Cambricon is ill, AI has the remedy

777.77，史稱寒武紀頂。

資本市場短中期追逐的是一種敍事——能夠形成快感、閉環的敍事，先信收割後信。

但在現實世界中，AI 確實處於大爆發初期，其裂變的速度可能超出最瘋狂的想象。今天不妨以跳脱的思維展望，今年此時與明年彼時，炒作 AI 的不是同一批人，天知道是財務自由，還是被消滅了？火爆的 AI 初創公司也可能不是同一批，甚至 DeepSeek 都可能成為明日黃花。

在變化中尋找確定性。衡量一個行業、企業高景氣的金標準，仍然是營收能否狂飆突進。差生文具多，國內每次乘風而起的幾乎都是清一色的績差公司，營收長期停滯不前。AI 醫療行業 “領導者” 醫渡科技，連關聯企業中標 200 多萬的合同都要來一個欣然公佈，那麼 Biotech 拿到上億美元 BD 首付款是不是要立個碑？

靜觀其變，如果這批 AI 公司 2025 年有出現業績爆發的，那麼可能真的跑出來了。

醫療保健板塊在理論上是 AI 的最大應用領域，2030 年全球市場規模預計達到 1553 億美元，但當前 AI 醫療的場景變現還處在探索早期，大部分公司都沒有找到商業模式。

標準答案若隱若現。美國 AI 檢測診斷公司 Tempus 股價 20 天翻倍，今年以來上漲近 150%，預計 2024 年營收約 6.93 億美元，2025 年營收約 12.3 億美元，既有體量又有速度，商業模式初步成功，並擁有醫保支付代碼。

今天我們從海外映射的角度，來看 AI 醫療的靠譜和不靠譜。

Ark Invest 發佈《Big Ideas 2025》報告，預測 AI 將徹底改變多組學工具、藥物研發、分子診斷，並顯著改善藥物的經濟回報

01 Tempus 模式的啓示

Tempus 創始人 Eric Lefkofsky，某種意義上是美團之祖。

Eric Lefkofsky 2008 年聯合創立的 Groupon 被譽為團購網站的鼻祖，在太平洋的另一端，飯否網久久看不到希望的晨曦，屢敗屢戰的王興快速跟隨（fast follow）Groupon，創建美團。

Tempus 現在又照亮醫療 AI 的道路。

讓 Tempus 出圈的是國會山股神佩洛西，這位美國前眾議院議長 2024 年從股票中淨賺約 3860 萬美元。2025 年 1 月 14 日，佩洛西購入 50 份 2026 年 1 月到期的 Tempus AI 看漲期權，立即把貨帶上天了。

佩姐有前科，她於 2021 年 3 月買入微軟公司的看漲期權，而不到兩週後，美國陸軍就宣佈與這家軟件公司簽訂 220 億美元的 AR 頭顯設備合同。

“權力就像房地產，位置是所有的一切，你離中心越近，你的財產就越值錢。” 在《紙牌屋》中，下木總統説得太對了。

據申萬宏源研究，Tempus 與傳統檢測商相比有兩個區別。在數據流入上，從多種診斷模式中收集數據，而非聚焦單項檢測利潤率最大化，數據量更大數據維度更豐富，質量高，標準化，包括基因組學、蛋白質組學、臨牀數據、影像學等，多模態的數據非常重要，單一數據已經無法滿足 AI 醫療發展；在數據交換上，建立了往返於提供商的數據管道，Tempus 和美國超 65% 的學術醫療中心以及超 50% 的腫瘤學家建立聯繫。

基於以上，Tempus 擁有世界上最大的臨牀和分子數據庫，數據驅動結合 AI，現有三條產品線。

基因組學：自設實驗室提供 NGS（基因組測序）診斷、分子基因分型及其他解剖和分子病理檢測，生成多種分子數據類型，包括遺傳性癌症風險數據、實體瘤分析、液體活檢、微量殘留疾病（MRD）檢測。收購基因檢測公司 Ambry Genetics，擴展遺傳性癌症檢測業務。與 Personalis 公司合作，共同商業化 Next Personal，其是一種基於全基因組測序的超靈敏、有腫瘤先驗信息的 MRD 檢測和監測測試，可用於早期非小細胞肺癌和乳腺癌患者在根治性治療後的血液中 ctDNA 的微量檢測，也可用於所有實體腫瘤晚期癌症的免疫治療監測。

數據與服務：兩大產品 Insights 和 Trials 分別用於優化藥物開發、臨牀試驗。與收入排名前 20 位的上市制藥公司中的 19 家建立合作，剩餘承諾總合同價值達到約 9.4 億美元，其中大部分預計將在未來幾年內交付。收購的 Ambry Genetics 每年生成大量數據，涉及約 40 萬名患者，Tempus 可以利用這些數據，進一步增強現有的數據分析能力。

AI 應用：產品 NEXT 是一個 AI 平台，主要應用於腫瘤學、心臟病學領域，可更早地識別患者的疾病進展，尤其是在治療效果最為顯著的早期階段。目前已在數百個醫療機構中運行相關應用程序或算法，覆蓋數萬名患者。在心電圖（ECG）產品組合中，房顫預測算法已獲得 FDA 批准，並擁有醫保支付代碼，醫院可獲得約 128 美元的報銷，這是 AI 醫療領域付費模式的初步突破。

據東吳醫藥，Tempus 思路清晰，通過測序及檢測業務積累數據，為後續跟人工智能的接入做沉澱，從這個模式來看所有的基因測序公司及檢測類公司都是一個龐大的醫療數據中心，這一商業模式為傳統測序及檢測類公司提供轉型思路。

依據 AI 醫療三大趨勢，對 AI 醫療公司的梳理

02 三位姐的判斷

AI 醫療大陸還在漂移、碰撞，關於這個世界的分類、命名處於混亂之中，今天暫時按英偉達高管 Eva-Maria Hempe 的説法，把 AI 醫療分為三個領域：改善患者醫療過程的智能代理、執行復雜手術任務的機器人、加速藥物研發的生成式 AI 工具。

AI 檢測診斷最成熟，國內對標公司為金域醫學、迪安診斷，節後也跟隨 Tempus 爆發。

木頭姐《Big Ideas 2025》報告預測，AI 將使 DNA 等生物信息的讀取和寫入成本分別降低 100 倍和 1000 倍，AI 將使癌症篩查的效率提高 20 倍，並且將市場規模擴大 10 倍。多癌症篩查技術通過一次血液檢測即可識別多種癌症早期跡象，顯著提升篩查效率。Shield 血液檢測成為首個被 FDA 批准的結直腸癌主要篩查選項。預計隨着監管和報銷途徑的完善，多癌症篩查將使美國癌症篩查市場規模翻倍，從當前約 800 億美元增長近千億美元。此外，微量殘留病變（MRD）檢測技術可比傳統影像檢查提前 20 個月發現癌症復發，未來有望成為癌症患者的標準護理方案，其產生的數據量將是英國生物銀行的 700 倍。

剔除疫情影響，金域醫學、迪安診斷自身是質地優秀的 ICL 企業，其厚厚的應收賬款，承擔着沉甸甸的社會責任，誰説國內醫療企業是唯利是圖的？

金域醫學利用大模型，深挖醫檢大數據潛力，2024 年 5 項數據產品在廣州數據交易所上線，其中乳腺癌數據報告率先完成場內交易，這也是第三方醫檢行業首款醫檢數據產品的場內交易，正式發佈第三方醫檢行業首個大模型——域見醫言大模型，並於 2024 年面向公眾開放。迪安診斷十大產品線沉澱大量的自檢數據（1.68 億的年檢測量 +5.4PB 存量數據 +100+TB 的月數據增量），其大模型的獨特之處在於使用大量基於公司自身業務的閉源數據，推出的 X-MedExplorer 臨牀科研大數據平台已與國內 20 多家頭部三甲醫院合作，其中與華中科技大學同濟醫學院附屬協和醫院合作，構建全國最大、全球第二大的慢性白血病停藥數據庫及預測模型，即患者在經過一段時間的服藥後，根據檢測結果通過 AI 模型來預測是否可以停藥或減量服藥。

AI 影像診斷技術成熟，截至 2024 年 6 月，中國已有 92 款人工智能醫學影像輔助診斷軟件獲批 NMPA 三類醫療器械證。邁瑞醫療以 “三瑞” 數智化生態系統為核心，與騰訊合作發佈全球首個重症醫療大模型——啓元重症大模型，能在 5 秒內回溯整合患者病情、預測趨勢並提供建議，1 分鐘內生成病歷文檔，同時提供準確率高達 95% 的重症知識查詢結果。聯影醫療推出 uAI 智能系列，包括影智大模型和智能報告系統，增資聯影智能（擁有 100 多款醫療 AI 產品），加碼佈局醫療 AI。美股 AI 彩超企業 Butterfly Network 股價去年上漲 183%，今年以來上漲近 50%，核心產品 Butterfly iQ+ 是一款採用半導體技術的手持式單探頭全身超聲系統，結合雲連接的軟件和硬件技術，使醫療保健專業人員能夠以實惠的價格獲取成像信息，並通過移動設備輕鬆訪問。

AI 健康管理也在改變行業生態，潤達醫療與華為雲合作，將數字醫療和 AI 技術延伸到藥店和體檢應用領域，AI 智能體良醫小慧有望成為 B 端和 C 端應用的 Agent。

AI 藥物研發被認為是最主要的 AI 醫療應用市場，其實是最難啃的骨頭，暫時難以取得突破性進展。

英偉達 Eva 姐認為，生成、預測和優化分子的模型可探索近乎無限可能的藥物組合。木頭姐認為，AI 將使藥物開發成本降低 4 倍，並將研發投入的回報提高 5 倍，AI 藥物的商業價值將比標準藥物高 20 倍，比同類最佳的精準藥物高 2.4 倍。

兩位姐，這些話很出片，但是否低估了碳基生命體的複雜程度？

在 AI 大浪潮中，兩家 AI 製藥龍頭 Recursion 和 Schrodinger 股價表現滯後，説明主流資金仍在觀望。

再次佩服佩姐是真股神。

AI 在藥物研發中暫時只能起輔助作用，連 AI 自己對此的回答也滿懷悲觀：

約 90% 的候選藥物在臨牀試驗階段失敗（尤其是 II 期後），無論是否使用 AI；疾病機制、人體代謝、脱靶效應等問題難以完全通過算法模擬；體外實驗或動物模型中的成功，未必能預測人體效果；現有藥物數據庫（如 ChEMBL）偏向已研究的分子結構，導致 AI 生成 “類似已知藥物” 的候選分子，而非真正創新；患者個體差異、動態生理環境等數據難以被結構化用於 AI 訓練；AI 模型（如生成模型、分子動力學模擬）依賴簡化的物理或化學規則，可能忽略關鍵生物細節（如蛋白質構象變化）；臨牀前模型（如細胞、小鼠）與人體反應的差異，使 AI 難以準確預測副作用；AI 可以快速生成候選分子，但合成、體外測試、動物實驗等環節仍需數月甚至數年，可能發現設計缺陷。

隨着算法迭代和數據積累，AI 可能將臨牀成功率從 10% 提升至 20%-30%，但仍需與傳統方法深度融合。

AI 是工具，而非 “顛覆者”，藥物開發的核心仍是生物學洞察與臨牀驗證。

給歲月以文明，相信時間會掃除技術障礙，相信明年一切都是新的，不僅答案會變，連問題也會變。

文章來源：阿基米德 Biotech，原文標題：《寒武紀有病，AI 有藥》

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。