# E227｜美国医疗市场AI争夺战：巨头押注，创业公司能赢吗？ 硅谷101 · 2026-03-03 · 60 min · https://www.youtube.com/watch?v=fNI__WGJzbE ## 逐字稿 泓君 美国医生每周工作62个小时，大部分时间居然不是在看病，而是在跟保险公司还有文书系统做斗争。AI到底能不能解决这些问题？ Hello，大家好，欢迎收听《硅谷101》，我是泓君。从2025年底到2026年刚开年，AI医疗就打起来了。OpenAI发布了ChatGPT Health，Anthropic也紧跟着推出了Claude for Healthcare。一家叫OpenEvidence的创业公司，年收入才1亿美元，但是估值却飙到120亿美元，它凭什么？我们普通人现在问AI看病到底是不是靠谱？这一集我们就来聊一聊美国万亿美元医疗市场的AI争夺战。 今天跟我在一起的嘉宾是Fusion Fund的创始管理合伙人张璐。璐，你好。 张璐 泓君你好。 还有一位也是我们的老朋友，他是遗传学博士、美国药企免疫学研究员，也是《一解药》播客的主理人周叶斌。 周叶斌 嗨，大家好。 泓君 ### AI医疗全面升温 今年其实是AI医疗的大年。我发现不管是中国还是美国的这些模型厂商，都开始做医疗了。张璐，你应该也是刚刚从1月份的J.P. Morgan大会回来，要不要先跟大家总结一下，这次大会你发现了哪些新的变化？ 张璐 对，每年1月份的J.P. Morgan Healthcare Conference，基本上是美国全年最大的一次医疗盛会，而且它不只是讨论医疗创新，更是一个全产业的聚会。但今年我觉得有一个更大的不同，就是大型药企和医疗公司的思维理念，和前一年相比发生了本质的改变。 之前可能还会有很多讨论，比如要不要和AI进行整合。现在很明确，一定要整合，而且整合的力度非常大，效率和速度也都很快。 当时在大会期间有一个比较重要的发布，就是礼来和英伟达宣布了一项战略合作，所以双方会进行非常深度的合作，拿出的预算初步宣布就是10亿美元的体量。我们也有几家初创企业，本来就在同时和礼来、英伟达两边合作，它们的新项目成立之后，整体整合的速度非常快，也非常惊人。 包括我和一些比较大的医疗公司的CEO聊天时，也经常会听到他们提到一个概念，就是公司内部已经成立了类似“人工智能大学”这样的机构。他们会要求全公司的员工，包括管理层和董事会成员，都参与课程训练，接受基础的人工智能培训和教育，更好地通过AI这样的工具处理医疗数据、挖掘医疗数据的价值，推动新的项目发布，以及和医疗创新公司的合作。 泓君 叶斌，因为你在药企工作，自己也是医疗体系内的人，你有没有觉得今年大家在讨论AI这个名词的时候，讨论得更多了？ 周叶斌 有，其实我们现在平时也已经在应用了。医疗公司里面一个比较明显的特点是，药企一般还是比较讲究保密性的。一方面，它对于外部模型可能会有一点谨慎，比如资料能不能上传到ChatGPT，显然基本上都是不行的。 但另一方面，它也希望引入这样的工具，所以往往会自己做一些公司内部可以使用的产品，比如微软的Copilot。除了药企之外，各行各业都在使用，哪怕是医院，它们采用的一些信息服务商也都在引入AI，这几乎是不可避免的。只不过什么才是最好的使用方式，现在还都在探讨当中。 礼来好像前两年还开放了一个自己的AI平台，让其他小公司也可以来使用。这个事情也带来一个挑战：有些小公司可能会觉得，如果我加入你的平台，我的信息是不是就交给你了？但另外一些公司可能会觉得，这样是不是能够加强我和礼来这样一家大药企的合作？所以现在确实算是一个百花齐放的状态。 泓君 而且除了大家提到的礼来和英伟达10亿美元AI药物研发实验室的合作，我注意到在这次J.P. Morgan大会上，Anthropic也推出了Claude for Healthcare。还有一家创业公司叫OpenEvidence，现在估值也已经达到120亿美元了，可以说是今年整个AI医疗领域的一匹大独角兽。 我其实也不知道ChatGPT Health是什么时候上线的。有一天我突然打开网页，发现它上线了这个功能，而且To B和To C两端都有。所以现在看起来，2026年一开年，医疗领域和人工智能的结合确实打得火热。 待会儿我们可以把刚才提到的这些公司一个一个分析一下，看看它们的商业模式，以及它们分别是怎么用AI和医疗结合的，做一个非常详细的分析。在此之前，我想先和大家讨论一下，从医疗体系来看，现在中美医疗的痛点在哪里？ 叶斌，因为你在药企工作，平时接触的医生也比较多，你觉得他们的痛点是什么？比如，是不是花在行政文书上的时间比面诊还要多？ 周叶斌 ### 医生困在行政工作里 其实我太太就是医生，所以我比较有发言权。她也经常和我聊到这些事情。 挺明显的。我昨天还去查了一下，去年10月份有一篇论文，跟踪的是MGH，也就是Mass General，哈佛医学院的附属医院，研究的是他们全科医生的工作状态。最后发现，全科医生每周平均工作时间是61.8个小时。 这是非常长的工作时间，相当于你可能只有单休，剩下的6天每天要工作10个小时以上。但另一方面我们也知道，一个全科医生平均每天其实也就看20到25个病人，已经算最多了，最常见的很多时候只有15到20个病人。 他每次面诊的时间，大部分时候也就在15分钟左右，能超过25分钟是非常罕见的。如果把每周工作61.8个小时平均到每个病人身上，每个病人每年其实要花1.7个小时。但另一方面，他真正看这个病人的时候，并没有那么长时间。 中间的大部分时间显然都不是在给病人看病，主要是看诊引入的其他工作。像刚才泓君说的，行政工作就是很大的一块。他要和保险公司处理很多事情，还要把看诊记录记录下来，这带来了很大的问题。 一个是效率问题。美国医疗最大的一个成本其实是行政成本，既不是药价——虽然现在很多人说药价很高，这也是事实——但主要的成本是在医疗服务这一块，医生花了很多时间做行政工作。 另一方面，工作时间过长也造成了一个很现实的问题。美国有一个词叫physician burnout，可以理解为医生过劳。工作时间太长，会让医生觉得没有满足感。因为你可以想象，很多人去读医学院，不是为了在那里处理行政文书，也不是为了跟保险公司打电话交涉，他希望的是看病、治疗病人。 这会导致很多医生在心理上感觉特别疲劳，带来很大的问题。 泓君 你刚刚提到，医生在行政问题上花的时间很长。为什么会这么长？是因为他要和保险对接，还是说整个美国医疗体系在不断模块化的过程中，用于流程的时间越来越多？ 周叶斌 是的，用于流程的时间越来越多，其中保险是很大的一块。比如保险里面有一些治疗需要prior authorization，也就是事先要经过保险公司同意，否则这笔钱是报不了的，就会涉及到底由谁来付钱的问题。 另一方面，作为一个医生，比如要做一个手术，他在看病之前需要先了解病人的病历情况，看病之后还要做记录，这些都会引入很多行政工作。 美国的医疗体系本身又比较碎片化。一个新病人过来，有可能他原先的电子档案在另一家医院使用，而那套系统和你这里稍微不一样，甚至记录方式完全不同，这些都会引入很多琐碎的工作。总体来说，美国医疗的行政时间和成本都非常高。 张璐 我觉得叶斌总结得很好。美国比较大的一个问题就是，EHR系统本来是为了让我们更好地实现自动化和数据化，但它反而让医生花很多时间，变得有点像一个记录员，把大量信息转成数字化记录，还要去审核这些记录。 这个流程会导致医生付出很大的时间成本，但最后你会发现，他日常做的工作其实是一个巨大的资源错配。为什么要让这样高成本的人力去做一些低价值、重复性的劳动？ 但这就是医疗系统里面存在的巨大问题。包括现在我们能看到，美国这么多医院大部分都不盈利，也面临着比较重大的财务问题。与此同时，医生数量又不够，美国现在已经整体进入了缺少医生的状态。 这也是因为很多医生会觉得，我每周工作60多个小时，但可能只有三分之一的时间是在面诊、在实际做医生的工作，剩下的全都是行政工作。 再加上和保险公司打交道确实很复杂。像事先授权，还有另外两个环节，medical coding和medical billing，也就是后面的索赔、申诉过程，其实有一个数据非常夸张，这也是为什么之前大家会看到美国民众对医疗公司有这么大的怨念。 现在整个医疗支付系统非常复杂。医生要花很多时间确保medical coding做得正确，让保险赔付的过程能够顺利进行，但还是会有很多赔付要求被拒绝。被拒绝的支付要求，只有大约10%会进入申诉过程，但进入申诉的这些诉求，有80%都会被推翻，也就是说，它们实际上应该获得支付。 为什么会有这么高的推翻比例？就是因为它被拒绝支付的原因不是医学问题，而是文书和流程问题。这就给医生带来了更大的压力。如果他不能把文书和流程中的错误减少到最低，可能就会导致他的病患经历这样一个流程，才能获得保险公司的支付和赔付。 所以你会发现，在medical billing和medical coding层面花费了大量时间，但这些事情本来不应该让医生浪费这么多时间去做。 我记得之前有一个创始人，他之所以出来创业，是因为他以前是洛杉矶一家顶尖医院的急诊室医生。有些时候他前一秒可能还在拯救人的生命，因为急诊室来的病人往往处于生死存亡的阶段，但完成这些工作之后，他还要在半夜，甚至凌晨3点、4点，站在传真机前面处理medical coding。 他觉得自己的时间完全错配了，这也是为什么他辞职去做相关领域的初创企业。所以我觉得，这是大家可能没有意识到的医生困境。 其实还想给大家分享一个宏观数据：在人类社会产生的所有数据里面，有30%和医疗相关。但这些数据现在虽然很多都在被数字化、被收集起来，我们真正应用和使用到的还不到5%。 而在美国，整个医疗体系又占美国GDP的20%以上，所以这是一个巨大的潜在金矿。现在也到了一个非常好的时间节点，整个产业都愿意去合作，这也是现在做医疗AI创新的一个好时机。 泓君 在你刚才提到的美国医疗行政、保险和流程问题当中，我们刚才也提到了一些创业公司。有哪些公司是在解决这些问题？ 张璐 ### AI重构医疗后台 其实还比较多。包括Claude for Healthcare，它和其他几家公司不一样的一点是，它走的是基础设施路线，主要针对medical billing、medical coding、HIPAA合规，以及连接层API等需求。 这个方向虽然不是特别性感，不是直接通到应用端或用户端的技术解决方案，但对于整个医疗行政成本来说，是比较关键的一层。很多初创企业关注的方向，也和这一层相关。 核心是我刚才提到的medical billing和medical coding，这两个领域本身就是一个巨大的市场。另一方面，用AI做自动化也相对比较容易，因为它不需要生成新的数据，更多是规则型人工智能的应用，所以解决方案相对简单。 但系统植入的过程可能需要比较长的时间，因为它仍然要符合现在所有医疗系统和保险公司对于合规、连接层，以及数据托管方式的要求。所以这个方向我们会看得比较多。 另外一个方向还是数据隐私。我们有一家公司，就是我刚才提到的、和礼来以及英伟达重点合作的一家公司，它做的是联邦学习，叫federated computing。 它的第一步，是把系统植入美国60多家大型医疗体系。这样医院就可以在安全的语境下把内部数据分享给第三方，包括彼此合作，而不需要在物理层面转移或分享数据。它可以直接通过联邦学习平台进行数据共享。 所以federated computing在某种程度上也解决了敏感数据合规的问题。它现在在整个医疗领域的推进速度很快，这家公司也是礼来的重点合作方之一。它们还和ChatGPT合作了，因为ChatGPT也开始做医疗应用。 所以，怎样先把合规这一层解决掉，对于它们铺设应用层来说非常关键。这方面的技术解决方案在医疗领域推进得还是比较快的。 泓君 你刚刚提到medical billing和medical coding。Billing我可以理解，coding是指什么？ 周叶斌 比如最糟糕的一个情况是，一个患者去世了，你要记录他的死因。在医疗里面，很重要的一件事就是把这个患者中间发生了什么记录下来，这些都属于medical coding。 相当于是有一个代码需要输入。如果这里面出错，就会影响后面的保险，甚至影响如何确定医生在这个过程中到底有没有犯错，或者整个医疗过程是不是没有问题，都会有很大的影响。 泓君 但是刚刚张璐提到，Anthropic的Claude其实是在解决这一块的问题。按照叶斌刚才的意思，它是要详细记录整个医疗过程。出问题以后，第一是看这个病例是不是在保险赔付范围内；如果真的有医疗事故，还要界定责任到底在医生、医院还是病人。 张璐 其实不是这样。Medical coding还是要理解成一种翻译，叫医疗编码。就是把医生的诊断和治疗行为翻译成标准化代码，比如诊断代码、操作代码。 诊断就是说你得了什么病。如果你得了高血压，它有一个对应的代码，比如I10；如果是糖尿病，也有对应的代码。就像在中国，病历本上会写你得了什么病，但保险公司只认代码。 比如医生写这个病人得了高血压，但代码标错了，保险公司只看那个代码。操作方面，比如我们经常讲的CPT code，就是医生做了什么操作：让你做心电图、MRI、CT，医生也需要把对应的代码标上去。代码通常是一串数字，比如90000、80000、83000这样的数字，包括救护车等特殊医疗项目，也有相应的代码。 所以这个翻译过程很重要。如果代码错了，保险首先会拒付。拒付之后，医院就要去申诉，收款周期会被拉长很多。医院提供医疗服务之后，要等着收款来支持日常运营，因此医院也会给医生压力。 这就是为什么很多人只知道medical billing，却没有意识到医疗编码其实是非常核心的一环。它是一个几十亿美元规模的市场，而且会直接影响医院的营收和评估。 如果代码错误比较多，医院的评估也会受到影响。如果保险公司认为你存在upcoding，也就是过度编码，还可能罚款，甚至认为你有欺诈风险。 你会发现，这个过程本身并不复杂，但对错误的容忍度非常低，所以它对AI来说非常合适。它规则明确，是结构化、重复性很高的任务，而且有一个明确答案：你是高血压，代码就是这个。 我们看到的一些coding公司，说实话不一定需要用生成式AI，它本身就是rule-based的、很简单的对应过程。AI可以自动从病历中提取诊断信息，然后匹配代码。 当然，用生成式AI还可以检查：支撑这些代码的材料是否足够，或者预估我们提交的内容是不是有可能被拒付。这也是为什么Anthropic看到这个巨大的机会，想做这样的解决方案。 泓君 你知道它具体做哪几个环节吗？ 张璐 它有coding feature的话，好像有一个是专门针对ICD-10基础诊断代码的应用。HIPAA合规方面，它其实也有具体的解决方案。 泓君 HIPAA合规大概是多大的市场规模？叶斌，你要不要也跟大家解释一下，HIPAA合规在美国是什么意思？ 周叶斌 ### HIPAA成为入场门槛 HIPAA其实关系到医疗隐私，这是非常重要的。HIPAA合规可能是一个产品能不能进入医院的关键，如果不合规，可能根本进不去。 比如我太太在医院工作，她和其他人聊到病人的情况时，哪些信息可以告诉谁，哪些不能告诉？患者的姓名可能就是不能说的。 如果一个产品根本不符合HIPAA，比如医生能不能把一个病人的完整病历传到ChatGPT？显然是不行的。一旦传上去，就违反了HIPAA，被发现的话会是很严重的问题。 在制药公司也是一样。药企每个员工都要接受HIPAA培训，确保处理医疗隐私数据时，能够符合美国法律的规定。 张璐 HIPAA是保护医疗隐私数据的联邦法律，已经存在很多年了，我记得是90年代制定的法律。违规处罚非常高，可能达到百万美元级别，而且很容易触发集体诉讼。 我记得当时OpenAI公布过一个数据，非常惊人：每周大概有2亿多用户在OpenAI的ChatGPT上询问医疗相关话题。这也是为什么它想专门发布ChatGPT Health，而且它很明确地说，ChatGPT Health里的对话不会用于训练模型，这也是为了满足HIPAA合规要求。 泓君 我刚刚还在想，ChatGPT Health是不是一个专门针对医疗系统优化过的特有模型？为什么它不能和大模型并行解决？现在我理解了，它的一个特征就是隐私保护更好。 张璐 对，而且它在Health层面的数据，和普通GPT的数据是隔离的，也不会混在一起。当然，这是它公开宣布的，它也强调，和医疗相关的ChatGPT Health对话不会用于训练模型。 Anthropic做的其实更偏基础设施，所以他们明确表示，一定会提供HIPAA合规的云部署。云部署主要就是AWS、Google Cloud和Azure这3个平台，他们强调一定是HIPAA合规的部署。 它还非常强调，企业可以直接控制数据。比如我是一个医院，我用了Claude for Healthcare，但数据的控制权一定是在我手里。它在连接我们刚才提到的coding数据库时，也一定连接官方数据库，所以它提供的是企业底层解决方案。 某种程度上，这可能避免了更复杂的风险。因为如果直接和用户端连接，应用场景会更加多样，隐私风险也会更高。所以我觉得Anthropic在Claude for Healthcare上的打法非常聪明。 泓君 我确实觉得，大模型走向垂直领域应用时，在美国这一点尤其重要。不仅是医疗，可能在法律以及各种涉及用户敏感数据的行业，这都会成为一个门槛。大家担心的第一个问题就是隐私。 张璐 是的。所以你会发现，很多早年的医疗AI公司会直接做To C，或者更偏轻诊断、生活方式的应用。但如果真的要抓住巨大的医疗AI市场，还是要符合所有审批和合规流程，才能抓住最大的市场。 很多AI创业公司从一开始就不仅要考虑AI模型能力和应用解决方案的整合能力，还要考虑安全团队、合规架构，以及审计和法律层面的要求。 和医疗企业、医院合作时，还会有安全审查周期，也不能随便抓取所有数据来训练模型。就像你讲的，为什么在医疗领域我们看到的很多是小语言模型，而不是大语言模型？ 一方面是因为它的数据质量确实比较高，可以用有限的高质量数据针对特定应用场景进行优化。更重要的是，小语言模型未来有可能做本地化部署。本地化部署在隐私合规层面会有更大的空间。 泓君 ### OpenAI打造医疗操作系统 刚才我们分析了Anthropic的切入模式，再来说一下OpenAI。我注意到，OpenAI其实同时推出了两端产品。 一端是ChatGPT Health，也就是我们刚刚提到的，面向普通用户。大家可以连接自己的Apple Watch健康记录、医疗记录，以及锻炼数据，然后在上面询问健康问题。 另一端是ChatGPT for Healthcare，面向医院。目前已经有6家医院和它进行首批合作。你们怎么看OpenAI切入医疗的模式？ 我的问题可以拆成两个：一个是To C这一端，除了更加保护患者隐私，它还有什么特别的吸引力？另一个是To B这一端，它是怎么合作的？ 张璐 OpenAI做Health，我觉得有两个动力。 一方面，OpenAI从去年开始就在考虑怎样向To B转型。C端的付费确实是一个巨大问题，所以To B要看哪个市场足够大，同时有海量高质量数据，适合做初始整合。医疗当然就是一个巨大的市场。 美国GDP的20%都在医疗系统，人类社会30%的数据与医疗相关。现在应用得比较少，不代表它没有数据化。医疗系统的数据化程度其实非常高，这也得益于我们刚才提到的巨大行政压力。 医生在某种程度上就像是在做数据整合、数据生成和数据标注。他把数字化数据都记录在EHR系统和医院体系里面。所以对OpenAI来说，一方面是希望通过医疗体系在To B层面进行巨大的商业化探索，增加To B收入。 另一方面，这个行业的数据也是海量、高质量的数据。我们之前也提到过，OpenAI现在面临的挑战之一，就是如何进一步提升模型能力。在大量数据的基础上，数据质量比数据数量更重要。 C端持续增加更多数据，对模型能力的提升可能非常有限。但如果在B端通过To B推广，获得更多高质量的医院内部数据，对模型能力的提升会非常有益。 所以，这既是商业化层面的探索，也是模型能力战略层面的探索。 泓君 叶斌有补充吗？ 周叶斌 璐说得非常好。我们刚才说了很多行政问题，但医学本身也是一门科学，每天都有大量文献发表，也会不断更新知识。 过去医生每年都要修一定的学分，相当于了解最新知识。但这个过程肯定是不平均的，不是每个医生的知识都能快速、及时地更新。即使在同一家医院，不同医生也可能给出稍微不一样的治疗方案。 ChatGPT for Healthcare，至少从他们的介绍来看，似乎在这两个方面都有提升。一个是行政方面，比如帮助撰写事先授权的文书；另一个是研究和诊疗方案，它可以利用大量研究和公开的诊疗方案，在看到一个病人之后，帮助医生设计一个可能更好的诊疗方案。 我个人觉得，无论是保证每个患者的诊疗方案尽量合理，还是降低行政成本，这两个方向对整个医疗系统都非常有意义。 张璐 刚才因为讲了很多ChatGPT Health的C端应用，我想补充一点。OpenAI特别强调，它的C端产品有非常明确的免责声明，也明确表示用户仍然需要咨询医生，它并不进入诊断领域。这其实是在控制医疗风险。 所以从用户角度来说，也不要完全相信它，因为它明确表示自己不承担责任。这也是为什么它的C端产品灵活度更大。 但B端就不一样了。OpenAI未来希望成为医院级的AI操作系统，而不是一个工具。它想直接整合进工作流程，成为基础层。 它现在一个很大的趋势就是Agent，也就是智能体。它希望成为一个开发平台，让医院在它的平台上开发各种各样的智能体。所以它的野心还是很大的。 如果我们观察其他Healthcare AI应用，它们可能是一个独立App或独立产品。但OpenAI希望和医院内部的EHR工作流程直接整合，自动总结、自动补充资料、提供解释。 这个过程很有意思的一点是，大部分医院使用的软件系统其实是微软的。微软在To B层面上和OpenAI存在竞争关系。OpenAI想嵌入工作流程，但微软的产品已经嵌入其中了，所以我也很关注微软会有什么反应。 比如病历自动总结，如果医生使用的是Outlook和微软的整体Office系统，对微软来说，内部增加一个新功能会非常容易；但对OpenAI来说，仍然需要进行整体系统整合。 OpenAI现在也在说，它是一个开发平台，医院可以在上面构建自己需要的智能体。像刚才提到的医疗编码、辅助沟通等，都可以在这个平台上建立新型智能体。 所以你会发现，它进入医疗还是一个生态打法。虽然一开始应用端比较多，但它希望成为整个生态的一部分。生态打法可能对它未来的价值最高，但我不知道这种生态打法对医院的接受度有多高。 现在它合作的医院数量还是比较少。我记得斯坦福的儿童医院在和它合作，但目前还没有听到很多反馈，说明这种整合的速度到底有多快。 泓君 我觉得这还挺有意思的。美国这些大型科技巨头，其实是在抢占AI的SaaS系统。你刚刚提到，现在医院使用的系统很多是微软的Outlook。整个模型的质量已经在慢慢拉平，如果它们不改变现有基础，只是升级软件，让Outlook具备各种医疗总结能力，我觉得也可能走得通。 所以这一块的竞争还是非常火热的。 张璐 而且最近还有好几个开源生态模型发布。你会发现，可能在过去这些年里，现在正是开源模型能力和闭源模型能力差距最小的一段时间。开源模型既便宜又好用。 对于很多高监管行业来说，它们确实可能会考虑：有些敏感数据和敏感应用，是不是可以用低成本的方式自己在内部搭建；或者初创企业是不是可以用更低成本、更快迭代的方式，把这些应用场景搭建起来，再和这些行业合作。 但在这个基础上，我们要考虑，为什么要做小语言模型，做特定垂直领域的部署？就是为了消除幻觉。 在医疗领域不像C端应用，对幻觉几乎没有容忍度。所以虽然现在看到很多公司在做医疗相关的AI Agent，但我们仍然需要human in the loop，也就是仍然需要医生使用它，而不是用它来替代医生。 泓君 ### OpenEvidence靠检索突围 刚才我们分析了OpenAI和Anthropic这两家巨头在医疗领域的动作，接下来聊一聊开头提到的创业公司OpenEvidence。我觉得它也是今年整个医疗领域的一匹黑马。 2026年1月份的时候，我看到它的估值达到120亿美元，而且有40%的美国医生每天都在使用。它比较有特色的一点是，它会综合检索美国顶级期刊，然后生成回答，而且据说它和期刊之间签了独家内容合作。 大家怎么看？从训练数据和模型来看，它相当于是一款帮助医生的模型，对吧？ 周叶斌 对。美国医生可以通过顶级期刊，以及国家层面的最新诊疗指南，在遇到问题时直接提问。它会基于医学科学领域比较权威的证据，给出回答。 它解决的一个问题是，如果我们去问ChatGPT，有时候问医学问题确实会出现幻觉，或者它找到的医学证据层级可能有问题。比如我太太也试过，让ChatGPT综述某个领域的最新发展，它有时候会出现幻觉，编出一些文章，说发现了什么东西。 这在医疗领域肯定会有很大的问题。特别是如果医生遇到一个糖尿病病人，想知道现在的诊疗方案是什么，这时候出现幻觉，后续问题就会非常严重。 我理解OpenEvidence如果使用的完全是顶级权威期刊，又限定在标准诊疗方案范围内，就能把数据质量和回答质量控制得很好。 同时，它针对的目标人群非常简单，就是医生。它甚至只做一件事：医生需要最新知识时，它提供最新、最权威的知识，没有其他想法。它不需要给你做很多别的事情，最后的质量可能就会非常稳定。 这或许就是它现在成功的原因，有那么多医生愿意使用它。 泓君 那我理解，它不就是把这些资料输入进去，变成一个更加智能的搜索库吗？只不过搜索里面融入了更多智能而已。 张璐 就像你刚才对它的判断，它其实是一个高度优化的RAG，也就是retrieval-augmented generation架构。 从医疗领域的应用来讲，对幻觉的容忍度很低，同时医生对引用和信息的准确性要求非常高。所以你可以想象，它的RAG架构最终想实现的结果，就是对模型进行比较好的限制，保证它不要自由发挥，不要生成幻觉内容。所有内容都必须来自检索到的授权内容。 它有很多授权信息，里面的信息高度准确、质量很高。最后给医生的输出，也必须附带出处，这样就能保证正确率。 在这样的应用场景中，它基本上可以降低甚至消除幻觉，内容质量也很高。它进行的是结构化检索，不是随机检索，也没有生成式AI那种创造性推理。 它的模型优化能力主要体现在检索和筛选上：只接入高质量的医学信息和数据库，不受不相关信息或垃圾信息的影响，同时针对医疗场景进行了优化。医疗场景中的专业对话，和使用ChatGPT或Anthropic的Claude进行普通对话，语境并不一样。 但我知道大家觉得它现在是一家很火、估值也很高的公司，不过我不认为它是一家具有核心AI能力的公司。当然，它对RAG架构做了很好的优化，但我觉得它真正的核心竞争力是信息和数据。 它能够拿到高质量医学内容的授权，又在很短时间内实现了对大规模医生用户群体的渗透，所以现在使用率很高。它并不是在问诊，而是医生进行临床信息搜索和整合的工具，而且速度很快。对相对年轻的医生来说，现在使用率尤其高。 但它的商业模式很聪明，我也不知道是否可持续。它现在年收入大概是1亿美元，增长速度比较快，但所有医生都免费使用，它怎么赚钱？ 它像广告商一样赚钱，收入来自医疗广告、内容推广，未来可能还会做企业版本。它使用的是哪部分预算？所有医药公司都有药品代表去医院和医生打交道，在这个层面的预算非常高，包括说服医生考虑使用某种药物，或者向患者推荐新药。 现在这些大预算中，有一小部分被直接用在OpenEvidence上。只要你是免费医生用户，每天就会看到它上面的广告信息。 很多医药公司在做药品代表推广时，针对的是医院或科室里的核心医生。但年轻医生可以通过OpenEvidence上的广告，潜移默化地受到药品推荐和判断的影响，这就是它的商业模式。 有时候你也会考虑，医生的医学客观性怎么保证？比如药企想推广某种药，医生提问时，它是不是会优先推送和这个药相关的研究成果？这也是它未来商业模式可能遇到的挑战之一。 它现在的估值确实很高，大概是120亿美元，但收入只有1亿美元，所以我们可能还需要对这家公司保持观望。 C端迁移成本很低。对医生来说，如果出现另一个同样免费的解决方案，而且没有广告带来的客观性问题，或者未来Gemini、Claude或ChatGPT Health直接在日常AI应用中增加一个独立的医疗功能，OpenEvidence是不是还能保持现在的优势？这些都是未来值得关注的发展点。 泓君 它们是用RAG的方式，解决了很多医疗和医生在使用模型过程中对准确性的要求。 关于AI医疗模型，我觉得它们还要解决一个巨大的问题：毕竟你给人看病，不能出现任何错误，也不能有幻觉。垂直医疗模型和垂直医疗语料的训练是有必要的吗？还是说它最终会被大模型的能力覆盖掉？ 周叶斌 ### 垂直小模型守住准确性 我个人觉得还是有必要的。OpenEvidence其实就是一个例子，它甚至还不能算是整个垂直领域，只是从垂直领域里再引出很小的一块。 我们说AI如何帮助医疗，但AI有时候对医疗也有坏处。现在有很多“文献工厂”发表文章，很多灌水的医学论文都可以让AI编一篇，然后发表出来，这实际上会造成数据污染。 OpenEvidence做得非常垂直，范围非常小，限定了数据来源，但另一方面也提升了质量。这或许就是垂直领域的一个优势。 如果是完全的大模型，我理解风险可能相对更大，因为它引用的数据更多。一旦提到health，它可能会在网上找到美国那些wellness influencer，也就是健康领域的意见领袖提出的观点，这些观点或许也会被引入，因为确实有很多人相信它们。 但这些网站和《新英格兰医学杂志》上的论文，在证据质量和可靠性上还是有很大差异。如果是垂直类模型，这可能就是它的天然优势。 泓君 张璐怎么看？ 张璐 我非常同意叶斌说的。我觉得医疗AI是一个非常需要垂直语言模型的应用方向，就是因为它的专业性、数据质量，以及应用场景的多样性。 虽然我们说医疗行业非常巨大，但你想想，有多少类不同的疾病、多少类不同的医疗场景、多少种不同的医疗数据。数据总体量很大，但它的多样性和个体特质也非常强。 在这个基础上，医疗对幻觉的容忍度又很低，所以垂直领域应用是非常好的方向，也会是一个快速迭代的方向。 医疗领域还有一个天然特点，就是有很多边缘设备、海量医疗器械，以及智能医院中不断普及的电子化设备。这些医疗设备上都可以进行端侧AI部署。如果做端侧AI，就必须是小模型，否则大模型很难在终端运行，因为它的规模太大，对耗电量和算力的需求都很高。 再加上医疗领域不管怎么样都是高监管行业，数据隐私要求决定了你不可能把所有数据都传到云端。哪怕云端符合HIPAA，你也会希望核心数据能够本地化。作为终端患者，我当然希望最敏感、最核心的数据部署在本地，而不是云端。 所以医疗领域的这些特性决定了，即使大模型整体能力继续快速提升，医疗仍然更适合垂直小模型在特定应用场景中的部署和发展。 另外，刚才叶斌提到AI幻觉时，我想到的是自动驾驶的例子。现在我们需要医生和人工智能解决方案整合，其中一部分确实是为了明确责任：如果出现医疗问题，谁来承担责任？谁拥有最终解释权？ 你很难简单地说这是AI的问题，或者是技术平台的问题。最终还是需要一个具体的人，通常是医生，来承担责任和作出判断。 另外，我们也要对医疗保持敬畏。医疗领域还在不断迭代，人体是非常复杂的系统。对于一个病人，医生要判断重症疾病应该采取偏保守的治疗还是偏激进的治疗，而且每个人对疾病的反应和反馈都不一样。 有些部分可以相信AI来帮助规划，但有些东西没有办法通过单纯的数据体现出来。包括很多biomarker，我们现在还不明确。数据虽然已经非常庞大，但仍然是有限的。 比如我们有一家公司，是通过智能胶囊这样的微型机器人收集肠道菌群数据，也就是microbiome data。这些数据不仅和肠道疾病、癌症、消化系统疾病相关，也可能是脑部疾病，尤其是帕金森病的生物标志物。 但我们现在还没有足够的数据，所以没有完整的数据基础让AI进行全面、整体和个性化的分析判断。这就是为什么我觉得，医疗未来的发展方向，当然包括个性化、数字化，以及医疗和AI的整合，但我们总是需要human in the loop，需要医生使用这些工具，并作为主体作出最终判断。 泓君 ### AI成为第一层分诊 我觉得这里面可能还分为几个层次。刚才提到帕金森病，它可能已经是非常严重、大家确实有病要治疗的程度了。疾病治疗的难度越往上走，医生数量就越少，专业程度也越高。 同时，我觉得还有一部分需求是，很多人有时候觉得自己有点不舒服，会问一下AI到底是怎么回事。我有时也会遇到不知道该怎么处理的情况，就问一下AI。大体上，它还是能够判断，也能给出一个相对正确的方向。 对于一些比较初级的问题，比如感冒、失眠怎么办，AI是不是也可以成为一个挺有帮助的工具？ 张璐 当然。这就是为什么你会看到每周有2亿多人在ChatGPT上询问医疗相关问题。它能够提供非常快速的反馈，有些人还会把自己的血液检测数据、检测结果提交给AI。 刚才叶斌也提到，医疗资源并不平均、不平衡。无论在美国还是中国，大家都希望看到最好的医生，但最好的医生时间有限，也不一定拥有所有数据来作判断。他没有那么多时间去全面观察你持续监测的所有数据。 有些偏远地区的医疗资源相对落后，这时候AI的平均水平可能会高于当地的医疗水平。这就是为什么我刚才说，未来一定是AI和医疗的整合。 但我也不希望大家盲目相信AI的能力，觉得它可以解决所有问题。 泓君 所以我也很想问叶斌：如果你自己有一点不舒服，或者家人有一点不舒服，你会去问AI吗？你觉得AI给出的诊断建议现在可以相信吗？ 周叶斌 我会。很多时候我觉得它给出的建议还是挺有道理的。 一个问题不只是用不用AI，还有一个问题是怎么用。如果你得到一个答案，是完全相信AI，还是想办法继续追问，问它是怎么得出这个结论的、依据是什么？ 这可能帮助你更好地了解AI的判断到底对不对。 泓君 在这里面，AI其实做了一件事，就是分层诊疗。 比如在中国，大家的习惯是只要一有病就往三甲医院跑。在城市里，大家都往最大的医院去，基本上不太可能有人去旁边的社区诊所看病。有些人可能确实有病、需要看医生，但一想到医院要排很长的队，就不太愿意去了，甚至很多人连体检都不想做。 这最终会导致整个医疗效率不高、资源浪费，同时我们自己也没有得到很好的医疗服务。如果很多简单问题可以先通过AI处理，对未来其实很有好处。 美国有些地方可能也希望尝试。比如急诊室进来一个人，美国急诊永远都要等很久，等待的过程其实就是在判断：这个人是不是真的需要立刻就诊，还是可以稍微等一下。 如果这个过程加入AI，或许能够让处理更加合理，也能提高急诊的运营效率。尤其是一些偏远地区，人手不足，这种分流就更加有必要。 急诊通常是医院里亏损最严重的部门之一。 周叶斌 美国有保险赔付，有些人可能没有保险，最后一直拖到病情严重，才去急诊。由于没有保险，医院能够获得的赔付非常有限。政府可能会提供一些补助，但通常也比较有限。 所以有些医院甚至不一定愿意开急诊。现在有一些急诊被其他公司收购，它们有自己的方式增加收入，但增加的往往已经不再是传统意义上的急诊收入了。 在急诊里面，如果能更好地给病人分流、分层，就能提升服务，也可能让运营效率更高。 泓君 像我们问AI问题时，可能取代的是在中国去三甲医院排队的过程；在美国，可能取代的是打电话找家庭医生的过程，这本身也是一种分流和分层。 由于医疗资源有限，这种分流和分层，我个人感觉都非常有意义。 ### HealthBench改写医疗评测 刚才我们提到，大家也会关心AI给出的医疗回答到底专业不专业。OpenAI发布了一个评价标准，叫HealthBench。它使用真实对话场景，而不是选择题，来测试AI的能力。 这个标准由来自60个国家、26个专科、49种语言的262位医生参与制定。我看到它的结果是，o3模型得分为60%；如果把题目调整到非常困难的模式，最高分是32%。 叶斌能不能给大家科普一下，在OpenAI推出HealthBench之前，我们是用什么方法测试AI医疗能力的？它现在60%的得分意味着什么？仅仅是考了60分吗？我们可以相信AI吗？ 周叶斌 HealthBench的想法非常好。我们评价一个医生好不好，实际看病的过程肯定是对话：我最近发烧、喉咙痛，医生根据症状作出判断，还会继续询问一些信息。 但如果去医学院、做医生，首先要经历的是考试，考医学知识。以前AI的评分也可能是医学考试，比如大家看到过ChatGPT参加美国医生执照考试，考分比很多医生都高。那种考试就是选择题。 现在HealthBench的评价，是由几百位医生筛选出一个评分标准，模拟真实对话。病人来问一个问题，医生应该覆盖哪些要点，应该用什么语言回答，还要能够安抚患者。 比如有人说，我看到邻居昏倒了，应该怎么办？如果用ChatGPT来问这个问题，它应该覆盖哪些方面，才能算回答正确？这就要看它在一个具体医疗场景中的表现，是否符合最佳医学建议。 它不再是过去那种“血糖多少算正常”的知识点测试，而是要求模型在真实医疗场景下，覆盖回答中应该包含的各个方面。 以前还有MedQA和PubMedQA。MedQA主要测试书本里的临床知识，PubMedQA测试对科学文献的理解。HealthBench和它们完全不同，它更多测试真实医疗场景下，一个医疗回答应该覆盖哪些内容。 医生自己做这个测试时，答案也不一定完全一样。60分到底意味着什么，要看具体场景。有些我看到的测试结果中，急救场景得分相对较高；一些常见疾病，比如高血压，处理得分也比较高。 这说明从医学证据角度来说，它能够覆盖比较高比例的必要内容。当然，如果把难度调高，分数就会下降，可能说明一些比较困难的疾病仍然很难做到面面俱到。 如果急救场景做得比较好，那么在急诊室里对模型进行改进，也许可以帮助医生判断，或者帮助普通人判断。比如看到一个人昏倒了，你可以问ChatGPT，说不定它能给出比较好的建议。 如果分数比较低，还要看它到底差在哪些方面。如果有一些关键问题没有回答到，那确实是比较大的问题。 泓君 简单来说，以前测试AI医疗水平，是让它做选择题，ChatGPT可能很早就能考到90分以上。但HealthBench相当于让AI真正坐诊，然后让200多位医生从十几个维度打分。 而且我发现这个测试还有扣分项：如果AI犯的错误很危险，就会被扣分，所以它甚至可能得到0分，或者负分。 所以我们再来看60%的含金量，它其实比选择题里的90分要高得多，是这样吗？ 周叶斌 是的。 泓君 ### 创业公司仍能赢 最后我还有一个问题：你们觉得AI医疗这条路还是巨头的天下吗？ 张璐 我并不觉得它会是巨头的天下。 一来，医疗场景的市场很巨大，同时也非常多样，应用场景非常多变。所以从巨头角度来说，它不太可能整体覆盖。 二来，在医疗领域，巨头除了模型之外，做很多其他应用时的优势主要在数据。但医疗领域大部分核心数据实际上掌握在不同机构手中，包括医院系统、药厂和医疗公司。 这些大公司不会愿意把自己的所有数据都分享给大型科技巨头。相对来说，它们更愿意和初创企业合作，因为这样会觉得掌控度更高，而且初创企业做的产品也可能更加细分、更加垂直。 所以从这个角度来说，很难说巨头能够垄断或覆盖整个市场。当然，像EHR这样的底层软件系统，本身属于软件层，从科技公司的角度进行工作流程植入，可能更容易做。 但即使这样，你仍然会看到各种和工作流程相关的细分应用，初创企业会崛起，成长速度也会非常快。 还有最后一点，这个行业是高监管行业，信任非常重要。数据怎么部署、由谁托管、谁拥有数据，对很多医疗公司和医疗机构来说都非常关键。 过去这些年，整个医疗系统对科技行业在数据隐私层面的信任度相对较低。更不用说，如果很多数据要放在云服务上，哪怕云服务符合HIPAA，仍然会有很多不确定性。 一旦出现合规风险，或者我刚才提到的集体诉讼，最后承担责任和后果的还是医疗公司。所以从风险控制角度，它们也不愿意把一个巨大风险绑定在一家大型企业上，而是愿意把不同的小风险分散到多家技术供应商或AI服务商上。 泓君 Anthropic的Claude前几天推出了一个插件。这个插件推出以后，整个SaaS行业的股价都在大跌，我看到其中还有一个板块是面向Healthcare的。 你刚才提到，从合规角度来说，大家难道不会更加信任一个已经拥有良好声誉的巨头吗？它还会宣传自己拿到了各种合规认证，这难道不是大公司的优势吗？而且它的模型能力更强，整体上可以理解为处于更“聪明”的状态。 张璐 在医疗领域，模型能力强当然是优势，但更重要的是合规、安全和无幻觉。这可能比模型能力强更重要，是必须满足的要求。 再去看哪个模型能力更强。大型通用模型整体能力比较强，但在单一应用场景上，垂直领域的小模型可以针对这个场景优化到非常好的程度，完全可以和大公司竞争，至少可以打个平手。 你刚才提到Claude，我们前面也聊过，它做的不是应用端，而是底层基础设施，这也是它比较聪明的打法。作为一个大型技术解决方案，它可能更容易获得一些信任。 但即使这样，你也可以观察到，它的推进速度还是相对比较慢。 除了安全和合规，另一个问题是应用场景多样，数据基础设施也多样。美国不同医院、医疗公司使用的云服务和云基础设施并不一致，仍然有很多碎片化、个性化的特点。 对于标准化技术平台，比如Claude或其他大公司来说，做个性化服务和个性化产品投放的可能性会低很多，因为成本也更高。但初创企业拥有这样的灵活度。 泓君 你们觉得To C市场有机会吗？ 张璐 我觉得这个需求肯定存在。现在医疗界有一个很有趣的现象，就是大家会区分health和wellness。Wellness很多是To C的，health则可以想象成去医院看医生。 但很多时候，我们对健康的需求超过了医院和医生能够提供的服务。我们甚至希望wellness变成在网上看到某个人讲，怎么提升自己的生活状态。 这和医疗有关系，有时候又超出医疗范围，但仍然有很多人在看这些内容，这就证明大家的需求实在太高了。哪怕有些公司不愿意提供诊疗服务，大家还是在使用、在询问ChatGPT，所以这一块需求始终存在。 只不过To C最后能不能成功，是一个问题。但由于AI模型本身的特征，即使你不是完全做医疗模型，它也能够提供一些建议，最后还是会进入这一领域。 泓君 你刚才提到wellness，我觉得这是一个特别好的点。 前一段时间我在看《超越百岁》那本书，里面有一个观点我很认同：过去我们处在医疗2.0时代，如果生病，就先得病，再去寻求治疗。 但现在我们正在进入医疗3.0时代。比如苹果手机、智能手表和智能戒指，都可以追踪很多平时生活习惯的数据。我们去就医时也会产生各种数据。 这些数据可以让我们在健康发生重大危机以前，通过智能监测提前预防疾病。不是等到生病再治疗，而是通过数据更主动地管理健康，在问题发生以前就把它拦截下来。 有时候我拿到这些数据，也不清楚它是什么意思、应该怎么做。从消费者角度来说，把数据交给大模型，有时还是很有用的。如果能出现类似的垂直应用，我也会很感兴趣，纯粹从消费者角度来看确实如此。 张璐 对，因为我们聊未来医疗发展方向时，专注的是quality of life，也就是生命质量、生活质量。 要保证生命质量，不只是要活得久，而是希望到了八九十岁甚至100岁时，身体仍然健壮，大脑也很清晰。要达到这个结果，就需要更多preventive health，也就是预防性健康管理。 我们要预防疾病发生，或者在疾病发生早期进行诊断和个性化治疗，在疾病对身体造成的损伤相对较小时进行治疗和恢复，这些都是未来医疗的发展方向。 现在我们拥有海量的高质量医疗数据，在AI辅助下，可以帮助我们把很多数据连接起来。过去我们经常讲诊断，大家对诊断的理解是一个点：去看医生，判断当下有什么疾病。 但你想想，我们的身体变化、疾病演变和免疫系统变化，都是持续的过程。现在这些智能设备和数据收集，可以帮助我们进行持续监控和持续诊断。 这些数据不仅能帮助我们更早捕获疾病，也能为医生提供更多数据基础，进行个性化诊断和治疗。日常身体质量的维护，还有一个很重要的方向，就是大家经常讨论的longevity，也就是长寿科技。 它的核心就是生命质量。现在很多新技术已经不再把诊断和治疗分得那么开，而是把个性化诊断和个性化治疗结合起来，让两边的数据能够整合。 以前有很多技术专注于早期诊断，但没有治疗手段，所以大家会问：如果你诊断出这个疾病，却没有解决方案，怎么办？ 由于没有治疗手段，早期诊断和预防层面的资金、资源投入也不够。但现在很多疾病已经有了比较成熟、可以开始进入临床的治疗手段，大家就更愿意在预防和早期诊断技术上投资。 大家会很明确地说，早期诊断是有好处的，因为可以尽早治疗疾病，而不是像过去有些技术可以在患者患老年痴呆前10年诊断出来，却没有相应的治疗手段。那对人来说反而是一件很可怕的事情，你会想，10年之后我是不是会得这个病？ 所以现在是一个整个生态持续演变和发展的过程。 泓君 叶斌，你怎么看？ 周叶斌 从技术上来说，未来这样的技术肯定会越来越多，同时也和大家的关注点有关。 以前是生病以后把病治好，现在大家可能更关注整体健康状态。医院本身其实比较难做这样的事情。 这让我想起以前做基因测序的时候。我们做肿瘤医疗诊断，会给患者测序，看他的肿瘤存在什么突变，再决定使用哪一种靶向药。 如果是To C，就会变成23andMe给大家做测序，告诉你有哪些突变。但To C最后没有成功，是因为测序是一次性的。测完一次之后，你不可能再测一次，因为人的DNA不会改变，所以市场非常有限。 但AI医疗不一样。我们对身体的关注是持续的，理论上这是一个非常广泛的市场。当然，它可能不像直接连接医院那一块。 你可以想象，肿瘤分子检测每天都有大量癌症患者去医院，而且现在有越来越多新药，需要确定患者存在相应突变才能使用，药企也愿意为此付费。 To C方面可能稍微差一点。如果OpenAI收费，有些人可能会说，我找一个免费的行不行？这可能是一大挑战。但另一方面，这个市场确实是存在的。 泓君 聊到最后，我有一个很强烈的感受：AI医疗不是一个未来概念，它已经在发生了。 今天我们也聊到了很多问题，包括幻觉、隐私，以及谁为AI的判断负责。我觉得张璐有一句话说得特别好：我们需要human in the loop。AI是工具，医生才是主体。 叶斌提到的分流分层我也很认同。AI未必真的要替代最好的医生，但它可以让大家在凌晨3点不舒服的时候，至少有一个靠谱的第一步。这个领域呢，我相信2026年一定会发生更多大的变化，我们也会持续关注。谢谢张璐，谢谢叶斌，谢谢。最后，本期节目不构成任何投资建议，也欢迎大家在小宇宙、苹果播客、Spotify上订阅我们，也可以通过B站和YouTube搜索《硅谷101》播客来收听订阅。我是泓君，我们下期见。