京东阿里健康的阳谋

阿里，猛踹了京东一脚。

2026年初，国内大厂像是达成了奇妙共识：集体调转枪口，瞄准了海外的靶子：OpenEvidence。

没错，你没听错。这家成立仅4年、还没有上市的公司，估值一路飙到120亿美元，年营收超1.5亿美金，还对医生端全免费。 

当国内玩家还在纠结「向医院收微薄服务费，还是向患者收几块问诊费」时，这个「医疗版谷歌」，早已重构了AI的商业底层逻辑。

OpenEvidence到底做对了什么？凭什么成为医生的第一入口？

01

想搞懂它的崛起，得先戳破医疗行业最残酷的底层现实：人类大脑的生理极限，与医学知识爆炸之间的断层。

这话啥意思？

有组数据扎眼得很，1950 年，医学知识的整体更新周期约 50 年；2010 年，这一周期缩至 3.5 年；到 2025-2026 年，肿瘤、罕见病等细分领域的医学知识更新速率，比2010 年提升超 10 倍。

这意味着一个主治医师要是两个月没翻核心期刊，脑子里的治疗方案可能就已经版本过时了；可现实是，医生忙到上厕所都得掐着表来。

想查个罕见病最新的临床用药对比，去 PubMed 这类传统数据库一搜，瞬间弹出三千多篇论文，全英文还没翻译，等翻完前五篇，天都亮了，病人还在病床等着呢。

后来出了 UpToDate 这类临床决策支持工具，把文献做成了「教科书式」的条目，体验确实好不少，可它收费，更新还总滞后。

最关键的是，它不支持「自然语言对话」，你没法直接问：这个病人有肾衰竭，刚才那药要不要减量？

直到 ChatGPT 出来，医生们看到了对话式检索的曙光，可转眼又陷入绝望，因为AI幻觉太严重，毕竟严肃医疗场景里，AI 一本正经胡说八道是致命的。

怎么办？

这正是 Open Evidence 切中的第一个核心痛点：它把医生的「信息筛选时间」从几小时压到 3 秒，走了一条更苦却更对的路，也就是RAG（检索增强生成）+ 严格溯源。

Open Evidence 的狠劲就在这，给出每一个结论，后面都跟着密密麻麻的小蓝点，点开全是《柳叶刀》《新英格兰医学杂志》或 FDA 最新指南原文。

相当于把人类最顶尖的医学大脑，实时「合成」到医生手边，就这么着，它把医生要的信息快、准、信，全解决了。

这也是它能实现病毒式增长的原因。

2025 年，它月活冲到 40 万，覆盖美国约 34% 的执业医师，全年查询量直接破亿；更吓人的是用户粘性，医生平均单次会话时长高达 13.3 分钟。

互联网产品里，时长是金钱；但在医疗领域，时长代表「决策依赖」，当一个医生愿意在一个工具上花 13 分钟琢磨复杂病例，这个工具就成了他的「外脑」。

更绝的是，它还走了条「自下而上」的野路子。

以前国内大厂、医疗软件商想进医院，难到离谱，找院长、过信息科、走招投标，一套流程走完，AI 都成旧闻了。

但 Open Evidence 对医生全免费，它不用过医院信息科，也不用院长签字，主治医生查房间隙，私下在手机或 PC 上注册个认证账号，立马就能用。

这种「绕过公章」的渗透方式，让它在全美医生圈里病毒式传播。等科室主任都用它给下属划重点时，这个入口，就彻底被它攥死了。

02

有人肯定纳闷，对医生全免费的工具，咋能撑起高估值？不挣钱，靠啥活？总不能靠爱发电吧？

答案会让你大跌眼镜。

它不光活得好，还活得比谁都滋润，印钞机就藏在医生敲下「回车键」的那一秒。怎么说呢？咱们得先看一眼药企的痛苦。

美国医药营销是个超 820 亿美金的大市场（IQVIA 2025 年权威报告），以前药企想让医生看眼自家新药数据，得雇几万个西装革履的医药代表扫楼、请吃饭、办讲座，效率低到离谱。

在 Open Evidence 这，这事被做得又狠又高效，它切中的正是医生「决策时刻」这个黄金瞬间。

脑补个画面：

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

AI 生成客观、可溯源的答案后，在右侧或最下方会跳出标着「Sponsored（赞助）」的内容，正是某跨国药企刚获批的同类新药临床数据摘要，且所有数据均经过平台合规审核，与 FDA 获批适应症完全一致。

这在营销里叫「决策点截流」，对药企来说，这比电视广告、线下讲座管用得多，医生下一秒开出的处方，很可能会参考这个经过审核的专业信息。

第二，它卖医疗行业的注意力货币。

全美国执业医师约 118 万，个个都是手握处方权的高净值稀缺资源，而 OpenEvidence 一口气覆盖了 40 万，相当于触达了美国近三分之一的核心临床医生。

药企为了把新药精准推给这部分「处方权拥有者」，愿意支付极高的溢价，且业内测算，其单次有效触达成本，远低于医药代表线下拜访的车马费和人工成本，效果还能数字化、全程追踪。

看到这你可能会问：医疗决策工具里插广告，不违规吗？不怕被骂恰烂钱？这正是 Open Evidence 最鸡贼也最高明的地方：严格标注。

所有赞助内容，都用醒目字体标着 Ad 或 Sponsored，与 AI 生成的客观答案做明显视觉分隔，甚至会直接提示：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「先小人后君子」的做法，虽牺牲了一点点击率，却牢牢守住了医生的信任。医生知道这是广告，但也清楚里面的数据经过平台审核，合规靠谱。

对药企来说，只要不误导临床决策，这种「合规的商业推广」在美国既被允许，甚至还被鼓励，毕竟每年 820 亿美元的医药营销预算，总得有地方花。

当然，它做「卖水」的生意。

它把核心能力封装成 API，卖给医院和医学院，比如：把搜索能力嵌进医院的电子病历系统（EHR），医生写病历时能直接调用 AI 查指南，医院按年支付授权费。

它还和《新英格兰医学杂志》等顶级期刊合作，靠内容授权、版权分成获利；甚至做起了继续教育（CME）学分认证。

医生在这看广告、学知识，还能顺带拿学分，简直是把药企的营销费，变成了医生的「学习补贴」。

所以，智远总结，Open Evidence 的商业闭环很清晰：

用免费的高效工具，圈住高价值医生用户，沉淀高质量的临床决策数据，再向药企出售决策瞬间的精准广告位，赚高毛利收入，反哺数据采购和算力升级。

说白了，这模式和谷歌的「搜索广告」一样，只不过，谷歌卖普通信息，Open Evidence 卖和生命挂钩的专业医疗信息。

03

既然这套模式这么赚，中国大厂又个个是抄作业的好手，为啥到现在愣是走不通？别急着骂大厂没追求，背后真相比想象中更残酷。

第一座大山，是数据。

Open Evidence 能做到句句有依据，核心是美国有 PubMed、FDA、NEJM 这些统一又相对开放的权威数据库，就算有版权墙，至少路是通的。

中国这边是典型的「数据整合难」，中华医学会的期刊、万方、知网这些早就形成了出版方和数据库平台的稳定合作模式。

医院内网存的其实是电子病历、诊疗这些数据，核心文献都是公开的，只是要付费检索而已。

那真正的卡点在哪？国内医疗 AI 企业想拿实时、全量的权威医学数据，又贵又麻烦，还有些细分领域的临床指南更新了，数字化落地还慢半拍。

大厂训练医疗模型架不住数据获取权限有限，部分训练素材的权威性、时效性还差口气，这就导致不少医疗 AI 产品的回答，和医生在知网、万方查到的核心文献对不上，医生一眼就能看出问题，自然不可能真的依赖这个工具。

连医生的决策依赖都做不到，就别谈什么高价值的注意力了，后面想靠广告变现更是白搭。

再就是最致命的一击：信任天花板。在美国，药企给医生推学术数据是天经地义的商业推广；可到了中国，你敢在医生的搜索结果旁挂个药企 logo，哪怕标注得再明白，舆论的唾沫星子也能把你淹了。

这份信任成本，让 Open Evidence 最赚钱的广告变现模式，在中国几乎成了送命题。

第三点，很多人忽略的微观现实，中国医生工作强度。

Open Evidence 上的医生单次使用能待 13.3 分钟，那是因为美国医生真有时间琢磨病例。换成中国三甲医院的主治医生试试？

门口排着 80 号人，他恨不得能有个 AI 直接帮他把病历写了、把检查开了。他需要一个能帮他干苦活、累活、杂活的“赛博牛马”。

所以，简单照搬美国的「搜索 + 广告」模式，中国大概率水土不服；想做出中国版的 Open Evidence，得走一条比美国更「重」、更接地气的硬路子。

更残酷的是，就算把这些问题全解决了，还有个终极灵魂拷问：中国的药企愿意为数字营销买单吗？

美国药企几百亿营销预算没处花，中国药企的营销费大头，还砸在「带金销售」和线下会议上。虽说集采正在逼着药企转学术营销，但这个过程，慢得很。

所以，看京东、阿里、蚂蚁 2026 年初的这波冲锋，哪里看到了胜利曙光，分明是摸着石头过河的焦虑。

04

那国内这三家巨头，到底谁摸得一手好牌，谁又在裸泳？说实话，当下牌桌上，京东、阿里、蚂蚁的打法天差地别，压根是三种不同的基因底色。 

京东健康，手里握着枪，却怕走火。

它的核心是「工具+供应链+服务」的铁三角，牌面特别实，有药、有成熟供应链、还有现成的互联网医院，推出「知医」的目的也贼明确，就是托底卖药和健康管理业务。

医生在知医上查完指南，京东就盼着他顺手在京东大药房开方，或把患者导到自家互联网医院做后续管理，这套查-诊-疗-药、的闭环，妥妥离钱最近的打法。

但软肋也明晃晃的。

绕不开「既当裁判又当运动员」的信任危机，要是「知医」的回答悄悄偏向京东大药房在售的药，或引导医生去自家互联网医院接诊，这份「中立性」直接就崩了。

医生难免会警惕，你到底帮我查资料，还是想赚我的药钱？这份警惕，会直接消解使用信任；更何况京东的基因本就偏交易，比起阿里、蚂蚁，缺了顶尖的AI基础大模型研发能力，技术护城河也稍浅。

阿里健康氢离子是手里攥着「核武」，却愁没靶场。

它走纯粹的技术极客路线，也是最贴近Open Evidence原生形态的玩家，核心优势硬得很，背靠阿里云和通义千问大模型，技术底座是三家里面最厚的。

阿里野心是想打造「医疗OS」，把「氢离子」嵌进医院的HIS系统、医生的工作站，成为医疗场景的底层操作系统。

要能啃下「数据合规」这块硬骨头，再借着阿里生态（支付宝、阿里云、钉钉）打通B端和C端，它的天花板绝对是三家里面最高的。

软肋也很突出。

离「交易」和「服务」太远；阿里不缺流量，支付宝医疗健康频道摆在那，但比起京东，少了硬气的供应链和成熟的自营医疗服务。

医生用它查完资料，然后呢？阿里没法像京东那样，直接接住后续的药品和诊疗服务。这种「工具属性过强、交易属性过弱」的问题，让它面临不小的变现压力。

最有变数的，是猛踹京东一脚的蚂蚁「阿福」。

为啥呢？阿福的打法特像黑马，甚至压根没盯着药企那点广告费。蚂蚁的核心逻辑是，靠AI深度扎进医生的诊疗流程，甚至未来打通医保支付、商保理赔的核心环节。

比如：

AI辅助诊断能大幅降低保险公司的赔付率，或是减少医保基金的浪费，那这些省下来的钱，全是它的毛利；这招走得最险，牵扯的利益方也最复杂，但一旦跑通，它的护城河会是三家里面最深的。

在我看来，京东最有可能做成「医疗版淘宝」，阿里「氢离子」则有机会成为「医疗版安卓」，而蚂蚁，最可能做成「医疗版微信」。

所以，我的结论很明确：短期看京东，长期看阿里，蚂蚁在找新故事；未来3年，我们大概率看不到一家独大的「中国版Open Evidence」。

因为医疗市场本身会走向分化，严肃医疗场景（三甲医院科研、复杂诊疗），会被阿里或是垂直医疗AI公司拿下；基层医疗和药店场景（常见病、慢病管理），大概率会被京东垄断，成为它卖药和做服务的辅助工具。

而C端医疗场景，会是蚂蚁、百度健康等玩家的主战场，核心拼生态和资源整合。

其实Open Evidence教给中国大厂最核心的一课，就一句话：如何用免费工具圈住高价值用户，再把他们的需求卖给真正的买单方。

这场医疗AI的战役，刚刚开战，谁能先让医生从心底喊出一句「真香」，谁就攥住了通往未来的船票。

本文来自微信公众号 “王智远”（ID：Z201440），作者：王智远 王智远，36氪经授权发布。