TempusAI |最会做生意的AI医疗企业

新闻

作者：微信文章


在硅谷的传统认知里，做团购的和做生物科技的，往往属于两个完全不同的领域。前者被认为是只会搞流量生意的商人，而后者则是研发药物的严肃科学家。

而Temp（文后用Tem代名）的创始人 Eric Lefkofsky 恰恰打破了这层认知。作为 Groupon（全球团购鼻祖）的联合创始人，他用一种最互联网的方式、甚至在传统医疗圈看来有点不讲武德的方式，闯进了一个严肃且传统的领域肿瘤医疗。

并且他只用了九年时间，把这家从零开始的公司送上了纳斯达克。在大家眼里，Temp根本不是一家传统的生物科技公司，而是一场经过精心设计的数据套利商业公司。

面对Tem这么好的案例，我研究了以下几个问题，它的数据怎么来的？它到底解决了什么问题？它是怎么赚钱的？以及，在中国能不能复制？

Temp的想法是从2015年开始，Eric 作为一个互联网老兵，非常敏锐地意识到，肿瘤治疗的问题不在于药物研发太慢，而在于数据基建太烂。这里有一个比较重要的策略就是不做新药研发，只做数据的搬运工和清洗工。

前期花了1 亿美金，成立了Temp，目标很简单，就是要把把医疗行业的有用数据开采出来，清洗干净，然后转化结果然后卖给需要它的人，这些数据Eric认为是AI时代的超级金矿，后来也证实了这一个想法。但是，医疗 AI 创业有一个众所周知的死穴，那就是冷启动。没有数据就训练不出 AI，没有 AI 医院就不买你的单，医院不买单你就拿不到数据。

这就是一个死循环。

那么Temp是怎么搞到这个数据的？Tem要数据的方式叫Give-to-Get”（等价交换）的模式。一开始它自己建立了一个世界级的基因测序实验室。他瞄准了在美国那些缺乏科研能力的社区医院，绝大多数癌症治疗其实是发生在社区医院，而不是顶尖的学术中心。Temp提供的服务是，只要他们把样本送到Temp测序，出报告，还免费送你一套超级 AI 操作系统，这套系统能帮医生整理乱七八糟的病历，自动匹配临床试验。医生觉得太好用了，既省时又省力。

作为交换，医院必须签署协议，允许 Temp使用去标识化的患者数据。这才是这个商业模式最精髓的地方。表面上，Temp是一家基因检测公司，在红海市场里和对手拼价格。但实际上，它利用美国商业保险支付的高额检测费，单次通常在 3000 到 5000 美元覆盖了它的获客成本。也就是说，它实际上是在用保险公司的钱，来购买独家的患者数据权。当其他公司还在苦口婆心劝院长共享数据时，Temp已经通过这种“免费”的服务，接入了几百家医院的数据管道。

拿到数据只是第一步，因为原始的医疗数据大多是垃圾。PDF、手写笔记、影像图片，机器根本读不懂。Temp做了一件硅谷精英通常不屑于做的“脏活”，就是数据清洗。

他们在印度雇佣了数千名具有医学背景的专业人员，配合技术手段，日夜不停地将这些非结构化的信息转化成标准化的数据。这一步，构建了 Temp真正的护城河。它不再是单一的基因公司，它成为了极少数能将微观的基因突变、宏观的临床预后表现和直观的病理图像一一对应起来的公司。

当拥有了这个数据库，商业逻辑就发生了质变。辉瑞（Pfizer）、阿斯利康（AstraZeneca）、GSK、BioNTech 这些大药企开始排着队来合作。因为研发一款新药需要 10 年、20 亿美金，如果 Temp的数据能告诉他们去哪里找合适的病人，或者为什么药物在某些人身上无效，哪怕能节省 1% 的时间，价值也是数亿美元。

制药巨头就这样成为了 Tem 的付费订阅用户。这证明了“Give-to-Get”闭环的后半段，也就是“Get”的部分不仅逻辑成立，而且已经变成了真金白银的现金流。



这也是为什么投资人愿意给它高估值的原因。它脱离了只享受低倍率估值的检测服务业，变成了一家享受高倍率估值的数据服务商。

当然，Temp 的上市之路并非一帆风顺。在经历了生物科技泡沫破裂和资本寒冬后，为了生存，Eric 做出了非常理性的妥协。2024年，他选择了在估值相比巅峰期腰斩的情况下流血上市，甚至为了拿到软银的投资签下了严苛的条款。这证明了一个残酷的真理，在活下去面前，面子一文不值。

显然，Temp 的野心显然不止于把数据卖给药企。如果你仔细观察它的布局，会发现它正在通过收购和合作，把触角伸向了数字病理（Digital Pathology）和基础模型开发（Foundation Model Development）。通过与 PathAI 甚至 Paige 等行业顶尖玩家的结盟，Tempus 正在把那些放在显微镜下的玻璃切片，全部数字化变成 AI 的投喂的数据。

这意味着什么？意味着 Temp  正在试图通吃。它不仅仅满足于做肿瘤领域的霸主，它正在把这套数据+AI的方法论，复制到神经学（Neurogenomics）、肾病（Kidney disease）甚至是心脏病领域。

Tem正在编织一张可以覆盖全球药企巨头的网，比如顶级 AI 公司（如 PathAI）以及多个医学专科的庞大网络。这张网，才是它敢于在纳斯达克讲出百亿故事的底气。



最后，我们回到那个问题，中国为什么没有Temp ？

既然我们的数据更多，AI 人才也不缺，为什么复制不了这个模式？其实百川智能眼里的自己就是就是 Temp，但在国内依然存在着三道难以逾越的墙。

首先我认为是最致命的还是支付体系差异，Temp 的飞轮是建立在美国商业保险覆盖昂贵的检测费用基础上的。比如一次 3000 美元的检测费，养活了背后的 AI 研发。而在国内，我们都知道基因检测价格已经内卷到了白菜价，医保覆盖非常有限且没钱，如果往这个方向发展，那么这类的AI医疗企业就没有足够的毛利去养活庞大的数据清洗团队。

其次是数据主权。美国的医院是商业机构，利益交换相对容易。而国内的公立三甲医院数据是国有资产，而民办的也受互联网医院监管，如果一家民营创业公司想要通过免费软件换取协和、华西的核心数据，在合规层面几乎是死路。

最后，是系统的对接。虽然美国电子病历系统很乱，但至少普及率极高。而国内大量的数据接口打通成本，远高于技术本身的成本。

看完 Temp 的历程，最让我触动的不是它的技术逻辑，而是创始人对脏活的尊重。Eric Lefkofsky 没有陷入前沿技术的盲目崇拜，他始终清醒地站在商业逻辑这一边。

他反其道而行之，用最重的资产、最多的人力，堆出了一家让轻资产公司无法企及的 AI 巨头。也验证了数据就是AI企业的壁垒这个商业核心，用最繁杂的过程，换取了最直接的商业变现。既有理想主义的远大，又有现实主义的精明。

写到这里，我发现这又是一次“局外人”的胜利，就像 Sam Altman 颠覆 AI 行业一样。在这个信息极度透明、知识密度极高的时代，行家的壁垒正在消融，没有什么是局外人学不会的。

当技术不再神秘，真正的决胜点，回归到了对商业模式的顶层设计和解决问题的执行方法上。这或许才是 Temp给我留下的最大思考。