醫療 AI 獨角獸估值翻倍至 $12 Billion

臨床決策支持的格局在本週大幅轉變。OpenEvidence，這家廣被稱為「醫師版 ChatGPT」的醫療 AI 新創公司，已在新一輪融資中取得 $250 million，將其估值推升至驚人的 $12 billion。這一里程碑不僅代表公司先前估值的翻倍，也凸顯了風險投資生態系對於能提供實際、重大用途的垂直領域人工智慧（生成式AI（Generative AI））的巨大需求。

對 Creati.ai 團隊而言，這一發展標誌著生成式AI（Generative AI）成熟度的一個關鍵時刻。我們正從通用聊天機器人的年代邁入一個專門領域、具領域專家能力的模型擁有高估值與廣泛採用的階段。根據報導，現今超過 40％ 的美國醫師 已在使用該平台，OpenEvidence 已有效鞏固自己成為現代美國醫療體系中的關鍵基礎設施。

「醫師版 ChatGPT」的崛起

OpenEvidence 透過解決通用大型語言模型（Large Language Models，LLMs）在醫療領域中最關鍵的缺陷：幻覺（hallucinations），而建立了其獨特的優勢。像 GPT-4 或 Claude 這類通用模型是以廣大且常不可靠的公開網路資料訓練而成；而 OpenEvidence 的架構則專門索引並綜整來自受信任的同行評審醫學期刊、臨床指引與 FDA 資料庫的資訊。

這種「紮根」（grounding）能力使該平台能提供不僅語言流暢，且在臨床上準確且有完整出處的答案。當醫師詢問有關藥物交互作用或罕見疾病處置流程等複雜問題時，OpenEvidence 會產生直接連結到底層來源文本的回應。

採用率快速提升的主要驅動因素

能迅速達到 40％ 醫師滲透率，可歸因於數項將 OpenEvidence 與競爭對手區隔的因素：

• 可驗證性： 每項主張皆以直接連結至醫學論文的註腳註明。
• 時間效率： 它能在數秒內解析數千篇論文，替醫師節省數小時的研究時間。
• 工作流程整合： 該平台已超越單一網站形式，整合進電子病歷（EHR）系統。

拆解 120 億美元估值

在 2026 年一般 SaaS 新創公司資本環境相對緊縮的情況下，估值躍升至 120 億美元（$12 billion）意義重大。然而，醫療領域的 AI 仍屬例外。投資者押注 OpenEvidence 不僅是搜尋工具，而是構成醫學新作業系統的基礎層。

這筆 $250 million 的注資預計將推動三大主要計畫：

1. 擴展至專門領域： 從一般內科與家庭醫學擴及至如腫瘤學與基因體學等高度複雜領域。
2. 國際成長： 將模型調整以符合歐洲與亞洲的醫療法規與語言。
3. 代理型工作流程（Agentic Workflows）： 開發能不僅回答問題，還可自主撰寫病患紀錄、預先授權保險理賠，並即時標示潛在禁忌的 AI 代理人。

垂直化 AI vs. 通用 LLMs

若要理解為何 OpenEvidence 相較於建立於 OpenAI 或 Anthropic 模型之上的包覆器能獲得如此高的溢價，必須檢視其架構差異。通用 LLMs 是以合理性為導向的機率引擎；而 OpenEvidence 則是一個為事實嚴謹性優化的檢索增強生成（retrieval-augmented generation，RAG）系統。

下表說明了使 OpenEvidence 成為醫療專業人士首選的關鍵差異：

Comparison: General LLMs vs. OpenEvidence

Feature	General LLMs (e.g., ChatGPT, Gemini)	OpenEvidence
Training Data	The entire open internet (Reddit, Wikipedia, Blogs)	Peer-reviewed journals, Guidelines, FDA Labels
Hallucination Rate	Variable (prone to confabulation)	Extremely Low (Strictly grounded in sources)
Citation Style	Often generic or non-existent	Precise, clickable citations for every claim
Regulatory Focus	General consumer safety	HIPAA compliant, medical-grade security
Primary Metric	User engagement and creativity	Clinical accuracy and safety
Target Audience	General Public, Developers	Physicians, Researchers, Students

臨床資料中的網絡效應

OpenEvidence 成功的一個較少被討論但極為關鍵的面向，是其創造出的資料飛輪。當全國近一半的醫師在查詢該系統時，該公司掌握了一個前所未有的「醫師不知道什麼」的資料集。

每一個輸入系統的查詢都暗示了一個醫學知識的缺口或臨床流程的摩擦點。這些彙整後的資料對製藥公司、醫療器材製造商與教育機構極具價值。它使業界能即時掌握第一線臨床醫師面臨的挑戰，進而回應以更好的藥物、更清晰的指引與更有針對性的教育。

挑戰與倫理考量

儘管融資消息帶來的歡欣鼓舞，挑戰依然存在。隨著 OpenEvidence 擴張，它面臨所有 AI 內在的「黑盒（black box）」問題。即便有引用，也存在醫師可能過度依賴 AI 綜整結果，而跳過驗證原始來源的風險。

此外，120 億美元的估值也給公司帶來極大的變現壓力。目前，該工具為了驅動採用率，對個別醫師大多維持免費或低成本。轉向企業級的營收模式——很可能透過醫院系統與保險支付方——將是其長期可行性的真正考驗。

專業級 AI 的新標準

OpenEvidence 的成功成為專業級 AI 未來的藍圖。我們很可能在其他高責任領域見到類似的「OpenEvidence 時刻」，例如法律、結構工程與法務會計。

對醫療領域而言，意涵很清楚：不受輔助的人類記憶時代正在終結。正如沒有會計師會不靠試算表工作、沒有飛行員會在沒有雷達的情況下飛行，醫師在沒有 AI 支援下執業正變得越來越不可行。OpenEvidence 已取得資金，以確保其在可預見的未來繼續成為飛行員信賴的副駕駛。

這一輪 $250 million 的融資不僅是一筆交易；它宣告了在高風險的醫療世界裡，準確性就是最終的貨幣。