截至8月10日午間，港股市場溫和回升，恒生指數上漲0.72%，恒生科技指數上漲0.37%。不過，人工智能闆塊内部并非普漲：中芯國際下跌2.09%，華虹宏力下跌3.05%，智譜上漲1.04%，資金在算力、模型與應用之間繼續分化。
企業級人工智能公司同樣表現不一。迅策科技上漲5.53%，邁富時(02556.HK)上漲2.19%，報44.88港元，盤中最高觸及47港元，半日成交額約2.38億港元;滴普科技下跌3.71%，深演智能下跌3.68%。
宏觀層面，市場一方面關注國内增長與物價數據，另一方面等待本周美國通脹、生産價格和零售數據，以判斷全球利率環境。對科技股而言，流動性仍會影響短期估值，但随着财報季深入，市場的關注點正在逐漸回到一個更實際的問題：高額人工智能投入能否形成收入、利潤和現金流。
因此，今天的盤面更适合作為觀察入口，而不是文章結論。真正值得讨論的是，在人工智能産業從基礎能力競争走向應用回報驗證的過程中，邁富時為何呈現出相對不同的經營特征。
從普漲轉向分化，市場開始看“商業化成色”
過去一段時間，港股人工智能行情主要圍繞算力、芯片、基礎模型和智能體展開。随着相關公司密集上市并披露業績，僅憑技術标簽獲得統一估值的階段正在過去。
8月10日上午，上遊芯片股走弱，模型企業表現分化，企業應用公司也未同步上漲。這種結構說明，資金正在比較不同企業的産業位置和商業化進度。
迅策科技更接近實時數據基礎設施，解決企業數據采集、清洗、标準化和實時計算問題;滴普科技處于數據平台與行業解決方案之間;深演智能主要聚焦廣告投放、營銷決策和數據管理;邁富時則從獲客、銷售轉化和客戶運營切入，更靠近企業收入端。
這些公司都可以受益于人工智能應用擴張，但财務表現并不相同。
不同企業的收入确認方式和會計口徑存在差異，不能進行機械排名。不過，從現有數據看，行業真正稀缺的并非單純高增長，而是收入規模、增長速度、利潤和現金流能夠同時改善。
Palantir之後，FDE成為應用落地的關鍵詞
Palantir最新季度實現收入約19.4億美元，同比增長93%;美國商業收入達到7.64億美元，同比增長149%。公司調整後經營利潤率達到62%，調整後自由現金流約12.2億美元，“Rule of 40”指标達到155%。
财報發布後，Palantir股價單日上漲29.5%，随後仍保持較強表現。市場認可的不隻是收入超過預期，更是企業人工智能已經可以同時産生增長、利潤和現金流。Palantir業績及市場表現
Palantir的商業化能力與FDE模式密切相關。FDE即前線部署工程師，其職責不是簡單駐場安裝，而是進入客戶業務現場，理解數據、規則和流程，再将這些知識轉化為可執行的智能體和工作流。
FDE通常要完成幾個環節：
找到值得人工智能介入的業務問題;整理并連接企業内部數據;将行業知識和業務規則結構化;根據效果、速度和成本選擇模型;把模型嵌入現有工作流;以實際業務指标驗證效果;将項目經驗沉澱為可複制産品。
這一模式解釋了為什麼基礎模型越來越強，并沒有自動削弱企業應用平台的價值。模型可以提供通用能力，但很難天然理解一家企業的客戶關系、審批規則和經營目标。
邁富時與Palantir并非直接可比公司，但FDE提供了一個觀察邁富時的适用框架：公司能否把多年積累的營銷、銷售和客戶運營經驗，轉化為可以重複部署的智能體?
邁富時優勢一：應用更靠近企業收入端
邁富時與部分同業最明顯的區别，是其主要場景集中在企業增長鍊路。
實時數據基礎設施解決的是“數據能否及時使用”;營銷決策平台更多解決“廣告如何投放”;邁富時試圖連接的是從客戶識别、銷售跟進到持續運營的完整流程。
這一定位的價值在于，效果相對容易衡量。
如果智能體能夠幫助企業篩選高意向線索、縮短銷售跟進時間、提高客戶轉化率或降低重複運營成本，客戶可以将産品費用與新增收入或成本節約進行比較。
例如，在某頭部新能源車企項目中，服務團隊并非簡單部署一個對話工具，而是先整理銷售錄音、試駕線索和成交記錄，再把高意向客戶識别、錄音質檢、話術推薦及後續跟進拆分給不同智能體。
在另一家全球能源企業的産品選型場景中，FDE團隊需要先把産品手冊、适用條件和技術人員經驗結構化，智能體才能根據客戶設備、環境及規格要求提供産品建議，并将高價值需求轉交銷售人員。
這些項目的共同點，是人工智能直接進入收入相關流程，而不是停留在内容生成和内部問答。
邁富時優勢二：客戶基礎降低應用推廣成本
企業級人工智能項目往往面臨一個現實難題：技術可以快速開發，但客戶數據、業務規則和内部信任需要長期積累。
邁富時長期服務營銷、銷售和客戶運營場景，覆蓋汽車、消費零售、制造、金融、醫療健康、文旅及跨境業務等行業。相較從零開始尋找客戶的人工智能創業公司，其可以在原有企業客戶基礎上推廣智能體産品。
這帶來兩方面潛在優勢。
一方面，曆史業務幫助公司理解企業增長流程，減少從技術展示到實際部署之間的距離;另一方面，不同行業項目可以為标準化産品提供訓練樣本。
例如，汽車項目中沉澱的線索評分、對話質檢和銷售建議能力，可以進一步形成行業組件;零售項目中的客戶分層、商品推薦和運營分析，也有機會被複制到相似企業。
客戶數量本身并不等于壁壘。真正的壁壘是能否把分散項目沉澱為通用模塊，從而讓收入增長不再完全依賴人員增加。從邁富時的業務基礎看，公司具備形成這一循環的條件。
邁富時優勢三：多模型策略有利于提高ROI
企業部署人工智能，并不需要每項任務都使用能力最強、成本最高的模型。
簡單的信息提取、分類和标準問答，可以使用成本較低的模型;複雜分析和推理任務，再調用更強模型。涉及敏感業務數據的場景，還可能需要本地化或專屬環境部署。
邁富時采用多模型接入策略，可以根據任務效果、響應速度、數據要求和調用成本進行選擇。其價值不隻是“能夠連接多個模型”，而是能否以較低成本完成客戶需要的工作。
這與當前市場讨論的Token優化邏輯一緻：企業最終關注的不是消耗了多少Token，而是每一元模型成本帶來了多少收入、效率提升或風險降低。
當模型能力繼續提升、使用成本總體下降時，應用平台能夠獲得成本端改善;如果客戶願意按照場景使用和業務結果持續付費，利潤彈性則可能進一步釋放。
邁富時優勢四：從項目交付走向場景産品化
FDE模式也存在一個潛在問題：如果每個客戶都需要大量工程師重新開發，收入規模會受到人員數量限制。
因此，判斷一家FDE型企業能否形成長期價值，關鍵在于項目經驗能否産品化。
邁富時的路徑可以概括為兩步：
第一步，工程和業務團隊進入客戶現場，解決數據、模型與工作流連接問題;第二步，将項目中的行業知識、任務流程和智能體能力封裝為标準組件，再應用到更多客戶。
某文旅及農特産零售項目便體現了這一思路。公開案例資料顯示，智能體與客戶運營及商城體系結合後，項目訂單量環比增長35%，銷售額提高40%。在某大型連鎖零售集團項目中，智能體平台則連接品牌經營、用戶運營和數據分析，為管理團隊提供經營洞察。
個别項目數據不能直接代表所有客戶，但它們說明邁富時正在嘗試把人工智能從單點功能延伸至完整業務鍊路。
邁富時優勢五：規模、利潤和現金流開始同步驗證
相較同業，邁富時當前最值得關注的并非某個技術标簽，而是财務指标開始形成組合。
公司2025年實現收入28.18億元，同比增長80.8%;經調整淨利潤約1.52億元，同比增長91.3%，人工智能應用業務經營性現金流首次實現約1.9億元淨流入。
根據2026年中期盈利預告，公司預計上半年實現：
收入約18.58億至20.54億元，同比增長100%至121%;
人工智能應用業務收入約10.68億至11.80億元，同比增長112%至134%;
歸母淨利潤約1.82億至2.22億元，同比增長386%至494%。
若正式業績落在預告區間，人工智能應用收入占比約為57%，上半年歸母淨利潤下限也将超過2025年全年水平。
迅策已經顯示出階段性盈利拐點，但全年經調整業績仍為虧損;滴普收入增長較快，但虧損規模依然較大;深演智能保持盈利，不過收入增長和利潤趨勢相對承壓。
在這一背景下，邁富時呈現出的相對優勢，是收入規模較大、核心業務保持較快增長，同時利潤和經營現金流已經開始改善。
今日上漲隻是切入口，中報才是關鍵驗證
截至8月10日午間，邁富時上漲2.19%，迅策漲幅更高，而滴普和深演智能均出現調整。因此，AI應用層邁富時等企業的短期行情可能受到資金、成交量和市場情緒影響，并不能單獨證明企業價值。
真正決定邁富時等這類後續表現的，仍是即将發布的中期業績能否回答幾個問題：
人工智能應用收入具體由哪些産品和場景貢獻;
毛利率是否在業務擴張過程中保持穩定;
費用率是否随着規模增長繼續改善;
經營現金流能否與利潤同步提高;
智能體使用頻率、續約率及單客收入是否增長;
FDE項目能否持續沉澱為标準化行業産品;
海外與跨境業務是否形成可量化收入。
今天的港股表現顯示，市場仍在交易人工智能，但不再對所有環節給予相同定價。算力、模型、數據平台和行業應用都有各自機會，區别在于誰能更早形成可驗證的商業閉環。
邁富時的相對優勢，正是已經具備企業客戶、增長場景、多模型調度、場景Token落地的豐富經驗，這一點從該企業的一系列不同行業、不同場景需求的客戶案例的落地中，就已得到初步的驗證，且盈利預告的财務數據也基本驗證該商業模式的可行性與盈利能力。
接下來的中報若能進一步驗證，那麼，該企業的這些優勢不僅能夠帶來階段性收入增長，也足以自證該企業的場景Token價值鍊，或将為其提供：能夠持續轉化為利潤、現金流和可複制的企業級AI業務驅動的增長飛輪，這或許也正是該企業以“全棧Token工廠”為定位的原因吧。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
