Token收入暴涨760%之后，市场正在重新估量云知声

云知声（09678）正在迎来一个值得重新估量的时刻。

先看一组数字。

2026年上半年，云知声实现营收5.62亿元，同比增长38.7%；大模型Token业务收入接近3000万元，同比增长760%；其中第二季度单季收入超过2500万元，环比增长超过500%。

更值得注意的是，这一轮Token收入的快速增长，主要由美元收入驱动。

这改变了3000万元这个数字的含义。

如果增长主要来自传统国内项目，那么它更多反映的是订单扩张；而美元Token收入增长，对应的是另一套商业模式——用户直接调用模型API，按照Token使用量付费，模型能力本身开始成为商品。

与此同时，Token业务毛利率已经超过60%，公司复购收入占比也超过60%。另一边，云知声仍在加大研发，上半年研发投入达到2.84亿元，同比增长69%，但同期亏损却继续收窄。

几条曲线放在一起，一种此前并不明显的变化开始浮出水面：

云知声正在从一家被市场习惯用“AI项目公司”逻辑衡量的企业，逐渐显露出一家大模型公司的收入特征。

这可能才是这份中报真正值得看的地方。

过去几年，大模型行业始终在回答一个问题：

谁的模型更强？

到了2026年，资本市场开始追问下一层问题：

谁的模型真正有人用？谁能够进入真实工作流？谁又能把模型调用变成持续增长的收入？

从这个角度再看云知声，营收增长38.7%反而不是这份财报里最有意思的数字。

真正值得关注的，是Token。

因为它正在给市场提供一套重新衡量这家公司的标尺。

新标尺出现 美元收入驱动的Token曲线变陡了

这半年，云知声最直观的变化来自Token。

上半年，大模型Token业务收入接近3000万元，同比增长760%；其中第二季度单季收入超过2500万元，环比增长超过500%。也就是说，上半年绝大部分Token收入集中在最近一个季度产生，增长曲线正在明显变陡。

而这轮增长主要由美元收入驱动。

对一家大模型公司而言，这一点很重要。

因为Token和传统AI项目有着完全不同的商业逻辑。

传统软件和AI项目更多依赖采购、定制和交付，一笔合同对应一笔收入；Token收入则只有在模型真正被调用时才会发生。

有人调用，才有收入；调用越多，收入越高。

所以，Token收入背后反映的不只是模型“卖出去”了，而是模型正在被持续使用。

尤其进入Agent时代后，这个逻辑会被进一步放大。

过去人与AI主要是一问一答，一个问题对应少量模型调用。但当智能体开始执行复杂任务，一个工作流可能被拆解成几十甚至上百个步骤，每一步都可能调用模型、工具或外部系统。

模型消费的单位，正在从“一次对话”转向“完成一件事”。

云知声U2能够自主拆解并推进100步以上复杂工作流，本质上正是在适应这种变化。

所以，真正值得看的并不是3000万元本身，而是这条曲线背后的收入性质。

目前，Token业务毛利率已经超过60%。这意味着云知声并不是单纯依赖低价换调用，而是在形成一条兼具高增长、高毛利和经常性特征的新收入曲线。

项目收入更像“卖一次”。

Token收入则意味着“持续使用”。

当模型开始按照使用量挣钱，一家AI公司的商业逻辑才真正开始改变。

一场从“项目”到“资产”的变化

但Token只是结果。

真正支撑这条曲线的，是云知声正在发生的另一场变化。

过去，外界对云知声的典型认知，是一家深耕医疗、医保、物联网等领域的AI解决方案公司。

这种模式的优势很明显：行业理解深、客户黏性高、进入壁垒强。

但传统项目制也有一个天然问题：

项目做得越多，往往意味着投入越多的人。

而大模型正在改变这件事。

目前，云知声企业智能化服务复购收入占比已经超过60%，复购规模同比增长40%。与此同时，公司正在把过去不同项目中积累下来的业务能力重新拆解、标准化，再沉淀成可以重复调用的智能体模块。

过去是：

一个客户，一个需求，一套项目。

现在则逐渐变成：

模型底座+标准能力模块+智能体编排。

最大的区别在于，一个项目结束以后，能力并不会随项目结束，而可以继续沉淀下来，成为下一次交付的基础。

于是，增长逻辑也开始改变。

过去是项目越多，人越多。

未来则可能变成：

项目越多，可复用的模型和Agent能力越丰富，下一次交付反而越快。

这可能才是理解云知声价值变化的第二把钥匙。

它正在从依靠工程能力挣钱，逐渐转向依靠模型能力和业务资产复用挣钱。

医疗，不只是一个行业市场

这些可复用的能力从哪里来？

医疗是一个重要答案。

截至2026年上半年，云知声累计服务超过470家医疗机构，其中超过80%为三级医院。在病历质控场景中，AI已经可以将单份审核时间压缩至10秒以内，人工质控效率提升80%；在江苏医保智能经办体系中，人力投入减少约65%。

但如果只把这些理解成“行业案例”，其实低估了医疗对一家大模型公司的意义。

医疗真正特殊的地方在于：

它足够复杂，也足够严肃。

写一段文案，可以允许存在一定偏差。

但病历、医保审核、辅助诊疗，很难接受“差不多正确”。

一个智能体如何拆解任务？哪些步骤可以自动完成？哪些节点必须人工确认？什么错误绝不能发生？

这些问题很难只通过Benchmark解决。

它们必须进入真实世界。

所以，对云知声而言，医疗正在从过去的“业务场景”，进一步变成模型和智能体的“训练场”。

模型进入真实场景解决问题；真实场景又反过来帮助模型沉淀更复杂的执行能力。

这也是“强基模×深应用”真正值得看的地方。

应用不是模型的终点，也可以成为模型继续进化的起点。

模型竞争，也开始换标尺

所有商业变化，最终还是要回到模型本身。

如果底层模型不够强，再好的商业模式也很难成立。

今年6月，云知声发布U2原生智能体大模型。其核心方向并不是简单追求更大的参数规模，而是强调复杂任务执行以及“高智能密度”。

背后的逻辑很直接：

未来AI竞争，不只是看谁的模型更大，而要看——

单位算力到底能够产生多少有效智能。

尤其进入Agent时代后，这个问题会更加重要。

一个任务可能连续调用几十次甚至上百次模型，每一次推理成本都会被放大。

因此，大模型商业化最终是一道乘法题：

模型能力 × 推理效率 × 场景价值。

少一个都很难成立。

而云知声这份中报有意思的地方，是这几个变量第一次开始同时转动：

模型能力提升，带来Agent执行能力；

Agent进入真实工作流，产生更多Token调用；

Token调用扩大，又开始转化为高毛利收入；

真实行业项目持续沉淀，进一步形成可以重复复用的模型与业务资产。

一个商业飞轮开始出现。

这也让亏损收窄这件事值得重新理解。

研发仍然在高速增长，但商业化已经开始同步提速。

如果这种趋势持续，对一家大模型公司而言，规模就不再只是成本，也可能成为收入与利润的杠杆。

比Token数量更重要的，是Token价值

这也引出了一个更有意思的问题：

大模型公司真正应该追求的，是更多Token吗？

未必。

如果一个Token只是完成一次简单聊天，它所承载的商业价值有限。

但如果一串Token完成的是一次病历质控、一次医保审核，甚至推动一条复杂业务流程执行，它的价值显然完全不同。

所以，大模型行业接下来真正需要比拼的，可能不只是Token数量。

而是：

每一个Token，到底解决了多大的问题。

这也对应云知声一直强调的两个概念：

智能密度，与Token价值。

前者决定单位算力能够产生多少智能，后者决定这些智能最终能够创造多少真实价值。

两者结合，才是一家AI公司真正的商业效率。

过去，市场看云知声，看到的是医疗、物联网、芯片、语音以及一个个AI项目。

到了大模型时代，这些原本看起来分散的能力正在重新汇聚：

模型提供智能底座；

真实场景提供高价值任务；

Agent连接业务工作流；

Token开始把智能转化成收入。

于是，一家公司过去十几年积累的能力，开始逐渐指向同一个商业逻辑。

中国大模型行业已经讲了三年技术故事。

到了2026年，市场开始越来越关心另一件事情：

技术究竟能不能兑现。

谁的模型真正有人持续使用？

谁能够进入真实工作流？

谁又能够把智能转化成高毛利、可复购、持续增长的收入？

从这个角度看，云知声这份中报真正值得关注的，并不是某一个数字突然变得漂亮。

而是过去很难同时成立的几件事情，正在一起发生：

模型仍在持续投入，商业化却开始加速；

行业业务继续增长，美元Token收入开始陡峭爬坡；

项目仍在交付，却开始沉淀成可以反复复用的智能资产。

过去，市场更多把云知声理解成一家拥有AI技术能力的行业解决方案公司。

现在，这套标尺可能需要调整了。

因为当模型开始直接产生收入，当一次性交付开始转化为持续调用，当行业Know-how开始变成可复用资产，一家公司的价值逻辑也会随之改变。

云知声真正迎来的，或许不是一次业务上的“换挡”。

而是一个被市场重新估量的时刻。