Thị trường mà các ông lớn đang nhắm tới, đã được một bác sĩ biến thành doanh thu hàng năm 1 tỷ USD

Hỏi AI · Nền tảng bác sĩ đã tạo nên kỳ tích thương mại cho AI trong y tế như thế nào?

Bức ảnh này thuộc dạng do AI tạo ra

Đơn vị xuất bản｜Nhóm Hổ Xun Technology

Tác giả｜SnowyM

Biên tập｜Trần Yifan

Ảnh bìa｜AI tạo

“AI nguyên sinh 100” là chuyên mục do Nhóm Hổ Xun Technology ra mắt, nhắm đến các hoạt động đổi mới sáng tạo theo hướng AI nguyên sinh. Đây là bài viết thứ 「47」 trong series này.

Ngành AI trong y tế không thiếu câu chuyện, nhưng số ít thực sự vận hành được vòng lặp kinh doanh trọn vẹn. Abridge là một trong số đó.

Nó không chỉ là chuyện gọi vốn, mà đã đang tạo ra lợi nhuận: hơn 150 cơ sở y tế đang sử dụng, doanh thu hằng năm vượt 1 tỷ USD, và định giá đã tăng gần gấp đôi từ cuối 2024 đến giữa 2025. Trong khi nhiều công ty AI y tế khác vẫn ở giai đoạn chứng minh khái niệm, Abridge đã hoàn thành bước nhảy từ sản phẩm đến quy mô.

Phía sau câu chuyện này là một xu hướng ngành đang diễn ra: theo báo cáo của The Information, định giá của công cụ tìm kiếm AI Perplexity là 170 lần doanh thu hằng năm, của Anthropic là 58 lần, của OpenAI là 43 lần. Nhà đầu tư đang trả “premium” cho các công ty ở lớp ứng dụng, và điều đó đang vượt trội một cách có hệ thống so với các công ty mô hình nền tảng. Dòng vốn cũng đang “dùng tiền để bầu chọn”: AI theo chiều dọc thực sự hiểu một ngành, cắm sâu vào luồng công việc, còn đáng giá hơn việc bán “xẻng”. Abridge chính là phiên bản y tế cho phán đoán này.

Câu chuyện gọi vốn của công ty này cũng diễn ra rất suôn sẻ: 7 năm, định giá 5,3 tỷ USD, huy động 760 triệu USD. Chuỗi con số này phía sau là hành trình của một bác sĩ tim mạch từ việc mỗi ngày viết 2 giờ “ghi chú đêm mặc đồ ngủ” đến việc sáng lập một công ty AI.

Tại Mỹ, đi khám 1 giờ, viết bệnh án 2 giờ. Nhiều bác sĩ sau khi tan ca vẫn phải ghi chú tại nhà, khoảng thời gian đó được gọi là “thời gian mặc đồ ngủ”. Việc Abridge làm là trả lại 2 giờ này cho bác sĩ: bác sĩ nói chuyện với bệnh nhân xong, trong vài giây, hệ thống tự động tạo một bản ghi bệnh án có cấu trúc.

Nhóm nghiên cứu đầu tư của quỹ mạo hiểm UpHonest Capital cho biết với Hổ Xun rằng, về bản chất, Abridge đang dùng AI để tạo ra cổng vào cho quy trình hành chính y tế; giá trị dài hạn phụ thuộc vào việc có thể nâng cấp từ công cụ giảm chi phí thành hệ thống thúc đẩy doanh thu hay không (ghi y lệnh – mã hóa bảo hiểm – khiếu nại yêu cầu bồi thường), và thiết lập vị trí không thể thay thế trong hệ sinh thái EHR. Từ hiện tại, Abridge đang xây dựng được ba bức tường phòng thủ: vòng lặp dữ liệu và sự khớp sâu với bối cảnh lâm sàng; thiết kế AI đáng tin cậy; và tích hợp EHR. Không gian tưởng tượng lớn hơn trong tương lai nằm ở việc chuyển từ “công cụ tốn tiền” sang “động cơ tạo giá trị”.

Một ý tưởng cũ được mô hình lớn kích hoạt

Câu chuyện này có một mốc thời gian dễ bị bỏ qua: Abridge được thành lập vào năm 2018, còn ChatGPT xuất hiện vào năm 2022.

Người sáng lập Abridge, Shiv Rao, là bác sĩ tim mạch tại Trung tâm Y khoa Đại học Pittsburgh, đồng thời giữ vai trò quản lý trong bộ phận đầu tư mạo hiểm của UPMC, phụ trách đánh giá các công nghệ y tế tiên phong. Năm 2018, ông bắt đầu khởi nghiệp, sử dụng công nghệ tốt nhất mà thời đó có thể tìm được—các mô hình huấn luyện trước như BERT, BioBERT, Longformer… có thể fine-tune cho các tác vụ cụ thể, nhưng năng lực kém xa so với các mô hình ngôn ngữ lớn ra đời sau đó.

Từ 2018 đến 2022, nhóm mất 4 năm để làm sản phẩm, không vội trải rộng thị trường. Chu kỳ bán hàng kéo dài tới 18 tháng, vì quyết định mua sắm của bệnh viện diễn ra chậm và thận trọng.

Năm 2021, Shiv tham dự một buổi tiệc tối ngành về chủ đề AI tạo sinh. Hai năm sau, ông nhận được vô số cuộc gọi từ những người quay về sau bữa tiệc đó: “Giờ tôi hiểu rồi, tôi cũng muốn thử.”

Sự xuất hiện của mô hình lớn không phải là thay đổi thứ Abridge đang làm, mà là thay đổi nhận thức của mọi người về việc đó. Những khách hàng trước đây cần 18 tháng để thuyết phục, gần như chỉ trong một đêm đã bắt đầu chủ động đến để trao đổi. Shiv mô tả quá trình này là “chuyển hóa thế năng thành bùng nổ”.

Luận điểm cốt lõi của Abridge—hiểu ngữ nghĩa của hội thoại, tạo ra văn bản có cấu trúc—đúng là điều mà mô hình ngôn ngữ lớn làm tốt nhất. Vì thế khi GPT xuất hiện, Abridge không phải đang chạy đuổi công nghệ, mà là cuối cùng công nghệ đã bắt kịp thiết kế sản phẩm của họ.

Shiv tốt nghiệp đại học tại Carnegie Mellon. Khi đánh giá công nghệ, ông không dựa vào trực giác. Trong đội của ông có các giáo sư AI của CMU đảm nhiệm vai trò CSO. Công ty đồng thời sử dụng mô hình ngôn ngữ quy mô mạng và các mô hình nguồn mở được fine-tune (bao gồm cả DeepSeek…). Theo ông, mỗi khi mô hình nền tảng có bước tiến mới, thì các công ty ở lớp ứng dụng đều là bên hưởng lợi: những công ty biết cách biến các công nghệ đó thành các trường hợp sử dụng cụ thể chắc chắn sẽ được lợi.

Từ hội thoại đến bệnh án: sản phẩm hoạt động như thế nào

Những gì Abridge làm nghe có vẻ đơn giản: ghi lại cuộc trò chuyện giữa bác sĩ và bệnh nhân, rồi tự động tạo ghi chú bệnh án. Nhưng độ khó thực sự nằm ở chỗ: môi trường hội thoại y khoa ồn ào, lẫn nhiều giọng, và thuật ngữ y học xen lẫn ngôn ngữ đời thường. Động cơ nhận dạng giọng nói của Abridge đã được huấn luyện chuyên cho loại bối cảnh này.

Quan trọng hơn, Abridge không chỉ làm nhiệm vụ chuyển lời (transcription); nó còn cần hiểu nội dung hội thoại, tạo ra ghi chú có cấu trúc đáp ứng tiêu chuẩn y khoa—tức định dạng SOAP: chủ đề than phiền (Subjective), khám khách quan (Objective), đánh giá (Assessment) và kế hoạch (Plan). Khi bác sĩ nhận được, chỉ cần rà soát và chỉnh sửa đôi chút là có thể ký xác nhận.

Abridge đã được tích hợp vào Epic—hệ thống hồ sơ bệnh án điện tử phủ sóng 42% toàn nước Mỹ. Sau khi kết thúc buổi khám, ghi chú xuất hiện trực tiếp trong Epic chỉ trong vài phút. Hiện hỗ trợ hơn 55 chuyên khoa, hơn 28 ngôn ngữ, bao gồm cả tình huống chuyển đổi ngôn ngữ giữa chừng trong hội thoại, hoặc có kịch bản cần phiên dịch can thiệp.

Chức năng quan trọng nhất của Abridge được gọi là Linked Evidence (Bằng chứng liên quan): mỗi câu được AI tạo ra đều liên kết tới đúng đoạn tương ứng trong hội thoại gốc. Bác sĩ nhìn thấy “bệnh nhân bị đau ngực kéo dài ba ngày”, chỉ cần bấm vào là có thể nghe lại đoạn ghi âm khi đó. Thiết kế này đáp ứng trực tiếp nghi ngờ lớn nhất trong lĩnh vực y tế đối với AI—nếu AI bịa đặt nội dung thì sao? Dữ liệu cho thấy hệ thống Abridge có thể nhận diện 97% nội dung sai do AI tạo ra; con số của các mô hình ngôn ngữ phổ dụng chỉ từ 8% đến 90%.

Hậu phương của mức độ chính xác này là một kiến trúc công nghệ không hẳn đơn giản. Để tạo ra một ghi chú lâm sàng trông có vẻ bình thường, ở hậu trường Abridge có thể gọi và điều phối từ 15 đến 20 mô hình khác nhau: có mô hình chịu trách nhiệm trích xuất các nội dung mà công ty bảo hiểm cần duyệt, có mô hình tạo bản phiên bản dễ hiểu cho bệnh nhân, và có mô hình chuyên xử lý mã hóa y khoa. Theo lời Shiv, đây là “cỗ máy suy luận theo bối cảnh”, chứ không phải lớp vỏ của một mô hình phổ dụng.

Sự phát triển của sản phẩm cũng chứng minh điều đó. Điểm khởi đầu là một ứng dụng miễn phí dành cho bệnh nhân: bệnh nhân ghi lại hội thoại trong phòng khám và nhận bản tóm tắt. Ở giai đoạn này, họ tích lũy hơn 1,5 triệu dữ liệu hội thoại y tế, trở thành nền tảng huấn luyện mô hình. Từ năm 2022, trọng tâm chuyển sang nhóm khách hàng doanh nghiệp; sản phẩm được tích hợp với hệ thống hồ sơ bệnh án điện tử của bệnh viện. Trong giai đoạn 2023 đến 2024, họ trở thành đối tác đầu tiên của Epic, đồng thời nhúng vào quy trình ghi chú kho tàng tri thức lâm sàng uy tín toàn cầu UpToDate. Năm 2025, mở rộng sang văn thư điều dưỡng, hợp tác với Phòng khám Mayo để phát triển phiên bản dành riêng cho y tá.

Hiện tại, Abridge vẫn đang làm về mã hóa y tế và soát xét hóa đơn. Song song với việc tạo ghi chú, Abridge tự động đề xuất mã hóa, giúp bệnh viện cải thiện tỷ lệ nhận hoàn thanh từ bảo hiểm. Điều này khiến nó đối với CFO của bệnh viện không còn là một công cụ làm phát sinh chi phí, mà là một công cụ tạo ra dòng tiền tích cực.

Dữ liệu hiệu quả: những bác sĩ dùng Abridge tiết kiệm khoảng 2 giờ thời gian làm văn thư mỗi ngày. 86% bác sĩ giảm tần suất viết ghi chú làm thêm sau giờ tan ca. Khảo sát của KLAS năm 2024 cho thấy điểm mức độ hài lòng của người dùng Abridge đạt 95,3%, cao hơn xa mức trung bình của ngành.

Logic gọi vốn trong “hố đen” của quy mô hàng nghìn tỷ

Abridge có thể đi đến hôm nay là nhờ một nguyên nhân mang tính cấu trúc: họ chạm vào một nỗi đau đủ lớn—và nỗi đau đó trong thời gian dài đã chưa được giải quyết thực sự.

Mỗi năm Mỹ chi từ 6000 tỷ đến 1 nghìn tỷ USD cho quản trị hành chính y tế, chiếm 15% đến 25% tổng chi tiêu y tế. Riêng đối với từng bác sĩ: trung bình mỗi tuần dành 15,5 giờ cho công việc hành chính, và mỗi ngày làm việc là 6 giờ dành cho hồ sơ bệnh án điện tử. 93% bác sĩ thường cảm thấy kiệt sức nghề nghiệp, và 62% quy là do gánh nặng hành chính. Mỗi năm, tổn thất do bác sĩ rời nghề vì mệt mỏi ở Mỹ khoảng 4,6 tỷ USD; chi phí tuyển thêm cho một vị trí trống lên tới 1 triệu USD.

Đây không phải là bài toán về hiệu suất, mà là nút thắt về nhân lực. Thư ký AI có thể làm việc 24 giờ, mở rộng nhanh, không cần đào tạo—vì vậy nó trở thành một phương án thay thế, chứ không chỉ là công cụ hỗ trợ.

Logic của nhà đầu tư được xây dựng trên nền tảng đó. Lộ trình gọi vốn của Abridge là một “đường tăng tốc” gần như không có điểm dừng: năm 2018 vòng seed 5 triệu USD; đến năm 2022 tổng cộng khoảng 27 triệu USD; cuối 2023 vòng B 30 triệu USD; tháng 2/2024 vòng C 150 triệu USD; tháng 2/2025 vòng D 250 triệu USD (định giá 2,75 tỷ USD). Chỉ sau 4 tháng, tháng 6/2025 hoàn tất vòng E 300 triệu USD, định giá tăng gấp đôi lên 5,3 tỷ USD.

a16z dẫn đầu vòng E, Khosla Ventures, Lightspeed, Redpoint, IVP, Spark Capital, USV, Bessemer tham gia. Các đối tác chiến lược trong y tế cũng tham gia: UPMC Ventures, Mass General Brigham AIDIF, Kaiser Permanente Ventures, CVS Health Ventures. Những khoản đầu tư của các tổ chức y tế này không chỉ là lời chứng thực, mà còn là cam kết triển khai thực tế từ trước.

Phía doanh thu cũng tăng dốc. Cuối năm 2024, ARR của Abridge khoảng 60 triệu USD; đến quý 1 năm 2025 đã đạt 117 triệu USD, và chỉ trong vài tháng đã tăng gấp đôi.

Lọt ra khỏi bóng của các “ông lớn”

Abridge vào cuộc sớm, nhưng đường đua này đã không còn là vùng xanh không cạnh tranh.

Có một câu hỏi đáng để trả lời thẳng: OpenAI, Google, Anthropic đều có năng lực chuyển giọng thành chữ (transcription), vậy vì sao bệnh viện không dùng trực tiếp chúng?

Câu trả lời của Shiv là một cấu trúc phân tầng rõ ràng: lớp nền là các công ty mô hình nền tảng, cung cấp “nguyên liệu” mà ai cũng có thể dùng; lớp giữa là lớp hạ tầng, chịu trách nhiệm điều phối nhiều mô hình khác nhau; và lớp trên là lớp ứng dụng, tập trung giải quyết các vấn đề cụ thể cho người dùng cụ thể, cắm sâu vào luồng công việc, dựa vào các bộ dữ liệu độc quyền. Các công ty mô hình lớn là theo chiều ngang, đồng thời phục vụ vô số ngành; các công ty lớp ứng dụng là theo chiều dọc, chỉ làm một ngành nhưng đi sâu đến tận cùng. Chúng không thể bao phủ mọi lĩnh vực và đi sâu vào mọi lĩnh vực. Đây không phải là vấn đề quy mô, mà là vấn đề cấu trúc.

Trong ngành y tế, rào cản theo chiều dọc đặc biệt cao. Tuân thủ quyền riêng tư là yêu cầu theo luật định; nếu dữ liệu ra khỏi hệ thống bệnh viện thì sẽ kích hoạt “đường đỏ” giám sát. “Tin cậy và đáng tin cậy là loại tiền tệ tối hậu để giao dịch” đây là ngưỡng gia nhập của ngành này. Một công ty AI phổ dụng dù mạnh đến đâu cũng không thể thay mỗi bệnh viện thực hiện kiểm toán tuân thủ HIPAA, đưa đầu ra mô hình vào các trường cụ thể của Epic, rồi tinh chỉnh dựa trên dữ liệu chăm sóc của Mayo Clinic.

Đối thủ quan trọng nhất là Nuance thuộc Microsoft. Công ty này được thành lập từ những năm 1990, là thương hiệu lâu đời trong nhận dạng giọng nói; Dragon Medical từng đạt tỷ lệ thâm nhập cao nhất ở bệnh viện tại Mỹ lên tới 77%. Năm 2022, Microsoft mua lại với giá 19,7 tỷ USD, ra mắt Dragon Ambient eXperience (DAX), hiện đổi tên thành Microsoft Dragon Copilot. Hình thái sản phẩm gần như giống với Abridge: ghi âm, nhận dạng, tạo ghi chú SOAP. Lợi thế cốt lõi của Microsoft là kênh phân phối—năm 2025, Epic chính thức tích hợp Dragon Copilot; 42% bệnh viện trên toàn nước Mỹ trở thành phạm vi “tiếp cận tiềm năng” của nó. Nhưng vấn đề của Nuance cũng rõ ràng: các phiên bản đầu cần người kiểm duyệt lại thủ công, khiến thời gian tạo tài liệu bị trễ vài giờ; giá khoảng 600 USD mỗi bác sĩ mỗi tháng, tức là gấp ba lần Abridge.

Mối đe dọa lớn nhất trong các công ty khởi nghiệp là Ambience Healthcare, thành lập năm 2020, phủ hơn 100 chuyên khoa. Tháng 7/2025 hoàn tất vòng C 243 triệu USD, định giá 1,25 tỷ USD, đối标 trực tiếp thị trường bệnh viện lớn của Abridge. Suki AI nhắm vào phòng khám quy mô vừa và nhỏ; chức năng phong phú hơn nhưng giá cao hơn. Mối đe dọa dài hơn đến từ chính Epic—năm 2025 ra mắt tính năng văn thư Art, mã hóa AI Penny, trợ lý bệnh nhân Emmie. Khi nhà cung cấp EHR có chức năng sẵn có phát triển đủ trưởng thành, việc bệnh viện giảm phụ thuộc bên thứ ba là kết quả tự nhiên. Abridge hiện dẫn hơn một bước, nhưng cuộc đua mới chỉ bắt đầu.

Đặt trên trục thời gian dài hơn, ý nghĩa của Abridge không chỉ là “tự động viết bệnh án”. Nó là một trong những ví dụ sớm của việc AI thực sự đi vào các luồng công việc có trách nhiệm cao, ngưỡng cao và chịu sự quản lý chặt chẽ.

Nhưng trong câu chuyện của nó còn ẩn một cấu trúc khác: một công ty có thể chuẩn bị vững ý tưởng và dữ liệu trước khi mô hình lớn xuất hiện; khi công nghệ đã sẵn sàng, mức bùng nổ sẽ nhanh hơn rất nhiều so với việc bắt đầu từ số không. Abridge dùng 4 năm để tích lũy 1,5 triệu dữ liệu hội thoại y tế; 4 năm để xác thực lộ trình tích hợp luồng công việc; và 4 năm để xây dựng niềm tin với bệnh viện. Khi ChatGPT xuất hiện, những tích lũy đó mới chính là đường chạy xuất phát thực sự của nó.

Cuộc cạnh tranh mới chỉ bắt đầu. Microsoft, các “ông lớn” EHR, và các startup AI nguyên sinh đều đang tăng tốc đầu tư. Trong vài năm tới, đường đua này rất có thể sẽ nâng cấp từ “AI tự động ghi chép” lên “vòng khép kín lâm sàng hoàn chỉnh có sự tham gia của AI”. Chỉ những ai có thể đào sâu đồng thời năng lực mô hình, tri thức y khoa, tích hợp hệ thống và cơ chế tạo niềm tin thì mới thực sự ở lại được.