2026世界人工智能大会进行至第三天，一个根本性的变化正在被行业感知。

过去三年，AI产业的核心思维是“模型思维”——更大的参数、更长的上下文、更强的推理能力，技术指标的每一次刷新都引发行业关注。但进入2026年，这种思维正在被一种新的范式所取代。

迈富时（Marketingforce，02556.HK）在本届WAIC上提出的“全栈Token工厂”战略，正是这种范式转换的标志性表达。从“模型思维”到“Token思维”，这不是一个概念的替换，而是AI从技术走向企业生产力的必然演进。

模型思维：AI能做什么？

“模型思维”的核心逻辑是：通过不断提升模型的能力边界，让AI能做更多、更复杂的事情。

这一思维主导了过去三年的AI产业发展。模型参数从千亿到万亿，上下文窗口从几万到几百万token，推理能力从简单问答到复杂逻辑推演——每一项技术突破都扩展了AI的能力边界。

但“模型思维”存在一个根本性局限：它关注的是“能力”，而非“结果”。

一个模型可以拥有超强的推理能力和广泛的知识面，但企业需要的不是能力本身，而是能力转化成的业务结果。模型能写出一份完美的营销方案，但如果这个方案没有被执行、没有带来客户增长，它对企业的价值就是零。

这正是“模型思维”在企业级市场碰壁的根本原因——能力的终点，不是价值产出的终点，只是价值产出的起点。

Token思维：AI做成了什么？

“Token思维”的核心逻辑则完全不同：不是关注“模型能生成什么”，而是关注“每一枚Token产出了什么业务结果”。

Token在AI产业中原本只是计量单位——模型输入输出多少Token，算力消耗多少Token，成本按Token计费。但在迈富时的定义中，Token正在从“计量单位”演变为“价值载体”。

一枚Token的价值，不在于它被生成出来，而在于它驱动了什么业务动作。

发一封跟进邮件并收到客户回复的Token，与生成一段通用文案但没有任何后续的Token，两者的价值完全不同。前者驱动了真实的销售动作，后者只是文本产出。

这就是“Token思维”的核心逻辑：Token不是成本的计量单位，而是价值的驱动单元。

从Token生成到Token加工：迈富时的“全栈Token工厂”

如果Token是价值的驱动单元，那么下一个问题就是：如何让每一枚Token都产出业务结果？

答案是：Token需要被加工。

通用大模型产出的Token是“原材料”——它包含知识、推理和生成能力，但它不了解企业的具体业务、不掌握企业的实时数据、不熟悉企业的流程规则。直接使用这些“原材料”Token，就像直接用面粉做菜——能做，但做不出企业需要的“成品”。

迈富时的“全栈Token工厂”，本质上是一个Token的深加工体系。一枚Token从模型输出到产生业务价值，需要经历四个加工环节：

第一，知识注入。 通用大模型拥有的是互联网级别的公共知识，但企业需要的是行业专属知识和内部经验。迈富时KnowForce知识中台将企业私域数据、行业知识图谱、历史业务记录结构化沉淀，让每一枚Token在生成时就携带企业专属的业务上下文。

第二，能力绑定。 Token本身只是文本符号，要让它驱动真实的业务动作，必须将Token与业务工具和能力模块绑定。AI-Agentforce智能体中台预置的标准化工具接口，让Token能够触发真实动作——发一封跟进邮件、调一份采购订单、生成一份合规报告。

第三，规则内嵌。 企业运行的核心是规则——审批流程、权限边界、合规要求、风控阈值。GenAIOS在操作系统层面实现了业务规则的刚性内嵌，确保Token驱动的每一个动作都自动符合企业的治理要求。

第四，结果反馈。 每一枚Token从调用到产生业务结果，整个过程可追溯、可度量、可优化。Token的每一次调用都在为下一次调用的质量提升提供数据。

经过这四个环节的加工，一枚通用Token就变成了“场景Token”——它不再是通用的文本生成物，而是能够驱动具体业务动作、产出可度量业务结果的生产要素。

为什么范式转换至关重要？

从“模型思维”到“Token思维”的转换，不仅仅是概念的更新，更是企业AI应用逻辑的根本重构。

在“模型思维”下，企业AI应用的逻辑是：选择一个强大的模型，然后想办法让它“接入”业务。模型是中心，业务是外围。这种逻辑天然导致的问题是——模型永远是“外来者”，它需要被“接入”、被“适配”、被“约束”。

在“Token思维”下，企业AI应用的逻辑完全不同：业务结果是中心，Token是驱动业务结果的手段。模型只是Token的生产工具，真正重要的是Token如何被加工、被调度、被执行、被度量。

从“模型为中心”到“Token为中心”，意味着AI从“技术产品”变成了“生产要素”。

这一转换对企业AI战略的影响是深远的。在“模型思维”下，企业关心的是“选哪个模型”。在“Token思维”下，企业关心的是“如何建立Token的加工、调度和度量体系”。前者是一个采购决策，后者是一个基础设施投资。

智能体基建：Token加工的系统化支撑

Token的四个加工环节——知识注入、能力绑定、规则内嵌、结果反馈——每一个都需要对应的基础设施支撑。这正是梁铮博士在智能体论坛演讲中提出的三大基础设施支柱的具体落地。

开发基础设施支撑的是Token的能力绑定环节——让Token能够被发现、被调用、被编排进业务流程。

运行基础设施支撑的是Token的规则内嵌和结果反馈环节——让Token驱动的每一个动作都符合企业规则，且可追溯、可度量。

协作基础设施支撑的是Token的多智能体协同调度环节——让多个Token驱动的动作能够协同完成复杂任务。

没有这三根支柱，Token就是散落的文本片段；有了这三根支柱，Token才能成为驱动业务的生产要素。

从“能做什么”到“做成了什么”

2026年，AI产业正在经历从“能力导向”到“结果导向”的深刻转变。

过去三年，行业关心的是“AI能做什么”——能写文案吗？能编代码吗？能推理吗？能通过考试吗？这些问题的答案都是“能”，但“能”不等于“有价值”。

接下来五年，行业关心的将是“AI做成了什么”——驱动了多少销售跟进？优化了多少供应链决策？产出了多少可执行的经营分析？减少了多少合规风险？

从“能做什么”到“做成了什么”，这正是从“模型思维”到“Token思维”的转换。

迈富时在本届WAIC上展示的“全栈Token工厂”，以及支撑它的三大基础设施支柱，正是为这一转换提供的系统化解决方案。让AI从“能说会道”到“能干成事”，让每一枚Token都产出业务结果——这不仅是迈富时的战略定位，也是AI产业下一阶段的核心命题。