界面新闻记者 | 梁宝欣

9月3日，被资本市场喻为“Token第一股”的迅策科技发布TokenCloud一站式AI模型训推算力平台。

根据公司披露，TokenCloud覆盖方案选配、模型蒸馏、数据安全管控、算力加速与算力资源管控五大模块。在算力侧，平台支持GPU、NPU、FPGA、CPU等多种异构计算资源的统一管理和调度；在模型侧，则提供模型测评、场景适配、蒸馏和推理优化等能力。

TokenCloud与迅策此前推出的TokenOS分工有所不同。TokenOS专注数据能力，将企业多源异构数据实时转化为标准化的场景Token，解决“数据可用”的问题；TokenCloud则侧重模型训推及“数据+模型”融合能力，整合算力调度、模型推理优化、企业小模型精炼与调优编排，打通从数据接入到应用的链路。

界面新闻记者注意到，今年8月披露中期业绩时，公司已表示TokenCloud处于交付测试阶段。此前，公司已于6月公告与沐曦、天数智芯、壁仞等国产GPU厂商分别达成战略合作。此次发布，是TokenCloud由此前测试交付进一步正式对外推出。

迅策正在从原来的实时数据处理，进一步覆盖算力、模型训推和应用。

迅策管理层在其2026年中报投资者交流会上也透露，一些客户“从算力采购就找我们”，随后进行算力部署、数据治理，再到小模型训练和应用。“这一些客户，可能他的客单量就会更高一点。”

今年上半年，迅策平均每客户收入（ARPU）由164万元提高至556万元，同比增长239.9%。公司同期实现收入9.67亿元，同比增长388.8%；归母净利润7251万元，同比扭亏为盈，实现首次上半年度盈利。

迅策过去主要服务资产管理机构。基金、券商每天产生和使用大量行情、交易、持仓、估值和风控数据，而公司则负责将这些数据接入、清洗、标准化和实时计算。

随着AI应用进入企业业务流程，迅策开始将原有的数据处理能力进一步连接到模型和业务应用。

迅策首席科学家唐博在中报投资者交流会上表示，传统企业信息化体系中，每增加新的软件或业务场景，企业往往都要重新进行数据编排、融合和治理。

他认为，AI原生应用需要改变这种数据组织方式。

“企业基于AI数据基础设施，可以把自己私有化的数据形成资产，”唐博表示，这些资产之后可以“不断地去产生新的应用、新的智能体来赋能它的业务”。

唐博进一步总结，“无论是私有化大模型，还是外部大模型，都可以通过AI数据基础设施和AI原生应用结合起来，进一步赋能业务。”他表示，“企业未来的主要目标，不再只是开发软件，而是在AI数据基础设施之上不断迭代、升级，持续生长出新的智能体，以及由智能体支撑的业务应用。”

这说明，企业购买AI，最终买的是能支撑业务应用的能力。

迅策首席技术官杨阳在交流会上进一步解释，在会议记录、报告撰写等日常通用场景里，大模型能力已经“远远过剩”；但到了工业质检、专业决策等核心生产场景，“单单靠大模型”又远远不够。

杨阳提到，“真正客户的付费意愿，或者是付费的能力，在专业化的产品里面更多的还是针对具体业务价值。”

在实际项目中，他发现很多客户甚至“搞不清楚”一套解决方案中，到底多少价值来自模型、多少来自流程、多少来自数据。企业关心的是问题最终有没有解决。

“我们帮客户始终是针对问题，去整合和优化所有相关的解决方案。”杨阳说。一个专业化企业AI项目通常会涉及硬件、软件、数据整理、模型优化训练以及应用开发。

杨阳把模型与企业AI完整解决方案的的关系比作发动机和整架飞机。“没有人可以直接借一个劳斯莱斯的发动机去美国，还是要买张机票。”

在他看来，迅策与模型厂商更接近“一种双向奔赴，然后共同去赋能客户的过程”。大模型提供“发动机”，但企业最后购买的是可以真正完成任务的整套系统。

TokenCloud补上的正是其中的算力和模型训推环节。

服务范围扩大的同时，迅策的收入来源也正在离开过去高度集中的资管行业。上半年，迅策资管业务仍保持增长，但收入占比已经下降至12.4%，电信、电力、能源、高端制造、生物医药、机器人、商业航天等多元行业贡献了绝大部分收入。

但从金融走向多个行业，还有一道更难解决的问题：一个行业里积累的Know-how，究竟可以复制多少？

杨阳在交流会现场举了一个PCB行业的例子。“东莞，我脑子里的数字是1300到1400多家PCB厂商，能做这一代英伟达配套技术的应该不超过两家，能够做下一代的也许就有一家。”

“哪怕是PCB板这么细分的一个行业，它里面还要再细。”杨阳说。

这句话背后的意思是，企业AI进入生产环节之后，行业知识的重要性反而会进一步提高。

在进入制造业时，杨阳称，公司需要寻找行业里“最资深的，类似于老的工匠或者手艺人”，去理解他们的知识。

很多软件公司习惯先生产一套平台，再让客户学习如何使用。但杨阳认为，真正专业的企业服务需要反过来深入一线，与“资深工程师”“老专家”合作，“站在他的思路、想法和业务知识”，再把这些东西“转化成数据资产”。

“把专业知识跟技术结合在一起，逐步地去扩展，这是我们大概的一个路径。”杨阳说。

这也是资本市场频繁将迅策与Palantir放在一起讨论的原因之一。

Palantir成立于2003年，是美国一家企业数据与AI软件公司。其业务早期主要围绕复杂数据分析和决策支持展开，随后逐步进入制造、能源、医疗、保险等领域。该公司长期采用FDE，即Forward Deployed Engineer模式，让工程师直接进入客户现场理解业务，再把现场需求反馈到产品体系。

这背后实际上涉及企业软件行业一个长期存在的问题。“软件公司希望标准化，客户希望定制化。”杨阳说。

杨阳认为，解决问题的关键并不一定是在标准化和定制化之间寻找妥协，而是双方首先找到一个共同的业务目标。他以Palantir服务政府客户为例，客户真正关注的是能否完成相关任务、提高政府运营效率。

“核心是大家先把利益搞一致。”他说。

不过，对于资本市场习惯将迅策比喻成“中国版Palantir”的说法，他也保持了距离：“本质上我们也不能说自己的对标是一个公司。”

对迅策而言，深入行业只是第一步。要扩大业务规模，更重要的是把一个客户项目中形成的经验，沉淀成下一个客户可以继续使用的产品。

依靠FDE、行业专家和更完整的交付链条，可以迅速提高单客户收入；要成长为一家平台型公司，迅策还必须证明这些由工程师和“老工匠”共同获得的经验，最终能够沉淀成标准模块，被下一家客户反复使用。

据了解，迅策已经开发超过400个标准化产品功能模组。这些模块能否减少下一次项目从零开始的工作量，是迅策从深度交付走向规模化需要解决的问题之一。

除此之外，公司也在增加按实际使用量收费的Token模式。今年上半年，迅策的Token业务形成了“收入=Token价格×调用次数×模块数×客户数”的收费模式，将收入与企业AI模型的使用频率和业务深度挂钩。

目前，迅策有订阅、项目制和Token定价三种模式。据记者了解，订阅模式按年收费；项目制通常在项目验收后确认收入；Token定价模式则按照实际Token消耗量收费，收入随调用确认。会计口径上，项目制和Token定价目前都被归入“基于交易的专业技术产品”。

今年上半年，迅策基于交易的专业技术产品收入约8.75亿元，占总收入90.5%；订阅型收入约9169.6万元。

与此同时，Token业务收入已经占总收入超过10%，截至6月，Token业务ARR季度环比增长410%。

目前，迅策一边把原来以数据为核心的服务范围扩大到算力、模型训推和应用，试图承接企业更完整的AI需求；另一边，公司又在项目制和订阅制之外增加按实际调用量计价的Token模式。

接下来更值得观察的是，当迅策进入越来越多行业之后，有多少由工程师和行业专家共同形成的Know-how能够真正沉淀为可重复销售的标准化产品；以及已经开始贡献收入的Token业务，付费客户数量、单个客户调用量和收入规模能否继续增长。