作者丨冯汝梅

编辑丨关雎

图源丨Midjourney

AI医疗赛道又跑出一个估值近250亿元的独角兽。

近期，AI医疗初创公司Hippocratic AI在最新一轮融资中获得1.26亿美元投资。本轮融资后，公司估值飙升至35亿美元（约合人民币249亿元）。而在2025年1月完成B轮融资时，公司估值仅为16.4亿美元，不到一年时间估值实现翻倍，并入选了《财富》全球人工智能创新者50强、2025年AI医疗TOP30企业。

Hippocratic AI是一家医疗领域大语言模型开发的人工智能公司，成立于2023年5月，总部位于美国。公司名称源自医学界的希波克拉底誓言（Hippocratic Oath），这是全球医学生毕业时宣誓的核心医学伦理准则，核心是“普济众生，不伤害患者”。

该公司以解决全球医护资源短缺为核心目标，开发非诊断性AI代理服务，覆盖患者沟通、信息收集与随访等场景。

Hippocratic AI在不到两年内密集完成多轮融资，累计融资金额超过4亿美元，成为全球成长最快的AI医疗独角兽之一。每一轮融资都吸引了顶尖投资者加入，目前投资方包括Andreessen Horowitz（a16z）、General Catalyst、凯鹏华盈、英伟达风投部门NVentures、谷歌母公司Alphabet旗下成长基金CapitalG等。

不到2年，Hippocratic AI已与六个国家的50多个大型卫生系统、制药企业合作，完成了超过1.15亿次临床患者互动，且未出现安全问题。公司2025年年初推出的“Healthcare AI Agent App Store”，允许无编程基础的医生、护士直接参与AI工具开发，快速定制适配具体需求的医疗AI应用，目前已覆盖超1000种非诊断类医疗场景。

三次创业，两次卖给科技巨头

Hippocratic AI创始人Munjal Shah的创业史，像一部硅谷连续剧。

Hippocratic AI创始人Munjal Shah 图源：Hippocratic AI

Shah出生于20世纪70年代初，成长于美国加州硅谷地区。早年本科期间，他就借助神经网络开展蛋白质结合预测研究，并以工程师身份入职制药公司Agouron，应用神经网络设计新型HIV药物。这项工作结合AI与药物发现，直接影响了数百万患者的治疗方案，这也是他首次将AI应用于医疗场景。

随后，Shah进入斯坦福大学攻读计算机科学硕士学位，主修人工智能，毕业后即进入职场。那是1997年，当时还处于实验室阶段的AI，让Shah看到了“科技治愈”的潜力。他曾在采访中表示，早年研究神经网络的经历让他相信AI能“真正改变人类健康”。

2000年后，Shah转战电商，创办Andale——一家为eBay和Amazon等平台的在线商户提供软件即服务（SaaS）的公司，短短几年营收破千万美元。2004年，Andale被美国电商服务公司Vendio收购；随后在2010年，阿里巴巴全资收购了Vendio。

紧接着，Shah在2006年创立Like.com。这是一家基于AI和计算机视觉的电商搜索公司，使用图像识别技术让用户通过上传照片“视觉搜索”商品。公司被誉为“视觉电商先驱”，在Shah领导下快速增长。

2010年，Like.com被谷歌以超过1亿美元收购。收购后，Shah还担任谷歌购物产品管理总监约一年，推动技术整合到Google Shopping和Google Images。

就在Like.com被收购后不久，Shah突发严重健康危机，住院数周。这让他重新思考人生方向，决心用技术改善医疗健康。于是，Shah在2014年创办了保险科技公司Health IQ，通过AI算法为健康人群提供更低保费。公司巅峰时期估值接近4.5亿美元，且获得过多轮知名机构融资。

然而，Health IQ最终在2023年申请破产。但这次商业失败并未击垮Shah，反而让他看清了医疗行业的核心痛点。他在一次访谈中表示：“在Health IQ的经历让我意识到，医疗人力资源短缺才是根本性问题，而AI可能是最好的解决方案。”

2023年，恰逢生成式AI技术爆发，Shah联合来自约翰霍普金斯大学、斯坦福大学、谷歌和英伟达的医生、工程师，创办Hippocratic AI。公司命名直指“希波克拉底誓言”，将“不伤害（Do No Harm）”作为技术研发的最高准则，目标很明确：用AI代理缓解全球医护人员短缺，让医护回归临床核心，而非被行政事务捆绑。

为了坚守这份初心，Shah为早期招聘设立了近乎苛刻的标准：审阅近5000份申请，从斯坦福、加州大学伯克利等名校选拔工程人才，同时聘请3名全职医生、2名全职护士坐镇，确保技术不偏离医疗本质。

值得注意的是，除了创始人身份之外，Shah还是一位活跃的天使投资人。他投资过42家初创公司和23只VC基金，其中许多投资项目都已发展成为独角兽企业或成功退出。

专注于非诊断性患者沟通任务

与OpenAI的通用路线不同，Hippocratic AI选择了高度专业化的道路，其核心竞争力在于构建了“大模型+ AI代理”的产品矩阵，所有技术都围绕“安全”与“实用”展开。

Hippocratic AI的核心技术是一个名为Polaris的医疗专用大语言模型。Polaris采用独特的“星座架构”——由一个“主对话模型”和多个“专业支持模型集合”构成。不同于单一模型的单点输出，该架构下的各个专用模型如同分工明确的医疗AI团队，通过内部交叉验证确保每一步输出的安全。

作为交互核心的“主对话模型”不负责专业医疗判断，重点保障医患对话的流畅性、共情力与自然度：它能感知患者情绪、调整沟通语气，记住其健康历史与偏好以提供个性化服务，并能引导对话聚焦于非诊断性医疗任务。

“专业支持模型集合”则涵盖药物、实验室、合规与隐私等多个专项模型，各司其职。这些模型不直接对接患者，而是通过实时交叉验证、提供专业上下文等方式，为“主对话模型”保驾护航，从技术底层规避错误输出。

这种设计形成了高效的“多代理协同”机制：例如当患者咨询用药问题时，主模型会即时联动药物、实验室等专业代理进行校验；一旦对话触及风险，合规代理可直接干预，从而全方位保障回复的准确与安全。

图源：Hippocratic AI

此外，为确保这类直接面向患者的AI系统安全可靠，Hippocratic AI推出了真实世界大语言模型评估（RWE-LLM）框架。该框架采用三步安全测试方法：

第一步由医生和护士测试，保障AI Agent完成关键检查表项目；第二步安排超1000名美国注册护士、超100名美国注册医生模拟患者与AI对话测试；第三步则扩展到6500名美国注册护士、500名注册医生及医疗系统合作伙伴开展大范围评估。只有全部通过这三轮测试，AI Agent才会获得认证并投入部署。

通过该框架的严格评估，Polaris 3.0展示了高可靠性，其在临床评估中的准确率达到99.38%，远超美国注册护士81%的平均水平。此外，在114项针对医疗保健专业人员的基准测试和认证中，Polaris模型有105项表现优于GPT-4。

图源：Hippocratic AI

Hippocratic AI的产品定位十分清晰：专注于非诊断性患者沟通任务。这包括术前准备、出院后随访、慢性病管理、用药依从性提醒等，本质是用AI替代传统医疗呼叫中心与行政岗。

在商业模式上，公司推出了Healthcare AI Agent App Store，允许医疗专业人员创建和定制AI代理，无需编程知识。目前平台已上线300 +由医生开发的应用。

图源：Hippocratic AI

平台采用分成机制，当其他客户使用这些代理时，创建者可获得5%-70%的分成收入。定价模式采用基于使用量的SaaS订阅，其成本约为传统人力服务的1/4。此外，这些AI代理通过电话与患者交互，支持14种语言（含普通话），能记住患者健康历史与偏好，提供个性化服务，患者满意度高达8.95分（满分10分）。

以一个出院后随访为例，传统护士每小时成本约为90美元，而AI代理仅需9美元，成本大幅降低，并且AI接通率与通话完成率均远超传统呼叫中心，有效填补了医护人员的时间缺口。

自商业化以来仅15个月，Hippocratic AI已与6个国家的50多家大型医疗系统、支付方和制药客户建立了合作关系，开发了1000多个临床应用场景并完成了超过1.15亿次临床患者互动，且至今仍保持零安全事故记录。

本土医疗AI模型密集涌现

聚焦国内市场，AI医疗发展如火如荼。数据显示，2025年中国AI医疗行业规模预计将达到1157亿元，并在2028年增至1598亿元，年复合增长率达10.5%。这背后是人口老龄化加剧与优质医疗资源分布不均形成的巨大需求缺口。

值得一提的是，DeepSeek等模型开源后，已实现超100家医院的接入应用，京医千询、讯飞晓医等一批本土医疗AI模型密集涌现，行业生态逐步完善。

从企业背景看，国内医疗AI参与者主要分为两大类型：一类是源于BAT等互联网巨头体系，依托自身成熟的生态资源与海量数据构建竞争优势；另一类由医院孵化而来，更侧重临床场景的深度落地与需求适配。

但与国际玩家Hippocratic AI等聚焦“非诊断性安全代理”的精准定位相比，国内多数企业仍以辅助问诊、健康管理等泛医疗服务为主，存在诊断边界模糊、安全合规体系不完善等痛点。

不过，随着顶层设计对“患者服务”智能应用的鼓励，以及市场对诊后随访、健康咨询等非诊断但高频率服务需求的增长，专注于“安全、合规、有温度”的患者交互代理将找到明确的市场定位。例如，紫荆智康的系统已设计了患者端的预问诊、健康咨询及诊后随访功能。

从全球趋势来看，AI医疗已从“概念炒作”进入“价值落地”阶段。而在当前阶段，解决一个明确、可衡量、且符合监管需求的具体问题，可能比提供一个宏大但边界模糊的技术解决方案，更能获得资本青睐并快速成长。