迅策 TokenONE OS 的資料定價較人工智慧模型高出 10 倍

訊策（3317.HK）於 2026 年 5 月 25 日推出 TokenONE，全球首款 TokenOS 作業系統，將資料代幣定價為每百萬單位 10 至 100 美元，較通用型人工智慧模型成本高出逾十倍。此舉將企業資料轉化為全新資產類別，人工智慧模型可直接以資料代幣形式調用，跳過傳統資料準備流程。訊策計劃在醫療保健、高階製造、金融及能源電力領域共同設立垂直場景代幣工廠，目標於 2026 年底前將資料準備成本降低 20% 至 30%。此一定價能力顯示，專屬企業資料正成為人工智慧堆疊中最具價值的投入要素，超越主導敘事的運算資源與模型層級。何以此刻至關重要：隨著人工智慧代理大量湧現並引發未受監控的基礎設施故障，掌握高品質、代幣化資料的企業，將在下一階段人工智慧部署中擷取最大份額的價值。

10 倍溢價背後的稀缺性套利

TokenONE 每百萬代幣定價 10 至 100 美元，是對稀缺性的一場刻意套利。通用型大型語言模型推論定價約為每百萬代幣 0.50 至 3 美元，視供應商與模型規模而定。Xunce 的溢價反映了大宗商品運算資源代幣與專有資料代幣之間的根本差異。企業資料，包括病歷、製造感測器紀錄與金融交易串流，承載了脈絡、準確性與監管法遵，這些是一般網路抓取訓練資料無法複製的。Xunce 的 TokenOS 為此類資料打造標準化作業系統，讓人工智慧模型可直接呼叫，省去目前耗費企業人工智慧專案預算 60% 至 80% 的高成本 ETL（擷取、轉換、載入）流程。Xunce 承諾在 2026 年底前將資料準備成本降低 20% 至 30%，這是胡蘿蔔；代幣本身 10 倍定價溢價則是棍子。未能將其專有資料代幣化的企業，將同時付出向 Xunce 支付的溢價，以及維持傳統資料管線的效率損失成本。TokenOS 實際上在人工智慧價值鏈中創造了新的瓶頸，而 Xunce 掌握此作業系統。Xunce 的代幣 Factories 將以策展式市集形式運作，企業可將其專有資料以代幣形式掛牌，Xunce 則對每筆交易收取手續費。此定價結構旨在捕捉原始資料準備成本與可即時呼叫資料代幣價值之間的差距。此經濟模式為企業資料貨幣化樹立了新指標，其中監管法遵與領域深度的重要性遠高於原始資料量或原始運算資源吞吐量。

資金如何流經企業人工智慧預算

TokenONE 的財務機制將企業人工智慧支出從以運算資源為主的預算，轉向以資料為主的預算。如今，典型的企業人工智慧部署將 70% 的支出分配給運算資源（繪圖處理器、雲端實例、推論 API），20% 用於模型授權或微調，10% 用於資料準備。迅策的 TokenOS 顛覆了此結構：資料代幣成本成為最大支出項目。以一家每月處理 5 億筆資料事件的中型金融服務公司為例，以每百萬代幣 50 美元（迅策報價區間的中點）計算，每月僅資料代幣費用即達 25,000 美元，相當於營運一個小型繪圖處理器叢集的成本。但迅策主張，資料準備成本的降低足以抵銷這項新支出。大型企業的資料準備通常每月耗費 50,000 至 100,000 美元，若能節省 20% 至 30%，在運作良好的部署下，總成本可淨降 10% 至 20%。然而，真正的財務影響在於資產負債表。代幣化資料成為資本化資產而非營業費用，改變企業對資料投資的會計處理方式。迅策的 TokenOS 創造了一種新的無形資產類別，財務長可隨時間折舊，釋放出原始資料檔案從未提供的稅務與估值優勢。以一家每年在資料準備上花費 100 萬美元的大型企業為例，轉向代幣化資料可使該支出項目減少 20 萬至 30 萬美元，同時引入價值數倍於此的新資本化資產。這項資產負債表轉型，為財務長提供了超越營運效率、直接採用 TokenONE 的誘因。

Meta、Google，以及代幣化的贏家與輸家

TokenONE 帶來的競爭洗牌，對那些以開放資料或合成資料生成來建構人工智慧策略的企業打擊最重。Meta 和 Google 都投入巨資於合成資料管線，以訓練其最大的模型，但合成資料缺乏企業客戶在醫療保健、金融和能源應用中所要求的查核軌跡與監管法遵。Xunce 的代幣 Factories 是垂直領域特定的資料市集，直接與阿里巴巴和 Cisco Systems 等公司透過其雲端部門所建立的資料經紀模式競爭。Cisco 和 Splunk 將自身定位為企業資料平台，如今卻面臨一個位於其基礎設施之上的全新作業系統層。最大的贏家是那些與 Xunce 合作而非競爭的超大規模雲端業者。阿里巴巴與中國製造業和金融企業已有深厚關係，是 TokenONE 在亞洲最自然的經銷夥伴。在美國，缺乏可比的 TokenOS 為 Anthropic 或 OpenAI 開創了建立自身代幣化層的機會，但 Xunce 在定義作業系統標準方面的先行者優勢，賦予其結構性的領先地位。輸家則是資料準備中介軟體供應商，這些公司以 ETL 和資料清理為業務基礎，當資料以預先代幣化且人工智慧就緒的型態送達時，其價值主張便煙消雲散。Informatica 和 Talend 這兩家領先的資料整合供應商，面臨 TokenONE 標準化資料格式所帶來的最直接顛覆。對這些中介軟體公司而言，此一轉變關乎存亡，因為 TokenONE 移除了它們所銷售的核心服務。

對超大規模雲端業者、晶圓廠及企業買家的下游影響

TokenONE 的下游效應在整個人工智慧供應鏈中產生連鎖反應。對於 Google 和阿里巴巴等超大規模雲端業者而言，代幣化資料的興起改變了其雲端人工智慧服務的經濟模式。目前，這些公司透過運算資源租賃和模型 API 呼叫來實現人工智慧變現。TokenONE 引入了第三個營收來源：資料代幣交易。將 TokenOS 整合至其雲端平台的超大規模雲端業者，可在每次資料代幣交易中收取 15%–30% 的交易手續費，創造出高利潤率的經常性營收來源，且無需額外的繪圖處理器產能。對於 Astera Labs 和 Arm Holdings 等晶片設計公司而言，轉向以資料為中心的人工智慧降低了持續擴建更大規模 GPU 叢集的迫切性。如果代幣化資料能在不增加運算資源的情況下將模型準確度提升 10%–20%，企業將轉而最佳化資料品質而非原始 FLOPs。這對 Cerebras Systems 而言是利空訊號；該公司於 2026 年 5 月 14 日上市，股價自首次公開發行價格飆漲 52%，隨後自首個盤中高點回落 27%，此一模式印證市場已在定價一個以運算為中心的未來，而 TokenONE 直接挑戰了此一前提。對企業買家而言，TokenOS 創造了一個新的採購類別：資料代幣訂閱。財務長將需要在雲端運算和模型授權之外，另行為資料代幣編列預算，而資料準備成本降低 20%–30% 所釋出的預算，將可轉用於代幣採購。一家典型的大型企業目前每月在資料準備上花費 50 萬美元，其中 10 萬至 15 萬美元將轉向資料代幣訂閱，同時仍能實現淨節省。整體淨效應是人工智慧支出重新配置，從運算資源租賃轉向資料所有權。

TokenONE 背後的政策與策略訊號

訊思（Xunce）推出 TokenONE，是對人工智慧市場未來走向的策略性宣示：朝向資料主權與垂直專業化發展。該公司決定在醫療保健、高階製造、金融及能源電力等全球監管最嚴格的四個產業中，共同設立代幣工廠（代幣 Factories），此舉顯示監管法遵才是護城河，而非技術本身。Meta 與 Google 的通用型人工智慧模型已被證實容易遭受防護措施剝離，金融時報報導指出，這些模型的 AI 防護措施可在數分鐘內被移除。在受監管產業中，這完全不可行。TokenONE 的架構將法遵嵌入資料層本身，使 AI 模型在沒有適當代幣權限的情況下，根本無法存取病患資料。這與 SpaceX 在預期首次公開發行（IPO）前獲得 1.75 兆美元估值背後的理由如出一轍，投資人押注掌控關鍵基礎設施的企業將享有更高的溢價倍數。訊思實際上正在打造 AI 代理所依賴的資料基礎設施作業系統。政策訊號十分明確：下一波 AI 監管將聚焦於資料溯源與存取控制，而訊思在監管機關制定規則之前，已先鋪好軌道。歐盟《人工智慧法案》將於 2027 年全面生效，要求高風險 AI 系統具備可稽核的資料溯源，而 TokenONE 的架構從根本設計上即符合這些要求。透過將法遵嵌入代幣本身，訊思將監管負擔轉化為競爭優勢。

TokenONE 的推出，使訊思得以掌握 AI 技術堆疊中的資料層，正如微軟在個人電腦時代掌握作業系統層一般。10 倍的定價溢價反映的不是成本，而是市場影響力。隨著 AI 代理大量湧現並開始自主與企業系統互動，掌控這些代理所消費之代幣化資料的企業，將主導互動的規則。訊思在醫療、金融、製造及能源領域設立的代幣工廠，打造出難以複製的垂直護城河，因為這需要特定領域的資料合作夥伴關係、監管核准，以及耗費多年才能建立的信任關係。AI 企業的 IPO 管道——SpaceX 預期最早於 6 月 11 日掛牌，隨後是 OpenAI 與 Anthropic——將日益以資料存取能力而非模型表現作為評判標準。Figma 首個交易日股價一度飆漲近四倍，隨後自 33 美元 IPO 價格回落 35%，此一模式顯示市場獎勵的是資料護城河，而非產品功能。訊思的 TokenOS 是第一個純粹押注於支撐下一代 AI 應用之資料基礎設施的投資標的，其定價策略傳達了明確訊息：資料是新石油，而訊思擁有煉油廠。