进入2025年，AI的打法逻辑变了。
国内“百模大战”后，人们逐渐意识到底层大模型公司的高成本与收入失衡问题突出。今年以来，AI六小龙频频传出裁员。
当前，AI的价值天平已经开始从基座大模型倒向AI应用产品。医疗健康正成为大模型初创企业竞相布局的赛道。
OpenAI、Anthropic、谷歌、微软等AI巨头都将医疗视为重要落地领域。就在今天，月之暗面被曝出正在布局AI医疗产品，成为百川智能之后又一押注医疗的AI六小龙。
而AI医疗独角兽Abridge通过精准洞悉医疗细分需求，给出了一个*参考价值的行业样本。
公司预计其ARR（年度经常性收入）在2024年达到5000万美元。已在美国超过110个医疗系统中部署其AI平台。
找到差异化的刚需场景，让Abridge收获了资本青睐。
今年2月，Abridge完成了2.5亿美元的融资，最新估值高达27.5亿美元（约人民币197亿元），一跃成为AI应用领域的独角兽。
其估值约为ARR的55倍，足以见得资本兑对Abridge的收入增长效率的信心。
01
真实需求+深度绑定巨头
Abridge成立于2018年，总部位于美国匹兹堡。公司的创始人为Shiv Rao博士，是一位心脏病专家。
“Abridge”在英文中的意思是缩短或者减少某物，而公司的出发点就是希望缩减少医生的负担。
一项调查发现，超过90%的医生报告说“经常”感到筋疲力尽，这主要是因为文书工作。
由于美国复杂的医疗体系和医保制度，对于医生录入到EHR（电子病历）信息要求非常高，通常需要按照详尽的SOAP格式。
为了保证计费和保险的准确性，ERH通常包含多达几十个条目，一个错误就可能产生各种影响。
超过 60% 的医生表示，他们感到被这些文书要求压得喘不过气来，并且每周平均在正常时间之外工作 15 小时才能跟上进度。
为了各种合规性审查，复杂的文书工作让医生不得不雇佣抄写员（Scriber），以抽出更多的时间用于与患者沟通交流上。目前美国大约有10万名医疗抄写员，平均每10名医生就有一名。
也就是说，无论是人工抄写员还是AI抄写员，对于医生乃至整个医疗系统都是一个真实存在的刚需。
抄写员一般有两种工作模式：
1、现场工作：抄写员一起跟随医生面对患者，并实时填写录入数据，还包括协助医生随访等各种简单工作，相当于医学助理；
2、远程工作：由医生使用录音设备完成对患者信息的采集，然后可以将电子记录发送给抄写员，然后转录并输入计算机。
最重要的是，在这两种情况下，医生仍必须对记录的内容负责，并且必须审查和签字。
第二种工作模式下，为什么不能用AI取代人工并辅助录入到ERH/EMR中呢？由此AI Scriber（AI抄写员）孕育而生。
事实上，该领域就曾经诞生过AI+医疗语音识别鼻祖Nuance，该公司还曾经为苹果Siri提供过技术支持，2021年微软以197亿美元的价格收购Nuance，成为微软史上第二大收购案。
对于医生而言，Abridge工作流程很简单：他们只需要打开手机特定APP录音，AI会自动通过自动语音识别（ASR）听写诊疗过程，结束后Abridge会将结构化的注释直接发送到患者的电子图表中。
图：Abridge的产品形态
尽管该技术实现并不难，但Abridge*的壁垒在于和医疗信息化厂商Epic深度集成。
2023 年， Epic 选择 Abridge 作为其*生成式AI的合作伙伴，将该技术直接集成到医疗记录系统中。这也意味着医生无需学习新软件，在不改变现有工作习惯下，大幅度缩减文书时间。
要知道，近年来联邦资金和立法要求医院使用 EMR/EHR系统，截至2023 年，超过 96%的医院和医生实现了数字化，而 2010 年这一比例还不到10%。
Epic是美国*大医疗信息化厂商，2023年营收达到46亿美元，市场占有率达到39.1%。
毫无疑问，AI对于整个医疗语音转录场景带来革命性改变。
相较于传统的抄写员25美元/小时的成本，Abridge 将转录成本降低到0.12美元/小时，降低208倍。
全美*医院妙佑医疗集团（梅奥诊所）更换了Epic系统后，直接导致400位抄写员失业，因为该系统支持自动语音转录、智能语音识别等功能。
02
套壳AI？原生应用公司？
由于技术含量并不高，Abridge也被市场上一部分认为是“套壳AI”。
早年间，Abridge还会自研基于BERT、BioBERT等模型，但大模型出现后改变了游戏规则，公司现在基本上使用经过微调后的大模型基座。
对此创始人表示：“人们很快意识到，真正的价值正在向上层应用转移。而且当你能深度解决人类的问题时，就能实现这项技术的最高价值。”
诸如Cursor（AI代码平台）、Perplexity（AI搜索引擎）等“套壳”AI平台正在受到资本追捧，据金融时报消息，Perplexity最新估值已经达到了惊人的140亿美元。
金沙江投资人朱啸虎曾提出一个观点：所有AI应用都是套壳应用。对于企业级的AI服务商，如何把套壳的价值做好、放大，实际上是一个不小的挑战。
尤其专业壁垒较高的医疗领域，并不是接入了*进的DeepSeek或GPT-4o就大大功告成，产品体验才是最重要的标准。
从技术角度，Abridge的AI产品主要包含两大核心程序：
1、通过语音识别系统（ASR）分辨医学场景下的声音
2、原始转录文本转换为草稿临床记录的注释生成系统
为了能够交付出超90%正确率，Abridge利用大量医疗语音数据调用和协调20个不同的模型。
例如在语音识别程序下，AI能够是否能够识别专业医药术语？例如AI能否正确拼写新药？多人在场时，AI能否精准识别患者和医生？AI能否将患者感受转换为专业医学描述？
为了加大技术壁垒，Abridge已经将支持识别的语言拓展到了28种。
而针对笔记生成系统，Abridge以单词错误率以及医生编辑次数作为量化指标，不断追踪临床医生的评论和反馈，同时分析AI系统在不同科室以及患者亚群里面的表现，进行深度调整。
图：Abridge的错字率等指标
截止目前，Abridge已经积累了超过1万小时的医学对话数据，它们包括音频、黄金标准参考转录和人工注释。
这些宝贵的数据正在帮助Abridge创造产品飞轮，即数据累积越多，用户反馈越多，产品就越好用。
Abridge最终还是回归到投资底层模型，据创始人透露，根据大量数据和沉淀知识，公司正在开发自己的模型。
03
B2B商业模式，竞争激烈
成立早期，Abridge的打法偏向于互联网，即向医生等使用者免费提供AI工具，并收集各类数据以便进行商业化探索。
但现在，公司B2B SaaS 模式，主要面向卫生系统进行销售，而不是个人临床医生。
尽管，这种方法销售周期较长（18-24 个月），但可以带来更高价值的合同并更深入地集成到临床工作流程中，未来用户迁移成本也更高。
截止目前，Abridge已经在美国超过110个医疗系统中上线，为16000名医生提供服务。
公司客户包括佛蒙特大学卫生系统、Christus Health、芝加哥大学医学院、Sutter Health、耶鲁纽黑文卫生系统、UCI Health、埃默里医疗保健、堪萨斯大学卫生系统、UPMC 和其他数十个卫生系统。
从产品定价来看，其与部署规模成正比（通常基于医生用户的数量或处理的患者就诊量），并根据每个站点所需的集成复杂性而有所不同。
更重要的是，Epic作为关键渠道合作伙伴，也能够为Abridge拓展新客户带来巨大的帮助。例如Abridge、梅奥诊所和Epic 共同宣布推出面向护士的生成式 AI 环境记录工作流程。
虽说Abridge势头正盛，但外部竞争不可谓不激烈。
当前Abridge直接面临Nuance（微软旗下）、Nabla、Ambience、DeepScribe、Suki、Freed、DeepCura、Tali AI等AI医疗初创企业的激烈价格竞争。
仅仅是AI Scriber这一场景，还延伸出了专门针对兽医的Scribenote，面向精神科的AI抄写员Mentalyc等，意味着更小的初创公司在细分领域占位。
不过，AI抄写员行业需求仍然旺盛，远远没有达到市场天花板。
例如前Facebook工程师创办的Freed AI，在产品上线两年后就做到了1000万美元ARR。
04
写在最后
写到最后，笔者不禁提出一个问题，中国AI医疗赛道是否会跑出类似Abridge的独角兽？
如今，各级医院正抓紧医疗信息化和智能化建设，为AI的广泛部署做好了环境准备。
特别是在2023-2024年度，根据《中国医院信息化状况调查报告》的数据，超过90%的三级甲等医院已经实现了基本的信息管理系统覆盖，而近70%的二级医院也紧随其后。
美国有多个大型医疗集团不同，中国医疗保健系统以公立医院为主，医院对新技术的采纳和合规性要求大不一样。
而参考Abridge的成功经验，中国企业不仅需要深度整合进入医生工作流，更需要与本土化场景适配（如分级诊疗、县域医疗），而非简单复制欧美模式。
当前，我国AI大模型主要落地在健康管理（智能设备实时采集/个性化患者服务）、疾病风险预测、医学影像分析、辅助诊疗、医院管理到药物研发等八大场景。
图：智药局《AI大模型+医疗行业研究报告》
