全球 AI 竞赛正在进入一个新的阶段。
英伟达日前宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 及 KKR 合作，计划通过独立算力融资平台长期动员超过 5000 亿美元第三方资本，用于 AI 基础设施建设。英伟达还可能为部分项目提供最高 25%、合计最高 1250 亿美元的残值支持。Reuters 将这一安排视为黄仁勋推动 AI 算力扩张的新型融资机制，而《金融时报》则直接提出一个更具冲击力的判断 —— 英伟达正在越来越像 AI 产业的“银行”。
问题也随之发生变化。
当华尔街已经开始给 GPU 设计融资工具，AI 产业真正稀缺的还是算力吗？
可能越来越不是。
5000 亿美元解决“谁来买 GPU”，却没有解决“GPU 拿来赚什么钱”
英伟达这次真正改变的，是 AI 产业的资本结构。
过去企业建设 AI 基础设施，意味着直接承担巨额资本开支；现在，芯片、数据中心以及未来算力使用产生的现金流，可以越来越多地被金融机构打包、融资甚至证券化。《华尔街日报》指出，这套机制正在尝试把 AI 芯片贷款打包成类似汽车贷款、飞机融资的资产类别。
这提高了 AI 基础设施扩张的上限，却也把另一个问题推到了台前：
融资可以买来 GPU，却买不来 ROI。
MSCI 今年 7 月的研究就已捕捉到了这种分化。美国 AI 相关企业截至今年 5 月的一年资本开支增长接近 60%，大约是非 AI 企业的 10 倍，而收入增长明显没有跟上资本开支扩张速度；相比之下，中国、台湾等市场 AI 相关企业的销售增长与资本开支增长更加接近。
这意味着 AI 的“资本剪刀差”正在形成。
一边是越来越便宜、越来越金融化、越来越容易获得的算力；另一边，则是资本市场越来越严格地追问：
这些算力最终产生了多少收入、利润和现金流？
迈富时中报恰好站在剪刀差的另一端
如果英伟达解决的是“Token 生产资料如何融资”，那么企业 AI 应用公司需要解决的是另外一个问题：Token 生产出来以后，到底值多少钱？
迈富时（02556.HK）2026 年中期业绩或许称得上是一个值得观察的中国样本。
指标 | 2026H1 | 同比变化 |
总收入 | 19.6 亿元 | +111.2% |
AI 应用业务收入 | 11.28 亿元 | +123.7% |
净利润 | 2.0 亿元 | +466.1% |
客户数量 | — | +25.9% |
每用户平均月收入 | — | +80.0% |
总人效 | — | +85.6% |
真正值得注意的不是收入翻倍，而是利润跑得远比收入快。
收入增长 111.2%，净利润增长 466.1%；与此同时，客户数量增长 25.9%，单客收入增长 80.0%。
这组数据实际上给出了一个比“Token 调用量”更重要的指标：
Token 产值。
算力越来越像“大宗商品”，场景越来越像“加工利润”
这也是理解迈富时“全栈 Token 工厂”的关键。
英伟达正在推动 GPU 和算力成为可以融资的基础设施资产；基础模型厂商负责把算力转换成通用 Token；而迈富时试图进一步通过企业知识、智能体协同和工作流，把通用 Token 加工成客户真正需要的业务结果。
KnowForce AI 负责企业知识，AI-Agentforce 负责智能体构建与协同，GenAI OS 承担运行与治理，最终进入营销、销售、客服、经营分析、研发和企业全球化等场景。
所以应用层真正要做的不是仅仅让关注停留在“一天烧掉多少 Token？”
而是：进一步跨越到了“一万个 Token 到底换来了多少有效线索、销售转化、服务效率和经营结果？”
这两个问题的经济意义完全不同。前者衡量的是成本，后者衡量的是产值。
但这可能才是 AI 下半场真正的“剪刀差”
过去两年，AI 产业最大的投资机会来自供给短缺：GPU 少、HBM 少、数据中心少、电力少。
但随着资本持续涌入，供给端最终会越来越充分。
Reuters Breakingviews 估算，Alphabet、Amazon、Meta、Microsoft 和 Oracle 今年的数据中心投入预计合计达到约 7500 亿美元；与此同时，英伟达又试图撬动超过 5000 亿美元第三方融资。
资本正在拼命解决“算力不够”的问题。这对应用层反而可能构成长期利好。因为如果模型推理成本持续下降，而企业愿意为一个有效销售线索、一次客户转化、一项经营决策支付的价值没有同比下降，那么：
底层 Token 成本下降，上层场景价值保持甚至提高，中间形成的就是应用层利润空间。
但这里必须加一个条件 —— 应用公司必须拥有足够的场景加工能力。
没有企业数据、行业知识、工作流和客户关系，便只能转售越来越便宜的模型能力；拥有这些能力，才可能把越来越标准化的 Token 加工成非标准化、高附加值的经营结果。
MSCI 的数据其实已经提示：市场不会给所有 AI 公司同样的溢价
MSCI 发现，全球多数市场的 AI 相关公司相较本土非 AI 企业存在估值溢价，但这种溢价并不均匀。
硬件、基础设施与应用层获得溢价的原因已经开始不同：前者更多来自资产和资本投入，后者则越来越依赖增长预期和商业化能力。MSCI 同时指出，在 AI 软件应用领域，美国仍领先，中国已经处于全球主要竞争者之列。
这意味着未来所谓“AI 估值”可能会进一步瓦解。
市场当然不会仅仅问：你是不是 AI 公司？
而会深入洞悉到：你的算力利用率是多少？你的 AI 收入是多少？客户为什么续费？单客价值有没有提高？收入增长之后有没有利润？利润最后有没有变成现金？
这恰恰也是本次迈富时中报数据引发广泛关注的原因。
19.6 亿元收入回答了规模，11.28 亿元 AI 应用收入回答了增长飞轮，2 亿元净利润回答了盈利自造血的能力，客户数 +25.9% 和单客收入 +80%，则开始回答增长质量。
“算力即货币”之后，更重要的可能是“Token 即产值”
英伟达正在完成 AI 产业的一次金融工程革命：把 GPU 从设备变成资产，把算力从成本变成可以融资的现金流。但这仍只是产业链的一半。
另一半是：究竟谁能把这些越来越充裕的算力，变成企业愿意持续购买的经营结果？
这也是为什么英伟达 5000 亿美元融资与迈富时中报，看似处在产业链两端，实际上回答的是同一道题。前者解决的是 AI 时代的资本供给效率。而后者需要证明的是 AI 时代的资本回报效率。
因此，迈富时下一阶段真正值得资本市场跟踪的，并不是再增加多少个 AI 概念，而是三个更加朴素的指标：客户是否继续增购、场景 Token 能否跨行业复制，以及利润能否持续沉淀为现金。
如果这些指标持续兑现，那么 AI 产业下一阶段的价值迁移可能会越来越清晰：
算力负责扩大 AI 经济的供给上限，应用负责决定这些算力最终值多少钱。
英伟达正在把算力变成可以融资的资产。
而包括迈富时在内的应用层企业，需要完成更难的一步 ——
把 Token 变成利润，把 AI 变成生意。
免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。