AI公司终于赚钱了，商汤做对了什么？

AI迎来落地大考。 过去两年，“卷”模型、“卷”算力是AI故事的主线。但到了2026年，行业要直面价值兑现的课题，企业则要用真实业绩给出答案。 有“AI第一股”之称的商汤科技已率先交出一份答卷。 根据8月26日公布的半年报，该公司今年上半年实现收入29.1亿元，同比增长23.4%；其主营业务生成式AI业务收入23.3亿元，同比增长28.2%，占总收入79.9%。更关键的是，按国际财务报告准则（IFRS）口径计，商汤实现净利润6.2亿元，上市以来首度录得盈利。 在AI行业，盈利至今仍是稀缺品。全球范围内，能够实现IFRS口径盈利的AI平台型企业也屈指可数。 商汤究竟有何独到之处？这6.2亿元利润背后，是短期因素推动还是结构性改善？能否持续？商汤的案例对AI落地和行业发展又意味着什么？ 迈过项目制的坎 商汤的这份半年报亮点不少。 比如在AI生态投资中不菲的收益，这说明公司2024年实行“1+X”战略拆分后，内部孵化企业和外部投资标的都获得了市场认可；再比如控本增效方面，公司研发、销售、行政三大费用总额同比下降约14.8%，说明资源配置效率在持续改善。 不过，想要理解商汤的盈利，还有更关键的指标。 在最新的业绩报表中，商汤首次披露了经常性收入（RR）。按照公司董事长兼CEO徐立的解释，该指标主要基于报告期内已生效合同，是其中具备持续续约属性的收入。今年上半年商汤的RR同比高增124%，占总收入比重从去年同期的21.6%跃升至39.3%。 这个指标之所以重要，是因为它代表着越来越多客户与商汤形成了持续合作关系，将商汤的AI服务嵌入自身的业务流程之中。不同于以交付为终点的项目制，走通服务模式的企业，业绩的可持续性和可预测性都极大增强。所以说，这是商业模式的变化，是一家企业在价值链中重新定位的信号。 对于如今的AI企业来说，“项目制”是一道坎。迈不过去，就要承受客户粘性差、资源消耗大、难以规模化，甚至“做一单赔一单”导致始终难以盈利的压力。而迈过这道坎，就能看到新的风景。 仍以商汤为例，该公司今年上半年在主业营收大增的同时，毛利增速更快，同比增长32.9%达到12.1亿元，毛利率升至41.4%，显示出盈利质量的提升。此外，公司日均Token服务量同比增长了约22倍、海外业务收入同比大涨127%，这些数字更说明，商汤的AI服务已渗透到更深的企业工作流和更广的客户群体之中。 结果很重要，因果更重要。究竟，商汤是如何做到这些的？ 拆解商汤“三个一”：工业化体系、规模化效应与商业化闭环 商汤常用“三个一”的系统级AI能力来概括自身的AI能力、AI业务：一套模型、一座Token工厂、一套智能体管控系统。 在如今的市场上，想做垂直整合的企业不少，但能在每个关键要隘都形成规模布局的并不多。商汤经营多年，穿越数个周期，是少数具备全栈布局能力的企业。 但是，如果只把“三个一”理解为模型+算力+应用，那就完全无法解释商汤为何能率先盈利，迈过“项目制”的坎。 “三个一”的真正意义，是用一套适应当今AI落地时代的商业逻辑，将不同层级业务重新组织成一套生产体系，形成系统级的AI能力，并由此激发规模效应，实现商业闭环。 以这种视角再来拆分“三个一”，就能看到关键所在： 首先是“一套模型”。 在生产体系中，它是智能的“设计者”，决定了智能的成色，也承担着持续提升智能上限的任务 。 而在商业逻辑中，它解决的是AI企业最底层的一笔账：如何摊薄研发投入，提升研发效率。 过去，大模型能力往往以一个个独立产品存在，文本、视觉、生成、推理各自为战。模型越多，意味着研发、训练、部署和维护的成本越高，也意味着每一次能力升级都可能需要重复投入。 商汤在做的，则是把这些能力收拢到一套以原生多模态统一架构为基础的模型体系中。 今年以来，商汤密集推出了一系列模型，从NEO-Unify架构，到SenseNova U1、U1.5、U1.5-Lite，再到Vision、长程智能体、空间智能和世界模型等，各类产品性能均明显提升。 但这些模型不是单纯的多和孤立的强。使用商汤AI的用户往往会感知到，其模型能将文字、图像、视频、空间等贯通起来理解，不仅有问必答，还能举一反三，不仅“能写会看”，还“能听会做”。 更关键的是，商汤已经形成了一整套更高效的模型研发路径。 当模型体系统一后，研发、训练和推理基础设施，乃至模型能力都可以复用，并形成智能叠加。 从财务层面来说，单位研发投入能够产生的模型能力大幅增强，商汤得以用更快的速度生产出更多、更强的模型。覆盖更多客户场景后，研发成本就能被更多产品和更多收入摊薄。 这是一种典型的规模效应。 从结果上来说，商汤拿出的这套模型既多又精，性能在多项核心基准上能够比肩GPT、Gemini、DeepSeek等全球顶尖模型。同时，市场反馈也很热烈，以U1系列为例，产品开源不到四个月，三个项目就在GitHub上累计获得了超过1.1万星标，而对于市面上的大部分模型来说，拿到这个数量级的星标往往要一年以上。 随后是“ 一座Token工厂 ” 。 这是把智能规模化生产出来的环节，决定了AI企业能向市场提供多少价值。在商业化层面，只有在这个环节做到低成本、高效率地生产智能，才能跑出真实、持续的利润。 模型能解决“智能有多强”的问题，接下来则要考虑如何规模化生产。 在互联网时代，“注意力经济”唱主角，核心资源是流量，固定成本高但边际成本极低。而到了AI时代，以Token为核心的“生产力经济”涌现，最大的不同即在于边际成本随用量增加而上升。行业竞争焦点也转向了谁能以更低成本、更高质量供给Token。 在Token经济爆发之际，商汤就将自身大装置业务从“算力供应商”的定位转型为“生产型Token工厂”。 算力虽然重要，但其本质仍是“生产资料”，单纯做算力生意，不仅要承担巨大的买卡、库存等固定成本，还要面对电耗、折旧等刚性边际成本，但最终却无法拿出差异化的商品，容易遭遇同质化竞争，陷入“规模不经济”。生产Token则不同，好的生产体系能用更低的成本、更高的效率将生产资料打造成更有价值的商品，也就是高质量的Token，企业则能凭此获得更高的定价权和毛利空间。 具体到商汤来看，该公司在模型与基础设施联合优化上下了很大功夫，一方面通过模型适配、推理优化、异构调度、算电协同等方式，提高单位算力产出、降低单位Token成本。例如，公司主流国产芯片MFU（模型浮点运算利用率）较芯片原厂基准水平可最高提升2.5倍。此外，公司也通过对模型与任务的深度理解提升每个Token所承载的智能含量，支撑了自身大模型的技术摸高和规模化商用。 通过这个工厂，商汤已经重绘了AI商业化的成本曲线，并推动高性价比的智能得以大规模进入真实工作流。 所以我们才能看到，商汤用更低的成本、更高的毛利，反而“拿下”了更多、更持久的客户。 据统计，截至今年7月，商汤大装置日均Token服务量达2.4万亿，同比增长约22倍；总算力规模达4.8万P，已服务4家外部基础模型厂商。近期，商汤大装置还通过行业领先的国产异构混推技术，为智谱GLM-5.3-Flash上线提供大规模国产算力与Token服务支持力。 最后则是“一套智能体管控系统”。 该环节聚焦的是智能如何应用于现实场景、垂类行业，负责把模型和Toke