上证报中国证券网讯（记者 黎灵希）日前，迅策科技在深圳总部举办“2026年中报投资者调研与专家交流活动”。会上，公司管理层表示，将紧抓企业AI落地带来的需求增长机遇，加快推进在各行各业的拓展。今年上半年，公司Token业务模式已得到验证，收入大幅提升，下半年该业务营收占比有望达到20%至30%，将成为公司新的商业模式下的核心增量来源。 据介绍，当前，企业AI落地需求加速释放、数据要素市场化进程全面提速，迅策科技紧抓时代机遇，加速落地Token业务模式，构建AI To B一体化平台服务，为客户提供从数据治理到模型部署的一站式AI基础设施。 上半年迅策科技实现营收9.67亿元，同比增长389%，创下同期历史新高；归母净利润7251万元，去年同期归母净亏损约8940万元，实现首个上半年度盈利；经调整净利润为6700万元。 跑通Token业务模式同时，迅策科技也在产品矩阵完善、多元化行业拓展及国际化布局取得进展。据悉，公司已将AI实时数据处理能力延展至电信、电力、能源、城市运营、高端制造等11大行业。 谈及企业的付费意愿，迅策科技管理层表示，在专业化场景里，客户付费的意愿和能力更多还是针对具体业务价值和成果。真正To B的专业化服务，往往涉及硬件、软件、硬软结合，以及针对业务场景的数据整理、优化训练和应用开发。迅策的工作思路，始终是面向场景去设计和整合所有相关资源，最终按结果交付。 业绩说明会上，来自数据要素与AI领域权威的多位专家围绕数字经济发展趋势、企业数据治理痛点、数据Token化商业模式、行业智能化升级方向、数据安全合规及全球化机遇等议题展开深度对话。 针对未来AI基础设施和智能化升级的重点行业，上海自主智能无人系统科学中心主任何斌认为，Token化是将企业数据转化为可供大模型调用的资产的关键步骤。当前，信息密集型行业进展较快，而能源、矿业、制造等传统行业由于数据基础薄弱，仍相对滞后。但随着物理AI的发展，各行业对数据驱动和模型训练的需求将急剧增加，传统行业将迎头赶上。 北京中关村学院＆中关村人工智能研究院研究员林镇阳则给出了两个值得重点关注的方向：一是科学领域，AI正推动科研进入以数据为驱动的第四范式。国际上已出现大规模投资，围绕AI加速科研探索会催生大量数据处理、智能算法工具的需求。二是泛健康领域，如情绪、心理、脑科学等，大语言模型构筑了群体知识库，但在个体身心连接、认知盲区探索方面仍有巨大空间。这些领域一旦突破，将伴随大规模的产业化进程，最终AI要回归到服务人本身。 此外，在行业拓展方面，多位专家表示，除金融、制造、电力、新能源等已形成明确需求的领域外，智能汽车、低空经济、生物医疗、商业航天等新兴行业正成为数据智能化升级的重要市场。

上证报中国证券网讯（记者 黎灵希）日前，迅策科技在深圳总部举办“2026年中报投资者调研与专家交流活动”。会上，公司管理层表示，将紧抓企业AI落地带来的需求增长机遇，加快推进在各行各业的拓展。今年上半年，公司Token业务模式已得到验证，收入大幅提升，下半年该业务营收占比有望达到20%至30%，将成为公司新的商业模式下的核心增量来源。

据介绍，当前，企业AI落地需求加速释放、数据要素市场化进程全面提速，迅策科技紧抓时代机遇，加速落地Token业务模式，构建AI To B一体化平台服务，为客户提供从数据治理到模型部署的一站式AI基础设施。

上半年迅策科技实现营收9.67亿元，同比增长389%，创下同期历史新高；归母净利润7251万元，去年同期归母净亏损约8940万元，实现首个上半年度盈利；经调整净利润为6700万元。

跑通Token业务模式同时，迅策科技也在产品矩阵完善、多元化行业拓展及国际化布局取得进展。据悉，公司已将AI实时数据处理能力延展至电信、电力、能源、城市运营、高端制造等11大行业。

谈及企业的付费意愿，迅策科技管理层表示，在专业化场景里，客户付费的意愿和能力更多还是针对具体业务价值和成果。真正To B的专业化服务，往往涉及硬件、软件、硬软结合，以及针对业务场景的数据整理、优化训练和应用开发。迅策的工作思路，始终是面向场景去设计和整合所有相关资源，最终按结果交付。

业绩说明会上，来自数据要素与AI领域权威的多位专家围绕数字经济发展趋势、企业数据治理痛点、数据Token化商业模式、行业智能化升级方向、数据安全合规及全球化机遇等议题展开深度对话。

针对未来AI基础设施和智能化升级的重点行业，上海自主智能无人系统科学中心主任何斌认为，Token化是将企业数据转化为可供大模型调用的资产的关键步骤。当前，信息密集型行业进展较快，而能源、矿业、制造等传统行业由于数据基础薄弱，仍相对滞后。但随着物理AI的发展，各行业对数据驱动和模型训练的需求将急剧增加，传统行业将迎头赶上。

北京中关村学院＆中关村人工智能研究院研究员林镇阳则给出了两个值得重点关注的方向：一是科学领域，AI正推动科研进入以数据为驱动的第四范式。国际上已出现大规模投资，围绕AI加速科研探索会催生大量数据处理、智能算法工具的需求。二是泛健康领域，如情绪、心理、脑科学等，大语言模型构筑了群体知识库，但在个体身心连接、认知盲区探索方面仍有巨大空间。这些领域一旦突破，将伴随大规模的产业化进程，最终AI要回归到服务人本身。

此外，在行业拓展方面，多位专家表示，除金融、制造、电力、新能源等已形成明确需求的领域外，智能汽车、低空经济、生物医疗、商业航天等新兴行业正成为数据智能化升级的重要市场。