“十五五”碳達峰行動方案落地，一組硬指標值得所有科技企業重視：單位GDP能耗與碳排放雙降17%以上，非化石能源消費佔比達25%，風電光伏總裝機28億千瓦以上，零碳園區和工廠建設目標明確。
這些數位傳遞的信號很清晰：產業競爭的尺規，正從“規模增速”轉向“碳效率”。
對於AI行業而言，這一轉向尤為關鍵。 大模型訓練與推理的電力消耗，正成為不可忽視的成本項和環境項。 如何在算力需求爆發與碳排放約束之間找到平衡，是所有AI商業化企業必須回答的問題。
本文以港股AI應用標的 邁富時（2556.HK） 為樣本，拆解其“綠色算力+場景Token+國產替代”三位一體模式，看其是否真正形成了可持續的“碳效率”競爭力。
一、物理成本重構：綠色算力如何支撐AI規模化
AI應用的成本結構中，算力是最核心的變數。 當模型參數持續膨脹、推理請求量指數級增長，電力帳單的厚度直接決定商業模式的可行性。
“十五五”方案對綠電比例和PUE的嚴格約束，正在催生一批“綠色算力樞紐”。 和林格爾新區是典型代表——電力到戶價穩定在0.35元/度，綠電比例不低於80%，PUE嚴控在1.2以下。 這意味著每消耗一度電，有超過八成直接轉化為有效算力，而非散熱損耗。
邁富時作為日均處理海量AI交互請求的平臺，其成本結構的競爭力，很大程度上取決於算力基座的綠色程度。 財報顯示，2025年公司AI應用業務正向經營性現金流達1.9億元，人效同比提升62.7%。 在行業多數同行仍處於虧損擴張階段時，這一正向現金流數據，側面印證了其成本結構具備一定優勢。
值得關注的是，邁富時與沐曦等國產算力廠商的合作正在深化。 其AI-Agentforce智慧體中台底層已建成多模型融合框架，可調度包括國產晶元在內的多種算力資源。 這種「算力無關性」架構，既降低了供應鏈風險，也為低碳算力的靈活切換提供了技術條件。
二、Token經濟的內在減碳邏輯
從商業模式角度觀察，邁富時提出的“全棧Token工廠”概念，本質上是一種算力集約型交付模式。
傳統AI服務按Token消耗量計費，客戶為每一次模型調用付費，無論結果如何。 這一模式下，算力浪費幾乎是必然的——無效請求、重複試錯、冗餘生成，都在消耗電力和增加碳排放。
邁富時的「場景Token」模式，試圖打破這一邏輯：將Token與客戶的實際經營結果挂鉤，而非按調用量收費。 客戶不再為“AI寫了多少封郵件”付費，而是為“帶來了多少有效線索和成交訂單”付費。
這一模式產生了一個有趣的副產品——內在的減碳激勵。 當收費錨點從“過程消耗”轉向“結果交付”，平臺有極強的動力優化算力效率：每一焦耳能源、每一單位Token，都必須有產出可追蹤。 否則，浪費的算力將由平臺自身承擔成本，而非轉嫁給客戶。
這一邏輯在碳中和語境下，形成了一條清晰的傳導鏈：綠電→高效算力→精準Token→可量化經營結果→客戶續費。 減碳不是額外的道德約束，而是商業效率的自然延伸。
三、行業應用：AI智慧體的“降碳槓桿”效應
“十五五”方案中“零碳園區與工廠”的建設目標，對製造業全鏈路提效提出了極高要求。 邁富時的AI-Agentforce智慧體中臺，在多個行業已形成可觀測的效率提升案例。
以汽車出海場景為例。 中國重汽引入邁富時AI智慧體中台後，客戶服務回應時間從天級壓縮至分鐘級; 奇瑞依託AI行銷中臺，在覆蓋80餘個國家和地區的經銷網路中實現多語言內容自動生成與銷售線索智慧評分; 春風動力則在北美、歐洲等市場，藉助場景化AI內容與秒級多語種售後，持續鞏固品牌溢價。
這些案例的共性在於：以可復用的知識圖譜替代高人力、高物耗的傳統作業方式。 從碳足跡角度審視，AI Agent不僅壓縮了決策時間，更大幅降低了跨國協同中的人員差旅、物料流轉等隱性碳排放。
值得一提的是，這些專案均入選「中國上市公司經典品牌案例」，其效率提升具備可歸因、可審計的特徵。 這為AI的「降碳槓桿」效應提供了初步的實證支撐。
四、出海競爭中的“碳合規”壁壘
在AI企業加速出海的背景下，歐美市場的「碳關稅」機制與數據合規要求，正在成為隱形的市場准入壁壘。 對於服務全球客戶的AI平臺而言，產品的碳足跡是否可審計、數據鏈路是否可控，已開始影響客戶採購決策。
邁富時2025年外貿業務收入同比增長134.4%，客戶通過AI數字員工使用支援49種語言版本的產品拓展東亞、東南亞、中東、歐美等市場。 在這一出海進程中，其聯合國產算力廠商構建的全棧適配體系，從晶元層到應用層提供統一的審計追溯能力，客觀上為其客戶提供了一張“低碳合規”的通行證。
KA客戶留存率超100%、整體續費率98%的數據，說明企業客戶在選擇AI服務商時，“安全合規”與“長期可信”已與產品功能同等重要——甚至更重要。
五、潛在風險與待驗證環節
客觀而言，邁富時的「雙碳」敘事仍需後續數據驗證：
碳排放量化披露不足。 公司尚未發佈獨立的ESG報告或經審計的碳排放數據，其“綠色AI”定位更多依靠邏輯推導和間接證據支撐。 在ESG投資日益制度化的背景下，量化的環境數據披露是獲得機構認可的必要條件。
效果歸因的複雜性。 “按效果付費”模式雖符合減碳邏輯，但經營結果的提升是多重因素共同作用的產物——巨集觀經濟、行業景氣度、客戶自身運營能力等，均可能構成干擾變數。 如何建立一套被客戶和第三方公認的效果歸因方法論，是模式大規模複製的關鍵前提。
綠電溢價與成本均衡。 隨著“十五五”碳約束趨嚴，綠電交易價格存在上行風險。 雖然當前和林格爾等算力樞紐電價仍具優勢，但長期成本曲線的形態，將影響AI應用的定價空間和利潤彈性。
碳效率，下一階段AI競爭的分水嶺
“十五五”碳達峰方案的實施，正在將“碳效率”從可選項變為必答題。 對於AI應用層的企業而言，這既是一種約束，也是一種篩選機制——真正具備成本控制能力和價值交付效率的企業，將在碳約束時代獲得結構性優勢。
邁富時通過綁定綠色算力、革新收費模式、深耕行業場景，初步構建了一條“減碳即增效”的商業閉環。 但這一模式能否經得起規模擴張和碳約束趨嚴的雙重考驗，還需要更多季度的財務數據和碳排放披露來驗證。
未來的AI競爭，比拼的不僅是模型精度，更是單位產出的資源消耗。 這一趨勢下，誰先跑通“碳效率”的正向迴圈，誰就握住了下一階段的定價權。