AI醫療從未像今天一般熱鬧過。據不完全統計，DeepSeek人工智慧大模型已經實現在全國範圍內的近90家、當地知名大三甲醫院的部署。過去一個月，國內AI醫療公司股票集體上揚，而大洋彼岸，以AI精準醫療公司Tempus AI為首，美股醫療AI公司迎來了一波爆發。
AI醫療的“先行者”IBM Watson Health退出賽道並不遙遠，AI醫療在去年還沒有進入主流視野。突然之間，AI醫療的時代就來了？
01
兩家最受市場關注的AI公司
Tempus AI去年才上市，今年1月就暴漲近三倍，從低點的30美金漲至超90美金一股，隨後近幾天又暴跌到50多美金。這隻股票的關注度如此之高，不止在於它是佩洛西早就看好並重倉的AI公司，更是因為在AI醫療提出的概念非常龐大而富有吸引力。
Tumpus AI股價日K圖，圖片來源百度股市通
Tempus AI目前提供三種不同的產品線：基因組學、資料和 AI 應用。
基因組學是Tempus的主營業務，透過基因檢測相關的服務，在腫瘤診斷領域推出一系列產品，包括腫瘤組織基因測序、液體活檢等。作為資料和流量的入口，基因檢測產品透過一整套智慧診斷系統，生成源源不斷的分子資料流，以推動其他兩條產品線的增長。
資料服務除了基因測序業務之外，Tempus還依靠收購的Arterys公司進入到醫療影像領域。截至2024年11月，其資料庫擁有超過250PB多模態資料，積累了120萬影像資料、超110萬樣本測序資料和超25萬“DNA+RNA”特徵資料。這些資料整合為兩個主要產品 Insights 和 Trials，為生命科學公司的藥物發現和研發提供資料服務以及AI研發工具，同時也是Tempus收入增長最快的部分。
AI應用專注於開發和提供AI驅動的CRO服務、臨床試驗服務、構建和部署臨床決策支援工具。本質上透過基於資料、演算法的軟體，為醫療環節的各個角色提供AI工具。
該系列的主要產品有Next（護理，推進醫生與患者之間的資訊溝通與治療路徑管理）、Algos（演算法，利用深度學習評估生物標誌物，幫助醫生判斷化療藥物或靶向療法的適用性）、One（AI助手，藉助 AI 輔助分析患者資訊，為個體化治療方案提供快速建議）、Hub（管理站，幫助醫生或研究者透過手機或電腦訪問並管理患者診斷資料）、Lens（資料分析，負責為科研人員呈現資料彙總和視覺化結果，便於進行群體或個體層面的研究）、Pixel（AI影像，影像資料的 AI 診斷與縱向變化追蹤）、Assays（精準醫療，覆蓋多類測序手段，包括全外顯子、RNA 乃至液體活檢）。
Tumpus AI的三種產品
Tempus是少有的能有自己“業務飛輪”的AI醫療公司，它一直圍繞“資料——分析——診斷——服務”的迴圈思路佈局精準醫療。
其成長策略具體而言，首先專注於拓展醫院網路。他們為臨床醫生提供基因檢測和資料分析工具，同時收集寶貴的患者資料。他們還積極與更多醫療機構合作，推廣測序技術的應用。
在此基礎上，他們向製藥企業出售資料服務，既可協助藥企精準篩選臨床試驗人群，也能挖掘新藥潛力，為後續的藥企合作奠定堅實財務基礎。
隨著資料庫規模與演算法能力的提升，公司不斷開發新的 AI 應用產品，從智慧病理診斷到腫瘤原發灶識別，逐步滲透更多臨床場景。與此同時，他們從腫瘤擴張到心血管、罕見病等多個疾病領域，讓技術與資料的價值在更多場合被釋放；最後則是在地域層面的全球化佈局，接連與北美、歐洲及亞洲的主要醫療機構合作，進一步擴大資料來源和行業影響力。
正是這套覆蓋資料收集、分析建模、診斷服務與商業合作的全鏈條策略，推動公司在精準醫療領域持續高速增長。近兩年AI算力的爆發和診斷成本的顯著降低，使海量醫療資料的收集、訪問和整合變得更加高效，也讓複雜的橫向和縱向資料分析成為可能。這一技術進步為成長提速提供了強大支撐。
今年Tempus AI的預計年收入約為 12.3 億美元，同比增長 75%以上。
一級市場上，另一家醫療AI領域新星OpenEvidence剛剛完成了7500萬美元融資，由紅杉資本領投，使公司估值一舉突破10億美元。創始人Daniel Nadler之前創辦的金融資料公司Kensho曾在2018年以7億美元價格出售給標普。2021年，他自掏資金創立了OpenEvidence，專注開發面向醫生的AI助手。
OpenEvidence採用免費增值模式，透過廣告創收，主要依靠醫院內部口碑傳播獲取使用者。紅杉資本合夥人Pat Grady指出，這種自然傳播模式在醫療行業極為罕見，通常只在網際網路產品中才能見到。
目前，OpenEvidence已與《新英格蘭醫學雜誌》建立合作關係，並計劃在今年拓展更多醫學期刊資源。此輪融資將主要用於AI演算法最佳化和擴充套件醫學資料合作伙伴網路。
02
資料為王
兩個不同階段公司的脫穎而出，再次強調了：醫療AI的基礎是資料。
尤其是Tempus AI，在醫療領域收集資料多年，目前美國其他AI醫療公司短期想追上很難。它已經與超過200家生物製藥企業建立了合作關係，連線了美國65%的學術醫療中心和50%的腫瘤醫生，擁有850萬臨床記錄、120萬影像記錄以及250PB多模態資料，從而構建起公司的核心壁壘。2024年11月，Tempus收購了基因檢測公司Ambry Genetics，後者是一家擁有25年曆史的基因檢測公司，獲得了更多有價值的資料，並將業務拓展至兒科、罕見病、免疫學、生殖健康和心臟病學等領域。
都說醫療行業產生的資料最多，似乎和AI是天作之合。
然而現實卻充滿挑戰——醫療領域嚴重缺乏經濟實惠且高效可用的優質訓練資料，面臨的問題不僅技術性強且枯燥乏味，專案週期往往漫長，使得整個行業在科技創新圈中難言“性感”。
《矽谷》第一季中有個經典橋段，矽谷的每家科技創業公司都掛著同一句豪言壯語——“讓世界變得更美好”。而在AI+醫療這個特殊戰場上，可能還需要加一些條件：“讓世界變得更美好，但取決於FDA審批進度”。
在醫療行業推動哪怕最微小的變革，都需要協調數量驚人的利益相關方，穿越層層疊疊的監管審批流程，與真正實現盈利之間更是橫亙著漫長的時間鴻溝。透過實際接觸不難發現：醫生們並不期待大模型能夠創造癌症治癒的奇蹟，他們更現實的期望是，你能否幫助自動化處理A類手術中B環節涉及的C類手續報告；而這些真實需求只有在長期深入行業、充分理解臨床工作流程後才能真正體會。
所以，在這樣一個複雜的行業中，以權威標準或政策推動資料流通至關重要。
在美國，FHIR（Fast Healthcare Interoperability Resources）和HL7標準已經廣泛應用，確保醫療資料在不同機構之間的互通。標準化資料使AI技術在醫療中的整合更加順暢，推動了影像分析、輔助診斷等應用的落地。歐洲也在透過制定類似標準，推動醫療資料的互通互操作。
相比之下，中國的醫療資料標準化仍在發展中，但去年底有一個關鍵的轉折點：首都醫科大學宣武醫院與北京國際大資料交易所合作，成功完成了北京市首筆公立醫院資料交易。未來，該資料集將應用於國產頸動脈支架產品的研發，助力醫療機構更加精準地理解中國人群的腦血管疾病。
這意味著一個健康資料自由流通的時代正在開啟。此前對於醫院而言，政策指導下的醫療IT建設雖能在長期之中提升醫院的綜合競爭力，但短期之內僅以成本的形式計入損益表中。健康資料交易的實現或能改變這一局面：透過規模化銷售脫敏資料，醫院可以將資料治理從成本轉化為收入，從而激發其主動深化資訊化建設的動力，也為AI醫療的資料基礎建設提供更加豐富且高質量的資源。
03
還是曇花一現嗎？
這次AI醫療浪潮和之前相比，最大的不同可能就是“系統化”。也就是說，AI不再只是獨立模組或單一功能，而是嵌入醫院的資訊化體系之中，影像、病歷、藥品管理、隨訪體系等多環節互聯互通。
事實上，中國醫療機構的AI應用水平處於較為領先的地位，根據2024年飛利浦中國版《未來健康指數報告》資料顯示，86%的醫療機構管理者受訪者表示已佈局或計劃投資生成式AI，這一比例顯著高於美國（75%）。在具體應用場景方面，47%受訪者表示已經在放射科部署AI，44%在院內患者監護中應用AI，40%在藥品管理環節應用AI。
儘管部署率令人矚目，但落地來看，醫院最關心的是“是否能緩解醫生資源緊張”、“是否能減少文書工作量”、“是否能降低誤診率”等具體現實問題。如果AI產品只在短期內解決一個小痛點，或長期維護成本過高，醫院就會覺得得不償失。
當年，IBM Watson Health的致命缺點之一，就是缺乏醫患場景的深度融入，不能貼合醫院工作流、無法與醫生日常作業系統無縫銜接，很難獲得持續應用。醫生需要簡潔、易操作且能節省時間的工具，而Watson的互動流程對醫院資訊化系統提出了較高要求，也往往需要額外的培訓成本與維護投入。對很多醫療機構來說，“用起來不方便”就足以讓他們望而卻步。
而且，IBM在推廣Watson醫療時，傾向於走“大專案、大客戶”路線。但每家醫院的管理體系、資訊化水平、預算流程都不一樣，要想批次複製落地並不容易。對於IBM而言，研發、維護和定製化投入巨大，卻難以在短期內得到相匹配的市場回報；對醫院而言，高昂的採購和運營成本也讓人猶豫不決。雙方都承擔著不小的財務壓力，最終只能無奈止步。
最著名的是與MD安德森癌症中心的合作終止，鉅額投入卻未達預期結果，引起業界廣泛質疑。“明星專案”的失敗具有強烈示範效應，直接動搖了IBM Watson在醫療領域的商業信心，也讓其他潛在夥伴對其技術可行性持保留態度。
和Watson時代不同，現在市場上已湧現眾多能夠駕馭海量資料、挖掘深層價值並提供多樣化解決方案的企業，AI在醫療領域的應用早已突破“輔助診斷”的單一維度，擴充套件至製藥、檢測、患者服務、科研等全產業鏈。結合對生物學與臨床資料的深度理解，AI醫療已從早期簡單的軟體工具，發展為跨學科、跨場景的綜合應用生態。
醫療 AI 領域的投資仍處於早期階段，預計 2024 年至 2032 年間，AI 健康科技行業的複合年增長率將達到 43%。這是一個具有爆炸性增長潛力的市場。
然而，Watson的經驗教訓仍值得深思：市場不會為純概念買單，只有真正建立在高質量資料基礎上，透過紮實技術研發精準匹配臨床需求，才能使AI自然融入醫療工作流，為醫生、患者和研究者創造實質價值。
畢竟，AI醫療，不是“AI需要醫療行業來講故事”，而是“醫療需要AI來革新”。
*封面圖片來源：神筆PRO
如果您認同文章中的觀點、資訊，或想進一步討論，請與我們聯絡；也可加入動脈網行業社群，結交更多志同道合的好友。