今晚，AI“老登”商汤和上海“新登”MiniMax同日发财报。
先看早做财报会的商汤。
8月26日晚，商汤科技发布的中期业绩报告显示，上半年集团总收入29.1亿元，同比增长23.4%；毛利12.1亿元；毛利率41.4%。
集团首次披露经常性收入（Recurring Revenue）11.4亿元，占比39.3%，并首次按国际财务报告准则（IFRS）实现盈利6.2亿元。
如果按ARR计算，商汤年化收入超过25亿元（王征说的）。
其中，半年内生成式AI收入23.3亿元，占比近80%；海外业务收入同比增长127%。
经历一年的1+X、裁员瘦身两年后，商汤终于“盈利”了，可喜可贺（王征总辛苦了）。
当然，这个盈利是打引号的。
商汤这个盈利属于“会计口径”盈利，核心主营业务尚未完全扭亏。
简单来说，商汤在国际财务报告准则(IFRS)下，自上市以来首次录得半年净利润6.17亿元人民币。但在更能反映真实经营状况的非国际财务报告准则(Non-IFRS)下，经调整后仍净亏损3.86亿元，不过亏损额已大幅收窄67.3%。
今晚财报电话会议上，商汤CFO王征反复提及“X投资带来的收益表现”。
王征表示，扣除优先股的公允价值亏损、以股份为基础的新酬开支、按公允价信计量且变动计入损益的金融资产的公允价值未实现利得/亏损、归属于有限合伙人的投资基金资产净值、为股权融资发生的专业服务费等等，经调整后净亏损是3.86亿元。
随后QA环节有分析师也问了，如果单纯扣除投资呢，整体亏损在什么状态。
王征回应称，净亏损（同比）收窄12亿元。以此计算，上半年，商汤核心主营业务大约亏损大约是2.8亿左右——这也是EBITDA值。
以下是原话。
“我们自己内部确实做过一个演算，就是说这样都跑掉之后，其实我们发现我们26年上半年，跟25年同期这样一种特殊的perform的亏损额，它其实收窄的幅度更大，它收窄的这个绝对值，我们算一下，大约是收窄12亿元左右的负值绝对值。如果用我们这个比较常用的，对外公布的净调整后净亏损的口径，亏损绝对值的收窄只有8亿左右，用一种更更激进的调整方法，其实反而显示了我们收窄的绝对值幅度更大，大约是60%左右。”王征表示。
王征也给投资人吃了另一个“定心丸”，预计到年底，商汤EBITDA经调整（未计利息、税项、折旧及摊销前的利润）的利润将会处于“盈利”。
“我们也完全理解，投资人和分析师对这个盈利时点的关心，其实随着我们往未来看，这个收入毛利能够持续健康增长加上我们对成本的有效管控呢，其实我们预计2026年，全年经调整后的 EBITDA 层面就应该会开始盈利。那么IFRS的净亏损这个层面，就是说经调整后啊，这个净亏损层面，我们2026年全年跟2025年全年相比，应该还是会有较大比例的减亏。所以这个是目前的判断。”王征称。
在我看来，市场对商汤苛求太多了，MiniMax和智谱研发一天比一天高、亏损也不低，但大家认为商汤“要盈利”。
“上半年研发开支约3亿美元，同比增长139%，主要由于我们持续投入基础模型能力的研发，研发开支增速显著低于收入增速。体现研发成果转化为业务增长的效率进一步提升。”MiniMax业绩会上表示。
说老实话，商汤盈不盈利其实只是一个时间点，老老实实卖算力，本身就赚钱，早一点晚一点，其实就是商汤CEO徐立的重要承诺回报。
实际上，商汤的收入和支出情况，其实比前几年要“健康”：销售、管理、运营支出都在下降，但资本支出却在上升。
按照王征的话说，资金全投到算力身上了。
但我比较担忧的是，商汤当前属于单一收入（模型、算力、应用都在生成式AI），除了投资、生成式AI，智慧城市的视觉AI业务可以忽略不计。
如何找第二曲线、新的战略，就需要商汤管理层多动头脑了。
此外，隔了半年，商汤又画了一个“大饼”，新的概念：“一套模型、一座Token（词元）工厂、一套智能体管控系统”为核心。
咱倒序看看商汤最近几次在财报会议上的各种饼：
这是去年商汤年报业绩会上的展望，发力国产化、1+X战略红利。
这是去年半年报展望，生成式AI国内领先、人工智能+机遇。
2024年财报会，大装置、大模型、应用三位一体，多模态大模型遥遥领先。
再往前，如果到2022年，王征当时说商汤三年内智慧生活以及智慧汽车（绝影）收入超过智慧城市。
anyway，我想讲的是，商汤变得太快了，每次画的展望还没消化完，其实就变了。
所以这也是投资人对于商汤技术和商业化无法完全理解的原因。
明明就是多模态大模型、算力（大装置）、AI应用。
所谓“智能体管控系统”，真的有点难理解。
目前商汤的AI应用就两个板块：小浣熊、Seko视频，后者用于短剧层面。
还有一个是咔皮系列，令人意外的是增长了4500%（不知道怎么做到的，猜测与投流有关）。
在我看来，商汤科技联合创始人、执行董事、大装置事业群总裁杨帆的算力业务，已经是商汤为数不多的核心业务板块了。
日均token服务量2.4万亿、22倍同比激增，总算力规模达4.8万P（猜测还是5万多片GPU卡）。
目前商汤服务4家外部基础模型厂商，还有上海AI实验室——这个是重要客户。
杨帆提到一个关键数据：外部算力和内部应用算力大概是7:3，大装置大部分还是卖到了外部客户当中。
这十分重要，可以体现出一旦模型和应用需求增加、算力涨价，商汤大算力未来收入增加的情况。
“我们现在的运营总算力大概4.8万P，但我们现在更关注的其实不是一个算力规模，而是说我们能够用什么样的芯片组合去生产出什么样的高质量的Token，并且怎么样去持续的降低Token的生产成本，以及最终我们怎么样更好的去完成一个任务。”杨帆表示。
杨帆认为，未来AI算力投入会跟着明确的客户需求和Token的消耗，还是保持一个比较高速的增长。
对于模型侧，商汤透露，接下来（最快本月），商汤会推出日日新SenseNova 6.8系列。
（目前出来的是SenseNova 6.8 Flash Lite）。
如果持续把国香资本的投资收益和公允价值计算到商汤业绩当中，今年商汤收入会持续增加——很有可能超过核心业务。
今年商汤能退出的案例是曦智科技，而硅基流动、银河通用、曦望、图灵量子、众擎机器人还在IPO路上。
而帕西尼、大晓、商汤医疗（竹蜻蜓）和影微创新也是有IPO趋势的。
最后说说市值，商汤确实挺惨的，过去5年（IPO至今），商汤股价蒸发了73%，掉到了1.47港元。
对比MiniMax和智谱，商汤这个股价和市值真的高兴不出来。
前段时间甚至是10倍差距，如今商汤市值只剩智谱的八分之一了。
难评市场的苛责，我觉得还是有点被低估了一丢丢。
最近（8月19日），我听到彭博智能（Bloomberg Intelligence）高级分析师Robert Lea在China Show节目当中说了一句话，其实蛮对的：
资本市场希望看到企业的是，每个季度是否有持续的增长，但当前中国科技行业，尤其是AI行业，竞争极其残酷，高度碎片化，甚至已经同质化，所以规模决定胜负，规模小的玩家缺乏竞争所需的规模化资源，这个行业正逐步被头部大客户平台主导。而且，AI软件真的是“白刃战”，眼下惨烈到几乎任何公司都很难赚钱。
所以还是那句话，商汤正在回归理性：聚焦自己的强项，减少铺的太开、降低自己的弱点。
商汤的盈利和转换，似乎是一个开头，至于是不是“最后一战”，还需要再评估。
期待接下来杨帆和商汤在算力层面的更多新技术进展。
下一篇MiniMax财报会文章见。
以下是商汤半年报业绩发布会Q&A环节的信息，有一定修改和润色。
问：中金公司计算机分析师，我这边想请教一下，我们这次也是首次披露的经常性收入RR的口径，能否可以再多解释一些？比如说我们披露的RR目前和其他模型公司讲的ARR有什么样的一个区别？包括公司披露RR而不是ARR的考虑主要有哪些？包括后续可能我们对于RR的增长的预期是什么样的？感谢。
王征：我来回答一下。经常性收入，也就是RR，它其实这个定义应该说是指基于报告期内已生效的合同而具备的有持续续约属性的收入。它在今年的上半年，前面提到达到了11.4亿人民币，比25年同期增长了124.4%，占集团的总收入，前面也提到达到了39.3%。它的最大的贡献来源，其实就是我们的生成式业务。
我们首次披露的RR，跟您前面提到跟ARR比，其实这个背后的核心逻辑和概念应该是基本是一致，但是RR其实是一个相对更加实在，更加客观的概念。因为什么？因为它是基于一个已发生的26年上半年的实际业务表现来统计出来的。所以它是一个历史的一个period的数据。
但您既然提到了ARR，我也很乐意地去告诉大家，我们今年按照6月份相对应的ARR其实已经达到了25.3亿元。
所以你把25.3亿跟前面前6个月的11.4亿去比较，就可以看出我们这个recurring的经常性收入，其实增长还是非常快的。我们也预计，到下半年这个RR占总收入的比例肯定是比上半年应该会有明显的提升。谢谢。
徐立（董事长兼首席执行官）：我补充一下。我们来看，ARR相对来说受模型发布时间，以及一些新的热点的影响会比较大。比如说单月的有些新的事情乘以12，或者单月的单周的东西乘以12，其实它的波动性还是会随着一些节奏变化，所以我们披露RR，可能是在财务上更加严谨，这么一个口径。谢谢。
问：我这边想问一下咱们商汤未来在大模型方向上的一个重点的发力点。我们也看到咱们公司有小浣熊办公产品、卡皮系列的个人助理产品，还有视频生成的智能体。我们是如何考虑应用端的未来的布局的？比如说未来还会考虑做Coding吗？这是我的主要关注的问题，谢谢各位领导。
徐立：首先我们模型研发还是一以贯之，讲说大模型的推进，我们还是深刻相信这个原生多模态能够推动我们叫大模型的智能上限。所以在这个过程当中，这个智能上限包括了长程智能体，包括说空间智能和物理智能的延伸，所以我觉得这条路，商汤还是走的还比较坚决，而且也相信这个路，得很快就能够有量变，形成一个比较规模化的质变。
我们的应用这几块，虽然看似是应用的前端的智能体，面临的工作的场景，面临内容生成的场景，交互的场景和个人助理的场景等等，多元的这样一个多模态的场景，但是它其实它不独立，因为背后的模型是一套，Token工厂是一套，包括我们讲Agent Harness是一套，只是面向不同的前端任务，所以它会有在不同的高频场景当中，其实它会有大的这样一个协同工作。
从选择上来讲，其实我们选择办公，这个场景还很早，大家今年上半年看，很多公司把这种工作的场景全都聚合在一起，包括美国的公司，包括中国的。这是因为我们看到了，这个场景的选择是随着这个智能体的应用更深入的时候，其实客户的受众发生了很大的变化，客户的群体从专业人士变到了普罗大众。客户的部门从这个后台变到了前台，从而使得他的这个想象力空间变得更大，变成一个大家必须要争的这么一个地方。所以对我们来讲，我们可以看得出来，这部分的迁移带来的蛋糕是更大的，那商业化的逻辑就会更加清晰。
第二，我们选择这个逻辑也是因为当时的工作智能体恰恰是商汤的能力跟市场所需要的一个结合。比如说Work这个场景，因为我们的多模态的能力，以及理解和生成的统一，其实是跟这个场景当中大部分应用是非常契合的，并且给我带来优势。所以以此类推，像SQL的智能体在视频在内容生成上面，其实也是充分反映了我们这个多模态能力这样的一个选择。
所以总的来讲就是，虽然场景我们可能会有多元化的智能体的场景，但是还是要我们自己的能力，包括说多模态，是不是有复杂的、强约束的、可验证的这样一个任务，甚至是能够形成这样高频使用、持续付费的这样一个商业化，这几个因素结合对我们的这个智能体的长商业布局有关。
讲到代码，实际上我们推代码智能体也是非常早的，我们小浣熊代码其实也在三年前就开始上线，两年多前也是最早推出了这样一个产品，那现在，这套能力是整合到了我们讲小浣熊的一体化的统一入口当中了。你说Coding的这个模型应该是重要的基础能力，在后面咱们做智能体的时候，本质意义上也需要代码能力的延伸，也是结构化思考和工具调用的体现。那么我们现在更关注的是怎么样，如果能够通过其他的模态，进一步的提升模型的逻辑和推理能力，从而把整个的这样的一个智能体的能力来去往上提升。
单一的代码，单一的面向代码的这个产品，我们目前来讲还不是说我们的一个完全的重点，是因为说这个部分上的现在的竞争可能更加白热化，但是这个代码的能力一定是融入到这个基模型的产品能力上的。那么从商业上来看，我们也不是用单一的产品来划分这个几个部分，因为背后的，我们为什么这样统一的一套这个智能体管控模型，Agent Harness，加一套通用工厂来迭代，是因为这个东西其实是使得说，我们背后的底层的逻辑模型、Token以及Agent Harness的统一，使得在前端的交付变得更加的简单，以及能够有成本的优势。谢谢。
问：我有一个关于我们公司战略和产品的问题。想请教一下，我们注意到公司在业绩公告里提到说，一套模型、一座Token工厂、一套智能体的管控系统。想请教一下管理层，我们面对互联网大厂或者DeepSeek这样的大模型厂商，我们具体的战略思路是什么？具体来看，未来更加侧重基础模型、AI的算力，还是说行业智能体的应用？我们比较有差异化，或者说比较有希望形成规模收入的产品，具体在哪一方面？
徐立：感谢。首先，我们讲到这三个一，其实并不是说我们会有一个三选一的商业模式。
因为从某种程度上，模型本身的模型API是可以做服务的。转换成Token的时候，我们为什么讲这套是Token工厂？是因为它除了包含单一的模型，它包含一个模型组完成更多的能力，甚至是我们服务于头部的，刚才讲到四家基础模型的厂商，来去更好地打磨我们讲Token工厂的生产的效率，生产的能力。
我们的自己的认知，又是说再往下一步走，这个Token的单价可能会下降，但是高质量的Token形成的这样的一套智能体的管控系统，其实带来的这个客户的效用又会提升，所以模型解决智能上限问题，Token工厂解决的是成本定价问题。
我们讲智能体管控，这套体系解决的是任务，解决的其实是效用定价问题。所以在某种程度上，它是一个延续性的商业模式。那么如果讲到大厂，或者其他的模型厂商，某种程度上我想，其实我们应该算是在这三个商业化体系的一条路上，做的比较完整的，并且我们的能力的协同性也会做的比较好。
因为本质意义上，在任何一个阶段，当模型成熟的时候，模型的商业价值会被挤压。当Token工厂成熟的时候，Token的商业价值会被挤压，就会相对来说会进入一种更白热化的竞争。
所以说，必须得把这一层的能力最后延伸到一套智能体的管控，去推到我们的客户上去。那我们也看得到这个路线，现在相当于是客户面发现了很大的受众的广泛的变化，所以我们也希望说这个三个一的这样一个联动，最后形成的是一套更加符合商业价值，并且能够截取最后效用价值的这样一个商业模式。
问：我想问的是，因为公司首次实现了IFRS盈利，这里面有多少来自主营业务的改善？有多少来自投资收益和处置子公司的收益？剔除这些收益之后，核心经营亏损是多少？未来何时能够依靠主营业务实现持续的IFRS的盈利？也麻烦管理层介绍一下未来的资本开支计划，目前的算力规模中多少比例对外？
王征：非常感谢你的一连串的问题，我尝试着逐一回答一下吧。
首先确实，就是我们上半年首次实现了IFRS的盈利，本质上它要归功于首先是收入毛利它有健康的增长，特别是你毛利前面提到同比涨了32.9%，再加上同时总的运营成本，就刚刚提到三项费用之和，它在今年上半年跟一年前比跌了14.8%，所以是很大幅度的下降。
那这两个因素，显然是跟主营业务是完全相关，这个是一个首要的因素。
您当然也提到，因为这个IFRS里面也有一些其他的因素，所以我们如果根据您的建议，就说去刨去一些其他的因素，比如说，我们除去那些传统的包括金融资产公允价值变化的这些调整项之外，我们如果再去做一些更加激进的调整，比如说我们再去刨去一些，比如说像公司出表带来的利益，就你把这些东西全部都刨掉，我们自己也确实内部做过一个演算，就是说这样都刨掉之后，其实我们发现我们26年上半年跟25年同期，这样一种特殊口径的亏损额，它其实收窄的幅度更大，它收窄的这个绝对值，我们算了一下，大约是收窄12亿元左右的负绝对值。
如果用我们这个比较常用的对外公布的叫经调整后净亏损的口径，这个我们都有公布的数，这个大家可以看，它的这个亏损绝对值的收窄，其实只有8亿左右。
所以用一种更激进的调整方法，其实反而显示了我们收窄的绝对值幅度更大，其实这个收窄的百分比也非常大，大约是60%左右。
这个就给大家一个概念，所以不管从哪个维度来看，它还是一个根本上非常高速大幅度收窄的一个趋势，本质上是来自于核心业务的收入毛利增长，就刚刚说的运营成本的下降。
我们也完全理解，投资人和分析师对这个盈利时点的关心，其实随着我们往未来看，这个收入毛利能够持续的健康增长，加上我们对成本的有效管控，其实我们预计26年全年经调整后的EBITDA层面就应该会开始盈利。那么IFRS的净亏损这个层面，就是说经调整后这个净亏损层面，我们26年全年跟25年全年相比，应该还是会有较大比例的减亏。所以这个是目前的判断，谢谢。
还有就是前面你好像也提了一些关于资本开支，我也顺便一起跟大家探讨一下，就说这个资本开支，它其实本身还是有一定的不确定性，因为算力市场它在供给端本身有它内在的较大不确定性。
从我们这个一贯这种轻重资产相结合的策略，它其实会给我们较大的灵活性，在一个比较，可以在买和租之间有比较充足的调节的空间，根据当时的供给端的情况来调节。其实这种灵活性是很有价值的，它跟一些规模巨大的大厂比，反而就是更能够抓住市场当时的有利的情况。
另外就是说这个算力CAPEX本身，它的预计的单位经济回报，这个显然对这个CAPEX的增长力度有明显的影响，我们就目前的这个综合市场情况来判断，算力的CAPEX的回报率目前来看是非常不错的。那么如果这种有利的环境可以长期持续下去的话，那在这个时间段里面，我们认为CAPEX的增长速度在这个段里面肯定会高于收入的增速，因为它回报率各方面都非常好。但是恰恰由于如果CAPEX有很高的回报率，那它自然会引发未来收入的更大幅的提升，那么这又会导致可能到下一个阶段，那CAPEX的增长率就有较大概率会低于收入的增长率，所以说你这样来看，从更长远的角度来看，资本开支的长期的增速应该还是会逐渐低于收入增速的。
那么您好像最后也提了一个算力的一个比例，多少对外？多少对内？这个我们给一个大概的数，我们目前就是说算力，对外和对内自用，大概是一个7:3开的一个比例。那么还有就是您最后是提到轻重资产的比例，那个我们大致是一半一半，所以还是一个比较灵活的状态，谢谢。
问：咱们在业绩公告中也多次提到过商汤在做原生多模态和Agent能力这方面的结合，所以想和管理层请教一下，这些能力是如何实现这个结合的？基于这些能力，我们接下来会优先去深耕哪些行业和应用场景？如何进行更加具体的产品化？谢谢。
林达华（执行副总裁、首席科学家）：首先我想明确一点，就是我们所讲到的多模态的长程智能体，它并不是说一个智能体去调用一个多模态的模型，这种简单的拼接，我们实际上是做到的是把多模态和长程的Agent深度地融入在一起。
事实上，在我们所覆盖的大量的业务场景里面，用户在完成一项工作的时候，他是需要去大量去收集不同形态的信息，比如说图文混合的这样一个报表，去操作不同的软件的用户的界面，去看图像等。
那么这是完成工作中的一个天然的过程，在这个时候，多模态信息的处理和推理是不可避免的。
这个过程中有很多的现代的一些智能体，它可能简单的去使用工具去调用一些多模态的感知理解的能力的时候，这些工具实际上是并没有一个完整的context（上下文）去完成这个工作，使得说它的工具的调用效率其实是低的。
如果说，我们把一个Agent的模型跟一个图文的多模态模型结合在一起来做的话，一个简单的拼接就涉及到大量的上下文在不同的模型之间的传递，同时也会带来Token效率的下降。那么我们去解决这个问题的核心的一个思路就是通过Neo Unify的这样的一个理解生成统一的一个新的架构，使得说我们对图像信息和文本信息、代码信息的处理在一个共享的上下文上面，就避免了所有的这样的一个上下文的丢失，以及上下文在不同的模型上面传递的效率的损耗。
在实际真实的环境中，它的工作效率表现出来是非常出色的。
在此基础之上，我会发现其实这个多模态融入到咱们智能体会带来除了刚才所说的效率方面的提升之外，而且因为它能更有效地处理各种模态的信息，对它进行综合的分析，就使得说模型能更有效地去做更完整的工作，使得它能够有具备更强的能力去执行复杂的、多步的、长程的任务。
那么这些的话在我们无论是内容创作、复杂的企业办公的场景，也得到了一个充分的体现。展望未来的话，其实我们同时在上面搭建了Agent Harness的管控的体系，它也能够帮助我们更有效地把我们这整套原生的多模态的长程Agent的能力发挥出来，更好地服务我们的客户。
问：我想就公司的竞争壁垒，还有后续的商业化的规划，做一个提问。首先公司的模型能力，是如何形成可持续的竞争壁垒的？我们知道现在在国内外基础模型是处于一个快速迭代，而且开源模型的性能和价格也是持续的下降。多模态模型和长程智能体Agent能力，如何转化成为客户的一个付费？在格局方面，我们相较于国内的阿里、字节，包括DeepSeek，还有国际上的一些模型厂商，公司比较难复制的差异化的优势，究竟是模型、算力、Agent Harness，还是说行业交付的能力？
林达华：谢谢，我觉得这个也是这个行业里面非常核心的一个问题。
那么，随着我们整个的AI领域进入到了Agent的时代，事实上AI的价值，就关键在于它能不能够给用户解决他的问题，带来一个最终的用户价值。这是我们的AI的壁垒能不能持续的一个非常关键。
那么正如你所说到的我们现在的模型的迭代非常迅速，每两三个月都有新版的模型会出来，模型价格的下降也是一个长期的趋势。所以从这样的一个背景出发，单纯依靠一个模型或单次的一个榜单的一个突出，是很难形成持久的壁垒的。在我们看来，其实真正的壁垒就是正如刚才徐立提到的，就是我们形成了这样的一个闭环的飞轮，这里面有两个非常重要的值得我们关注的方面。
首先第一个，我们的模型跟我们的应用形成闭环，会使得说我们的多模态能力在服务用户的同时，获得大量的关于用户行为，还有他的需求的反馈。这个反馈会使得我们整个的模型和智能体体系在自进化的过程中，形成一个自进化的能力，并且在这过程中获得了模型能力和整体系统能力的一个持续的提升。随着越来越多的用户的增长和使用我们的产品，我们也会期待我们的模型能力和系统能力获得持续的、加速的进化。
另外一个方面，你提到了现在Token价格也在持续下降，因此我们服务的成本也是非常关键的一个要素。得益于商汤，我们既有一个模型创新的能力，同时我们有非常长时间积累的这样一个大装置的系统的能力，他们进行了一个深度协同的情况下，形成了一个具有竞争力的模型服务的效率和成本。通过这样子，我们也能够在成本的这个控制端能获得一个持续的一个优势，同时也能够反哺我们的这个大装置的系统的持续的升级。
所以总结来说就是我们认为我们持续竞争力并不是来源于我们任何一个单一的方面，而是说我们的模型、应用，还有我们的基础设施的能力的闭环和持续的进化，而且随着用户越来越多的话，我们的进化速度也会随之加快，从而能够形成可持续的长期的壁垒。
问：我想就公司的Token工厂的策略请教一下管理层，因为现在在互联网大厂和各个这些公有云厂商快速扩张的背景下，其实他们也会有这方面的服务布局，想问一下公司Token工厂提供的具体的服务会是什么？那和这些互联网大厂和公有云厂商巨头的竞争或者说合作的点在哪里？另外就是包括算力投入方面，想问一下公司有没有具体的计划，是以租赁为主呢？还是说还是会持续的自建？以及会不会有一个量化的指标和指引呢？我就这两个问题。
杨帆（执行副总裁、大装置事业群总裁）：Token工厂其实大家的能力概念是比较统一的，就是提供Token的生产能力。商汤来说，主要我们是把自己的日日新模型、市场上开源的这些高影响力模型，以及一部分合作伙伴的专业模型，都通过商汤的基础设施软件能力来进行一个高效率、高质量的Token生产，然后给业内第三方提供服务。
那跟互联网大厂比，我们觉得我们还是有几个很明显的差异化优势。
首先，你其实可以看到今天大厂的基础设施，首先它还是服务到它自身的业务，不管它的主营是电商、社交、内容还是其他领域，而我们的定位，更侧重面向外部的不管是一些中小的AI应用厂商，还是其他客户。
第二，可以看到当前的不管是下游的模型，还是上游的芯片，特别是国产芯片的，很少有个多边形战士，就是往往都是各有所长。
我们的一个很大特点就是，我们对于GPU硬件和模型都保持一个极高的开放性，所以我可以给客户，针对客户的不同的应用需求去提供一个更合适、更合身、更具性价比的组合的方案选择。
第三，我们其实不是去提供一个标准化的算力，或者一个Token的产品，而是我们针对不同类型的客户的关键诉求，我们是把Token工厂这种生产的能力，叠加上我们的这种服务能力，帮助客户去解决，最终用起来，达到真正问题解决的这种方案型的一个角度。
最后一个，我们前面也有介绍，我们在算电协同、绿色能源利用等领域其实有大量的创新积累，这种积累可以帮助我们获得一个更好的差异化的成本优势。
我最后再回答一下算力规模，我们现在的运营总算力大概4.8万P，但我们现在更关注的其实不是一个算力规模，而是说我们能够用什么样的芯片组合去生产出什么样的高质量的Token，并且怎么样去持续的降低Token的生产成本，以及最终我们怎么样更好的去完成一个任务。
在这个方面，我们现在日均的Token服务量，7月份比一年前提升了大概20多倍，我们现在已经给4家的外部基础模型厂商提供服务。
现在看起来，未来的算力投入会跟着这个明确的客户需求和Token的消耗，还是保持一个比较高速的增长。重点会布局在国产算力、海外节点、绿色能源等这样的一些场景。
热门跟贴