在2024年的華爾街，當輝達（NVIDIA）引領的AI巨浪席捲全球資本市場時，一家名不見經傳的醫療科技公司Tempus AI（股票代碼：TEM）悄然上市，並在短短幾個月內，上演了一場驚心動魄的股價飆漲。從知名投資人「女股神」凱薩琳·伍德（Cathie Wood）的看好，到美國前眾議院議長佩洛西的公開買入，這家成立不到十年的公司，瞬間被推上鎂光燈的中心。
許多台灣投資人與生技從業人員不禁好奇：Tempus AI究竟是做什麼的？它不過是另一家基因檢測公司嗎？為何它能在強敵環伺的美國市場中脫穎而出，甚至被譽為「AI醫療的未來」？
答案，遠比單純的「基因檢測」或「AI應用」要複雜且深刻得多。Tempus AI的成功，並非源於單一技術的突破，而是在於其精心設計、環環相扣的商業模式——一個強大到足以自我加速的「數據飛輪」（Data Flywheel）。這個飛輪不僅為它構築了深不見底的護城河，更揭示了精準醫療產業下一個十年的終極戰場：數據的所有權、整合能力與變現效率。
本文將為您深度拆解Tempus AI的商業模式，剖析其數據飛輪的三大核心引擎如何協同運作，並透過與日本及台灣產業生態的對比，反思台灣生技產業在AI醫療浪潮下的挑戰與契機。對於任何關心生技投資與產業未來的人來說，讀懂Tempus AI，就是讀懂數據時代的醫療新賽局。
Tempus AI的崛起：不只是一家基因檢測公司
要理解Tempus AI的獨特之處，我們必須先回到它創立的初衷。創辦人艾瑞克·萊夫科夫斯基（Eric Lefkofsky）是一位連續創業的科技富豪，他創辦過的公司包括團購網站Groupon。然而，當他的妻子被診斷出癌症時，他以科技人的視角，敏銳地察覺到現代醫療體系中一個巨大卻被長期忽視的痛點。
從一個痛點出發：打破醫療數據的「孤島效應」
萊夫科夫斯基發現，病患在治療過程中會產生海量的數據，包括基因序列、病理報告、影像掃描、電子病歷（EHR）、治療反應紀錄等等。然而，這些寶貴的數據卻像一座座孤島，零散地儲存在不同的醫院、科別、甚至不同的軟體系統中。更糟糕的是，其中大量數據是非結構化的，例如醫師手寫的診療筆記、影像報告中的描述性文字，它們難以被電腦系統化地分析與利用。
這種「數據孤島效應」導致了巨大的價值浪費。一位醫師在為病人制定治療方案時，很難參考到全球成千上萬相似病例的完整數據與治療結果；一家藥廠在開發新藥時，也難以高效地找到最適合的臨床試驗受試者，或是發現新的藥物標靶。
Tempus AI的創立，正是為了解決這個根本性問題。它的願景，不是成為一家檢測服務做得最好的公司，而是要打造一個能整合所有醫療數據的智慧平台，讓數據在醫師、研究機構、藥廠之間順暢流動，並利用AI技術從中挖掘出能改善治療、加速研發的「洞見」（Insights）。
驚人的財務表現與市場狂熱
在這一宏大願景的驅動下，Tempus AI的成長速度令人咋舌。根據其財報數據，公司營收從2020年的1.88億美元，一路飆升至2024年的6.93億美元，年均複合成長率（CAGR）高達39%。更重要的是，其虧損幅度持續收斂，公司甚至給出了2025年調整後EBITDA（稅息折舊及攤銷前利潤）將轉虧為盈的樂觀展望。
這份成績單，加上AI的時代紅利，讓Tempus AI在2024年6月上市後迅速成為資本市場的寵兒。截至2025年初，其股價相較上市首日漲幅一度超過60%，遠遠超越同期的納斯達克生物技術指數。市場的狂熱反映了一個清晰的信號：投資人看懂了Tempus AI的故事，他們買帳的不僅是當前的營收，更是其「數據飛輪」模式所蘊含的巨大潛力。
深度拆解：Tempus AI如何打造「數據飛輪」？
Tempus AI的商業模式精妙之處，在於它將三個看似獨立的業務——基因組學、數據服務、AI應用——完美地串聯成一個相互驅動、持續加速的閉鎖循環。我們可以將其比喻為一個飛輪，一旦啟動，每一圈的轉動都會為下一圈積蓄更多能量。
飛輪的第一個引擎：基因組學（Genomics）— 數據的入口
飛輪的啟動點，是基因組學檢測服務。這是Tempus AI最基礎、也是最直接面對客戶（醫師與病患）的業務。公司提供一系列全面的癌症基因檢測產品，涵蓋了：
-
- xT (固體瘤分析)：檢測648個基因，是其主力產品之一。
- xF (液態切片)：透過血液檢測癌細胞釋放的cfDNA，侵入性較低。
- xR (全轉錄組RNA定序)：提供DNA之外更豐富的基因表達資訊，能匹配到更多標靶治療。
- xM (微小殘留病灶MRD檢測)：用於監測癌症治療後的復發風險。
對醫師和病人而言，這是一項高品質的臨床檢測服務。但對Tempus AI而言，其戰略意圖遠不止於此。每一次檢測，都是一次關鍵數據的獲取。
這正是Tempus AI與傳統第三方醫學檢驗實驗室（ICL）最根本的區別。傳統ICL的商業模式是「按件計酬」，完成一次檢測，交易就結束了。但Tempus AI將每一次檢測都視為其龐大數據資產的開始。為了最大化這個數據入口的流量，Tempus AI在美國市場採取了極具侵略性的策略：
1. 建立廣泛的醫院網路：截至2024年底，公司已與美國超過3,000家醫療機構合作，其中包括超過65%的學術醫療中心，觸及超過半數的腫瘤科醫師。這意味著它的數據來源既有廣度又有深度。
2. 推動保險給付：在美國，商業保險是否給付是決定一項檢測能否普及的關鍵。Tempus AI投入大量資源，使其多項核心檢測被納入保險涵蓋範圍。這使得醫師更願意開立檢測，病患也負擔得起。數據顯示，其腫瘤NGS檢測的平均給付金額從2019年的633美元成長到2024年的1530美元，直接驅動了檢測量從每年4萬例暴增至超過27萬例。
這個引擎的轉動，不僅帶來了穩健的基因組學營收（2024年達4.52億美元），更重要的是，它源源不絕地為整個飛輪提供了最核心的燃料——高品質、標準化的基因組數據，並附帶了最關鍵的臨床標籤。
飛輪的第二個引擎：數據服務（Data Services）— 數據的變現
當海量的基因組數據伴隨著臨床資料流入Tempus的平台後，第二個引擎便開始高速運轉。這個引擎的核心是將原始數據加工成極具商業價值的產品，主要銷售對象是全球頂尖的製藥公司和生物技術公司。其產品線分為兩大類：
1. Insights（數據洞見授權）：Tempus AI將收集到的海量、去識別化的多模態數據（包含基因、影像、病理、臨床結果等）授權給藥廠。藥廠可以利用這些真實世界數據（Real-World Data）來加速藥物研發的各個環節，例如：
-
- 新標靶發現：分析耐藥病患的基因特徵，尋找新的藥物作用標靶。
- 適應症擴展：在現有數據中尋找其他可能對某款藥物有效的癌症類型。
- 優化臨床試驗設計：透過分析真實世界中的對照組數據，更精準地設計臨床試驗，提高成功率。
2. Trials（臨床試驗匹配）：傳統上，藥廠為臨床試驗招募合適的病患耗時耗力，是新藥上市延遲的主要原因之一。Tempus AI利用其龐大的即時數據流和醫院網路，建立了一個高效的病患匹配平台。當藥廠啟動一項新試驗時，Tempus的系統能快速篩選出其合作網路中符合複雜納入標準的潛在病患，並通知主治醫師。這將傳統需要6-12個月的試驗啟動時間，壓縮到驚人的1個月以內。
這個數據服務引擎的價值，已經被市場充分證明。截至2023年，全球前20大藥廠中有19家是Tempus AI的客戶。公司與阿斯特捷利康（AstraZeneca）、葛蘭素史克（GSK）等巨頭簽訂了上億美元的長期合作協議。其數據服務營收從2020年的3600萬美元，爆炸性增長至2024年的2.42億美元，CAGR高達61%。
更可怕的是數據的「複利效應」。Tempus AI提出了一個「群組終身價值」（Cohort Lifetime Value）的概念。意思是，在某一年透過基因檢測獲取的一批數據，其價值並非一次性的。隨著時間推移，公司會持續更新這批病患的後續治療、反應與存活數據，使得這批「老數據」的價值不斷提升，在未來數年內持續為公司創造收入。這就是數據資產與傳統實體資產最大的不同——它不會折舊，反而會隨著時間增值。
飛輪的第三個引擎：AI應用（AI Applications）— 數據的增值與閉鎖循環
如果說第一、二個引擎完成了「數據採集」和「數據變現」，那麼第三個引擎——AI應用——則扮演了「數據增值」與「生態閉鎖循環」的關鍵角色。
擁有全球最大、最全面的腫瘤多模態數據庫，Tempus AI自然成為開發尖端AI演算法的最佳練兵場。公司利用這些數據，訓練出多種臨床級別的AI診斷工具（公司稱之為ALGOS），並將它們嵌入到合作醫院的電子病歷系統中，直接輔助醫師進行臨床決策。例如：
- HRD演算法：預測卵巢癌等癌症是否對PARP抑制劑藥物有效。
- TO演算法：當癌細胞轉移，原發部位不明時，透過基因特徵推斷其來源。
- ECG-AF演算法：利用心電圖數據，篩查未被診斷出的心房顫動風險。
這些AI應用不僅僅是新的收入來源。從商業模式的角度看，它們的戰略意義更為深遠：
1. 強化數據入口：當醫師在臨床工作中使用Tempus的AI工具時，他們對Tempus平台的黏著度會大幅提高。AI工具可能會建議進行某項特定的基因檢測，從而為第一個引擎帶入更多的檢測訂單，形成正向循環。
2. 創造新的數據流：AI應用的使用過程本身，又會產生新的數據。例如，醫師是否採納了AI的建議？採納後的治療結果如何？這些反饋數據回流到平台，又可以進一步優化AI模型，使其變得更聰明、更精準。
3. 閉鎖循環的形成：至此，一個完美的商業閉鎖循環形成了。基因檢測獲取數據 -> 數據服務將數據變現並資助研發 -> AI應用利用數據提供更優質的臨床工具 -> 優質的工具帶來更多醫師使用和檢測訂單 -> 獲取更多、更高品質的數據。
這就是Tempus AI的數據飛輪：基因組學是入口，數據服務是現金牛，AI應用是加速器。三者彼此互相強化，讓飛輪越轉越快，最終形成競爭對手難以逾越的「數據護城河」。
Tempus AI的護城河：數據的廣度、深度與AI的銳度
飛輪模式的核心，是數據。Tempus AI的護城河，正是建立在數據的質與量之上。
核心競爭力一：無可比擬的多模態數據庫
截至2024年底，Tempus AI的數據庫總量已超過240 PB（Petabytes），這是一個天文數字。1 PB約等於100萬GB，相當於5000億頁的標準影印文件。但比體量更重要的是數據的「多模態」（Multi-modal）特性。
對台灣的讀者來說，一個簡單的類比可以幫助理解：假設我們想全面了解一個人。如果只看他的身分證（相當於單一的基因數據），資訊是有限的。但如果我們能同時調閱他的學歷紀錄、工作履歷、體檢報告、信用卡消費紀錄、甚至社群媒體發文（相當於病理、影像、臨床、生活方式等多模態數據），我們就能對這個人建立一個極其立體、深入的描繪。
Tempus AI做的就是這件事。它的數據庫不僅包含超過120萬份的基因定序數據，還整合了超過900萬份的臨床紀錄、120萬份的影像數據以及數十萬份的病理切片數位化檔案。這種多模態數據的整合，讓AI模型能夠發現單一數據類型無法揭示的複雜關聯，例如，某種特定的基因突變，結合某種影像特徵，可能預示著對某種免疫療法有絕佳反應。這是其數據最核心的價值所在。
核心競爭力二：將數據轉化為洞見的AI能力
擁有數據礦山，還需要頂級的挖掘工具。Tempus AI從創立之初就深植了科技公司的基因。它開發了一套專有的數據處理流程，利用自然語言處理（NLP）和大型語言模型（LLM）等技術，能自動從非結構化的醫師筆記、病理報告中提取出標準化的關鍵資訊，並將其與結構化的基因數據進行匹配。
這種將雜亂無章的原始醫療紀錄轉化為AI模型可以「食用」的乾淨數據的能力，是其另一大核心技術壁壘。這確保了其飛輪的燃料不僅量大，而且優質，從而能夠訓練出比競爭對手更精準、更可靠的AI模型。
鏡像與反思：為何台灣難以誕生自己的Tempus AI？
看懂了Tempus AI的成功模式後，一個自然的問題浮上心頭：台灣擁有頂尖的醫療水準、優秀的IT人才，以及全民健保這樣世界級的數據金礦，為何至今仍未誕生一家本土的Tempus AI？
答案是複雜的，涉及市場結構、法規環境，以及更深層次的商業思維。
限制一：數據孤島與法規的雙重枷鎖
Tempus AI能在美國暢行無阻地從3,000多家機構獲取數據，受惠於美國相對市場化的醫療體系和《健康保險流通與責任法案》（HIPAA）框架下相對成熟的去識別化數據共享機制。
反觀台灣，情況截然不同。首先，醫療數據的所有權高度集中在各大醫院，形成了比美國更為堅固的「數據孤島」。各醫院視病歷資料為核心資產，彼此之間橫向整合極其困難。其次，全民健保資料庫雖然是座金礦，但其商業化應用受到極其嚴格的法規限制。出於個資保護的考量，這些數據難以像在美國那樣，被商業公司大規模、即時地用於模型訓練和商業變現。
這道「數據枷鎖」，從源頭上就限制了台灣企業建立類似Tempus AI數據庫的可能性。
在此，我們可以參考日本的M3, Inc.公司。M3並非直接向醫院索取數據，而是另闢蹊徑。它建立了一個名為m3.com的專業醫療資訊網站，為日本超過90%的醫師提供最新醫學資訊、線上研討會等服務。透過這個平台，M3成功「連結」了數十萬名醫師，在此基礎上，再延伸出藥品行銷、市調、臨床試驗支援等數據變現業務。M3的成功表明，在數據監管嚴格的亞洲市場，「平台先行，連結為王」或許是比Tempus AI模式更可行的路徑。
限制二：健保支付體系的挑戰
Tempus AI飛輪的第一個引擎，是靠美國商業保險對創新基因檢測的廣泛給付來驅動的。但在台灣，單一支付者的全民健保體系，對於高單價創新檢測的納入決策流程相對漫長且保守。
這導致台灣的基因檢測市場，很大程度上仍是自費市場。缺乏健保的規模化給付，檢測量就難以像美國那樣呈現指數級成長。這直接導致了數據積累的速度遠遠落後，飛輪的第一個引擎就缺乏足夠的燃料，後續的數據服務和AI應用自然也難以為繼。像台灣的行動基因（ACT Genomics）等優秀的癌症基因檢測公司，儘管技術實力堅強，但在市場規模與數據積累上，都面臨著本土支付體系的天花板限制。
限制三：商業模式的思維差異：從「賣服務」到「建平台」
這或許是最根本的差異。台灣許多優秀的生技公司，包括基因檢測公司或醫療AI公司如雲象科技（aetherAI），其商業模式的本質仍然是「專案導向」或「服務導向」。它們為客戶提供一次性的檢測服務、或銷售一套AI判讀軟體。它們的目標是把「產品」或「服務」做到極致。
而Tempus AI的思維，從一開始就是「平台導向」。基因檢測不是它的最終產品，而是獲取數據資產的手段；數據服務和AI應用，則是放大數據資產價值的工具。它的每一個商業行為，都在為其核心資產——那個不斷增值的多模態數據庫——添磚加瓦。這種從「賣服務」到「建平台」的思維轉變，是台灣生技產業最需要學習的一課。
給台灣生技產業的啟示：三大突圍路徑
儘管面臨重重挑戰，但Tempus AI的成功也為台灣指明了方向。台灣生技產業若想在AI醫療時代佔有一席之地，或可思考以下三條突圍路徑：
路徑一：深耕利基，打造「小而美」的數據飛輪
與其試圖複製Tempus AI涵蓋多種癌症的龐大平台，台灣企業不如集中火力，選擇一個台灣具有世界級臨床優勢的特定疾病領域，例如肝癌、鼻咽癌、或特定的遺傳性疾病。在一個較小的利基市場中，與頂尖醫學中心深度合作，打造一個該領域全球最完整、最高品質的「多模態數據庫」。在這個基礎上，建立一個「小而美」的數據飛輪，開發專屬的AI診斷工具與新藥研發數據服務，成為該垂直領域的全球領導者。
路徑二：借鏡日本M3模式，從「連結」創造價值
既然直接獲取數據困難，不如換個思路，先為醫療生態系中的關鍵角色——醫師——創造無可取代的價值。台灣的科技與醫療實力，完全有潛力打造一個服務醫師的超級平台，提供臨床決策輔助、最新研究摘要、跨院病例討論、甚至行政流程簡化等功能。當平台聚集了足夠多的醫師用戶後，數據的匯聚與價值的變現將水到渠成。
路徑三：策略聯盟與開拓海外市場，突破本地市場天花板
單打獨鬥的時代已經過去。台灣市場規模有限，生技產業更應打破門戶之見，組成「國家隊」。例如，由基因檢測公司、臨床試驗機構（CRO）、醫療AI公司、以及醫學中心進行策略聯盟，共同建立數據共享與利益分配機制。同時，必須從創立第一天起就放眼全球市場，特別是醫療需求正在快速成長的東南亞市場，透過國際合作來獲取足夠的數據規模，突破台灣本地市場的天花板。
結論：數據，是AI醫療的終極賽局
Tempus AI的故事，給我們帶來了深刻的啟示：在AI時代，醫療產業的競爭，已從單純的技術或服務之爭，升級為一場圍繞數據的生態系戰爭。誰能最有效地獲取、整合、並活化數據，誰就能掌握定義未來的權力。
Tempus AI的「數據飛輪」，不僅是其商業模式的核心，更是一種全新的戰略思維。它告訴我們，單點的技術突破固然重要，但能將技術融入一個可持續、自我增強的商業閉鎖循環中，才是構築長期競爭壁壘的關鍵。
對於台灣而言，挑戰是巨大的，但機會同樣存在。我們擁有優秀的人才、頂尖的醫療體系，以及在半導體產業中淬鍊出的平台整合思維。未來十年，台灣生技產業的成敗，將取決於我們能否擺脫傳統的服務思維，勇敢地擁抱平台戰略，在數據這場終極賽局中，找到屬於自己的制勝之道。
