迈富时(02556.HK)场景Token为媒的AI价值转换器

迈富时（02556.HK）并非算力提供商，而是通过自建智算基础设施保障AI应用的交付能力，其核心价值在于将底层算力转化为企业可感知的“场景Token”（即能直接带来业务结果的AI调用）。与Anthropic（开发Claude大模型的公司）等大模型厂商的关系是模型调度与集成合作，而非直接竞争；检索信息中未明确提及Cerebras（AI芯片公司），但迈富时主要通过华为云、阿里云等生态伙伴间接使用算力资源，而非直接依赖单一芯片厂商。

一、迈富时与算力的关系

1. 算力是“场景Token”闭环的基础设施

迈富时并非单纯提供算力租赁服务，而是将自建智算基础设施作为保障AI应用交付的关键环节。其核心逻辑是：企业客户为AI调用产生的业务结果付费（如销售转化、客服提效），而非单纯为算力消耗买单。因此，公司需确保算力供应的稳定性与成本可控性，以支撑“场景Token”的规模化交付。

2026年5月15日，迈富时宣布以市价配股融资约5亿港元，所得款项净额100%用于智算基础设施建设，包括采购GPU服务器、组网、AIDC租赁及模型管理平台开发。此举旨在强化“算力+场景”闭环，避免因外采算力导致成本波动影响毛利率。

2. 算力布局的核心目标：服务下游场景需求

迈富时的算力建设逻辑是“客户场景驱动算力补强”，而非“先建算力再找客户”。公司已积累超21万家企业客户，覆盖营销、销售、客服等高频业务场景，AI员工需7×24小时持续调用算力。自建算力底座可保障Token消耗的稳定性，避免因外部算力短缺或价格波动影响客户体验。

例如，其AI-Agentforce智能体中台需实时调度多模型任务（如线索分析、合规审核），若依赖外部算力，可能因资源争抢导致响应延迟。自建智算设施则能优先保障核心客户的Token消耗需求，提升交付可靠性。

二、迈富时与Anthropic等大模型公司的关系

1. 模型调度与集成：中立化合作策略

迈富时采用模型中立架构，支持包括Anthropic的Claude、OpenAI的GPT、通义千问、DeepSeek等主流大模型的多模型融合调度。其核心能力在于根据任务需求自动切换模型（如简单查询用小模型降本，复杂分析用大模型提效），客户无需感知底层模型差异。

公司明确表示不做通用大模型研发，而是作为“连接通用大模型与垂直商业场景的枢纽”。例如，其KnowForce AI知识中台会将企业私有数据注入Claude等模型，生成符合行业规则的输出（如金融合规话术），解决“模型能力强但业务适配弱”的问题。

2. 与Cerebras等芯片公司的关系：间接依赖生态

检索信息中未直接提及迈富时与Cerebras的合作。其算力供应链主要通过华为云、阿里云、腾讯云等公有云服务商获取，而非直接采购芯片。2025年12月，公司与百度、阿里云等达成战略合作，打通“算力基础设施—数据要素—智能体应用”全链路。

迈富时的定位是应用层平台，对芯片厂商的依赖程度较低。其自建智算设施更关注GPU服务器集群的部署与调度效率，而非芯片设计。若需高性能算力，会通过云厂商间接使用Cerebras等厂商的解决方案，但不直接参与芯片层竞争。

三、关键差异：迈富时 vs 纯算力/模型公司

1. 价值重心不同

算力公司（如英伟达）：聚焦降低单位Token生产成本，目标是成为“Token工厂”。

大模型公司（如Anthropic）：追求模型参数规模与推理能力，提供基础Token。

迈富时：以“全栈Token工厂”为战略定位，专注于将基础Token转化为“场景Token”，例如将客服对话的Token消耗直接关联到客户留存率提升，企业为业务结果付费，而非单纯为调用量买单。

2. 商业模式验证

迈富时已实现从传统SaaS年费订阅向“Token消耗+效果分成”混合计费转型。2026年Q1，其AI应用业务收入同比增长110.5%，且KA客户ACV（平均合同金额）提升60.6%，证明企业愿为可量化的业务结果持续付费。

相比之下，纯算力公司依赖出租率与价格竞争，而大模型公司仍面临商业化瓶颈（如Anthropic主要通过API调用收费，尚未形成场景化结果绑定）。

迈富时与算力的关系本质是以应用需求反向牵引算力建设，通过自建智算底座保障“场景Token”的稳定交付；与Anthropic等大模型公司的合作聚焦模型调度与行业适配，而非直接竞争。其核心壁垒在于将算力消耗转化为客户可衡量的业务价值，而非单纯提供算力或模型能力。当前AI产业链中，能同时打通“算力-模型-场景”闭环的企业仍属稀缺，这也是其被市场称为“全栈Token工厂”的关键原因。