TEMPUS AI INC-CL A（TEM）

商業模式

Tempus 的商業模式可以拆成兩條主線：一條是檢測和診斷，另一條是資料、AI 應用和生命科學服務。檢測業務提供營收和資料入口，資料與 AI 業務提供複用和平台化想像。兩條線互相強化，也互相制約：檢測規模越大，資料資產越豐富；但檢測業務需要實驗室、銷售、報銷和監管投入，獲利率結構與軟體不同。

產品/平台	營收來源或用途	AI 產業鏈意義	揭露邊界
Genomics / Diagnostics	腫瘤、遺傳和其他檢測服務	產生臨床和分子資料入口，支援精準醫療	2025 Diagnostics 營收已揭露2
AI Applications	臨床決策、報告、試驗匹配和工作流工具	把模型嵌入醫生和患者流程	應用單項營收未充分拆分
Data and services	面向藥企和研究客戶的資料、證據和分析服務	支援藥物研發、患者分層和真實世界證據	客戶合同細節未完全揭露
臨床試驗匹配	根據分子和臨床特徵匹配研究機會	改善招募效率，連線診斷和研發	成功率和營收分攤需追蹤
併購擴充套件資產	Ambry 等資產擴大檢測和遺傳資料覆蓋	增強資料廣度和規模	整合成本和協同需驗證

營收怎麼來：Diagnostics 通常來自檢測服務和相關報銷或客戶付款；Data and services 通常來自生命科學客戶的資料授權、研究服務、證據生成和合作專案；AI Applications 可能通過軟體、工作流、報告或服務形式變現。公開揭露沒有把每個 AI 功能的營收、毛利和留存率完全拆開，因此本文不填未揭露數字。

財務錨點如下：

指標	期間	數值	來源
Revenue	FY2025，截至 2025-12-31	13 億美元	公司 2025 全年業績公告2
Revenue growth	FY2025，年增率	83.4%	公司 2025 全年業績公告2
Diagnostics revenue	FY2025，截至 2025-12-31	9.554 億美元	公司 2025 全年業績公告2
Diagnostics growth	FY2025，年增率	111.5%	公司 2025 全年業績公告2
Q3 2025 revenue	2025Q3	3.342 億美元	公司 2025Q3 業績公告4
Q3 2025 Genomics revenue	2025Q3	2.529 億美元	公司 2025Q3 業績公告4

這些數字說明 Tempus 的增長有規模基礎，但不等同於獲利質量。精準醫療公司常見問題包括報銷週期長、實驗室成本高、銷售費用高、併購整合複雜、資料產品營收確認不均勻。AI 應用如果能提高檢測附加值、增強藥企資料服務和提高醫生粘性，就能改善商業模式；如果 AI 只是附加功能，不能帶來付費或成本下降，財務彈性會有限。

商業模式的另一個關鍵，是不同營收之間的質量差異。檢測營收的優勢是需求更貼近臨床、樣本和資料可持續進入平台；劣勢是單次服務屬性更強，受報銷和實驗室效率影響。資料與服務營收的優勢是可複用性更高、客戶通常是藥企或研究機構，若資料稀缺則議價更好；劣勢是專案制較強，合同節奏可能不均勻。AI 應用營收的優勢是可以嵌入工作流並形成軟體化復購；劣勢是醫療軟體銷售週期長，醫生和醫院採納需要臨床證據。研究 Tempus 不能只看營收增速，還要看營收 mix 是否從單次檢測向資料、應用和長期合作遷移。

商業模式可用以下公式約束：

Tempus 可持續產業價值
= 檢測量 × 單次檢測營收 × 報銷/回款質量
+ 多模態資料資產 × 合規可用性 × 藥企/研究客戶付費意願
+ AI 應用嵌入臨床工作流後的復購與效率提升
- 實驗室、銷售、研發、併購整合、監管和資料治理成本

這個公式防止把“資料多”直接等同於“獲利高”。醫療資料只有在合規可用、結構化程度高、能連線臨床結局且客戶願意付費時，才會成為護城河。檢測規模是入口，AI 應用和生命科學服務才是向上延伸的關鍵。

AI 相關業務深度拆解

Tempus 的 AI 相關業務核心在於“把多模態醫療資料轉成可執行決策”。醫療場景中的資料包括基因組、轉錄組、病理、影像、電子病歷、用藥、療效、復發和生存等資訊。單一資料來源往往不足以指導精準醫療；多模態連線才可能支援患者分層、療法選擇、試驗匹配和藥物研發。

第一層是診斷 AI。基因組檢測本身提供突變、融合、複製數和遺傳風險等資訊，但醫生需要的是可解釋報告和治療建議。AI 可以幫助結構化檢測結果、匹配指南、提示可用藥物、發現臨床試驗和生成醫生可讀報告。Tempus 的優勢在於檢測資料與臨床資料連線；風險在於臨床建議必須經過嚴格驗證，不能以模型輸出替代醫生判斷。

第二層是藥物研發 AI。藥企客戶關心患者佇列、真實世界證據、靶點假設、試驗入組和治療路徑。Tempus 的資料資產若足夠大、足夠乾淨、且有合規授權，就能幫助藥企提高研發效率。AI 在這裡不一定表現為單獨軟體訂閱，可能嵌入資料服務、研究合作和證據生成合同。公開資料沒有揭露所有藥企客戶合同細節，因此本文只寫業務邏輯，不補寫未揭露金額。

第三層是臨床試驗匹配。精準醫療的難點是把合適患者與合適治療或研究機會連線。基因組資料、診斷結果和臨床條件可以幫助篩選患者，但需要醫生、患者、研究機構和藥企協同。Tempus 如果能把檢測入口、資料平台和試驗網路結合起來，就能在“診斷 -> 治療 -> 研發”閉環中佔據位置。反證訊號是試驗匹配轉化率低、醫生採納不足或客戶不願為匹配服務付費。

第四層是 AI Applications。公司 10-K 明確稱其應用大多數 leverage AI。1 這類應用的價值來自嵌入臨床工作流：醫生不願多開一個孤立工具，但願意使用能直接減少檢索、報告、解釋和溝通成本的功能。Tempus 的商業化關鍵是讓 AI 成為檢測和資料服務的增強層，而不是額外增加醫生負擔。

資料護城河

Tempus 的資料護城河需要同時滿足四個條件：規模、深度、合規和反饋。規模指樣本數量和疾病覆蓋；深度指分子、臨床、影像、病理和結局的連線；合規指授權、隱私和可審計使用；反饋指資料能持續迴流模型和產品。任何一個條件不足，資料價值都會下降。

與網際網路資料不同，醫療資料難以簡單抓取。患者隱私、HIPAA、機構資料協議、實驗室標準和臨床驗證都會限制資料使用。Tempus 若能通過檢測業務和合作網路持續獲得高質量資料，就擁有比通用 AI 公司更接近臨床真實世界的資產。風險是資料治理成本高，且不同醫院系統、不同檢測平台和不同疾病場景的資料標準不一致。

營收傳導路徑

患者/醫生產生檢測需求
-> Tempus 完成基因組或診斷服務
-> 資料進入合規平台並與臨床資訊連線
-> AI 應用生成報告、匹配試驗或支援治療/研發決策
-> 醫生、醫院、患者或藥企獲得工作流價值
-> Tempus 通過檢測、資料服務、研究合作或應用收費確認營收

這條路徑說明，Tempus 的 AI 產業鏈價值不是單點功能，而是閉環。若檢測業務增長但資料無法複用，價值偏服務；若資料服務增長但缺少檢測入口，資料更新和差異化會減弱；若 AI 應用不能進入醫生和藥企流程，模型價值難以變現。

還要注意醫療 AI 的驗證節奏通常慢於消費網際網路 AI。一個臨床功能從模型表現好到醫生願意使用，再到醫院允許部署、支付方認可、藥企願意付費，中間需要臨床證據、合規審批、資訊安全審查和責任邊界設計。Tempus 的優勢是它已經在檢測和資料服務中接觸真實客戶；挑戰是每一個新 AI 應用都要穿過醫療系統的低容錯門檻。因此，研究時應把“模型能力釋出”放在較低權重，把“臨床採用、藥企合同、報銷質量和現金流量”放在較高權重。