TEMPUS AI INC-CL A（TEM）

商业模式

Tempus 的商业模式可以拆成两条主线：一条是检测和诊断，另一条是数据、AI 应用和生命科学服务。检测业务提供收入和数据入口，数据与 AI 业务提供复用和平台化想象。两条线互相强化，也互相制约：检测规模越大，数据资产越丰富；但检测业务需要实验室、销售、报销和监管投入，利润率结构与软件不同。

产品/平台	收入来源或用途	AI 产业链意义	披露边界
Genomics / Diagnostics	肿瘤、遗传和其他检测服务	产生临床和分子数据入口，支持精准医疗	2025 Diagnostics 收入已披露2
AI Applications	临床决策、报告、试验匹配和工作流工具	把模型嵌入医生和患者流程	应用单项收入未充分拆分
Data and services	面向药企和研究客户的数据、证据和分析服务	支持药物研发、患者分层和真实世界证据	客户合同细节未完全披露
临床试验匹配	根据分子和临床特征匹配研究机会	改善招募效率，连接诊断和研发	成功率和收入分摊需跟踪
并购扩展资产	Ambry 等资产扩大检测和遗传数据覆盖	增强数据广度和规模	整合成本和协同需验证

收入怎么来：Diagnostics 通常来自检测服务和相关报销或客户付款；Data and services 通常来自生命科学客户的数据授权、研究服务、证据生成和合作项目；AI Applications 可能通过软件、工作流、报告或服务形式变现。公开披露没有把每个 AI 功能的收入、毛利和留存率完全拆开，因此本文不填未披露数字。

财务锚点如下：

指标	期间	数值	来源
Revenue	FY2025，截至 2025-12-31	13 亿美元	公司 2025 全年业绩公告2
Revenue growth	FY2025，同比	83.4%	公司 2025 全年业绩公告2
Diagnostics revenue	FY2025，截至 2025-12-31	9.554 亿美元	公司 2025 全年业绩公告2
Diagnostics growth	FY2025，同比	111.5%	公司 2025 全年业绩公告2
Q3 2025 revenue	2025Q3	3.342 亿美元	公司 2025Q3 业绩公告4
Q3 2025 Genomics revenue	2025Q3	2.529 亿美元	公司 2025Q3 业绩公告4

这些数字说明 Tempus 的增长有规模基础，但不等同于利润质量。精准医疗公司常见问题包括报销周期长、实验室成本高、销售费用高、并购整合复杂、数据产品收入确认不均匀。AI 应用如果能提高检测附加值、增强药企数据服务和提高医生粘性，就能改善商业模式；如果 AI 只是附加功能，不能带来付费或成本下降，财务弹性会有限。

商业模式的另一个关键，是不同收入之间的质量差异。检测收入的优势是需求更贴近临床、样本和数据可持续进入平台；劣势是单次服务属性更强，受报销和实验室效率影响。数据与服务收入的优势是可复用性更高、客户通常是药企或研究机构，若数据稀缺则议价更好；劣势是项目制较强，合同节奏可能不均匀。AI 应用收入的优势是可以嵌入工作流并形成软件化复购；劣势是医疗软件销售周期长，医生和医院采纳需要临床证据。研究 Tempus 不能只看收入增速，还要看收入 mix 是否从单次检测向数据、应用和长期合作迁移。

商业模式可用以下公式约束：

Tempus 可持续产业价值
= 检测量 × 单次检测收入 × 报销/回款质量
+ 多模态数据资产 × 合规可用性 × 药企/研究客户付费意愿
+ AI 应用嵌入临床工作流后的复购与效率提升
- 实验室、销售、研发、并购整合、监管和数据治理成本

这个公式防止把“数据多”直接等同于“利润高”。医疗数据只有在合规可用、结构化程度高、能连接临床结局且客户愿意付费时，才会成为护城河。检测规模是入口，AI 应用和生命科学服务才是向上延伸的关键。

AI 相关业务深度拆解

Tempus 的 AI 相关业务核心在于“把多模态医疗数据转成可执行决策”。医疗场景中的数据包括基因组、转录组、病理、影像、电子病历、用药、疗效、复发和生存等信息。单一数据源往往不足以指导精准医疗；多模态连接才可能支持患者分层、疗法选择、试验匹配和药物研发。

第一层是诊断 AI。基因组检测本身提供突变、融合、拷贝数和遗传风险等信息，但医生需要的是可解释报告和治疗建议。AI 可以帮助结构化检测结果、匹配指南、提示可用药物、发现临床试验和生成医生可读报告。Tempus 的优势在于检测数据与临床数据连接；风险在于临床建议必须经过严格验证，不能以模型输出替代医生判断。

第二层是药物研发 AI。药企客户关心患者队列、真实世界证据、靶点假设、试验入组和治疗路径。Tempus 的数据资产若足够大、足够干净、且有合规授权，就能帮助药企提高研发效率。AI 在这里不一定表现为单独软件订阅，可能嵌入数据服务、研究合作和证据生成合同。公开资料没有披露所有药企客户合同细节，因此本文只写业务逻辑，不补写未披露金额。

第三层是临床试验匹配。精准医疗的难点是把合适患者与合适治疗或研究机会连接。基因组数据、诊断结果和临床条件可以帮助筛选患者，但需要医生、患者、研究机构和药企协同。Tempus 如果能把检测入口、数据平台和试验网络结合起来，就能在“诊断 -> 治疗 -> 研发”闭环中占据位置。反证信号是试验匹配转化率低、医生采纳不足或客户不愿为匹配服务付费。

第四层是 AI Applications。公司 10-K 明确称其应用大多数 leverage AI。1 这类应用的价值来自嵌入临床工作流：医生不愿多开一个孤立工具，但愿意使用能直接减少检索、报告、解释和沟通成本的功能。Tempus 的商业化关键是让 AI 成为检测和数据服务的增强层，而不是额外增加医生负担。

数据护城河

Tempus 的数据护城河需要同时满足四个条件：规模、深度、合规和反馈。规模指样本数量和疾病覆盖；深度指分子、临床、影像、病理和结局的连接；合规指授权、隐私和可审计使用；反馈指数据能持续回流模型和产品。任何一个条件不足，数据价值都会下降。

与互联网数据不同，医疗数据难以简单抓取。患者隐私、HIPAA、机构数据协议、实验室标准和临床验证都会限制数据使用。Tempus 若能通过检测业务和合作网络持续获得高质量数据，就拥有比通用 AI 公司更接近临床真实世界的资产。风险是数据治理成本高，且不同医院系统、不同检测平台和不同疾病场景的数据标准不一致。

收入传导路径

患者/医生产生检测需求
-> Tempus 完成基因组或诊断服务
-> 数据进入合规平台并与临床信息连接
-> AI 应用生成报告、匹配试验或支持治疗/研发决策
-> 医生、医院、患者或药企获得工作流价值
-> Tempus 通过检测、数据服务、研究合作或应用收费确认收入

这条路径说明，Tempus 的 AI 产业链价值不是单点功能，而是闭环。若检测业务增长但数据无法复用，价值偏服务；若数据服务增长但缺少检测入口，数据更新和差异化会减弱；若 AI 应用不能进入医生和药企流程，模型价值难以变现。

还要注意医疗 AI 的验证节奏通常慢于消费互联网 AI。一个临床功能从模型表现好到医生愿意使用，再到医院允许部署、支付方认可、药企愿意付费，中间需要临床证据、合规审批、信息安全审查和责任边界设计。Tempus 的优势是它已经在检测和数据服务中接触真实客户；挑战是每一个新 AI 应用都要穿过医疗系统的低容错门槛。因此，研究时应把“模型能力发布”放在较低权重，把“临床采用、药企合同、报销质量和现金流”放在较高权重。