当下的AI竞争正持续向专业场景深入，高质量数据也随之成为新赛点。
一方面，OpenAI、Anthropic等头部模型公司估值还在持续走强，全球大数据分析先驱Palantir已然坐稳AI与数据时代核心资产标杆。据公开报道，OpenAI估值已经达到8520亿美元，Anthropic更是达到9650亿美元，并且在为潜在IPO筹备更大规模的算力投入。Palantir自2020年上市后市值突破4300亿美元。
另一方面，资本也正沿着产业链寻找新的高价值环节。例如，为大模型公司提供GPU算力和AI云服务的Nebius、CoreWeave在迅速崛起：CoreWeave二季度末收入积压（即已签约、未来随交付确认的合同收入）已约1040亿美元；Nebius同期拿下4份单笔超10亿美元的AI云合同，第二季度的AI云业务营收同比涨超5倍，业绩公布后股价一度上涨超20%。
资本市场的关注点正从模型向算力、专业数据等上游关键环节延伸。
再看国内产业，2026数博会上，国家数据局就提出要启动新一批数据标注先行先试，深入工业制造、医疗健康、交通运输等领域，并探索词元增值订阅、按效付费等商业模式。高价值词元的重要性持续提升：词元的专业度和信息密度越高，越能支撑高质量模型训练和专业应用，也越具商业价值。
可见，随着模型正在深入金融、医疗、科研乃至AI for science等场景，市场对AI产业的观察也会随之延申，专业数据的获取、加工和使用效率正成为新的价值变量。
9月3日，迅策科技正式发布TokenCloud。作为一站式AI模型训推算力平台，TokenCloud通过优化模型、算力与部署效率，让专业数据形成的Token能够以更低成本、更高效率投入实际应用。
业内人士认为，迅策科技更像是做中国版的 Palantir + Nebius/CoreWeave 的结合体。现在发布的TokenCloud 不是简单的算力平台，而是基于公司对客户业务的深度理解，把算力、数据、模型和安全合规封装成一个高价值的服务，让客户真正为结果买单。
从算力调度到安全部署，TokenCloud打通全链路
拆解来看，TokenCloud的核心能力集中在异构硬件、模型测评与优化、云边协同和安全隔离四层，主线都是解决企业AI落地中的资源适配问题。
首先是异构硬件。GPU、NPU、CPU以及国产AI芯片快速增加，企业拥有更多选择，也面临更复杂的配置难题。TokenCloud将不同架构算力统一池化，根据任务进行设备选型、资源拆分和调度，并支持单卡多模型运行，减少高规格硬件承载简单任务等资源浪费。
其次是模型测评、选型、优化和蒸馏。工业质检、能源调度、金融、生物医药对精度、速度和成本要求不同，模型更大也不直接等于效率更高。TokenCloud则根据实际任务评估性能、可靠性和运行效率，再结合硬件环境调整模型规模，提高算力使用效率。
第三层是云边协同。通过TokenCloud，大规模训练和高并发推理可调用云端弹性算力，低延迟和核心业务则保留在本地，从而兼顾资源弹性与实时响应。
在此基础上，TokenCloud做到安全隔离，即通过本地数据处理、云端模型隔离、加密传输和权限管理，让企业调用外部算力时仍能控制核心数据和模型资产。
在实际应用上，企业所处行业、业务场景和数据基础不同，对模型、算力和安全的要求也并不相同。TokenCloud也因此提出“一企一策”，即先识别行业、业务和场景，再确定模型、硬件和优化方案。如此，迅策实现了底层能力平台化、上层方案场景化，得以兼顾复制效率与专业交付深度。
Token需求高速扩张，TokenCloud提升生产效率
据OpenRouter数据，仅在8月24日至30日，全球大模型周调用量就达到113万亿Token，环比增长21.11%；中国大模型周调用量达到55.16万亿，环比增长36.26%。
迅策自身的业务也体现了这个趋势，2026年4月，迅策Token业务的ARR（年度经常性收入）环比增长约300%，5月增长320%，到了6月，ARR季度合计更是环比增长410%。这正反映出Token调用需求正在急速提升。调用规模持续扩大后，同样的算力投入能够支撑多少有效Token，将影响AI应用的成本和商业效率。
Token价值可拆解为首字延迟、生成速度、并发承载和服务稳定性四个维度。首字延迟是从请求到输出首个Token的时间，延迟越低，实时交互能力越强；生成速度决定单位时间的Token产量，直接影响算力产出；并发承载能力反映同一套硬件可同时处理的请求数量，关系规模化成本；稳定性则决定高负载下能否持续服务，是AI进入核心生产流程的基础。四项指标共同决定单位算力能够稳定形成多少有效Token，也决定Token生产的真实成本。
TokenCloud则通过算力加速和资源调度降低首字延迟、提高Token吞吐与并发，并增强高负载稳定性，从而把更多GPU、NPU计算能力转化为实际Token产出。
沿着这一路径，TokenCloud可以帮助客户实现降本、提效以及加速AI落地：单位算力产出提高降低调用成本，模型与硬件协同减少资源浪费，算力、模型、安全和部署的一体化则缩短企业从AI测试进入生产环境的工程周期。
补齐算力层，迅策平台闭环成形
TokenCloud的加入，补上了迅策产品体系中更靠近底层算力的一环。
迅策此前的AIDP主要负责数据采集、清洗、标注和建模，将企业原始数据转化为模型可用的数据资源；今年上半年推出的TokenOS进一步把企业私域数据精炼为高密度场景Token；TokenCloud则补入模型训推、硬件选型和算力优化。三者连接后，“算力—数据—Token—模型—应用”的链路进一步贯通。
再观察行业，Lambda、Nscale等新型AI云厂商快速崛起，Anthropic近期也分别与两家公司签下数百亿美元级算力协议——产业重心逐渐向算力供给与使用效率倾斜。可见，迅策已经抓准赛点，其切入点落在企业内部大量尚未充分AI化的私域数据，将其进一步转化为可供AI使用的Token，并向模型训推和算力优化延伸。
目前，迅策产品体系已覆盖金融、电信、电力、能源、高端制造、生物医疗、机器人训练、商业航天、低空经济等11个高价值行业；上半年Token业务已进入生物医药、能源调度和工业质检等场景。
例如，近年来快速升温的AI for Science，高度依赖专业数据、垂直模型和高效率计算。迅策在高度垂直领域已经有了数据处理和场景基础，TokenOS与TokenCloud继续补入专业Token、模型和算力能力，承接专业AI对数据质量和计算效率不断提升的需求。
2026年上半年，迅策收入9.67亿元，同比增长389%；多元行业收入占比升至88%，Token业务收入大幅提升，ARPU同比增长约240%至556万元，证明迅策在多元行业已经具备基础，价值有望继续释放。
机构对迅策的Token业务布局表示一致看好：德意志银行将TokenOS与TokenCloud概括为迅策AI数据基础设施的“双引擎”，维持“买入”评级及351港元目标价；华泰证券同期维持“买入”评级及239.11港元目标价，看好其Token业务放量及算力生态拓展。
由此观之，AI的价值竞争已经延伸至Token生产与使用效率。迅策以行业数据为基础，通过TokenOS与TokenCloud继续向模型和算力延伸，其作为AI基础设施的商业边界也随之扩大。
