如果你最近频繁用大模型，应该很容易感受到一件事：

试用版用完了，要充值；

模型回答长了，账单就更快往上涨；

同样一句问题，换个模型、换个模式，花的钱可能差很多。

这也是为什么，越来越多人开始认真讨论一个原本有些技术化的词：Token。

它本来只是大模型处理文本时的最小计量单位。

你输入一句话，模型输出一段回答，最后都要被拆成Token来计费。

过去大家觉得它只是个技术细节，但到了2026年，事情已经不一样了。Token不再只是“模型内部的统计单位”，它正在变成企业AI预算里越来越真实的一张账单。

4月16日，国新办发布会披露，到2026年3月，我国日均Token调用量已经超过140万亿，比上年末增长超过40%，比2024年初增长1000多倍。这不是一个单纯的技术指标，它更像一个信号：AI已经从“能不能用”，走到了“要不要持续花钱用、怎么花得值”的阶段。

与此同时，云和模型服务也在重新定价。阿里云宣布自4月18日起调整AI算力与存储相关服务价格，百度智能云公告将AI算力相关产品服务上调约5%至30%，腾讯云则在3月和4月连续调整模型、AI算力和相关云服务价格。一个很现实的变化正在发生：企业使用AI，不再只是“买个模型接口”，而是要开始算整体成本。

也正是在这个时候，AI产业链最值得看的地方，开始发生变化。

过去两年，市场热衷于“卖铲子”逻辑。谁有更多GPU，谁模型更强，谁就更容易成为焦点。这个逻辑当然没错，但它只能解释一半。

因为当Token规模暴涨、模型能力持续下沉之后，企业最后愿意长期付费的，往往不是“我今天调用了多少次模型”，而是这些调用最终有没有变成结果：有没有多拿到线索、有没有更快触达客户、有没有更高转化、有没有更少的人力浪费。换句话说，AI上半场比的是“谁能提供能力”，而下半场越来越像是在比“谁能把能力组织成结果”。

如果沿着这条线看，迈富时（02556.HK）最近被更多人重新关注，就不只是因为它在做AI，而是因为它更像站在了AI应用层承接结果的那个位置上。

公司4月15日公告显示，2026年第一季度，迈富时AI应用业务收入同比增长约110.5%；同一季度，公司正式发布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。公告同时明确，公司产品矩阵已形成从模型融合、算力调度、知识治理到智能体协同的全栈能力。

这组信息很关键，因为它说明迈富时不是停留在“我有AI功能”这一层，而是在做一件更接近企业真实需求的事：

把模型、数据、知识、流程和智能体执行能力，组织成一套能跑通适应不同场景下业务流程变化的系统。

如果说上游数据中心生产的是Token，那么迈富时更像是在做一座应用层的“全栈Token工厂”。因为它不直接参与底层算力Token的物理生产竞争，也不是单纯靠通用模型API价格取胜，而是试图把上游的模型能力、企业自己的数据、行业知识和具体场景整合起来，最后输出企业愿意持续付费的业务结果。

这件事听上去很抽象，但放到企业里其实很好理解。

今天大模型很强，大家都知道；

可真正落地时，企业碰到的问题往往不是“模型会不会回答”，而是：

- 数据分散在不同系统里，AI拿不到完整上下文；

- 权限复杂，AI能看什么、不能看什么，很难统一；

- 行业知识不在公开互联网，而在企业内部文档、流程、经验里；

- 通用模型能做Demo，但离稳定跑进业务还差很多工程化步骤。

在播客a16z与Box 的CEO Aaron Levie以“AI”为主题展开的对谈中，他们已经把问题讲得很透了：AI扩散比很多人想得慢，问题不只在模型，而在于企业的数据基建、权限结构和软系统，根本还没有准备好让智能体真正工作。

也就是说，真正限制AI落地的，不只是“模型够不够聪明”，而是“企业系统能不能让AI安全、持续、可控地做事”。这也正是AI应用层存在的意义。

迈富时的思路，恰好是在补这层。

（1）从公司产品结构看，Gen AI OS更像底座，用来把平台能力和AI员工矩阵装进同一套AI原生系统；AI-Agentforce智能体中台3.0更像调度中枢，负责多个智能体的开发、部署、协同和统一编排；KnowForce AI知识中台则持续向智能体注入行业知识、企业记忆和业务语境，让AI输出尽量不再停留在“泛化回答”，而更接近真实业务场景。

这样的架构，决定了迈富时更接近“把AI送进企业流程”的公司，而不是“再做一个AI应用”的公司。

（2）再看它的业务基础，这个逻辑会看得更清楚。

公司年报披露，截至2025年末，迈富时累计服务超过21万家企业客户，覆盖消费零售、汽车、金融、医疗大健康、文旅、制造等核心行业与细分领域，并沉淀形成上千个可复用知识图谱。这也是它的产品：新客户专属智能体上线周后，能够把业务场景流程时间从三个月压缩到三周以内。

这意味着什么？

意味着迈富时手里最值钱的，未必是某一个模型名字，而是长期沉淀下来的行业场景、知识结构和工程化能力。这正是应用层最难复制的部分：不是谁都能把一个通用模型快速改造成适配汽车、零售、医药、外贸、政务等不同流程的“业务系统”。

如果再把视野拉开一点，你会发现港股现在其实已经慢慢能看出几种不同类型的AI公司。

如果借用市场上常见的一种观察框架，迅策（03317.HK）更偏数据基建层，解决的是数据清洗、标准化和Token化；滴普（01384.HK）更偏企业员工平台层，强调企业知识本体和Agent操作系统；而迈富时更偏场景承接层，重点在营销、销售、客服、经营分析等高频业务场景中，把Token变成结果。

或者也可以理解为，迅策做的是“把数据变得能用”，滴普做的是“让AI员工能上岗”，而迈富时更像是在解决“这些AI能力怎样真正跑进业务并产生结果”。

迅策2025年营收12.85亿元，同比增长103.3%，说明底层数据处理需求很强；而迈富时2025年AI应用业务收入14.87亿元，同比增长76.5%，并在2026年第一季度继续同比增长约110.5%，则说明结果承接层也已经开始被验证。

真正值得注意的是，迈富时的商业模式也在变。

公司公告披露，正在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，GEO等产品已经率先落地“消耗+效果”的混合收费方式。这个变化很重要，因为它意味着公司卖的不再只是一个单个AI能力或智能体，而是越来越接近“卖完成工作的能力”。这其实和a16z最近讨论的那条线非常接近：未来AI企业很可能会从卖“席位”，逐步走向卖“生产力”。谁能承接这种变化，谁就更可能留在AI应用层价值更高的位置。

从经营结果看，这条线已经不是空谈。

2025年，迈富时总收入为28.18亿元，同比增长80.8%；其中AI应用业务收入14.87亿元，占总收入52.8%；经调整净利润1.52亿元，同比增长91.3%。同时，KA客户达到1609家，同比增长105.5%，KA客户ACV提升60.6%，SMB客户ACV提升33.1%，AI应用业务实现正向经营性现金流1.9亿元。这些数据至少说明一件事：AI应用业务对迈富时而言，已经不是点缀，而是在变成真正的增长引擎。

所以，迈富时最近为什么会再次吸引资本市场的关注？

答案可能不是因为它突然变成了一个更会讲故事的公司，而是因为市场开始慢慢意识到：当Token开始像“钱”一样流动，真正重要的，不只是生产Token的人，还有那些能把Token变成结果的人。

在AI产业链的上游：算力、模型、基础设施当然还会继续热，但企业预算最终不会只停在“更便宜的调用”上。预算会继续往更接近业务结果的地方流动：流向那些能把AI变成线索、转化、运营效率和经营改善的系统。

从这个意义上看，迈富时（02556.HK）最值得认真看的地方，不是它是否赶上了AI热潮，而是它正在展示一条更完整的路径：

从行业场景沉淀，到知识封装，再到智能体调度、系统治理和结果收费，最后回到收入结构和客户付费变化。

这条路径还远没有到终点，但它已经不是一句简单的“AI概念”可以概括。

在一个开始认真给“Token”，尤其是大模型企业“消耗或需要消耗的Token”“算总账”的AI时代，市场再次把目光聚焦于迈富时，也许并不意外。