夜雨聆风OpenAI 在 2023 到 2026 这三年烧了几百亿美元做 AGI。同一时期，纽约一家叫 Tennr 的创业公司只融了 1.6 亿美元，做的事是——读懂美国医院的传真。
三年下来，OpenAI 做出了 GPT-5。Tennr 估值做到了 6.05 亿美元。硅谷顶级风投都进场了——安德森·霍洛维茨(a16z)、谷歌风投、光速创投。
这中间发生了什么？
2026 年的美国医疗系统
你在美国看家庭医生，医生说"你这个情况要转诊给专科医生"。那张转诊单是怎么传过去的？
答案是传真机。
家庭医生这边的医务人员把转诊单打印出来，塞进传真机，按发送。专科诊所那边收到一张纸——可能漏页、可能模糊、可能字迹潦草——前台拿过去人工录进电子病历。如果中间出错，专科诊所打传真过来要求重传。
整个流程平均 3 到 5 天。
这不是某家小诊所。这是 2026 年美国医疗系统的真实样子。核心信息交换工具，仍是 1843 年发明的传真机。
美国医疗行业每年交换的传真页数是 90 亿页。89% 的医疗机构仍在用。70% 的医疗沟通通过传真完成（如果把进出电子病历系统的传真也算上,这个比例上升到 90%）。30% 的检查因为传真丢失、忙线、漏页而被重做。美国 80% 的严重医疗错误源于沟通问题——传真是其中重要一环。
过去 20 年所有想"消灭传真机"的尝试，都失败了。
为什么消灭不了
不是医院用不起电脑——是医院之间互相不信任、美国医疗隐私法(HIPAA)合规要求严苛、不同的电子病历系统互不兼容、跨州医疗法规打架。
一系列结构性问题导致传真成了唯一所有医院都接受的"通用接口"。你做一个再好的电子转诊系统，对方医院不接，你就还得用传真。
这是个典型的网络效应陷阱：除非所有人同时切换，否则没人切换得动。过去十几年所有"医疗 IT 升级"的创业公司都死在这个陷阱里。
这一波 AI 创业公司，做对的就一件事——不消灭传真，读懂传真。
Coral 的创始人在融资公告里写得很直白:
"我们跟传真机和解，而不是对抗它（we work with, not against, the fax machine）。"
这句话听起来不性感。但它就是 6 亿美金背后的判断。
6 亿美金是怎么做出来的
Tennr 2021 年成立在纽约。它做的事简单得不像 6 亿美金的公司：
医院传真过来一张转诊单——Tennr 的 AI 把上面所有内容（手写的、扫描的、潦草的、错位的）读出来、结构化、自动接入下游系统。下游做什么？预约、保险审核、临床决策、病历归档——什么都行，反正数据已经结构化了。
Tennr 现在每月处理超过 1000 万份文档，服务 150+ 家医疗机构。
同赛道还有几家公司:
Coral(2026 年 4 月融 1250 万美元,光速创投/Z47 领投):读手写传真表格、扫描的保险卡、保险公司门户截图——准确率 99.7%。对比一下:通用流程自动化工具(RPA)在同样场景的准确率只有 52%。
Insight Health(2026 年 4 月融 1100 万美元 A 轮):AI 智能体处理传真转诊、电话调度、术前问诊、临床文档。
Basata(凤凰城,2024 年成立):传真进来后,AI 读出转诊信息,然后AI 语音智能体直接给病人打电话约诊——把传真→人工→电话→预约这条链整个吞掉。
Paratus Health(YC 投资):专攻门诊诊所,AI 智能体像人一样使用 Epic、Athena 等老电子病历系统——鼠标键盘操作,端到端跑完整个工作流。
这批公司过去 12 个月融资超过 3 亿美元。a16z 同时投了好几家——硅谷头部风投的"集体下注",通常意味着这是会出大公司的赛道。
关键的不是这些数字。关键是这批公司证明了一件事——AI 创业其实有第三条路。
第一条路是底层模型。OpenAI、Anthropic、Google、DeepSeek 在卷。门槛极高,只有少数几家能玩,赢家通吃,估值天花板也最高(OpenAI 8520 亿、Anthropic 千亿)。但只有几个位置,绝大多数创业者上不了车。
第二条路是消费应用。AI 写作、AI 视频、AI 教育、AI 办公。门槛低,红海,渠道难,护城河浅——上面有大厂的免费工具压着,下面有更便宜的同行压着。
第三条路是老系统的 AI 翻译层。老系统不动,AI 把它的内容读懂、结构化、接入现代工作流。Tennr 走的是这条路。
这条路过去十几年走不通——AI 读不懂手写、扫描、潦草、错位的非结构化文档。准确率 50% 出头的工具,医院不会让它接到病历系统里。大模型刚把这个能力解锁(Coral 99.7% 的准确率,五年前是不可想象的),这才有了 Tennr 的窗口期。
这条路也过得了"网络效应陷阱"——传统的医疗 IT 升级公司过不去,因为它们要求医院切换系统;Tennr 不要求医院做任何改变,医院该传真还传真,Tennr 在传真和现代工作流之间架了一层 AI 翻译。不动现状,改读法——这是过去十几年所有"消灭传真"的公司都没想到的路。
中国的"传真机"在哪里
先讲一个反向的事实:中国医保电子化做得比美国好得多。
到 2026 年,中国省内看病基本就是刷医保电子凭证当场结算,跨省住院直接结算率 70% 以上,异地备案多数即时生效。即使是无法当场直接结算的,也是"全国手工报销网上办理",审核通过后 5 个工作日内打款到账。即时结算资金占本地医保基金月结算资金的比例,2026 年底前要做到 80% 以上。
而美国医疗每年还在传 90 亿页传真。
这是一个值得停一下想的反差——中国在医保电子化这件事上,过去十几年靠政府强推,跨过了美国在市场化体制下跨不过的网络效应陷阱。这是中国制度的红利。
但中国不是没有"传真机式瓶颈",只是它们藏在另一些场景里。举几个真实存在的:
• 商业医疗保险理赔——你买的百万医疗险,看完病要把医院发票、检查报告、医生处方扫描上传或邮寄,保险公司人工核对,审核周期常常 2-4 周。这块业务社保医保的电子化没覆盖到。
• 政务跨部门审批的底层——表面有"一网通办",但很多环节还是人工录入跨部门数据,纸质材料补盖章是常态。
• 出口贸易合规文档——信用证、提单、原产地证书、合规声明,纸质 + PDF 扫描 + 邮件 + 电话核对的混合体。
• 建筑工程的图纸变更签证——施工现场的纸质流转 + 现场补签字,工程量审计经常因为这事打官司。
• 银行对公业务的合规审核——大量 PDF 截图、Excel 邮件、电话核对,合规人员手动比对。
每一个都是肉眼可见的、过去解不掉的低效。每一个的核心问题都不是"系统不够新",而是"系统之间不通,信息没法被结构化读懂"。
大模型恰好解决了最后这件事。
中国创业者最容易看漏的赛道
过去两年中国 AI 圈的注意力,几乎都压在两个方向:
底层模型(深度求索、月之暗面、智谱、阶跃、MiniMax 卷参数卷成本)和消费应用(AI 写作、AI 视频、AI 教育、AI 办公卷流量)。
而美国风投这一轮押注的"传真机赛道",是第三条路——给传统行业的老系统做 AI 翻译层。
这条路在国内被严重低估,因为:故事不性感("我们读传真"不如"我们做 AGI"听起来酷),B 端销售周期长决策链复杂,创始人需要懂某个传统行业的 know-how 而不光是清北 / 大厂背景,估值天花板看起来低。
但 Tennr 三年做到 6 亿美金,说明这条路的天花板没那么低。如果有公司能扎扎实实把"全国医保理赔单读懂"或"全国海关通关单读懂"做出来,几亿美金估值不奇怪。
更现实的判断是:这条路不是"最大商机"——OpenAI 那种估值它做不到。但它是给绝大多数没能力卷模型层的创业者,留出来的一条更现实的路:解决真问题、有真客户、壁垒在数据接口而不是模型参数,且过去十几年所有传统玩家都失败的赛道,新创业者带着 AI 武器进场刚好有窗口。
这个窗口期可能就是接下来 18-24 个月——大模型能力刚到位、传统行业的 AI 化刚开始有真实付费需求、整个市场还没意识到这是个独立赛道。
最后
OpenAI 几百亿做 AGI 是一个故事。Tennr 1.6 亿做"读医院传真"是另一个。
前者每天上头条,后者绝大多数中国人没听说过。
这两个故事不是非此即彼——AI 创业的三条路并存,各有各的玩家、风险、回报。但中国 AI 圈过去两年的注意力,几乎全压在前两条(模型层 + 消费应用),第三条路被严重低估。
读完这篇文章你可以试着想一件事:
你公司里、你客户那里、你日常工作流里,有什么"传真机式的瓶颈"——一个所有人都觉得"反正一直这样"、AI 现在已经能解、但还没人下手做的具体问题?
这个问题,可能比下一场 GPT-5 发布会更值得花一晚上。
资料来源:TechCrunch 2026 年 5 月 7 日《The fax machine is the bottleneck in US healthcare, and VCs are starting to notice》;Fortune 2026 年 4 月报道 Insight Health A 轮;GlobeNewswire 2026 年 4 月 Coral 融资公告;FierceHealthcare 2026 年医疗融资 tracker;CMS 2028 传真新规公告。Tennr 数据来自其官网及 Crunchbase。
