科技行业动态点评：场景Token重塑AI应用商业模式

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 科技 场景 Token 重塑 AI 应用商业模式 华泰研究 科技 增持 (维持) 计算机 增持 (维持) 郭雅丽 研究员 SAC No. S0570515060003 SFC No. BQB164 guoyali@htsc.com +(86) 21 3847 6016 徐诚伟* 联系人 SAC No. S0570125070089 xuchengwei@htsc.com +(86) 21 2897 2228 行业走势图 资料来源：Wind，华泰研究 2026 年 4 月 15 日│中国内地 动态点评 此前市场受“大模型吞噬软件”叙事压制，AI 应用板块较算力/模型端估值折价显著，我们认为这一定价逻辑存在误判，AI 时代定价逻辑围绕 Token展开，形成算力层、模型层、应用层三层加价结构，其中应用层场景 Token的价值重构或尚未被市场充分定价。终端企业用户购买的不是 Token 而是业务结果，AI 应用层通过私有数据和行业 Know-how 赋能，使通用模型Token 获得更大价值，因此可以收取更高的 Token 价格。在 ROI 明确的场景，AI 应用厂商正积极探索按 Token 消耗量付费及按效果付费等新商业模式，将收费来源从采购预算迁移至业务超额收益，更大的增量市场正在开启，因此我们积极看好板块投资机会。业绩成长性高、估值低位、已有按 Token消耗量/按结果付费收入的优质 AI 应用标的有望获得市场关注，产业链相关公司有迈富时、税友股份、中控技术、滴普科技等。 算力-模型-场景三层 Token 结构，场景 Token 价值尚未挖掘 AI 时代定价逻辑围绕 Token 展开，形成三层加价结构。1）算力层为 Token的物理生产，加价来源为资源稀缺性与规模降本，推理侧 Token 消耗量指数级增长推动算力链条持续涨价，如算力租赁环节已在探索 Token 分成新商业模式。2）模型层为 Token 的智能密度，加价来源为智能密度溢价，大模型厂商 Token 价格的分层反映了智能水平的分层。3）应用层为 Token的场景转化率，加价来源为私有数据×行业 Know-how×合规价值，核心价值在于将行业私有数据与专业 Know-how 赋能 Token 的使用过程，使单位Token 投入的业务价值最大化。市场持续演绎算力层与模型层的受益逻辑，应用层 Token 价值尚未被挖掘，但曙光已现。 “大模型吞噬软件”存在核心误判，Agent 有望开启更大的增量市场 “大模型吞噬软件”叙事对 AI 应用板块造成相当大的估值压制，我们认为存在两大核心误判。其一，算力支出激增将挤压 AI 应用的企业 IT 预算。我们认为，企业整体 IT 投入是在增加的，AI Agent 原生应用正在争夺传统软件预算以及企业的人力预算、营销预算及运营预算；按结果付费与利润分成模式更将 AI 应用的收费来源从采购预算迁移至业务超额收益，更大的增量市场正在开启。其二，AI Coding 能力提升后企业可自行开发应用、无需外购。我们认为，企业 AI 应用的价值从来不在于代码本身，AI Coding 使代码生成成本趋近于零，反而使非代码价值（如数据积累、业务理解/工程判断、效果承诺/风险承担）的权重进一步上升，AI 应用厂商竞争优势是上升的。 我们建议重视 AI 应用板块的配置机遇 AI 数据服务商迅策创新性提出 Token 化收费模式，今年以来股价大幅上涨得到资本市场认可，仍有更多优质 AI 应用公司估值处于低位，具备挖掘价值。业绩成长性高、估值低位、已有按 Token 消耗量/按结果付费收入的优质 AI 应用标的有望获得市场关注，产业链相关公司有迈富时、税友股份、中控技术、滴普科技等。 风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。本研报中涉及到未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 (1)16334966Apr-25Aug-25Dec-25Apr-26(%)科技计算机沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 科技 算力-模型-场景三层 Token 结构，场景层价值尚未挖掘 AI 时代定价逻辑围绕 Token 展开，形成算力-模型-场景 Token 三层加价结构，其中应用场景层 Token 的价值重构或尚未被市场充分定价。Token 是 AI 产业链上流通的基本价值单元，与传统软件产业按功能模块定价不同，AI 时代的定价逻辑围绕 Token 展开，每一层产业主体在传递 Token 的同时，对其附加不同性质的增值，形成从算力到模型、再到应用的三层加价结构。理解这一结构，是理解 AI 时代软件产业价值分配的基础。目前算力层和模型层正在持续演绎，而应用场景层 token 价值尚未被挖掘。 Token 经济学：三层价值增值逻辑 第一层：算力层-Token 的物理生产 算力基础设施是 Token 的铸币机，其定价锚点是每 Token 的推理与训练成本。这一层的经济特征是固定成本极重、边际成本随规模递减，超额收益来自资源稀缺性或规模领先带来的成本优势，算力层本身缺乏差异化，长期竞争终将压向成本，核心价值在于卡位与规模。 第二层：模型层—Token 的智能密度 模型层为 Token 的智能密度，同等数量的 Token，承载的信息质量因模型能力不同而产生显著差异。模型层的加价逻辑在于智能密度溢价，即单位 Token 能解决问题的质量上限。这一层的壁垒来自训练数据与算力的先发优势，但随着高质量开源模型持续涌现，溢价空间面临结构性压缩，倒逼模型厂商向上游控算力或向下游做应用。 第三层：应用层—Token 的场景转化率 应用层为 Token 的场景转化率，其核心价值是将行业私有数据与专业 Know-how 注入Token 的使用过程，提升单位 Token 投入所能兑现的业务价值。具体机制体现在四个方面：通过 RAG 与微调，用私有数据压缩完成任务所需的 Token 消耗；通过 Prompt 工程与 Agent编排，减少无效 Token，提升任务完成的 Token 转化率；通过行业知识图谱，确保模型输出符合行业规则、合规要求与实际可操作性；通过效果承诺（按结果付费、对赌 KPI），将自身商业利益与客户业务结果深度绑定。终端用户购买的不是 Token，而是业务结果，应用层赚取的是 Token 投入与业务产出之间的效率差价。 数据飞轮使应用层护城河持续加深。上述三层结构并非静态，应用层的价值壁垒存在内生的自我强化逻辑：终端用户的持续使用沉淀出更丰富的行业语料与反馈信号，反哺模型在垂直场景的微调与迭代，进一步提升单位 Token 的场景转化率，应用层因此获得更强的效果承诺能力与更高的定价权，吸引更多客户使用，驱动数据飞轮加速运转。这一飞轮机制意味着：真正拥有数据资产的应用厂商，随着 AI 基础能力的整体提升，其相对优势不会收窄，而会持续扩