你刷到的AI新闻，大概率是编码Agent、视频生成、Agent框架这些“热门货”。但海外有一类AI应用，烧钱低调、客户疯狂、估值飙升，中文技术圈却几乎没人系统聊过——AI跟诊员（AI Medical Scribe / Ambient AI）：AI坐在诊室里听医生看病，问诊一结束，结构化病历自动写完，直接回填电子病历系统。2024-2025两年，这条赛道跑出了53亿美元估值的头部公司、美国最大医疗集团全系统范围的部署，以及一份发表在权威医学期刊上的“省时报告”。今天把这条暗赛道拆开给你看：人物、工具、流程、账本，一次讲清。

一、起点：一个心脏科医生的非典型创业

据公开资料，Abridge的创始人Shiv Rao是匹兹堡大学医学中心（UPMC）的心脏科医生。他日常的痛苦和全美医生一样——美国内科学年鉴（Annals of Internal Medicine）那项被引用了无数次的经典研究显示：医生每花1小时面对病人，平均要花约2小时在电子病历和文书上，下班后还要在家补录“睡衣时间”（pajama time）。

Rao的解法很直白：既然病历内容100%来自问诊对话，那就在诊室放一个“只听不插话”的AI——录音、转写、理解、生成符合医疗规范的SOAP格式病历（S主观症状/O客观检查/A评估/P治疗计划），医生确认后一键入库。Abridge就此诞生，从UPMC体系孵化起步。

这个“非典型”之处在于：创始人不是AI工程师而是行业老兵，产品从第一天就长在真实诊疗流程里，而不是做一个“通用办公AI”再去找场景。这是它和无数做泛办公Copilot的公司命运分岔的起点。

二、赛道全景：不是一家公司在跑

很多人以为这是个边缘小产品，实际上海外已形成完整梯队（以下公司均为真实存在，官网可直接访问）：

头部公司的融资节奏能说明市场温度：据CNBC等媒体2025年报道，Abridge在2025年2月以27.5亿美元估值融资2.5亿美元，当年年中又以约53亿美元估值完成3亿美元融资，a16z领投（具体以官方公告为准）。一个“帮医生写病历”的工具，两年估值翻了数倍——这不是模型故事，是工作流卡位故事。

三、标杆案例：Kaiser把AI跟诊员推给了上万医生

单点使用不叫案例，组织级部署才叫。美国最大 integrated health system 之一 Kaiser Permanente 的动作值得细看：

• 据Healthcare IT News等媒体2024年末报道，Kaiser在试点后，将环境式AI文书工具（Nabla）部署给约1万名临床医生，后续据报道推向更大范围（有报道称目标覆盖全系统约7万名医生）。
• 配套的内部研究发表在NEJM Catalyst上：覆盖3000多名医生、30余万次问诊，结论是每次问诊平均节省约1分钟文书时间，折算全系统每月节省约1.5万小时（数字以论文原文为准）。更重要的软性结论是：医生下班后的补录时间下降，职业倦怠感缓解。

看清楚这个结构：不是“AI多厉害”，而是“谁替谁省下了什么”。省下的是医生的非诊疗时间，对医院来说等于不扩编就提升了接诊容量，对医生来说等于少加班。ROI不需要玄学，就是工时账。

四、拆工作流：一条环境式文书流水线长什么样

flowchart TD
    A["诊室开始问诊"] --> B["麦克风录音<br/>先取得患者同意"]
    B --> C["环境式ASR转写"]
    C --> D["说话人分离<br/>区分医生与患者"]
    D --> E["LLM生成<br/>SOAP结构化病历"]
    E --> F{"医生审核"}
    F -->|一键采纳| G["写回电子病历EHR"]
    F -->|口述补充修改| E
    G --> H["自动生成随访信<br/>与患者宣教材料"]
    H --> I["计费编码建议"]

每一步的关键点：

1. 录音前同意：美国场景下这是硬性合规动作，工具会在工作流里内置同意提示。做B端产品的人注意：合规动作做成产品功能，是溢价点不是负担。
2. 环境式转写（ambient ASR）：不是普通语音转文字，要扛住诊室噪声、口音、专业术语、多人抢话。
3. 说话人分离（diarization）：分不清医生和患者，病历就是废纸。这一步是被低估的技术分水岭。
4. LLM结构化生成：把对话压成SOAP，只保留医学上有意义的内容，闲聊过滤掉。
5. 医生终审：AI是速记员不是医生，法律责任永远在人。所有头部产品都把“医生确认”设计成必经节点。
6. 回填EHR：能不能写回Epic/Cerner这类系统，决定了它是“玩具”还是“基建”。Abridge吃到的最大红利就是Epic Workshop的官方接口位。

五、可复制部分：你自己搭一条，成本极低

这条流水线没有黑科技，开源组件拼起来就能跑通最小可用版本（以下均为真实开源项目）：

1. 转写：faster-whisper（GitHub: SYSTRAN/faster-whisper）本地跑语音转写，中英文都可用。
2. 说话人分离：pyannote.audio（GitHub: pyannote/pyannote-audio），医患双方打标签。
3. 结构化生成：任意主流大模型API，提示词给死模板——主诉/现病史/查体/评估/计划五个字段，只许提取不许编造，并要求“对话中无对应内容则留空”。
4. 人工确认界面：一个网页表单即可，先不做EHR对接，导出Markdown/Word已经够跑通试运行。

成本量级：本地部署一台带消费级显卡的机器即可承载小规模试运行；走云API的话，一小时门诊的“转写+摘要”成本通常在美分到几毛美元量级（以各家现时定价为准）。对照美国市场人肉scribe服务每月3000美元级的行情（据行业招聘行情报道），毛利空间是数量级级别的——这也是投资人愿意加注的底层原因。

六、ROI账本与适用边界

适用人群：做B端SaaS找细分场景的创业者、医疗IT从业者、想切入“重行业工作流”的独立开发者/小团队、以及研究垂直AI商业化的咨询顾问。不适合想快速做C端流量的人——这条赛道慢、重、深，但一旦卡位就极难被替掉。

对中国从业者的启示有三条：其一，国内已有讯飞“智医助理”等语音+病历产品，但“环境式生成文书”作为独立赛道仍处早期，医疗数据合规和录音知情同意是先决条件；其二，模式可平移到中文语境下的其他“对话生成文书”场景——律师问询笔录、保险面访记录、心理咨询个案记录，流水线完全同构；其三，卡位的本质不是模型能力，而是对接存量系统（EHR/CRM/OA）的接口权，做插头的比造轮子的先吃到肉。

七、信息差总结

八、行动指南

1. 本周：把faster-whisper和pyannote跑起来，录一段10分钟的双人对话，生成第一份结构化纪要，验证转写与分离质量。
2. 下周：写死一套SOAP模板提示词，找一位医生/律师/保险顾问朋友做真实场景试运行，收集“AI漏了什么、编了什么”的badcase。
3. 本月：如果试运行有效，锁定一个目标行业（医疗/法律/保险任选其一），研究该行业国内头部信息系统的开放接口，把“对接权”作为产品第一优先级——这是Abridge路径里最值钱的一步。

参考来源

1. Abridge官网：https://www.abridge.com
2. Nabla官网（含定价）：https://www.nabla.com
3. Kaiser Permanente官方新闻室（环境式AI部署公告）：https://about.kaiserpermanente.org
4. NEJM Catalyst期刊：https://catalyst.nejm.org
5. faster-whisper开源项目：https://github.com/SYSTRAN/faster-whisper
6. pyannote.audio开源项目：https://github.com/pyannote/pyannote-audio

注：文中融资估值、部署规模等数字均标注了报道来源，以各公司官方公告与期刊原文为准；本次成稿时检索通道受限，未能逐条复核最新数据，引用前请二次确认。

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。