AI公司集体“中考”交卷，商汤率先盈利得分

8月，AI相关公司集体到了“交卷时间”。

平时卷的模型、参数、算力，到中期业绩发布时刻，都需要回答更现实的拷问：技术投入能不能变成持续收入，AI到底什么时候能成为一门好生意？

对商汤而言，这道题尤其有意思。作为计算机视觉时代的老玩家，它依然留在大模型牌桌上，但手里的模型、算力和应用，正在被重新拼成“一套模型、一座Token工厂、一套智能体管控系统”。

最新发布的2026年中期业绩显示，商汤上半年实现收入29.1亿元，同比增长23.4%；生成式AI收入达到23.3亿元，占集团收入近八成；调整后净亏损同比收窄67.3%至3.9亿元，并首次实现IFRS口径盈利6.2亿元。

几组数据分别指向三个问题：增长从哪里来，收入能不能持续，以及过去几年高强度的模型和算力投入，是否开始产生经营杠杆。商汤中期这份半年报要看的，也因此不只是6.2亿元利润，而是已经历经12年的AI老玩家，手里的技术与产业积累能不能在新一轮AI竞争里，真正变成持续收入和经营效率。

三套能力合流，AI竞争转向系统效率

大模型走过密集发布期后，单看参数和榜单已经很难解释一家AI公司的商业价值。客户真正关心的是，模型能不能稳定完成复杂任务，调用成本能否持续下降，能力又能否快速复制到不同业务场景。

商汤提出的“三个一”，正是围绕这三个问题展开：模型负责提高智能上限，Token工厂负责降低智能生产成本，智能体管控系统负责把能力送进工作流。

一套模型首先改变的是研发方式。基于NEO-Unify原生多模态统一架构，商汤逐步打通文字、图像、视频、空间和应用界面的理解、生成、推理与执行，减少不同模型之间反复拼接和转换的损耗。

SenseNova U1系列开源不到四个月，相关项目在GitHub累计获得超过1.1万个星标；SenseNova 6.8 Flash-Lite能够连续执行数百个步骤，并调度十多个专业子智能体。

在信息搜索等长链路任务中，其Token消耗较纯文本智能体平均减少约60%。模型研发效率由此与推理成本直接相连。

Token工厂承担的是规模化生产。

商汤大装置将模型适配、推理优化、异构调度和算电协同放在同一套底座上，把不同芯片、集群和交付节点组织成稳定供给。

截至公告日，公司运营总算力达到4.8万P；今年7月日均Token服务量达到2.4万亿，同比增长约22倍，并已为4家外部基础模型厂商提供服务。

它既支撑自研模型，也服务外部模型。相比单纯出售算力，模型与基础设施联合优化可以提高芯片利用率、压低能耗和推理成本，为产品定价及毛利改善留下空间。

智能体管控系统则把前两项能力变成可交付的任务。它连接知识、工具、身份权限、长期记忆和业务流程，负责目标理解、任务拆解、过程校验及结果交付。

小浣熊企业用户同比增长超过6倍，云端月活跃用户接近10倍增长；Seko已经把视频创作延伸到剧本、分镜和成片的连续生产。前端产品面向不同人群，后台调用的却是同一套任务交付能力，研发成果因而可以更快复制到企业、个人和内容生产场景。

更关键的是，三套能力之间开始形成反馈循环。智能体进入真实场景，带回任务数据和用户反馈；这些信息推动模型迭代，再由Token工厂降低新能力的部署成本；成本下降后，智能体又可以覆盖更多客户和任务。

体系保持开放，但在模型、Token和智能体重合的部分，商汤掌握了从研发到交付的完整链路。它要建立的壁垒，已经从某个单点产品，转向系统整体的效率。

从持续收入到价值计费，盈利路径逐步清晰

系统效率改善，首先体现在毛利和费用结构上。

上半年，商汤实现毛利12.1亿元，同比增长32.9%，快于收入增速；毛利率达到41.4%，同比提高2.9个百分点。销售、管理和研发费用率均有所下降，调整后EBITDA由亏转盈至3.85亿元。

统一模型和底层能力被更多客户复用后，前期投入不再只服务单个项目，规模效应开始释放。由此看，商汤已经跨过最陡峭的重投入阶段，进入经营杠杆释放与基本面验证期。

华泰证券在研报中指出，相比受到投资公允价值影响的IFRS利润，调整后EBITDA转正更能反映主营业务盈利拐点。

中信建投则认为，公司已经跨过重投入期，进入经营杠杆释放与基本面验证阶段。两家机构的判断都指向同一点，即比一次扭亏更重要的，是毛利、费用效率和主营经营结果正在同步改善。

商业模式的第一步升级，是客户关系从一次性交付走向持续服务。商汤首次披露的经常性收入达到11.4亿元，同比增长124.4%，占总收入39.3%，较上年同期提升17.7个百分点。

华泰证券在研报中表示，RR快速增长表明客户合作正从单次算力或项目采购，转向长期服务和深度嵌入工作流，收入的持续性与可预测性随之增强。

第二步升级，是价值计量从资源消耗走向任务结果。Token供应增加后，价格会不断下探，只按调用数量收费，很容易把厂商拖入同质化、低毛利的价格竞争。

商汤正在把Token工厂向Task交付延伸，由智能体完成目标理解、工具调用、多智能体协作和结果校验，再依据任务质量、成功率与交付效率收费。

Token反映的是生产成本，Task体现的则是客户获得的实际价值，后者提供了更大的定价空间。

经常性收入和Task计费并非两条平行路线，而是商业化升级的前后两步：RR解决收入能否持续，Task解决能否按价值收费。当模型效率降低研发成本、Token工厂降低单位智能成本、智能体扩大可收费任务，客户价值便有机会沉淀为持续收入。

由此形成的增长不只依赖调用量扩张，还来自客户范围扩大、合作周期拉长和单项任务价值提升。

商汤中报呈现的，正是这套闭环开始进入财务兑现阶段；而每一份模型能力和每一个Token，最终能够创造多少可持续的商业价值，正是商汤下一步需要回答的问题。

*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。