醫療設備 OEM/ODM 的長期前景偏正向,但成長不會是齊頭式爆發,而是往「高法規門檻、高附加價值、可長期量產」的專案集中。對醫揚而言,最相關的三條主線是醫療 AI 硬體、醫療設備整機代工,以及高齡化帶動的遠距/長照設備。
產業成長動能
1. 高齡化、慢病與醫護缺工,讓智慧醫療需求成為結構性趨勢
醫療院所面臨人力不足、診療量增加與成本壓力,因此投資重點由傳統單機設備,逐漸轉往能提高效率的 AI 影像、手術導航、內視鏡、病患監測、遠距照護與長照設備。醫療 AI 已從過去的驗證階段,開始進入商業化與量產,尤其影像判讀、手術輔助與臨床工作流是較快落地的應用。
這對醫療電腦與設備代工商的意義是:客戶不只需要硬體組裝,而是需要能整合 GPU/CPU、影像、感測器、軟體介面、散熱、安規與長期供貨的合作夥伴,單案價值與技術門檻都會提高。
2. OEM/ODM 從「組裝」升級為「設計+法規+量產管理」
醫材品牌廠外包的核心考量,已不只是成本,而是供應商能否提供醫療品質系統、可追溯製造、法規文件、潔淨製程,以及區域化生產與供應鏈管理。具備 ISO 13485、醫療品質管理、產品驗證與整機系統整合能力的廠商,更容易承接高複雜度、長週期的專案。
因此,醫療 OEM 的特性和一般消費電子代工不同:
- 前期導入與驗證長,通常需要約 18~24 個月。
- 一旦產品完成驗證並量產,因重新認證成本高,客戶替換供應商的意願低。
- 訂單生命週期可較長,但營收認列容易受到客戶取證、醫院採購預算與交機時程影響。
3. 醫療 AI 對邊緣運算需求增加
許多臨床場景需要即時處理影像與感測數據,例如內視鏡影像辨識、手術機器人、病房監測與復健設備;這類應用不適合完全依賴雲端,而需要在設備端進行低延遲運算。醫療 AI 平台因而逐漸由單純電腦硬體,升級為具備 AI 加速、影像處理、資安與醫療工作流整合的邊緣設備。
全球 AI 醫材核准件數持續增加,影像放射類應用占最大宗,也反映影像 AI 是目前最成熟、最接近規模化採購的醫療 AI 場景。
對醫揚的產業位置
醫揚的定位並非單純工業電腦廠,而是介於醫療級邊緣 AI 平台供應商與醫療設備 OEM/ODM 整合商之間。現有資訊顯示,其約半數營收來自醫療設備 OEM/ODM,且其中約六成產品已導入 AI;應用涵蓋影像 AI、內視鏡、手術導航與智慧長照。
較值得注意的是,公司已在歐洲建立多個大型 OEM/ODM 專案,預期可進入 7~10 年的穩定出貨期;美洲則增加醫療 IT 與醫院通路布局,形成「長週期 OEM 專案+較短週期通路產品」的雙軌模式。若專案依規畫持續量產,營收波動性有機會低於只依賴單次設備銷售的業者。
日本智慧長照市場也是中長期擴張方向。日本與歐洲同樣面對高齡化、照護人力緊缺,遠距監測、病房設備、復健與照護輔具的需求,有機會成為醫療 OEM 之外的第二類成長場景。
產業的限制與風險
前景雖好,但醫療 OEM 不是短期高成長就能完全反映的產業,主要有四項限制:
- 醫院資本支出具週期性:大型醫療設備與 IT 系統的採購決策較慢,景氣、政府預算或院方財務壓力都可能使交機遞延。
- 法規與品質成本升高:歐盟 MDR/IVDR、AI 醫材監管與資安要求提高,雖拉高進入門檻,也增加研發、驗證與維護成本。
- AI 商業化落差:有 AI 功能不代表立即轉成大量訂單;臨床證據、醫師採用、醫院資訊系統整合、給付機制與實際投資報酬率,才是從試點走向量產的關鍵。
- 零組件與營運資金壓力:GPU、CPU、記憶體等高單價零組件若需提前備貨,會增加庫存與現金流壓力;目前頁面也顯示醫揚近四季自由現金流為負,且毛利率曾出現壓力,需確認營收成長能否同步改善現金轉換效率。
綜合判斷
醫療 OEM/ODM 的產業方向可概括為:需求穩定成長、專案週期長、門檻高、但業績認列不平滑。
醫揚的題材具備基本面支撐,因為它同時站在醫療設備外包、AI 邊緣運算與智慧長照三個趨勢交會處;真正決定成長品質的,不是 AI 題材本身,而是既有歐洲長約能否如期放量、AI 設備量產占比是否提高,以及毛利率與自由現金流能否隨專案成熟而改善。