宇树科技网上发行最终中签率仅为0.0181%，再次将市场对人工智能产业化的关注推向高点。

按照相关发行数据计算，宇树科技发行后市值约609亿元。一个曾经活跃在知乎和B站的年轻工程师，带着机器人走到资本市场聚光灯下；一个原本更多存在于实验室和科技展会中的产业，也正在加速进入产品化、规模化和商业化阶段。

与此同时，日前举行的沙利文新智生产力论坛，把讨论焦点从单一产品进一步延伸至AI存算基础设施、算力建设运营、计算芯片和产业生产力重构。

一边是宇树科技带来的具身智能热潮，一边是算力基础设施持续扩张。两个热点背后，其实指向同一个问题：

当算力越来越充足、模型越来越强、智能硬件越来越多，谁能把这些技术真正转化为企业可以使用、能够衡量并愿意持续付费的生产力？

答案可能不只在芯片和大模型，也在产业链更靠近客户的一端。

迈富时提出的“全栈Token工厂”，正试图补上这关键一环。

算力是AI的生产资料，Token是智能的基础单位

人工智能产业正在形成一条越来越清晰的价值链。

芯片、服务器和智算中心提供算力资源；大模型把算力转化为理解、推理和生成能力；智能体平台连接企业数据、知识和业务工具；最终，企业智能体进入营销、销售、客户服务、经营分析、研发和企业出海等具体流程，完成真实任务。

如果把这一过程比作工业生产，那么算力是能源和厂房，模型是生产设备，Token是流水线上不断被加工的基础单位。

但企业真正需要购买的，并不是一堆未经加工的原材料。

企业不会仅仅因为模型多生成了几段文字、消耗了更多Token，就愿意增加长期预算。客户真正关心的是：人工智能是否帮助企业找到更多客户，是否提高了销售转化，是否缩短了响应时间，是否降低了运营成本，是否让员工从重复劳动中释放出来。

这正是迈富时“全栈Token工厂”与普通模型调用平台的差异所在。

迈富时关注的不只是模型消耗了多少技术Token，而是这些Token经过算力、模型、企业数据、知识和智能体的共同加工之后，最终为客户完成了什么任务、解决了什么问题、创造了什么业务结果。

换句话说：

上游生产的是模型能够处理的Token，迈富时要生产的是企业愿意付费的场景Token。

从“会对话”到“会工作”，企业智能体开始进入经营流程

过去两年，很多企业都经历过类似的人工智能应用路径。

第一步是接入模型，第二步是建设知识库，第三步是尝试智能体。但真正投入使用后，企业往往发现：模型可以回答问题，却未必理解业务规则；智能体可以生成内容，却未必能调用企业数据；系统可以做出建议，却未必能够推动任务真正完成。

这也是不少人工智能项目停留在试点阶段的重要原因。

企业需要的并不是一个更聪明的聊天窗口，而是一名能够在权限范围内理解企业知识、连接业务工具、执行具体任务并持续优化的“AI员工”。

迈富时的企业智能体体系，正是围绕这一需求展开。

在营销场景中，企业智能体可以辅助内容生产、品牌触达和客户线索识别；在销售场景中，可以围绕商机跟进、客户分析和销售辅助进入具体流程；在客户运营场景中，可以承担知识检索、服务响应和任务分派；在经营分析和企业出海场景中，则可以帮助企业处理跨系统信息、市场分析和多语言业务任务。

这些场景的共同特征是：与企业日常经营距离较近，任务频率较高，效果也相对容易被验证。

人工智能是否提升了线索获取效率、销售转化率和客户响应速度，是否降低了重复性人力投入，最终都可以通过经营指标进行检验。

这使迈富时的企业智能体不只是一个技术产品，更有机会成为企业经营流程中的新型生产单元。

“全栈”不是把所有技术都重做一遍，而是打通AI落地链路

对于迈富时而言，“全栈Token工厂”的“全栈”，不应被简单理解为从芯片到模型全部自己制造。

它更重要的含义，是打通从算力供给、模型适配、企业数据和知识治理，到智能体构建、运行管理及场景交付的完整链路。

在底层，企业需要稳定、可调度的算力和多模型支持；在中间层，企业需要把分散在不同系统和部门中的知识组织起来，让人工智能真正理解企业；在应用层，企业需要通过智能体完成营销、销售、服务、研发及经营分析等任务。

如果这些环节彼此割裂，企业就需要分别处理云资源、模型接口、数据权限、知识库和业务应用，人工智能落地的复杂度和成本都会明显上升。

迈富时的价值，是把这些原本分散的能力组织成一套企业级人工智能生产体系。

依托企业级知识中台、智能体中台和AI原生操作系统，迈富时试图让企业智能体具备知识理解、任务规划、工具调用、协同执行和持续治理的能力；再通过全栈Token工厂，将这些能力加工为可以在不同客户和行业中部署的场景Token。

因此，迈富时真正的竞争力不只是拥有某一个模型或某一款工具，而是能否持续把快速变化的底层技术，转化为稳定、可管理、可复用的企业能力。

企业客户和行业积累，让AI更容易跨越“最后一公里”

人工智能进入企业，并不是一个纯技术问题。

同样一个销售智能体，在制造、零售、金融服务和企业服务行业中，需要理解的产品结构、客户关系、决策链条和合规要求可能完全不同。如果缺少行业知识和业务经验，即使模型能力足够强，也可能停留在表层辅助。

迈富时长期服务企业营销、销售和客户运营场景，其优势之一，就是更接近企业的真实经营流程。

这种场景积累，使其能够更清楚地识别哪些任务适合交给企业智能体，哪些流程需要人与智能体协同，哪些结果可以被量化，以及哪些环节必须保留权限控制和人工审核。

更重要的是，平台可以把一次项目中形成的知识结构、流程组件和智能体能力沉淀下来，在符合客户数据与权限边界的前提下，形成可以复用的行业方案。

这意味着，迈富时需要解决的不只是“为一家企业做好一个项目”，还包括“如何让已经验证的智能体能力在更多企业中快速部署”。

平台化能力决定复制效率，行业理解决定落地深度，客户基础则为产品迭代和场景验证提供土壤。这三者结合，构成了迈富时企业智能体业务的重要基础。

从购买工具到购买结果，AI商业模式正在改变

传统企业软件更多按照席位、模块或使用期限收费。进入企业智能体时代，客户越来越关注人工智能究竟完成了多少任务、创造了多少效果。

因此，AI应用的收费方式也可能逐渐从单纯订阅，扩展至调用量、任务量、效果及场景Token等多元方式。

迈富时提出“场景Token”，本质上是在尝试建立技术资源消耗与客户业务价值之间的对应关系。

模型Token主要反映一次调用消耗了多少技术资源；场景Token则更强调这次调用经过知识、工具和工作流加工后，最终完成了怎样的业务任务。

从模型Token到场景Token，看似只是计量方式改变，背后却是AI应用商业逻辑的变化：

企业从购买一个功能，转向购买一项可以持续运行的生产能力；人工智能公司也从交付工具，转向与客户共同创造结果。

如果这种模式能够在更多行业和客户中得到验证，迈富时的收入就可能与智能体的使用深度、任务规模和客户价值形成更紧密的联系。

当然，这一模式仍需要通过客户采用率、续费表现、单位交付成本、毛利率和现金流等指标持续验证。但从产业方向看，把AI价值从“模型能力”推进到“业务结果”，已经成为企业级人工智能商业化的核心命题。

宇树科技与迈富时，回答的是同一道产业题

宇树科技代表的是人工智能走向物理世界的探索。

它需要证明，机器人不仅可以完成令人惊艳的动作展示，还能够稳定进入制造、巡检、物流和服务等真实场景。

迈富时代表的是人工智能走向企业经营世界的探索。

它需要证明，企业智能体不仅能够生成内容和回答问题，还能够理解知识、调用工具、执行流程，并为企业创造可以衡量的经营结果。

二者处于不同赛道，却面对同一个产业问题：

人工智能如何从“技术可行”走向“商业可行”？

宇树科技需要跨越从机器人产品到规模化行业应用的鸿沟；迈富时则通过全栈Token工厂，尝试跨越从模型调用到企业生产力的鸿沟。

沙利文新智生产力论坛对算力、存储、芯片和产业应用的集中讨论，也表明人工智能产业正在从单点竞争走向系统竞争。

算力决定人工智能能否大规模生产，模型决定智能能力的上限，而场景决定商业价值的终点。

沿着这一逻辑看，迈富时的价值不在于追逐每一个模型热点，而在于建立一套能够不断吸收上游技术进步，并将其持续转化为企业生产力的系统。

宇树科技0.0181%的中签率，体现了资本市场对人工智能产业化的热情；沙利文新智生产力论坛，则把市场视线进一步引向算力基础设施和生产力重构。

但算力建设只是人工智能产业的起点。

只有当算力被模型有效利用、模型被企业智能体组织、智能体进入工作流并创造经营结果，人工智能才真正成为生产力。

如果说上游算力基础设施是在建设AI时代的“电网”，那么迈富时的全栈Token工厂，就是把这些智能资源接入企业的营销、销售、客户运营和经营管理现场。

从技术Token到场景Token，从模型调用到企业智能体，从购买工具到购买结果——这可能正是AI下半场最重要的商业化路径。

而迈富时正在试图成为这条路径上的关键连接者