2026年刚开始, 有一家处于行业领先地位的科技公司, 给旗下5000名工程师开放了AI编程工具。结果在仅仅历经4个月的时间后, 就已将全年的关于AI方面的预算完全消耗殆尽, 一点没剩。这件事情刚被听闻时, 给人的感觉堪称离谱。 可当企业真正全面开展运转起来之后, 才出人意料地呈现出一个与常规认知相悖的规律: 那就是通用Token越价格低廉, 大家在使用时就越发毫无节制。原因在于真正具备高价值, 值得珍惜的东西, 根本就不在那些通过互联网能够获得公开状态之中的数据内容里。

市场裂成两半 通用Token白菜价 场景Token贵十倍

通用大模型的Token价格持续暴跌, 当下已然快要接近白菜价格, 原因在于任何人都能够凭借公开数据训练得出, 且不存在壁垒。然而另一方面, 捆绑着行业Know-how的场景Token, 其价格能够达到通用Token的10至100倍, 并且仍在上升。这两者之间所产生的剪刀差, 便是AI落地最为实打实的利润空间。

金融风控当中的交易逻辑, 制造业之内的工艺参数, 医疗影像背后的诊断经验, 每一个场景Token的背后都是经过压缩的行业知识, 这些事物公开数据训练不出来, 堆砌算力也无法堆出结果，只能靠一家公司针对一个行业逐个攻克。所以市场直接分裂为两半, 一半是标准化的商品, 越竞争越价格低廉, 另一半是不可替代的行业壁垒, 越使用越具备价值。

钱全砸在买卡和炼模型 数据公司却悄悄盈利了

千亿级别的参数, 数量众多的万用卡集群, 数额巨大的天量融资, 针对整个AI行业而言, 所有热度高涨的 funds 全部都集中投入于算力以及模型上用于砸钱。但是存在这样一家致力于数据基础设施建设的公司, 在那一年期间几乎没有出现比较大幅度的变动, 看起来显得格外不契合当时的整体氛围。然而恰恰就是这家公司, 从始终保持持续投入逐步发展到十年来首次在上半年实现盈利, 又从技术方面的积累逐步发展到一种符合自身特点商业模式实现顺畅运行, 当整个港股AI板块依旧围绕着算力估值展开博弈的时候，这家公司率先成功寻找到了AI盈利方向的全新路径。

这家名为迅策科技的公司, 在2025年下半年的时候出现了业绩的急剧增长, 之所以会有这样的情况, 是由于其推出的推理获得了落地实施, 自此之后相关企业真的开启了AI的实际运用阶段。简单来讲, 迅策所发挥的作用就是助力企业将那些零散分布的数据转化为能够供AI有效利用的形式。在一些工厂存在着200多种设备的运行日志, 电力公司方面每秒钟都会有实时数据大量涌入, 倘若这些工作没有人去处理, 那么AI仅仅只能是一个徒有其表的空壳罢了。

干了十年数据活 把企业私有数据炼成AI能吃的Token

迅策从事数据基础设施工作达十年之久, 构造出动辄涉及的覆盖九大全链路及五大数据Token化流程的闭环能力, 其中全链路含括从数据获取、清洗、标准化、标签、建模, 直至实时流计算、AI智能体开发, 再接续到模型调优以及混合模型接入诸多步骤全都予以贯通, 并且其三大聚焦关键技术优势分别表现在毫秒级实时响应、百分百精准数据处理以及数据Token化输出, 能直接针对客户业务结果承担责任。

听起来抽象至极的这些能力, 一旦落到具体场景便实实在在, 工厂存在200多种设备的运行日志, 得有人将其整理成结构化的数据。电力公司每秒钟都会有实时数据大量涌入, 这要求有人对其进行清洗、对齐, 再喂给模型。迅责做这些既脏又累的活儿达十年之久, 方才成为国内处于领先地位的AI实时数据基础设施及分析服务商，这可不是依靠融资烧出来的。

从卖软件到卖Token 收入逻辑彻底变了

模式实现顺利运行以后, 迅策实施了一项具有关键作用的举措, 不单单是协助客户对数据予以处置, 接着依照 Token 展开以量计费。以往客户是逐个进行商谈而来得以合作的, 项目是经由单个订单完成合同签订的, 在着手进行交付工作后收取一回费用, 增长呈现为直线上升, 这同样还是 2024 年仅增长 19%的根由所在, 直线上升模式之下的上升顶点已然达到。然而在实现 Token 化之后, 收入的内在依据发生了转变, 客户对于 AI 的使用数量越多、调用的频次越高, 则迅策获取的收益也就越为丰厚。

以往呢，售卖软件之时是采用推着的方式前行, 如今收取Token费用乃是处于被拉着走的状态。Token付费所生成的收入占比, 从4月的大约5%, 进展到6月, Token调用ARR按照季度环比的态势增长了410%, 公司所设定的目标是, 到年底时Token业务的收入占比提升至20%至30%。按照这样的速度进行爬坡, Token收入正在以能用肉眼清晰看见的速度成为全新的增长引擎, 并且垂类场景当中Token调用的价格达到了每百万Token10至100美元, 这是通用大模型的十倍还要多。

通用Token让AI听懂话 场景Token让AI做对事

解决让AI听得懂话的是通用Token, 解决让AI做对事的是场景Token。金融风控当中的交易逻辑、制造业里面的工艺Know – how、医疗影像背后的诊断经验, 每一个Token背后都是经过压缩的行业知识, 并非公开数据能够训练出来的。所以通用Token属于标准化商品, 越卷入越便宜, 场景Token绑定的是不可替代的行业壁垒, 越使用越值钱。

可以喊Token化这件事的人有很多, 然而, 能够接住它的, 只会是那些把数据做透彻的人。从事过金融数据工作的人都清楚, 这是一个对实时性以及准确率有着无比变态要求的行业, 要求有毫秒级的响应速度、要达到100%的准确率, 哪怕只是一个数字出现错误, 就极有可能直接导致亏损几千万。迅策运用同一套能力, 耗费了五年时间, 将业务扩展到了电信、电力、能源、高端制造、生物医疗、机器人训练平台、商业航天等11个行业, 并且积累了230个客户, 还有300多个标准化模块。

每个行业沉淀一到两年 堆算力堆不出来

那些行业之中跟数据相关的诀窍, 当中哪些数据得实时去提取, 哪些字段该要怎样的标注准则规范, 哪一个场景一旦出了差错其后果是无法翻转过来的, 每一个行业起码都得耗费一到两年的时间才能够实现沉淀积累下来。基础的大型模型运用公开的相关数据能够训练到八十分的程度, 然而从八十分提升到九十五分, 所依靠的是行业自身私有的数据。迅策所从事的那项工作, 便是将企业本身私有的数据转化成为能够让人工智能进行使用的相应情景的特殊标识, 按照其使用调取的次数来收取费用。

如今迅策仍在开展一件更为超前的事情, 以往是一家企业内部运用Token, 如今则要实现企业之间的Token流通打通, 非竞争企业能够在安全合规的条件下相互进行调用、定价以及交换场景Token, 收入逻辑也随之发生改变, 由单个客户的调用量转变为整个生态网络的流通量, 这恰似互联网时代, 一个网站所赚取的钱财有限, 然而当网站连接形成平台、数据开始流通时, 价值便呈指数级放大。

最终并非是要使每一家公司均去调用通用大模型, 相较于大模型, 有着低成本特点、上线速度快、具备易调试特性的小模型, 凭借更高的性价比为企业供给并且给予了得以打开人工智能大门的钥匙, 尤其是数据不外泄, 对于金融、医疗、航天这些高敏感性行业而言是硬性的需求, AI产业存在三根支柱, 即算力、模型、数据。在此之前中国这一竞争非常激烈的赛道之上都并没有一家形成规模的上市目标, 直至迅策现身于港交所。

迅策此次业绩出现爆发情况, 从本质上来说, 并非属于一次呈现周期性特点的财务方面的增长, 而是源于历经十年的数据基础设施所积累起来后, 在人工智能从训练朝着落地进行转变的这个关键节点上, 借助Token化达成了一次商业模式的跃迁。然而, 其转速并非由迅策来决定, 而是由整个中国企业在AI方面用量所形成的曲线来予以决定。那么, 你思考一下你们公司当下所运用的AI而言, 究竟是属于通用Token, 还是属于场景Token? 前往评论区去展开讨论, 同时点赞并转发, 从而让更多的人能够看到这门生意真正的面貌。