截至8月10日午间，港股市场温和回升，恒生指数上涨0.72%，恒生科技指数上涨0.37%。不过，人工智能板块内部并非普涨：中芯国际下跌2.09%，华虹宏力下跌3.05%，智谱上涨1.04%，资金在算力、模型与应用之间继续分化。
企业级人工智能公司同样表现不一。迅策科技上涨5.53%，迈富时(02556.HK)上涨2.19%，报44.88港元，盘中最高触及47港元，半日成交额约2.38亿港元；滴普科技下跌3.71%，深演智能下跌3.68%。
宏观层面，市场一方面关注国内增长与物价数据，另一方面等待本周美国通胀、生产价格和零售数据，以判断全球利率环境。对科技股而言，流动性仍会影响短期估值，但随着财报季深入，市场的关注点正在逐渐回到一个更实际的问题：高额人工智能投入能否形成收入、利润和现金流。
因此，今天的盘面更适合作为观察入口，而不是文章结论。真正值得讨论的是，在人工智能产业从基础能力竞争走向应用回报验证的过程中，迈富时为何呈现出相对不同的经营特征。
从普涨转向分化，市场开始看“商业化成色”
过去一段时间，港股人工智能行情主要围绕算力、芯片、基础模型和智能体展开。随着相关公司密集上市并披露业绩，仅凭技术标签获得统一估值的阶段正在过去。
8月10日上午，上游芯片股走弱，模型企业表现分化，企业应用公司也未同步上涨。这种结构说明，资金正在比较不同企业的产业位置和商业化进度。
迅策科技更接近实时数据基础设施，解决企业数据采集、清洗、标准化和实时计算问题；滴普科技处于数据平台与行业解决方案之间；深演智能主要聚焦广告投放、营销决策和数据管理；迈富时则从获客、销售转化和客户运营切入，更靠近企业收入端。
这些公司都可以受益于人工智能应用扩张，但财务表现并不相同。
不同企业的收入确认方式和会计口径存在差异，不能进行机械排名。不过，从现有数据看，行业真正稀缺的并非单纯高增长，而是收入规模、增长速度、利润和现金流能够同时改善。
Palantir之后，FDE成为应用落地的关键词
Palantir最新季度实现收入约19.4亿美元，同比增长93%；美国商业收入达到7.64亿美元，同比增长149%。公司调整后经营利润率达到62%，调整后自由现金流约12.2亿美元，“Rule of 40”指标达到155%。
财报发布后，Palantir股价单日上涨29.5%，随后仍保持较强表现。市场认可的不只是收入超过预期，更是企业人工智能已经可以同时产生增长、利润和现金流。Palantir业绩及市场表现
Palantir的商业化能力与FDE模式密切相关。FDE即前线部署工程师，其职责不是简单驻场安装，而是进入客户业务现场，理解数据、规则和流程，再将这些知识转化为可执行的智能体和工作流。
FDE通常要完成几个环节：
找到值得人工智能介入的业务问题；整理并连接企业内部数据；将行业知识和业务规则结构化；根据效果、速度和成本选择模型；把模型嵌入现有工作流；以实际业务指标验证效果；将项目经验沉淀为可复制产品。
这一模式解释了为什么基础模型越来越强，并没有自动削弱企业应用平台的价值。模型可以提供通用能力，但很难天然理解一家企业的客户关系、审批规则和经营目标。
迈富时与Palantir并非直接可比公司，但FDE提供了一个观察迈富时的适用框架：公司能否把多年积累的营销、销售和客户运营经验，转化为可以重复部署的智能体？
迈富时优势一：应用更靠近企业收入端
迈富时与部分同业最明显的区别，是其主要场景集中在企业增长链路。
实时数据基础设施解决的是“数据能否及时使用”；营销决策平台更多解决“广告如何投放”；迈富时试图连接的是从客户识别、销售跟进到持续运营的完整流程。
这一定位的价值在于，效果相对容易衡量。
如果智能体能够帮助企业筛选高意向线索、缩短销售跟进时间、提高客户转化率或降低重复运营成本，客户可以将产品费用与新增收入或成本节约进行比较。
例如，在某头部新能源车企项目中，服务团队并非简单部署一个对话工具，而是先整理销售录音、试驾线索和成交记录，再把高意向客户识别、录音质检、话术推荐及后续跟进拆分给不同智能体。
在另一家全球能源企业的产品选型场景中，FDE团队需要先把产品手册、适用条件和技术人员经验结构化，智能体才能根据客户设备、环境及规格要求提供产品建议，并将高价值需求转交销售人员。
这些项目的共同点，是人工智能直接进入收入相关流程，而不是停留在内容生成和内部问答。
迈富时优势二：客户基础降低应用推广成本
企业级人工智能项目往往面临一个现实难题：技术可以快速开发，但客户数据、业务规则和内部信任需要长期积累。
迈富时长期服务营销、销售和客户运营场景，覆盖汽车、消费零售、制造、金融、医疗健康、文旅及跨境业务等行业。相较从零开始寻找客户的人工智能创业公司，其可以在原有企业客户基础上推广智能体产品。
这带来两方面潜在优势。
一方面，历史业务帮助公司理解企业增长流程，减少从技术展示到实际部署之间的距离；另一方面，不同行业项目可以为标准化产品提供训练样本。
例如，汽车项目中沉淀的线索评分、对话质检和销售建议能力，可以进一步形成行业组件；零售项目中的客户分层、商品推荐和运营分析，也有机会被复制到相似企业。
客户数量本身并不等于壁垒。真正的壁垒是能否把分散项目沉淀为通用模块，从而让收入增长不再完全依赖人员增加。从迈富时的业务基础看，公司具备形成这一循环的条件。
迈富时优势三：多模型策略有利于提高ROI
企业部署人工智能，并不需要每项任务都使用能力最强、成本最高的模型。
简单的信息提取、分类和标准问答，可以使用成本较低的模型；复杂分析和推理任务，再调用更强模型。涉及敏感业务数据的场景，还可能需要本地化或专属环境部署。
迈富时采用多模型接入策略，可以根据任务效果、响应速度、数据要求和调用成本进行选择。其价值不只是“能够连接多个模型”，而是能否以较低成本完成客户需要的工作。
这与当前市场讨论的Token优化逻辑一致：企业最终关注的不是消耗了多少Token，而是每一元模型成本带来了多少收入、效率提升或风险降低。
当模型能力继续提升、使用成本总体下降时，应用平台能够获得成本端改善；如果客户愿意按照场景使用和业务结果持续付费，利润弹性则可能进一步释放。
迈富时优势四：从项目交付走向场景产品化
FDE模式也存在一个潜在问题：如果每个客户都需要大量工程师重新开发，收入规模会受到人员数量限制。
因此，判断一家FDE型企业能否形成长期价值，关键在于项目经验能否产品化。
迈富时的路径可以概括为两步：
第一步，工程和业务团队进入客户现场，解决数据、模型与工作流连接问题；第二步，将项目中的行业知识、任务流程和智能体能力封装为标准组件，再应用到更多客户。
某文旅及农特产零售项目便体现了这一思路。公开案例资料显示，智能体与客户运营及商城体系结合后，项目订单量环比增长35%，销售额提高40%。在某大型连锁零售集团项目中，智能体平台则连接品牌经营、用户运营和数据分析，为管理团队提供经营洞察。
个别项目数据不能直接代表所有客户，但它们说明迈富时正在尝试把人工智能从单点功能延伸至完整业务链路。
迈富时优势五：规模、利润和现金流开始同步验证
相较同业，迈富时当前最值得关注的并非某个技术标签，而是财务指标开始形成组合。
公司2025年实现收入28.18亿元，同比增长80.8%；经调整净利润约1.52亿元，同比增长91.3%，人工智能应用业务经营性现金流首次实现约1.9亿元净流入。
根据2026年中期盈利预告，公司预计上半年实现：
收入约18.58亿至20.54亿元，同比增长100%至121%；
人工智能应用业务收入约10.68亿至11.80亿元，同比增长112%至134%；
归母净利润约1.82亿至2.22亿元，同比增长386%至494%。
若正式业绩落在预告区间，人工智能应用收入占比约为57%，上半年归母净利润下限也将超过2025年全年水平。
迅策已经显示出阶段性盈利拐点，但全年经调整业绩仍为亏损；滴普收入增长较快，但亏损规模依然较大；深演智能保持盈利，不过收入增长和利润趋势相对承压。
在这一背景下，迈富时呈现出的相对优势，是收入规模较大、核心业务保持较快增长，同时利润和经营现金流已经开始改善。
今日上涨只是切入口，中报才是关键验证
截至8月10日午间，迈富时上涨2.19%，迅策涨幅更高，而滴普和深演智能均出现调整。因此，AI应用层迈富时等企业的短期行情可能受到资金、成交量和市场情绪影响，并不能单独证明企业价值。
真正决定迈富时等这类后续表现的，仍是即将发布的中期业绩能否回答几个问题：
人工智能应用收入具体由哪些产品和场景贡献；
毛利率是否在业务扩张过程中保持稳定；
费用率是否随着规模增长继续改善；
经营现金流能否与利润同步提高；
智能体使用频率、续约率及单客收入是否增长；
FDE项目能否持续沉淀为标准化行业产品；
海外与跨境业务是否形成可量化收入。
今天的港股表现显示，市场仍在交易人工智能，但不再对所有环节给予相同定价。算力、模型、数据平台和行业应用都有各自机会，区别在于谁能更早形成可验证的商业闭环。
迈富时的相对优势，正是已经具备企业客户、增长场景、多模型调度、场景Token落地的丰富经验，这一点从该企业的一系列不同行业、不同场景需求的客户案例的落地中，就已得到初步的验证，且盈利预告的财务数据也基本验证该商业模式的可行性与盈利能力。
接下来的中报若能进一步验证，那么，该企业的这些优势不仅能够带来阶段性收入增长，也足以自证该企业的场景Token价值链，或将为其提供：能够持续转化为利润、现金流和可复制的企业级AI业务驱动的增长飞轮，这或许也正是该企业以“全栈Token工厂”为定位的原因吧。
