2026-09-05

资源池2000家、Token采购与算力降本：工信部专项行动的商业化考题

拆解工信部人工智能应用服务商培育专项行动如何连接资源池、真实场景、Token 服务、算力降本与企业交付，并用智谱、汉得信息和神州数码的窗口内披露区分政策目标与商业化证据。

先说结论：这份专项行动把 AI 商业化的考题从“模型能不能演示”移到了“谁能把模型接进真实流程、按什么方式采购、怎样持续运营并承担安全责任”。它已经给出了资源池、真实场景、首购首用、风险补偿、Token 服务、算力券、服务团和前线部署工程师等机制安排；截至 2026 年 9 月 5 日 09:30（Asia/Shanghai），公开材料仍没有证明这些安排已经形成统一采购金额、政府验收单或新增行业收入。1

工业和信息化部办公厅于 2026 年 8 月 31 日在官网发布《工业和信息化部办公厅关于开展人工智能应用服务商培育专项行动的通知》，文号为工信厅科函〔2026〕414 号；通知落款日期是 2026 年 8 月 27 日，官网页面显示发布时间为 8 月 31 日 10:50。1

读者此刻值得关注的时间点有两个：各地需要在 2026 年 12 月 1 日前报送资源池信息，通知为全国资源池设定的第一个数量目标是 2026 年底突破 2000 家；2027 年底的目标是不少于 3000 家。数量节点提供了观察窗口，订单、复购和利润才提供商业化证据。1

一、先把政策原文读成一张交易流程图

政策所说的“人工智能应用服务商”，范围比模型厂商更宽。通知把服务商定义为：围绕用户单位的智能化需求，提供解决方案咨询规划、交付实施、运营管理和安全治理等服务的企业或机构。1

这个定义把模型供应商、系统集成商、行业软件公司、云与算力服务商，以及长期驻场运营的服务团队放进了同一张图。服务商卖的对象因此从一个模型接口，扩展成一套能在用户现场运行的服务。

把通知中的动作串起来，大致是这样：1

地方摸排服务商
      ↓
填写服务商档案，形成省级资源池
      ↓
工信部汇总，形成全国资源池并适时发布
      ↓
开放真实场景，做供需对接，打造标准化产品包
      ↓
探索首购首用、风险补偿，扩大大模型/智能体/Token 服务采购
      ↓
服务商完成部署、运营、算力优化和安全治理
      ↓
定期更新资源池，2027 年报送总结并评估标杆方案

流程里最容易被忽略的一步，是地方报送的服务商档案。附件要求填写服务商可提供的服务类型、主要服务行业、主要服务对象和联系人；附件中的报送要求还把主体资格、信用记录、直接从事相关服务的人员数量、近年服务案例和涉及备案的服务类型列为核验字段。服务年限在 3 年及以上的服务商，原则上近 3 年至少完成 30 项相关服务案例；服务年限不足 3 年的，原则上至少完成 10 项。1

这些字段透露出一个重要方向：资源池首先承担的是可识别、可筛选、可联系的供给底座。入池数量回答“市场上有哪些服务商”，采购合同和验收文件才回答“哪家服务商交付了什么”。

新华社发布的人工智能应用服务商培育专项行动图解 — 新华社 2026 年 8 月 31 日制图把服务商定义、行动方向以及 2026 年底 2000 家和 2027 年底 3000 家的资源池目标放在一张图里；两个数字指资源池目标，不是已经完成的订单数量。2

二、买方语言：政策具体安排了什么

1. 资源池解决“去哪里找”，标准化产品解决“买什么”

通知要求地方摸排本地区服务商，包括注册在本地的中央企业，并在 2026 年 12 月 1 日前报送信息。工信部将汇总各地资源池，依据相关标准形成全国服务商资源池，并适时建立线上平台。1

供给侧有了名册，买方还需要一个能比较的产品单位。通知要求服务商把高频、刚需、可复用的业务封装成模块化、标准化产品包，形成“小快轻准”的 AI 产品服务，并依托产业联盟、行业协会和开源社区做分行业供需对接。

“小快轻准”并非要求每个行业使用同一个模型。它更接近一份可报价的交付清单：咨询怎样收费，数据与知识怎样整理，模型和工具怎样接入，部署需要多少工程时间，运营由谁负责，安全审计怎样完成。服务商把这些环节拆开，买方才有机会比较方案，服务商才有机会把第二个客户做得比第一个客户更快。

2. 真实场景与首购首用，打开从试点到合同的通道

通知提出组织开放一批真实场景，积极引入服务商开展落地实践，打造标杆方案；同时提出探索通过首购首用、风险补偿等模式，加大大模型、智能体、Token 等服务采购力度，提升行业用模用智质效。1

这里的政策强度需要按原词判断。

“组织开放”描述的是场景供给安排；
“探索”描述的是采购和风险分担机制仍在试行路径上；
“首购首用”指买方为首次采用的新产品提供进入真实业务的机会；
“风险补偿”指在创新产品早期存在不确定性时，尝试分担一部分采用风险；
“Token 服务采购”把模型调用量或模型服务能力纳入采购对象，但通知没有列采购金额、统一价格或预算上限。

工信部科技司署名解读把这一段概括为“促闭环”，并将专项行动的现实痛点归纳为资源底数不明、交付水平不均、商业闭环不通、服务生态不壮。解读还把服务类型分为咨询规划、交付实施、运营管理、安全治理和配套服务五类。3

因此，政策当前提供的是让试点更容易走到采购讨论的制度接口。真实订单是否增加，要等地方发布场景、采购文件、合同和验收结果后再判断。

3. 算力降本与出海，都是条件性安排

通知要求服务商对接国家算力网络枢纽节点、国家算力互联互通节点和中国算力平台，用好“算力券”等政策工具，降低算力成本。通知还提出，有条件的地区建立“出海”综合服务体系，依托“一带一路”、金砖和中国—东盟等合作机制平台，推动优质人工智能应用项目出海落地。1

这两条的可验证内容很具体：服务商能否接入这些算力节点，能否把每次任务的推理成本降下来，能否拿出海外客户、合同和持续使用记录。通知本身没有公布算力券额度、出海项目名单或新增补贴预算。

政策还提出依托“模数共振”“工业数据筑基”等既有行动形成的场景、数据、模型和智能体成果，向服务商开放调用接口或提供试用通道。接口开放能降低接入门槛，客户是否愿意把接口接入生产系统，则取决于效果、价格、权限和责任边界。

4. FDE 与安全治理，把交付责任放到现场

通知原则上要求各地区报送不少于 10 个人工智能应用服务团。每个服务团由 1 家服务商牵头，并由不少于 2 家上下游单位联合参与；附件列举的上下游成员包括算力、数据和终端等服务商。通知还鼓励服务商搭建前线部署工程师（FDE）团队，扎根用户现场，保障场景落地。1

FDE 可以理解为把工程师放到客户业务现场，持续处理部署、调试、权限、数据和异常问题。这个岗位的增加，会让 AI 服务的成本结构变得更透明：一个项目需要多少人驻场、驻场多久、上线后人工兜底多少次，都可能进入报价和毛利计算。

安全条款也沿着同一逻辑展开。通知要求把网络安全、数据安全、伦理治理和业务合规内嵌到研发、部署、应用全流程，并支持服务商提升对安全可靠的操作系统、数据库、训练推理芯片等基础软硬件的集成应用能力。1

三、MUSE：政策卡在 S→U 的接口

上一期使用的 MUSE 四层框架，把 AI 产业分成四个观察角度：

层级	要回答的问题	本期对应对象
E·变革层	技术能力、算力供给和单位成本有没有改善？	模型推理、Token 成本、算力网络、软硬件适配
S·创业层	谁把技术能力做成产品和服务？	模型公司、集成商、行业软件商、服务团和 FDE
U·使用层	企业是否把 AI 放进真实工作？	开放场景、生产系统、智能体流程、持续运营
M·奇迹层	AI 是否已经改变生产率与组织方式？	跨行业的效率提升、职业变化和流程重构

这项专项行动最直接地连接 S 层与 U 层。S 层服务商要把模型、数据、算力、咨询和安全治理包装成买方能理解的产品；U 层企业要把产品放进真实场景，并用任务完成率、稳定性、成本和责任边界验收。

E 层通过算力成本、模型接口和软硬件适配进入这条链。M 层则要等真实使用持续一段时间后才有证据。资源池增加、服务团成立和政策解读发布，最多说明供给组织正在形成；它们还没有单独证明企业生产率已经发生跨行业跃迁。

四、三个窗口内案例：同一政策，三种商业账本

下面三家公司都在研究窗口内披露了经营材料，但它们的 AI 收入口径和业务位置不同。表中的“商业成熟度”是基于收入结构、盈利模型和复制条件作出的编辑判断，不是公司自评。

案例	产品与 MUSE 位置	客户、收费或采购	窗口内经营证据	成本与交付边界
智谱（02513.HK）	云端 MaaS/API、Coding Plan；E→S 4	企业与开发者，按 API 调用和订阅收费；本地化部署保留为补充 4	2026 年上半年云端部署收入 8.252 亿元，占总收入 86.5%；API 平均售价约增 101%，API 毛利率由 -0.4% 升至 24.6% 4	单位 Token 推理成本约降 80%，但期内经调整净亏损仍扩大；结构成熟，单位经济待继续验证 4
汉得信息（300170）	“筑基+赋智”、AI 中台、数字员工；S→U 5	企业财务、制造、供应链和营销场景；“平台+产品+服务”端到端交付 5	公司口径 AI 智能化应用收入约 2.2 亿元，同比增超 100%；AI 收入跨板块统计，未单列分部 5	复合人才、模型概率性、上游算力与基础模型依赖；放量初期 5
神州数码（000034）	国产算力、AI Infra OS、神州问学与 FDE；E→S→U 6	政企、金融、运营商和医院；算力/平台采购加集成与持续服务 6	公司口径 AI 业务收入 83.0 亿元，自有品牌算力 65.7 亿元；生产压力测试中延迟和 GPU 资源各降近 50% 6	神州问学纯 AI 应用收入未单列，降本结果来自公司压力测试；规模化铺开，应用质量待量化 6

1. 智谱：模型厂商先把收入从本地化项目移到按量服务

智谱在港交所披露的 2026 年中期业绩，是本期最清楚的 MaaS 收费样本。公司上半年总收入为 9.539 亿元，同比增长 399.7%；云端部署收入为 8.252 亿元，占总收入 86.5%，而 2025 年同期占比为 15.2%。开放平台与 API 收入也为 8.252 亿元，同比增长 2735.7%；企业级智能体收入为 5558 万元。4

证券时报对公告的中文报道交叉列出了相同的收入结构，并指出本地化部署收入从 2025 年上半年的 1.48 亿元降至 2026 年上半年的 6704 万元。7

收费方式也更清楚了。公司在公告中披露，API 平均售价约提高 101%，Coding Plan 订阅价格同步上调；GLM Coding Plan 在 2026 年 8 月向全部用户开放 Lite、Pro、Max 和 Team 四档订阅。公司还披露，GLM MaaS 平台企业及开发者用户截至公告日超过 740 万，付费日活用户增长 603%，平台 Token 调用量较年初增长超过 40 倍。上述用户、价格和调用数字属于公司公告口径。4

成本端出现了一个更有价值的指标：公司称单位 Token 推理成本较年初下降约 80%，开放平台与 API 毛利率从 2025 年上半年的 -0.4% 升至 24.6%。与此同时，公司上半年研发开支 21.31 亿元，期内亏损 20.72 亿元，经调整净亏损 19.64 亿元。公司把毛利改善归因于规模摊薄、提价和推理工程优化；亏损仍然说明算力、研发和客户获取的投入尚未被稳定利润覆盖。4

这个案例给政策中的“Token 服务采购”提供了一个经营参照：调用量可以成为收入计量单位，推理成本可以成为交付成本，API 毛利率才开始回答这种生意是否越卖越划算。大企业的本地化部署仍然有数据安全、权限和系统集成价值，但在智谱的这份披露里，本地化收入已经从主来源变为补充来源。

2. 汉得信息：服务商要卖的，是从底座到数字员工的一整套交付

汉得信息在 2026 年半年度报告中把企业级 AI 智能化应用列为主要战略方向，公司披露该业务上半年收入约 2.2 亿元，同比增长超过 100%；第一季度约 8100 万元，第二季度约 1.4 亿元。公司整体上半年营业收入为 16.70 亿元，AI 收入约占总收入 13%，但 AI 收入是跨板块统计，未在分部报表中单独列示。5

汉得给出的交付方法是“筑基+赋智”：先整理企业的流程、数据、知识和规则，再把 AI 放进业务流程。公司自研的“得·灵”体系覆盖 AI 平台工具、行业垂类模型、智能体应用、咨询规划和交付落地；“灵猿—大圣”AI 中台承担智能体工厂与编排管理，数字员工则面向财务、制造、供应链和营销等任务。公司还披露了私有算力调度、Token 成本优化、模型运营、权限审计和合规管控等系统能力。5

这类服务的收费结构仍然保留项目制色彩。公司把模式概括为“平台+产品+服务”，覆盖咨询规划、软件供应、实施交付、系统运维和数据运营；AI 业务究竟有多少收入来自订阅、多少来自一次性实施，半年报没有拆分。公司披露客户留存率超过 80%，但该数字是公司整体客户口径，不能直接当作 AI 产品续费率。5

汉得对交付风险的描述，恰好对应专项行动为什么强调 FDE 和安全治理：模型输出具有概率性，可能出现不准确、不一致和解释性不足；产品研发与交付依赖基础模型、算力和云基础设施供应商；AI 商业模式仍在演进；复合型人才的薪酬和交付成本较高。公司提出通过区域交付中心、集中交付、AI 工具提效和 AI 应用工厂来控制单位人工成本并提升复制速度。5

汉得案例的商业化证据属于“放量初期”：收入增长和产品体系已经出现，企业服务的方法论也更完整；AI 收入的分部口径、毛利率、在手订单和单客户交付成本仍然需要更细披露。

3. 神州数码：算力降本要和部署、集成、运营一起卖

神州数码 2026 年半年度报告把 AI 业务定义为自有品牌算力基础设施产品业务加数云服务及软件业务。公司披露这部分收入为 83.0 亿元，同比增长 74.9%；其中自有品牌算力基础设施产品收入 65.7 亿元，同比增长 111.7%，数云服务及软件收入 17.3 亿元，同比增长 5.4%。这些是公司按业务口径披露的数字，并非“神州问学”这一单一应用的收入。6

神州数码在报告中把 AI Infra OS、异构智算加速与调度平台、自研服务器和超节点结合起来，并围绕资源池化、跨集群调度、模型部署和推理优化降低全链路成本。公司披露，在集团真实生产压力测试中，相关方案在同等业务压力下让大模型推理端到端延迟降低近 50%，GPU 资源节省近 50%。这个结果属于公司压力测试口径，研究中没有找到第三方复现。6

应用端的代表是神州问学 2.0、SmartClaw 和 AI Factory 2.0。公司把“轻咨询+AI 快速部署+工程师贴身服务”作为 FDE 模式，并披露与北京协和医院围绕胰腺外科流程开发多个智能体：术前可切除性评估智能体准确率 93.67%，术后并发症辅助诊疗智能体准确率 94%，住院医师诊断时间由 20 多分钟缩短到约 5 分钟。准确率和时间变化属于公司案例披露，适合作为待复核的场景证据，尚不足以推出整个医疗行业已经完成规模化部署。6

公司还披露报告期内中标国产智算 Token 工厂、建设银行超节点服务器等项目，并在运营商和银行的算力基础设施采购中取得进展；这些内容是半年报对报告期事项的公司总结，研究中没有逐项取得对应的采购公告和验收文件。6

神州数码案例把“降低算力成本”翻译成了三个买方字段：延迟、GPU 资源和部署周期。它也暴露了一个常见口径问题：算力销售收入可以很大，纯 AI 应用收入、应用毛利和持续运营收入仍然可能没有单列。

五、政策最可能先改变的，是交付合同里的验收字段

把政策条款和三个案例放在一起，服务商的竞争维度会从“模型效果演示”逐渐移向下面几组可以写进合同的字段。

1. 从“能不能做”转向“任务完成到什么程度”

买方需要先把任务写清楚：例如理赔材料初审、制造异常识别、供应链对账、医院围术期辅助判断。每项任务都要有输入范围、允许调用的系统、人工复核节点、结果准确率、异常处理方式和退出条件。

汉得的“筑基+赋智”和神州数码的行业智能体案例说明，服务商真正交付的是流程中的一段工作，而不是一个脱离系统的聊天窗口。智谱的 API 收入则说明，模型服务可以按调用量与订阅计费，但企业仍要把可用率、延迟、数据隔离和故障处理写进服务等级协议。

2. 从“调用量增长”转向“单位任务成本”

Token 调用量适合描述使用深度，毛利率和单位推理成本适合描述商业质量。服务商需要把以下数字放进同一张账：每次任务消耗多少 Token，每个任务需要多少 GPU 时间，模型调用失败后需要多少人工返工，系统上线后的监控和安全成本是多少。

智谱披露的单位 Token 推理成本下降约 80%和 API 毛利率升至 24.6%，提供了模型服务的成本样本；神州数码披露的 GPU 资源节省近 50%，提供了基础设施优化样本。两组数字的测量环境不同，读者不能把它们直接相加，也不能把公司测试结果当作行业平均值。

3. 从“一次性交付”转向“上线后的运营责任”

FDE、运营管理和安全治理让交付周期延伸到上线之后。合同需要写清谁负责知识库更新、权限变更、模型切换、异常升级、审计留痕和人工接管；服务商则要知道每个客户需要多少现场工程师，以及这些工程师的工作能否沉淀为下一次部署的模块。

这也是“标准化”的真实含义：标准化的对象是服务边界、接口、部署步骤、验收指标和安全材料，行业知识仍然需要按场景配置。

4. 从“项目数量”转向“复购和扩点”

服务商资源池可以记录案例数量，却无法单独说明客户是否持续购买。企业买方和投资人应继续追问：试点结束后有没有续约，单部门使用有没有扩展到多部门，模型价格变化后客户是否迁移，服务商是否因人工驻场增加而吞掉毛利。

六、今天仍然需要保持证据距离的几个说法

资源池目标不是服务商已经入池

2000 家和 3000 家是通知为资源池设定的目标，报送截止日是 2026 年 12 月 1 日。新华社和中国政府网对这两个目标作了报道，但公开材料没有证明目标已经完成。8

“探索采购”还没有变成统一采购预算

官方原文写的是探索首购首用、风险补偿等模式。部分专家解读使用了“服务券+风险补偿”等说法，但“服务券”没有出现在这份通知的原文中。通知也没有公布采购规模、补贴上限或 Token 服务的统一价格。

Token 调用量还要经过利润检验

调用量增长能证明系统被使用，API 收入能证明一部分客户为服务付费；客户集中度、推理成本、研发投入和持续运营人工，决定收入能否留下利润。智谱的中期业绩同时出现 API 毛利率改善和经调整净亏损扩大，正好说明收入增长与盈利验证需要分开看。4

公司案例数字保留在公司口径里

汉得的 AI 收入、神州数码的 AI 业务收入、两家公司披露的客户和压力测试结果，都有各自的统计边界。它们可以用来理解产品形态和交付方法，不能直接合并成中国 AI 应用市场的总收入，也不能由一家公司案例推导整个行业的平均表现。

截至本期观察窗口，在本轮检索到的公开材料中，地方行动主要表现为转发通知和政策解读；尚未找到能够同时公开采购方、合同金额、验收结果和持续使用数据的窗口内政府侧案例。这一缺口本身就是下一阶段的观察对象。

七、三类读者现在可以验证什么

给企业买方：先把任务和退出条件写进采购文件

写任务基线。 记录上线前的人工工时、处理周期、错误率和可接受的人工复核比例。
拆开总拥有成本。 把模型调用、算力、软件许可、集成、FDE 驻场、数据治理和安全评估分别列出。
要求结果可审计。 明确数据权限、日志保存、模型版本、提示词或规则变更、人工接管和责任归属。
设置阶段验收。 先验收单一高频任务，再决定是否扩大到更多部门和更多数据源。
保留迁移条件。 写清模型切换、数据导出、接口关闭和服务中断时的应急方案。

给服务商：把项目经验变成可以复用的模块

把咨询、数据整理、模型接入、智能体编排、系统集成、运营和安全治理分别定义交付物。
记录每个项目的部署工时、FDE 人数、失败率、人工返工量、单位 Token 成本和毛利。
为每个行业保留可验证的任务基线，不用“模型很聪明”替代客户验收指标。
把权限、日志、数据隔离、测评和备案材料做成标准包，减少每个客户重新解释的成本。
用续约、扩点和二次部署时间检验“标准化”是否真的提高了复制效率。

给观察者和投资人：先拆口径，再看增长

AI 收入是单列产品收入、跨板块归因，还是算力分销与服务收入的合计？
收入来自订阅、API 按量、项目合同、硬件采购，还是年化推算？
客户是首次试用、生产部署、续约，还是同一客户的多次项目？
公司是否披露毛利、现金消耗、算力合同、客户集中度和人工交付成本？
公司的 AI 指标能否与订单、发票、验收或财务报表互相印证？

接下来最值得追踪的节点是 2026 年 12 月 1 日的地方资源池报送，以及 2027 年 12 月 1 日的总结报告。前一个节点可以观察供给名册如何形成，后一个节点才更可能提供标杆服务商、解决方案和服务团成果的汇总材料。通知原文明确了这两个报送安排。1

结语：把“培育”变成“生意”，至少要等四个信号

这项专项行动给 AI 服务商补的是一组连接件：它让地方有机会整理供给，让买方有机会开放场景，让服务商有机会进入首购首用和风险分担机制，也让算力、模型、集成、运营与安全治理可以在一个服务团里协同。

商业化结果要等四个信号同时出现：真实场景进入合同，合同进入持续使用，持续使用覆盖算力和交付成本，复购或扩点可以被客户与财务材料共同复核。资源池数量是供给侧的起点，收入质量和交付效率才是这条链路的终点。

研究边界

本文的政策事实来自工业和信息化部通知、新华社/中国政府网通稿和工业和信息化部科技司署名解读；三个案例的经营数字来自港交所中期业绩公告和巨潮资讯网半年报，并以窗口内权威媒体作交叉核对。智谱的 API 与单位 Token 成本、汉得的 AI 收入口径、神州数码的 AI 业务定义和压力测试结果，均保留原披露主体与统计边界。3 4 5 6

本文没有把融资额、资源池目标、用户规模、Token 调用量、公司压力测试或政策解读中的推断，单独当作商业闭环证明。

References

AI 产业深度观察 @guang yang

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.