而在 Gen AI 應用出現之後，這一切有了變化：醫療行業已經成為採用 Gen AI 產品軟體的領先行業。其中一個重要原因是，AI 產品的上手門檻比之前的 Saas 產品低很多。根據 Menlo VC 估算，美國醫療企業在 GenAI 軟體每年支出已經達到 5 億美元，多個研究給出了同一量級的預測。

因此我們相信醫療企業的軟體支出有著廣闊的突破空間。A16z 提出，未來幾十年內醫療市場將至少有一半增長由AI驅動。醫療系統現在最大的問題是：

1）access：好醫生的時間不夠，病人需要預約很久才能看上病。同時很多好醫生因為工作強度大 burn out 離開；

2）cost：第一個問題連鎖帶來的結果是，醫療系統的人力成本很貴。這兩個問題都很適合 AI 來解決。 

現在醫院的成本項中人力成本非常重，如果採購 Gen AI 產品能大大改善員工的工作效率，將是投資回報比很高的投資。截至 2022 年底，美國共有 6,120 家醫院，以社群醫院為主，佔比達 84%，而其中 2/3 的社群醫院以系統方式運營。這些醫療系統擁有成規模的醫生使用者群，以此為銷售切入點，將為醫療 GenAI 應用帶來巨大增量。

目前長期市值前 100 名的軟體公司中，只有 Veeva 一家屬於醫療垂直應用。受益於上述醫療企業跨越式採用的潛在機會，醫療領域軟體的新一代獨角獸有望在 GenAI 應用中出現。而且對於 existing companies 也能同時受益：2023 年前上市的盈利醫療保健公司（不包括製藥公司）創造了 2.6 萬億美元的收入，但只有 1700 億美元（約 6.5%）轉化為利潤。假設 GenAI 應用能將成本和費用降低 15%，僅此一項就能將營業利潤提高 3140 億美元，使這類公司的企業價值增長 2 倍以上。

目前醫療 GenAI 應用有著廣泛的落地場景，包括藥物研發、臨床診斷、處理行政工作流、改進護理服務等等。前兩類場景的容錯率極低，商業化前需要經過漫長的開發和批准週期；相對而言，麥肯錫開展的調研證實了醫療行業對後兩類場景的信心：大多數受訪者認為 GenAI 潛在價值最大的領域是提高臨床醫生的服務質量和生產力，其次是改進患者參與度和體驗。

GenAI 能為醫療行業工作流的多個環節帶來變革。在臨床屬性較弱的環節，專用的 RPA 工具能自動化處理賬單、報銷、預約、分診和接收等繁瑣的行政事務；而在臨床屬性較強的環節，我們關注到， 2B 銷售表現最為亮眼的軟體型別是 AI Scribe。該類應用能夠協助醫生更加準確、快速地完成記錄文件的工作。代表性的公司 Abridge 憑藉突出的商業化表現，創造了醫療工作流 GenAI 軟體類別中迄今最大的融資規模。

美國醫生在醫院的正常工作時間之外，往往需要每天加班 1.5-2 小時來記錄臨床文件。這項行政任務源於美國政府從 2009 年開始推行的 EHR (Electronic Health Record，電子健康記錄系統) 補助，使醫院全面採購了 EHR 系統，並要求醫生詳實填寫文件。醫生對每次患者診療都需要記錄 SOAP (Subjective, Objective, Assessment and Plan) 筆記，來記錄診療和給出處方的過程。每寫一份 SOAP，醫生都要照顧到三個截然不同的相關方：醫護團隊、付款系統和患者。這導致美國醫生在 EHR 上花費的記錄時間約為其他國家的4倍。

EHR 一定程度導致了醫療服務供給的緊缺，因為對醫生工作時間佔用比較多。從 EHR 開始推行，到 LLM 爆發前的十幾年中，預算充足的醫院可能會為醫生僱傭人工抄寫員，負責記錄診療過程和撰寫文件，有些醫生甚至會自掏腰包來外包這項工作。而這個過程可以從全人工服務變成 AI-augmented 服務。

根據 Statista 資料，截至 2024 年 1 月，美國醫生人數約 110 萬人，按每名醫生 $300/月 的平均訂閱價格計算，臨床聽寫軟體的 TAM 約為 39.6 億美元，是當前整個醫療 GenAI 應用市場的8倍。

這個市場之前就誕生過成功的獨角獸，被微軟以 300億美金收購的 Nuance。Nuance 的產品 Dragon 是世界最早也最成功的語音轉文字解決方案，併為蘋果 Siri 提供了早期核心技術。公司從 2006 年開始收購一系列醫療領域的轉錄、文件產品，積累了醫療行業的垂直技術和商務關係；同時，Nuance 把握住了 2009-2011 年的政策紅利，大大推動了醫療銷售的增長。

Nuance 透過一系列收購構建了醫療領域能力

2012 年開始，Nuance 開始轉型，成立了 4 個行業業務部門來直接為不同行業提供解決方案。其中，醫療業務佔比最大。截至 2021 年，Nuance 62% 的收入都來源於醫療健康領域，達到 8.4 億美元。Dragon Medical 平臺幾乎達到壟斷地位，被美國 77% 的醫院，55% 以上的臨床醫生和 75% 以上的 X 光工作人員所採用，全球也有超過 55 萬醫生使用。

但 Dragon 在語音識別和生成上做得是不夠好的：這項技術只能作為文件記錄中的輔助，也沒有自動集成於 EHR 系統，醫生需要花費大量時間對 Dragon 生成的轉錄文字進行重新加工。

這個問題是比較難解決的：白宮健康顧問 Atul Gawande 在《為什麼醫生恨他們的電腦》中描述到，在手寫時代，醫生的筆記短小精悍，但在 EHR 記錄病人的詳細病史時，不同醫生就會由於需求不同，對同一件事寫出不同診斷，比如，為了申請醫保報銷，骨科醫師寫“腿痛”就夠了，但其他醫生可能認為缺乏細節，會寫成“右膝蓋骨質疏鬆”。

• Abridge 的產品邏輯比較簡單，先透過自動語音識別 (Automated Speech Recognition, ASR) 聽寫診療過程，再利用 GenAI 生成符合要求的文件。從 2024 年年初開始，憑藉對於美國最大 EHR Epic 系統架構和資料格式的深刻理解，完成了與 Epic 的無縫整合。產品形態類似 Epic 系統的外掛，醫生無需在多個選項卡之間切換，不需要改變現有的工作習慣，使用體驗非常絲滑簡便。

診療開始前，醫生在徵求患者同意後，能直接使用 Epic 移動端應用 Haiku 中的 Abridge 產品（如下圖左側手機所示），對談話全程進行錄音，即時生成草稿，並可以隨時加入備註。

診療結束後，能在短時間內生成附有原文證據引用的標準臨床筆記及自動摘要（如下圖所示），並自動匯入 Epic 系統。醫生能夠直接在 Epic 的 PC 端應用 Hyperspace 中檢視和編輯筆記（如上圖右側電腦所示），左側是規範格式的 SOAP 文件，而右側是對話全程的文字記錄。

臨床筆記中的內容附有原文引用

除了解決臨床醫生的痛點，Abridge 也關注到了患者和護理人員。在他們的路線圖中，對於第一部分提到的改進護理質量、提高患者參與度和體驗的場景，也有著明確的規劃，有利於長期內市場份額的持續提高。患者記錯或忘記醫囑的情況很普遍，Abridge 可以給患者也提供一份完整文件，對注意事項提供指導；客戶表示其他競品沒有強調這一功能。2024 年 7 月，Abridge、Mayo Clinic 和 Epic 宣佈為護士推出文件產品，目前仍在開發中。

•  在 GenAI 應用爆發前，Abridge 就已經在開發自己專用於醫療領域的 ASR 模型和文件生成模型。對於自己的“AI-native 特性”，Abridge 給出了三點證據：

1）使用有差異化的資料、提示工程和微調方法，從底層開始構建了端到端的 LLM 堆疊；

2）有自己的醫療 AI 效能評估方法，並在這一領域成為技術先驅；

3）將使用者行為資料重新用於模型迭代，實現閉環。

資料方面，自2019年開始，Abridge 就在匹茲堡大學 UPMC 醫療中心的資料庫基礎上，用 150-200 萬診療記錄作為資料集訓練了自己的 AI，所使用的型別包含臨床音訊、轉錄規範、人工撰寫的參考筆記以及患者特徵的元資料，並在去標識化方面嚴格遵守了安全隱私標準。

醫療 AI 評估方法方面，Abridge 在白皮書中進行了詳細介紹。

a. 在 ASR 環節，除了單詞錯誤率 (Word error rate) 等通用指標，還會重點關注醫學專業指標，如醫學術語召回率(Medical term recall rate)、對藥物名稱的捕捉等。目前關鍵指標超過了市面其他的開源模型。

b. 在文件生成環節，Abridge 透過自動計算質量指標來比較 AI 生成和人工撰寫的文件質量，保證醫學應用中的準確性和完整性：例如，如果醫生糾正了病人自述的狀況，在最終文件中只會保留正確的結論。當患者談論的話題出現跳躍時，Abridge 也能完成分類整合。

開發過程中，Abridge 使用 RLHF 方法，請一批臨床醫生進行盲測反饋，確保文件質量過關，且能滿足現實裡醫生多樣化的寫作習慣。在模型正式釋出前，還會持續收集主動和被動反饋（如醫生的編輯行為），來持續改進關鍵指標。

相對於通用模型，高度垂直於醫療行業的策略使 Abridge 的模型能顯著、更準確地識別醫療術語，並將病人高度多樣化的口頭表述轉化為規範的書面文件。根據 Abridge 官方資料，產品適用於 50 多個醫學專業領域，支援 14 種以上的語言，AI 能完成 91% 以上的文件記錄工作量，每個月能夠為臨床醫生節省超過 70 小時的時間。

雖然在 GenAI 爆發前，Abridge 就掌握了正確的資料策略和技術路線，但 AI 應用要為傳統行業帶來跨越式變革，賣點往往並非技術有多麼酷炫，而是產品有多麼易用，以及如何從 Day 1 就能向客戶交付即時價值。產品能解決使用者的剛性需求，才會在客戶訪談中看到有醫生反映 “如果醫院不採購 Abridge 就會辭職”。

2022年11月 ChatGPT 的出現對醫療企業進行了 AI 應用的市場教育。彼時 Abridge 產品已經歷了4年左右的開發，經過了數千次的醫患對話訓練；渠道方面，除了 Abridge 團隊主動透過醫療人脈拓展市場，醫療企業的 IT 負責人也會主動透過健康展會接觸供應商。這讓效能已經較為成熟、且在合規方面做好準備的 Abridge 脫穎而出。

不同科室的專業性需求差異較大，一種 SaaS 產品未必能全面滿足。因此醫療系統企業往往會同時考察和試點多種產品，而在做出最終採購決策時，也會在組織內保留多個供應商，分比例使用，這成為 Abridge 實現存量替換的基礎。多名客戶表示，會同時採購2-3種產品，Abridge如果透過試點，在企業內使用人數佔比在20~60%不等。在支付意願方面，從替代人工的角度估算，相較於時薪約為10-20美元的人工抄寫員，AI Scribe 能夠節省大量成本，同時也意味著付費上限仍然較高，即使對於收入規模相對更低的醫療企業，每人每月 200 美元也是相對舒適的定價。

然而，醫療領域 SaaS 產品需要滿足嚴格的合規要求，包括 HIPAA 和 FDA 的多重標準，在資料隱私安全等方面透過認證，且需要經過多輪評估、試點和推廣流程，完整的銷售週期一般在一年半到兩年左右。

• 醫院首先需要對產品進行臨床評估，通過後進入臨床操作階段，測試整合方面是否存在障礙；如果透過，還要進一步研究產品的單位經濟效益，嘗試協商價格，並確定試點範圍和時間線。

• 試點一般會從初級的家庭醫療、兒科等高流量領域開始，並同時採用多種產品進行對比。供應商要與醫院合作微調或開發新功能，這一過程需要半年左右時間。第一輪試點結束後，還需要進行進一步評估，對結果滿意率足夠高，才可以擴大範圍，開展下一輪試點。

• 最終基層員工有選擇是否採用產品的自主權，例如年齡較大的醫生可能不會使用任何軟體，或繼續使用原有的傳統產品。因此試點中，醫護人員對產品的反饋意見至關重要。

Abridge 能夠快速推廣，正是因為一線醫療工作者對產品效果的反響非常熱烈。根據 Emory 醫療系統內醫生的反饋，產品使他能“把所有注意力集中在病人身上，而不需要擔心文件；在結束問診後只需要再在醫院花一點時間校對和編輯”。在 KLAS 2024 報告中，Abridge 在改善臨床醫生體驗方面得分 95.3（平均分79.6），排名第一；在改善患者體驗和改進診療結果方面，也分別排名第三和第四。

而在企業測算此類產品的ROI時，並非僅關注財務上的直接增收。客戶表示，採用 Abridge 雖然平均每天可以為節省2小時左右的工作時長，但主要是減少在家加班的“睡衣時間”，問診時間幾乎沒變，也難以接待更多病人並增加收入。但是，Abridge 能提升診療、護理的準確性和質量，並顯著改善醫生工作生活質量，防止因職業倦怠導致醫生流失帶來的高昂隱性成本，並減少因訴訟、賠付帶來的損失。因此，客戶仍有較強動機購買此類產品。

Abridge 表示，近兩年醫院客戶開始一反常態，快速購買他們的產品。自 2024 年初以來，幾乎每週都會宣佈一個新的醫療系統客戶。2024年2月，公司宣佈與康涅狄格州規模最大、最全面的醫療保健系統耶魯紐黑文達成協議，使數千名臨床醫生開始使用 Abridge。其他大型客戶還包括 Emory Healthcare，社群醫療系統 Reid Health 等。

雖然醫生個體角度的切換和培訓成本較低，但企業層面仍有較大粘性。醫療 SaaS 一旦簽訂正式合同，期限就在2-3年左右，不會輕易被更換。Abridge 前期的積累使其佔據了有利的客戶基礎和市場地位，目前已經進入收入確定性較高的快速增長期。

Abridge 成立於2018年3月，創始人兼 CEO 是 Shivdev Rao 博士，是一名執業心臟病醫生，本科畢業於 CMU，此後在匹茲堡大學醫學中心（UPMC）的心臟和血管研究所擔任教授，對醫生的工作習慣有著深刻理解。在豐富的臨床醫療經驗之外，他兼有創業背景，曾創立 DocDok 和 Litcall 等幾家公司，同時也在 UPMC 的創新、商業化和風險投資部門擔任執行副總裁，投資醫療科技初創企業。而 CTO Zachary Lipton 負責公司的機器學習方面，同時在 CMU 擔任教授。

首席商業官 Brian Wilson 有 20 餘年的商務拓展經驗，近 10 年來主要在納什維爾的 SaaS 和醫療公司負責銷售，曾在簡訊營銷平臺 SlickText 擔任 3 年 CRO ；而首席臨床官 Tina Shah 是美國多個醫療領域委員會內的專家，曾任美國衛生局局長辦公室高階顧問，也是白宮研究員基金會董事成員，能為公司拓展客戶關係提供背書。

與其他側重市場銷售的同類公司不同，Abridge 的領導更專注於搭建團隊和更新技術，根據 Linkedin 不完全統計，技術類與銷售類員工的佔比約為 2:1 ，凸顯了團隊對於技術的重視。

商業化方面，公司的企業拓展總監均有其他醫療 SaaS 類或競品企業工作經驗，對東部 (NY) /西部 (CA) /中部 (IL, TN) /南部 (TX) 地區均有覆蓋。在今年結束新一輪融資後，公司還招聘了一批有多年 Epic 工作經歷的員工擔任合作成功總監。營銷/增長總監在谷歌擁有 10 年左右的營銷經驗，曾幫助推動 Drive、Workspace、Android 等產品的增長。

團隊在 EHR 和醫療企業的豐厚經驗，及地理分佈上的廣度有助於在全美範圍內拓展醫療系統客戶，並保證順利將產品整合到工作流程中。

在 GenAI 席捲全球並吸引風投之前的 2019 年，當創始人向 Union Square Ventures (USV) 介紹 Abridge 利用 AI 輔助醫生文件記錄的想法時，Andy Weissman 表示 “這個想法相當古怪，之前沒有人這樣做過。” 然而，客戶和投資人非常欣賞 CEO 本身的醫療背景和務實精神，創始團隊的 CMU 背景也使他們信賴公司在 AI 方面的實力。Abridge 就這樣拿到了自己的第一輪融資。

團隊“醫療+ML”的複合背景，在後續的融資中也在持續發揮作用，相對 Ambience、Suki 等競品以軟體開發背景為主的創始團隊，投資者相信 Abridge 創始人的醫療經驗能讓團隊更加理解使用者需求，從根本上提高產品能力。

目前，公司已經融資 2.1 億美元左右。在2023年10月，完成由 Spark Capital 領投的 3000 萬美元的 B 輪融資後，僅僅 4 個月，公司又完成了 1.5 億美元的 C 輪融資，由 Lightspeed Venture Partners 與 Redpoint Ventures 領投，投後估值約為 8.5 億美元。CVS Health、Lifepoint Health、Mayo Clinic 等大規模醫療機構和 NVIDIA 也參與了 Abridge 的投資。

2024年10月，根據 The Information 訊息，Abridge 正在籌集 2.5 億美元。科技投資者 Elad Gil 和 IVP 將領投這筆投資，Alphabet 的 CapitalG 基金預計也將參投。據報道，該輪融資估值將達到 25 億美元，相對目前 5000 萬美元的 ARR，P/S 已達到 50x，而相比一年前 2 億美元的 B 輪估值則翻了12.5倍。公司表示，部分資金將用於開發新的 AI 模型，以及尚未釋出的新產品。

GenAI 應用開始落地後，湧現出 Abridge, Augmedix, DeepScribe, Nabla, Suki, Ambience 等一系列產品，能以前所未有的準確性和速度生成文件，並自動整合至 EHR 工作流中。各家產品的價值主張整體方向是相似的，都是透過聽寫並生成臨床文件，解決當時 Dragon 無法解決的醫生“睡衣時間”問題，主要區別在於實際的產品力細節、定價和企業銷售能力。市場空間除了醫療系統內替換 Dragon 等產品的存量需求，還可以對長尾市場中高度分散、採用手動記錄的小診所進行銷售。

然而，AI Scribe 公司挑戰傳統巨頭時仍然面臨阻力。Nuance 在 2021 年 4 月被微軟以 197 億美元巨資收購，並嵌入微軟醫療雲。由於微軟的支援和已有的市場基礎，Nuance 仍在技術和商務上保持著深厚的護城河，公司有著強大的捆綁銷售能力，在醫療企業內很難被完全替換。

為了應對競爭，Nuance 在 2023 年 2 月推出了基於 GPT-4 的語音 AI 應用 DAX Copilot（釋出時名為 DAX Express）。DAX Copilot 是在 Nuance 2020 年釋出的 DAX 基礎上進行升級的，此前，DAX 透過自動語音識別和人工審查將口頭問診轉換為臨床記錄，但是整個過程需要耗費 4 個小時。而 DAX Copilot 僅在幾秒內就能夠生成文件，並允許醫生隨時編輯臨床筆記，雖然相比含人工的 DAX 完整解決方案個性化程度較低，但定價僅為全套的 1/3 左右。

DAX Copilot 基於1200萬個左右的診療資料集進行訓練，是 Abridge 訓練規模的 6-8 倍，理論上有著更高的準確率。但大多數同時採用幾項產品的客戶表示，各個競品的準確率在實際使用中區別並不顯著，最終都需要一定程度的人工校對。

在成本方面，DAX 價格較高，對於 500 人左右的組織，每年 DAX 完整方案收費約為 1000 萬美元左右，摺合每月每人 1600 美元左右；DAX Copilot 成本也達到每月每人 400-600 美元。而 Abridge 則為每月每人 250-350 美元，對初級保健和非專科領域尤為經濟。

除 Nuance 之外，初創公司競爭者各有側重，其中有著鮮明價效比優勢的一家產品是 Nabla，僅需每月每人 100-150 美元，筆記生成時間僅為 12-15 秒，客戶可以接受犧牲一定的準確率來換取成本的大幅節省。從客戶反饋來看，目前 Abridge 仍然領先其他初創公司一個身位，市場不存在明顯的第三名。

各個產品的另一大顯著區別在於與哪些 EHR 整合，以及整合程度。多名使用 Epic 的客戶表示，與 EHR 的無縫整合是 Abridge 最令人印象深刻的亮點。這一因素看似壁壘不高，實際背後暗示著 Abridge 與 Epic 高度緊密的關係。客戶反映，Abridge 和 Epic 的合作關係是隨著時間的推移慢慢建立起來的，其他新進入者難以挑戰。而儘管其他競品整合的系統數量更多，或宣稱與 EHR 的深度整合，但可能僅限於 API 介面的表面整合，在使用體感上依然存在學習成本，沒有達到無縫程度。

根據 Definitive Healthcare  Atlas Technology Install Dataset 和 HospitalView 產品資料，截至 2024 年 1 月，Epic 是美國醫院市佔率最高的EHR，達37.7%。雖然 Abridge 沒有向其他 EHR 拓展，但 Epic 自身的客戶群已足夠龐大，而公司已透過深耕成為 Epic 系統中的領導者，是目前唯一一家公開顯示嵌入到 UI 層面的；同時，Epic 自身的自研類似功能上線週期可能非常久，目前還不會威脅到 Abridge 的地位。

美國醫院 EHR 供應商市場份額排名

綜上所述，Abridge 在技術上實現了足夠的專業度和準確性，在與 EHR 的整合上也佔據了較好位置，但未達到斷層領先或足以壟斷的程度，由於文件最終儲存於 EHR 系統中，作為外掛也並不具備資料粘性。在醫療 AI Scribe 的競爭中，Abridge 所構建起的壁壘更多在於已有的 GTM 成就。相比其他初創公司，Abridge 熬過了漫長的銷售週期，從佔領使用者心智開始，穩固了一定的企業端份額；有望透過鎖定和飛輪效應，進一步擴充套件客戶網路。然而，由於客戶往往不只使用一個供應商，想要發展為市場寡頭，還需繼續關注公司未來如何從產品條線、EHR 整合、定價、商務等方面創造相對 Nuance 的差異化優勢，並保持領先於其他初創公司的地位。

延伸閱讀