从算力Token到经营结果:论迈富时(02556)如何重构AI应用的价值链

智通财经
Apr 16

智通财经APP获悉,2026年,AI产业最深刻的变革不在技术本身,而在计价单位。据国家数据局披露,2026年3月中国日均Token调用量已突破140万亿,相比2024年初的1000亿增长超1000倍。Token正在取代流量,成为AI时代的产业货币。但Token与Token之间,价值差异巨大。算力Token和模型Token正在走向薄利化,而场景Token——离经营结果最近的价值单元——才是AI应用层真正的利润高地。迈富时02556)的路径,正清晰地指向这一方向。

Token的三层结构:算力Token→模型Token→场景Token

Token经济学正在重构AI产业链的价值分配,但不同层级的Token定价逻辑完全不同。

算力Token,即运行AI模型消耗的GPU算力单位,是AI产业最底层的能源。这一层高度标准化、同质化。随着算力基础设施大规模建设和技术进步,算力成本长期呈下降趋势,最终走向“水电煤”式的薄利格局。

模型Token,即大模型API调用的计价单位。这一层虽比算力Token更具差异性,但随着模型能力开源化、同质化,以及多模型融合调度框架的普及,价格中枢也在不断下移。

场景Token,则是在具体业务场景中,将底层算力与模型调用转化为可量化经营结果的价值单元。对企业客户而言,持续付费购买的不是“调用了多少Token”,而是这些Token能否带来更高的转化率、更快的成交推进、更低的客服成本,以及更优的组织效率。

业绩验证:迈富时的场景Token能力正在兑现

从业绩看,迈富时的场景Token逻辑已经开始兑现。公司4月15日披露的Q1业务更新显示,2026年第一季度,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%。不难看出,公司的增长引擎正明显向AI应用业务倾斜,而AI应用业务的本质,就是场景Token的生产、交付和变现。

如果把时间拉长,趋势会更完整。根据公司2025年年报,全年收入为28.18亿元,同比增长80.8%;其中,占据52.8%收入占比的AI应用业务板块,全年营收达14.87亿元,同比增长76.5%;精准营销服务收入为13.31亿元,同比增长85.8%;经调整净利润为1.52亿元,同比增长91.3%。这意味着,迈富时已经不只是“把AI叠加到原有软件上”,而是在把场景Token真正做成收入与利润的重要承载体。

每一笔AI收入背后,对应的都不只是模型调用,不只是GenAI能力本身,而是企业客户在具体营销、销售、客服等场景中,为经营结果、为业务结果、为场景Token持续付费。对于资本市场而言,这种从“卖工具”向“卖结果”的迁移,比单纯的高增长数字更值得重视。

产品底座:迈富时用平台能力封装场景Token

更关键的是,公司在Q1同步发布了GenAI OS、AI-Agentforce智能体中台3.0、KnowForce AI知识中台和Data-Agent经营分析大师,产品矩阵覆盖企业级AI Agent应用集群与AI Agent开发管理平台,打通模型融合、算力调度、知识治理与智能体协同等关键环节,覆盖营销、销售、客服、研发等核心场景。

换句话说,迈富时要卖的不是单点AI工具,不是单一GenAI功能,也不是孤立的模型Token调用,而是一整套可嵌入业务流程、并最终面向结果收费的场景Token生产能力。其中,AI-Agentforce智能体中台负责场景Token的自动化生产,KnowForce AI知识中台负责场景Token的行业知识注入,GenAI OS则作为场景Token的运行底座。

这套“GenAI OS + AI-Agentforce + KnowForce AI + Data-Agent”的产品矩阵,本质上不是在卖工具,而是在构建一条从算力Token、模型Token到场景Token的完整价值链封装能力。这也是迈富时区别于通用模型厂商、区别于单点AI工具厂商的核心差异。

GEO:迈富时的场景Token最具代表性的落地切口

这也是为什么GEO值得被单独拎出来看。GEO(生成式引擎优化),是迈富时当前场景Token业务中商业化较为成熟、需求较为明确、资本市场关注度较高的板块之一。

搜索时代,企业争夺的是关键词排名;AI搜索时代,企业争夺的是答案里的“被推荐权”。当品牌曝光权从SEO迁移到大模型的推荐逻辑,真正有价值的就不再是单条内容本身,而是围绕“被AI看见、理解、信任、推荐”所形成的整套场景Token能力。

迈富时对GEO的定位,并不是一个监测工具,也不只是一个内容生成器,而是一个覆盖“洞察—生产—分发—追踪—归因”的全链路操作系统。它对应的不是旧营销预算里的小修小补,而更像是AI搜索时代的新型基础设施;而这种新型基础设施,最终的计价逻辑、商业逻辑和收费逻辑,正是Token经济、词元经济在AI应用层的现实映射,正是场景Token。

从这个角度看,GEO不是一个边缘产品,而是迈富时把GenAI能力、AI-Agentforce能力、KnowForce AI能力,真正落到经营结果、落到品牌推荐、落到业务增长上的关键入口。谁能帮助企业在AI搜索时代持续拿到“被推荐权”,谁就更有机会把模型Token的消耗,转化为高附加值的场景Token收入。

护城河:为什么迈富时的场景Token能力难以复制?

从护城河看,迈富时至少有两层优势,而这两层优势共同支撑起其场景Token能力的壁垒。

第一层是数据与模型。公司累计服务超过21万家企业客户,覆盖721个细分行业。这些真实营销数据反过来训练Tforce垂类大模型,使内容生成更贴近商业场景和AI引用偏好。通用模型厂商可以输出模型Token,但无法天然输出高质量的场景Token,因为它们缺乏行业数据闭环,缺乏真实业务反馈,缺乏企业经营语境下的知识沉淀。而迈富时的21万客户,正是其场景Token持续迭代、持续优化、持续增强商业化能力的燃料。

第二层是商业化效率。对于GEO这类新业务,最难的往往不是做出产品,而是教育客户和完成转化;但迈富时已有的客户基础,本身就是最直接的转化土壤。2025年,迈富时KA客户数量达1609家,同比增长105.5%,KA客户ACV提升60.6%。这些高价值客户不仅是收入的来源,更是场景Token需求的最佳验证场,也是Token经济在AI应用层落地的最直接承接者。

展望:场景Token将成为AI应用层的新定价锚点

因此,迈富时真正值得重估的地方,不只是Q1这一个110.5%的同比增速,而是它已经站到了AI价值链迁移的关键位置上:当算力Token和模型Token逐步走向薄利,价值高地正在向场景Token迁移。谁能把底层能力翻译成客户愿意长期付费的经营结果,谁就更有机会掌握AI应用层的话语权,掌握Token经济、词元经济在应用层的定价权。

在收费模式上,迈富时正在从传统订阅制向按效果付费、按调用量计费转型,GEO、EVA等产品已率先落地“消耗+效果”的混合收费方式。这种模式本质上就是把场景Token作为计价单位——客户为每一次“被推荐”、每一条“有效线索”、每一次可量化的经营结果付费,而不是仅仅为软件账号或软件席位付费。

迈富时凭借21万客户积累的行业数据、Tforce垂类模型以及AI-Agentforce智能体中台,已经在场景Token的竞争中建立了系统性的先发优势。对资本市场而言,迈富时真正的看点,也不只是AI应用业务高增长本身,而是它正在把GenAI、Token经济、词元经济、场景Token这些原本偏抽象的行业概念,转化为可验证的收入、利润和业务结果。

也就不难推测出:迈富时正在率先卡住“场景Token”这个价值高地。对于理解AI应用层投资逻辑的投资者而言,跟踪迈富时的GEO业务增速、KA客户转化率以及“消耗+效果”收费模式的渗透率,可能比单纯跟踪算力Token价格或模型Token参数更有意义。因为在Token经济与词元经济的价值链条中,离业务结果越近的Token——也就是场景Token——越稀缺,也越值钱。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10