引言
通用模型推理的价格持续下降。
模型提供商在输入token价格、输出token价格、缓存、批处理以及日益高效的架构上展开竞争。从表面上看，这意味着企业AI应该逐年变得更加便宜。
然而，许多组织发现了一条不同的成本曲线。
基础模型可能价格低廉，但生产级AI仍然需要：
- 干净的私有数据。
- 可靠的实时数据源。
- 行业特定规则。
- 结构化上下文。
- 访问控制。
- 审计追踪。
- 评估。
- 人工反馈。
- 与运营系统的集成。
- 持续监控。
一个低成本模型无法基于其无法访问、理解或信任的数据做出可靠的决策。
廉价通用推理与昂贵企业实施之间的这一差距，是深圳讯策科技有限公司（香港上市，股票代码3317）增长故事的核心。
讯策并不开发通用基础模型。其核心业务是为资产管理以及越来越多其他行业提供实时数据基础设施和数据分析服务。
2026年7月31日，公司发布正面盈利预告，预计上半年营收达到约人民币9.6702亿元，同比增长388.76%。
公司还预计将实现自成立以来首次盈利的上半年业绩。
其当前战略的核心是TokenONE，公司将其描述为一款TokenOS操作系统，用于将企业数据和领域知识转化为可衡量、可调用的“场景Token”。
这一说法听起来与语言模型API使用的token相似，但这两个概念并不完全相同。
理解这一区别对于理解讯策新商业模式背后的机遇和不确定性都至关重要。
廉价的通用Token并不能消除企业AI成本
标准语言模型token是文本经分词器切分后生成的单元。
模型提供商通常按照以下数量计费：
输入token
输出token
缓存输入token
推理token
这些单元有助于衡量模型计算量和API使用量。
讯策对Token一词的使用更为宽泛。
其“场景Token”被定义为打包的企业数据或领域知识单元，可被AI应用调用并连接至业务决策。
可能涉及的示例包括：
- 金融风控信号。
- 制造设备状态。
- 实时能源调度输入。
- 医学相关的结构化特征。
- 标准化工业规则。
- 面向AI代理的经过验证的数据输出。
这意味着该公司公布的“每百万Token”定价不一定能与基础模型API的输入token价格一一对应比较。
这些产品解决的是不同的问题。
| 通用模型token | 讯策“场景Token” |
|---|---|
| 通常是由分词器定义的文本或多模态单元 | 公司定义的经过处理的企业数据或知识单元 |
衡量模型输入或输出的消耗量 | 旨在代表可调用的业务数据能力 |
| 通常基于广泛训练的模型智能 | 基于私有数据、规则、实时数据源和行业工作流 |
| 通常由模型提供商定价 | 作为寻策企业产品和服务模式的一部分进行定价 |
| 标准技术含义因分词器而异 | 产品含义取决于TokenONE的实现和合同约定 |
核心商业理念并非某种token本质上比其他token更有价值。
而在于企业可能愿意为经过验证的、及时的、领域特定的上下文支付比原始通用模型计算更高的费用。
一条改变方向的收入曲线
寻策经审计并公布的年度收入增长迅速，尽管路径并非一帆风顺。
根据公司2025年年度报告：
| 年份 | 收入 | 同比增长 |
|---|---|---|
| 2022 | 人民币2.879亿元 | — |
| 2023 | 人民币5.3046亿元 | 84.25% |
| 2024 | 人民币6.3198亿元 | 19.14% |
| 2025 | 人民币12.85亿元 | 103.28% |
2024年的增速放缓在两个强劲年份之间显得尤为突出。
一种可能的解释是，企业级AI市场仍然以模型训练、基础设施采购、实验和概念验证工作为主。
当组织开始将AI连接到实时运营数据并将其部署到生产工作流中时，寻策的产品才能更直接地受益。
这种解释是合理的，但不应被视为唯一解释。
公司业绩也可能受到以下因素的影响：
- 合同签订时间。
- 客户集中度。
- 项目验收。
- 行业预算。
- 收入确认。
- 解决方案中的硬件采购。
- 产品组合。
- 销售执行。
年报确认，寻策2025年收入加速增长的同时，方案交付成本也大幅增加。
收入增长103.28%，而销售成本增长了234.29%，部分原因是一些项目包含硬件采购和部署服务。
毛利率从2024年的76.68%下降至2025年的61.66%，但按普通软件和服务标准衡量仍处于较高水平。
2026年上半年收入预计增长388.76%
寻策7月31日的正面盈利预警估计：
| 指标 | 2025年上半年 | 2026年上半年估计 | 变动 |
|---|---|---|---|
| 收入 | 人民币1.9785亿元 | 人民币9.6702亿元 | +388.76% |
| 归属于所有者的利润/（亏损） | 亏损人民币8943万元 | 盈利人民币7251万元 | 扭亏为盈 |
| 调整后净利润/（亏损） | 亏损人民币1.0498亿元 | 盈利人民币6700万元 | 扭亏为盈 |
该公式在传统企业软件模型中增加了使用量变量。
一个项目可能在交付时产生一次性付款。
而基于使用量的系统可以在客户的AI应用每次调用服务时持续产生收入。
这与其他按量计费的基础设施业务相似：
- 云计算按消耗量计费。
- API平台按请求次数计费。
- 数据库按查询量或计算量计费。
- 支付平台按交易笔数计费。
- 通信平台按消息数或通话分钟数计费。
其优势在于
与客户活动保持一致。
风险在于，收入将取决于实际消费，而非合同约定的“空置软件”。
如果客户的AI应用未被使用，使用量收入可能无法增长。
TokenONE 所称的“Token工厂”
TokenONE 被定位为一套标准化的生产系统，用于将原始企业数据转化为可供AI直接使用的输出。
发布材料中描述了九个处理阶段和五大流程。
不同公司材料中的具体术语略有差异，但总体流程包括：
- 数据采集。
- 数据清洗。
- 数据标准化。
- 数据标注。
- 数据建模。
- 实时计算。
- Token化封装。
- AI智能体或应用集成。
- 基础模型或混合模型接入。
五大流程将上述环节串联起来，涵盖数据治理、应用集成、AI智能体、垂直或小模型，以及计量、审计、安全与计费。
该公司的核心论点是，企业数据不能简单地复制粘贴到模型提示词中。
数据必须首先做到准确、及时、结构化、具备权限感知、可追溯、与业务流程相关、与目标AI系统兼容，并且可计量以支持计费与评估。
这是一个真实的企业难题，即使不采用煦策的Token术语也是如此。
场景Token的可能运作方式
以一家拥有200多种设备的制造工厂为例。
原始输入可能包括传感器数据流、维护记录、报警日志、质检结果、机器设置、生产计划和技术人员笔记。
通用语言模型无法安全地直接从这些非结构化的原始数据堆中推断设备状态。
生产线流程可能改为：
- 识别相关设备和运行时段。
- 同步传感器时间戳。
- 清除损坏的读数。
- 统一字段名称和单位。
- 应用设备特定的阈值。
- 将当前行为与历史模式进行对比。
- 补充已知的维护和故障信息。
- 生成结构化的诊断上下文。
- 将结果发送给智能体或决策系统。
- 记录调用、输出及最终业务结果。
煦策会将由此产生的可调用数据能力描述为场景Token。
有价值的不是“Token”这个词本身。
而是从原始运营数据到可靠决策输入的转化过程。
公司披露的Token商业化指标
煦策披露了以下早期商业指标：
- 根据5月发布时的报道，Token调用的年度经常性收入在4月份增长了约300%。
- 4月份，Token相关付费收入约占收入的5%。
- 公司归因的7月业务更新显示，Token相关收入已超过营业额的10%。
- 根据同一公司更新，6月Token年度经常性收入环比增长410%。
- 管理层目标是在年底前实现Token相关收入贡献占比20%–30%。
这些数据令人鼓舞，但仍需谨慎看待。
解释。
ARR并非已确认收入
年度经常性收入是一个运行率指标。
它估算的是，如果当前水平持续下去，一年内经常性收入可能达到的规模。
它不等同于现金回款、经审计的收入、合同积压、净利润或自由现金流。
基数小可能带来极高增长率
当起始值较小时，可能会出现300%或410%的增幅。
与Token相关的绝对收入及毛利润贡献，与百分比增幅同样重要。
产品刚刚推出
截至半年报披露日，TokenONE公开上线时间尚短。
未来需要更多报告来评估客户转化、使用留存、每客户平均收入、毛利率、服务调用成本、客户集中度、流失率、合同期限及现金回款情况。
为什么场景Token的定价可以高于通用模型Token
公司表示，其场景Token的定价范围可为每百万Token 10美元至100美元。
这一公司披露的价格区间远高于许多通用模型输入价格。
这种比较并非直接可比，因为底层单位不同。
客户支付的可能是包含私有企业数据、数据清洗、实时处理、行业规则、模型路由、安全管控、审计、服务水平要求、实施支持以及业务特定输出的一揽子服务。
最接近的比较未必是“一个LLM Token对一个场景Token”。
可能更恰当的是：
通用模型推理
对比
受管理的、经过验证的行业特定数据服务
只有当输出创造可衡量的价值或避免重大风险时，较高定价才具有可持续性。
示例可能包括：防止错误交易、发现生产缺陷、减少机器停机时间、优化能源调度、加速受监管流程，或降低人工审核成本。
如果输出不能改善业务结果，溢价就难以站得住脚。
为什么迅策认为自身具有优势
Token化容易描述。
构建可靠的工业系统则更难。
几分钟搭建展示站并增长获客
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
迅策声称的主要优势在于其在实时数据基础设施领域逾十年的积累。
其年报列出了三项核心产品属性：
- 速度： 实时数据汇聚、处理与输出。
- 准确性： 一致且可追溯的自动化数据输出。
- 可扩展性： 模块化方案，可根据不同客户进行组合。
公司起家的资产管理市场是一个要求严苛的训练场。
金融工作流程可能需要毫秒级响应、精确的数据对账、完整的审计轨迹、严格的权限管理、监管报告以及风险合规检查。
公司认为，同样的底层能力可以复制到制造业、能源、医疗、机器人、航空及其他行业。
2025年非资产管理业务的收入占比达79.63%，这证明业务已扩展到金融领域之外。
但这并不证明每个新垂直行业都能实现同样的利润率、留存率或
可防御性。
行业知识难以快速复制
企业级AI的表现往往依赖于公开训练数据中不存在的信息。
这些信息包括工厂的设备参数、医院的内部工作流程、金融机构的风险规则、电网的实时运行状态、企业的历史故障模式、特定产品的质量阈值以及行业特有的标注标准。
基础模型可以提供广泛的推理能力。
私有数据和运营反馈决定了这种能力能否在某个组织内部发挥作用。
因此，企业数据提供方的可防御性可能来自于长期客户关系、集成深度、历史数据映射、行业专属模块、运营反馈、安全认证、切换成本以及可靠的实时性能。
这些优势可能需要数年时间才能建立。
但如果客户自建内部平台、基础模型提供商深入企业数据领域、或开源数据工具降低实施成本，这些优势也可能被削弱。
下一步：Token工厂
迅策的第一战略阶段已经启动。
该公司计划与行业合作伙伴在金融、医疗健康、高端制造、能源电力、智能汽车、机器人及其他数据密集型领域建设垂直Token工厂。
Token工厂的概念基于可复用性。
迅策的目标不是从头重建每条数据管道，而是复用标准模块、行业模板、数据处理规则、安全控制、计费逻辑和模型集成。
这正是许多企业软件公司中常见的“平台与项目”之争。
当新客户可以通过现有组件获得服务时，平台就变得更加有利可图。
当每次部署都需要大量定制工作时，它就仍然是一门服务生意。
未来的毛利率和费用数据将显示迅策在真正平台经济学的道路上走了多远。
规划中的第二阶段：TokenRouters
迅策表示计划于2026年下半年推出TokenRouters。
该产品被描述为一个跨企业、跨行业、跨场景的合规Token交换平台。
预期模式如下：
- 企业从其私有数据中创建场景Token。
- 经过批准的Token在既定权限下可供使用。
- 另一家非竞争组织调用或购买这些Token。
- 使用量被计量。
- 双方按约定价格结算。
- 安全、审计和合规管控贯穿交换全过程。
这将把收入逻辑从单一客户的内部调用扩展到更广泛网络中的活动。
潜在的平台效应显而易见。
实施的挑战同样巨大：
- 数据所有权。
- 授权同意。
- 保密性。
- 竞争法。
- 网络安全。
- 跨境传输。
- 模型泄露。
- 再识别风险。
- 质量保障。
- 错误输出的责任。
- 标准化定价。
- 互操作性。
TokenRouters是一个规划中的产品，而非已建成的国家级交易所。
其
商业化采用应在发布后进行评估。
长期目标：企业专属小型模型
讯策路线图的第三阶段是企业专属小型模型。
理由很直接。
一些组织不希望每个请求都离开其环境，也不希望使用大型通用模型。
它们可能更倾向于更小的系统——运行成本更低、更易调优、速度更快、更可预测、更私密、可本地部署，并且专注于单一任务或行业。
场景令牌层可以为这些模型提供经过精心策划、持续更新的企业上下文。
这种组合可能看起来像：
企业数据
→ 受治理的场景令牌
→ 私有小型模型
→ 业务应用
→ 结果反馈
→ 更新的令牌流水线
这种架构在金融、医疗、航空航天、政府及其他敏感环境中可能具有吸引力。
这也意味着讯策将面临来自云服务商、数据库公司、数据集成供应商、模型提供商、AI代理平台、企业内部工程团队以及行业软件公司的竞争。
为什么增长故事具有吸引力
多个因素使讯策的战略在商业上具有吸引力。
企业AI正在从实验走向工作流
随着组织将AI与实际运营连接，它们需要更多的数据工程、治理和监控。
私有数据更难商品化
公共模型的智能可能很快变得便宜。
客户特定的数据映射和反馈循环则更难迁移。
使用量定价可以随采用扩大而增长
当客户调用量增加时，与使用量挂钩的收入可以增长，而无需为每一单位增长都签订全新客户。
模块化产品可以改善运营杠杆
可复用组件可以在部署规模扩大时降低交付成本。
行业多元化已经实现
2025年近80%的收入来自原始资产管理板块之外。
盈利能力开始显现
初步的上半年预警显示了一次显著的转机。
这些要点解释了外界对该公司的乐观情绪。
但它们并未消除风险。
令牌故事背后的主要风险
- 初步结果可能发生变化
7月公告基于未经审计的管理账目。
详细的中期报告可能包含调整或额外背景信息。
- 收入增长不等于现金生成
企业项目可能产生大量应收账款。
讯策2025年年报将贸易应收款项的预期信用损失列为关键审计事项。
截至2025年末：
- 贸易应收款项净额约为人民币6.7188亿元。
- 已确认的预期信用损失约为人民币1.9401亿元。
因此，现金回款应与收入一起审查。
- 令牌收入仍处于早期阶段
公司报告的令牌贡献最近才刚刚超过10%。
大部分收入仍来自更广泛的既有业务。
- 场景令牌的定义是供应商特定化的
目前没有通用的会计或技术标准使一个讯策场景令牌直接
与另一家供应商的令牌相当。
客户将根据业务成果而非术语来评判产品。
- 平台经济性尚未充分验证
如果部署仍需要大量硬件和定制化工作，利润率可能更接近解决方案业务而非纯软件平台。
- 竞争将加剧
主要云厂商、模型公司、数据企业和企业软件公司都在向私有数据集成和智能体基础设施方向迈进。
- 跨企业令牌交换十分复杂
TokenRouter要发展出网络效应，必须先解决法律、技术和信任问题。
- 高增长可能带来执行压力
在众多行业和国家快速扩张，可能给销售、支持、安全、交付和质量控制体系带来压力。
更准确的收入公式
原始文章将Token收入表述为一个四因子模型：
客户数 × 模块数 × Token价格 × 调用次数
这是一个有用的商业框架，但完整的商业模式还需要扣除成本并考虑客户行为。
更实用的模型是：
Token毛利润
= 活跃客户数
× 活跃模块数
× 净单价
× 成功计费调用次数
− 数据处理成本
− 模型与算力成本
− 交付成本
− 支持成本
− 合作伙伴分成
− 坏账及催收成本
活跃、成功和净这几个词至关重要。
客户可能签了合同却未大量使用服务。
一次调用可能失败或不产生价值。
折扣后的实际成交价可能与标价不同。
业务的长期质量取决于这些运营细节。
八月中报应关注的要点
详细的中期报告应有助于回答几个重要问题。
收入质量
- 有多少来自Token相关产品？
- 有多少来自硬件或部署？
- 有多少是经常性收入或按使用量计费？
- 最大客户的集中度如何？
盈利能力
- 毛利率是多少？
- 哪些业务线产生了利润？
- 有多少利润来自投资收益？
- 费用比率是否实现了可持续改善？
现金与应收账款
- 经营现金流是否改善？
- 应收账款回收速度如何？
- 预期信用损失是否增加？
Token经济性
- 有多少客户使用了Token计费？
- 平均使用量是多少？
- 留存率是多少？
- 服务成本是多少？
- Token收入是否超过披露的10%门槛？
平台进展
- 有多少模块被复用？
- 仍需要多少定制化工作？
- TokenRouter是否按计划上线？
- 哪些Token工厂进入了生产阶段？
这些细节比整体增长百分比更重要。
业绩数据所揭示的企业AI趋势
即使存在上述必要的保留意见，讯策的业绩数据依然指向一个重要的市场趋势。
企业AI支出正在超越基础模型和加速器，向更广泛的领域扩展。
各类组织越来越多地将支出投入到连接AI与业务现实的层面：
- 数据管道。
- 实时上下文。
- 权限管理。
领域逻辑。
- 评估。
- 监控。
- 应用集成。
- 审计。
随着通用模型推理成本降低，这些周边系统可能占据总价值的更大份额。
这并不意味着通用令牌变得无关紧要。
这意味着最便宜的组件并不总是最有价值的组件。
一次模型调用可能成本很低。
而基于答案采取行动所需的可信数据、工作流集成和问责机制可能成本高得多。
常见问题
迅策科技做什么？
迅策提供实时数据基础设施和数据分析服务，服务于资产管理及越来越多其他行业。其产品连接企业数据采集、清洗、标准化、实时计算、分析、AI代理和模型集成。
迅策上半年收入为何增长389%？
公司初步盈利预警将增长归因于企业AI数据需求增强、向更多行业拓展、Token商业模式落地以及国际化和生态发展。该数据未经审计，应在详细的中期业绩中确认。
什么是TokenONE？
TokenONE是迅策的产品，用于将异构企业数据和领域知识转化为可衡量、可审计、可调用的场景Token。公司将其描述为TokenOS和标准化Token工厂系统。
迅策场景Token与LLM Token相同吗？
不同。LLM Token通常是分词器定义的模型输入或输出单位。迅策将“场景Token”作为处理后的企业数据或知识能力的产品术语，因此其定价与普通模型Token价格不可直接比较。
迅策盈利吗？
迅策2025年全年报告净亏损。其2026年7月盈利预告估计上半年归属于母公司所有者的利润为人民币7251万元，调整后净利润为人民币6700万元，以最终中期业绩为准。
什么是TokenRouters？
TokenRouters是迅策计划的平台，用于跨公司和跨行业合规交换和使用场景Token。公司表示预计于2026年下半年推出该平台，因此应视为路线图产品而非已建立的交易所。
为什么行业特定AI数据可能比通用模型Token更贵？
行业数据可能包含私有记录、实时数据流、经过验证的规则、安全控制、可审计性和运营保障。当这一组合提升高价值决策时，客户可能愿意支付溢价，但只有当其创造可衡量的商业价值时，该价格才可持续。
迅策Token业务最大的风险是什么？
主要风险包括初步财务数据、现金回收、Token采用仍处于早期、Token定义非标准化、定制成本、竞争、监管复杂性以及TokenRouters平台的不确定性。
相关工具
- Apache Kafka：一个开源事件流平台，通常用于在系统之间传输实时企业数据。
- Apache Flink：一个分布式引擎，用于
有状态流处理与实时数据计算。
- dbt：一个数据转换框架，用于构建有文档、可测试的分析模型。
- Great Expectations：一个数据质量平台，用于在数据集进入分析或 AI 工作流之前对其进行验证。
- MLflow：一个开源平台，用于管理机器学习实验、模型、评估和部署。
- DeepSeek API：一个通用模型提供商的官方 API 文档，有助于对比基础模型接入与企业数据基础设施。
相关链接
- 讯策科技官方网站：公司官方信息及其实时数据基础设施业务介绍。
- 讯策2026年上半年盈利预警：向港交所提交的官方初步未经审计的收益及利润公告。
- 讯策2025年年报：经审计的财务历史、行业收入结构、收费模式、风险、应收账款及公司披露信息。
- TokenONE 发布公告：公司发布的关于 TokenONE、其场景Token概念及产品定位的介绍。
- 科技日报：TokenOS 发布：关于TokenONE九大阶段、五大流程及四月初使用指标的独立新闻报道。
- 讯策7月31日业务更新：公司发布的有关 Token ARR、收入贡献、定价、合作伙伴关系及路线图的更新。
- 香港交易所新闻：上市公司公告及财务报告的官方发布平台。
摘要
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。
