迅策的 TokenONE：人工智慧代幣化可望提升利潤率 20-30%

訊策（3317.HK）於 2026 年 5 月 25 日推出 TokenONE，全球首款 TokenOS 作業系統，標誌著企業資料如何透過人工智慧變現的關鍵轉變。TokenONE 讓企業能將專有資料包裝成結構化的「資料代幣」，大型語言模型可直接呼叫，繞過傳統 API 閘道與資料清理管線。訊策將這些垂直領域代幣定價為每百萬枚代幣 10 至 100 美元，此區間反映專業資料集從財報到醫學影像檔案等不同稀缺性與品質。公司預估此代幣業務將使其毛利率從目前的 10%–20% 區間，於 2026 年底提升至 20%–30%。此利潤率擴張並非增額；它代表資料擁有者在人工智慧堆疊中獲取價值的根本性重新架構。對於坐擁數兆位元組未充分利用專有資料的企業而言，TokenONE 提供一條直接營收通路，繞過超大規模雲端業者掌控的模型訓練管線。此事當下至關重要，因為代幣化正崛起為下一波人工智慧基礎設施題材，而訊策率先推出專用作業系統，此一搶佔市場的時刻將重塑各產業的資料經濟。

10 至 20 個百分點利潤率擴張：營收結構轉變

迅策的毛利率從 10%–20% 提升至 20%–30%，是由營收組成的結構性轉變所驅動，而非成本削減。歷史而言，迅策的核心業務——銷售資料處理中介軟體與整合工具——因競爭來自於實施人力與雲端基礎設施轉售，故利潤率偏薄。TokenONE 徹底改變了這套邏輯。TokenOS 抽象化了昂貴的人力介入步驟：資料清理、資料表對映與 API 端點維護。取而代之的是，企業資料被代幣化一次，隨後由人工智慧模型以每代幣為基礎反覆調用。每次調用皆以每百萬代幣 10–100 美元的費率產生小額支付，而一旦代幣化管線建置完成，服務該代幣的邊際成本趨近於零。這在原本是服務業的業務上創造了類似軟體的利潤率結構。利潤率提升的中點為 10 個百分點，從 15% 升至 25%，隱含 TokenONE 每美元營收的毛利將約略倍增。以迅策的規模而言，假設代幣採用率僅達其企業客戶基礎的一小部分，此差異每年將轉化為數千萬美元的額外毛利。關鍵槓桿在於代幣定價與運算資源成本脫鉤；代幣的價值源自底層資料的獨特性，而非服務該代幣所需的繪圖處理器運算週期。迅策既有的中介軟體客戶已信任其資料管線，為 TokenOS 提供了天然的安裝基礎。公司預期僅需將目前 10% 的企業客戶轉換至 TokenONE，即可產生足夠的交易量以達成 20%–30% 的利潤率目標。

TokenONE 如何改寫人工智慧資料供應鏈

TokenOS 在人工智慧資料堆疊中創造了一個新層級，介於企業資料湖與模型推論端點之間。傳統上，企業若要將專有資料導入大型語言模型，必須建置客製化聯結器、協商資料授權條款，並維護法遵管線。TokenONE 將此流程標準化：資料被代幣化為離散、可供模型呼叫的單元，內建存取控制與使用追蹤。對於 OpenAI 和 Anthropic 等模型供應商而言，這意味著它們無需與每家企業逐一協商資料共享協議，即可取得高品質、領域特定的資料。對企業而言，這代表它們保有所有權與控制權，同時將先前閒置的資料變現。每百萬個代幣 10 至 100 美元的定價層級，刻意低於客製化資料整合的成本——後者每個資料集可能耗費數十萬美元。此定價創造了一條無摩擦的採購路徑：避險基金可以 1,000 美元購買 1,000 萬個獲利電話會議紀錄代幣，直接投入微調管線。TokenOS 還包含「代幣工廠」，這項工具讓企業能從原始資料自行鑄造代幣，實際上使每一家擁有專有資料的公司都成為潛在的代幣供應商。鑄造流程設計為自助式：企業上傳原始資料集，TokenOS 套用結構正規化與存取控制標記，產生的代幣在數小時內即上架至 Xunce 的市場。這與傳統資料授權流程形成對比——後者可能需要數週的法律協商，再加上數週的技術整合。代幣鑄造的速度本身就是一項競爭武器——它意味著企業可以在監管核准或商業事件發生後立即上架新資料集，掌握早期資料可得性所帶來的溢價定價。這種供給面的擴張正是驅動利潤率故事的核心：隨著更多企業鑄造代幣，Xunce 在每筆交易中收取平台費用，卻無需承擔資料創造的成本。

競爭格局重組：誰受益、誰受創

Xunce 的舉動直接挑戰了現有的資料仲介與 API 管理業者。思科系統（Cisco Systems）和 Splunk 等銷售資料整合與可觀測性平台的企業，正面臨一個資料在源頭即被代幣化、而非透過其中介軟體傳輸的世界。若 TokenONE 獲得市場採用，複雜的資料管線工程需求將隨之減少；企業只需鑄造代幣，讓人工智慧模型自行擷取所需資料。這將威脅傳統資料平台供應商的經常性授權營收。在超大規模雲端業者方面，Google 和 Meta 受去中心化代幣化標準的衝擊最大。兩家公司皆重金投資於專有資料護城河——Google 的搜尋索引與 Meta 的社交圖譜——並透過封閉式 API 將其變現。TokenONE 的開放式代幣化模式將使資料存取商品化，壓縮這些公司對獨家資料集收取的溢價。反之，阿里巴巴及其他擁有龐大企業客戶基礎的雲端供應商，是 TokenONE 天然的分銷合作夥伴，其 TokenOS 設計可直接嵌入這些業者的雲端市集。最大的贏家是擁有獨特、高價值資料但目前變現不足的企業。試想 Ferrari 的設計檔案或 Uber 的移動模式。這些公司如今無需建立獨立的人工智慧基礎設施團隊，即可成為資料供應商。輸家則是過去彙整並轉售資料的中間商；其利潤率將在 Xunce 的平台費用與企業直接出售代幣的意願之間遭到壓縮。

對超大規模雲端業者、晶圓廠及企業買家的下游影響

TokenONE 的崛起在 AI 硬體與基礎設施生態系中創造了二階效應。若代幣化能降低取得高品質訓練資料的成本與摩擦，運算資源（包括 GPU、ASIC 與記憶體）的需求將從資料處理工作負載轉向模型訓練與推論工作負載。這有利於晶片設計業者，如 Astera Labs（ALAB.O）——其生產 AI 叢集用的連線晶片——以及 Arm Holdings，其架構驅動許多 AI 加速器。Cerebras Systems（CBRS.O）於 2026 年 5 月上市，目前較 IPO 價格上漲 52%，但較首日盤中高點下跌 27%；隨著代幣化開啟新的訓練任務、帶動其晶圓級晶片需求，該公司可望迎來需求回溫。然而，此轉變也對超大規模雲端業者構成風險，因其已建立龐大的資料工程團隊，以準備專屬資料供訓練之用。若 TokenONE 使資料準備成為大宗商品，這些團隊將淪為成本中心而非競爭優勢。企業買家（包括銀行、保險公司與醫療保健提供者）將面臨新的採購決策：自行建置代幣化基礎設施，或向 Xunce 的市集購買 Tokens。每百萬 Tokens 定價 10 至 100 美元，低到足以讓多數企業選擇購買而非自建，進而加速平台採用。監管角度至關重要：具使用追蹤功能的代幣化資料可建立查核軌跡，滿足新興 AI 治理要求，使 TokenONE 同時成為法遵工具與營收驅動力。

政策與策略訊號：代幣化成為下一個 AI 基礎設施標準

Xunce 的 TokenONE 推出是一項策略性押注，認為人工智慧產業將標準化於代幣化資料交換，而非基於 API 的資料共享。這呼應了從專有檔案格式轉向開放協定的轉變，正是此轉變定義了網際網路時代。TokenOS 本質上是資料商務的作業系統，它定義了資料如何在各方之間打包、定價與傳輸。若其達到關鍵多數，將成為企業人工智慧資料交易的實際標準，如同 TCP/IP 成為網際網路流量的標準。這賦予 Xunce 一條邁向平台主導地位的軌跡，可比擬微軟之於 Windows 或 Google 之於 Android 的成就。時機是刻意的：人工智慧 IPO 熱潮吸引高估值，但正如路透社報導，近期許多熱門 IPO 遜於大盤。SpaceX (SPCX.O) 預計最早於 6 月 11 日以 1.75 兆美元估值掛牌，隨後是 OpenAI 與 Anthropic。在此泡沫化環境中，Xunce 將 TokenONE 定位為所有這些人工智慧公司存取企業資料所需的基礎設施層。該公司實質上是在宣稱，人工智慧的真正價值不在於模型本身——史丹佛可信人工智慧研究實驗室已顯示模型可被微調或繞過——而在於使這些模型有用的專有資料。TokenONE 是一項押注：在人工智慧的下一階段，資料而非運算資源將成為稀缺資源，而 Xunce 將擁有該資料交易的市場。

TokenONE 的成功取決於企業是否信任 Xunce 足以將其最有價值的資料資產代幣化；此信任必須在平台擴展至跨產業每日數百萬次代幣調用時持續成立。該公司必須證明其 TokenOS 安全無虞、存取控制無法被繞過，且定價模式在採用規模擴大時保持穩定。若其達成這些目標，Xunce 將從平庸的中介軟體供應商轉型為資料交易所營運商，其策略重要性將可與超大規模雲端業者匹敵。利潤率從 10%–20% 擴張至 20%–30% 只是第一個訊號；若 TokenONE 僅捕捉企業人工智慧資料市場的 5%，其營收意涵將使 Xunce 現有業務相形見絀。未來 12 個月將決定 TokenONE 是成為標準還是註腳，也將決定 Xunce 對代幣化的押注是否能作為人工智慧時代的定義性基礎設施投資而獲得回報。