大多数AI产品创业者都默认一个前提：谁使用，谁付费。
OpenEvidence的增长路径刚好相反。它把产品免费给医生使用，却在一年内被媒体报道做到超过1亿美元年化收入，并在2026年1月完成2.5亿美元融资，估值达到120亿美元。
这不是一个简单的“ChatGPT for doctors”故事。更准确地说，OpenEvidence把医学知识检索做成了一个专业入口：医生端免费，内容端绑定权威医学出版和学会，商业化端通过广告和专业分发预算变现。
对AI创业者来说，它最值得研究的地方不在医疗本身，而在一个更通用的问题：
当你的核心用户没有采购预算、采购流程很慢，或者不适合直接付费时，AI产品还能不能商业化？
OpenEvidence给出的答案是：可以，但你要先弄清楚价值链里真正有预算的一侧是谁。
一、它解决的不是“搜索”，而是医生的现场知识焦虑
医生的问题不是缺信息。
真正的问题是信息太多、更新太快、质量差异太大，而且很多问题发生在真实诊疗场景里，没有时间慢慢翻期刊、读指南、比证据。
这就是OpenEvidence切入的位置。它面向已验证的美国医疗专业人士，提供医学AI检索和临床知识问答。官网显示，OpenEvidence与NEJM、JAMA、NCCN、Cochrane等医学出版和指南机构存在内容协议或合作，并强调对已验证美国HCP免费。
这里的产品化重点，不是“AI能回答医学问题”。
真正的产品化，是把医生原本分散在期刊、指南、搜索引擎、同事讨论里的工作，压缩成一个可信入口：
- 先验证用户身份，确保使用场景是专业医疗人员；
- 再接入权威医学内容，降低来源可信度问题；
- 然后围绕真实临床问题生成回答，而不是做泛泛的健康科普；
- 最后用免费策略降低医生端采用门槛。
医疗是一个极高信任场景。在这种场景里，模型能力只是门票，内容授权、证据来源、身份体系和使用边界才是产品的一部分。
这也是很多通用AI产品进入专业行业时容易低估的地方：用户不是只问“你聪不聪明”，而是问“我能不能在自己的工作责任里使用你”。
二、免费不是补贴，而是分发策略
OpenEvidence最反直觉的地方，是医生端免费。
如果按传统SaaS思路，面向医生的专业工具理应订阅收费，尤其医疗本来就是高价值行业。但OpenEvidence没有先把收入压力压到医生身上，而是把医生端做成免费、低摩擦、高频使用入口。
New York Post在2026年1月的报道中称，OpenEvidence年化收入已经超过1亿美元，主要来自广告；报道还称超过40%美国医生使用该工具，95%新用户来自其他医生推荐。这些数据来自媒体报道和公司披露，尚未看到第三方审计，因此应该把它们当作强信号，而不是审计事实。
但即便保守看，这个结构也很有启发性。
医生不一定是最佳付费方，却是最佳入口。
在医疗知识分发链条里，真正有明确预算的一侧可能是医药公司、医疗器械公司、医学教育、专业内容和医疗营销相关机构。医生的注意力、查询意图和专业场景，才是这个网络里最稀缺的资产。
所以OpenEvidence的商业化逻辑不是：
我帮医生节省时间，所以医生每月付我一笔钱。
而更像是：
我聚集医生真实、专业、高频的知识需求，再围绕这个入口建立可合规商业化的分发网络。
这就是免费策略的关键区别。
如果免费只是为了获客，但后面没有清晰的价值捕获对象，那就是烧钱。如果免费能把关键用户聚到一个高价值入口里，并且价值链另一侧有预算，那它就不是补贴，而是分发。
三、它的护城河不只是模型，而是“内容+身份+真实查询”
在AI行业，很多人习惯把护城河讨论简化为模型强不强。
OpenEvidence的案例提醒我们：垂直AI产品的护城河，经常不在模型单点，而在模型周围的系统。
第一层是内容。
官网披露的NEJM、JAMA、NCCN、Cochrane等合作，意味着OpenEvidence不是只从开放网页里抓医学信息，而是在争取权威医学内容的正式接入。官网数据属于公司披露，未经第三方审计，但方向很清楚：专业AI如果要进入高信任行业，内容权利和来源可信度会变成产品能力。
第二层是身份。
OpenEvidence面向已验证美国医疗专业人士免费。验证体系看似只是注册流程，实际是在定义产品网络：这里不是泛健康问答社区，而是医生的工作入口。
第三层是真实查询。
2026年6月的一篇arXiv预印本使用了OpenEvidence平台上的真实临床查询，构建了Real-POCQi评估集的一部分。论文提到，评估包含来自30个专科的620个真实诊疗现场问题，并由149名执业医生参与比较评审。预印本不等于最终同行评议结论，但它说明一件重要的事：OpenEvidence已经积累到足够多真实医生查询，以至于这些问题本身可以进入AI医疗评估讨论。
这对AI产品很关键。
用户每一次真实查询，都不仅是一次调用，也是一次需求分布记录。久而久之，产品知道医生真正问什么、在哪些专科问、哪些答案需要更强证据、哪些场景更高频。
这类数据不是简单爬网页能得到的。它来自真实工作流。
四、它为什么能传播：医生推荐的不是AI，而是答案入口
很多AI产品的传播靠“炫技”。
OpenEvidence不太像这种路径。医生之间传播的，大概率不是“这个AI很酷”，而是“这个问题你可以直接去那里查”。
这两种传播完全不同。
炫技型传播来得快，也容易衰减。工作流型传播更慢，但一旦形成，会更接近基础设施。尤其在医生、律师、投行分析师、工程师这类专业群体里，真正有生命力的口碑通常不是来自营销文案，而是来自同伴之间对工具可靠性的反复确认。
OpenEvidence报道中提到95%新用户来自医生推荐。如果这个比例继续成立，它说明OpenEvidence吃到的不是普通C端裂变，而是专业群体内部的信任转移。
这也是为什么它不应该只被看作“医疗版搜索”。
搜索解决的是信息定位问题；OpenEvidence更像是在争夺一个专业行业的默认知识入口。入口一旦形成，后面可以延展到专科模块、指南更新、医学教育、药品信息、临床路径和更多专业内容分发场景。
五、对AI创业者的4个启发
第一，不要急着向使用者收费。
如果你的产品服务的是一个高价值但采购困难的人群，直接订阅收费未必是最优解。先判断：用户是不是最佳付费方？价值链里有没有另一侧更愿意为触达、分发、数据洞察或结果付费？
第二，垂直AI要把“可信来源”做成产品能力。
在医疗、法律、金融、工程这些行业里，回答本身不够。用户还需要知道来源、边界、责任和可追溯性。谁能把这些做进产品，谁才更可能从Demo走向生产环境。
第三，免费策略必须换来高价值资产。
免费如果只换来注册数，没有意义。OpenEvidence免费换来的是医生真实查询、专业口碑、使用频率和行业入口位置。这些资产可以反过来提升产品、分发和商业化。
第四，垂直入口比通用助手更容易形成商业闭环。
通用助手什么都能做，但也很难解释为什么某一类专业用户必须用它。垂直入口只做一件事，却能围绕身份、内容、场景和预算建立更清晰的闭环。
六、风险也很明显
OpenEvidence的模式并不轻。
医疗广告天然敏感，临床建议的责任边界必须非常清楚。医生免费、广告变现之间也存在长期信任挑战：如果商业化影响内容排序或回答呈现，专业用户的信任会被迅速消耗。
同时，OpenAI、Anthropic等大模型公司也在进入医疗场景。OpenEvidence能否守住优势，取决于它的内容授权、医生网络、真实查询数据和产品体验是否足够深，而不只是“现在更懂医疗”。
但正因为风险高，这个案例才值得看。
它证明AI产品商业化不只有“订阅+席位费”一条路。尤其在专业行业里，最好的生意有时不是把AI卖给最终使用者，而是先成为这个行业的默认工作入口。
OpenEvidence真正卖的，也许不是一个医生问答工具。
它卖的是医学知识在AI时代的新分发位置。