Цены на выводы универсальных моделей продолжают снижаться. Поставщики моделей конкурируют по ценам на входные токены, выходные токены, кэшир...
Цены на инференс универсальных моделей продолжают снижаться.
Поставщики моделей конкурируют по цене входных токенов, выходных токенов, кэшированию, пакетной обработке и всё более эффективным архитектурам. На первый взгляд это означает, что корпоративный ИИ должен с каждым годом становиться дешевле.
Однако многие организации сталкиваются с иной кривой затрат.
Базовые модели могут быть недорогими, но production-grade ИИ по-прежнему требует:
Недорогая модель не может принимать надёжные решения на основе данных, к которым у неё нет доступа, которые она не понимает или которым не доверяет.
Именно этот разрыв между дешёвыми универсальными рассуждениями и дорогостоящим корпоративным внедрением лежит в основе истории роста Shenzhen Xunce Technology Co., Ltd. (зарегистрирована на Гонконгской фондовой бирже, тикер 3317).
Xunce не разрабатывает универсальные фундаментальные модели. Её основной бизнес — предоставление инфраструктуры данных в реальном времени и услуг по аналитике данных для управления активами и, во всё большей степени, для других отраслей.
31 июля 2026 года компания опубликовала позитивное предварительное уведомление о прибыли, ожидая выручку за первое полугодие в размере примерно 967,02 млн юаней, что соответствует росту на 388,76% в годовом исчислении.
Компания также ожидает свой первый в истории прибыльный результат за первое полугодие с момента основания.
В центре её текущей стратегии находится TokenONE, который компания описывает как операционную систему TokenOS для преобразования корпоративных данных и отраслевых знаний в измеримые и вызываемые «сценарные токены».
Это звучит похоже на токены, используемые в API языковых моделей, однако эти два понятия не完全相同.
Понимание этого различия имеет решающее значение как для возможностей, так и для неопределённостей, связанных с новой бизнес-моделью Xunce.
Стандартный токен языковой модели — это единица, созданная после сегментации текста токенизатором.
Поставщики моделей обычно выставляют счета на основе следующих показателей:
Входные токены
Выходные токены
Кэшированные входные токены
Токены рассуждений
Эти единицы помогают оценивать вычислительную нагрузку модели и использование API.
Xunce использует термин Token в более широком смысле.
Её «сценарные токены» определяются как упакованные единицы корпоративных данных или отраслевых знаний, которые могут вызываться ИИ-приложениями и связываться с бизнес-решениями.
Примеры могут включать:
Это означает, что опубликованные компанией цены «за миллион токенов» не обязательно сопоставимы один к одному с ценами входных токенов API фундаментальных моделей.
Эти продукты решают разные задачи.
| Токены универсальных моделей | «Сценарные токены» Xunce |
|---|---|
| Обычно определяются токенизатором как текстовые или мультимодальные единицы | Определяемые компанией обработанные корпоративные данные или единицы знаний |
| Измеряют потребление на входе или выходе модели | Предназначены для представления вызываемых бизнес-возможностей данных |
| Основаны на широко обученном интеллекте моделей | Основаны на приватных данных, правилах, источниках данных в реальном времени и отраслевых рабочих процессах |
| Обычно ценообразуются поставщиком модели | Ценообразуются как часть продуктовой и сервисной модели Xunce |
| Стандартное техническое значение варьируется в зависимости от токенизатора | Продуктовое значение зависит от реализации TokenONE и договорных условий |
Основная бизнес-идея заключается не в том, что одни токены по своей природе ценнее других.
А в том, что предприятия могут быть готовы платить больше за верифицированный, своевременный, доменно-специфичный контекст, чем за сырые вычисления универсальной модели.
Аудированная и опубликованная годовая выручка Xunce быстро росла, хотя траектория не была ровной.
Согласно годовому отчёту компании за 2025 год:
| Год | Выручка | Годовой рост |
|---|---|---|
| 2022 | 287,9 млн юаней | — |
| 2023 | 530,46 млн юаней | 84,25% |
| 2024 | 631,98 млн юаней | 19,14% |
| 2025 | 1,285 млрд юаней | 103,28% |
Замедление темпов роста в 2024 году особенно заметно между двумя сильными годами.
Одно из возможных объяснений — рынок корпоративного ИИ по-прежнему сосредоточен на обучении моделей, закупке инфраструктуры, экспериментах и пилотных проектах.
Когда организации начинают подключать ИИ к операционным данным в реальном времени и разворачивать его в production-рабочие процессы, продукты Xunce выигрывают более непосредственно.
Это объяснение разумно, но его не следует рассматривать как единственное.
На показатели компании также могли повлиять:
Годовой отчёт подтверждает, что ускорение роста выручки Xunce в 2025 году сопровождалось значительным увеличением затрат на поставку решений.
Выручка выросла на 103,28%, тогда как себестоимость продаж увеличилась на 234,29%, частично из-за того, что некоторые проекты включали закупку оборудования и услуги по развёртыванию.
Валовая маржа снизилась с 76,68% в 2024 году до 61,66% в 2025 году, но остаётся высокой по стандартам обычного программного обеспечения и услуг.
Позитивное предварительное уведомление о прибыли Xunce от 31 июля оценивает:
| Показатель | Первое полугодие 2025 | Оценка первого полугодия 2026 | Изменение |
|---|---|---|---|
| Выручка | 197,85 млн юаней | 967,02 млн юаней | +388,76% |
| Прибыль/(убыток), причитающаяся владельцам | Убыток 89,43 млн юаней | Прибыль 72,51 млн юаней | Выход из убытка |
| Скорректированная чистая прибыль/(убыток) | Убыток 104,98 млн юаней | Прибыль 67 млн юаней | Выход из убытка |
Эта формула добавляет переменную использования к традиционным моделям корпоративного ПО.
Проект может приносить разовый платёж при поставке.
Система, основанная на использовании, может генерировать постоянную выручку при каждом вызове сервиса ИИ-приложением клиента.
Это похоже на другие инфраструктурные бизнесы с оплатой по факту потребления:
Преимущество заключается в согласовании с активностью клиента.
Риск заключается в том, что выручка будет зависеть от фактического потребления, а не от контрактного «простаивающего ПО».
Если ИИ-приложения клиента не используются, выручка от использования может не вырасти.
TokenONE позиционируется как стандартизированная производственная система для преобразования сырых корпоративных данных в готовые к использованию ИИ выходные данные.
В маркетинговых материалах описаны девять этапов обработки и пять ключевых процессов.
Конкретная терминология немного различается в разных материалах компании, но общий процесс включает:
Эти пять процессов связывают указанные этапы воедино, охватывая управление данными, интеграцию приложений, ИИ-агентов, вертикальные или малые модели, а также измерение, аудит, безопасность и биллинг.
Основной аргумент компании заключается в том, что корпоративные данные нельзя просто скопировать и вставить в промпты моделей.
Данные должны быть точными, своевременными, структурированными, с учётом прав доступа, прослеживаемыми, релевантными бизнес-процессам, совместимыми с целевыми ИИ-системами и измеримыми для поддержки биллинга и оценки.
Это реальная корпоративная проблема, даже без использования терминологии токенов Xunce.
Рассмотрим производственный завод с более чем 200 типами оборудования.
Исходные входные данные могут включать потоки данных с датчиков, журналы технического обслуживания, журналы аварийных сигналов, результаты контроля качества, настройки машин, производственные планы и заметки технического персонала.
Универсальная языковая модель не может безопасно делать выводы о состоянии оборудования непосредственно из этих неструктурированных сырых данных.
Производственный процесс может быть изменён следующим образом:
Xunce назвала бы такую вызываемую возможность данных тематическим токеном.
Ценность заключается не в самом слове «токен».
А в процессе преобразования сырых операционных данных в надёжные входные данные для принятия решений.
Xunce раскрыла следующие ранние коммерческие показатели:
Обновление за июль, опубликованное компанией, показывает, что выручка, связанная с токенами, превысила 10% от общего оборота.
Эти данные обнадёживают, но к ним всё же стоит относиться с осторожностью.
Пояснение.
Годовой регулярный доход — это показатель текущего темпа (run rate).
Он оценивает, какого объёма регулярной выручки можно достичь за год, если текущий уровень сохранится.
Он не равен фактическим денежным поступлениям, аудированной выручке, портфелю заказов, чистой прибыли или свободному денежному потоку.
При малых стартовых значениях возможен рост на 300% или 410%.
Абсолютный объём выручки и вклад в валовую прибыль от токенов так же важны, как и процентный рост.
На дату раскрытия полугодового отчёта TokenONE находится в открытом доступе совсем недолго.
В будущем потребуется больше отчётности, чтобы оценить конверсию клиентов, удержание пользователей, среднюю выручку на клиента, валовую маржу, стоимость вызовов сервиса, концентрацию клиентов, отток, сроки контрактов и фактическое поступление денежных средств.
Компания сообщает, что диапазон цен на её сценарные токены может составлять от 10 до 100 долларов США за миллион токенов.
Этот заявленный компанией ценовой диапазон значительно выше цен на входные токены многих универсальных моделей.
Такое сравнение некорректно напрямую, поскольку базовые единицы различаются.
Клиент, вероятно, платит за комплексную услугу, включающую частные корпоративные данные, очистку данных, обработку в реальном времени, отраслевые правила, маршрутизацию моделей, контроль безопасности, аудит, требования к уровню обслуживания, поддержку внедрения и специализированные бизнес-результаты.
Наиболее корректным сравнением может быть не «токен LLM против сценарного токена».
Более уместно выглядит так:
Вывод универсальной модели
в сравнении с
Управляемым, проверенным отраслевым сервисом данных
Более высокая цена устойчива только тогда, когда результат создаёт измеримую ценность или предотвращает значительные риски.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Примеры могут включать: предотвращение ошибочных транзакций, выявление производственных дефектов, сокращение простоев оборудования, оптимизацию энергодиспетчеризации, ускорение регулируемых процессов или снижение затрат на ручную проверку.
Если результат не улучшает бизнес-показатели, премиальную цену трудно обосновать.
Токенизацию легко описать.
Создать надёжную промышленную систему — гораздо сложнее.
Xunce заявляет, что её главное преимущество — это более чем десятилетний опыт в области инфраструктуры данных реального времени.
В её годовом отчёте перечислены три ключевых свойства продукта:
Рынок управления активами, с которого начинала компания, является требовательной тренировочной площадкой.
Финансовые рабочие процессы могут требовать отклика в миллисекундах, точной сверки данных, полного аудиторского следа, строгого управления правами доступа, регуляторной отчётности и проверок комплаенс-рисков.
Компания считает, что те же базовые возможности можно тиражировать в производство, энергетику, здравоохранение, робототехнику, авиацию и другие отрасли.
Тот факт, что в 2025 году доля выручки от не-управления активами составила 79,63%, подтверждает, что бизнес вышел за пределы финансового сектора.
Но это не доказывает, что в каждом новом вертикальном сегменте удастся достичь той же маржинальности, удержания или
обороноспособности.
Эффективность корпоративного ИИ часто зависит от информации, которой нет в открытых обучающих данных.
Это могут быть параметры оборудования на заводе, внутренние рабочие процессы больниц, правила риска финансовых организаций, операционное состояние электросетей в реальном времени, исторические модели отказов предприятий, пороговые значения качества для конкретной продукции и отраслевые стандарты разметки.
Базовые модели обеспечивают широкие рассуждения.
Частные данные и операционная обратная связь определяют, сможет ли эта способность работать внутри конкретной организации.
Поэтому обороноспособность поставщика корпоративных данных может опираться на долгосрочные отношения с клиентами, глубину интеграции, историческое сопоставление данных, отраслевые модули, операционную обратную связь, сертификацию безопасности, затраты на переключение и надёжную работу в реальном времени.
На создание этих преимуществ могут потребоваться годы.
Но они могут быть ослаблены, если клиент построит собственную внутреннюю платформу, поставщик базовых моделей углубится в корпоративные данные, или инструменты с открытым исходным кодом снизят стоимость внедрения.
Первый стратегический этап Xunce уже запущен.
Компания планирует создавать вертикальные токен-фабрики с отраслевыми партнёрами в финансах, здравоохранении, высокотехнологичном производстве, энергетике, интеллектуальном автомобилестроении, робототехнике и других отраслях с высокой плотностью данных.
Концепция токен-фабрики основана на переиспользуемости.
Цель Xunce — не перестраивать каждый конвейер данных с нуля, а переиспользовать стандартные модули, отраслевые шаблоны, правила обработки данных, средства контроля безопасности, биллинговую логику и интеграцию моделей.
Это классическое противостояние «платформа против проекта», знакомое многим компаниям корпоративного ПО.
Платформа становится более прибыльной, когда нового клиента можно обслужить с использованием существующих компонентов.
Когда каждое внедрение требует значительной кастомизации, это остаётся сервисным бизнесом.
Будущие данные по валовой марже и расходам покажут, насколько Xunce продвинулась к настоящей платформенной экономике.
Xunce сообщает о планах запустить TokenRouters во второй половине 2026 года.
Продукт описывается как кросс-корпоративная, кросс-отраслевая и кросс-сценарная платформа обмена токенами с соблюдением нормативных требований.
Ожидаемая модель выглядит так:
Это расширяет логику выручки с внутренних вызовов одного клиента до активности в более широкой сети.
Потенциальный сетевой эффект очевиден.
Проблемы внедрения столь же масштабны:
TokenRouters — это планируемый продукт, а не уже построенная национальная биржа.
Его
коммерческое внедрение следует оценивать после запуска.
Третий этап дорожной карты Xunce — это создание специализированных малых моделей для предприятий.
Логика проста.
Некоторые организации не хотят, чтобы каждый запрос покидал их среду, и не хотят использовать большие универсальные модели.
Они могут предпочесть меньшие системы — с более низкой стоимостью эксплуатации, проще в настройке, быстрее, более предсказуемые, более приватные, разворачиваемые локально и сфокусированные на одной задаче или отрасли.
Слой сценарных токенов может обеспечивать эти модели тщательно подготовленным и постоянно обновляемым корпоративным контекстом.
Такая комбинация может выглядеть так:
Корпоративные данные
→ Управляемые сценарные токены
→ Частная малая модель
→ Бизнес-приложение
→ Обратная связь по результатам
→ Обновлённый токен-конвейер
Такая архитектура может быть привлекательной для финансов, здравоохранения, авиации, госсектора и других чувствительных областей.
Это также означает, что Xunce столкнётся с конкуренцией со стороны облачных провайдеров, компаний по управлению базами данных, поставщиков интеграции данных, разработчиков моделей, платформ ИИ-агентов, внутренних инженерных команд предприятий и отраслевого ПО.
Несколько факторов делают стратегию Xunce коммерчески привлекательной.
По мере того как организации подключают ИИ к реальным операциям, им требуется больше инженерии данных, управления и мониторинга.
Интеллект публичных моделей может быстро стать дешёвым.
Специфические для клиента сопоставления данных и циклы обратной связи перенести гораздо сложнее.
Когда клиенты увеличивают количество вызовов, выручка, привязанная к использованию, может расти без необходимости подписывать нового клиента на каждую единицу роста.
Переиспользуемые компоненты могут снижать стоимость доставки по мере масштабирования внедрений.
В 2025 году почти 80% выручки пришлось на направления за пределами первоначального бизнеса управления активами.
Предварительное предупреждение о результатах первого полугодия показало значительный разворот.
Эти пункты объясняют оптимизм внешних наблюдателей в отношении компании.
Но они не устраняют риски.
Июльское объявление основано на неаудированных управленческих данных.
Детальный промежуточный отчёт может содержать корректировки или дополнительный контекст.
Корпоративные проекты могут приводить к значительной дебиторской задолженности.
В годовом отчёте Xunce за 2025 год ожидаемые кредитные убытки по торговой дебиторской задолженности указаны как ключевой вопрос аудита.
По состоянию на конец 2025 года:
Поэтому возврат денежных средств следует рассматривать вместе с выручкой.
Вклад токенов в выручку компании лишь недавно превысил 10%.
Бо́льшая часть доходов по-прежнему поступает от более широкого существующего бизнеса.
В настоящее время не существует общепринятых стандартов бухгалтерского учёта или технических стандартов, которые позволяли бы напрямую сопоставлять сценарный токен Xunce с токеном другого поставщика.
Клиенты будут оценивать продукт по бизнес-результатам, а не по терминологии.
Если для развёртывания по-прежнему требуются значительные аппаратные ресурсы и индивидуальная настройка, рентабельность может оказаться ближе к решениям, чем к чисто программной платформе.
Крупные облачные провайдеры, компании, разрабатывающие модели, поставщики данных и корпоративное ПО — все движутся в сторону интеграции частных данных и инфраструктуры агентов.
Чтобы TokenRouter приобрёл сетевой эффект, необходимо сначала решить юридические, технические и вопросы доверия.
Стремительное расширение во многих отраслях и странах может создать нагрузку на системы продаж, поддержки, безопасности, поставки и контроля качества.
В исходной статье доход от токенов был представлен как модель из четырёх факторов:
Количество клиентов × Количество модулей × Цена токена × Количество вызовов
Это полезная бизнес-модель, но полная бизнес-модель также должна учитывать затраты и поведение клиентов.
Более практичная модель выглядит так:
Валовая прибыль от токенов
= Количество активных клиентов
× Количество активных модулей
× Чистая цена за единицу
× Количество успешно выставленных счетов вызовов
− Затраты на обработку данных
− Затраты на модели и вычислительные мощности
− Затраты на поставку
− Затраты на поддержку
− Доля партнёров
− Безнадёжные долги и затраты на взыскание
Слова активных, успешных и чистой имеют решающее значение.
Клиент может подписать контракт, но не использовать услуги в полном объёме.
Вызов может завершиться неудачей или не принести ценности.
Фактическая цена после скидки может отличаться от заявленной.
Долгосрочное качество бизнеса зависит от этих операционных деталей.
Подробный промежуточный отчёт должен помочь ответить на несколько важных вопросов.
Эти детали важнее, чем общий процент роста.
Даже с учётом вышеуказанных необходимых оговорок данные о результатах Xunce указывают на важную рыночную тенденцию.
Корпоративные расходы на ИИ выходят за рамки базовых моделей и ускорителей, расширяясь в более широкую область.
Организации всё чаще направляют расходы на уровень, соединяющий ИИ с бизнес-реальностью:
Конвейеры данных.
Контекст в реальном времени.
Управление правами доступа.
Отраслевая логика.
Оценка.
Мониторинг.
Интеграция приложений.
Аудит.
По мере снижения стоимости вывода универсальных моделей эти периферийные системы могут занимать бо́льшую долю общей ценности.
Это не означает, что универсальные токены становятся неактуальными.
Это означает, что самый дешёвый компонент не всегда является самым ценным.
Один вызов модели может стоить очень дёшево.
А доверенные данные, интеграция рабочих процессов и механизмы подотчётности, необходимые для действий на основе ответа, могут стоить значительно дороже.
Xunce предоставляет инфраструктуру данных реального времени и услуги аналитики для управления активами и, во всё большей степени, для других отраслей. Её продукты объединяют сбор корпоративных данных, их очистку, стандартизацию, вычисления в реальном времени, аналитику, AI-агентов и интеграцию моделей.
В предварительном предупреждении о прибыли рост объясняется усилением спроса на корпоративные ИИ-данные, расширением на новые отрасли, внедрением токен-бизнес-модели, а также интернационализацией и развитием экосистемы. Данные не проходили аудит и должны быть подтверждены в подробных промежуточных результатах.
TokenONE — это продукт Xunce, предназначенный для преобразования гетерогенных корпоративных данных и отраслевых знаний в измеримые, проверяемые и вызываемые сценарные токены. Компания описывает его как TokenOS и стандартизированную систему токен-фабрик.
Да, отличаются. LLM-токены — это, как правило, единицы ввода или вывода модели, определённые токенизатором. Xunce использует «сценарные токены» как продуктовый термин для обработанных корпоративных данных или знаний, поэтому их цена не сопоставима напрямую с ценой обычных модельных токенов.
Xunce сообщила о чистых убытках за 2025 год. В предварительном объявлении о прибыли за июль 2026 года компания оценила прибыль, причитающуюся владельцам материнской компании за первое полугодие, в 72,51 миллиона юаней, а скорректированную чистую прибыль — в 67 миллионов юаней, при этом окончательные цифры будут подтверждены в промежуточном отчёте.
TokenRouters — это планируемая платформа Xunce для обеспечения совместимости и использования сценарных токенов между компаниями и отраслями. Компания заявляет, что планирует запустить платформу во втором полугодии 2026 года, поэтому её следует рассматривать как продукт из дорожной карты, а не как действующую биржу.
Отраслевые данные могут включать частные записи, потоки данных в реальном времени, проверенные правила, контроль безопасности, возможность аудита и операционные гарантии. Если такое сочетание повышает качество высокоценных решений, клиенты могут быть готовы платить надбавку, но такая цена устойчива только при создании измеримой бизнес-ценности.
Основные риски включают предварительные финансовые данные, возврат денежных средств, раннюю стадию внедрения токенов, нестандартизированное определение токенов, затраты на индивидуальную настройку, конкуренцию, регуляторные сложности и неопределённость платформы TokenRouters.
TokenONE、そのシナリオTokenコンセプトおよび製品ポジショニングの紹介。
訊策科技は2026年上半期の営業収益が人民元9.6702億元になると予想し、初の前年同期比388.76%増を達成し、初の黒字化した上半期を実現する見込みです。公式発表では、この変化を企業AIデータ需要、業界拡大、Token商業化、国際業務、経営レバレッジおよび投資収益に帰因しています。
TokenONEは、同社の既存のリアルタイムデータインフラ事業の上に、使用量ベースの課金モデルの層を追加します。そのシナリオTokenは、一般的な基本モデルTokenと混同すべきではありません：これらは、処理済みの企業データ、領域知識、および呼び出し可能な業務能力を含む、同社が定義したパッケージ製品です。
機会は明確です。汎用モデルの推論コストが低下するにつれて、信頼できるプライベートデータと本番統合がより多くの価値を占める可能性があります。不確実性も同様に重要です：Token収益はまだ初期段階にあり、財務データは暫定結果であり、売掛金には注意が必要であり、計画中のTokenRouters取引所はまだその経済的実行可能性を証明していません。
**核心的な洞察はここにはありません
高価なTokenは当然ながら安価なTokenに勝ります——企業AIはモデル計算だけでなく、信頼できる意思決定に対して対価を支払います。
Начните с одной фразы и получите полноценный сайт за считанные минуты.
