十年磨一劍，迅策終於迎來了自己的兌現時刻。文章作者、來源：微信公眾號「新智元」
不久前，米哈遊的一名工程師在測試多 Agent 協作時忘記設置熔斷機制，導致數十個 Agent 進入迴圈調用。
13 小時後，帳單出來了：200 萬。
遠在大洋彼岸的 Uber 也沒好到哪去。向 5000 名工程師開放 AI 編程工具，僅用 4 個月，就將 2026 年全年的 AI 預算燒光了。
不是所有代幣都降了 99% 嗎？怎麼還能燒成這樣？
問得好。就在剛剛，DeepSeek-V4-Flash 將快取命中價降至 0.02 元/百萬 Token。小米隨即跟進，永久降價 99%。大模型廠商們激烈競爭。
按理說，AI 應該越用越省錢才對。
但企業真正運作起來後，才發現一件反直覺的事：通用 Token 越便宜，大家用得越狠；用得越狠，越發現光有「便宜的聰明」根本不夠用。
大模型能陪你聊哲學聊到天亮，但一筆幾千萬的交易到底攔不攔，你敢讓它拍板嗎？
它能寫出華麗的行銷文案，但一塊PCB板上那道肉眼看不見的虛焊，它認得出來嗎？
它能把醫學教科書背得滾瓜爛熟，但CT片上那團陰影，它敢開口說一句「放心，良性」嗎？
原因非常簡單——這些東西根本不在互聯網的公開數據中。教科書裡沒有你們工廠的工藝參數，論壇帖子裡也沒有三甲醫院的診療路徑。
因此市場直接分裂成兩半：通用 Token 一路跌至白菜價，而綁定行業 Know-how 的場景 Token，價格卻能達到通用 Token 的 10 到 100 倍，且仍在上漲。
一個名字，兩個方向。
這門生意的真相其實就一句話：賺錢的從來不是賣便宜 Token 的人，是能從別人燒 Token 的過程裡持續收費的人。
有一家公司，恰好站在了上漲的一方。
一條反常的曲線，2.88 億、5.30 億、6.32 億、12.85 億。
這是迅策科技（3317.HK）過去四年的營收。2023年增長了84%，2024年僅增長了19%，到2025年又猛增103%。
值得琢磨的，是那個 19%。
2024 年是全球大模型軍備競賽最瘋狂的一年。千億參數、萬卡叢集、天量融資，資金全數投入於購買晶片和訓練模型。
一家從事數據基礎設施的公司在那一年幾乎毫無動靜——這再正常不過了。因為它的收入不取決於「誰在開發AI」，而取決於「誰在使用AI」。
接著是剛剛發布的這份中期業績預告——曲線不僅沒有減緩，反而更加陡峭了。
2026 年上半年：營收達 9.67 億元，同比大增 389%，創下同期歷史新高；歸母淨利潤 7251 萬元，去年同期歸母淨虧損為 8900 萬元，實現首個半年度盈利；經調整淨利潤為 6700 萬元，去年同期淨虧損為 1.05 億，大幅扭虧為盈，盈利能力釋放。
十年磨一劍！從持續投入，到十年來首次上半年盈利；從技術積累，到商業模式跑通；從市場質疑，到業績驗證。在整個港股AI板塊仍然圍繞算力、模型和應用展開估值博弈之際，這家公司已率先探索出AI盈利新方向。
你發現了嗎？這其實就是一根「AI 到底有沒有落地」的體溫計——
2024 年不會上漲，因為仍在訓練；2025 年下半年將大幅上漲，因為推理已落地，企業真正開始使用 AI。
簡單來說，迅策就是幫企業將分散的數據整理成 AI 可用的格式。
醫院有數萬張CT片，需要有人標註病灶位置。工廠有200多種設備的運行日誌，需要有人整理成結構化數據。電力公司每秒都有實時數據湧入，需要有人清洗、對齊，並輸入模型。
這項業務，迅策已深耕十年，構建了涵蓋九大全鏈路數據處理環節及五大數據代幣化流程的閉環能力，從數據獲取、清洗、標準化、標籤、建模，到實時流計算、AI智能體開發，直至大模型調優與混合模型接入的全棧路徑，打磨出三大核心技術優勢：毫秒級/秒級的實時響應、100%精準的數據處理能力，以及數據代幣化輸出能力，確保最終對客戶業務成果直接負責。
憑藉以上核心能力，迅策已成長為中國領先的AI實時數據基礎設施及分析服務商。
模式跑通之後，迅策做了一個關鍵動作：不僅幫客戶處理數據，更開始按 Token 計量收費。2026 年 5 月發布的 TokenONE，就是這個轉折點。
真正的轉折：收入公式已更改
過去，迅策透過銷售項目賺錢。收入公式很簡單：客戶數量 × 項目金額。
客戶是一一談成的，項目是一單單簽下的，完成交付後收一次款，增長是線性的。這也是2024年僅增長19%的根本原因——線性模型的天花板已經到來。
直到2026年5月，迅策正式發布全球首款 TokenOS 操作系統——TokenONE。這東西說白了就是將企業的私有數據提煉成 AI 可直接消費的場景 Token，然後按調用量收費。
收入公式直接變成了四個因子：
Token 收入 = 客戶數 × 模組數 × Token 單價 × 調用次數
前三個因子都有上限。客戶數是有限的，模組數是可數的，Token 單價雖然高但有一個區間。唯獨第四個——呼叫次數，沒有上限。
而且這個因子由客戶使用AI的強度決定。客戶使用AI越多、調用越頻繁，迅策的收入就越高。以前賣軟體是推著走，現在收取Token費用是被拉著走。
就像迅策在客戶的 AI 使用量上安裝了一塊電錶。電錶不是自己轉的，而是由客戶的用電量驅動轉動。
數據正在驗證這個邏輯：2026年4月，Token調用ARR季度環比增長300%；Token付費收入佔比從4月的約5%，到6月Token調用ARR季度環比增長410%，公司目標Token業務模式年底收入佔比提升至20%—30%。
按這個速度爬坡，Token 收入正以肉眼可見的速度貢獻收入，成為新的增長引擎。
更值得注意的是定價空間。迅策的垂直場景 Token 調用價格達到 10 到 100 美元/百萬 Token，是通用大模型價格的十倍以上。
為什麼？因為通用 Token 解決的是「讓 AI 聽得懂話」，場景 Token 解決的是「讓 AI 做對事」——金融風控中的交易邏輯、製造業中的工藝 Know-how、醫療影像背後的診斷經驗，每一個 Token 背後都是壓縮過的行業知識，不是公開數據能訓練出來的。
這就回到了開頭的剪刀差：通用 Token 是標準化商品，越競爭越便宜；場景 Token 綁定的是不可替代的行業壁壘，越使用越值錢。
為什麼是它？
誰都可以喊著資產代幣化，但真正能接住的，只有把「數據」做透的人。
迅策從資產管理行業起家。任何做過金融數據的人都知道，這是對實時性和準確率要求最苛刻的行業——毫秒級響應，100%準確率，一個數字錯誤可能直接虧掉幾千萬。公司自2016年開始，在這個領域磨練了將近十年。
同時，運用同一套能力，耗時五年，拓展至電信、電力、能源、高端製造、生物醫療、機器人訓練平台、商業航天等11個行業，累積了230個客戶和300多個標準化模組。
2025 年非資管業務收入占比已提升至約 80%。客戶留存率長期維持在 90% 以上。
這些行業的數據 Know-how——哪些數據需要實時抓取，哪些欄位需要怎樣的標註規範，哪個場景出錯後果不可逆。每個行業至少要花一到兩年才能沉淀下來，堆算力堆不出來，調模型參數也調不出來。
使用公開數據，基礎大模型可訓練至80分。從80分提升至95分，依賴的是行業私有數據；從95分提升至99分，則依賴於實時反饋閉環。這後兩段路徑，正是迅策最擅長的領域。
這十年累積的，不是數據本身，而是安裝那塊電錶的資格。
表格已上線，接下來呢？
TokenONE 只是第一步。迅策規劃的路徑很清楚：
第一階段已經啟動。將企業的私有數據轉化為AI可消費的場景Token，按調用量收費。醫療、高端製造、金融、能源——千行百業的Token工廠正逐一落地。例如，迅策與格創東智合作建立製造業Token工廠，與博泰車聯、賽目科技聯合打造智能汽車場景，並與圖靈量子展開合作進入量子計算領域等。
第二階段預計於今年下半年上線——TokenRouters。這是一個全國性的Token交換平台。過去僅限企業內部使用Token，現今將打通企業間的Token流通。非競爭企業可在安全合規的前提下互相調用、定價與交換場景Token。公司已與深圳數據交易所、北京國際大數據交易所訂立戰略合作，為業務全球化拓展奠定監管合規與生態基礎。
收入邏輯也隨之改變：從單個客戶的調用量，轉變為整個生態網絡的流通量。這就像互聯網時代，一個網站的收入有限，但當網站連接成平台、數據開始流通時，價值便呈指數級放大。
第三階段是終局——企業小模型。最終不是讓每家公司都去調用通用大模型，而是讓每家公司擁有自己的 AI。
相較於大模型，低成本、上線快、易調試的小模型，以更高的性價比為企業打開了人工智慧的大門。特別是數據不出域——對於金融、醫療、航天這些高敏感行業來說，是刚需。
國家層面也在加速。國家數據局局長劉烈宏今年主持召開了詞元經濟座談會，明確提出將推動詞元經濟發展納入工作體系。7月WAIC上，Token經濟首次被列為核心議題。迅策頂著「詞元第一股」的標籤，站在了這條國家級賽道的起跑線上。
最後說一句
AI 產業有三根支柱：算力、模型、數據。算力這個位置，已經有巨頭了。模型這個位置，也有巨頭了。
這個位置的數據，到今天還空著。
美國數據公司龍頭 Palantir 市值已超過萬億。中國在這個領域此前從未有過任何規模化的上市標的——直到迅策登陸港交所。
同時，通用 Token 仍在下跌，場景 Token 仍在上漲。
The company's revenue is no longer determined by "how much it sells," but by "how much AI its customers use."
XunCe 這次業績爆發，本質上不是一次週期性的財務增長，而是十年數據基礎設施積累，在 AI 從訓練轉向落地的關鍵節點，通過 Token 化完成了一次商業模式躍遷。
表已經安裝好了。接下來只是轉速的問題。而轉速不由迅策決定，由整個中國企業 AI 使用量的曲線決定。
This curve has just begun to rise.