跑分王翻车，AI拼谁更能“扛活儿”，迈富时投企业智能体一票

这周，AI圈上演了一出“学神”在实操课摔跟头的好戏，也悄悄揭开了大模型商业化更真实的底色。

有名博主郭震搞了场硬核实测，让三位大模型选手同台竞技：号称综合跑分霸主的Claude Opus 4.8、国产新锐GLM-5.2和Kimi 2.7 Code。任务不整虚的，就是开发一个能处理Excel做报表的复杂网页。

结果令人大跌眼镜。在第三方裁判的盲评下，Opus 4.8以45分的尴尬成绩垫底。输在哪？不是智商不够，是“态度”有问题。 裁判的点评一针见血：这位学霸在面对长指令时出现了严重的“代码惰性”，直接选择性忽略了搜索、分页等关键功能，交了个半成品。

这恰恰应了GLM-5.2技术团队的那句话：在处理真实的长程工程任务时，模型对复杂指令的“服从度”和“抗偷懒能力”，远比理论跑分更重要。

就在技术圈热议“学神摆烂”的同时，产业界两则重磅消息，为这场讨论加上了现实的注脚。

一边是“算账的寒气”。 据公开的信息显示，字节跳动的AI账本被拆解并发现：日活超2亿的豆包，每天收入不足百万，而推理算力成本却高达数千万元。另一条热搜“15元买数百万Token，一句你好烧掉5万”，虽然带有夸张，却准确刺中了行业的隐痛——AI不是没需求，而是到了必须算清楚每笔账的时候。

另一边是“赚钱的希望”。 同样是字节，藏在幕后的视频生成模型Seedance，毛利率做到70%，年化收入悄悄冲到了20亿美元，靠的是给企业客户提供付费服务。而Anthropic更狠，Claude Code只靠为企业提供AI编程服务，年化收入半年就翻了2.5倍到25亿美元，助推估值逼近万亿。

几件事连起来看，一个清晰的商业逻辑浮出水面：AI的终局，不在聚光灯下的C端“才艺表演”，而在产业深处那些“看不见的苦活累活”。

“看不见”的地下金矿

这就不得不提更近很火的一个宏观热点——“5万亿埋进地下”。未来五年，全国将建设改造约77万公里地下管网，带动超5万亿投资。供水、排水、燃气、热力，这些系统平时沉默不语，城市却一刻也离不了。这揭示了一个范式转移：新基建的下半场，拼的不再是看得见的高楼大桥，而是看不见的系统能力。

把管网修好，只是第一步。后续长期的监测、预警、维护、调度、客服和应急响应，才是真正的深水区。这恰恰是一个典型的“场景Token消纳场”。

这也正是 迈富时（2556.HK）、滴普（1384.HK）这类深耕AI应用层、企业智能体平台企业的差异化壁垒所在。它不碰硬件施工，切的是新基建“运营侧”的数字生意：以迈富时为例，该公司把专业图纸、维修手册、排故经验，通过KnowForceAI知识中台沉淀为AI可调用的资产；再让AI-Agentforce智能体中台去自动处理咨询、分拨工单、跟进进度。这样智能体就真正取得了企业的“工牌”，进入到具体的工作场景与业务流程之中了。

地下管网如此，那些更复杂的物理工业场景更是如此。

以润滑油为例。这个看似传统的行业，实则有着天文数字般的参数、工况和适配规则。过去，选型全靠专业工程师和经销商“老师傅”的经验，极难复制。迈富时现在做的，就是把这个“工业品选型”过程智能化：知识中台消化海量产品手册，智能体完成需求识别、产品匹配和线索沉淀。

这就是从“机房里的算力Token”到“业务里的场景Token”的关键一跃。 一次工业选型，一次售后响应，一次管网咨询，每一次调用都在消纳Token、产生业务价值、ROI、ARPU。这些远比空谈模型参数，更能让资本市场看懂、了解，从而愿意押注。

陆家嘴的考题与AI的“可融资叙事”

恰逢陆家嘴论坛释放变革强音，证券强调资本市场要服务硬科技和新质生产力。信号很明确：市场依然愿意支持科技创新，但越来越看重“高质量成长”。

融资环境变了。过去讲AI，有概念就行；现在市场会刨根问底：业务有没有真实场景？客户续不续费？技术投入能不能转化为经营业绩？

这对迈富时来说，既是拷问，也是讲清自己“可融资叙事”的机会。它的故事，不应是单薄的营销工具，而是一个三层逻辑的嵌套：

底座：投向智算基础设施的投入，是支撑上层智能体规模化运行的地基，不拼低价，拼稳定供给。

中台：AI-Agentforce和KnowForce的组合，是一套能把企业知识转化为任务执行的“操作系统”，形成技术护城河。

场景：在金融、工业、文旅、出海等领域的客户实践中，完成Token的更终消纳和商业闭环，实现客户付费、ARPU提升和行业复制。

这正是它能与DeepSeek等基础模型公司差异化的位置。别人主导底层模型和通用算力，迈富时则卡位在“企业场景侧Token消纳平台”。企业客户更终不会为Token消耗量买单，而会为Token干出来的业务结果买单。

AI商业化的大幕已经拉开，算账的算盘声噼啪作响。

当C端巨无霸还在为每天的收入与成本焦头烂额时，那些能在产业深水区，把“学神”的智商转化为“老师傅”的可靠，并让客户心甘情愿为此付费的公司，或许才能拿到下半场的船票。

新基建下半场，拼的是看不见的系统能力。AI的商业化下半场，拼的则是在业务流程中持续“扛活儿”的真实功力。