ILLUMINA INC（ILMN）

產品/業務結構與商業模式

營收來自測序儀、測序耗材、文庫製備、服務和軟體/資訊學平台。測序儀裝機帶來耗材復購，耗材復購又受樣本量、科研經費、臨床檢測滲透和測序成本影響。AI 產業鏈裡，公司更像資料生成層和分析入口，而不是通用模型公司。

商業模式的關鍵是復購和驗證。硬體公司要看設計匯入、認證週期、庫存和客戶平台複用；生命科學工具公司要看裝機、耗材、試劑和軟體分析；基因編輯公司要看臨床資料、監管路徑、合作條款和製造能力；消費品牌要看需求預測、庫存週轉、全價銷售率和渠道健康。AI 產業鏈只是提高這些變數斜率的一種力量，不會自動消除商業模式本身的週期和執行風險。

成本結構也必須謹慎。半導體和分立器件面對晶圓、材料、封裝、折舊和庫存；測序、組學和合成 DNA 面對試劑、儀器、自動化和軟體；基因編輯面對臨床試驗、製造、長期隨訪和監管；Nike 面對代工、物流、庫存和渠道折扣。若需求增長伴隨毛利率下行、現金流量惡化或庫存上升，說明公司可能只是承接低質量需求。

財務錨點：2025 年營收約 US$4.343B，Q4 2025 營收約 US$1.16B。公司揭露 NovaSeq X、DRAGEN、Connected Analytics 等平台進展，但未單列 AI 軟體營收或 AI 藥物發現營收。 未揭露 AI 產業鏈營收、AI 相關軟體獨立營收、單個測序平台 AI 訓練資料貨幣化金額，公開口徑未揭露。 本文不把這些數字外推為未來營收，也不推導目標價。它們的作用是約束敘事：增長必須和獲利率、現金流量、客戶復購、臨床節點或平台採用相互印證。

可持續經營價值可以寫成：

可持續經營價值 = 既有營收底盤
+ AI 產業鏈相關增量需求 × 可獲得份額 × 可持續毛利率
+ 耗材/軟體/服務/合作/資料反饋附著
- 研發、製造、臨床、折舊、庫存、渠道和客戶壓價成本

技術/生態與 AI 相關業務深度拆解

Illumina 在 AI 產業鏈中的本質不是開發通用模型，而是控制基因組資料生成和二級/三級分析入口。AI×基因組學需要海量、高質量、可追溯、帶表型連線的序列資料；測序成本下降和通量提高會擴大可訓練資料規模，DRAGEN 和 Connected Analytics 則把原始 reads 變成可用於變異解釋、靶點發現和臨床報告的結構化資料。PrimateAI-3D、SpliceAI 等工具說明深度學習已經進入變異解釋層，但商業兌現仍要通過測序儀裝機、耗材復購、軟體訂閱/許可和臨床實驗室採用來驗證。

第一層是產品和流程。Illumina 的直接載體包括：NovaSeq X Series、NextSeq / MiSeq / iSeq、Sequencing consumables、DRAGEN、Illumina Connected Analytics、PrimateAI-3D / Connected Annotations。這些產品或平台是否真正構成 AI 產業鏈資產，取決於它們是否進入客戶關鍵系統、實驗工作流、臨床路徑、供應鏈計劃或會員資料閉環。越靠近關鍵流程，切換成本越高；越像標準件，價格競爭越強。

第二層是資料反饋。AI 產業鏈並不只買一次產品，而是通過工程資料、實驗資料、臨床資料、消費資料和供應鏈資料持續反饋。半導體和器件公司從客戶平台規格、失效率和下一代電源架構得到反饋；組學與測序公司從樣本量、資料質量和分析管線得到反饋；基因編輯公司從臨床療效、安全事件和監管溝通得到反饋；消費品牌從會員行為、庫存和折扣得到反饋。反饋越可複用，護城河越可能增強。

第三層是商業化。AI 相關能力只有在客戶願意付費、專案能驗收、耗材或軟體能復購、臨床能推進、庫存能改善時，才會進入財務報表。未揭露 AI 產業鏈營收、AI 相關軟體獨立營收、單個測序平台 AI 訓練資料貨幣化金額，公開口徑未揭露。 因此本文不寫未經揭露的 AI 營收，也不寫未經核實的市場份額。

更穩妥的 proxy 是：

AI 產業鏈 proxy = 下游真實部署量或實驗/患者/會員規模
× 單專案或單平台價值量
× 公司可獲得份額
× 交付、驗證、監管或復購成功率
× 可持續毛利率和現金轉換率