Hippocratic AI

Hippocratic AI 是一家总部位于帕洛阿尔托的公司，致力于为医疗机构构建面向患者的语音智能体。该公司由 Munjal Shah 于 2023 年创立，其核心理念是：全球医疗工作者短缺的问题，可以通过让 AI 智能体处理高频、低风险的患者沟通任务来部分缓解，例如出院后随访电话、慢性病护理问询、服药依从性提醒、预防性护理外呼以及预约安排。这些智能体明确设定为非诊断性和非处方性，旨在经过培训的临床支持人员的工作范围内运行，而不是取代医生或做出临床判断。截至 2026 年 5 月，Hippocratic AI 已在三轮融资中筹集了 4.04 亿美元，在 2025 年 11 月由 Avenir Growth 领投的 C 轮融资中估值达到 35 亿美元，并拥有超过 1,000 家医疗机构合作伙伴，包括 WellSpan Health、OhioHealth、University Hospitals、Cincinnati Children's 和 Universal Health Services。

该平台运行在专有的星座架构 Polaris 上。截至 2026 年 4 月 30 日，当前版本为 Polaris 5.0：这是一个拥有 5 万亿参数的系统，以一个 7000 亿参数的核心模型为基础，并辅以专门的支持模型，用于药物安全、临床升级、实验室结果解读、保险福利查询以及用于呼吸评估的咳嗽/声学检测。该系统实现了 1.5 秒的首音频延迟，并支持在英语、西班牙语和普通话之间进行通话中语言切换。在 Polaris 5.0 发布时公布的临床安全基准测试显示，其药物安全准确率为 99.95%，临床升级准确率为 99.75%，在相同任务上优于 GPT-5 Mini 和 Gemini 2.5 Flash。目前提供两款主要产品：用于端到端患者沟通工作流的 AI Front Door，以及用于 AI 辅助护理团队运营的 Nurse Co-Pilot。2025 年 1 月推出的 Healthcare AI Agent App Store 允许医疗系统通过 Hippocratic 的 API 共同开发针对特定患者群体和病症的定制智能体。

2026 年 5 月的 Hippocratic AI 究竟是什么

Hippocratic AI 在医疗 AI 领域占据了一条特定且边界清晰的赛道：患者沟通层。当患者在关节置换术后出院时，AI 智能体会在 48 小时内致电，进行结构化的症状检查，评估服药依从性，并在发现临床异常时将电话转接给人类护士。当 Medicare Advantage 计划需要联系 50,000 名逾期未进行结直肠癌筛查的会员时，智能体会进行大规模外呼，回答常见问题并安排预约。当制药公司进行临床试验时，智能体会负责整个试验人群的患者问询和方案依从性检查。

Polaris 星座架构使 Hippocratic 区别于部署在医疗数据上微调的通用模型。Polaris 5.0 并没有使用单一模型处理所有任务，而是使用一个主要的对话智能体，并由一圈专门的评估模型进行实时监督，每个评估模型负责检查特定的故障模式：幻觉药物信息、遗漏的升级触发因素、HIPAA 身份验证失败、同理心偏差。自商业化以来，该系统已处理超过 1.8 亿次患者交互，据报道其正确的临床指导率为 99.90%，且记录在案的严重伤害事件为零。

“关于 Anna（WellSpan Health 为其 Hippocratic AI 智能体起的名字）作为我们的 AI 护理助手的安全信息绝对是非常出色的。每一位审查过该信息的临床领导和首席医疗官都对此印象深刻。” —— Roxanna Gapstur, PhD, RN，WellSpan Health 总裁兼首席执行官，2025 年 11 月

2025 年 1 月的 B 轮融资（1.41 亿美元，由 Kleiner Perkins 领投）使 Hippocratic 以 16.4 亿美元的估值跻身独角兽行列，并同步推出了 Healthcare AI Agent App Store。2025 年 11 月的 C 轮融资（1.26 亿美元，由 Avenir Growth 领投）使估值翻了一倍多，达到 35 亿美元，CapitalG（Google 的成长基金）、General Catalyst、Andreessen Horowitz、Kleiner Perkins、Cincinnati Children's 和 WellSpan Health 均参与其中。总融资额为 4.04 亿美元。此后，该公司在国际上进行了扩张，与以色列的 Sheba Medical Center 和日本的 EUCALIA Inc. 建立了合作伙伴关系（部署了首个非诊断性、面向患者的日语生成式 AI 医疗智能体，于 2025 年 5 月宣布）。

Hippocratic AI 与 Suki AI 和 Glass Health 的定位对比

最常被拿来比较的是 Suki AI，但这两款工具在医患关系的不同层面运行，很少竞争相同的预算。Suki 是一个面向医生和临床工作人员的环境记录平台。它倾听临床医生与患者的接触过程，生成结构化的 SOAP 笔记、H&P 文档和进度笔记，然后通过深度的双向集成将它们推送到 Epic、Cerner、athenahealth 和 MEDITECH。Suki 的用户是在预约后完成笔记的临床医生。Hippocratic AI 的用户是在出院两天后接到随访电话的患者。医疗系统可以同时运行两者而不会产生重叠，这就是为什么 Suki 的投资者（包括 Google 等）和 Hippocratic 的投资者（Kleiner、a16z）不存在零和竞争的原因。

更具启发性的比较是与 Glass Health，这是一家构建 AI 临床决策支持的较小公司。Glass Health 倾听临床医生与患者的接触过程，并构建实时的鉴别诊断（最可能、扩展、不可遗漏类别）、评估和计划生成以及临床问答——这些都是帮助医生在接触过程中更好思考的工具。Glass Health 通过 SMART on FHIR 与 Epic、eClinicalWorks 和 Athena 集成，并提供起价为 $29/月的免费增值模式，使其可供独立临床医生和小型诊所使用。Hippocratic AI 完全不涉及鉴别诊断，并且仅面向企业提供定制化定价。Glass Health 也处于更早期的阶段，几个功能仍在测试中，并且尚未公布其底层模型的参数数量或架构细节。根本的区别在于重点：Glass Health 改善临床推理；Hippocratic AI 扩展患者沟通。

为了了解医疗 AI 技术栈中相邻工具的背景，Abridge 在面向临床医生的环境记录方面与 Suki 直接竞争，而 Nabla 和 OpenEvidence 分别解决临床知识检索和诊断支持问题——它们都在面向临床医生的层面上运行，而 Hippocratic AI 明确不涉足该层面。

Hippocratic AI 内部的 AI 实际是如何运作的

Polaris 星座模型不是 GPT-4 或 Claude 或任何公开可用模型的微调版本。它是一个专有的多模型系统。Polaris 5.0 包含 20 多个与对话核心并行运行的专门临床子模型：一个检查每次药物提及准确性的药物安全模型，一个监控七大身体系统和特定危机指标（包括自杀倾向和儿童保护服务触发因素）的临床升级模型，一个实验室结果解读模型，一个保险福利查询模型，以及一个针对药物发音进行优化的定制临床 ASR（自动语音识别）系统。该系统还包括用于呼吸评估的咳嗽和声学检测，这是 Polaris 5.0 版本中新增的功能。

在任何智能体向患者上线之前，Hippocratic 都会对其进行测试协议，涉及数千名持有美国执照的护士和医生扮演患者。超过 7,500 名持有执照的临床医生参与了这一验证过程。跨模型版本跟踪的患者满意度得分显示出持续的改善：从 Polaris 2.0 的 8.72/10 提高到 Polaris 3.0 的 8.95/10（2025 年 3 月发布，跨 22 个专用 LLM 拥有 4.2 万亿参数）。该公司已获得数据安全合规性的 HITRUST e1 认证（2025 年 7 月）。

“在 OhioHealth，安全是我们做出的每一个护理决策的基石，我们对合作伙伴也抱有同样的标准。Hippocratic AI 对临床安全的坚定承诺，加上他们严格的测试和验证过程，让我们有信心以真正支持患者和临床医生的方式部署他们的智能体。” —— Dr. Michael Ezzie, MD，OhioHealth Physician Group 高级副总裁兼总裁，2025 年 11 月

用户不断提出的摩擦点

对 Hippocratic AI 最实质性的持续批评并非来自患者，而是来自医疗 IT 分析师和实施团队，他们发现该平台解决的问题比医疗系统最初预期的要窄。

分析师报道中反复出现的挫败感是：AI 智能体最擅长的工作（患者教育电话、预防性护理外呼、出院后随访）实际上并不是护士花费大部分时间的地方。McKinsey 一项关于护理工作流的研究发现，护士最大的时间需求是药物管理、定位患者和设备以及更新文档——这些都不是 Hippocratic AI 智能体能够解决的。营销材料中的“AI 减轻护理负担”与护士实际花费时间的运营现实之间的不匹配，在部署阶段造成了一些失望。

第二个摩擦点是基准测试的透明度。Polaris 模型是完全专有的。所有准确性声明——99.95% 的药物安全准确率、零严重伤害事件——均基于内部测试。截至 2026 年年中，尚未有同行评审的期刊发表对 Polaris 系统在真实世界部署中准确性的独立临床验证。该公司的 arXiv 论文描述了架构和方法，但如果没有访问模型的权限，则无法复现。

第三：CMS 计费代码。代码 99490 和 99497 下的慢性病护理管理报销需要记录人类临床医生的时间。AI 智能体交互不符合条件，这限制了一些医疗系统在为该平台建立业务论证时所预期的收入情况。

第四：EHR 集成深度因医疗系统而异。智能体可以从 EHR 中提取患者数据以个性化通话，并将摘要记录回传，但双向集成的深度需要医疗系统方面进行大量的技术配置工作，而这一负担主要落在部署组织的 IT 团队身上。

Hippocratic AI 适合谁

Hippocratic AI 非常适合大规模运行患者参与计划的大型医疗系统、Medicare Advantage 计划和制药公司。当组织具备以下条件时，该平台在经济上最合理：(a) 大量患者需要常规外呼，而目前由于护士能力限制而被遗漏；(b) 拥有可集成的有意义的现有技术基础设施（EHR、电话系统、数据源）；(c) 拥有能够配置和维护集成的企业 IT 团队。来自实际部署的报告结果包括：出院后随访计划的 30 天再入院率降低了 30%，Cincinnati Children's 慢性病护理管理团队的能力增加了 360%，以及 60% 的流感疫苗外呼电话实现了记录在案的疫苗接种目标。

如果您是没有企业 IT 资源的小型或独立诊所、行为健康或儿科专科诊所（该平台明确将心理健康危机管理和两岁以下患者排除在其范围之外），或者主要寻找临床文档软件的组织，请跳过 Hippocratic AI。对于环境记录和面向临床医生的 AI，Suki AI 或 Abridge 是相关的选择。对于患者接触期间的临床决策支持，Glass Health 解决了该工作流。Hippocratic AI 的价值专门体现在患者外呼层，最需要它的组织是那些管理着庞大患者群体，但用于常规随访和预防性护理外呼的护理带宽有限的组织。