迈富时能否通过“全栈协同”的考验？一场源于Deepseek V4的AI产业重估

半导体又热起来了。4月27日,A股半导体板块强势走高,芯片设计、设备、材料等方向集体活跃;海外市场同样延续修复,美股芯片股上周五大幅反弹,英特尔、ARM、AMD等龙头表现抢眼。更值得注意的是,这一轮行情背后,并不只是短期情绪修复,而是AI基础设施需求结构正在发生变化。

过去两年,市场谈AI算力,更多聚焦GPU。但随着AI应用从“大模型对话”走向“AI Agent”,CPU的重要性正在被重新看见。TrendForce在近期分析中指出,传统AI数据中心CPU与GPU配比约为1:4至1:8,而Agentic AI时代这一比例预计将向1:1至1:2演进,CPU需求有望显著抬升。另据海外报道,2026年3月以来,服务器CPU价格已出现10%至20%的上涨,消费级CPU价格也有5%至10%的涨幅。

这意味着,AI产业正在从“单点算力竞争”进入“系统协同竞争”。

一、AI Agent把CPU重新推回牌桌中央

在传统大模型训练阶段,GPU承担矩阵计算的核心任务,CPU更多扮演调度、管理、数据流转等辅助角色。但智能体Agent不同。

智能体不是简单回答问题,而是要拆解任务、调用工具、访问数据库、执行流程、生成结果、进行反馈。它每完成一次复杂任务,背后都涉及更多上下文管理、任务编排、工具调用和系统交互。这些环节天然依赖CPU、内存、I/O、存储和软件调度能力。

也就是说,AI Agent越普及,AI基础设施就越不可能只靠GPU“单腿走路”。CPU、服务器、开发框架、工具链、模型调度平台、知识库、业务系统之间的协同效率,正在成为新的产业变量。

这也是为什么英特尔一季报超预期后,市场会重新关注CPU在AI时代的价值。英特尔数据中心与AI业务收入同比增长22%,一定程度上缓解了外界对AI数据中心处理器需求放缓的担忧。

二、DeepSeek V4国产化适配测试,释放的是“协同验证”信号

更大的变化发生在国内。4月27日,中国信通院正式启动DeepSeek V4国产化适配测试工作,测试面向芯片、服务器、一体机、集群、开发框架、工具链、智算设施及平台等软硬件产品。其核心信号是:国产AI竞争已经不只是“模型能不能发布”,而是“模型、芯片、工具链和应用场景能不能一起跑通”。

这与国产开源大模型的高速迭代形成呼应。据央视财经报道,国产开源大模型全球累计下载量已突破100亿次,过去一年Hugging Face平台上41%的大模型下载量来自中国研发模型,中国已成为全球开源大模型供给最活跃、增长最快的地区之一。

模型供给变多、调用成本下降、开源生态扩大,当然会推动AI应用普及。但对企业来说,真正的问题并不是“有没有模型可用”,而是:模型如何接入企业系统?如何调度不同算力?如何管理知识权限?如何让Agent进入销售、客服、研发、经营分析等真实流程?如何把一次次Token调用转化为经营结果?

换句话说,国产AI正在从“模型发布周期”进入“应用验收周期”。

三、Token增长不是终点,场景跑通才是价值入口

AI产业还有一个更底层的变量:Token,也就是“词元”。国家数据局相关信息显示,2024年初我国日均词元调用量约为1000亿,到2025年底跃升至100万亿,到2026年3月底已突破140万亿。词元调用量的激增,意味着AI正在从尝鲜工具进入高频生产工具。但Token越多,并不代表商业价值越高。对于企业客户而言,真正有意义的不是“调用了多少Token”,而是这些Token有没有带来线索、转化、客服效率、研发提效、经营洞察和管理改善。这也是 迈富时(02556.HK)“全栈Token工厂”叙事值得被借鉴的地方。

过去讲Token,市场容易想到算力Token、模型Token,关注的是底层供给和调用价格。但当模型开源加速、API价格下降、CPU与GPU需求同时上升后,产业重心开始向应用端迁移。企业不只需要便宜的模型,也不只需要更强的芯片,而是需要一个能把“智算、数据、模型、知识、Agent和场景交付”组织起来的生产系统。

四、迈富时的机会,不在“接模型”,而在“跑场景”

从这个角度看,迈富时的核心位置不是处于“接入某个模型”的接入层,而是承接模型普惠之后的企业AI落地需求承接层。

一端,是国产模型、国产芯片、国产工具链的同频迭代;另一端,是企业在营销、销售、客服、经营分析、研发、内容生产、知识管理等场景里的真实需求。中间缺的,不就是应用生态承接平台吗?

因此,迈富时值得被市场看到的“全栈Token工厂”,以及支撑的系统化、工程化的叙事也值得被继续深入展开:

底层通过智算与多模型调度,解决不同模型、不同算力、不同任务之间的匹配问题;中间通过知识中台,把企业文档、产品规则、业务流程、行业术语、客户数据转化为可检索、可调用、可审计的知识资产;上层通过智能体中台,把AI Agent嵌入销售、客服、经营分析、内容生产和研发等具体业务流程的各个实际场景;最终,通过AI原生应用平台,把一次次模型调用变成可衡量的企业结果。

这套逻辑不在于突出“大而全”,真正值得被关注的在于“协同”。

在DeepSeek V4国产化适配测试启动之后,市场更容易理解一个问题:国产AI不是只有模型层竞争,也不是只有芯片层竞争,而是软硬件、模型、Agent和企业场景之间的系统竞争。谁能把多层能力组织起来,谁就更接近企业AI落地的真实入口。

五、从芯片涨价到应用落地,AI产业链正在形成新闭环

这一轮半导体涨价和芯片行情,表面看是CPU、存储、先进制程、封测等环节的供需变化;深层看,是AI应用持续扩张后,对算力基础设施的再定价。

当Agent带来更高的CPU需求,当国产开源大模型下载量突破100亿次,当日均词元调用量突破140万亿,当DeepSeek V4进入国产化适配测试,一个更清晰的产业闭环正在形成:模型迭代降低使用门槛,开源生态扩大应用供给;智能体普及带来更复杂的任务执行需求,推动CPU、GPU、存储和工具链协同升级;国产软硬件适配加速,推动更多企业敢用、能用、可控地用AI;企业场景不断跑通,又反过来带来更高频的Token调用和更强的算力需求。

在这个闭环中,半导体公司承担底层供给,模型公司提供智能能力,而迈富时这类AI原生应用平台企业,承担的是从“能力”到“结果”的转化环节。

AI产业的下一个竞争点,可能不再是谁的模型参数更大、谁的GPU更多,或许,真正决定能否破局而出的核心关键在于:谁能把模型、算力、知识、工具和业务场景真正组织成一个可持续运转的企业AI生产系统。

这其实也是近期“全栈Token工厂”被不断提及的原因,也是这一背景下值得被重新定义的地方:

与其说“全栈Token工厂”是一个概念标签,不如说更像是AI从模型热、芯片热,走向场景落地和经营结果的中间接口。