，公司若将更多精力集中于研究、模型开发和可行的商业架构，而不是推进一款直接面向消费者的应用，可能会收获更多。
消费者路线也带来了艰难的转型。医疗机构必须信任供应商来处理敏感信息，而一家围绕个人用户设计的公司，并不会自动获得企业级信誉。Abridge 最终转向服务临床医生和医疗系统，同时重新审视一种可能会围绕敏感数据产生令人不适的激励机制的商业模式。
不过，早期对患者的关注并未白费。它强化了让人们对自己的医疗故事拥有自主权的重要性。Rao 表示，Abridge 现在正从更强的位置重新回到面向患者的机会中，利用 AI 帮助临床就诊的双方，而不是将临床医生和患者视为彼此分离的市场。
这段历史说明了公司更广泛的运营原则：战略撤退不必否定最初的使命。有时，一家初创公司必须离开一条路径，在其他地方建立必要的能力，然后以更可信的产品在日后回归。
医疗健康是多个市场的集合
Abridge 在市场进入方面的重要经验之一是，“医疗健康”过于宽泛，无法成为一个有用的客户类别。独立医生、学术医疗中心和大型整合式医疗服务网络，面临着不同的约束和采购流程。
对于一家有志于重塑临床工作的公司而言，触达大型医疗服务组织变得尤为重要。这些系统汇集了大量临床医生、工作流程和数据关系。向它们销售比继续留在低端市场更慢、要求也更高，但这同样提供了创造广泛影响所需的规模。
Abridge 从一项几乎普遍存在的任务切入：临床文档记录。医生要花费大量时间撰写病历、录入医嘱、选择诊断，并完成与计费相关的工作。将其中一部分负担自动化，可以带来立竿见影的好处，而无需机构重新设计整个运营模式。
Rao 强调，文档记录并不是一个孤立的行政产物。在美国医疗健康体系中，记录在案的医疗服务决定了报销。因此，一份临床记录可以将医生的工作流程与首席医疗信息官、CIO 和 CFO 的优先事项连接起来。通过有意识地设计文档架构，Abridge 能够从减轻临床医生负担，逐步走向支持企业价值。
智能层，而非 Epic 的替代品
Rao 并不将 Abridge 定位为 Epic 等电子病历平台的直接替代品。相反，他将公司描述为构建在现有记录系统之上的智能层。
临床对话提供了最初的切入点。从这一来源出发，AI 可以帮助生成病历、准备病历资料、呈现相关背景信息、支持医嘱，并将文档记录与计费相连。这让 Abridge 能够扩展自身角色，而无需要求医疗系统放弃其核心基础设施。
这种定位也形成了一种反向定位。新进入者可以围绕某种工作流程或商业模式进行构建，而现有企业若要复制它，可能会难以避免对既有产品造成扰动。Rao 建议创始人充分了解竞争对手，以识别这类限制，同时把日常注意力放在自己的客户和产品上。
Abridge 日益清晰的品类身份表明，这种专注已经引发共鸣。Rao 指出，一些客户甚至开始把公司名称当作动词使用——这强烈表明，一款产品已经融入日常工作。
围绕用户体验选择模型
Abridge 不把模型所有权视为一个意识形态问题。Rao 表示，公司会根据什么能够为临床医生带来最佳结果，使用前沿模型、开源系统和内部开发的模型。
在所讨论的时期，大约 40% 的模型输出来自内部系统，不过 Rao 提醒，这一比例会随着模型被蒸馏、微调和替换而变化。对于速度、控制和较低成本都很重要的边界明确任务，内部模型尤其具有吸引力。更困难的问题则可能受益于搭乘前沿发展，因为通用系统正在不断改进。
延迟是一个决定性考量。在高压的临床环境中，即使是很小的延迟，也会让工具显得碍事。Rao 将理想体验比作优质空调：必不可少、可靠，而且大多不会被注意到。技术应该融入工作流程，以至于临床医生可以专注于患者。
这一产品标准塑造了模型选择：
对于具有重要后果的临床工作流程，质量必须足够可靠。
响应必须足够快，以保留医疗服务的自然节奏。
成本很重要，尤其是在使用规模扩大时。
架构必须随着前沿和开源能力的变化而适应。
扩展规模也会带来学习优势。更多部署让系统接触到不同的专科、语言、医疗场景和临床医生编辑。那些互动能够帮助 Abridge 为更广泛的用户群改进产品和模型。
专有优势来自工作流与信任
基础模型公司为垂直 AI 带来了强劲助力，Rao 更倾向于与这种进步合作，而非直接与之竞争。按他的说法，Abridge 的可防御性来自其在受监管行业的专业知识、专有工作流、持续积累的反馈，以及正确处理医疗健康数据的能力。
企业级医疗健康数据很少是干净或统一的。行为健康信息并不总能像内科数据那样处理，而将其中任一种整合进合规工作流都需要大量基础设施。一个有用的垂直 AI 系统不能只调用一个强大的模型；它还必须组织上下文、遵守机构规则，并在工作实际发生的确切节点交付结果。
信任同样重要。Rao 表示，Abridge 并不通过出售医疗健康数据来建立业务。当一项拟议功能会以新方式使用合作伙伴数据时，该公司的理念是在推进之前先获得医疗系统的许可。这种纪律可能会拖慢一些机会，但它保护了长期采用所依赖的关系。
品味：人类与组织层面的优势
Rao 认为，品味正成为 AI 产品开发中愈发重要的差异化因素。对他而言，品味是识别有意义模式、以独特方式组合想法，以及做出能体现连贯人类视角的选择的能力。
Abridge 将这一理念编码为一项文化原则：人们通过体验优秀作品来培养良好品味。研究人员需要接触重要论文；产品团队需要熟悉出色的界面模式；领导者需要观察强大的组织及其决策。
然而，仅有接触还不够。品味需要筛选。团队应保持好奇心，但不应不加甄别地追逐每一个新模型、设计趋势或管理理念。优势来自于识别什么值得关注，并将其转化为与公司使命一致的选择。
Rao 将此与一种信念联系起来：卓越的公司创造文化，而不只是对文化作出回应。要做到这一点，它们必须始终贴近技术、行为和预期正在变化的前沿。
持续压力下的领导力
随着 Abridge 发展到约 450 名员工，Rao 的工作也一再改变。他将创始人的领导力描述为一连串“任职期”：识别公司最重要的挑战，确定创始人能在哪些方面作出独特贡献，并投入这一角色，直到形势发生变化。
这不同于微观管理。随着决策与行动之间的间隔变短，公司需要能够自行作出判断的高管，而不是等待创始人敲定每个细节。Rao 认为，招聘这样的领导者是规模化过程中最困难、也最具决定性的环节之一。
他还认为，在快速变化的市场中，科技公司 CEO 不存在真正有意义的和平时期。压力可以维持紧迫感，而缺乏压力则可能滋生自满。Abridge 通过其“Titanic rule”等文化做法来强化响应能力，该规则要求员工在三小时内确认收到消息。
该公司目前要求员工每周有三天到办公室办公，尽管 Rao 将这一政策描述为仍在校准中。他重视白板、自发互动和物理上的近距离，同时也认识到通勤困难给员工带来的负担。他更广泛的观点是，文化不能被机械复制；它必须适合公司、高管团队及其所处的发展阶段。
朝着更具人情味的医疗健康迈进
Rao 的长期抱负远不止于自动化医疗记录。他希望 AI 能帮助创造具有通缩效应的医疗健康经济，同时为临床医生提供更好的上下文、提示和决策支持。
一些重复性强、高频且风险较低的任务——例如常规药物续方——可能适合进行大规模自动化。然而，随着病例变得更复杂，人类判断的重要性会增加，而不是降低。因此，Rao 的愿景并不以取代临床医生为核心。它旨在消除行政工作，并提供相关上下文，让医疗健康专业人员能将更多注意力投入到复杂的诊疗中。
随着需求增长速度快于医疗健康劳动力能够轻松承受的速度，这一框架尤为重要。Abridge 长达五年的“沙漠期”表明，一个具有重大影响的市场可能需要很长时间才能打开。其后续增长则表明，当一个持续坚持的论点终于遇到成熟技术、紧迫的客户需求，以及一款为工作流现实而设计的产品时，可能会发生什么。
