阿里，猛踹了京东一脚。

2026年年初时分，国内一些较大规模的企业仿佛达成了一种奇特的共同认识 ，它们一同将枪口转向 ，把目标对准了那位于海外的标的物，即OpenEvidence。

可不是，你确实没听错。就是这家才成立了仅仅4年的公司，而且还尚未上市，它的估值居然一路飙升到了120亿美元，年营收超过了1.5亿美金，并且对医生端全部免费，这情况属实存在。

当国内玩家还处于纠结状态，纠结的内容是向医院收取微薄的服务费，还是向患者收取几块钱的问诊费的时候，这个被称作「医疗版谷歌」的事物，早就已经对AI的商业底层逻辑进行了重新构建。

究竟OpenEvidence做了啥才是正确的呢，凭什么它能成为医生的首要进入途径呢。

01

想要弄明白其崛起的情况，那就需要先捅破医疗行业最为残酷的底层实际状况，即人类大脑的生理方面的极限，与医学知识呈现爆炸式增长之间所存在的断层。

这话啥意思？

有一组数据，特别扎眼，在1950年的时候，医学知识的整体更新周期大概是50年，到了2010年，这个周期缩短到了3.5年，而到2025年至2026年期间，肿瘤、罕见病等细分领域的医学知识更新速率，相比2010年提升幅度超过了10倍。

这种情况表明，对于一位主治医师而言，要是历经两个月时间都未曾翻阅核心期刊，那么其脑海当中所拥有的治疗方案，极有可能已然处于版本过时的状态了；然而实际的情形却是，医生忙碌到就连去上厕所的短暂时间，都得精心掐着表来安排。

要去查找那种极为少见病症的最新的临床用药方面的对比情况，前往像 PubMed 这样的传统数据库进行搜索，一下子就弹出了三千多篇论文，全都是英文的并且还没有翻译，等把前面五篇翻译完成，天都已经亮了，而病人还在病床上眼巴巴地等着呢。

于那之后，引出了像UpToDate这类临床决策支持工具，其将文献制作成了“教科书式”的一条条名目，总体体验的确是好了相当多，然而它存在收费情况，并且更新总是处于滞后状态。

最要紧的是，它对「自然语言对话」并不予以支持，你没办法直接去发问：这个身患肾衰竭的病人，刚刚所用的那种药是不是需要减量呢？

直至GPT问世，医生们瞅见了对话式检索的希望之光，然而转瞬之间又坠入绝望之境，缘由在于AI幻觉过于严重，毕竟在严肃的医疗场景当中，AI一本正经地胡言乱语是会带来致命后果的。

怎么办？

这恰好是Open Evidence所精准触及的首个关键痛点，它将医生的“信息筛选时间”由几小时压缩至3秒，踏上了一条更为艰辛却更为正确的路径，此路径便是RAG（检索增强生成）加上严格溯源。

“Open Evidence”的那股狠劲是这样的，给出了每一个结论，每一个结论的后面都跟着密密麻麻的小蓝点，把那些挨着小蓝点开了之后，全部都是《柳叶刀》、《新英格兰医学杂志》或者FDA最新指南的原文。

就如同将人类当中处于最顶尖水平的医学方面的大脑，在实时的状态下进行“合成”，使其来到医生手边，就以这样的方式，它把医生所需要的信息，快速且准确并且可靠地，全部都解决好了。

这也是它能实现病毒式增长的原因。

2025年，它的月活跃用户数量飙升到40万，覆盖了美国大约34%的执业医师，并且全年的查询数量直接突破了一亿；更为惊人的是，用户有着高度的粘性，平均每位医生的单次会话时长达到了如13.3分钟这般可观。

在互联网产品当中，时长意味着金钱，然而在医疗领域，时长表明的是「决策依赖」，一旦有一个医生乐意于在某一个工具之上耗费13分钟去钻研复杂病例，那么这个工具便成为了他的「外脑」。

更绝的是，它还走了条「自下而上」的野路子。

往常国内的那些大型厂家，还有医疗软件的供应商，想要进入医院，困难程度简直超乎想象，得去寻找院长，经过信息科室，再走过招投标这一流程，等这一整套流程全部完成的时候，人工智能都早就变成过时的消息了。

不过，Open Evidence 是对医生完全免费的，它无需经过医院信息科，也不需要院长签字，主治医生在查房的间隙当中，能够私下在手机或者 PC 上注册一个认证账号，然后立刻就可以使用。

以这种“绕过公章”的渗透方式，致使其在全美医生圈子里呈病毒式传播。当科室主任运用它给下属去划重点之际，这个入口，就被它完全死死攥住了。

02

有人肯定会感到纳闷，对于那些针对医生完全免费的工具而言，怎么能够支撑起高估值？它不挣钱，那依靠什么来维持运营？难道总不能是依靠爱来产生电力？

答案会让你大跌眼镜。

它不但活得不错，还活得比其他任何一个都更滋润，印钞机就隐匿在医生按下「回车键」的那一刻。要说什么呢？我们必须先瞧一瞧药企的痛苦之处。

一个超820亿美金的大市场，美国医药营销领域（IQVIA 2025年权威报告），以往药企若想让医生瞧一瞧自家新药的数据，就得雇佣几万个身着西装革履的医药代表去挨层楼地拜访、请客吃饭、举办讲座，效率低得简直离谱。

在Open Evidence这儿，这事被做得既狠又高效，它精准切入的恰恰是医生的“决策时刻”，那可是个黄金瞬间。

脑补个画面：

凌晨 2 点值班，扮演内分泌科主治医生角色，遇到复杂心衰合并糖尿病病例，打开 OpenEvidence，输入术语「SGLT - 2 抑制剂在心衰合并糖尿病患者中的最新用药对比」。

答案由AI生成，具有客观性且可溯源，之后，在右侧或者最下方，会跳出标着「Sponsored（赞助）」这种内容的标识，这正是某跨国药企刚获批的同类新药临床数字的简要概括，并且所有数据都经过了平台合规方面的审核，跟FDA获批的适应症结果完全一致。

这于营销范畴内称作「决策点截流」，针对药企而言，这较电视广告、线下讲座更为有效，医生即将在下一秒开出的处方，极有可能会参照这个已然经过审核的专业信息。

第二，它卖医疗行业的注意力货币。

全美有执业医师约118万，他们每一个都是拥有处方权的高净值稀缺资源，而OpenEvidence一下子覆盖了40万，这等同于触达了美国将近三分之一的核心临床医生。

药企为了将新药精准推送给这部分有着处方权的人，甘愿付出极高的溢价。并且在业内有测算，其单次有效触达的成本，远远低于医药代表线下拜访所产生的车马费以及人工成本，而且效果能够实现数字化，还能进行全程追踪。

见到这你或许会发问：在医疗决策工具当中插入广告，难道不违规么？难道不怕被指责为赚取不正当利益么？而这恰恰就是Open Evidence最为狡黠却又最为高明之处：进行严格标注。

标着 Ad 或 Sponsored 的醒目字体，用于呈现所有赞助内容，将其与 AI 生成的直观答案进行明显视觉分隔，甚至会直接给出这样的提示：以下内容由 XX 药企赞助，数据经平台合规审核，不代表本平台临床决策建议。

这种采取「先小人后君子」方式的做法，虽说牺牲了些许点击率，可是却稳稳当当守住了医生的信任，医生明白这属于广告，然而也晓得里面的数据是经过平台来审核的，是合规且靠谱的。

话说对于药企来讲，只要不存在误导临床决策的情况，那么这种所谓的「合规的商业推广」，在美国那可是既被准许，甚至还被予以鼓励呢，毕竟每年有着820亿美元的医药营销预算，总归得有个去处把它花掉呀。

当然，它做「卖水」的生意。

它将核心能力包装成 API，售予医院以及医学院，举例来说：把搜索能力嵌入医院的电子病历系统（EHR），医生撰写病历时能够直接调用 AI 来查询指南，医院依照年份支付授权费。

它与《新英格兰医学杂志》等顶级期刊合作，通过内容授权、版权分成来获取利益，甚至开展了继续教育（CME）学分认证工作。

医在此呢，看广告，学知识，还顺便能拿到学分，简直是把药企搞的营销费用哪，给转变为医生的那种“学习补贴”了。

故而，智远进行总结，Open Evidence 所具备的商业闭环清晰明确：

运用免费的、高效的工具，去圈住高价值的医生用户，沉淀高质量的临床决策数据，接着向药企出售决策瞬间的精准广告位，以此赚取高毛利收入，进而用此收入反哺数据采购，以及算力升级。

实际上来讲，这种模式跟谷歌的那种“搜索广告”是同一类的，只是呢，谷歌出售的是平常普通的信息，而Open Evidence出售的是与生命存在紧密关联挂钩的专门专业医疗方面的信息。

03

倘若这一套模式这般能盈利，而中国的大厂无一不是擅长抄袭借鉴的行家，那为何直至如今却硬是行不通呢？先别忙着指责大厂缺乏追求，其背后的真相要比所想象出来的更为残酷。

第一座大山，是数据。

Open Evidence能够达成每一句都具备依据，其关键在于美国存在PubMed,fda,NEJM这些兼具统一特性又相对开放的权威数据库，即便设有版权墙，最少路径方面是畅通的。

这边中国呈现出典型的“数据整合难”状况，中华医学会的期刊，以及万方、知网，这些早就构建起了出版方与数据库平台稳态的合作模式。

医院内部网络所存储的实际上是电子病历、诊疗等这类数据，核心文献是公开情形下的，只不过是需要付费才能够进行检索罢了。

那么，真正的阻碍关键点究竟在何处呢？国内从事医疗AI的企业，想要获取实时且全量的具权威性的医学数据，其过程既昂贵又繁杂，另外，存在一些细分领域的临床指南已然进行了更新，然而数字化落地却迟缓滞后。

处在大厂的医疗模型呢会受到数据攫取权限局促的制约，有着这样令人局促的数据攫取权限，一些训练素材的权威性、时限吻合性无法达标，这就致使不少旨在辅助医疗的人工智能产品所给出的回应，同医生在知网、万方可检索到知悉的核心文献所呈现的信息不能契合，医生凭借自身专业能力一眼便能察觉其中差错，那么依顺常理而言，医生断然是不会真正去倚赖这样的工具的。

连依赖医生所做出的决策都无法达成，那就别提什么有着高价值的注意力了，至于后续想要依靠广告来实现变现，那更是完全没有可能的，是白费力气的。

还有就是最为关键且具有极大杀伤力的一点：信任出现了上限，在美国的医药领域之中从事产业经营的企业向从事医疗工作的人员推送学术方面的数据这一行为本身是被广泛坦然 地认可为符合商业逻辑的推广方式；然而在我国，要是你胆敢在医疗工作者的搜索结果旁边悬挂医药企业的标志，哪怕已经就相关内容明确地做出了详尽的标注说明，来自社会舆论所产生的负面评价也足以将你彻底淹没。

让 Open Evidence 最能盈利的广告变现方式，在中国近乎变成送命题的，是这份信任成本。

第三点，很多人忽略的微观现实，中国医生工作强度。

开放证据上的医生，单次使用时能待十三点三分钟，这是由于美国医生确实存在时间去仔细考量病例，那么换成中国三甲医院的主治医生来试试呢？

有八十号人在门口排着，他特别希望能有个人工智能直接替他把病历写好，把检查开好。他要求有一个能够帮他做那些辛苦、劳累、繁杂活计的“赛博牛马”。

因此，要是简单径直去照搬美国的那种“搜索 + 广告”模式，在中国的话大概率会出现水土不服的状况；而要是想要做出中国版本的 Open Evidence，那就必须得走上一条相较于美国而言更“重”、更加贴近实际情况的实在难以行得通的艰难道路。

更残酷之处在于，即便把这些问题全部解决掉，仍旧存在一个终极灵魂拷问，那便是，中国的药企会愿意为数字营销支付费用吗？

美国的药企有着几百亿的营销预算却不知该往何处花费，而中国药企营销费用的大头，仍旧是砸在了号称「带金销售」以及线下会议之上。虽说集采正一步一步逼着药企转向学术营销可是这个过程，慢得出奇。

所以，瞧瞧京东、阿里、蚂蚁在2026年初的这般冲锋，哪儿能瞅见胜利的曙光，实实在在的是那种摸着石头过河时所带着的焦虑。

04

国内这三家巨头，究竟是谁能巧妙掌控一手出色的牌，而又是谁在毫无遮蔽地“裸泳”呢？老实讲，在当前的这个牌局上，京东，阿里，蚂蚁的出牌方式存在极大差异，根本就是有着三种各不相同的基因特质。

京东健康，手里握着枪，却怕走火。

那其中的核心呢，堪称是「工具加上供应链再加上服务」这样构成的稳固铁三角，这块看起来特别的实在可靠，有着实打实的药品，存在成熟的供应链体系，有着现成可用的互联网医院这般，推出「知医」这个举措的目的呢，也是令人觉得特别明白确切，就是为了给卖药以及健康管理业务提供坚实的背后支撑。

医生于知医那儿查完指南之后，京东便期望着他能顺势在京东大药房去开方，或者将患者引导至自家互联网医院来做后续管理，这般查、诊、疗、药的闭环，无疑是离钱最近的那种打法。

但软肋也明晃晃的。

没法避开那“既充当裁判又自己做运动员”而引发的信任危机，倘若“知医”做出的回答暗暗朝着京东大药房正在售卖的药倾斜，又或者是引导着医生前往自家的互联网医院去进行接诊，那这份“中立性”马上就会崩塌了。

医护人员难以避免地会产生警觉，你究竟是帮我查找资料，还是妄图赚取我的药费呢？这种警觉，会直接消除运用信任；而且京东的本质偏向于交易，相较于阿里、蚂蚁，缺少顶尖的人工智能基础大模型研发能力，技术防护屏障也略微浅薄。

阿里健康氢离子是手里攥着「核武」，却愁没靶场。

它选取的是那种纯粹的技术极客所钻研的路线，并且还是最为贴近Open Evidence原生形态的参与者，其核心优势强硬得很，它是背靠阿里云以及通义千问大模型的，在技术底座方面是三家之中最为厚实的。

阿里怀揣着的野心，乃是要去打造那称为「医疗OS」的事物，将「氢离子」嵌入进医院所拥有的HIS系统当中，还要嵌入进医生所使用的工作站里，进而使之成为医疗场景之下的底层操作系统。

倘若能够攻克「数据合规」这一颇具难度的任务，接着借助阿里生态（涵盖支付宝、阿里云、钉钉）连通B端与C端，其所能触及的上限必定是三者之中最为高远的。

软肋也很突出。

距离“交易”以及“服务”甚远，阿里并不缺少流量，支付宝医疗健康频道放置在那里，然而相较于京东，缺少了强硬的能拿出底气的供应链，还缺少成熟的自营医疗服务。

医用其查资料后，又如何？阿里无法似京东那般，径直承接后续药品及诊疗服务。此“工具属性过甚、交易属性颇微”之难题，致其遭遇不小变现压力。

最有变数的，是猛踹京东一脚的蚂蚁「阿福」。

它究竟是为何这般呢？阿福所采用的打法，极其类似黑马的风格，甚至根本就没有将目光聚焦于药企那部分广告费。蚂蚁的核心逻辑之所在是，凭借AI深度切入医生的诊疗流程当中，甚至在未来连医保支付、商保理赔的核心环节都要实现打通。

比如：

AI辅助诊断，能够大幅度地降低保险公司的赔付率，或者是减少医保基金的浪费，那么这些省下来的钱，全部都是它的毛利，这一招是走得最为冒险的，牵扯的利益方也是最为复杂的，但是一旦运行成功，它的护城河会是三家里面最深一道的。

于我而言，京东有着极大可能性去打造成那种类似「针对医疗领域的淘宝」的模式，阿里所推出的「氢离子」存在着成为「医疗方面类似安卓系统」的机会，至于蚂蚁，具备着最大可能性去达成「医疗领域类似微信的形态」。

故而，我的结论清晰无疑：短期内着眼于京东，长期则关注阿里，蚂蚁正寻觅全新故事；未来三年，我们极有可能无法目睹一家占据绝对主导地位的“中国版Open Evidence”。

鉴于医疗市场自身会朝着分化的方向发展，其中情形较为严肃的医疗场景，也就是三甲医院科研以及复杂诊疗这类场景，将会被阿里或者垂直医疗 AI 公司所占据；而基层医疗以及药店场景，即针对常见病、慢病管理的场景，很有可能会被京东垄断，进而成为京东用于售卖药品以及开展服务的辅助工具。

对于C端医疗场景而言 将是蚂蚁 再者也是百度健康等玩家的主要战场 其中核心比拼的是生态以及在整合资源方面的能力。

实际上，Open Evidence传授给中国大厂的最为关键、核心的那一课内容，是这样一句话，即怎样利用免费工具去锁住具有高价值的用户，而后再将这些用户所拥有的需求售卖给切实的买单一方。

正在进行的这场有关医疗AI的战役，才刚刚开始打响，当中谁能够率先使得医生自心底里情不自禁喊出一句「真香」，那么谁就已然攥住了通向未来的船票。