跑分王翻车，AI拼谁更能闷声扛活儿：迈富时“场景Token”到了验货时

这周，AI圈被一场硬核实测刷了屏。知名博主郭震拉了三款顶流模型比武：综合跑分霸主Claude Opus 4.8、国产新锐GLM-5.2和Kimi 2.7 Code。任务很明确直接：开发一个能解析Excel、生成可视化报告的复杂网页工具。结果出人意料。在第三方裁判的盲评下，Opus 4.8以45分垫底。

裁判点评：Opus，过去的头部模型犯了“代码懒癌”，面对长指令时选择性遗忘，搜索、分页、中文分析报告等核心功能直接消失。

而两款国产模型，不仅没偷懒，功能还做得更全。

这事值得深思：当神话被执行、应用击穿时，逐步清晰的线索是：这届AI，终于到了拼谁能在真实场景里“闷声扛活儿”的最终决胜局。

产业链全景：强在哪，弱在哪

若从产业链全景视角观察，AI产业链可以被分为五层：上游的电力、数据中心、光通信；中游的GPU、HBM存储、先进封装和大模型；下游的千行百业应用。

而中国，有两张明牌优势。

一是算力基础设施。依托全球最完整的工业体系，浪潮、曙光、华为和三大运营商构筑的服务器制造与数据中心能力，是国内AI最稳固的基本盘。

二是场景应用落地。14亿用户的庞大市场，让字节、腾讯、阿里、小米们在AI商业化上具备全球领先的土壤，最有望复刻移动互联网的红利。

当然，不可否认，现存的短板也一目了然：

EUV光刻机被ASML全球垄断，短期难以突破；高端HBM存储被SK海力士、三星、美光三家把持；底层AI模型生态上，OpenAI、Google、Meta的开发者护城河，是我们最大的软肋。

业内有个反直觉的判断：HBM比GPU更难。 GPU的难点在架构设计，完成后可代工生产；HBM的难点在精密制造，多层晶圆堆叠与硅穿孔工艺要求极高，任一环节出错即整颗报废。量产难度远超GPU。

再看利润分配，更扎心：以100元AI投资计，40元流向GPU、HBM和服务器硬件，25元用于大模型训练，20元用于应用落地，15元投入数据与算力基建。当前全球最大赢家，依然是英伟达和SK海力士。但也仅仅是当下，拉长时间线，还得看这场竞赛最终留在场上的企业还剩谁？

Token终局：平庸一文不值，扛活儿才有人买单

产业链梳理清楚了，那么一个更深层的商业问题自然也就随之浮现：

当所有人都能生产Token，凭什么有人能赚钱？

近期的一份关于Token经济与AI产业链的研究报告中对这一疑问早已有了答案：Token只是生产成本，不是价值本身。

一千个Token的输出，帮你润色一封邮件，你觉得免费用用就行；但如果同样消耗一千个Token，AI在你的支付系统代码里发现了一个可能导致资金被盗的逻辑漏洞，你愿意付多少钱？

可能就是这个漏洞潜在损失的某个比例。两个场景的Token消耗量完全相同，但价值差距可达数百万倍。

这就是当前AI商业模式最核心的悖论：按Token计费的本质，是用成本定价，而不是用价值定价。

用户愿意付费的，永远是结果侧的价值。关键问题被解决了多少，核心风险被规避了多少，真实效率被提升了多少。平庸的Token，一文不值。

沿着这个逻辑，一个残酷推论浮出水面：只有能解决最复杂问题的AI，才能获得真实的、大规模的、甚至是昂贵的收入。

正如全球顶级律所、顶级投行、顶级外科医生，客户数量远少于普通服务者，却拿走了行业收入的绝大部分。不是因为他们“工作时间”更长，而是因为他们解决的问题，别人根本碰不了。

AI世界正在复刻同一规律。普通模型在免费开源大军（Meta的Llama、阿里的Qwen、DeepSeek）围剿下，定价权为零；只有那些能在代码安全、法务审查、医疗诊断等高价值场景里交付“值得付费的结果”的模型，才能建立真正的商业护城河。

迈富时的位置：不做Token生产商，做场景Token消纳商

这套逻辑，恰好给了迈富时（02556.HK）、滴普（01384.HK）等这类“AI原生应用平台”型企业，一个更清晰的市场定位。

这些公司不是底层大模型公司，因此，不会也没必要同OpenAI、DeepSeek拼谁能生产更聪明的Token。这类企业也不是公有云，与阿里、腾讯、火山引擎拼谁能更便宜地卖算力，更不占优势，也没有意义。

像 迈富时、滴普 这类位于AI应用层的企业，卡位的实际是“企业场景侧Token消纳平台”。

什么意思？

企业客户最终不会为“Token消耗量”买单，而会为Token干出来的业务结果买单。一次工业品选型、一次金融客户服务、一次出海售后响应、一次经营数据分析——这些，才是场景Token。

迈富时通过KnowForce AI知识中台把企业产品手册、工程知识、售后流程沉淀为可调用资产；再通过AI-Agentforce企业智能体中台把知识转化为任务执行：咨询响应、问题分拨、进度跟进、销售线索沉淀。

以某国际知名润滑油品牌的智能选型助手为例。润滑油参数繁杂、工况多变，过去选型全靠“老师傅”经验。迈富时把海量产品知识沉淀进知识中台，让智能体完成需求识别、产品匹配和推荐解释。这就不是普通客服，而是工业品牌的AI选型系统。

这个案例的普适性很强。地下管网运营、能源设备维护、文旅园区服务、出海品牌售后——这些场景的共同特征是：专业知识多、流程长、问题碎、服务要求高。而这正是“场景Token”的价值所在。

AI产业的竞争，正在从“产能竞赛”切换到“价值竞赛”。

如果把近期这些AI圈、宏观经济关注的热点捋捋、收拢，最终，一个清晰的逻辑框架也就此浮现出来了。

中国AI产业链的长期主线，是国产GPU自主突破、HBM国产化落地、先进封装产业升级。这是硬科技的追赶叙事，但AI商业化的主线，则藏在那句“5万亿埋进地下”里。

未来五年，77万公里地下管网改造，带动超5万亿投资。管网修好只是第一步，后续监测、预警、调度、客服、应急响应，才是真正的深水区。新基建的下半场，拼的不再是看得见的高楼大桥，而是看不见的系统能力。

同理，AI的商业化下半场，赢家也只会从这些能在产业深处持续“扛活儿”的模型和平台中选：例如，迈富时、滴普等企业，不炫技、不偷懒、不遗漏指令，把复杂知识转化为可执行任务，让每一分Token都对应一个客户愿意付费的业务结果。

当“跑分王”翻车，当普通Token一文不值，这届AI的竞争，终于回到了商业最本真的问题：

你的产出，到底有没有人愿意付钱？