7月31日，迅策科技发布中期业绩预告。预计2026年上半年营收达9.67亿元，同比增长389%，创下同期历史新高；归母净利润7251万元，去年同期归母净亏损是8900万元，实现首个半年度盈利；经调整净利润6700万元，而去年同期的净亏损是1.05亿元，大幅度扭亏为盈。

Token业务模式步入加速兑现期


(资料图片仅供参考)

公司表示，上半年业绩的快速增长，是企业AI落地需求释放、Token化商业能力成熟、多元化拓展等共同作用的结果。

AI产业进入应用深化阶段，企业需要的并非单纯更强的通用模型，而是能够将私有数据转化为模型可用、高密度、可计量的场景化数据的基础设施层——这正是迅策的核心卡位。

2026年上半年，迅策Token付费模式验证，ARR（年度经常性收入）增速强劲。据悉，公司Token模式营收占比已超过10%，6月Token模式的ARR按季度环比增长更达到410%，商业化进程远超预期。这一增速的背后，一方面是存量客户从订阅制/项目制向Token付费模式切换，另一方面是模块增购与调用深度同步提升。

公开资料显示，今年以来，迅策已成功拓展智能汽车、低空经济等多个新行业，“算力—数据—Token—模型—应用”全链路一体化产品加速构建。近期，公司与博泰车联、赛目科技切入智能网联汽车领域，搭建基于Token的物理AI与世界模型训练闭环；与沐曦、天数智芯、壁仞三大国产GPU厂商达成合作，拓展“算力+数据”一体化；携手洪泰基金共同探索垂直场景Token商业化解决方案，构建AI原生、Token原生的基金新范式；联合深开鸿推动鸿蒙生态数据Token化，探索世界模型与物理AI新边界。

利润端，公司归母净利润7251万元，去年同期归母净亏损是8900万元，实现首个半年度盈利；经调整净利润6700万元，而去年同期的净亏损是1.05亿元，大幅度扭亏为盈。

企业AI深化应用的产业逻辑

迅策科技表示，公司正在构建的“数据—Token—智能体—LLM/SLM”全链路能力，对应着四阶段战略演进：1.0金融数据淬炼与跨行业复制，2.0 Token化跃迁，3.0 Token交换平台打通跨企业流通壁垒，4.0企业小模型——完成从数据到生产力的闭环。

从应用转化角度看，LLM与SLM的差异并不只是参数规模，而在于应用定位不同。LLM基于大规模公开数据训练，擅长跨领域推理与开放式问答，但并不天然等同于企业细分场景的确定性执行能力；企业业务更需要垂直场景中的稳定输出，如金融风控的合规判定、工业质检的工艺标准、医疗影像的诊断经验等。企业小模型并非大模型的简化版，而是以场景Token为基础、以TokenOS为支撑的垂直化AI生产力单元。构建SLM的前提，是拥有从数据治理、Token化封装到模型微调和应用反馈的完整链路。

数据治理构筑竞争壁垒

据公开资料来看，在SLM这条路径上，迅策的先发壁垒主要来自十年行业沉淀，并体现在三方面：

行业数据积淀。十大高壁垒行业的数据理解与积累构成小模型训练的重要养料。场景Token基于特定行业深度数据沉淀而成，信息密度远高于通用Token，具有较强稀缺性与不可替代性。每个行业的数据沉淀周期长达1至2年，形成天然时间壁垒。

实时数据管道。7×24小时实时数据管道持续供给高质量垂类Token，保障小模型持续进化，行业数据实时流入、模型输出回流至业务流程形成闭环。竞争对手可采购数据集，却难以复制嵌入客户业务流程、持续联动的“活管道”。

客户端高黏性。300余个功能模块深度嵌入230家付费客户业务流程，留存率90%以上。客户场景持续运行、实时数据持续接入、模型持续维护迭代，形成业务流程、数据接口和模型服务三重绑定，替换成本较高。

公司认为，从“通用能力”走向“专属生产力”，正在成为企业级AI部署的重要方向，也是迅策四阶段演进的主线。2026年上半年的财务数据验证了2.0阶段Token化战略的商业可行性；随着Token Routers与SLM路径继续推进，公司能否把客户基础、数据积累和产品体系转化为可持续收入，将成为后续观察的关键。

关键词： 财经频道 财经资讯