解码医疗数据及AI的核心逻辑,一脉阳光是否可以讲好中国Tempus AI的故事?

智通财经
Nov 04, 2025

在人工智能的浪潮席卷千行百业之际,医疗健康领域因其海量数据、高壁垒和专业性,被视为AI落地最具价值也最具挑战的“皇冠上的明珠”。然而,如何将数据转化为资产,将AI技术转化为可持续的商业收入,是全球医疗服务企业共同面对的考题。

在美国,Tempus AI(TEM.US)通过其独特的“数据+AI”模式,在医疗科技领域杀出重围,成为资本市场的宠儿,今年10月份股价最高达104.32美元。

与此同时,伴随着中国数据要素市场化机制的不断深化,医疗数据价值化的探索也在稳步推进。在这样的背景下,是否有机会在中国的市场上跑出下一个Tempus AI?哪些企业有望成长为具备平台能力的中国医疗AI代表?

智通财经APP注意到,近期中国医学影像服务龙头企业一脉阳光(02522)发布了一则数据相关公告。据公告,2025年10月,一脉阳光的附属公司北京一脉光合信息技术有限公司(“北京一脉”)与北京数据先行区服务有限公司(“北京先行区”)及北京国际算力服务有限公司(“北京算力”)共同签署《数据共建合作协议》,合作将依托数据沙盒的合规监管框架,基于北京一脉提供的医疗影像数据资源,由北京先行区负责数据处理与合规审查,北京算力提供算力与存储支持,三方共同构建高质量医疗影像数据集,开展大模型训练,探索医学影像数据的创新应用场景。2025年10月底,三方共建的医疗影像数据集已在数据沙盒境内成功实现首个商业化签约。

该交易的落地,反映出一种新型合作模式的逐步成型:

在国资搭建的、规则清晰的“数据沙盒”中,一脉阳光作为关键的数据服务与技术核心提供方,驱动整个价值循环,进行数据的“价值共创”。这一模式不仅尝试回应数据流通的根本性难题和关键挑战,也为探索更符合中国市场特点的医疗AI发展路径提供了参考。更清晰地指向一个未来:一脉阳光极有可能成为中国土壤上培育出的、比Tempus AI更具平台价值和想象空间的医疗数据智能巨头。

共同基因:从医疗服务到数据平台的战略升维

无论是Tempus AI还是一脉阳光,其发展脉络均体现出从传统医疗服务向数据驱动型平台的战略转型。二者的核心业务,本质上都构成了持续、合规、高质量的数据来源。

Tempus以基因检测为切入点,逐步整合临床病历、影像资料、用药记录等多源信息,试图构建患者的“数字孪生”,其目标是从检测服务商升级为生命科学领域的数据基础设施提供者。

一脉阳光的路径与之类似。通过在中国建立并运营第三方医学影像中心网络,公司深入医疗数据产生的前沿环节,形成了业务发展与数据积累的良性互动。

对于投资者而言,这种“主业即数据源”的模式具备双重吸引力。首先,它确保了数据的真实性、连续性和规模化,这是训练可靠AI模型的前提。其次,主营业务的收入为昂贵的数据治理和AI产出工作提供了稳定的现金流支持,避免了纯AI初创公司“烧钱”研发的财务风险。

数据价值深化:影像数据的锚点作用与多维拓展潜力

拥有数据资源仅是起点,如何将其转化为高价值、可流通的数据产品,才是构建竞争壁垒的关键。在这一过程中,医学影像数据的独特价值值得深入探讨。

医学影像数据在个人医疗信息中具有天然的“锚定”作用。相比临床文本数据常存在的信息缺失、非结构化等问题,影像数据——尤其在肿瘤等需长期随访的疾病管理中——能够提供病灶位置、大小、新旧等客观、可量化的信息,为临床决策提供稳定、可靠的参照基准。

一脉阳光在影像数据的标准化与精细化处理上已形成一定积累。例如,公司较早启动了《医学影像检查项目名称及编码标准》的制定,推动内部数据的规范统一,为后续的数据流通与平台化应用奠定基础。同时,依托其影像中心网络和专业医生资源,公司建立了多层级的质控与标注流程,逐步形成高质量、可复用的标注数据集。

一脉阳光通过“标准化编码+精细化标注”的叠加驱动模式,在数据质量和可用性方面形成了自身特点。这种模式在功能上与美国Tempus所建立的壁垒有一定可比性,但实现路径和适用场景存在差异。

值得关注的是,一脉阳光并未止步于影像数据,正在从影像数据向多维数据延伸。公司预计在天津北辰项目的实施,正推动其从单一的影像数据服务向融合影像、病理、检验(含基因)、体检、电生理等多维数据的综合平台演进。该项目涵盖区域影像共享中心、智慧一体化实验室、数字病理中心、健康管理中心、核医学中心五大模块,这种多模态数据整合实践,为医疗数据的深度价值挖掘提供了新的可能。

随着项目的深入推进,一脉阳光如能建立起中国首个规模化、标准化、多模态的医疗数据集,或将为公司业务发展提供更多可能性,同时也可能为行业数据应用水平的提升带来参考。从影像数据到多维融合,医疗数据的开发路径正在不断扩展,价值空间也在被重新定义,而一脉阳光通过“北辰模式”,已经在这一趋势中占据了先发优势。

生态构建vs垂直整合:医疗数据平台商业模式的财务镜像分析

在数据能力初步成型后,一脉阳光与Tempus AI在商业化路径上呈现出明显差异。

Tempus AI更倾向于垂直整合,聚焦于服务制药企业、保险机构等B端客户,提供数据授权、分析服务及SaaS解决方案,支持药物研发与精准医疗等环节。

一脉阳光则更注重生态构建,致力于打造“数据-模型-场景”闭环。一方面,通过数据交易所等渠道提供高质量数据产品,服务于AI研发企业与科研机构;另一方面,在“亦庄模式”等区域试点中,参与构建数据沙盒,支持合规数据协作。此外,公司也在探索将影像数据与AI能力应用于基层医疗提升、制药企业临床试验评估、医疗器械疗效分析等多元场景。

这种路径差异也反映在财务结构上。Tempus的收入仍以实验室服务为主,技术平台收入逐步成长;一脉阳光则呈现出“三级演进”态势:一级基本盘仍是医学影像中心服务,二级高增长引擎则是数据赋能与服务收入(包括数据交易、技术平台服务),随着其数据集在数交所的成功交易以及“数据沙盒”模式的跑通,该业务线正从探索性的“模式验证”阶段,迈向可规模化的“价值兑现”阶段。这是其估值逻辑即将发生质变的关键。三级的想象力在于AI软件与模型授权收入,随着其大模型的成熟,将通过SaaS订阅、按例收费等模式,开启更大的变现空间。

智通财经APP认为,从商业模式看一脉阳光的路径更偏向“生态构建者”的定位。它不满足于仅成为产业链中的一环,而是旨在通过赋能上下游,成为整个医学影像AI生态的核心枢纽。这种模式的优势在于,其成长性与中国整个医疗AI产业的成长性深度绑定,享受的是赛道整体的贝塔收益加上平台的阿尔法收益。

值得关注的是,10月30日,一脉阳光发布公告,对孵化的核心人工智能企业上海影禾医脉智能科技有限公司进行近亿元增资,并进一步提高持股比例。

作为一脉阳光孵化的重点AI企业,影禾医脉核心业务覆盖医学影像全流程智能化服务平台运营、AI辅助诊断技术及数字影像解决方案。其在技术研发与产品落地层面的能力,与一脉阳光现有影像服务生态形成高度互补。“生态互补、资源互通”的特质为双方深度协同奠定了基础,也成为一脉阳光此次加码投资的关键考量。

对于本次投资的长期价值,不仅在于强化了公司在AI技术研发与产品落地的战略布局,更在业务逻辑上实现了“多维数据+AI布局+数据交易”的有机串联,经一步夯实公司的行业生态壁垒。

展望:数据智能平台的发展路径与价值考量

一脉阳光近期在医学影像大模型等AI技术上的投入,反映出其推动数据价值向智能应用转化的意图。基于大模型,公司有望以更低成本、更高效率开发专科AI应用,并逐步构建面向开发者的模型生态。

其核心逻辑在于构建“数据-模型-场景”闭环:以影像网络和数据治理能力为起点,形成高质量数据产品;通过大模型驱动价值释放;成熟模型又反哺业务效率提升。这一闭环如能持续运转,将形成不断自我增强的发展循环,成为公司的长期竞争力。

从行业前景看,在数据要素化与AI智能化交汇的浪潮中,一脉阳光所实践的“国资保障、数据驱动、生态共建”模式,为中国医疗数据企业的发展提供了另一种可能。其价值不仅体现在技术或数据的单点能力,更在于能否形成跨场景、可持续的智能生态。这也使得市场对其的价值评估,需要结合更高维度的“数据智能平台生态”的发展特点进行综合考量。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10