落地智能汽車超級場景，迅策錨定物理AI Token新基建

6月8日，迅策（3317.HK）發佈公告，宣佈與智能座艙解決方案核心供應商博泰車聯、全球自動駕駛仿真第一股賽目科技簽署三方戰略合作框架協議，共同研發基於Token的物理AI與世界模型，並推動Token經濟在智能網聯汽車領域的商業化。

市場可能會將此視為一份普通的生態合作備忘錄，但結合迅策近期發佈TokenOS操作系統的背景，此次合作意義重大。它標誌着迅策正將其Token化價值計量體系，正式落地於智能網聯汽車這一當前規模最大的物理AI終端場景。

一、三方協同，搭建物理AI完整閉環

本次三方合作有着清晰的分工、完整的鏈路和明確的商業場景，形成了業內少見的物理AI的全閉環協作體系。

博泰車聯提供了規模化落地的端側硬件入口。根據其公開資料，博泰車聯是國內具備硬件、軟件、雲端一體化全棧能力的核心供應商。更重要的是，公司深度綁定華為高通雙生態，其基於高通驍龍8295平臺的產品已規模化量產，同時正在推進華為麒麟9610A平臺的定點與量產，是業內少數同時佈局兩大主力AI座艙平臺的供應商。

賽目科技提供了仿真與測試相關的數據資產。作為專注於L3及以上級別自動駕駛解決方案的測試、智能網聯汽車(ICV)自動駕駛仿真測試產品的設計和研發的廠商，賽目科技擁有全棧自研的模擬測試工具鏈（如Sim Pro、Safety Pro）以及運營國家智能汽車與智慧交通(京冀)示範區順義基地測試場地。

迅策的角色，則是為智能汽車AI服務建立Token化價值計量底座。據悉，迅策將依託其TokenOS操作系統，提供集Token價值計量、動態結算與標準化計費於一體的核心服務。

就在不到兩周前的5月26日，迅策剛發佈了TokenONE。TokenONE是全球首款TokenOS操作系統，定位是行業場景Token工廠，核心功能是把垂直行業的原始數據、場景知識、業務邏輯與風控規則，全自動轉化為標準化、可調用、可計價、可審計、可流轉的場景Token資產。產品發佈后能如此迅速地鎖定一個明確的萬億級落地場景，效率出人意料。

三方整合全部合作成果並統一命名為「博泰・迅策・賽目TokenOS增強模塊」，相關知識產權及商業收益由三方共同享有。一條完整的「端側硬件-仿真測試數據基礎設施-Token結算-商業化運營」產業閉環就此成型。

二、商業價值推演：乘數效應催生指數級增長潛力

值的一提的是，根據新聞稿披露的業務規劃，三方合作並有望於2026年為迅策科技帶來數億級別的年度經常性Token調用收入。

迅策已將其商業模式從傳統的軟件授權、年度訂閲，全面轉向按Token實際消耗量計費+業務分成的新型模式。2026年4月，公司Token調用對應的經常性收入(ARR)實現季度環比300%，其Token付費收入佔比已突破5%，預計年末將提升至20%-30%。此次合作，正是將這一新模式植入一個具備高頻、高粘性特點的超級場景，並將為公司帶來穩定的Token收入增量。

儘管公告也謹慎地表明，具體規模「取決於車載AI Agent部署進度、Token調用量增長及生態合作拓展情況」，但其收入的增長得到幾個變量的乘數效應的支撐，具備可觀的確定性：

1、裝機基數：

博泰車聯已累計為超過50個汽車品牌的200余款車型提供服務，據高工智能汽車研究院數據，2025年博泰車聯在中國市場25萬元以上中高端價位自主品牌乘用車前裝標配座艙域控市場份額位居第一。2025年全年其智能座艙域控制器交付量達130萬台，同比增長超40%。

這意味着博泰車聯手握規模持續走高的海量車載端側入口，即使初始滲透率不高，也能快速積累可觀的用户池。

2、場景頻率：

不同於手機端AI大多是用户主動喚醒、單次提問后隨即退出，調用行為零散且頻次偏低。而車載語音助手、出行規劃、車控、充電補能、停車導航、保險服務等服務，深度融入日常行車全流程，依託異步常駐的運行模式持續在線，全程跟蹤對話上下文、感知行車環境、拆解用户連貫出行意圖，交互具備高頻、連續的特點。

與此同時，單條指令會觸發數次模型運算與工具聯動，再加上汽車屬於高頻剛需出行工具，通勤、出遊等使用場景貫穿每日生活，這使得車輛端AI的日均活躍交互量，天然遠超手機端偶爾使用的AI應用。

3、價值密度：

根據媒體報道，高價值垂類場景Token的調用價格區間在10-100美元/百萬Token，往往遠高於通用Token，且定價根據專業使用場景持續增長。

按照年化收入=激活車輛數×日均活躍率×日均交互次數×單次Token消耗×Token單價的公式測算，即使在設定保守的參數下（僅10萬輛車、每天只交互5次、每次僅1萬Token、單價取中位數的十分之一），年化收入也已超過數億元的量級。

更進一步來看，乘數效應會催生非線性增長曲線，眼下數億規模的收入可能僅僅是開端，后續有望迎來指數級的增長。

三、汽車是規模最大的試驗場，物理AI擁有更大的遠景

把視野再拉開一層，此次合作的深層意義，遠超智能汽車場景本身。

NVIDIA、Arm等產業鏈核心廠商不約而同地認為，物理AI（Physical AI）的典型方向包括機器人、自動駕駛汽車、視覺AI系統和工業智能體。

其中，機器人尤其是人形機器人仍處於規模化前夜，工業智能體的部署也常受制於封閉環境與割裂的舊有系統。相比之下，智能汽車產業已具備成熟的百萬級量產體系、高度集中化的電子電氣架構以及穩定在線的服務能力。換言之，汽車已成為當前規模最大、商業化最成熟的物理AI試驗場。

倘若迅策以本次合作為切入點，在這一領域實現規模化落地，就意味着迅策作為Token化價值計量底座的核心能力，在最嚴苛、最複雜的場景中得到了實證檢驗。這套已驗證的方法論，未來向具身智能、工業Agent等其他物理AI場景復刻時，擴展阻力會顯著降低。

展望未來，迅策想要打造的價值，可能遠不止智能汽車AI增值服務這麼簡單。

深耕垂直場景數據Token化領域多年，這家企業在AI產業鏈里扮演着獨特角色。不同於算力廠商提供底層運算能力，模型廠商打磨推理交互效果，迅策承擔的是銜接數據、模型與終端應用的重任，提供覆蓋全鏈路的AI數據基礎設施能力。依託車載場景完成大規模落地驗證后，迅策「Token基礎設施服務商」的定位可能得到進一步深化，有望憑藉着打通數據-Token-價值結算鏈路，成長為物理AI領域通用的Token結算底層。

回顧科技產業的發展脈絡，雲計算時代AWS定義了算力怎麼計量怎麼計費；移動互聯網時代，App Store定義了數字商品怎麼分賬。當AI從數字世界的語義遊戲進入物理世界的交互鏈條時，能夠定義物理交互的計量方式、定價規則與收益分配模式，就等於佔據了產業鏈里至關重要的結構性位置。

由此，迅策的成長敍事，逐漸從一家提供實時垂類數據服務的公司，轉向成為物理AI進程中不可或缺的Token結算層與新型基礎設施。這條路徑的想象空間，將廣闊得多。

相應的，估值體系也有望隨之重構，長期價值將進一步在物理AI產業落地進程中得到釋放。