迅策科技 доходы взлетели на 389%: как корпоративные данные становятся бизнесом на основе ИИ с оплатой по мере использования

Введение

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:

• Чистых приватных данных.
• Надёжных источников данных в реальном времени.
• Отраслевых правил.
• Структурированного контекста.
• Контроля доступа.
• Аудиторских следов.
• Оценки.
• Обратной связи от людей.
• Интеграции с операционными системами.
• Непрерывного мониторинга.

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.

Дешёвые универсальные токены не устраняют затраты на корпоративный ИИ

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:

• Сигналы финансового риск-контроля.
• Состояние производственного оборудования.
• Входные данные для диспетчеризации энергии в реальном времени.
• Структурированные медицинские признаки.
• Стандартизированные промышленные правила.
• Верифицированные выходные данные для ИИ-агентов.

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.

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.

Кривая доходов, меняющая направление

Аудированная и опубликованная годовая выручка Xunce быстро росла, хотя траектория не была ровной.

Согласно годовому отчёту компании за 2025 год:

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:

• Сроки заключения контрактов.
• Концентрация клиентов.
• Приёмка проектов.
• Отраслевые бюджеты.
• Признание выручки.
• Закупка оборудования в рамках решений.
• Структура продуктового портфеля.
• Эффективность продаж.

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.

Ожидаемый рост выручки на 388,76% в первом полугодии 2026 года

Позитивное предварительное уведомление о прибыли Xunce от 31 июля оценивает:

![Изображение отражает динамику чистой прибыли Xunce Technology за первое полугодие 2026 года.

Синий столбец слева показывает чистую прибыль за первое полугодие 2025 года в размере -89 млн юаней, тёмно-синий столбец справа — чистую прибыль за первое полугодие 2026 года в размере 73 млн юаней. Текст сверху «Чистая прибыль за первое полугодие 2026 года вышла из убытка» и «Значительный выход из убытка» подчёркивает изменение показателя. Изображение согласуется с ожиданием Xunce Technology получить чистую прибыль в размере 72,51 млн юаней в первом полугодии 2026 года, преодолев убытки, а также с причинами разворота прибыли компании.

В уведомлении рост выручки объясняется четырьмя основными факторами:

1. Концентрированное высвобождение корпоративного спроса на ИИ, а также рост потребности в высококачественных, структурированных и сценарных данных.
2. Ускорение экспансии в多个 отрасли, усиление способности к тиражированию межотраслевых продуктов.
3. Первоначальное внедрение бизнес-модели токенов, устойчивый рост объёма вызовов токенов.
4. Международная экспансия и развитие экосистемы.

Причины ожидаемого выхода из убытка включают:

• Повышение доли высокомаржинальных бизнесов.
• Эффект масштаба от платформенных и модульных продуктов.
• Снижение норм расходов на НИОКР, продажи и администрирование.
• Дополнительный инвестиционный доход от оптимизации управления капиталом.

Эти детали важны, поскольку рост не следует приписывать исключительно TokenONE.

TokenONE был официально запущен 25 мая, ближе к концу шестимесячного отчётного периода.

Предварительное уведомление о прибыли перечисляет коммерциализацию токенов как один из факторов роста в рамках более широкой экспансии инфраструктуры корпоративных ИИ-данных.

Важное примечание: Приведённые выше данные являются предварительными и не прошли аудит. Инвесторам и читателям следует оценивать признание выручки, денежные потоки, валовую прибыль, дебиторскую задолженность, концентрацию клиентов и конкретный вклад токенов после публикации подробного промежуточного отчёта.

Компания ещё не достигла прибыльности за весь 2025 год

В исходной статье результаты первого полугодия описываются как результат длительного периода инвестиций.

Это в целом согласуется с историческими аудированными данными, но детали заслуживают внимания.

В 2025 году Xunce Technology отчиталась о следующих показателях:

Таким образом, компания входит в 2026 год с быстрым ростом выручки, но всё ещё с годовым убытком.

Прогноз результатов за первое полугодие 2026 года знаменует собой значительный сдвиг, однако один прибыльный полугодовой период не устанавливает устойчивый долгосрочный уровень рентабельности.

Будущие результаты будут зависеть от структуры выручки, затрат на оборудование и внедрение, коммерческих расходов, интенсивности инвестиций в НИОКР, собираемости дебиторской задолженности, уровня внедрения токенизированных продуктов, конкуренции на рынке, удержания клиентов и продолжительности инвестиций в корпоративный ИИ.

Фактический бизнес Xunce Technology

Xunce Technology позиционирует себя как поставщик услуг по созданию инфраструктуры реального времени и аналитики данных.

Компания начинала с индустрии управления активами, для которой характерны строгие требования к низкой задержке, согласованности данных, прослеживаемости, соблюдению нормативных требований, управлению рисками, актуальности рыночной информации и надёжной поддержке принятия решений.

В годовом отчёте за 2025 год описана сквозная технологическая система, охватывающая следующие этапы:

1. Сбор данных.
2. Очистка данных.
3. Стандартизация.
4. Вычисления в реальном времени.
5. Оптимизация больших моделей.
6. Применение ИИ-агентов.
7. Поставка отраслевых решений.

С тех пор компания расширила деятельность на такие отрасли, как телекоммуникации, электроэнергетика, энергетика, городское управление, высокотехнологичное производство, здравоохранение, спутниковые и деловые авиационные технологии, робототехнические платформы данных и потребительский сектор.

В 2025 году выручка от не-управленческих активов составила около 1,023 млрд юаней, что соответствует 79,63% от общей выручки.

Выручка от управления активами составила оставшиеся 20,37%.

Эта диверсификация является одним из наиболее значительных задокументированных изменений в бизнесе компании.

Она снижает зависимость от одной отрасли, но также предъявляет новые требования к исполнению, поскольку каждая отрасль имеет свои стандарты данных, рабочие процессы, циклы продаж, правила соответствия и интеграционные потребности.

Бизнес уже был преимущественно транзакционным до запуска TokenONE

В исходном тексте описывается переход от разовых проектов к регулярной модели использования на основе токенов.

Это важное направление, но историческая модель выручки уже была сложнее, чем чисто проектный бизнес.

В отчёте Xunce за 2025 год выручка разделена на:

Доля транзакционной модели в выручке выросла с 80,64% в 2024 году.

В отчёте указано, что этот рост в основном обусловлен повышенным спросом клиентов на мультимодульные решения.

Таким образом, TokenONE представляет собой новую форму коммерциализации, привязанную к использованию, но она не заменяет полностью подписной бизнес в одночасье.

Более точная последовательность эволюции выглядит следующим образом:

Подписные и проектные решения
→ Мультимодульная транзакционная выручка
→ Растущее использование токенов на основе потребления
→ Возможная платформенная и транзакционная выручка

Порядок учёта выручки, связанной с токенами, должен стать более ясным в будущих промежуточных и годовых отчётах.

TokenONE меняет формулу выручки

Xunce запустила TokenONE в мае 2026 года.

Компания описывает его как TokenOS, которая преобразует разнородные корпоративные данные в измеримые, оцениваемые, проверяемые и вызываемые тематические токены.

Её бизнес-модель можно представить в виде формулы:

Выручка от токенов
= Количество клиентов
× Количество модулей
× Цена за единицу
× Количество вызовов

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:

• Облачные вычисления тарифицируются по объёму потребления.
• API-платформы взимают плату за количество запросов.
• Базы данных тарифицируются по объёму запросов или вычислений.
• Платёжные платформы взимают плату за количество транзакций.
• Коммуникационные платформы тарифицируются по количеству сообщений или минут разговора.

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.

«Фабрика токенов» TokenONE

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:

1. Сбор данных.
2. Очистка данных.
3. Стандартизация данных.
4. Аннотация данных.
5. Моделирование данных.
6. Вычисления в реальном времени.
7. Инкапсуляция в токены.
8. Интеграция ИИ-агентов или приложений.
9. Подключение базовых или гибридных моделей.

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.

Как могут работать тематические токены

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:

1. Определение соответствующего оборудования и временных интервалов работы.
2. Синхронизация временных меток датчиков.
3. Удаление повреждённых показаний.
4. Унификация названий полей и единиц измерения.
5. Применение пороговых значений, специфичных для оборудования.
6. Сравнение текущего поведения с историческими паттернами.
7. Дополнение контекста известными работами по обслуживанию и сбоями.
8. Генерация структурированного диагностического контекста.
9. Отправка результатов агенту или системе принятия решений.
10. Запись вызова, выходных данных и итогового бизнес-результата.

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.

Раскрытые компанией показатели коммерциализации токенов

Xunce раскрыла следующие ранние коммерческие показатели:

• Согласно сообщениям на момент запуска в мае, годовая регулярная выручка от вызовов токенов выросла примерно на 300% в апреле.
• В апреле платная выручка, связанная с токенами, составила около 5% от общей выручки.

Обновление за июль, опубликованное компанией, показывает, что выручка, связанная с токенами, превысила 10% от общего оборота.

• Согласно тому же обновлению компании, годовой регулярный доход от токенов в июне вырос на 410% по сравнению с предыдущим месяцем.
• Руководство ставит цель довести долю выручки от токенов до 20–30% к концу года.

Эти данные обнадёживают, но к ним всё же стоит относиться с осторожностью.

Пояснение.

ARR — это ещё не подтверждённая выручка

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.

Малая база может давать крайне высокие темпы роста

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.

Продукт только запущен

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.

Почему цена сценарных токенов может быть выше, чем у токенов универсальных моделей

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.

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.

Почему Xunce считает, что у неё есть преимущество

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:

• Скорость: сбор, обработка и выдача данных в реальном времени.
• Точность: последовательная и прослеживаемая автоматизированная выдача данных.
• Масштабируемость: модульный подход, позволяющий комбинировать решения под разных клиентов.

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.

Отраслевые знания сложно быстро скопировать

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.

Следующий шаг: токен-фабрики

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.

Запланированный второй этап: TokenRouters

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:

1. Предприятие создаёт сценарные токены из своих частных данных.
2. Одобренные токены становятся доступны в рамках установленных разрешений.
3. Другая неконкурирующая организация вызывает или покупает эти токены.
4. Объём использования измеряется.
5. Стороны проводят расчёты по согласованной цене.
6. Безопасность, аудит и соответствие требованиям обеспечиваются на всём протяжении обмена.

Это расширяет логику выручки с внутренних вызовов одного клиента до активности в более широкой сети.

Потенциальный сетевой эффект очевиден.

Проблемы внедрения столь же масштабны:

• Права на данные.
• Согласие и разрешения.
• Конфиденциальность.
• Антимонопольное законодательство.
• Кибербезопасность.
• Трансграничная передача.
• Утечка моделей.
• Риск реидентификации.
• Обеспечение качества.
• Ответственность за ошибочные результаты.
• Стандартизация цен.
• Интероперабельность.

TokenRouters — это планируемый продукт, а не уже построенная национальная биржа.

Его

коммерческое внедрение следует оценивать после запуска.

Долгосрочная цель: корпоративные специализированные малые модели

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.

Почему история роста привлекательна

Несколько факторов делают стратегию Xunce коммерчески привлекательной.

Корпоративный ИИ переходит от экспериментов к рабочим процессам

По мере того как организации подключают ИИ к реальным операциям, им требуется больше инженерии данных, управления и мониторинга.

Частные данные сложнее превратить в товар

Интеллект публичных моделей может быстро стать дешёвым.

Специфические для клиента сопоставления данных и циклы обратной связи перенести гораздо сложнее.

Ценообразование по объёму может расти вместе с масштабом использования

Когда клиенты увеличивают количество вызовов, выручка, привязанная к использованию, может расти без необходимости подписывать нового клиента на каждую единицу роста.

Модульные продукты могут улучшать операционный рычаг

Переиспользуемые компоненты могут снижать стоимость доставки по мере масштабирования внедрений.

Отраслевая диверсификация уже реализована

В 2025 году почти 80% выручки пришлось на направления за пределами первоначального бизнеса управления активами.

Прибыльность начинает проявляться

Предварительное предупреждение о результатах первого полугодия показало значительный разворот.

Эти пункты объясняют оптимизм внешних наблюдателей в отношении компании.

Но они не устраняют риски.

Основные риски в истории с токенами

1. Предварительные результаты могут измениться

Июльское объявление основано на неаудированных управленческих данных.

Детальный промежуточный отчёт может содержать корректировки или дополнительный контекст.

1. Рост выручки не равен генерации денежных средств

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:

• Чистая торговая дебиторская задолженность составила около 671,88 млн юаней.
• Признанные ожидаемые кредитные убытки составили около 194,01 млн юаней.

Поэтому возврат денежных средств следует рассматривать вместе с выручкой.

1. Доходы от токенов всё ещё находятся на ранней стадии

Вклад токенов в выручку компании лишь недавно превысил 10%.

Бо́льшая часть доходов по-прежнему поступает от более широкого существующего бизнеса.

1. Определение сценарных токенов зависит от конкретного поставщика

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.

1. Экономика платформы ещё недостаточно подтверждена

Если для развёртывания по-прежнему требуются значительные аппаратные ресурсы и индивидуальная настройка, рентабельность может оказаться ближе к решениям, чем к чисто программной платформе.

1. Конкуренция усилится

Крупные облачные провайдеры, компании, разрабатывающие модели, поставщики данных и корпоративное ПО — все движутся в сторону интеграции частных данных и инфраструктуры агентов.

1. Межкорпоративный обмен токенами крайне сложен

Чтобы TokenRouter приобрёл сетевой эффект, необходимо сначала решить юридические, технические и вопросы доверия.

1. Высокий рост может создать нагрузку на исполнение

Стремительное расширение во многих отраслях и странах может создать нагрузку на системы продаж, поддержки, безопасности, поставки и контроля качества.

Более точная формула выручки

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.

Ключевые моменты промежуточного отчёта за август

Подробный промежуточный отчёт должен помочь ответить на несколько важных вопросов.

Качество выручки

• Какая часть приходится на продукты, связанные с токенами?
• Какая часть приходится на оборудование или развёртывание?
• Какая часть является регулярной выручкой или оплатой по факту использования?
• Какова концентрация крупнейших клиентов?

Рентабельность

• Какова валовая маржа?
• Какие бизнес-линии приносят прибыль?
• Какая часть прибыли приходится на инвестиционные доходы?
• Достигнуто ли устойчивое улучшение коэффициентов расходов?

Денежные средства и дебиторская задолженность

• Улучшился ли операционный денежный поток?
• Насколько быстро взыскивается дебиторская задолженность?
• Увеличились ли ожидаемые кредитные убытки?

Экономика токенов

• Сколько клиентов используют оплату токенами?
• Каков средний объём использования?
• Каков уровень удержания?
• Каковы затраты на обслуживание?
• Превышает ли доход от токенов раскрытый порог в 10%?

Прогресс платформы

• Сколько модулей используется повторно?
• Какой объём индивидуальной настройки всё ещё требуется?
• Запущен ли TokenRouter по плану?
• Какие токен-фабрики вышли на производственный этап?

Эти детали важнее, чем общий процент роста.

Тенденции корпоративного ИИ, выявляемые данными о результатах

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.

Часто задаваемые вопросы

Чем занимается Xunce Technology?

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.

Почему выручка Xunce за первое полугодие выросла на 389%?

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.

Что такое TokenONE?

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.

Отличаются ли сценарные токены Xunce от LLM-токенов?

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.

Прибыльна ли Xunce?

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.

Что такое TokenRouters?

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.

Почему отраслевые ИИ-данные могут стоить дороже универсальных модельных токенов?

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.

Каковы наибольшие риски токен-бизнеса Xunce?

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.

Связанные инструменты

• Apache Kafka: открытая платформа потоковых событий, обычно используемая для передачи корпоративных данных в реальном времени между системами.
• Apache Flink: распределённый движок для обработки потоков с сохранением состояния и вычислений данных в реальном времени.
• dbt: фреймворк для трансформации данных, используемый для создания документированных и тестируемых аналитических моделей.
• Great Expectations: платформа качества данных для проверки наборов данных перед их попаданием в аналитические или ИИ-процессы.
• MLflow: открытая платформа для управления экспериментами, моделями, оценкой и развёртыванием машинного обучения.
• Веб-сайт DeepSeek API: официальная документация API поставщика универсальных моделей, полезная для сравнения подключения базовых моделей с инфраструктурой корпоративных данных.

Связанные ссылки

• Официальный веб-сайт Xunce Technology: официальная информация о компании и её бизнесе по инфраструктуре данных реального времени.
• Предупреждение о прибыли Xunce за первое полугодие 2026 года: официальное предварительное неаудированное объявление о доходах и прибыли, поданное в Гонконгскую фондовую биржу.
• Годовой отчёт Xunce за 2025 год: аудированная финансовая история, структура выручки по отраслям, модель оплаты, риски, дебиторская задолженность и корпоративные раскрытия.
• Пресс-релиз о запуске TokenONE: официальное объявление компании о

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。

• 科技日報：TokenOS 発表：TokenONEの九段階、五つのプロセス、および4月初頭の使用指標に関する独立ニュース報道。
• 訊策7月31日業務更新：同社が発表したToken ARR、収益貢献、価格設定、パートナーシップおよびロードマップに関する更新。
• 香港交易所ニュース：上場企業の公告および財務報告の公式発表プラットフォーム。

要約

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。