"Token第一股"业务版图延伸至算力层

2024年9月3日，素有"Token第一股"之称的科技企业迅策科技正式推出了名为TokenCloud的一站式AI模型训练与推理算力平台。

据企业公开信息，TokenCloud涵盖方案配置选型、模型蒸馏、数据安全管控、算力加速以及算力资源管理五个核心板块。在算力层面，该平台能够对GPU、NPU、FPGA、CPU等多类型异构计算资源实施统一纳管与调度；在模型层面，则具备模型评估、场景匹配、蒸馏处理及推理性能优化等功能。

TokenCloud与迅策早先发布的TokenOS在定位上存在差异。TokenOS聚焦于数据层能力，致力于将企业内分散的多源异构数据实时转换为规范化的场景Token，回应"数据能不能用"的需求；而TokenCloud则着眼于模型训练推理以及"数据+模型"协同能力，统筹算力调度、推理优化、企业级小模型精炼与调优编排等环节，贯通从数据引入到终端落地的全流程。

界面新闻记者在回顾中发现，今年8月中期业绩披露时，企业已提及TokenCloud正处于交付验证阶段。在此之前，公司于6月份先后宣布与沐曦、天数智芯、壁仞等多家国产GPU芯片厂商建立战略协作关系。本次发布标志着TokenCloud从内部测试交付迈入正式商用推广的新阶段。

迅策的战略版图正从传统的实时数据处理领域，向算力供给、模型训推及上层应用方向延伸。

在2026年度中期报告的投资者沟通会上，迅策管理层透露，部分客户"从算力采购环节就开始对接我们"，此后依次推进算力部署、数据治理、小模型训练直至业务落地。管理层指出："这类客户的整体合同金额往往会更高。"

今年上半年，迅策的单客户平均收入（ARPU）从上期的164万元跃升至556万元，增幅达239.9%。同期公司录得营收9.67亿元，同比增长388.8%；归属于母公司的净利润为7251万元，实现了同比扭亏，也是公司历史上首次在上半年度录得盈利。

迅策此前的核心服务对象为资产管理类机构。公募基金、证券公司每日会产生并消费海量的市场行情、交易流水、持仓明细、估值数据及风险控制数据，迅策的职责便是对这些数据进行接入、清洗、标准化处理和实时运算。

伴随AI应用逐步嵌入企业日常运营流程，迅策着手将其既有的数据处理能力向上延伸至模型层和业务应用层。

迅策首席科学家唐博在中报投资者沟通会上指出，在传统企业IT架构中，每当新增一个软件系统或业务场景，企业通常都需要重新开展数据的编排、整合与治理工作。

他判断，AI原生应用要求从根本上革新这种数据组织逻辑。

"依托AI数据基础设施，企业能够将自身私有数据沉淀为可复用的数字资产，"唐博谈到，这些资产继而可以"源源不断地孵化新应用、新智能体，反哺企业各项业务"。

唐博进一步归纳道："不管是私有化部署的大模型，还是外部调用的大模型，都能借助AI数据基础设施与AI原生应用的结合，更深层次地驱动业务发展。"他强调，"企业未来的核心命题，不再仅仅是开发一款软件，而是在AI数据底座之上持续演进、迭代，不断衍生出新型智能体及其承载的业务应用。"

这意味着，企业采购AI的本质，终究是要获得支撑具体业务运转的能力。

迅策首席技术官杨阳在沟通会上做了更细致的阐释。他观察到，在会议纪要生成、报告初稿撰写等通用办公场景中，当前大模型的能力已经"严重溢出"；然而一旦触及工业质量检验、专业领域决策等核心生产环节，"仅凭一个大模型"远不足以胜任。

杨阳强调："客户真正的付费动机和支付能力，更多体现在面向具体业务价值的专业化产品中。"

在实际交付过程中，他注意到许多客户甚至"说不清楚"一整套方案里，究竟多大比例的价值来源于模型本身、多大比例来自流程设计、多大比例归功于数据工程。企业真正在意的，是问题最终是否得到了解决。

"我们始终围绕客户的具体问题，去整合并优化所有关联的方案组件。"杨阳表示。一个典型的专业级企业AI项目往往横跨硬件选型、软件开发、数据梳理、模型微调训练及应用构建等多个维度。

杨阳将模型与完整企业AI方案之间的关系类比为发动机与一架飞机的关系。"没人能直接拆一台劳斯莱斯的引擎飞到美国去，你还是得买一张机票。"

在他眼中，迅策与各大模型厂商之间更像是"彼此靠近、携手为客户创造价值的过程"。大模型扮演"发动机"的角色，但企业最终买单的是一套能够切实完成既定任务的完整系统。

TokenCloud所填补的，恰恰就是这套系统中算力与模型训推的关键一环。

业务边界拓宽的同时，迅策的收入结构也正摆脱过去对资管行业的高度依赖。上半年，迅策的资管板块虽仍在增长，但其收入占比已滑落至12.4%，电信、电力、能源、高端制造、生物医药、机器人、商业航天等多个新兴行业合计贡献了大部分营收。

然而，从金融行业跨入众多垂直行业，还有一个更具挑战性的课题亟待破解：在一个行业中深耕积累的经验知识，究竟能在多大程度上迁移复用？

杨阳在沟通会现场以PCB行业为例说明。"在东莞，我记忆中的数字是有1300到1400多家PCB制造商，能掌握当前这一代英伟达配套工艺的恐怕不到两家，能跟上下一代技术的也许只有一家。"

"即便是PCB这样极度细分的赛道，内部还要再做更精细的划分。"杨阳补充道。

这番话的潜台词是：当企业AI真正切入生产核心环节后，行业专属知识的权重不降反升。

谈及进军制造业，杨阳坦言，团队必须找到行业内"经验最丰富的老师傅或手工艺人"，去深入理解他们头脑中的隐性知识。

许多软件企业的惯常做法是先搭建好一套平台，再教客户如何操作。但杨阳认为，真正高水准的企业服务应当反其道而行——深入一线，与"资深工程师""行业老专家"并肩工作，"站在对方的思维方式和业务认知上去思考"，然后将这些认知"转化为可计算的数据资产"。

"将领域专长与技术手段相融合，逐步向外拓展，这大致就是我们的发展路径。"杨阳总结道。

这也正是资本市场频繁将迅策与Palantir相提并论的重要缘由。

Palantir创立于2003年，总部位于美国，主营企业级数据分析与AI软件。其早期业务侧重于复杂数据解析与辅助决策，后来逐步拓展至制造、能源、医疗健康、保险等多个领域。该公司长期坚持FDE（Forward Deployed Engineer，前置部署工程师）模式，派遣工程师进驻客户现场深入理解业务痛点，再将一线洞察反馈回产品研发体系。

这背后折射出企业软件行业一个由来已久的矛盾。"软件公司追求标准化，客户则渴望定制化。"杨阳说道。

杨阳认为，破局的关键未必在于标准化与定制化之间寻求折中，而在于双方首先锁定一个共同的商业目标。他以Palantir服务政府部门的案例加以说明——客户真正在意的是能否高效完成特定任务、提升行政运行效能。

"关键在于先把双方的利益对齐。"他如是说。

不过，面对资本市场热衷于将迅策冠以"中国版Palantir"标签的做法，杨阳也刻意保持了审慎态度："归根结底，我们也不宜简单地说自己对标某一家公司。"

对迅策来说，扎根行业仅是起点。若要实现业务规模的跨越式增长，更为关键的是将一个客户项目中锻造出的经验，固化为可供后续客户直接复用的标准化产品。

借助FDE机制、行业专家资源和更完善的交付链条，可以在短期内快速拉高单客户贡献；但要蜕变为一家真正的平台型企业，迅策还需证明那些由工程师与"老师傅"共同萃取的行业智慧，最终能够凝结为标准化的功能模块，被下一批客户反复调用。

据悉，迅策目前已累计开发出逾400个标准化产品功能模块。这些模块能否有效降低新项目启动时的重复工作量，是迅策从深度定制交付迈向规模化复制必须跨越的关卡之一。

与此同时，公司还在探索按实际用量计费的新型商业模式。今年上半年，迅策的Token业务确立了"收入=Token单价×调用频次×模块数量×客户数量"的计价公式，将营收与企业AI模型的调用频率及业务渗透深度直接绑定。

截至目前，迅策拥有订阅制、项目制和Token计量制三种收费方式。据记者了解，订阅制按年度收取固定费用；项目制一般在项目通过验收后确认收入；Token计量制则依据实际消耗的Token量结算，收入随每次调用即时确认。在会计分类上，项目制与Token计量制目前均被划入"基于交易的专业技术产品"科目。

今年上半年，迅策基于交易的专业技术产品实现收入约8.75亿元，占总营收的90.5%；订阅型收入约为9169.6万元。

值得注意的是，Token业务产生的收入已突破总营收的10%大关，且截至6月末，该业务的年化经常性收入（ARR）较上一季度环比增长了410%。

当下，迅策一方面将原本以数据为核心的服务半径拓展至算力、模型训推及应用层，力图承接企业端到端的AI需求；另一方面，在项目制和订阅制之外新增了按实际调用量计费的Token模式，丰富收入结构。

未来更值得关注的是：随着迅策涉足的行业越来越广，由工程师与行业专家协同沉淀下来的Know-how，有多大比例能够真正转化为可批量销售的标准化产品；以及已经开始产生真金白银的Token业务，其付费客户基数、单客户调用频次和整体收入体量能否延续当前的增长势头。