DeepSeek V4 Pro把AI推向“执行时代”股价累涨98%，论迈富时“全栈Token工厂”在AI深水区为何更具竞争力？
生成式AI正在跨过一道重要分水岭：从“生成内容”走向“执行任务”。
DeepSeek V4 Pro近期受到市场关注，一个重要原因就在于Agent、工具调用、Coding、长上下文等能力进一步增强。与此同时，Harness执行层进入开发者视野，使模型能够进一步连接工具、管理上下文、执行代码和推进多步骤任务。
如果把基础模型比作AI的“大脑”，Harness解决的是如何让这个大脑长出“手脚”。
这意味着，AI竞争正在从“模型有多聪明”，进一步延伸至“能不能把事情做完”。
但对于企业而言，这也带来了一个新的问题：
当AI真正拥有行动能力之后，企业敢不敢把工作交给它？
过去市场更多讨论模型参数、Token价格和生成效果；当Agent开始调用企业系统、读取内部数据，甚至执行营销、销售、客服、研发和经营分析任务后，AI不仅需要知道“怎么做”，还必须知道“什么能做、什么不能做、谁授权它做，以及出了问题如何追溯”。
企业AI由此开始从单纯的能力竞争，进入能力、安全、治理与业务结果共同决定价值的深水区。
一、V4 Pro越能执行，企业安全边界反而越需要重新定义
传统生成式AI即使出现错误，影响往往停留在内容和信息层面。
Agent则不同。
当模型能够调用工具、执行代码和完成多步骤任务以后，一次错误判断可能进一步变成一次错误行动。
对于个人用户，这可能只是任务失败；对于企业，却可能涉及客户数据、业务系统、权限甚至实际经营动作。
因此，进入Agent时代以后，“模型安全”的含义正在扩大。
企业真正关心的已经不只是模型会不会生成错误或者不当内容，而是一整套生产环境问题：
数据是否安全、知识是否可信、权限是否清晰、工具调用是否受控、执行过程能否追溯、异常结果能否复核。
这也是V4 Pro以及Harness这一类Agent技术演进带来的另一面：
模型执行能力越强，企业治理的重要性越高。
AI从“会说”走向“会做”，安全也必须从“管输出”升级到“管行动”。
二、从Model到Harness之后，还有企业AI最关键的一公里
这也意味着，企业AI产业链正在变得更加清晰。
基础模型解决的是智能能力；Harness解决的是执行能力；但真正进入企业以后，还需要解决第三个问题：
如何让这种执行能力在具体企业中安全、稳定地运行。因为一个通用Agent并不知道某家公司的客户分级规则，也不知道哪些数据属于敏感信息，更不知道销售人员、管理层和研发人员分别应该拥有什么权限。
它更不知道：某个任务执行到什么程度必须由人审批。所以，“Model + Harness”能够让AI越来越能干，却并不自动等于“企业级智能体”。
真正的企业智能体还需要叠加：
企业知识 + 身份权限 + 业务规则 + 工作流程 + 运行治理 + 审计机制。
这也解释了为什么基础模型能力越来越强之后，企业AI应用平台并不会自然失去价值。相反，模型能做的事情越多，企业越需要一个可靠的中间层，决定AI知道什么、调用什么、可以做什么，以及做到哪一步必须停下来。
三、迈富时的优势不是再造模型，而是补齐企业AI落地链条
从这一角度理解迈富时（02556.HK）的企业AI体系，其核心价值并不在于制造另一个基础模型，而是将不同模型能力进一步加工成能够进入真实企业环境的生产力。
其中，KnowForce AI企业级知识中台首先解决的是“AI依据什么工作”。
企业真正拥有价值的并不只是通用知识，而是自己的产品资料、客户数据、业务经验、规则和流程。只有把这些企业知识组织起来，智能体才可能真正理解一家公司的业务。
AI-Agentforce 3.0进一步解决“AI如何完成工作”。
模型能力被转化为营销、销售、客服、经营分析、外贸、研发等不同岗位和场景中的企业智能体，并通过多智能体协同处理更加复杂的任务。
GenAI OS则进一步解决“这些AI员工如何被管理”。
模型、知识、工具、权限以及运行过程需要被统一管理，使AI不是无边界地自主行动，而是在企业设定的规则中运行。
三者组合形成的实际上是一条企业AI生产链：
可信知识 → 智能判断 → Agent执行 → 权限治理 → 过程审计 → 结果反馈。
如果说DeepSeek等基础模型不断提高的是AI的“智力上限”，那么企业级AI平台解决的，就是如何把这种智力安全地转化成企业生产力。
四、真正的“可信智能体”，最终必须接受经营结果检验
但安全和治理本身并不是最终目的。
企业愿意投入AI，最终仍然是为了收入、效率和利润。
因此，“可信智能体”实际上需要同时满足两个条件：
第一，企业敢让它干；第二，它确实能干出结果。
迈富时2026年中报提供了一组值得观察的数据。
上半年，公司AI应用业务收入达到11.3亿元，同比增长123.7%；客户数量同比增长25.9%，每用户平均月收入同比增长80.0%。
与此同时，公司员工人数同比增长13.8%，总人效提升85.6%；净利润达到2.0亿元，同比增长466.1%，经营性现金流净流入约5亿元。
这些经营改善不能简单归因于DeepSeek，也不能全部归因于某一个智能体或者平台产品。
但如果把这些指标放在一起观察，会出现一条值得继续验证的商业化链条：
客户增加 → 使用深度提高 → 单客价值提升 → 人效改善 → 利润释放 → 现金回流。
对于企业AI而言，这种经营结果可能比单纯的模型Benchmark更加重要。
因为真正的平台化不是“AI看起来越来越聪明”，而是收入增长以后，企业不需要同比例增加人员；客户使用越来越深入以后，同样的能力能够被复制到更多场景。
五、从Token价格到“场景Token”，AI开始计算产值
DeepSeek V4 Pro带来的另一个值得关注的变化，是模型能力与Token价格开始出现更明显的分层。
这实际上推动企业重新思考一笔账：
真正应该比较的是Token价格，还是完成一项业务任务的总成本？
一个便宜模型如果需要反复调用、人工检查和返工，最终未必便宜；一个更强模型如果能够一次完成复杂任务，即使Token单价更高，单位任务成本也可能更低。
因此，企业AI正在从“Token成本”进一步走向“Token产值”。
迈富时提出“全栈Token工厂”和“场景Token”，也可以放在这一趋势中理解。
基础模型提供通用智能，企业AI平台再经过知识、权限、工具、流程、智能体和治理等环节，将通用Token加工成能够在具体业务场景中执行的任务结果。
真正具有价值的“场景Token”，至少需要满足三项条件：
能完成任务、执行过程可控、结果能够衡量。
缺少第一项，AI仍然只是辅助工具；
缺少第二项，AI很难进入企业核心系统；
缺少第三项，就无法形成持续的商业价值。
DeepSeek负责把AI变聪明，企业AI要解决“敢不敢让它干”
DeepSeek V4 Pro以及Harness所代表的变化，是AI开始从“回答时代”走向“执行时代”。
但AI越能执行，企业面临的问题反而越现实：
企业究竟敢不敢把客户、数据、系统和业务流程交给AI？
这也是企业级AI进入深水区后的新价值分水岭。
基础模型决定AI能做什么；
Harness扩大AI能够执行的动作；
而企业级AI平台需要决定它应该知道什么、能够访问什么、被允许做什么，以及最终创造什么结果。
因此，未来企业智能体的竞争可能不再只是“谁更聪明”，而是进一步升级为：
谁能够在安全、可信、可治理的前提下，把越来越强的模型能力稳定转化成企业经营结果。
从这个角度看，模型越强，企业反而越需要迈富时这样能够保障安全、可信的“企业智能体”，让AI进入企业，在流程中发挥作用，因此，市值、股价的拉升也因此开始释放，随着模型、算力进一步降价，股价与市值上的体现或将进一步兑现为可盈利、可评估的商业价值。