它没有庞大的销售团队，核心工程师仅 25人； 它不向用户收一分钱，却做到了 35亿美金 的估值； 它不是 ChatGPT 那样的通用玩具，却拿下了 全美 40% 的医生，每月处理 1700万 个关乎生死的临床问题。

它就是 OpenEvidence。【不知道怎么注册的可以找我】

最近，OpenEvidence 的联合创始人兼 CTO Zack Ziegler 接受了深度访谈，揭秘了这家“特种部队”般的公司，是如何在医疗这个最难啃的骨头里，挖出一条百亿赛道的。

拒绝“黑盒”：为什么医生不敢用 ChatGPT？

ChatGPT 惊艳了世界，但在医疗领域，它有一个致命缺陷：幻觉。

Zack Ziegler 指出，ChatGPT 的工作原理是一个“黑盒”。你扔进去一个问题，它基于概率“猜”给你一个看起来很自信的答案。但在医疗场景下，哪怕 0.1% 的瞎编都可能导致医疗事故。

OpenEvidence 走了一条完全相反的路：自下而上（Bottom-up）。

它的逻辑不是“生成”，而是“基于证据的重组”：

1. 理解问题： 像医生一样拆解临床诉求。

2. 全网溯源： 在 4000万篇同行评审论文、FDA 标签、协会指南中进行检索。

3. 锁定证据： 找到确切的几个段落或句子。

4. 生成答案： 基于这些证据回答，并附带每一个观点的原文引用。

“如果有不懂的地方，它会闭嘴，而不是瞎编。” 这就是它能成为除 iPhone 外，美国医生普及速度最快科技产品的核心原因。

技术护城河：模拟顶尖医生的“判断力”

做搜索谁都会，OpenEvidence 凭什么值 35 亿美金？

Zack 透露，他们最大的技术壁垒不是算力，而是模拟医生评估证据权重的能力。

想象一下，面对同一个疾病，系统搜到了三份资料：

• A：一篇 10 年前发表在顶刊《新英格兰医学杂志》的三期临床试验；

• B：一篇 2 年前发表在普通期刊上的 Meta 分析；

• C：昨天刚发布的一个会议摘要。

谁更可信？谁更符合当下的病情？

OpenEvidence 的算法核心，就是训练 AI 像人类专家一样去**权衡（Weighing）**这些证据。它不是关键词匹配，而是对医学文献价值的深度理解。

增长策略：不搞定院长，直接搞定医生

传统的医疗 SaaS 软件怎么卖？ 找医院 CIO（首席信息官）喝茶、搞定行政高层、走漫长的招标流程，最后强推给医生用。医生通常怨声载道。

OpenEvidence 采用了 PLG（产品驱动增长） 模式：

• 直接面向终端： 不经过医院决策层，直接把 App 放到医生面前。

• 极致口碑： 医生发现这东西能在这个“知识爆炸”的年代（每天新增1万篇论文）帮他们节省大量时间，自然会推荐给同事。

• 农村包围城市： 对于缺乏专家资源的农村医生，OpenEvidence 就是他们的“随身专家团”。

结果就是：零销售人员，全美 40% 的医生渗透率。

商业模式：靠“思考时间”赚钱

这可能是 OpenEvidence 最反直觉、也最聪明的地方。

给医生用的顶级工具，竟然完全免费。那怎么赚钱？卖数据？不。

Zack 揭秘了他们独特的商业模式：利用 AI 的“思考时间”展示广告。

由于系统需要实时阅读海量文献并进行归纳，生成答案前通常需要几秒钟的加载时间。OpenEvidence 利用这个自然的**“等待间隙”**，向医生展示制药公司的精准广告。

• 医生不反感： 因为没有打断工作流，是在等结果时顺便看到的。

• 药企很喜欢： 因为屏幕前的是经过实名认证的、正在寻找治疗方案的真医生。

这种类似谷歌搜索的广告模式，完美平衡了用户体验和商业变现。

组织哲学：25人的特种部队

坐拥几十亿美金估值，团队却只有 25 个工程师。Zack 直言，他们追求的是地球上最高的人才密度。

• 无中间层： 没有层层汇报的官僚主义。

• 极高适应性： 招聘标准是极强的“神经可塑性”（学习能力），能适应 AI 技术的日新月异。

对于他们来说，扩招不是本事，用最少的人解决最难的问题，才是 AI 时代的生存法则。

从 Copilot 到 Agent

OpenEvidence 的野心不止于问答。Zack 剧透了即将上线的 "Deep Consult"（深度会诊） 功能。

这不再是简单的“你问我答”，而是让 AI 变成一个代理人（Agent）。

医生可以说：“帮我对这个疑难病例做一份详尽的研究报告，对比三种潜在疗法的优劣。” AI 会像一个不知疲倦的专家组，花几分钟时间，完成人类需要一个月才能做完的深度文献综述。

OpenEvidence 的故事告诉我们，在 AI 时代，垂直（Vertical） 比 通用（General） 更具杀伤力。

当所有人都在试图造一个“全知全能的神”时，这 25 个人选择造一把最锋利的“手术刀”，精准切入了医疗行业最痛的神经。

这或许就是 AI 应用落地的最佳范本。