Os preços de inferência de modelos generalistas continuam a cair. Os fornecedores de modelos competem em preços de tokens de entrada, tokens...
O preço da inferência de modelos de propósito geral continua caindo.
Provedores de modelos competem em preço de tokens de entrada, preço de tokens de saída, cache, processamento em lote e arquiteturas cada vez mais eficientes. Na superfície, isso significa que a IA empresarial deveria se tornar mais barata a cada ano.
No entanto, muitas organizações estão descobrindo uma curva de custos diferente.
Os modelos de base podem ser baratos, mas a IA de nível de produção ainda exige:
Um modelo de baixo custo não pode tomar decisões confiáveis com base em dados aos quais não tem acesso, que não consegue compreender ou nos quais não pode confiar.
Essa lacuna entre raciocínio genérico barato e implementação empresarial cara está no centro da história de crescimento da Shenzhen Xunce Technology Co., Ltd. (listada em Hong Kong, código de ação 3317).
A Xunce não desenvolve modelos de base de propósito geral. Seu negócio principal é fornecer infraestrutura de dados em tempo real e serviços de análise de dados para gestão de ativos e, cada vez mais, para outros setores.
Em 31 de julho de 2026, a empresa publicou um anúncio positivo de lucros, prevendo uma receita no primeiro semestre de aproximadamente RMB 967,02 milhões, um aumento de 388,76% em relação ao ano anterior.
A empresa também prevê alcançar seu primeiro lucro no primeiro semestre desde sua fundação.
No centro de sua estratégia atual está o TokenONE, que a empresa descreve como um sistema operacional de tokens (TokenOS) usado para transformar dados corporativos e conhecimento de domínio em "tokens de cenário" mensuráveis e acionáveis.
Essa afirmação soa semelhante aos tokens usados pelas APIs de modelos de linguagem, mas os dois conceitos não são idênticos.
Entender essa diferença é crucial para compreender tanto as oportunidades quanto as incertezas por trás do novo modelo de negócios da Xunce.
Os tokens padrão de modelos de linguagem são unidades geradas após o texto ser dividido por um tokenizador.
Os provedores de modelos geralmente cobram com base nas seguintes quantidades:
Tokens de entrada
Tokens de saída
Tokens de entrada em cache
Tokens de raciocínio
Essas unidades ajudam a medir a computação do modelo e o uso da API.
A Xunce usa o termo Token de forma mais ampla.
Seus "tokens de cenário" são definidos como unidades empacotadas de dados corporativos ou conhecimento de domínio que podem ser acionadas por aplicativos de IA e conectadas a decisões de negócios.
Exemplos possíveis incluem:
Isso significa que o preço divulgado de "por milhão de tokens" pode não ser diretamente comparável ao preço de tokens de entrada das APIs de modelos de base.
Esses produtos resolvem problemas diferentes.
| Tokens de modelos de propósito geral | "Tokens de cenário" da Xunce |
|---|---|
| Geralmente unidades de texto ou multimodais definidas por tokenizadores | Unidades definidas pela empresa de dados corporativos processados ou conhecimento |
| Medem o consumo de entrada ou saída do modelo | Projetados para representar capacidades de dados de negócios acionáveis |
| Baseados na inteligência de modelos amplamente treinados | Baseados em dados privados, regras, fontes de dados em tempo real e fluxos de trabalho do setor |
| Geralmente precificados pelos provedores de modelos | Precificados como parte do modelo de produtos e serviços empresariais da Xunce |
| O significado técnico padrão varia conforme o tokenizador | O significado do produto depende da implementação do TokenONE e dos termos contratuais |
A ideia central do negócio não é que alguns tokens sejam intrinsecamente mais valiosos que outros.
Em vez disso, as empresas podem estar dispostas a pagar mais por contexto validado, oportuno e específico do domínio do que pela computação bruta de modelos de propósito geral.
O crescimento anual da receita auditada e divulgada da Xunce foi rápido, embora o caminho não tenha sido linear.
De acordo com o relatório anual de 2025 da empresa:
| Ano | Receita | Crescimento Anual |
|---|---|---|
| 2022 | RMB 287,9 milhões | — |
| 2023 | RMB 530,46 milhões | 84,25% |
| 2024 | RMB 631,98 milhões | 19,14% |
| 2025 | RMB 1,285 bilhão | 103,28% |
A desaceleração do crescimento em 2024 se destaca entre dois anos fortes.
Uma explicação possível é que o mercado de IA empresarial ainda era dominado por treinamento de modelos, aquisição de infraestrutura, experimentação e trabalhos de prova de conceito.
Quando as organizações começam a conectar a IA a dados operacionais em tempo real e a implantá-la em fluxos de trabalho de produção, os produtos da Xunce se beneficiam de forma mais direta.
Essa explicação é plausível, mas não deve ser considerada a única.
O desempenho da empresa também pode ser influenciado por:
O relatório anual confirma que, enquanto a receita da Xunce acelerou em 2025, o custo de entrega das soluções também aumentou significativamente.
A receita cresceu 103,28%, enquanto o custo dos produtos vendidos aumentou 234,29%, em parte devido à inclusão de compras de hardware e serviços de implantação em alguns projetos.
A margem bruta caiu de 76,68% em 2024 para 61,66% em 2025, mas ainda permanece em um nível elevado pelos padrões de software e serviços comuns.
O anúncio positivo de lucros da Xunce de 31 de julho estima:
| Indicador | Primeiro semestre de 2025 | Estimativa do primeiro semestre de 2026 | Variação |
|---|---|---|---|
| Receita | RMB 197,85 milhões | RMB 967,02 milhões | +388,76% |
| Lucro/(prejuízo) atribuível aos proprietários | Prejuízo de RMB 89,43 milhões | Lucro de RMB 72,51 milhões | Reversão do prejuízo |
| Lucro líquido ajustado/(prejuízo) | Prejuízo de RMB 104,98 milhões | Lucro de RMB 67 milhões | Reversão do prejuízo |
Essa fórmula adiciona uma variável de uso aos modelos tradicionais de software empresarial.
Um projeto pode gerar um pagamento único na entrega.
Já um sistema baseado em uso pode gerar receita continuamente sempre que o aplicativo de IA do cliente chamar o serviço.
Isso é semelhante a outros negócios de infraestrutura cobrados por consumo:
A vantagem está no alinhamento com a atividade do cliente.
O risco é que a receita dependa do consumo real, e não de um "software ocioso" contratado.
Se os aplicativos de IA dos clientes não forem utilizados, a receita baseada em uso pode não crescer.
O TokenONE é posicionado como um sistema de produção padronizado que transforma dados empresariais brutos em saídas prontas para uso direto por IA.
Os materiais de lançamento descrevem nove estágios de processamento e cinco grandes fluxos.
A terminologia específica varia ligeiramente entre os materiais da empresa, mas o fluxo geral inclui:
Os cinco grandes fluxos conectam as etapas acima, abrangendo governança de dados, integração de aplicações, agentes de IA, modelos verticais ou de pequeno porte, e medição, auditoria, segurança e cobrança.
O argumento central da empresa é que dados empresariais não podem ser simplesmente copiados e colados em prompts de modelos.
Os dados devem primeiro ser precisos, oportunos, estruturados, cientes de permissões, rastreáveis, relevantes para processos de negócios, compatíveis com os sistemas de IA-alvo e mensuráveis para suportar cobrança e avaliação.
Esse é um problema empresarial real, mesmo sem adotar a terminologia de Tokens da Xunce.
Considere uma fábrica de manufatura com mais de 200 tipos de equipamentos.
As entradas brutas podem incluir fluxos de dados de sensores, registros de manutenção, logs de alarmes, resultados de controle de qualidade, configurações de máquinas, planos de produção e anotações de técnicos.
Um modelo de linguagem genérico não pode inferir com segurança o estado do equipamento diretamente desses montões de dados brutos não estruturados.
O fluxo da linha de produção poderia ser:
A Xunce descreveria a capacidade de dados acionável resultante como um Token de cenário.
O que importa não é a palavra "Token" em si.
E sim o processo de transformação de dados operacionais brutos em entradas confiáveis para decisão.
A Xunce divulgou os seguintes indicadores comerciais iniciais:
A atualização de negócios de julho atribuída pela empresa mostra que a receita relacionada a tokens já ultrapassou 10% do faturamento.
Esses dados são animadores, mas ainda devem ser vistos com cautela.
Explicação.
A receita recorrente anual é uma métrica de ritmo.
Ela estima o tamanho que a receita recorrente pode alcançar em um ano, caso os níveis atuais se mantenham.
Ela não equivale a recebimento de caixa, receita auditada, carteira de pedidos, lucro líquido ou fluxo de caixa livre.
Quando o valor inicial é pequeno, crescimentos de 300% ou 410% podem ocorrer.
A receita absoluta e a contribuição de lucro bruto relacionadas a tokens são tão importantes quanto a taxa percentual de crescimento.
Até a data de divulgação do relatório semestral, o TokenONE estava no mercado há pouco tempo.
Serão necessários mais relatórios futuros para avaliar conversão de clientes, retenção de uso, receita média por cliente, margem bruta, custo de chamada de serviço, concentração de clientes, taxa de churn, prazo de contrato e recebimento de caixa.
A empresa afirma que o preço de seus tokens de cenário pode variar de US$ 10 a US$ 100 por milhão de tokens.
Essa faixa de preço divulgada pela empresa é muito superior aos preços de entrada de muitos modelos genéricos.
Essa comparação não é diretamente equivalente, pois as unidades subjacentes são diferentes.
O cliente pode estar pagando por um pacote de serviços que inclui dados empresariais privados, limpeza de dados, processamento em tempo real, regras do setor, roteamento de modelos, controles de segurança, auditoria, requisitos de nível de serviço, suporte de implementação e resultados específicos do negócio.
A comparação mais próxima talvez não seja "um token de LLM versus um token de cenário".
O mais adequado seria:
Inferência de modelo genérico
versus
Serviço de dados gerenciado e validado para setores específicos
Preços mais altos só são sustentáveis quando a saída gera valor mensurável ou evita riscos significativos.
Exemplos podem incluir: evitar transações incorretas, detectar defeitos de produção, reduzir tempo de inatividade de máquinas, otimizar o despacho de energia, acelerar processos regulados ou reduzir custos de revisão manual.
Se a saída não melhorar os resultados do negócio, o prêmio de preço dificilmente se sustenta.
A tokenização é fácil de descrever.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Construir sistemas industriais confiáveis é muito mais difícil.
A principal vantagem declarada pela Xunce está em sua experiência de mais de uma década em infraestrutura de dados em tempo real.
Seu relatório anual lista três atributos centrais do produto:
O mercado de gestão de ativos, onde a empresa começou, é um campo de treinamento rigoroso.
Fluxos de trabalho financeiros podem exigir respostas em milissegundos, conciliação precisa de dados, trilhas de auditoria completas, gerenciamento rigoroso de permissões, relatórios regulatórios e verificações de conformidade de risco.
A empresa acredita que as mesmas capacidades subjacentes podem ser replicadas para manufatura, energia, saúde, robótica, aviação e outros setores.
Em 2025, a receita de segmentos não relacionados à gestão de ativos representou 79,63%, o que comprova que o negócio se expandiu para além do setor financeiro.
Mas isso não prova que todos os novos setores verticais alcançarão as mesmas margens, taxas de retenção ou
defensabilidade.
O desempenho da IA empresarial geralmente depende de informações que não existem nos dados públicos de treinamento.
Essas informações incluem parâmetros de equipamentos em fábricas, fluxos de trabalho internos de hospitais, regras de risco de instituições financeiras, status operacional em tempo real de redes elétricas, padrões históricos de falhas de empresas, limites de qualidade específicos de produtos e padrões de anotação específicos do setor.
Modelos de base podem fornecer raciocínio amplo.
São os dados privados e o feedback operacional que determinam se essa capacidade funcionará dentro de uma organização.
Portanto, a defensabilidade de um provedor de dados empresariais pode vir de relacionamentos de longo prazo com clientes, profundidade de integração, mapeamento histórico de dados, módulos específicos do setor, feedback operacional, certificações de segurança, custos de troca e desempenho confiável em tempo real.
Essas vantagens podem levar anos para serem construídas.
Mas elas também podem ser enfraquecidas se o cliente construir sua própria plataforma interna, se os provedores de modelos de base entrarem profundamente no domínio de dados empresariais ou se ferramentas de dados de código aberto reduzirem os custos de implementação.
A primeira fase estratégica da Xunce já foi iniciada.
A empresa planeja construir fábricas verticais de tokens com parceiros do setor em finanças, saúde, manufatura avançada, energia elétrica, veículos inteligentes, robótica e outros setores intensivos em dados.
O conceito de fábrica de tokens baseia-se na reutilização.
O objetivo da Xunce não é reconstruir cada pipeline de dados do zero, mas reutilizar módulos padrão, templates do setor, regras de processamento de dados, controles de segurança, lógica de cobrança e integração de modelos.
Esta é a clássica disputa entre "plataforma e projeto" comum em muitas empresas de software empresarial.
Quando novos clientes podem ser atendidos com componentes existentes, a plataforma se torna mais lucrativa.
Quando cada implantação exige uma quantidade significativa de customização, continua sendo um negócio de serviços.
Os dados futuros de margem bruta e despesas mostrarão até onde a Xunce avançou na economia real de plataforma.
A Xunce afirma que planeja lançar os TokenRouters no segundo semestre de 2026.
O produto é descrito como uma plataforma de intercâmbio de tokens em conformidade, entre empresas, setores e cenários.
O modelo esperado é o seguinte:
Isso ampliaria a lógica de receita, de chamadas internas de um único cliente para atividades em uma rede mais ampla.
O potencial efeito de plataforma é evidente.
Os desafios de implementação são igualmente enormes:
Os TokenRouters são um produto planejado, não uma bolsa nacional já construída.
Sua
adoção comercial deve ser avaliada após o lançamento.
A terceira fase do roteiro da Xunce consiste em modelos menores exclusivos da empresa.
A lógica é direta.
Algumas organizações não querem que cada solicitação saia de seu ambiente e não desejam usar grandes modelos genéricos.
Elas podem preferir sistemas menores – com menor custo de execução, mais fáceis de ajustar, mais rápidos, mais previsíveis, mais privados, passíveis de implantação local e focados em uma única tarefa ou setor.
A camada de tokens de cenário pode fornecer contexto empresarial cuidadosamente selecionado e continuamente atualizado para esses modelos.
Essa combinação pode ser assim:
Dados empresariais
→ Tokens de cenário governados
→ Modelo menor privado
→ Aplicações de negócio
→ Feedback de resultados
→ Pipeline de tokens atualizado
Essa arquitetura pode ser atraente em finanças, saúde, aeroespacial, governo e outros ambientes sensíveis.
Isso também significa que a Xunce enfrentará concorrência de provedores de nuvem, empresas de banco de dados, fornecedores de integração de dados, provedores de modelos, plataformas de agentes de IA, equipes de engenharia internas de empresas e empresas de software do setor.
Vários fatores tornam a estratégia da Xunce comercialmente atraente.
À medida que as organizações conectam a IA às suas operações reais, elas precisam de mais engenharia de dados, governança e monitoramento.
A inteligência de modelos públicos pode ficar barata rapidamente.
O mapeamento de dados específicos do cliente e os ciclos de feedback são mais difíceis de migrar.
Quando o volume de chamadas dos clientes aumenta, a receita vinculada ao uso pode crescer sem exigir um novo cliente para cada unidade de crescimento.
Componentes reutilizáveis podem reduzir os custos de entrega à medida que a escala de implantação aumenta.
Em 2025, quase 80% da receita veio de fora do segmento original de gestão de ativos.
O alerta preliminar do primeiro semestre mostrou uma recuperação significativa.
Esses pontos explicam o otimismo externo em relação à empresa.
Mas eles não eliminam os riscos.
O anúncio de julho é baseado em contas gerenciais não auditadas.
O relatório intermediário detalhado pode conter ajustes ou informações contextuais adicionais.
Projetos empresariais podem gerar grandes volumes de contas a receber.
O relatório anual de 2025 da Xunce listou a perda de crédito esperada das contas a receber comerciais como um item-chave de auditoria.
Até o final de 2025:
Portanto, a recuperação de caixa deve ser analisada juntamente com a receita.
A contribuição de tokens reportada pela empresa só recentemente ultrapassou 10%.
A maior parte da receita ainda vem do negócio existente mais amplo.
Atualmente, não existem padrões contábeis ou técnicos universais que tornem um token de cenário da Xunce diretamente comparável
aos tokens de outro fornecedor.
Os clientes avaliarão o produto com base nos resultados de negócio, não na terminologia.
Se a implantação ainda exigir hardware substancial e trabalho de customização, as margens podem se aproximar mais de um negócio de soluções do que de uma plataforma de software pura.
Os principais provedores de nuvem, empresas de modelos, empresas de dados e empresas de software corporativo estão todos avançando em direção à integração de dados privados e infraestrutura de agentes.
Para que o TokenRouter desenvolva efeitos de rede, ele deve primeiro resolver questões legais, técnicas e de confiança.
A expansão rápida em muitos setores e países pode pressionar os sistemas de vendas, suporte, segurança, entrega e controle de qualidade.
O artigo original expressou a receita de tokens como um modelo de quatro fatores:
Número de clientes × Número de módulos × Preço do token × Número de chamadas
Este é um framework de negócios útil, mas o modelo de negócios completo ainda precisa deduzir custos e considerar o comportamento do cliente.
Um modelo mais prático é:
Lucro bruto de tokens
= Número de clientes ativos
× Número de módulos ativos
× Preço unitário líquido
× Número de chamadas cobradas com sucesso
− Custo de processamento de dados
− Custo de modelos e computação
− Custo de entrega
− Custo de suporte
− Participação de parceiros
− Custo de inadimplência e cobrança
As palavras ativos, bem-sucedidas e líquido são cruciais.
O cliente pode ter assinado o contrato sem usar amplamente o serviço.
Uma chamada pode falhar ou não gerar valor.
O preço real negociado após descontos pode ser diferente do preço de tabela.
A qualidade de longo prazo do negócio depende desses detalhes operacionais.
O relatório interino detalhado deve ajudar a responder várias perguntas importantes.
Esses detalhes são mais importantes do que a porcentagem de crescimento geral.
Mesmo com as ressalvas necessárias acima, os dados de desempenho da Xunce apontam para uma tendência importante do mercado.
Os gastos empresariais com IA estão se expandindo além dos modelos de base e aceleradores, para um espectro mais amplo.
As organizações estão cada vez mais direcionando gastos para a camada que conecta a IA à realidade dos negócios:
Lógica de domínio.
À medida que os custos de inferência de modelos generalistas caem, esses sistemas periféricos podem capturar uma parcela maior do valor total.
Isso não significa que os tokens genéricos se tornaram irrelevantes.
Isso significa que o componente mais barato nem sempre é o mais valioso.
Uma chamada de modelo pode ser muito barata.
Os dados confiáveis, a integração de fluxos de trabalho e os mecanismos de responsabilização necessários para agir com base na resposta podem custar muito mais.
A Xunce fornece infraestrutura de dados em tempo real e serviços de análise de dados, atendendo à gestão de ativos e, cada vez mais, a outros setores. Seus produtos conectam coleta, limpeza, padronização, computação em tempo real, análise, agentes de IA e integração de modelos de dados empresariais.
O alerta preliminar de lucro da empresa atribuiu o crescimento ao aumento da demanda por dados empresariais para IA, à expansão para mais setores, à implementação do modelo de negócios de tokens e ao desenvolvimento internacional e do ecossistema. Os dados não são auditados e devem ser confirmados nos resultados interinos detalhados.
TokenONE é um produto da Xunce usado para transformar dados empresariais heterogêneos e conhecimento de domínio em tokens de cenário mensuráveis, auditáveis e acionáveis. A empresa o descreve como um sistema TokenOS e uma fábrica de tokens padronizada.
Não. Tokens de LLM são geralmente unidades de entrada ou saída de modelo definidas por tokenizadores. A Xunce usa "token de cenário" como um termo de produto para dados empresariais processados ou capacidades de conhecimento, portanto, seus preços não são diretamente comparáveis aos preços de tokens de modelos comuns.
A Xunce relatou prejuízo líquido no ano completo de 2025. Seu alerta de lucro de julho de 2026 estimou lucro atribuível aos acionistas da controladora no primeiro semestre de RMB 72,51 milhões e lucro líquido ajustado de RMB 67 milhões, sujeito aos resultados interinos finais.
TokenRouters são uma plataforma planejada pela Xunce para troca e uso de tokens de cenário entre empresas e setores de forma compatível. A empresa afirma que espera lançar a plataforma no segundo semestre de 2026, portanto, deve ser vista como um produto de roadmap, não como uma bolsa estabelecida.
Os dados do setor podem incluir registros privados, fluxos de dados em tempo real, regras validadas, controles de segurança, auditabilidade e garantias operacionais. Quando essa combinação melhora decisões de alto valor, os clientes podem estar dispostos a pagar um prêmio, mas esse preço só é sustentável se criar valor comercial mensurável.
Os principais riscos incluem dados financeiros preliminares, recuperação de caixa, adoção de tokens ainda em estágio inicial, definição não padronizada de tokens, custos de customização, concorrência, complexidade regulatória e incerteza em relação à plataforma TokenRouters.
processamento de fluxo com estado e computação de dados em tempo real.
TokenONE、其场景Token概念及产品定位的介绍。
讯策科技预计2026年上半年营业收入为人民币9.6702亿元，初步同比增长388.76%，并实现首个盈利的上半年。官方公告将该变化归因于企业AI数据需求、行业扩展、Token商业化、国际业务、经营杠杆及投资收益。
TokenONE 在公司现有实时数据基础设施业务之上增加了一层基于使用量的计费模式。其场景Token不应与普通基础模型Token混淆：它们是公司定义的打包产品，包含经过处理的企业数据、领域知识以及可调用的业务能力。
机遇是明确的。随着通用模型推理成本降低，可信私有数据与生产集成可能会占据更多价值。不确定性同样重要：Token收入仍处于早期阶段，财务数据为初步结果，应收账款需要关注，且计划中的 TokenRouters 交易所尚未证明其经济可行性。
**核心启示不在于此
昂贵的Token自然胜过廉价的Token——企业AI为可靠的决策付费，而不仅仅是模型计算。
Comece com uma frase e tenha um site completo em minutos.
