创业失败转型做AI健康数据公司,仅1年被OpenAI一亿美元收购
作者：微信文章30天七步搞定未成年人个保合规审计的实操要点
何渊律师获得全国首批个人信息保护合规审计人员（高级）证书！附DPOHUB数隐咨询一站式解决方案
1月13日，OpenAI正式宣布完成对医疗健康数据初创公司Torch的收购，交易估值为1亿美元。Torch此前正开发一款面向人工智能应用的健康数据整合应用，该应用可聚合用户来自多个渠道的医疗信息，包括门诊记录、实验室检测结果、可穿戴设备数据，以及各类健康门户和消费级健康检测服务（如居家基因检测等）所生成的数据。
来源：数据要素社
OpenAI近日宣布已完成对微型医疗科技初创公司Torch的收购，交易金额未予披露。据「The Information」援引一位匿名消息人士称，OpenAI以价值约1亿美元的股权完成了此次收购。
此次收购以股权形式完成，其中约6000万美元为即时兑现部分，剩余4000万美元作为留任激励，绑定核心成员未来数年继续服务于OpenAI。Torch团队整体并入OpenAI新设立的ChatGPT Health部门，不再保留独立运营实体。
Torch由四名成员组成的核心团队将整体加入OpenAI，双方均已确认这一安排。Torch此前正开发一款面向人工智能应用的健康数据整合应用，该应用可聚合用户来自多个渠道的医疗信息，包括门诊记录、实验室检测结果、可穿戴设备数据，以及各类健康门户和消费级健康检测服务（如居家基因检测等）所生成的数据。Torch团队将其技术称为“AI的医疗记忆”，旨在将分散在不同系统中的健康记录统一整合进一个上下文引擎，从而为AI提供连贯、结构化的健康背景信息，提升其在医疗场景中的理解与推理能力。
根据公开披露信息，Torch成立于2025年1月，团队由4人组成，核心成员包括前数字医疗公司Forward的联合创始人Ilya Abyzov、Eugene Huang、Ryan Oman和James Hamlin。该公司在未对外发布正式产品、未公布用户规模或营收数据的情况下，于成立一年内被收购。
据Torch联合创始人伊利亚·阿比佐夫（Ilya Abyzov）在社交平台X上发布的帖子透露，Forward曾以打造AI驱动的智能诊所闻名，但在2024年底突然停止运营，尽管此前已累计融资超4亿美元。此次被OpenAI收购，标志着这支团队及其技术获得全新发展路径。此次收购属于典型的“人才并购”（acqui-hire），Torch团队及其核心技术将并入OpenAI最新推出的ChatGPT Health服务。该服务允许用户通过聊天机器人接入并分析个人健康数据，实现个性化的健康管理与医疗建议，标志着OpenAI正式向消费者健康领域迈出关键一步。
Torch和Forward
Torch的故事，要从一次失败的创业说起。
Ilya Abyzov毕业于达特茅斯学院，2016年，他与谷歌前高管Adrian Aoun等人创办了Forward，目标是重塑医疗保健服务。
成立之初，公司便拿到由Google董事长Eric Schmidt、Benioff、Oscar创始人Joshua Kushner和Uber联合创始人Garrett Camp在内的众多投资者筹集的3000万美元。到2019年，公司估值已经达到4.53亿美元。
2021年的D轮为Forward带来2.25亿美元融资，公司一举跻身独角兽行列，估值突破10亿美元。
2023年，Forward宣布成功筹集了由软银、Khosla Ventures、Founders Fund等股东提供的1亿美元的E轮融资。
此时，公司前后融资已共计超过6.57亿美元，所有人都对未来充满信心。
然而到了2024年，Forward突然宣布停止运营，回看崩塌并非毫无征兆.
早在E轮融资时，Forward已坦言面临“极其艰难的市场环境”，并经历多轮裁员、关闭诊所。而新产品CarePod成了压垮骆驼的最后一根稻草：单台成本超百万美元，却频频出现抽血失败、用户被困舱内等故障。更根本的原因在于，成立以来公司收入不到1亿美元，造血能力严重不足。
Forward落幕了，但火种未灭。
Ilya Abyzov带着三位Forward的核心成员——Eugene Huang、Ryan Oman与James Hamlin，于2025年初共同创立了Torch。
这一次，他们选择轻装上阵，不做硬件、不开诊所，也不再试图重塑医疗体系，而是聚焦一件更朴素的事——用AI让散落的医疗数据真正对用户有用。
起步阶段，Torch仅完成一轮小额种子轮融资，由Forward前CEO Adrian Aoun以及First Round Capital等老朋友支持。
成立仅一年，团队便以超1亿美元被OpenAI收购，创始人进入大模型核心战场，早期投资人全身而退。对一场从失败中重启的创业而言，这已是一个近乎圆满的句点。
为什么是Torch？
今年1月7日，OpenAI推出ChatGPT Health功能，允许用户在一个隔离的对话空间中咨询健康问题，并可选择连接外部健康数据源。官方数据显示，该功能上线首周即处理超2.3亿次健康相关查询。
然而，通用大模型缺乏对个体用户健康历史的上下文感知。
Torch的技术填补了这一空白。其结构化健康记忆可作为外部知识库，通过RAG（Retrieval-Augmented Generation）机制注入ChatGPT Health的推理流程。
Torch的核心能力在于多源健康数据的结构化与语义对齐。公司技术聚焦于个人健康数据的聚合、解析与标准化。
其系统设计目标是将分散在不同来源的非结构化或半结构化健康信息，转化为AI可理解、可推理的结构化数据格式。
据内部技术文档及团队过往项目披露，Torch的数据处理流程包含以下四个层级——数据接入层、文档解析层、语义标准化层、时序建模层。数据接入层支持多种数据源格式，包括但不限于：
医疗机构PDF病历（如三甲医院出具的检验报告、影像诊断）电子健康记录（EHR）系统导出文件（支持HL7、FHIR等标准）可穿戴设备数据（Apple Watch、Oura Ring、Fitbit等通过HealthKit或Google Fit API接入）消费级健康App数据（如MyFitnessPal、Strava）用户上传的语音或文本问诊记录
文档解析层针对非结构化文档（尤其是扫描版PDF），Torch采用基于视觉大模型（VLM）的OCR+布局理解技术，识别表格、段落、医学术语及数值指标。例如，一份包含“LDL: 160 mg/dL”的血脂报告，系统可自动提取字段名、数值、单位及参考范围，并标注检测日期。
语义标准化层利用医学本体库（如SNOMED CT、LOINC、RxNorm）对提取的术语进行映射。例如，“WBC”、“白细胞计数”、“Leukocyte count”均统一为LOINC代码“6690-2”。该步骤确保来自不同机构、使用不同表述的数据在语义层面一致。
时序建模层将标准化后的数据按时间戳对齐，构建用户专属的纵向健康时间轴。系统可自动识别趋势（如连续三个月空腹血糖上升）、异常值（如肌酐突然升高）及潜在关联（如某药物开始服用后心率变异性下降）。
整个流程在本地或私有云环境中运行，原始数据不离开用户设备或授权存储区域，仅结构化后的元数据用于后续AI推理。
所以，Torch的1亿美元收购案，像是一次围绕“高质量健康数据处理能力”的精准并购。其价值不在于用户规模或收入，而在于一套可复用、可扩展、合规的健康数据结构化流水线。
AI模型出海第一步：是否涉及个人数据以及是否受GDPR管辖？法国CNIL最新指南精解！附中译本
匿名化的法律边界重审：GDPR 与个保法的结构性对比！附匿名化判断操作清单
附中译本 | 美国纽约AI监管专门立法精解：法律框架、合规要点与实务应对
附中译本 | 中国AI大模型出海的全球合规框架精解：基于意大利对DeepSeek的AI幻觉的执行和解案 | 行政决定书及企业承诺书全文
APP监管新规精解：App、SDK、平台至终端全景个保合规框架！附检查清单与行业（含汽车/金融/医疗/工具/内容）实操模板
个保合规审计项目及培训
欢迎扫码预约咨询（可小时计费）
页:
[1]