润建股份谈企业级 AI 落地：从 Token 生产到业务价值闭环成竞争焦点

据36氪报道，7月17日，2026世界人工智能大会在上海开幕，润建股份董事、副总裁丁永在大会现场接受「氪话未来」专访，围绕Token生产、企业级AI应用、价值闭环和出海布局等议题介绍了公司的最新探索。本届WAIC以“智能伙伴，共创未来”为主题，行业讨论也从过去更强调模型参数、性能和技术突破，转向AI如何真正进入企业业务流程并创造可衡量价值。

在这一背景下，润建股份将关注点放在“Token全栈服务能力”上。来源显示，公司希望依托五象云谷Token工厂，打通Token生产、销售、应用、部署和服务环节，并通过AI FDE交付模式把工具、Token与行业场景结合，帮助企业降低AI使用门槛。

从模型竞争到Token成本竞争

过去几年，AI产业的核心叙事往往围绕大模型能力展开：谁的模型更强、推理更准、上下文更长。但随着企业开始实际部署AI，成本、稳定性、安全性和交付效率的重要性正在上升。对于大量企业来说，是否能以可控成本持续调用模型，往往比单次模型能力指标更接近真实决策。

丁永在访谈中提到，润建股份此次展示的四大展区围绕Token价值闭环展开，包括Token生产、Token销售、Token应用以及最终部署落地。其中，五象云谷Token工厂是核心内容之一。公司在WAIC期间发布了五象云谷Token工厂润蟾平台，据称通过Token吞吐性能优化，可实现700%的性能提升，以进一步降低Token成本。

除软件和调度优化外，能源成本也是Token生产的重要变量。来源显示，润建股份尝试通过“算电协同”降低成本，包括结合虚拟电厂和储能能力调配绿电使用。公司还获得批准在南宁五象云谷计算中心自建220千伏专用变电站，通过专变提供480兆瓦容量，为计算中心提供稳定能源支持，并预计可降低30%以上算力使用成本。

• 性能优化：通过Token吞吐能力提升，降低单位Token生成成本。
• 能源协同：利用虚拟电厂、储能和绿电调配，控制算力生产中的电力支出。
• 基础设施升级：通过专用变电站、液冷与高压直流等方式提升计算中心效率。
• 应用交付：以AI FDE团队进入客户现场，推动AI与具体业务结合。

液冷、电力与数据中心效率成为AI基础设施关键

AI应用成本并不只由模型决定，也与GPU服务器、数据中心电力、制冷方式和系统调度密切相关。丁永提到，随着算力服务器和GPU技术快速发展，制冷方式正在从传统风冷转向液冷。润建股份目前采用微通道液冷结合800伏高压直流技术，使PUE降低到1.1以下，以优化Token生产效率。

这类表述反映出一个趋势：企业级AI的基础设施竞争，正在从“有没有算力”深入到“算力能否被高效、低成本、稳定地转化为可用Token”。对于中文科技产业观察而言，这也意味着AI基础设施公司不再只是提供机房或服务器，而是在参与模型推理成本结构的重塑。

影响解读：企业买的不是AI概念，而是业务结果

润建股份提出的AI FDE服务体系，被其定义为VGE，即“Value Growth Engineering（价值增长工程师）”。按照丁永的说法，FDE团队会进入客户现场，与企业共同挖掘AI应用场景和价值。公司一方面提供低成本Token，另一方面提供企业AI化转型工具链，例如曲尺元基、OPC Team、阿波罗11等，并把这些工具带入实际业务环境。

这一路径的核心，是从“卖模型调用”走向“卖业务改善”。例如，丁永提到阿波罗11可作为企业认知底座，帮助企业形成更完整的经营视角。虽然来源摘要未展开更多细节，但其指向很明确：企业级AI真正落地，不能停留在聊天、问答或演示系统，而要嵌入生产、经营、管理和决策流程。

从产业角度看，Token正在成为连接算力、模型与应用的基础资源。如果Token成本足够低、供应足够稳定，再叠加现场交付团队对业务流程的理解，AI应用才有可能形成持续迭代。对企业客户而言，关键问题也会从“采用哪个大模型”变成“每一次AI调用是否带来效率提升、收入增长或成本下降”。

因此，润建股份此次在WAIC强调的并非单一模型能力，而是从Token生产到应用部署、再到价值衡量的闭环能力。这也代表企业级AI进入新阶段：竞争重点正在从技术展示转向可规模化交付，从算力堆叠转向价值兑现。