作者｜黄晓彬

原创首发｜蓝字计划

最近的华尔街，被 " 算力 " 两个字耍得团团转。

7 月初，Meta 传出准备把富余的 AI 算力拿出来卖，股价立马暴涨超过 10%，而 AI、科技股却因此普遍下跌。

可仅仅一周后，Meta 又换了个方向。它又传出准备继续加钱堆算力，计划在 2027 年把计算能力从 7 吉瓦翻到 14 吉瓦，股价最终又涨了一波。

Meta 这一波反复横跳，时刻牵动着华尔街精英们的心。但这看似拧巴的举动，却反映了一个 AI 时代的新 " 常识 "：

算力已经相当于可以流通的、真金白银的资源，不仅可以自己用，还能拿出来卖。

而在中国就有一家公司，不仅盯上了算力的买卖，还靠它融了一大笔钱。

7 月 13 日，趋境科技宣布完成 A 轮融资。半年内，它连续完成天使 ++ 轮、Pre-A 轮和 A 轮融资，累计拿下超过 10 亿元。

这家公司成立于 2023 年底，给自己的定位是 "AI Token 生产服务商 "。

说得直白一点，它想开一家专门生产和销售 Token 的工厂。

不过，比起 10 亿元的融资，趋境这家公司真正有意思的是，它既不训练自己的大模型，也不生产芯片，自己手里甚至没有大规模 GPU 集群。

连生产 Token 最基础的机器都不属于它，却能靠卖 Token 半年融到 10 亿元。

连基础生产资料都没有的趋境科技，究竟是怎么撑起   10 亿融资的 Token 生意？

没有自己的 GPU，它照样开 Token 工厂

说起 Token，可以粗略把它理解成使用 AI 时消耗的 " 字数额度 "。

大模型不会直接按照汉字或者单词数量算账，而是先把用户输入和模型输出切分成一个个 Token。你让它读得越多、写得越长，消耗的 Token 通常也越多，就像打电话需要计算通话时长一样。

所以，Token 不是一种可以提前生产、囤在仓库里的数字商品，而是衡量大模型处理和生成多少信息的计量单位。

而这门生意的需求，正在迅速变大。

2024 年初，中国日均 Token 调用量还只有 1000 亿；到 2025 年底，这个数字已经变成 100 万亿；2026 年 3 月又突破 140 万亿，两年增长超过 1000 倍。

但想要生产 Token，按道理来说至少需要三样东西：

算力设备、已经训练好的大模型，以及一套负责部署、缓存、任务调度和故障处理的推理系统。

比如一家典型的算力公司，会先采购或者租用成百上千张 GPU，把模型加载到这些机器上，再通过调度系统处理用户请求。模型每完成一次输入和输出，也就产生了一批可供计费的 Token。

而不造芯片也没有自己大模型的趋境做的，其实就是把 " 机器 " 和 " 模型 " 接起来，再把中间的生产过程管好。

换句话说，它不拥有生产资料，但掌握生产方法。

具体来看，趋境有两种做法。

第一种，是自己去 " 借机器 "。

它从外部租用 GPU、CPU 或者国产 NPU，再围绕智谱 GLM、Kimi 等头部模型提供部署和推理服务，最后把按 Token 计量的推理能力卖给模型厂商、互联网平台、AI 应用公司和大型企业。

第二种做法，连机器都不用自己租。

过去几年，很多地方智算中心和大型企业已经买好了芯片、建好了机房，但这些设备往往利用率不高——机器在那儿，却不知道该怎么高效运转，更不知道去哪里接订单。

趋境做的，是把这些 " 闲着或者用不满的机器 " 变成一条真正能赚钱的生产线。

它帮客户设计和搭建推理系统，负责模型部署、任务调度、资源分配和日常运营，再把这些算力接入市场，变成可以按 Token 出售的服务，最后从收入中分成。

也就是说，趋境不生产算力，只是算力的搬运工。

设备可能是租来的，也可能属于客户；趋境掌握的是生产线、工艺和运营能力，最后按照产量或者收入收钱。

所以，趋境没有自己的大规模 GPU 集群，并不妨碍它开 Token 工厂。

因为在这门生意里，真正决定产出的，不只是机器本身，而是机器如何被组织和使用。

工厂虽然开起来了，但还有一个更关键的问题：

大家用的都是 GPU，客户为什么要再给趋境交一笔钱？

答案就藏在 " 效率 " 两个字上。

同一张卡，Token 产能提升三倍

如果把一张 GPU 当成一台机器，趋境想做的，是让它在同样时间里生产更多 Token。

听起来简单，难点在于，大模型推理远没有插上显卡、点一下运行那么直接。

模型每次回答问题，都要回看此前的对话内容。对话越长，需要处理的信息越多；如果这些内容每次都重新计算，GPU 就会不断重复干活。

模型体量再大一点，一张卡的显存又装不下，还得把任务拆到多张卡、多个服务器上。只要网络稍慢，或者任务分配不合理，一张价值不菲的 GPU 就可能一直在等别的机器交作业。

趋境的技术，主要就是在这些地方动手脚。

第一件事，是少算几遍。

它把这套系统叫作 " 月饼 "。

简单来说，就是通过 KV Cache 保存模型已经处理过的上下文。用户继续提问时，模型可以直接读取之前的结果，减少从头计算的次数。

这有点像考试时允许翻看刚刚算过的草稿，不用每道题都重新推一遍。

第二件事，是别让 GPU 什么都干。

趋境的 " 六合 " 异构推理系统，会按照任务特点，把计算拆给 CPU、GPU 和国产 NPU。

昂贵的 GPU 集中处理它最擅长的部分，其他任务则交给成本更低，或者更加匹配的设备。

这么做的目的只有一个：

少让 GPU 等待、空转和重复干活。

趋境之所以能拿出这样的技术，和公司创始团队过去的研究方向有关。

公司脱胎于清华大学高性能计算研究所，CEO 艾智远是清华计算机博士，中国工程院院士郑纬民担任首席科学顾问，清华大学教授武永卫担任首席科学家。

趋境与清华团队开源的 KTransformers，研究的正是如何利用 CPU、GPU 等不同设备，让大模型以更低的硬件成本运行。

这一项目在 GitHub 上的 Star 数量已经突破 1.7 万。

趋境部分核心成员过去还参与了 Mooncake 等大规模推理项目，研究重点同样集中在缓存和分布式推理上。

这些技术名字看起来复杂，最终都要落到同一个结果上：

一张卡能够生产多少 Token。

按照趋境披露的数据，" 月饼 " 的缓存命中率最高可以达到 90%；" 六合 " 则可以把万卡级智算集群的运营成本降低 20% 以上。

从 2026 年春节以来，公司平均单台算力的 Token 生产效率提升了 3 倍以上。

随着算力规模和业务量扩大，其 Token 总产量则提升了 30 倍以上；其中一个万亿参数级大模型，日均 Token 产量已经突破万亿级。

这里需要区分两个数字。

提升 30 倍的是 Token 总产量，里面还包括算力规模和订单量的增长；单台算力的生产效率，提升的是 3 倍以上。

不过，这些效率数据目前主要来自趋境披露，完整的测试环境和对照基线并未公开。

但对趋境来说，这套生意的逻辑并不复杂。

租用一批算力，需要支付相对固定的租金、电费和运维成本。假如同样一张卡，经过优化后能够处理更多 Token，平均分摊到每个 Token 上的成本就会下降。

省下来的是真金白银的算力成本。

而这部分差价，正是趋境作为软件和运营服务商，可以从中收钱的空间。

只是，账面上省出了空间，趋境到底赚到钱了吗？

卖 Token ，到底能不能赚钱

从公司披露的数据看，这门生意已经开始产生收入。

2026 年 6 月，趋境单月收入已经超过 2025 年全年；部分成熟业务也已经跨过成本线。

这个数字听起来很猛，却留下了不少空白。

趋境没有公布 2025 年的具体收入，也没有披露目前的毛利率。

外界仍然不知道，它租用算力究竟要花多少钱，哪些客户会持续下单，以及单月收入超过去年全年，究竟是今年增长足够快，还是去年的收入基数还很低。

更关键的是，把一张卡的效率提高，只解决了赚钱的第一道题。

Token 工厂最怕的，是机器没有活干。

大模型推理和传统工厂有一个相似的地方：设备一旦开起来，租金、电费和运维成本就开始产生。一张卡吐得再快，半天没有订单，账还是算不过来。

趋境的判断是，市场上的绝大部分 Token 需求，本来就集中在少数头部模型上。与其一口气适配几十上百款模型，把研发资源摊得越来越薄，不如集中服务少数头部模型和高价值企业场景。

它把这条路线概括为 " 少模型、深优化 "。

模型数量少一些，每款模型的缓存、切分、调度和故障恢复就能做得更深，研发和适配成本也更容易控制。

同时，围绕需求更大的头部模型提供服务，也更有机会承接规模稳定的订单，比如多个地区的智算中心。

只不过，看似香饽饽的生意背后，也有越来越多的困难开始缠上趋境。

Meta 准备出售富余算力，就是一个信号。

阿里云、运营商和大模型厂商都在持续降低推理成本，也有能力把模型、算力和客户直接接到一起。不断成熟的开源推理框架，也在降低客户自己完成部署和优化的门槛。

趋境需要证明的，已经不只是自己今天能让一张卡生产更多 Token。

它还要证明，这种效率优势可以长期保持；相比客户自己做，或者直接购买大厂的云服务，它的方案仍然更加划算。

归根究底，Token 需求继续增长这件事已经没有太大悬念；而趋境依然需要回答的，是自己卖出去的每一个 Token，最后能不能留下利润。

毕竟，拿到 10 亿元融资和赚到 10 亿元，是两门完全不同的生意。

参考资料：

投中网《半年融 10 亿，这家 AI Token 公司被疯抢》

36 氪《算力告急，四大力量涌入 Token 服务市场》

IPO 早知道《趋境科技半年内融资 10 亿，高品质 AI Token 生产服务能力持续获认可》

投资界《首发 | AI Token 工厂爆发，清华师生半年融资 10 亿》

主编 :  袁明武  责编 :   海沃德

版式 :伊妍

历史文章

Review