“全栈式Token工厂”观察框架下的迈富时

2026年4月16日，国家统计局副局长毛盛勇在国新办新闻发布会上表示，截至2026年3月，中国日均词元（Token）调用量已突破140万亿，较上年末增长超过40%。这一数据意味着，AI在中国的商业化应用正从单点试用进一步走向高频调用与持续扩容。

Token正从技术计量单位演变为智能时代的重要产业指标，也逐渐成为资本市场与产业界共同关注的观察变量。华泰证券4月17日的研报提出，AI时代的定价逻辑可围绕Token展开，形成算力层、模型层、应用层三层结构；与此同时，英伟达在GTC 2026期间继续强调“intelligence tokens are the new currency”以及“AI factories”这一框架。把两者放在一起看，一个相对清晰的判断是：随着供给扩张、开源加速和价格竞争推进，算力Token与模型Token的标准化特征会进一步增强，而更接近企业经营结果的应用层Token，可能拥有更强的长期定价能力。

正是在这一背景下，迈富时（02556.HK）的价值定位值得重新审视。若从产业链分工看，它更接近应用层；若从能力构成看，它又并非单一功能型AI公司，而是试图通过平台、数据、模型调度与智能体协同，把上游能力转化为企业可付费的业务结果。在这个意义上，把它理解为一种面向企业场景的“全栈Token工厂”，更适合作为一种观察框架，而不是未经限定的行业定论。

一、Token经济的三层结构：从算力Token到场景Token

华泰证券在2026年4月17日发布的研报中提出，AI时代的定价逻辑可围绕Token展开，形成算力层、模型层和应用层三层结构。研报认为，此前市场受“大模型吞噬软件”叙事影响，AI应用板块相对算力和模型端存在明显估值折价，而这一框架可能低估了应用层对Token价值的再加工能力。

按照这一分析框架，算力层对应Token的物理生产，主要价值来自资源稀缺性、能效和规模降本；模型层对应Token的智能密度，价值来自模型能力差异与任务适配能力；应用层则更接近Token的场景转化率，其附加值主要来自私有数据、行业Know-how和合规能力。对终端客户而言，采购的并不是Token本身，而是Token最终转化出的业务结果。

英伟达在GTC 2026期间进一步强化了“AI factories”的表述，将数据中心定义为生产智能Token的基础设施，并提出“intelligence tokens are the new currency”。这一框架更适合用来理解算力层的竞争逻辑：谁能以更低成本、更高吞吐和更优能效生产Token，谁就更具优势。但这一逻辑主要定义的是上游基础设施层，并不直接等同于应用层的结果定价能力。

二、迈富时：全栈Token工厂的差异化卡位

在上述三层结构中，迈富时更靠近应用层，但与只覆盖单一功能的AI公司不同，其公开披露显示，公司正在围绕“模型+数据+平台+场景”四层架构建设AI原生应用平台。2026年第一季度业务更新显示，公司产品矩阵已覆盖企业级AI Agent应用集群与AI Agent开发管理平台，形成从模型融合、算力调度、知识治理到智能体协同的全栈能力。

在算力相关能力上，更稳妥的表述是：公司持续加大了对AI云算力基础设施和算力调度框架的投入。年报显示，2025年研发费用由2.454亿元增至4.409亿元，同比增长79.6%，主要原因之一即为增加了对AI cloud computing infrastructure的投入。与其直接表述为“自建智算底座”，不如理解为：公司正在增强应用层厂商少见的算力与调度相关能力。

在数据与行业沉淀层面，年报披露公司截至2025年末累计服务企业客户超过21万家。这一积累的意义在于，企业级AI应用不仅依赖通用模型能力，还依赖对行业流程、业务语言和组织协同的长期理解。应用层能否把Token变成结果，往往取决于这部分“非模型能力”。

在模型与智能体层面，Q1业务更新显示，公司继续加大对多模型融合调度框架和行业知识图谱的投入，Tforce营销领域大模型已完成新一轮迭代，进一步提升了垂类场景下智能体的响应准确率与推理效率。与此同时，公司已形成覆盖营销、销售、客服、研发等环节的智能体产品集群。换句话说，迈富时并不是单纯的模型调用者，而更像一个把模型、知识和流程重新组织起来的平台型厂商。

三、核心产品架构：从Gen AI OS到AI员工矩阵

2026年第一季度，迈富时正式发布了AI原生操作系统 GenAI OS，并同步推出AI-Agentforce智能体中台3.0、KnowForce AI知识中台和Data-Agent经营分析大师。按照公告口径，这几项产品共同构成了公司AI原生应用平台的关键底座。

如果从产品逻辑理解，AI原生操作系统Gen AI OS承载平台能力与全场景AI员工矩阵，并将这两者整合为统一的AI原生操作系统，具备自我训练、迭代智能体的能力；知识中台负责向智能体持续注入行业知识、企业记忆和业务语境；智能体是执行层，智能体中台，负责着多个智能体的统筹调度。三者共同构成了迈富时从数据沉淀、知识调用到智能体执行与统一调度的完整闭环。

公开披露虽未展开过多技术细节，但从产品组合看，公司试图解决的并不是“再做一个AI工具”，而是如何让企业在现有流程和系统中更低成本地部署、编排和运营AI能力。

在此基础上，公司还进一步构建了“全场景AI员工矩阵”。Q1公告明确提到，该矩阵覆盖营销、销售、客服、研发等核心业务场景，并进一步增强了AI原生应用平台的产品深度。更谨慎地说，这一矩阵是否能够持续形成可复制的结果交付，还需要继续观察，但其产品方向已经较为清晰。

四、GEO：场景Token的典型商业化入口

在迈富时的产品矩阵中，GEO可以被视为其将AI能力产品化、并探索结果导向收费的重要入口之一。AI搜索时代，企业争夺的不再只是关键词排名，而是AI答案中的“被推荐权”；从结果视角看，这的确更接近“场景Token”的商业化体现。

不过，需要区分的是：市场上关于GEO的评级、评分、ROI、续费率等大量数据，更多来自媒体报道、行业榜单或公司对外传播材料，而非港交所公告或年报。若用于第三方财经分析，更稳妥的处理方式，是把GEO视为公司探索“消耗+效果”收费模式的重要样本，而不是用大量非公告级数据来支撑核心结论。根据Q1业务更新，相关产品已率先落地“消耗+效果”的混合收费方式，并被公司视为“场景Token”经济商业可行性的验证。

五、竞争壁垒：21万客户带来的行业的积累

迈富时的场景化能力来自长期的客户积累、行业覆盖与产品迭代之间，形成的正向循环。年报披露，截至2025年末，公司累计服务不同行业、不同细分业务的企业客户超过21万家。对于企业级AI应用而言，这种跨行业覆盖本身就是训练场景理解能力的重要来源。

高价值客户集群则为其平台能力提供了更复杂的验证场景。2025年，KA客户数量达到1609家，同比增长105.5%；KA客户ACV增长60.6%，SMB客户ACV增长33.1%。这说明大型客户对AI驱动整体解决方案的接受度正在提升，也说明公司业务与战略布局也在持续进化迭代。

收费模式的变化也值得注意。Q1公告显示，公司正稳步推进从传统订阅制向按效果付费、按调用量计费的多元化模式转型，相关产品已率先落地“消耗+效果”的混合收费方式。若从华泰证券提出的三层Token结构理解，这一变化对应的正是应用层从“卖软件账号”向“卖结果转化”迁移的过程。

六、业绩验证：财务数据与经营效率的双重改善

从已披露的财务数据看，迈富时的AI应用业务正在进入较快增长阶段。

2025年，公司总收入为28.18亿元，同比增长80.8%；其中AI应用业务收入14.866亿元，同比增长76.5%，占总收入52.8%，是第一大收入来源；经调整净利润为1.515亿元，同比增长91.3%。同时，全年AI应用业务经营性现金流达至1.9亿元。

2026年第一季度，公司进一步披露AI应用业务收入同比增长约110.5%，精准营销服务毛收入同比增长约0.9%。更准确地说，AI应用业务已成为公司当前最重要的增长引擎之一，但精准营销服务也仍是重要收入板块。

经营效率方面，年报显示公司整体人效在2025年提升62.7%。按年报披露的收入与费用项计算，销售费用率与管理费用率均有所下降，而研发投入仍保持高位。对应用层AI公司而言，这种“收入加速增长、费用结构改善、研发持续投入”的组合，比单纯的概念叙事更有说服力。

七、未来展望：场景Token的定价权与价值重估

总体来看，Token经济的扩张正在推动AI产业链的价值分配格局变化。算力层受益逻辑更容易被市场理解，而华泰证券提出的三层Token结构则提示，应用层尤其是场景Token的价值，可能仍未被充分定价。

英伟达“AI factories”的框架，定义了上游基础设施层追求更低单Token成本的竞争逻辑；而迈富时所处的位置，则更接近从底层能力到业务结果的转化环节。若以更简化的方式概括，其定位可以理解为：以平台化能力为支撑，以企业智能体为主要输出，将通用Token能力转化为可量化的业务结果。

随着Token经济持续扩容、底层模型能力差距逐步收敛，应用层围绕场景理解、结果交付和商业模式创新的竞争，可能会变得更重要。在这一背景下，迈富时作为“全栈式场景Token工厂”，围绕Gen AI OS、智能体中台、知识中台和企业智能体产品矩阵的建设，为观察AI应用层如何把Token变成结果，提供了一个具有代表性的样本。