國內投資

雲象科技(7803)26日登興櫃，主辦券商承銷價每股32元。雲象科技(7803)26日登興櫃，主辦券商承銷價每股32元。上半年營收4300萬元 EPS -1.11元。

延伸閱讀：《Genet法說筆記》雲象科技(7803)上半年營收4300萬元 EPS -1.11元， 26日登興櫃承銷價每股32元(11/27日股價41.85元)

針對本次法說會會後投資人對於雲象科技營運上的提問以及公司回覆，整理如下：

問一：數位病理系統的優勢為何？如何取代醫院客戶原有的國際大廠設備？目前已經取證的AI輔助診斷系統測試為何？未來如何搭配數位病理系統打入醫院客戶？
問二：請說明美國市場的時間與規劃，明年成長的動能主要來自哪個市場？
問三：相較於國內及國際的AI醫療產業，雲象的競爭優勢為何？
問四：大股東廣達對公司發展扮演什麼角色？請說明現在及未來的合作模式。
問五：其他AI輔助診斷產品的取證規劃及未來產品開發方向為何？
問六：無需人工標註的AI訓練技術有何優勢？如何提升AI訓練效率？
問七：公司預計何時達到損益平衡？

問一：數位病理系統的優勢為何？如何取代醫院客戶原有的國際大廠設備？目前已經取證的AI輔助診斷系統測試為何？未來如何搭配數位病理系統打入醫院客戶？

答：在與國際大廠競爭的過程中，不論是在台灣、日本或德國，我們幾乎都與羅氏、飛利浦等國際知名品牌直接競爭。過去的大廠在掃片機、硬體及軟體的綁定上有一定的優勢，但這也形成了一些限制。他們常以封閉的「One Ecosystem」為主，但醫院的數位化需求多傾向於開放生態系，讓醫院能自由選擇最合適的掃片機、影像管理軟體以及AI工具，同時能夠與工作流程深度整合。

雲象選擇開放生態系策略，整合多樣化的掃片機，並與實驗室系統及日常報告系統進行深度對接。平台不僅整合了雲象自有的AI，還能支持醫院自開發的AI以及其他合作夥伴的AI，作為一個開放的數位病理中心（HUB）。例如，在德國，我們得到的回饋是：客戶認為這是他們期待已久的影像管理系統，因為封閉系統無法滿足醫院多元的數位轉型需求。

此外，雲象的AI與工作流程深度整合，能將數位玻片分配至正確的AI工具中進行快速分析，解決傳統AI診斷過程中等待時間過長的問題。這樣的整合不僅能提升診斷效率，也能通過與藥廠的合作，推動精準醫療，為公司未來的發展建立競爭優勢。

問二：請說明美國市場的時間與規劃，明年成長的動能主要來自哪個市場？

答：我們對美國市場的策略是積極進取，並已聘請美國業務代表。全球數位病理市場近年發生重大變動，國際大廠加大對市場的關注，而一些表現欠佳的新創公司則出現大幅裁員，導致市場板塊出現劇烈變化。

明年德國、日本與美國這三個市場將成為主要成長動能來源。德國與日本是我們耕耘超過兩年的市場，成長信心較高，尤其德國有大量政府經費支持醫院資訊化轉型。而美國作為全球最大的醫療器材市場，我們對其成長潛力也抱持高度信心。日本市場方面，我們已獲得多家指標性客戶，且接到更多醫院的詢問，探討如何協助其進行數位病理轉型。我們預期，明年海外營收將占總收入超過50%，且具備爆發性成長潛力。

問三：相較於國內及國際的AI醫療產業，雲象的競爭優勢為何？

答：雲象選擇了一條不同於純AI公司的道路，即數位病理工作流程與人工智慧落地整合雙軌並行。這避免了其他AI公司面臨的困境，例如通路和實際應用流程皆受制於其他廠商。我們的雙軌策略能提供完整的整合解決方案，幫助客戶一次性解決數位轉型問題，而不需分階段導入不同方案，避免因整合不當產生的影響。

在數位病理系統方面，我們與廣達合作，實現軟硬整合，幫助醫院克服建立系統時遇到的IT需求問題。透過這樣的合作，我們能提供完整的伺服器解決方案，並利用廣達的全球供應鏈快速拓展市場。在人工智慧領域，我們透過發表權威期刊實證結果，贏得醫院的信任，同時為未來爭取保險給付奠定基礎。

問四：大股東廣達對公司發展扮演什麼角色？請說明現在及未來的合作模式。

答：廣達在病理科智慧轉型過程中，為我們提供了許多硬體支持，例如電腦伺服器及儲存器。軟硬整合是我們與廣達合作的重要契機，廣達不僅能提供硬體設備，還能與我們進行深入的項目測試，找出最符合客戶需求的方案，並進行價格優化。

在海外行銷方面，廣達的國際據點為我們提供展示與推廣平台。廣達機房內的軟體測試也讓我們能快速將系統推向市場，進一步強化台灣品牌在國際市場的知名度。未來，我們希望在德國和日本的成功經驗基礎上，擴大合作規模，並拓展至美國及歐洲市場，創造更大業績。

問五：其他AI輔助診斷產品的取證規劃及未來產品開發方向為何？

答：我們正推進乳癌HER2相關訓練模組及淋巴結轉移輔助偵測模組的TFDA上市許可，同時也在申請歐盟及埃及利亞的許可。此外，我們正在規劃多國臨床試驗，以符合不同國家法規。

在產品開發方面，我們正在優化數位病理系統，並開發更多AI應用。同時，積極開發基於數位病理的基礎模型。基礎模型已具備基本病理知識，只需透過少量標註數據，即可針對特定情境訓練AI。例如，以肺癌診斷為例，基礎模型僅需數個標註案例即可學習肺癌辨識，相較傳統方法節省大量資源。

我們的另一項重要產品是EtherAI Endo，專注於大腸息肉檢測，並正開發分辨良性與惡性息肉的功能，減少不必要的切除，提升治療精確性。我們的目標是讓EtherAI Endo適配不同廠牌設備，靈活應用於各種醫療場景。

問六：無需人工標註的AI訓練技術有何優勢？如何提升AI訓練效率？

答：傳統數位病理AI模型開發需進行繁瑣的影像切割與細節標註，不僅耗時，還需病理科醫師投入大量時間。我們在《Nature Communications》發表的技術突破了這些限制，開發了大圖訓練模組，讓AI能直接以整張病理影像為單位進行訓練。

此技術不僅解決了GPU記憶體限制問題，還大幅簡化了標註流程。例如，病理科醫師只需標註玻片上是否有惡性腫瘤，即可讓AI開始學習，省下約400至500小時的標註時間。

問七：公司預計何時達到損益平衡？

答：今年已取得來自日本及德國的指標性客戶訂單。根據經驗，指標性客戶的引入將帶動市場效應，預期可帶來更多營收。然而，因醫療產業高度受法規監管，且大型建置案所需時間較長，我們仍需在前期投入較高成本。根據公司計劃，我們預計在明年或後年達成損益平衡。