从医生搜索到制药公司：OpenEvidence完成D轮融资，估值升至150亿美元

2026年9月25日，专为医生提供AI搜索服务的OpenEvidence宣布完成2.5亿美元D轮融资，投后估值升至150亿美元（约合人民币1007亿元），较今年1月完成的上一轮120亿美元估值上涨25%。本轮融资由安德森·霍洛维茨（a16z）与Byers Capital联合领投，多家医院系统参与跟投，据《商业内幕》报道，公司过去一年的融资总额已超过10亿美元，现有投资方还包括Thrive Capital、DST Global、GV（谷歌风投）、凯鹏华盈、红杉资本与英伟达。

这是一家2022年创立于迈阿密的公司。它的起点刻意克制：拒绝做通用AI助手，只做医生在诊疗现场可以信赖的循证临床搜索工具。它的系统以同行评审的医学文献和治疗指南为基础，帮助医生快速检索诊断依据和用药建议，而非生成不可追溯的"AI意见"。这种定位上的保守，是日后能够打入顶级医疗机构的前提——医院采购决策高度依赖专业信任，泛化AI的能力演示通常不够用。OpenEvidence将自己的产品定位为"史上增长最快的医生应用"，据《商业内幕》援引数据，目前美国超过三分之二的执业医师依靠其获取诊断和治疗建议。

渗透率数字背后，是一条数据护城河的成形逻辑。据报道，仅2026年8月一个月，美国临床医生就通过OpenEvidence完成了4200万次诊疗咨询。这意味着，OpenEvidence已不只是一款工具——医生如何检索、对哪类疾病查询频率最高、在哪些罕见病案例上反复求证，所有这些交互轨迹都在系统后台形成了一张其他公司几乎无法复制的临床医学知识图谱。也正是这张图谱，支撑起了此次融资伴随而来的最大战略转变。

据福布斯报道，OpenEvidence首席执行官Daniel Nadler披露，公司计划在2026年年内将首款候选药物推入临床试验，并在2027年跟进另外三至五个候选分子，初期聚焦罕见癌症——即大型制药公司"没有在做、也许做不了"的细分领域。Nadler的逻辑是：OpenEvidence的医生网络赋予了公司一项独特能力，可以为罕见病临床试验高效招募患者，而这恰恰是罕见癌症药物开发最难跨越的障碍之一。从这个角度看，药物研发并非无中生有的多元化，而是一条由数据资产向产品管线的自然延伸。

支撑这一战略的具体合作已经落地。就在融资公告前数日，OpenEvidence与纪念斯隆凯特琳癌症中心（MSK）宣布深度整合：OpenEvidence被嵌入MSK的Epic医疗系统工作流，MSK 70%的医学教员已在使用该平台；同时，MSK旗下精准肿瘤学数据库OncoKB通过OpenEvidence向全国临床医生开放。据福布斯报道，OpenEvidence还与美国国家综合癌症网络（NCCN）达成了早期协议，将联合双方积累的数据构建自有药物管线。手握MSK与NCCN两大顶级肿瘤机构的数据合作关系，这在行业内极为罕见——也解释了为何该公司能够在短短九个月内完成两轮高额融资。

此次融资的另一条主线，是与Anthropic的技术合作。据多家媒体报道，OpenEvidence与Anthropic于9月22日宣布合作，双方将基于Anthropic的底层模型构建专有医学AI管线，并向约100个国家的医疗机构免费开放，重点覆盖安哥拉、海地、蒙古、苏丹、乌干达等医疗资源匮乏地区。这一动作在商业层面的意义在于：OpenEvidence以"普惠"的方式完成全球医生数据网络的快速扩张，同时为Anthropic提供了医疗场景的真实规模化部署案例——双方利益高度一致，财务条款未予披露。

OpenEvidence并非在真空中独自成长，竞争格局同样在加速演变。老牌医生平台Doximity的最新数据显示，其AI搜索查询量实现单季度25%的增长，旗下Scribe（AI医疗文书工具）用户数同比增长十倍。Doximity依靠20多年积累的医生社区与处方数据，正在同一赛道上加速。与此同时，OpenAI已在包括MSK在内的八家医疗机构启动企业工具试点。值得注意的是，MSK同时与OpenEvidence深度整合，并参与OpenAI试点——这说明顶级医疗机构在AI供应商上并不排他，多方押注是目前的主流姿态。

然而，OpenEvidence的数据资产在结构上与上述竞争对手存在本质差异。无论是通用AI巨头的医疗试点，还是Doximity的工作流工具，都尚未能积累到OpenEvidence那种量级的临床检索行为数据——4200万次月级咨询、覆盖三分之二美国执业医师的网络，以及由此衍生出的真实医疗决策路径。这是专业AI建立护城河的典型范式：不是在模型能力上争最强，而是在单一高价值场景中做到不可替代，再以此为根据地向外扩张。

《商业内幕》的报道中还出现了一个耐人寻味的细节：知情人士称，OpenEvidence"或愿意考虑出售公司"，出售内容可能包括算力资源使用权；理由是，如果反AI情绪持续升温并阻碍数据中心扩建，未来算力供应可能趋于紧张。报道同时注明，目前尚无法核实是否已有潜在收购方表达并购兴趣，公司也可能选择继续保持独立。仅凭知情人士表述，这一信号难以定性，但它提供了一条估值逻辑的补充线索：150亿美元的定价中，很可能内含了对战略买家——OpenAI、谷歌、Anthropic、微软或大型制药公司——收购溢价的预期。英伟达作为现有投资方的存在，也为潜在并购设想增添了更多想象空间。

（以下为基于现有信息的分析判断，非已证实事实。）OpenEvidence在2026年9月所处的位置，是一个"窗口期"与"路径选择"并存的节点。药物研发的战略转型，将公司的风险敞口从"能否维持医生粘性"急剧扩大到"能否通过临床试验"——后者的不确定性要高出数个量级，且时间周期通常以年计。年内将首款候选药物推入临床试验，是一个可以公开追踪的时间节点：如果这一承诺在2026年底兑现，说明其医学数据资产已具备指导药物筛选的实际能力；如果推迟，则会对估值逻辑中的"药物发现平台"部分产生直接压力，进而影响下一轮融资或并购谈判的话语权。

对于正在垂直AI领域寻找落地路径的开发者和企业用户，OpenEvidence的案例提供了三条逻辑。第一，"高壁垒专业场景+不可替代数据"是垂直AI对抗通用AI巨头最有效的护城河构建路径，医疗只是其中一个已被验证的领域，同样的逻辑适用于法律、工程、金融等任何存在高专业门槛的行业；第二，Anthropic与OpenEvidence的合作模式——底层模型+垂直应用+全球分发——提供了一套可参考的技术合作框架，并非每家垂直AI公司都需要自己训练基础模型，借用通用基座、专注专业数据和工作流整合，是当前阶段更现实的路径；第三，MSK的案例说明，医院系统级别的企业采购决策仍然高度依赖"专业信任"的长期积累，用模型能力数字打动临床决策者，难度远高于打动科技部门。

一家在四年内从零到150亿美元估值的医疗AI公司，正在试图回答一个问题：当AI积累了数亿次真实临床交互，它能否独立完成从"理解疾病"到"制造药物"的跨越？年底前进入临床试验的首款候选药物，将成为这个问题的第一次可验证的回答。