当米哈游工程师因忘记设置熔断机制，导致数十个AI代理陷入无限循环，13小时产生200万元账单时，整个行业开始重新审视一个关键问题：在通用大模型价格持续暴跌的背景下，企业级AI应用的真实成本结构究竟如何演变？Uber向5000名工程师开放AI编程工具后，仅用四个月就耗尽全年预算的案例，进一步印证了技术落地过程中的隐性成本陷阱。
市场正呈现明显的价格分化趋势。DeepSeek-V4-Flash将缓存命中价格压至0.02元/百万Token，小米跟进永久降价99%的举措，并未改变行业盈利逻辑——那些承载着行业专属知识的场景化Token，其价格反而攀升至通用Token的10-100倍。这种剪刀差现象背后，折射出企业级AI应用的深层矛盾：通用模型能撰写营销文案，却无法识别PCB板上的隐形虚焊；能背诵医学典籍，却不敢对CT影像给出诊断结论。
在港股AI板块持续围绕算力、模型和应用展开估值博弈时，迅策科技（3317.HK）的财务数据呈现出独特轨迹。2023年营收增长84%后，2024年增速骤降至19%，却在2025年实现103%的强劲反弹。最新中期业绩显示，2026年上半年营收达9.67亿元，同比激增389%，归母净利润7251万元实现历史性扭亏。这种非线性增长背后，是公司从项目制向Token化收费模式的战略转型。
传统业务模式下，迅策的收入公式简单直接：客户数量乘以项目金额。这种线性增长模式在2024年触及天花板，当年营收增速跌至19%即为例证。真正的转折发生在2026年5月，随着全球首款TokenOS操作系统——TokenONE的发布，公司收入公式重构为：客户数×模块数×Token单价×调用次数。其中调用次数这个变量彻底改变了游戏规则，客户AI使用强度直接决定服务商收入规模。
支撑这种商业模式创新的是十年积累的技术壁垒。迅策构建的闭环系统覆盖数据获取、清洗、标准化、标签、建模等九大环节，形成毫秒级响应、100%精准处理、Token化输出的核心能力。在金融领域，这套系统能确保毫秒级响应和绝对准确率，避免单个数据错误导致千万级损失；在制造业，可实时捕捉200余种设备的运行日志并转化为结构化数据；在医疗领域，能对数万张CT影像进行病灶标注。
行业Know-how的积累无法通过短期投入获得。从资管行业起步的迅策，花费近十年时间打磨金融数据处理能力，随后用五年时间将这套体系扩展至电信、电力、高端制造等11个领域。目前服务230个客户，拥有300多个标准化模块，非资管业务收入占比达80%，客户留存率长期维持在90%以上。这些数字背后，是每个行业至少1-2年的数据沉淀周期。
场景化Token的高溢价源于其承载的不可替代价值。当通用Token解决"让AI听懂人话"的基础问题时，迅策的垂类Token解决的是"让AI做对决策"的核心难题。金融风控中的交易逻辑、制造业的工艺参数、医疗影像的诊断经验，这些压缩着行业知识的Token，其价值随着客户使用强度呈指数级增长。数据显示，2026年4月Token调用ARR季度环比增长300%，6月进一步扩大至410%，公司预计年底该业务收入占比将达20-30%。
生态建设正在打开新的增长空间。继TokenONE之后，公司计划下半年推出TokenRouters全国性交换平台，允许非竞争企业在安全合规前提下进行Token流通。这种从企业内循环到行业生态的跃迁，将收入逻辑从单个客户调用量升级为整个网络流通量。目前迅策已与深圳、北京两大国际数据交易所建立战略合作，为全球化布局奠定基础。
终极目标指向企业级小模型市场。相比需要海量数据训练的大模型，低成本、易调试的小模型更符合多数企业需求，特别是金融、医疗等对数据安全敏感的行业。国家数据局局长刘烈宏在词元经济座谈会上明确表示，将推动词元经济发展纳入工作体系，7月WAIC更将Token经济列为核心议题。站在这条国家级赛道起跑线上的迅策，其估值逻辑已不再取决于卖了多少产品，而是客户使用了多少AI服务。
