國內投資

醫揚(6569)近日法說會，會中經營團隊針對說明公司營運現況，以及主力產品發展做了詳細的說明，Genet為大家整理今日法說重點：

2025年上半年營收6.67億元EPS0.81元，較2024年同期營收5.75億元EPS2.66元，營收增加但E受匯兌影響及以及上半年公司處理部分長期呆滯庫存致EPS減少。2025年前九月營收9.97億元年增16.17%。

延伸閱讀：《Genet法說筆記》醫揚(6569)回應11大提問: 毛利率較低的原因？後續毛利率趨勢為何？第四季營運展望？有做邊緣 AI 醫療伺服器相關的產品嗎？(10/21股價128元)

一、上半年營運成長趨勢明顯
二、醫療 AI 落地應用多在地端
三、智慧醫療整合流程是 AI 逐步落地的主要場景
四、醫揚在手術端應用投入早
五、病房應用二面向落地

一、上半年營運成長趨勢明顯

醫療領域應用分為五個主要區塊，包括醫學影像、診斷設備、內視鏡、居家照護以及生物分析。核心技術能量則涵蓋醫療隔離、醫療防護、醫學影像、醫療電源管理以及醫療 AI。產品與服務種類，則包含醫療伺服器、醫療系統、醫療行動裝置、醫療板卡，以及近期提出的 QMS 醫療設備代工生產服務。

第二季營業收入達 3 .57億元，較第一季與去年同期雙位數百分比成長。營業毛利為 1.24億元，同樣顯著提升。營業費用控制得宜，較前一季與去年同期呈下降趨勢。受惠於營收及毛利成長，加上費用管理有效，營業利益相較第一季與去年同期都有明顯成長。不過，稅前淨利受到美元貶值導致的匯兌損益影響，雖然較第一季仍成長，但與去年同期相比則小幅衰退，最終 EPS 為 0.62 元。若排除匯率因素，營收與毛利表現應可更佳。

上半年營業收入6.67億元，年增 16.14%，營收成長趨勢明顯。不過，營業利益與稅前淨利相較去年同期則小幅下滑，主要受到匯率影響，以及上半年公司處理部分長期呆滯庫存所致，EPS 為 0.81 元。若不計匯率波動，成長幅度應更為顯著，從營業收入的穩健擴增來看，營運正持續走在正確軌道上。

產品策略方面，醫揚在醫療 AI 領域的投入相當早，早在 2018 年便已開始投入設計與開發相關產品，因此，輝達執行長黃仁勳來台灣演講時，多次提及醫揚是全球重要策略合作夥伴。

二、醫療 AI 落地應用多在地端

理論上，醫療 AI 落地可以依靠雲端，但實際應用多落在地端（Edge 端），分析原因主要有三：第一，網路資安與病患隱私問題。歐美醫院及美國 FDA 對網路資安管控極為嚴格，許多醫院甚至不連網，唯有在地端部署才能實現醫療 AI。第二，醫療影像資料量龐大而頻寬有限，醫學檢查像 CT、MRI 等檢查，每位病患可能產出上千張影像，若全數上傳雲端，將造成醫院系統頻寬負擔，地端 AI 才是正確解法。第三，醫療檢查的即時性需求。如內視鏡、超音波等檢查都要求即時回饋，任何延遲都可能影響診斷精準度並提高病患風險，對延遲是零容忍。

針對地端醫療 AI ，醫揚已開發多項產品，應用領域涵蓋照護服務、放射影像、內視鏡以及手術機器人。尤其在手術機器人方面，佈局早於市場熱潮成為熱門話題之前，並有相當多落地應用案例。

傳統手術中，醫師常因長時間操作而產生疲勞，影響精準度，且手術必須在現場完成，受限於時空條件。手術機器人則能有效克服醫師疲勞問題，大幅提升精準度，縮短手術時間，並提高成功率。若再搭配遠距醫療技術，則可突破時空限制，實現跨地域的手術支援。醫揚推動的手術機器人並非「人形機器人」概念，而是已實際落地的醫療應用專案，具備高度臨床實用價值。

三、智慧醫療整合流程是 AI 逐步落地的主要場景

2025 年全球業務拓展布局方面，除持續推動既有的智慧醫院 IT 設備（healthCare IT）市場外，延續主軸深耕醫療 OEM／ODM，隨著許多醫療儀器走向 AI 化，公司在該領域陸續接獲導入 AI 的專案需求。同時，自 2018 年導入 QMS（即 GMP 品質管理）後，工廠已於去年陸續取得多張 QMS 證照，客製醫療儀器代工已正式成為第三個營收成長引擎。

在 AI 的新成長引擎上，智慧醫療整合流程是 AI 逐步落地的主要場景。醫揚觀察，醫療 AI 多屬「輔助性」設計，實際落地速度與接受度均超出預期。首先落地的環節是智慧急診室，從救護到急診過程，影像回傳需求增加，從救護車端開始導入邊緣運算的 AI 伺服器，讓急診室能同步進行 AI 影像分析，提升黃金診斷與救援時間的運用效率，提高整體服務效率。

四、醫揚在手術端應用投入早

若病患由急診端進入手術端，手術場景的 AI 應用高度仰賴影像處理，包含 2D 轉 3D 的 AI 影像處理與 3D 建模AI影生成，以及 AI 手術導航與手術規劃，分別透過內視鏡邊緣運算與伺服器端AI建模模擬落地。醫揚在此領域投入較早，近期收到愈來愈多邊緣運算的實際需求案例，其中亦涵蓋救護車端的應用。

五、病房應用二面向落地

病房端，以往智慧病房著重病歷即時性與醫護可及性；隨著 AI 應用擴大，現已從兩個面向進一步落地：一是遠距（Telecare）AI 影像與病房內智慧監測，隨時觀測病患狀態、加強防跌與防護，並部分取代傳統照護人員的部分工作；二是以非接觸式感應導入生理雷達量測，透過趨勢分析與 AI 即時警示，提示醫護人員進行適當關懷與處置。

遠距醫療方面，醫揚自疫情期間即協助國內外醫療院所推動相關服務；隨邊緣 AI 設備落地，結合遠距與偏鄉醫療，可更有效將醫療資源推展至與醫院距離較遠的地區。

居家照護在疫情後轉降由「健康管理」轉向「在宅醫療」，醫療體系也同步強調「預防醫學」。傳統 IoT 生理量測設備與病患管理平台，正逐步由可在家簡易安裝的非接觸式生理量測設備取代，並於邊緣端先行處理、建模與預測，再與醫院及長照中心保持密切連接。

長照面向亦隨在宅醫療推展而調整。長時間配戴多種穿戴式裝置不夠友善，愈來愈多醫療 AI 解決方案改採非接觸式量測、簡易安裝於居家環境，部分地區已推出在宅醫療方案，將原於醫院與病房進行的項目簡化至居住環境，由醫療端以每週監測與基本審查搭配既有派遣醫師與照護團隊的模式，隨 AI 平台技術精進而逐步融合、擴大推廣。