AI Biotech 投資全景：不是誰會做出藥，而是誰在收現金流
AI 正在重塑生技產業，但大多數投資人看錯方向。真正的關鍵，不是模型、不是技術，而是價值鏈中的「收費位置」。不要問誰最會用 AI，要問誰在這條鏈上擁有最穩定的收費權。
一、AI Biotech 不是一個產業，是一條被重新分配利潤的鏈條
市場習慣把 AI Biotech 當成一個「新產業」來看待，把所有和 AI、生技沾得上邊的公司歸為同一類資產，用同一套邏輯評估，然後困惑於為什麼它們的表現如此不同。這個分類方式本身就是錯誤的起點。
AI 並沒有創造一個全新的產業——它做的是一件更深層的事：重新分配既有產業的價值。藥物開發的本質沒有改變，仍然是高風險、長週期、低成功率的過程，平均花費超過 20 億美元、耗時 10 到 15 年才能把一個分子變成一個上市藥物。但 AI 改變了每一個環節的效率和決策方式，讓某些節點的價值大幅提升，也讓某些節點的壁壘開始鬆動。
這種改變不是讓所有公司一起受益，而是讓價值往特定節點集中。所以投資 AI Biotech 的核心問題，從來就不是「哪家公司的 AI 技術最強」，而是：在這條重新分配的價值鏈上，誰佔據了最有利的收費位置？
這個系列研究的四家公司——Illumina、Tempus、Schrödinger、Veeva——分別站在這條鏈條的四個不同節點上。它們的商業模式、收入來源、風險結構，幾乎沒有交集。把它們歸為同一個投資類別，只會讓判斷失真。
二、四個節點，四種收費方式
要理解這條價值鏈，最有效的方式不是看技術，而是看每一家公司的現金流從哪裡來、為什麼客戶願意付這筆錢、以及這個付費關係有多難被打斷。
Illumina 坐在最上游——它生產所有後續應用的原料。基因定序這個動作本身不會因為 AI 的出現而消失，AI 只會讓對基因數據的需求更大。Illumina 賺的是「讓數據得以存在」的錢，以儀器加耗材的封閉生態系統鎖定客戶七到十年。
Tempus 在數據層。它不生產原始數據，而是把來自各方的臨床數據——包括基因組、醫學影像、電子病歷——整合成 AI 可以訓練的結構化資產，再授權給藥廠。它賺的是「讓數據變得有用」的錢，護城河是數據的廣度和規模的先行者優勢。
Schrödinger 在分子設計層。它不授權數據，而是用自己的物理模擬平台幫藥廠設計候選分子，然後以版稅的方式參與未來的成果分配。它賺的是「讓好的分子被找到」的潛在收益，護城河是三十年的物理計算技術積累，幾乎無法在短期內被複製。
Veeva 橫跨臨床到商業化的整個流程。它不參與藥物的發現，而是確保藥物能夠被規範地開發、申報、管理和銷售。它賺的是「讓藥物能夠合法存在於市場」的制度性收費，護城河是產業標準和監管級的系統鎖定——客戶一旦使用，幾乎不可能切換。
三、AI 在這四家公司的角色：從間接到直接
把「AI Biotech」當成同一類公司的另一個陷阱，是假設 AI 對這些公司的影響是等量的。事實上，AI 在這四家公司的角色，從幾乎純粹的間接受益，到直接就是核心商業模式，存在著巨大的光譜差異。
這個光譜揭示了一個重要的投資邏輯：對 AI 敘事的依賴度，和收入的確定性成反比。Tempus 是 AI 直接受益最大的公司，但也是收入最依賴 AI 敘事維持的公司；Illumina 對 AI 的直接依賴最少，但業務本身最不受 AI 退潮影響。這不是誰更好的問題，而是風險偏好的問題。
四、四種報酬曲線：為什麼不能用同一把尺量
在金融分析中，我們習慣用本益比、EV/EBITDA、DCF 這些工具評估所有公司。但這些工具有一個隱含假設：公司的收入是連續的、可預測的、線性成長的。當這個假設不成立時，這些工具就會系統性地失準——而在這四家公司中，至少有兩家的收入結構根本不符合這個假設。
這四條曲線，代表的是四種根本不同的投資命題。錯誤的做法，是用評估 Veeva 的框架去評估 Schrödinger，或者用評估 Tempus 的成長邏輯去評估 Illumina 的耗材複利。每一條曲線，需要配對的是一種特定的分析工具和持有心態。
五、最關鍵的問題：收入從哪裡來，是否可持續
AI Biotech 最大的投資陷阱，不是技術判斷錯誤，而是把「敘事」當成「收入」。在這個領域，幾乎每一家公司都有一個聽起來非常合理的故事：AI 正在革命性地改變藥物發現，數據是新的石油，計算可以取代昂貴的實驗，合規科技是不可或缺的基礎設施。這些故事都是真的——但真實的故事不等於真實的收入。
投資的問題，永遠是：這個故事，是否已經轉化成可持續的現金流？轉化的速度和規模，是否被現有的估值充分反映？
用這個問題去看四家公司，答案非常不同：
Illumina 的答案是「是」——耗材收入已經是一個運作了二十年的穩定現金流機器，NovaSeq X 的升級週期是可見的成長驅動力，GRAIL 的干擾正在消退，整體業務正在回到正軌。這個「已經轉化」的確定性，是 Illumina 的核心投資價值。
Veeva 的答案也是「是」——75% 以上的毛利率、44.9% 的非 GAAP 營業利潤率、零長期負債、90% 訂閱制收入，這些數字說明了一個商業模式已經高度成熟的公司。Adenza 的整合帶來短期的財務雜訊，但核心的現金流機器從未停止運轉。
Tempus 的答案是「正在轉化中」——Data & Services 的年增 37% 和 AstraZeneca 的 2 億美元合約是真實的信號，但 75% 的收入仍來自毛利率有限的檢測業務，GAAP 仍然虧損。投資 Tempus 本質上是在押注「轉化會在 2027-2028 年完成」這個命題。
Schrödinger 的答案是「轉化時間最長」——軟體業務穩定但規模有限，版稅的大規模貢獻取決於合作藥物的臨床成功，而這個過程至少需要五到十年。你現在買入的，是一個今天幾乎沒有版稅收入、但未來版稅可能極具爆發力的期權組合。
六、核心框架：三個問題，快速定位任何 AI Biotech 公司
在研究完這四家公司之後，可以提煉出一個通用的分析框架，幫助快速定位任何一家聲稱自己是「AI Biotech」的公司。
數據生產（最上游）/ 數據變現（中游）/ 設計/發現（中游）/ 臨床合規（貫穿全鏈）/ 商業化（下游）
→ 節點越靠上游，受 AI 需求增長的受益越間接但越穩定；節點越靠近商業化，對敘事的依賴越低。
問題二：它的收入是連續的還是事件驅動的？
連續型（耗材、訂閱）→ 適合 DCF 和倍數估值
事件驅動型（版稅、里程碑）→ 必須用情境加權期望值
混合型（TEM：檢測+授權）→ 關注結構轉折的時間表
問題三：護城河是可驗證的還是敘事性的？
可驗證：轉換成本、市占率數據、留存率、毛利率趨勢
敘事性：「AI 最強」、「數據最多」、「合作關係廣泛」
→ 投資應基於可驗證的護城河，敘事性護城河需要時間和數據的持續驗證。
七、投資配置邏輯：不是選股，而是建立結構
理解了這四種投資命題之後，下一步不是「選哪一檔」，而是思考「如何把這四種不同的風險報酬特性組合成一個有意義的結構」。
持有週期：中長期（3–5 年）
操作：Bull Put Spread / LEAPS
退出信號：ONT/PacBio 成本追上
持有週期：長期（5 年以上）
操作：Covered Call（降成本）
退出信號：ARR 成長低於 10%
持有週期：中期（2–3 年）
操作：Bull Put Spread（高 IV）
退出信號：Data 占比停止成長
持有週期：長期（5–10 年）
操作：LEAPS Call（小倉位）
退出信號：Pipeline 持續失敗
這個配置架構的核心邏輯是：用確定性資產提供穩定的基底，用不確定性資產提供非線性的上行空間。VEEV 和 ILMN 合計佔比 60-80%，提供組合的穩定性；TEM 提供中期的結構性成長機會；SDGR 以小倉位提供潛在的非線性爆發——但它的上行和其他三者不相關，這正是它在組合中的價值。
八、結論：AI 改變的是效率，決定報酬的是位置
在這個系列的最後，需要回到最根本的一個觀察：AI 確實正在改變生技產業，但它改變的是「如何做事」，而不是「誰能賺錢」的底層邏輯。技術可以改變，效率可以提升，但商業模式的收費位置——誰有資格在這條鏈上收費、以什麼理由收費、客戶有多難以停止付費——這些才是決定長期報酬的核心因素。
Illumina 賣的是讓數據得以存在的能力，只要基因組學還在往前走，它就能持續收費。Veeva 賣的是讓藥物能夠合法存在的流程基礎設施，只要 FDA 還在，它的系統就不能被換掉。Tempus 賣的是讓數據變得有用的能力，如果數據飛輪成功轉動，它的定價能力會持續提升。Schrödinger 賣的是讓好分子被找到的智識，如果這些分子最終成功，它的版稅收入將不需要任何額外的工作。
四種收費方式，四種確定性，四種持有邏輯。理解這個框架，才能在 AI Biotech 這個敘事密度極高的領域，做出基於商業現實而非市場情緒的判斷。
整個系列最重要的一句話：
不要問誰最會用 AI。
要問誰在這條鏈上，擁有最難被移除的收費權——
那個位置，才是真正值得長期持有的地方。
📚 AI BioTech 系列｜完整導覽
- 總論：AI Biotech 投資全景——不是誰會做出藥，而是誰在收現金流（本篇）
- 第 1 篇：Tempus AI——唯一把「數據直接變現」的 AI Biotech 公司
- 第 2 篇：Veeva——AI 時代最被低估的現金流機器
- 第 3 篇：Illumina——賣水的人，在 AI 淘金潮中的真實位置
- 第 4 篇：Schrödinger——不是在做藥，而是持有未來成功的「長期期權」
Comments ()