推理Token廠扎堆融資：萬億吞吐量背后，誰在裸泳？

凌晨兩點，一位投資人對著硅基流動招股書上的數(shù)字揉了揉眼睛——2025年收入5533萬元，凈虧損3.45億元，毛利率-24%。他把頁面截屏發(fā)到討論組，配了一句：“這生意到底燒錢燒出了什么？”

這是2026年7月，WAIC世界人工智能大會開幕前一周，Token工廠賽道卻已搶先開鍋。自6月底以來，趨境科技半年內(nèi)累計融資超10億元；硅基流動單日Token吞吐量峰值突破萬億，注冊用戶超千萬；無問芯穹的Agentic MaaS平臺調用量去年底至今增長超20倍，背后站著近50家投資機構。熱錢在基礎大模型身位定型后，扭頭涌向了更下游的推理交付環(huán)節(jié)。理由看起來很硬：AI產(chǎn)業(yè)下一個核心瓶頸不是訓出多強的模型，而是誰能穩(wěn)定、低成本、持續(xù)地把大模型變成可計費的服務。

但招股書里那行-24%的毛利率，提醒所有人這還是一門“流量肥、利潤瘦”的生意。Token工廠到底是一門什么生意？它能不能撐起AI基礎設施的長期敘事？以下五個點，我們一個一個扒。

要點一：Token不是數(shù)字石油，更像分層電力套餐

把Token比作AI時代的“電力”很容易，但這個類比過于討巧。電力是均質商品，照明電和工廠電沒有物理差異。Token完全不同：同一模型產(chǎn)出的100萬個Token，可能是閑聊對話里的輕量生成，也可能是全量代碼重構的密集推理，更有可能是重復回滾的無意義輸出。它們的算力成本、穩(wěn)定性要求和商業(yè)價值，可能差出幾個數(shù)量級。

趨境科技顯然不愿只當“算力轉售商”。它把自己的定位寫成“高品質AI Token生產(chǎn)服務商”，還給Token做了明碼分層：免費聊天機器人對應低速低穩(wěn)定性Token；開發(fā)者套餐對應中速Token；企業(yè)核心生產(chǎn)系統(tǒng)需要頂速、高穩(wěn)定、長上下文支持的高品質Token。不同層級在時延、生成速度、并發(fā)能力、結構化調用可靠性上的要求完全不在一個量級。這和通信代際演進邏輯一模一樣——2G到5G都能傳信息，但企業(yè)級業(yè)務絕不會跑在高延遲網(wǎng)絡里。當AI從“會聊天”進入“能寫代碼、審合同、管項目”時，Token質量正式壓過Token價格。

硅基流動干脆用自研推理引擎和動態(tài)量化技術，把延遲降低最高70%，吞吐量提升3到5倍，推理計算需求降低60%至80%。這么做的意義不是炫技，是讓同樣的硬件產(chǎn)出更快的響應、更低的成本。于是核心競爭點很清晰：深度優(yōu)化，而非廣泛接入。硅基流動不和巨頭比誰的模型超市貨架大，而是緊盯少數(shù)有真實生產(chǎn)需求的頭部模型，做模型切分、顯存管理和異構協(xié)同，把單位算力的有效Token產(chǎn)出推到極致。這與那種打包上百個API轉賣的中轉站，有本質區(qū)別。

要點二：補貼換用戶的窗口還開著，但網(wǎng)絡效應根本不成立

硅基流動的招股書是一份絕佳的成本范式切片。2024年底，平臺注冊用戶只有12.7萬，到2026年4月猛漲至1028萬；同期日均Token吞吐量從478億飆到5785億。收入也從735萬元跳升到5533萬元。增速放任何行業(yè)都算驚人，但固定成本支出更驚人——算力成本5962萬元，營銷開支8370萬元，直接把毛利砸成負的。這顯然是移動互聯(lián)網(wǎng)時代“補貼換用戶”的復刻：以公有云服務做引流，用極低甚至負毛利的價格吸引開發(fā)者和企業(yè)，賭的是其中一部分用戶轉化為高毛利的專屬實例或本地部署客戶。2025年，硅基流動本地部署收入占比已從85.4%下滑至47.1%，說明這個漏斗正在快速灌入大量低毛利長尾用戶。

問題在于，AI基礎設施的“閃電擴張”和當年的滴滴、美團有一個根本區(qū)別：邊際成本下降曲線遠沒有那么陡峭。算力是租來的，技術優(yōu)化需要頂尖人才持續(xù)投入，客戶不會因為更多人在用同一平臺就獲得更好體驗。規(guī)模效應在Token工廠身上更多體現(xiàn)為成本攤薄而非網(wǎng)絡效應。如果拉新成本持續(xù)高企，這種擴張很快就會撞上“越增長越虧損”的墻。

所以行業(yè)內(nèi)真正在追求的，不是“融資飛輪”，而是“效率飛輪”——技術優(yōu)化降低單位Token成本→更低價格拉來更多客戶→更多真實場景反饋反哺模型和調度系統(tǒng)→優(yōu)化后再降成本、提穩(wěn)定性。趨境科技披露的部分數(shù)據(jù)顯示，春節(jié)以來其單位算力生產(chǎn)效率提升3倍以上，高品質Token總產(chǎn)量提升超30倍，部分成熟業(yè)務已經(jīng)突破成本線。這才是飛輪開始轉動的信號。

要點三：算力不再是最大短板，Token生產(chǎn)效率才是新硬通貨

過去三年，AI行業(yè)的敘事就一個詞：缺。缺卡、缺算力、缺機房。這種“存在即短缺”催生了智算中心建設和萬卡集群交付的投資盛宴。但到了2026年，底層供給正在起變化。全球算力供給持續(xù)擴張、國產(chǎn)芯片替代加速、模型推理效率不斷提升，算力的可獲得性開始邊際改善。高端GPU仍然緊俏，使用權依然緊張，但“純粹算力總量”正從稀缺品滑向大路貨，而電價等運營成本的權重在上升。

這意味著，以前圍繞算力占有建立起來的壁壘開始松動。誰手里的卡多不再是勝負手，誰能用同等算力資源跑出更高的有效Token產(chǎn)出才是。這個指標在行業(yè)里有各種叫法：Token生產(chǎn)效率、算力轉化率、集群可用時長占比。不管叫什么，指向的都是同一件事——AI基礎設施的競爭邏輯，正在從資源占有型轉向運營效率型。無問芯穹背后幾十家機構的押注，賭的也正是這一點。

要點四：短期財報難看，但必須容忍虧損換來的場景護城河

很多人盯著-24%的毛利率和3.45億凈虧損搖頭，但Token工廠的虧損需要分層看待。一部分是硬性的算力資源成本，這部分可以通過技術優(yōu)化和采購集約化逐步壓縮；另一部分是拉新和推廣的獲客成本，這部分會隨著用戶黏性和增值服務轉化而稀釋。Token訂閱用戶有很強的后續(xù)變現(xiàn)價值，企業(yè)一旦把生產(chǎn)系統(tǒng)綁在某個平臺的高品質Token層上，遷移成本極高。所以短期的“賠錢賺吆喝”未必沒有商業(yè)理性。

但前提是效率優(yōu)化帶來的成本下降必須持續(xù)跑贏營銷支出的膨脹速度，并且轉化出足夠多的高毛利專屬客戶。2025年硅基流動的本地部署收入占比腰斬，說明新涌入的海量用戶還停留在公有云低價層，沒來得及爬到利潤區(qū)。對任何Token工廠而言，接下來最關鍵的一步，就是證明當融資節(jié)奏必然放緩、算力采購成本可能繼續(xù)上升時，這套效率引擎還能自轉。穿越一個完整的壓力周期，才能說商業(yè)模式站穩(wěn)了。

要點五：Token工廠終將成為AI產(chǎn)業(yè)的基礎設施層，但不是誰都能當

行業(yè)有一個滾雪球式的共識：推理服務這個賽道最終會收束到少數(shù)幾個高效玩家手里。因為Token交付不是簡單的API轉售，它需要強大的推理引擎優(yōu)化能力、復雜的異構算力調度，以及海量場景反饋沉淀下的垂直模型調優(yōu)經(jīng)驗。這些能力組合起來，形成的是一個“推理效率壁壘”——后來者哪怕拿到同樣的卡，也很難在單位成本有效產(chǎn)出上追平。這和CDN行業(yè)完全不同，CDN比拼的是節(jié)點覆蓋和帶寬成本，Token工廠比拼的是單位算力的智能產(chǎn)出率。

泡沫和真金，的確在同一條河里翻涌。有的公司靠燒錢把Token吞吐量數(shù)據(jù)刷得很高，但高質量結構化調用占比極低，本質上還在跑無效通量；有的公司雖然規(guī)模不大，但切準了高價值生產(chǎn)場景，單位Token的凈收入已經(jīng)轉正。資本其實也分得清——趨境科技的A輪超10億、無問芯穹背后近50家機構站臺，說明愿意掏錢的人對“高品質Token”和“真實場景閉環(huán)”的溢價是買單的。但對那些靠拼量的玩家，窗口期正在以肉眼可見的速度收窄。

一句話總結：Token工廠不是賣數(shù)字石油，而是賣分層電力；不是拼卡，而是拼效率；不是燒錢拉新，而是轉化粘性。誰先跑通效率飛輪，誰就有可能在未來三到五年里成為AI產(chǎn)業(yè)鏈里繞不過去的基礎設施層。2026年WAIC或許是個節(jié)點——當所有參與者都在談論Token經(jīng)濟時，真正的分化已經(jīng)從誰還在虧損、誰已越過成本線開始。