迁址公告
古东管家APP
关于我们
这届AI投资人，可能是被伤得最深的一届。
为何这么说？
回到2024年，讲个“大模型+智能体”的故事就能拉涨停。但2025年，市场换了副面孔：用一位基金经理的话说：“现在开会，前十分钟讲产品，后五十分钟被追问收入结构。”从“先信了”到“请证明”，中间隔着一整轮AI泡沫的破灭与重建。到了今天，AI普及的前夜，这种趋势更是加剧。迈富时（02556.HK）就卡在这个节骨眼上，今日盘中波动最终却平收结束，或许，是市场已经用真金白银投票：方向认，但别想蒙混过关。
有意思的是，工信部几乎在同一时间窗口发了份《“人工智能+信息通信”创新发展实施意见》。这文件如果翻译成市场语言，就是一份公开的行业验货清单。政策在出题，公司在答题，市场在判卷——迈富时今日这根K线，不过是三个角色同框的一个定格画面。
问题来了：这家以“企业智能体第一股”示人的公司，到底能不能交出及格的答卷？尤其是，当“全栈Token工厂”这个听起来很宏大的战略，被拆开揉碎，放进工信部那份文件的考核框架里，哪些算硬实力，哪些还在画饼阶段？
一、政策考纲的四道大题
工信部《实施意见》字数不少，但拆解下来，市场真正盯着的只有四道必答题。这四道题，恰好也是迈富时今日被热议的焦点方向。
第一道：算力到底跑起来没有？
文件提“适度超前布局算力基础设施”。政策语言讲究分寸，“适度”是关键词——不是不建，是建了得用。机房里一排GPU，如果只是跑测试跑demo，那就是固定资产折旧表上的数字。只有跑上业务流，跑出并发量，才算从成本项变成了生产力工具。
这道题，迈富时答了一半。定增投向智算建设，方向没错。但市场要看的是上架率、是实测吞吐量、是和沐曦国产GPU适配后的性能数据。采购单只能证明“在建”，不能证明“在用”。
第二道：Token到底收上钱没有？
文件提“探索可量化的智能化服务交付模式”。这话翻译成投资者听得懂的——Token收费机制，跑通了没有？
迈富时讲的“全栈Token工厂”，逻辑链条很清晰：底层算力生产Token，知识中台让Token听懂企业语言，智能体中台把Token变成任务执行，最终在场景里转化为客户愿意付费的服务。但逻辑闭环不等于商业闭环。Token消耗量是多少？对应收入是多少？从免费到预充值的转化路径是什么？这三个数据点，目前公开信息里还找不到清晰的勾稽关系。
讲Token工厂的公司，如果迟迟不公布Token收入的量价关系，市场会开始怀疑，这工厂是不是还在试产阶段。
第三道：ARPU动了没有？
文件提“赋能千行百业数字化转型”。赋能如果不能体现在客户愿意多掏钱上，那就只是营销话术。
传统软件提ARPU，靠加座席、加模块，路径清晰。AI时代提ARPU，逻辑变了——要靠智能体调用频次、Token消耗、场景包扩展。但企业客户不是冤大头，不会因为你烧了Token就多付钱。他们只问一个问题：这Token，帮我赚回来了吗？
迈富时需要拿出的，不是笼统的“AI收入占比提升”，而是具体到单一客户的案例证据：某客户因为高频调用智能体，订阅费之外产生了额外的Token费用，且客户续费时主动选择了更高阶的场景包——这样的案例，才叫ARPU被拉动了。
第四道：案例能不能复制？
文件最核心的一句话：“培育一批可复制、可推广的典型应用场景。”
一个标杆案例是PR素材，十个不同行业的案例是商业模式。市场给PR的估值是零，给商业模式的估值是另一回事。这道题的关键不在“有没有案例”，而在“案例之间能不能低成本迁移”——交付周期有没有缩短？实施成本有没有下降？知识转译能不能产品化？
这是四道题里最硬的一道，也是迈富时“全栈”叙事能不能立住的命门。
二、“全栈Token工厂”，最容易被高估的概念
迈富时把“全栈Token工厂”作为核心战略定位。这个概念需要被拆解，因为里面藏着一个最容易被市场高估的环节。
所谓Token工厂，本质上是一条价值转化链：算力Token→知识Token→场景Token→收入。前面几段是技术问题，最后一段是商业问题。市场最容易犯的错误，是把技术上的“能转化”当成商业上的“已转化”。
这条链路上，真正的瓶颈不在算力端，也不在应用端，而在中间的“转译层”——KnowForce AI知识中台。
通用大模型输出的Token是标准化产品，任何人调用成本差不多。但经过知识中台注入行业know-how之后产出的Token，理论上应该有更高的定价权。问题是，这个转译过程，在不同行业之间能做多轻？
给润滑油品牌做知识转译，和给另一家工业品品牌做，如果80%的工序可以复用，那就是产品化；如果每次都要从头梳理产品手册、工况参数、老师傅经验，那就是高定服务。前者有规模效应，后者是线性成本。两者在资本市场对应的是完全不同的估值体系。
“全栈Token工厂”听起来像是印钞机，但印钞机的前提是模具标准化。模具要是一客一换，那就不叫工厂，叫手工作坊。这是迈富时接下来最需要用数据回答的问题，没有之一。
三、两份答卷，两个命门
工业这份：进了物理世界，但能复制吗？
润滑油智能选型这个案例，放在工信部文件框架下看，属于“赋能实体经济”的典型样本。工业品参数复杂、选型门槛高、经验难以规模化复制——这是大量制造业的通用痛点。迈富时通过知识中台把分散的产品知识、工况数据和老师傅经验结构化，再让智能体完成从识别到推荐到沉淀的全链路闭环。
这个案例的价值在于，它证明AI能进入物理世界的供应链环节，不是做客服问答，而是做选型决策辅助。但市场的疑问也很直接：润滑油的这套知识转译方法，迁移到密封件、轴承、化工原料上，边际成本是多少？交付周期能压缩多少？如果答案模糊，“可复制”就打了折扣。
乐橙云服案例的核心看点不在“AI能做金融服务”，而在“AI能在合规约束下做金融服务”。金融行业对AI的容错率极低，产品规则、风险提示、客户分层、合规边界，每一个环节都是硬约束。
迈富时的解法是：知识中台建立唯一可信的合规知识源，智能体中台按流程执行，每一步可追溯，每一条可审计。这套机制在乐橙云服跑通了。但金融监管属地化、产品差异化，从一个金融场景复制到另一个，知识中台的重构成本是多少？监管沟通成本又是多少？这些问题的答案，直接决定金融案例是孤岛还是群岛。
四、出海与政务：两块最诚实的试金石
出海业务的验证价值在于它的“去关系化”。海外客户没有酒桌文化，买不买你的AI服务，纯粹看ROI。T云外贸版强调“Token消耗可追踪、可归因”——这个表述本身就说明，出海市场是场景Token商业化最诚实的试验场。国内可以靠客情维系，出海只能靠数据说话。
政务一体机走的则是另一条路径。软硬一体、全栈适配国产信创、兼容鲲鹏海光、数据不出域——这套配置的核心卖点是安全可控。工信部文件里“安全可信”四个字，在政务场景就是准入门票。这块业务的逻辑不在市场规模，而在资质背书。能进政务，本身就是对技术架构安全性的确认。
五、市场在等的那份成绩单
AI应用已经过了靠PPT融资的阶段。政策把考纲画好了，迈富时把答卷铺开了，市场坐下来准备阅卷。但评分的标准，比预想的更冷血。
不是看发布了多少个智能体，是看智能体调用有没有产生增量收入。不是看签了多少家客户，是看客户续费时有没有因为AI模块多掏钱。不是看有多少个行业案例，是看第二个案例的交付成本比第一个低了多少。
迈富时今日这根K线，平收：多空打了个平手，但天平倾向哪边，不取决于K线形态，取决于接下来几个季度，能不能交出四个维度的硬数据。方向没错，但交卷铃已经在响了，是市场在催需要加速验证了。
免责声明：所有平台仅提供服务对接功能，资讯信息、数据资料来源于第三方，其中发布的文章、视频、数据仅代表内容发布者个人的观点，并不代表泡财经平台的观点，不构成任何投资建议，仅供参考，用户需独立做出投资决策，自行承担因信赖或使用第三方信息而导致的任何损失。投资有风险，入市需谨慎。
请先登录后发表评论