賴皮王

一、AI 醫療的「補助驅動期」正在進入下一階段

從 2025 年到 2026 年的投資與採購趨勢來看，全球 AI 醫療產業正逐步進入一個更重視 ROI 與可持續商業模式的結構性整理期。如果說 2020 至 2024 年是 AI 醫療的「概念驗證期」，許多醫院與新創公司都在嘗試 proof of concept ( POC )；2024 至 2026 年則是「規模化驗證期」，開始測試 AI 能否真正進入臨床流程；那麼 2026 年之後，整個產業將更明確進入「ROI 驗證期」。

這個變化的核心，不在於 AI 醫療不再受到關注，而是付款方開始真正要求答案：AI 醫材帶來的價值，是否能被量化？是否能被證明？是否值得被長期支付？是否能夠真正量化對臨床有幫助？這裡的付款方不只是政府補助，也包括公營健保、商業保險、自費市場、醫院財務部門與企業健康管理預算。

簡單說，當所有人已經開始問「這個 AI 到底幫我省了什麼、改善了什麼、增加了什麼收入或品質價值」，AI 醫療就正式進入了下一場淘汰賽。

從 Rock Health、PitchBook 等機構近年的 healthtech 投資觀察來看，數位健康投資在 2021 年高峰後已進入更理性的「新常態」。2025 年雖然出現回升，但資金更明顯集中在 AI-enabled、具規模化能力與商業模式清晰的公司身上。換句話說，資本市場並不是完全離開醫療科技，而是更挑剔了。資金不再平均流向所有公司，而是更集中流向能說清楚產品價值、導入場景與 ROI 的廠商。

對醫療機構而言，這個變化也意味著「AI 採購」正在從技術部門的試點專案，轉變為財務部門、營運部門與臨床單位共同評估的長期投資。過去，一個 AI 系統只要能展示 demo、能在單一場景中跑出漂亮結果，再開玩笑說，甚至是有份漂亮的投影片present，就有機會取得試點預算；但未來，醫院會更關心：導入後能不能節省醫師時間？能不能提升病床週轉？能不能降低再入院率？能不能改善品質指標？能不能對應健保給付、自費收入或營運效率？

在台灣，健康深耕台灣二期所帶來的政策資源，確實提供了一波重要的補助動能。但補助本質上是「啟動資金」，而不是「持續資金」。補助可以幫助廠商完成初期部署、臨床驗證與示範場域建置，但不會自動形成可長期運轉的商業模式。對任何想在 2026 年之後仍存活、仍擴張的智慧醫療廠商而言，能否在補助期之內建立「自帶 ROI 的商業模式」，將是長期勝負的核心。

二、Value-Based Health Care：從服務量競爭，走向成果與成本的競爭

VBHC（Value-Based Health Care，價值驅動醫療）並不是新概念。Michael Porter 與 Elizabeth Teisberg 在 2006 年出版的 Redefining Health Care 一書中，已系統性提出 VBHC 的核心邏輯：醫療的目標不應只是提供更多服務量，也不應只是追求更多門診、更多檢查、更多處置，而應該回到「對病人有意義的健康成果」與「達成這些成果所需總成本」之間的關係。

簡單來說，VBHC 問的不是「醫院做了多少事」，而是「這些醫療服務是否真的讓病人變得更好，並且以合理成本達成」。這個邏輯對 AI 醫療特別重要，因為 AI 的價值通常不是單獨存在於模型準確率，而是存在於它能否改善工作流程、提升臨床決策品質、降低錯誤、減少不必要檢查、縮短住院時間，或改善長期病人結果。

真正讓 VBHC 在全球進入加速討論的，是 2020 年後幾股力量同時出現。第一，是醫療支出持續上升。多數已開發國家的醫療支出占 GDP 比例已突破 10%，美國更長期處於高支出水準。如果支付邏輯仍維持「做越多、付越多」，財政永續性將面臨挑戰。第二，是慢性病比重上升。慢性病的本質是長期管理，但傳統 fee-for-service 按量計酬模式，並不一定鼓勵醫療體系投入預防、追蹤與長期風險管理。第三，是 AI 與資料技術成熟，使「成果可衡量、成本可拆解、價值可驗證」逐漸具備技術可行性。

在美國，CMS 推動的 ACO、Shared Savings Program、ACO REACH、bundled payments 與 Medicare Advantage 等模式，正逐步把支付邏輯從單純按量給付，推向品質、成本與結果並重的 accountable care 架構。在歐洲，英國 NHS、荷蘭、德國也都有不同形式的 VBHC、整合照護或以成果為導向的試點。在亞洲，新加坡、日本、韓國也開始從慢病管理、醫院效率與人口健康管理等場景，探索價值導向支付與照護模式。

台灣健保體系雖尚未全面進入 VBHC 架構，但從論質計酬、整合照護、品質提升計畫，以及 AI 醫材給付與暫時性支付討論來看，政策方向已開始觸及「以可衡量效果支持支付決策」的核心問題。這意味著未來台灣 AI 醫療的競爭，也不會只停留在技術規格，而會逐漸走向「誰能證明價值、誰就有機會取得長期支付」的方向。

三、AI 醫療的四種主要商業模式：哪一種能跨越 ROI 門檻？

從目前產業實務和筆者長期觀察的觀點來看，AI 醫療的商業模式大致可被歸納為四類。

第一類是「醫材銷售型」。這是傳統醫材廠商最熟悉的模式，也就是把 AI 模組整合到硬體醫材中，以一次性硬體採購收費。例如影像設備、超音波設備、監測設備或手術系統中內建 AI 功能，醫院購買硬體的同時，也取得 AI 功能。這種模式的優點是採購邏輯簡單，符合傳統醫材銷售習慣；缺點是 AI 模型需要持續更新、持續驗證與持續維護，若只靠一次性硬體收入，很難支撐長期的模型迭代與臨床支援成本。

第二類是「SaaS 訂閱型」。這類模式以年費或月費形式提供 AI 模型授權、雲端服務、資料平台、持續更新與維運支援。Butterfly Network 代表的是「硬體裝置＋軟體平台＋訂閱服務」的混合模式，其財報也顯示公司持續強調軟體與平台服務對毛利結構與長期營收的重要性。多家影像 AI 廠商，如 Aidoc、Viz.ai、RapidAI、Cleerly 等，也都不同程度採用平台訂閱、機構授權或服務方案的模式。SaaS 訂閱的核心優勢，是能讓廠商建立可預期的 recurring revenue，也比較符合 AI 持續更新的成本結構。

第三類是「按使用次數計費（pay-per-use）」。這類模式依照每次 AI 判讀、每次報告、每次檢查或每位病患收費，理論上最容易與實際使用量連結。在美國，部分 AI 醫材已開始透過 CPT code、NTAP、APC 或其他支付機制探索臨床使用與給付連結，但不同產品、科別與支付方之間仍高度分散。這個模式對台灣而言具有長期潛力，但目前在健保體系下尚未廣泛成熟，未來仍需要政策、臨床證據與給付設計共同推進。

第四類，也是最具長期意義的，是「成果共擔型（outcome-based / risk-sharing）」。在這種模式下，廠商不只是收取軟硬體費用，而是與醫療機構、保險方或付款方共同承擔風險，依據是否真正改善臨床成果、降低總成本或提升品質指標來決定收費。這類模式對廠商而言挑戰最大，因為它要求廠商具備長期資料蒐集能力、真實世界驗證能力、臨床工作流整合能力，以及與醫院共同承擔結果的信心。但一旦建立，也將形成極高的競爭壁壘。

就筆者觀察，包括 Medtronic、Siemens Healthineers 等國際大廠，已公開把 value-based care、shared-risk 或整合式解決方案視為重要方向；其他大型醫材與醫療科技公司，也持續探索類似模式。這背後代表的是一個非常清楚的趨勢：未來醫療科技公司若只賣設備，毛利與黏著度有限；若能證明自己能改善結果、降低成本，才有機會成為醫療體系長期合作夥伴。

四、ROI 的真正分母與分子：AI 醫材如何被「衡量」

AI 醫材的 ROI 衡量，是一個遠比表面複雜的問題。最簡單的 ROI 公式，是「節省的成本 ÷ 投入的成本」；但對 AI 醫材而言，真正的價值並不只是一個單純的省錢公式，而是必須同時涵蓋臨床成果、工作流程、病人安全、醫護效率、財務影響與長期維運成本。

從分子來看，AI 醫材可能創造的價值包括：醫師時間節省、護理工作流效率提升、報告產出速度加快、診斷延遲減少、再入院率下降、住院天數縮短、併發症率下降、死亡率下降、病人生活品質提升，甚至健康年數（QALY, Quality-Adjusted Life Year）增加。不同 AI 醫材的價值來源不同，有些是提升效率，有些是改善臨床結果，有些是降低醫療風險，有些則是讓醫院能爭取新的服務收入或給付項目。

從分母來看，AI 醫材的成本也不能只看採購價格。真正的總成本應包括硬體成本、軟體授權、系統整合、導入成本、員工訓練、醫師教育、資料治理、資安與合規成本、長期維護、模型更新，以及臨床流程調整所需的人力成本。很多 AI 醫療專案之所以無法規模化，不是因為模型不準，而是因為導入與維運成本被低估。

對醫院 CFO 或是營運管理部門來說，最具說服力的 ROI 故事，往往不只是「省成本」，而是「能避開哪些懲罰、能爭取哪些給付、能提升哪些品質指標、能改善哪些營運瓶頸」。例如，若某個 AI 工具能降低 30 天再入院率，在美國 CMS 再入院懲罰政策下，就可能轉換成可量化的財務價值。若 AI 工具能協助敗血症早期辨識，則可能與 ICU 入住率、死亡率、住院天數與品質指標連結。這些都是付款方與醫院管理層真正關心的價值語言。

對台灣健保體系而言，這套邏輯雖然不能完全照搬，但其核心精神正在變得越來越重要。台灣健保長期面臨非常巨大的財務壓力，醫院也同時面對人力短缺、效率提升與品質要求。未來若能在 2026 至 2030 年間建立更清楚的「AI 醫材 + 臨床證據 + 健保給付 + 醫院 ROI」鏈條，台灣智慧醫療才有機會真正脫離補助驅動，走向可持續的商業模式。

五、廠商策略：從技術領先轉向「價值證明力」

在這個結構性轉折下，AI 醫療廠商的競爭策略，必須從「技術領先」轉向「價值證明力」。這意味著三件事。

第一，廠商必須從「演算法準確度」轉向「臨床成果」。AUC 0.95 並不直接等於臨床價值，因為模型再準，如果沒有被醫師採用、沒有嵌入工作流程、沒有改善病人結果，也很難說服醫院長期付費。真正能說服付款方的證據，不只是 test set 表現，而是在真實世界中能改善哪些臨床終點、降低哪些成本、提升哪些品質指標。

第二，廠商必須從「單點功能」轉向「整體解決方案」。醫院買的不是一個孤立模型，而是一套能被臨床使用、能被資訊室維運、能被資安單位審查、能被財務部門理解、能被醫師接受的完整方案。能整合硬體、軟體、雲端或地端部署、AI 平台、教育訓練、導入顧問與長期維護服務的廠商，才更有機會進入醫院的長期採購清單。

第三，廠商必須從「賣產品」轉向「共建生態」。AI 醫療的價值證明，不可能由廠商單獨完成。它需要醫學中心提供臨床場域，需要醫師意見領袖協助定義問題，需要醫療專業學會建立共識，需要健保署與政策單位設計給付路徑，也需要保險公司、ICT 大廠與資料平台共同建立證據與商業閉環。從這個角度看，台灣部分 ICT 與醫療科技廠商近年推動的「ICT 技術能力 × 醫學中心臨床場域 × AI 新創 × 政府計畫」合作模式，正好踩在這個結構性方向上。

對 AI 新創而言，這個變化意味著「技術好 ≠ 活得久」。資本市場已開始把估值與「能否在三至五年內建立可重複的 ROI 故事」綁定。能說清楚自己解決哪一個臨床痛點、為哪一個付款方創造哪些可衡量價值、能在多少家醫院規模化複製的廠商，才有機會在下一輪資本市場與採購市場中勝出。

六、結語：AI 醫療的長期戰局，是「制度 × 技術 × 商業」的三合一

筆者觀察，AI 醫療的下一個十年，將不是單純的技術競賽，而是「制度 × 技術 × 商業」三合一的長期戰局。

制度層面，健保給付、TFDA 審查、健保資料治理、健康深耕台灣二期與數位醫療政策框架，將決定哪些 AI 醫材能進入哪些市場；技術層面，多模態 AI、AI Agent、基礎模型、邊緣 AI 與資料治理技術，將決定哪些臨床痛點能真正被解決；商業層面，VBHC、訂閱制、按次使用、成果共擔與平台生態，將決定哪些廠商能真正獲利並持續擴張。

對台灣而言，這場長期戰局帶來三個策略性建議。

第一，醫療 AI 廠商必須早期把Design Thinking 和 ROI 思維納入產品設計，從 day 1 就回答「誰會付錢、為什麼付錢、付多少錢」這三個問題。不能等產品開發完成後，才回頭尋找商業模式。

第二，醫療機構必須建立 AI 醫材的長期評估能力，包括臨床成果追蹤、總成本拆解、品質指標對應與使用者工作流分析。唯有如此，醫院才能在 VBHC 時代真正取得議價優勢，而不是被動接受廠商提出的技術故事。

第三，政府與政策制定者必須加速建立 AI 醫材的給付路徑、品質評估標準、真實世界證據框架與跨部會協同機制，才能讓台灣的智慧醫療產業擺脫「補助驅動」的循環，走向可持續的價值驅動模式。

AI 與醫材的共演，才剛剛開始。下一個階段，真正勝出的不會只是 demo 最漂亮的公司，而是能把技術轉化為臨床成果、營運效率、支付邏輯與長期商業價值的公司。未來十年的故事，將遠比過去十年精彩。