巨頭盯著的這塊市場，被一個醫生做到年入1億美元

出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「47」篇文章。

AI 醫療賽道不缺故事，但真正跑通商業閉環的不多。Abridge 是其中之一。

它不只是融資，而是已經在賺錢：150 多家醫療機構在用，年收入超過 1 億美元，估值從 2024 年底到 2025 年中翻了將近一倍。在大量 AI 醫療公司還在做概念驗證的階段，Abridge 已經完成了從產品到規模的跨越。

這背后有一個正在發生的行業趨勢：據 The Information 報道，AI 搜索引擎 Perplexity 的估值是年化收入的 170 倍，Anthropic 是 58 倍，OpenAI 是 43 倍。投資人給應用層公司的溢價，正在系統性地超過基礎模型公司。資本已經在用錢投票：真正理解某個行業、深度嵌入工作流的垂直 AI，比賣鏟子的更值錢。Abridge 就是這個判斷的醫療版本。

這家公司的融資故事也十分順利，7 年，53 億美元估值，7.6 億美元融資。這串數字背后，是一位心臟科醫生從每天寫 2 小時“宵夜筆記”到創辦 AI 公司的故事。

在美國，看診 1 小時，寫病歷 2 小時。很多醫生下班后還要在家補筆記，這段時間被叫做“睡衣時間”。Abridge 做的事，就是把這 2 小時還給醫生，醫生和患者聊完天，幾秒鐘自動生成一份結構化病歷筆記。

硅谷風投機構UpHonest Capital投研團隊告訴虎嗅，Abridge本質是在用AI打造醫療行政流程的入口，其長期價值取決于是否能從降本工具升級為收入驅動系統（醫囑記錄 -保險編碼-理賠申訴），在EHR生態中建立不可替代的位置。從目前來看，Abridge構建了三方面的壁壘：數據閉環和臨床場景深度適配；可信AI設計；以及EHR集成，未來更大的想象空間在于從“花錢的工具”到“創造價值的引擎”。

一個被大模型激活的舊想法

這個故事有一個容易被忽略的時間節點：Abridge 創立于 2018 年，ChatGPT 出現于 2022 年。

Abridge 創始人 Shiv Rao是匹茲堡大學醫學中心的心臟科醫生，同時在 UPMC 的風投部門擔任高管，負責評估醫療前沿技術。2018 年他開始創業，用的是那個時代能找到的最好的技術——BERT、BioBERT、Longformer 等預訓練模型，可以對特定任務做微調，但能力遠不及后來的大語言模型。

從 2018 到 2022 年，團隊用了 4 年時間做產品，沒有急著鋪市場。銷售周期長達 18 個月，醫院的采購決策緩慢而謹慎。

2021 年，Shiv 參加了一個以生成式 AI 為主題的行業晚宴。兩年后，他接到了無數從那次晚宴回來的人打來的電話：“我現在明白了，我也要嘗試一下。”

大模型的出現，不是改變了 Abridge 在做的事，而是改變了所有人對這件事的認知。之前需要 18 個月說服的客戶，幾乎一夜之間開始主動來談。Shiv 把這個過程描述為“把潛在能量轉化為爆發力”。

Abridge 的核心邏輯——理解對話語義、生成結構化文本——恰好是大語言模型最擅長的事情。所以當 GPT 出現的時候，Abridge 不是在追趕技術，而是技術終于追上了它的產品設計。

本科畢業于卡內基梅隆大學的 Shiv，在技術判斷上并不依賴直覺。他的團隊里有 CMU 的 AI 教授擔任 CSO，公司同時使用網絡規模大模型和微調的開源模型（包括 DeepSeek 等）。在他看來，每當底層模型有新進步，對應用層公司都是利好：那些懂得如何將這些技術塑造成特定用例的公司，絕對受益。

從對話到病歷：產品是怎么工作的

Abridge 做的事情聽起來簡單：把醫生和患者的對話錄下來，自動生成病歷筆記。但實際難度在于，醫療對話的環境嘈雜、口音混雜、醫學術語和日常用語交織，Abridge 的語音識別引擎專門為這類場景訓練過。

更關鍵的是，Abridge 不只做轉錄，它還要理解對話內容，生成符合醫療標準的結構化筆記——也就是 SOAP 格式：主訴、客觀檢查、評估、計劃。醫生拿到后，稍作核改即可簽字。

Abridge 已集成進 Epic，這是全美覆蓋率 42% 的電子病歷系統。問診結束后，筆記幾分鐘內直接出現在 Epic 里。目前支持 55 個以上專科、28 種以上語言，包括對話中途切換語言、或有翻譯介入的場景。

Abridge 最關鍵的功能叫 Linked Evidence（關聯證據）：AI 生成的每一句話，都鏈接到原始對話的對應片段。醫生看到“患者主訴胸痛持續三天”，點擊即可聽到當時的錄音。這個設計直接回應了醫療領域對 AI 的最大疑慮——萬一 AI 編造內容。數據顯示，Abridge 系統能識別出 97% 的 AI 錯誤內容，通用大模型的這一數字僅為 8% 至 90%。

這種準確率背后，是一套不算簡單的技術架構。生成一條看似普通的臨床筆記，Abridge 在后臺可能調用和協調 15 到 20 個不同的模型，有的負責提取保險公司審核需要的內容，有的負責生成患者可讀的版本，有的專門處理醫學編碼。用 Shiv 的話說，這是場景化的推理引擎，不是一個通用模型套殼。

產品的演進也印證了這一點。起點是一個面向患者的免費 App，讓患者錄下診間對話并獲取摘要，這個階段積累了超過 150 萬條醫療對話數據，成為模型訓練的基礎。2022 年起重心轉向企業客戶，產品與醫院電子病歷系統整合。2023 至 2024 年，成為 Epic 官方首批合作伙伴，并將全球最權威的臨床知識庫 UpToDate 嵌入筆記流程。2025 年，擴展到護理文書，與梅奧診所合作開發護士專用版本。

現在 Abridge 還在做醫療編碼和賬單審核。Abridge 在生成筆記的同時自動建議編碼，幫醫院提高保險報銷回款率。這讓它對醫院 CFO 來說，從成本變成了一個能帶來正向現金流的工具。

效果數據：用了 Abridge 的醫生，每天節省約 2 小時文書時間。86% 的醫生減少了下班后加班寫筆記的頻率。KLAS 2024 年調查顯示，Abridge 用戶滿意度評分 95.3%，遠高于行業均值。

萬億美元黑洞里的融資邏輯

Abridge 能走到今天，背后有一個結構性原因：它踩在了足夠大的痛點上，而這個痛點長期沒有被真正解決過。

美國每年在醫療行政管理上的支出高達 6000 億至 1 萬億美元，占醫療總支出的 15% 至 25%。具體到醫生個人：平均每周在行政事務上花 15.5 小時，每個工作日花 6 小時在電子病歷上。93% 的醫生經常感到職業倦怠，62% 歸因于行政負擔。美國每年因醫生疲勞離職造成的損失約 46 億美元，一個空缺崗位的補招成本高達 100 萬美元。

這不是效率問題，是人力瓶頸。AI 書記員可以 24 小時工作，快速擴展，無需培訓，這讓它成為替代方案，而不只是輔助工具。

投資人的邏輯建立在這個基礎上。Abridge 的融資路徑是一條幾乎沒有停頓的加速線：2018 年種子輪 500 萬美元，至 2022 年累計約 2700 萬美元，2023 年底 B 輪 3000 萬美元，2024 年 2 月 C 輪 1.5 億美元，2025 年 2 月 D 輪 2.5 億美元（估值 27.5 億美元）。僅 4 個月后，2025 年 6 月完成 E 輪 3 億美元，估值翻倍至 53 億美元。

a16z 領投 E 輪，Khosla Ventures、Lightspeed、Redpoint、IVP、Spark Capital、USV、Bessemer 跟投。醫療戰略方同樣入局：UPMC 企業風投、Mass General Brigham AIDIF、Kaiser Permanente Ventures、CVS Health Ventures。這些醫療機構的投資不只是背書，也是真實部署的前置承諾。

收入側同樣陡峭。2024 年底，Abridge的 ARR 約 6000 萬美元，2025 年第一季度已達 1.17 億美元，數月內翻倍。

巨頭陰影下的突圍

Abridge 進場早，但賽道早已不是藍海。

有一個問題值得正面回答：OpenAI、Google、Anthropic 都有語音轉錄能力，為什么醫院不直接用它們？

Shiv 的回答是一個清晰的分層結構：底層是基礎大模型公司，提供所有人都能用的原材料；中間是基礎設施層，負責協調不同模型；頂部是應用層，專注于為特定用戶解決特定問題，深度嵌入工作流，依靠專有數據集。大模型公司是橫向的，同時服務無數行業；應用層公司是縱向的，只做一個行業但做到最深。它們不可能涵蓋所有領域并深入所有領域。這不是規模問題，是結構問題。

在醫療這個行業，縱向壁壘尤其高。隱私合規是法定要求，數據出了醫院系統就會觸發監管紅線。“可信可靠是你交易的終極貨幣”這是這個行業的準入門檻。一個通用 AI 公司再強，也不可能替每家醫院做 HIPAA 合規審計、把模型輸出接進 Epic 的具體字段、再用梅奧診所的護理數據做微調。

最重要的對手是微軟旗下的 Nuance。這家 1990 年代成立的語音識別老牌公司，Dragon Medical 在美國醫院的最高滲透率曾達 77%。2022 年，微軟以 197 億美元將其收購，推出 Dragon Ambient eXperience（DAX），現更名 Microsoft Dragon Copilot。產品形態與 Abridge 幾乎一致：錄音、識別、生成 SOAP 筆記。微軟的核心優勢是渠道——2025 年，Epic 正式內置了 Dragon Copilot，全美 42% 的醫院成了它的潛在觸達范圍。但 Nuance 的問題也明顯：早期版本需人工復核，導致文檔生成延遲數小時；定價約每個醫生每月 600 美元，是 Abridge 的三倍。

創業公司中威脅最大的是 Ambience Healthcare，2020 年成立，覆蓋 100 多種專科，2025 年 7 月完成 C 輪 2.43 億美元，估值 12.5 億美元，直接對標 Abridge 的大型醫院市場。Suki AI主打中小型診所，功能更豐富但定價更高。更長遠的威脅來自 Epic 本身——2025 年推出文書功能 Art、編碼 AI Penny、患者助手 Emmie，EHR 廠商一旦自有功能成熟，醫院減少第三方依賴是自然結果。Abridge 目前領先一個身位，但比賽才剛開始。

放在更長的時間線上，Abridge 的意義不只是，自動寫病歷。它是 AI 真正進入高責任、高門檻、高監管核心工作流的早期案例之一。

但它的故事里還藏著另一個結構：一家公司可以在大模型出現之前就把想法和數據做扎實，等技術到位的時候，爆發比從零開始快得多。Abridge 用 4 年積累了 150 萬條醫療對話數據，用 4 年驗證了工作流集成路徑，用 4 年建立了和醫院之間的信任關系。ChatGPT 出現的時候，這些積累才是它真正的起跑線。

競爭才剛開始。微軟、EHR 巨頭、AI 原生創業公司都在加碼。未來幾年，這個賽道很可能從“AI 自動記錄”升級到 AI 參與的完整臨床閉環。能把模型能力、醫療知識、系統集成和信任機制同時做深的，才會真正留下來。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4845593.html?f=wyxwapp