不生产算力却半年融资10亿：AI时代的“Token搬运工”生意经
算力资源的金融化与中介价值重构
近期，全球科技界发生了一桩极具象征意义的事件：Meta公司先是传出准备出售富余AI算力，导致股价单日暴涨超10%，紧接着又在数日后宣布计划将2027年的计算能力从7吉瓦翻倍至14吉瓦，股价随之再次攀升。这种看似矛盾的“反复横跳”，实则揭示了一个深刻的行业共识：算力已从单纯的基础设施投入，异化为一种可流通、可交易、甚至具有金融属性的硬通货。
在这一宏观背景下，一家名为趋境科技的中国初创公司进入了大众视野。这家公司成立于2023年底，仅用半年时间便连续完成天使++轮、Pre-A轮及A轮融资，累计金额超过10亿元人民币。令人惊讶的是，作为一家定位为“AI Token生产服务商”的企业，它既不训练底层大模型，也不制造芯片，甚至没有大规模自建GPU集群。它宣称自己是“不生产算力，只是算力的搬运工”。这种“无中生有”的商业逻辑，究竟是如何在资本寒冬中突围的？这背后折射出的，是AI产业链价值分配的深层变革。
重新定义“工厂”：轻资产运营的核心逻辑
要理解趋境科技的商业模式，首先需要厘清“Token”的本质。在大语言模型语境下，Token并非实体商品，而是衡量模型处理文本长度的计量单位，类似于电力行业的“度”或通讯行业的“分钟数”。随着2024年至2026年间，中国日均Token调用量从千亿级爆发至万亿级，市场需求呈指数级增长，这为中间服务商提供了巨大的套利空间。
传统算力服务商的模式往往是重资产的：购买硬件、建设机房、维护集群。而趋境科技选择了一条截然不同的路径——它通过两种主要方式整合算力资源。第一种是“租赁与集成”，即从外部租用GPU、CPU或国产NPU，围绕智谱GLM、Kimi等头部模型提供部署和推理服务，最终将按Token计量的能力输出给应用端。第二种更为激进，它直接对接拥有闲置算力的地方智算中心和大型企业，不拥有设备所有权，而是通过搭建高效的推理系统，将低效的“铁疙瘩”转化为可创收的生产线，并通过收入分成获利。
这种模式的核心在于“掌握生产方法而非生产资料”。在趋境看来，真正的瓶颈不再仅仅是硬件的数量，而是硬件被调度的效率。它扮演了工业时代“流水线工程师”的角色，通过软件层面的优化，让租来的或闲置的设备发挥出最大效能，从而赚取效率提升带来的差价。
技术护城河：从“月饼”缓存到“六合”调度
当然，单纯的信息掮客难以获得高额估值，趋境科技真正的价值在于其底层技术栈对推理效率的极致优化。大模型推理并非简单的线性计算，随着对话上下文变长，模型需要重复处理历史数据，导致显存占用激增和计算冗余。趋境通过两项核心技术解决了这一痛点。
首先是名为“月饼”的缓存机制。该技术通过高效管理KV Cache（键值缓存），使得模型在生成新内容时，能够直接读取已处理的上下文结果，避免重复计算。这就像考生在考试中允许翻阅草稿纸，无需每道题都重新推导。数据显示，该技术可将缓存命中率提升至90%以上，大幅减少了不必要的计算开销。
其次是名为“六合”的异构推理系统。传统的算力分配往往“一刀切”，将所有任务堆砌在昂贵的GPU上。而“六合”系统能够根据任务特性，智能地将计算任务拆分给CPU、GPU以及国产NPU。昂贵的GPU仅处理最核心的矩阵运算，而其他辅助任务则交由成本更低或更匹配的设备。这种异构协同不仅降低了硬件门槛，更避免了GPU的空转与等待。
这些技术并非凭空而来，其团队脱胎于清华大学高性能计算研究所，核心成员曾参与KTransformers等开源项目，该项目在GitHub上已获得逾1.7万星标。据公司披露，自2026年春节以来，通过上述技术优化，其单台算力的Token生产效率提升了3倍以上，万卡级集群的运营成本降低了20%以上。这种从技术端到商业端的转化能力，是其获得资本青睐的关键。
商业挑战：效率红利与巨头夹击的博弈
尽管效率数据亮眼，但趋境科技面临的商业挑战同样严峻。首先，效率提升带来的成本节约，并不等同于最终的净利润。算力租赁存在固定的租金、电费和运维成本，只有当Token的产出量足够大时，边际成本才会显著下降。目前，公司虽宣称单月收入已超过去年全年，但具体的毛利率、客户留存率及算力采购成本等关键财务数据尚未完全公开，外界难以准确评估其盈利模型的稳健性。
其次，市场竞争格局正在急剧变化。Token工厂最怕的不是机器转得慢，而是“没活干”。趋境采取的“少模型、深优化”策略，即集中资源服务少数头部模型，虽然能提高研发深度，但也使其对头部厂商的依赖度增加。一旦头部模型厂商决定自建推理集群，或转向自研的高效推理框架，趋境的生存空间将被压缩。
更为严峻的是，巨头们的入局。Meta、阿里云、腾讯云以及各大运营商，都在积极布局算力分发与优化。随着开源推理框架的成熟，大型企业自行部署和优化模型门槛正在降低。趋境科技需要证明的，不仅是其技术能在短期内提升3倍效率，更在于这种效率优势是否具有长期的可持续性，以及其服务成本是否始终低于大厂的标准化云服务或客户的自建方案。
行业展望：从“卖资源”到“卖服务”的范式转移
趋境科技的案例，标志着AI基础设施领域正在经历从“资源驱动”向“效率驱动”的范式转移。在过去，算力的稀缺性是主要矛盾，拥有GPU者即拥有话语权。而在2026年的今天，随着硬件供应的逐步缓解，如何高效利用每一张卡、每一度电，成为了新的竞争焦点。
这种转变对产业链上下游产生了深远影响。对于应用层开发者而言，这意味着更低的API调用成本和更稳定的服务响应；对于硬件厂商而言，则催生了对异构计算和软件调度系统的巨大需求。趋境科技这类“中间层”服务商的出现，填补了硬件制造商与最终应用之间的生态空白。
然而，这也意味着中间层的利润率可能被不断压缩。随着技术门槛的普及，异构调度和缓存优化可能逐渐成为行业标准配置，而非独家优势。因此，趋境科技未来的核心竞争力，可能将从单纯的技术优化，转向对算力资源的极致整合能力、对多模型适配的灵活性，以及对垂直行业场景的深度理解。
归根结底，算力市场的终局不会是零和博弈，而是分工协作的深化。趋境科技能否从“搬运工”进化为“智能调度中枢”，取决于其能否在巨头夹击下，建立起以效率和体验为核心的服务壁垒。毕竟，在AI时代的长跑中，融资额只是起点，真正的考验在于每一度算力是否都转化为了有价值的智能成果。