成立2年，估值250億，這個70后第四次創業

作者丨馮汝梅

編輯丨關雎

圖源丨Midjourney

AI醫療賽道又跑出一個估值近250億元的獨角獸。

近期，AI醫療初創公司Hippocratic AI在最新一輪融資中獲得1.26億美元投資。本輪融資后，公司估值飆升至35億美元（約合人民幣249億元）。而在2025年1月完成B輪融資時，公司估值僅為16.4億美元，不到一年時間估值實現翻倍，并入選了《財富》全球人工智能創新者50強、2025年AI醫療TOP30企業。

Hippocratic AI是一家醫療領域大語言模型開發的人工智能公司，成立于2023年5月，總部位于美國。公司名稱源自醫學界的希波克拉底誓言（Hippocratic Oath），這是全球醫學生畢業時宣誓的核心醫學倫理準則，核心是“普濟眾生，不傷害患者”。

該公司以解決全球醫護資源短缺為核心目標，開發非診斷性AI代理服務，覆蓋患者溝通、信息收集與隨訪等場景。

Hippocratic AI在不到兩年內密集完成多輪融資，累計融資金額超過4億美元，成為全球成長最快的AI醫療獨角獸之一。每一輪融資都吸引了頂尖投資者加入，目前投資方包括Andreessen Horowitz（a16z）、General Catalyst、凱鵬華盈、英偉達風投部門NVentures、谷歌母公司Alphabet旗下成長基金CapitalG等。

不到2年，Hippocratic AI已與六個國家的50多個大型衛生系統、制藥企業合作，完成了超過1.15億次臨床患者互動，且未出現安全問題。公司2025年年初推出的“Healthcare AI Agent App Store”，允許無編程基礎的醫生、護士直接參與AI工具開發，快速定制適配具體需求的醫療AI應用，目前已覆蓋超1000種非診斷類醫療場景。

三次創業，兩次賣給科技巨頭

Hippocratic AI創始人Munjal Shah的創業史，像一部硅谷連續劇。

Hippocratic AI創始人Munjal Shah圖源：Hippocratic AI

Shah出生于20世紀70年代初，成長于美國加州硅谷地區。早年本科期間，他就借助神經網絡開展蛋白質結合預測研究，并以工程師身份入職制藥公司Agouron，應用神經網絡設計新型HIV藥物。這項工作結合AI與藥物發現，直接影響了數百萬患者的治療方案，這也是他首次將AI應用于醫療場景。

隨后，Shah進入斯坦福大學攻讀計算機科學碩士學位，主修人工智能，畢業后即進入職場。那是1997年，當時還處于實驗室階段的AI，讓Shah看到了“科技治愈”的潛力。他曾在采訪中表示，早年研究神經網絡的經歷讓他相信AI能“真正改變人類健康”。

2000年后，Shah轉戰電商，創辦Andale——一家為eBay和Amazon等平臺的在線商戶提供軟件即服務（SaaS）的公司，短短幾年營收破千萬美元。2004年，Andale被美國電商服務公司Vendio收購；隨后在2010年，阿里巴巴全資收購了Vendio。

緊接著，Shah在2006年創立Like.com。這是一家基于AI和計算機視覺的電商搜索公司，使用圖像識別技術讓用戶通過上傳照片“視覺搜索”商品。公司被譽為“視覺電商先驅”，在Shah領導下快速增長。

2010年，Like.com被谷歌以超過1億美元收購。收購后，Shah還擔任谷歌購物產品管理總監約一年，推動技術整合到Google Shopping和Google Images。

就在Like.com被收購后不久，Shah突發嚴重健康危機，住院數周。這讓他重新思考人生方向，決心用技術改善醫療健康。于是，Shah在2014年創辦了保險科技公司Health IQ，通過AI算法為健康人群提供更低保費。公司巔峰時期估值接近4.5億美元，且獲得過多輪知名機構融資。

然而，Health IQ最終在2023年申請破產。但這次商業失敗并未擊垮Shah，反而讓他看清了醫療行業的核心痛點。他在一次訪談中表示：“在Health IQ的經歷讓我意識到，醫療人力資源短缺才是根本性問題，而AI可能是最好的解決方案。”

2023年，恰逢生成式AI技術爆發，Shah聯合來自約翰霍普金斯大學、斯坦福大學、谷歌和英偉達的醫生、工程師，創辦Hippocratic AI。公司命名直指“希波克拉底誓言”，將“不傷害（Do No Harm）”作為技術研發的最高準則，目標很明確：用AI代理緩解全球醫護人員短缺，讓醫護回歸臨床核心，而非被行政事務捆綁。

為了堅守這份初心，Shah為早期招聘設立了近乎苛刻的標準：審閱近5000份申請，從斯坦福、加州大學伯克利等名校選拔工程人才，同時聘請3名全職醫生、2名全職護士坐鎮，確保技術不偏離醫療本質。

值得注意的是，除了創始人身份之外，Shah還是一位活躍的天使投資人。他投資過42家初創公司和23只VC基金，其中許多投資項目都已發展成為獨角獸企業或成功退出。

專注于非診斷性患者溝通任務

與OpenAI的通用路線不同，Hippocratic AI選擇了高度專業化的道路，其核心競爭力在于構建了“大模型+ AI代理”的產品矩陣，所有技術都圍繞“安全”與“實用”展開。

Hippocratic AI的核心技術是一個名為Polaris的醫療專用大語言模型。Polaris采用獨特的“星座架構”——由一個“主對話模型”和多個“專業支持模型集合”構成。不同于單一模型的單點輸出，該架構下的各個專用模型如同分工明確的醫療AI團隊，通過內部交叉驗證確保每一步輸出的安全。

作為交互核心的“主對話模型”不負責專業醫療判斷，重點保障醫患對話的流暢性、共情力與自然度：它能感知患者情緒、調整溝通語氣，記住其健康歷史與偏好以提供個性化服務，并能引導對話聚焦于非診斷性醫療任務。

“專業支持模型集合”則涵蓋藥物、實驗室、合規與隱私等多個專項模型，各司其職。這些模型不直接對接患者，而是通過實時交叉驗證、提供專業上下文等方式，為“主對話模型”保駕護航，從技術底層規避錯誤輸出。

這種設計形成了高效的“多代理協同”機制：例如當患者咨詢用藥問題時，主模型會即時聯動藥物、實驗室等專業代理進行校驗；一旦對話觸及風險，合規代理可直接干預，從而全方位保障回復的準確與安全。

圖源：Hippocratic AI

此外，為確保這類直接面向患者的AI系統安全可靠，Hippocratic AI推出了真實世界大語言模型評估（RWE-LLM）框架。該框架采用三步安全測試方法：

第一步由醫生和護士測試，保障AI Agent完成關鍵檢查表項目；第二步安排超1000名美國注冊護士、超100名美國注冊醫生模擬患者與AI對話測試；第三步則擴展到6500名美國注冊護士、500名注冊醫生及醫療系統合作伙伴開展大范圍評估。只有全部通過這三輪測試，AI Agent才會獲得認證并投入部署。

通過該框架的嚴格評估，Polaris 3.0展示了高可靠性，其在臨床評估中的準確率達到99.38%，遠超美國注冊護士81%的平均水平。此外，在114項針對醫療保健專業人員的基準測試和認證中，Polaris模型有105項表現優于GPT-4。

圖源：Hippocratic AI

Hippocratic AI的產品定位十分清晰：專注于非診斷性患者溝通任務。這包括術前準備、出院后隨訪、慢性病管理、用藥依從性提醒等，本質是用AI替代傳統醫療呼叫中心與行政崗。

在商業模式上，公司推出了Healthcare AI Agent App Store，允許醫療專業人員創建和定制AI代理，無需編程知識。目前平臺已上線300 +由醫生開發的應用。

圖源：Hippocratic AI

平臺采用分成機制，當其他客戶使用這些代理時，創建者可獲得5%-70%的分成收入。定價模式采用基于使用量的SaaS訂閱，其成本約為傳統人力服務的1/4。此外，這些AI代理通過電話與患者交互，支持14種語言（含普通話），能記住患者健康歷史與偏好，提供個性化服務，患者滿意度高達8.95分（滿分10分）。

以一個出院后隨訪為例，傳統護士每小時成本約為90美元，而AI代理僅需9美元，成本大幅降低，并且AI接通率與通話完成率均遠超傳統呼叫中心，有效填補了醫護人員的時間缺口。

自商業化以來僅15個月，Hippocratic AI已與6個國家的50多家大型醫療系統、支付方和制藥客戶建立了合作關系，開發了1000多個臨床應用場景并完成了超過1.15億次臨床患者互動，且至今仍保持零安全事故記錄。

本土醫療AI模型密集涌現

聚焦國內市場，AI醫療發展如火如荼。數據顯示，2025年中國AI醫療行業規模預計將達到1157億元，并在2028年增至1598億元，年復合增長率達10.5%。這背后是人口老齡化加劇與優質醫療資源分布不均形成的巨大需求缺口。

值得一提的是，DeepSeek等模型開源后，已實現超100家醫院的接入應用，京醫千詢、訊飛曉醫等一批本土醫療AI模型密集涌現，行業生態逐步完善。

從企業背景看，國內醫療AI參與者主要分為兩大類型：一類是源于BAT等互聯網巨頭體系，依托自身成熟的生態資源與海量數據構建競爭優勢；另一類由醫院孵化而來，更側重臨床場景的深度落地與需求適配。

但與國際玩家Hippocratic AI等聚焦“非診斷性安全代理”的精準定位相比，國內多數企業仍以輔助問診、健康管理等泛醫療服務為主，存在診斷邊界模糊、安全合規體系不完善等痛點。

不過，隨著頂層設計對“患者服務”智能應用的鼓勵，以及市場對診后隨訪、健康咨詢等非診斷但高頻率服務需求的增長，專注于“安全、合規、有溫度”的患者交互代理將找到明確的市場定位。例如，紫荊智康的系統已設計了患者端的預問診、健康咨詢及診后隨訪功能。

從全球趨勢來看，AI醫療已從“概念炒作”進入“價值落地”階段。而在當前階段，解決一個明確、可衡量、且符合監管需求的具體問題，可能比提供一個宏大但邊界模糊的技術解決方案，更能獲得資本青睞并快速成長。