迅策科技管理层：在专业化场景，客户的付费意愿主要看业务结果价值

（原标题：迅策科技管理层：在专业化场景，客户的付费意愿主要看业务结果价值）

经济观察报 记者 老盈盈 

8月24日，实时数据基础设施及分析解决方案供应商迅策科技（03317.HK）召开“2026年中报投资者调研与专家交流活动”。迅策科技首席技术官杨阳、首席科学家唐博、董事会秘书陈婉婞等管理层出席交流。

财报显示，2026年上半年，该企业实现营业收入约9.67亿元，较去年同期大幅增长388.76%，创同期历史新高；实现归母净利润7251万元，扭亏为盈。

2016年至2019年间，迅策科技以资产管理行业为起点，通过数据获取、清洗、标准化、建模等步骤为企业进行数据分析和处理。2020年至2025年间，该公司将该模式复制至电信、电力、能源、高端制造、医疗健康、机器人及商业航天等其他行业，商业模式以年度订阅费和项目设立费为主。进入2026年，迅策科技开始打造数据Token（词元）化的能力，商业模式新增了“Token付费模式”。

迅策科技管理层表示，对于会议记录、内容总结、报告撰写等简单场景，大模型输出效果已经优于人工，但在专业化场景中，仅靠大模型还不够。例如质检，要保证极高的残次品检出率，单纯靠大模型无法完全解决。

该企业管理层分享了一个场景Token模式在高端制造领域的落地案例：一家主营高端PCB（印制电路板）和封装基板的企业，此前在进行高多层、高密度产品的扩产。扩产之后，层数更高、孔径更小，工艺更加精细，给企业带来很大的品控压力；企业的核心诉求是把AI智能检测和质量数据打通形成闭环，在扩产的同时，稳定产品质量与交付水平。

迅策科技管理层称，他们与上述企业进行深度沟通后，梳理出该企业的三大核心痛点：第一，质量风险发现滞后，缺陷往往到终检环节，甚至出货之后才被下游客户发现，带来严重返工和客户投诉；第二，传统人工加上AI检测的速度，赶不上产线节拍，严重制约整体产能；第三，由于缺乏统一的标准，导致原检测模型绑定特定产线，每新建一个基地或导入新产品，都要重新投入大量成本。

针对以上痛点，迅策科技给出了两大解法：一是质量防线前移；二是提供可复制的底层能力。迅策科技管理层称，他们帮助企业将AI质检嵌入到背钻、激光钻孔等前序关键工序，产线实现从过去的抽检升级成全检。方案落地之后，客户出货良率、检测效率大幅提升。

迅策科技管理层表示，在专业化场景下，企业的付费意愿主要看业务结果价值。真正专业的To B（针对企业）服务不是靠单一技术解决问题，还要针对业务场景进行数据整理、优化训练、应用开发、整合资源，最后才能完成落地交付。比如，在前述案例中，他们交付的不是一套通用软件，而是用私域专业数据帮助企业训练专属模型，搭建业内稀缺的高质量缺陷样本库，支撑复杂场景下的精准识别，在高速产线下完成100%全检。同时，模型还可以持续迭代进化。

据记者了解，2026年下半年，迅策科技计划推出全球Token交换平台，打通跨企业、跨行业、跨场景的Token流通壁垒，使高质量场景Token在安全、合规、可审计的前提下实现跨主体价值交换。届时，该企业的商业模式有望从“Token调用收费”升级为“平台化生态收费”。