硅基流動IPO：比阿里更懂Qwen？

作者| 黃繹達

編輯|張帆

封面來源|視覺中國

2026年6月30日，成立僅34個月的AI基礎設施企業硅基流動正式向港交所遞交招股書，計劃通過18C章特專科技規則登陸資本市場。

硅基流動的核心商業模式，是將芯片適配、模型部署、異構算力調度等復雜的工程能力封裝成標準化的API接口，讓開發者像用水用電一樣按需調用AI模型。

而公司解決的核心問題，正是不同模型在不同算力硬件下的適配性問題。典型如DeepSeek，在英偉達的GPU與華為昇騰上運行的性能表現不一致。公司憑借快速的落地能力，在一定程度上解決了大模型在不同芯片上算力性能不一致的行業痛點，因此吃到了第一波紅利。

2025年初，DeepSeek（如R1和V3模型）在全球范圍內爆火，其官方服務器被海量請求擠爆。硅基流動憑借在國產芯片適配上的技術積累，迅速聯合華為云上線了基于昇騰算力的滿血版DeepSeek服務，而且相較于 DeepSeek 官方渠道便宜了約三到五成，這一舉措成功承接了巨大的溢出流量。

但從上述DeepSeek跨芯片適配的案例中可以看出，硅基流動一沒有算力、二沒有數據、三沒有自己的大模型，這家公司的AI價值在何處呢？

特定歷史背景下的“中間商”

隨著AI行業發展的重心從大模型性能提升，逐漸轉移到推理側，低成本Token是當前AI行業的核心問題。在推理側的“降本增效”問題上，主流的方案主要有兩條：

其一，是全棧自研模式，即在硬件開發層面來主動適配大模型推理，典型如馬斯克，他認為英偉達的GPU并不適合推理側，因此主推自研推理芯片，甚至未來計劃自建晶圓廠；

其二，是對大模型進行深度優化，硅基流動就是獨立研發了名為SiliconLLM的大模型推理引擎。這個引擎負責統一調度英偉達、華為昇騰、壁仞、沐曦等不同廠商的底層芯片算力，讓各類大模型能夠在其上高效運行。

那么問題來了，當前AI行業普遍看好的是全棧自研模式。主要因為通過掌握從底層硬件到上層算法的全鏈路，企業可以消除中間商的利潤分成，以此顯著降低企業的邊際成本。

反觀硅基流動的推理引擎，其定位是算力與模型之間的中間系統軟件層，相當于在硬件底座上新增一層調度基礎設施，并未實現軟硬件一體化，但在當前AI產業鏈上依然提供了可觀的業務價值。

硅基流動獨特的業務形態，可以說是在AI熱潮下，依靠以下兩個市場需求的時間差，所形成的階段性產物。

算力需求窗口與需求時間窗口

從國內的芯片競爭格局來看，不同于海外英偉達的一家獨大、統一使用CUDA，國內則是百花齊放、品種繁多。特別是隨著英偉達的斷供國內，過去兩年在國內算力普遍緊缺的背景下，芯片采購優先考慮可得性，這就導致各家芯片混用成為常態，導致兼容性問題突出。

而且，國內的大模型品種同樣是百花齊放，光硅基的公有云就整合了超170個大模型，這是導致模型與芯片之間存在兼容問題的另一大根源。比如DeepSeek原來適配的是英偉達，但是推理側用戶可能在算力無法滿足的情況時，就需要調用其他算力，這時候如何匹配并調用最優芯片來實現優化Token成本，則是解決問題的關鍵。

在當前算力供給分散且異構算力混合部署的歷史階段，存在一個明顯的算力需求窗口，硅基流動的優化大模型的價值亦因此得以體現。

然而，參考互聯網行業的長期發展規律可知，絕大多數賽道競爭格局的演化，幾乎都是從百家爭鳴到幾家巨頭獨大。那么，以此類推，屆時AI產業鏈進入成熟期，行業由個別頭部廠商主導，同時軟硬件的全棧自研成為主流，以硅基流動為代表的第三方服務商的存在價值將受到嚴峻挑戰。

再看所謂的需求時間窗口，主要是出于經濟學與降低機會成本的考量。在當前的AI浪潮下，各行各業都開始引入“AI+”，如果用自研的模式來推進產品數智化，不僅需要投入可觀的研發成本，而且開發節奏還要夠快，在同類別競爭中爭取先發優勢，成熟“AI+”解決方案對于眾多有相關需求企業而言，正是一個頗具經濟性的選擇。

在公司本就不長的招股書中，舉了幾個案例，其中就提到一家玩具公司，打造智能化且具備互動性的陪伴類產品，這類玩具產品需要對兒童的語音指令及對話意圖做出實時理解與響應。從玩具企業的視角來看，自研這樣一套系統，自然不具備經濟性，而硅基流動提供的成熟解決方案成為了當前的最優解。

補貼是引流是主要打法

公司收入結構上，主要是公有云跟本地化部署。本地化部署的客戶普遍為自有算力，因此主要面對大型客戶，該業務的毛利率較高，2025年達82.5%，但是通常是“一錘子買賣”。而公有云服務，公司通過向外部租賃算力再轉租，雖然毛利率略低，但是市場空間更大，且客戶通常穩定續費，能產生穩定現金流，也是當前公司發力的主要方向。

圖：硅基流動業務結構；資料來源：公司招股書，36氪

2025年，硅基流動公有云服務實現收入 2926萬元，該業務營收占比從2024年的14.6%快速提升至 52.9%。這一數據標志著公有云服務正式取代本地部署，成為公司的第一大收入引擎。

但是由于公司租入算力成本高企，導致公司增收不增利；2025年的虧損高達3.45億元，綜合成本率高達124%。導致公司報告期內成本暴增的原因主要有二：其一是采購阿里的算力帶來的剛性支出；其二是上線有包括Qwen等開源模型，同時為客戶提供低成本的Token，進一步壓縮了利潤空間。

反映在財報上，公司2025年算力采購的成本為5962萬，同期為了引導新用戶進入公有云平臺大規模發放的免費詞元代金券，對應的相關算力資源成本為5421萬；簡單計算可知，2025年公司發放Token補貼對應的成本是同期業務收入的1.85倍。

從展業邏輯來看，補貼引流是互聯網企業的傳統打法，而且在業務推廣上，硅基流動好像比阿里更懂Qwen；但是大廠也在通過發放補貼來搶占市場，若持續沿用該路徑，公司的補貼投入的規模能競爭得過家大業大的大廠嗎？因此，在公司展業的過程中，補貼的可持續性值得關注。

圖：硅基流動近年來成本結構；資料來源：公司招股書，36氪

在研發層面，公司研發投入從2023年的約 1084.1萬元大幅攀升至2025年約 2.09億元。其背后的原因主要在于，2025年眾多大模型發布，并伴隨多個不同廠家的芯片入市，公司核心業務正是要在不同大模型與芯片之間來做交叉優化，這就導致相關的研發投入大幅增長。

但正如文章前期提到的，AI行業百花齊放是初期表現，而未來很有可能是少數贏家通吃。企業當前投入大量研發資源對不同大模型之于不同硬件的適配性予以優化，但行業迭代速度較快，不少模型存在被市場淘汰的可能性，這就導致公司相關研發投入或將面臨難以收回的風險。

事實上，硅基流動的海外對標企業Fireworks AI、Together AI基本上也都是主要基于英偉達生態進行優化。對于上述聚焦單一生態的企業，相關的研發強度明顯更低，較強的成本控制能力有利于跑通商業模式。

值得注意的是，硅基流動的業務在很大程度上依賴于高質量開源AI模型的可得性，服務覆蓋 Qwen、GLM、DeepSeek、Kimi 等多款開源產品，開源模型也擁有更大的優化潛力。從全球視角來看，美國的主流是閉源模型，堅持開源的Meta已經掉隊；而中國則是開源跟閉源齊頭并進，所以硅基流動的業務更像是一次對未來賽道的押注。

*免責聲明：

本文內容僅代表作者看法。

市場有風險，投資需謹慎。在任何情況下，本文中的信息或所表述的意見均不構成對任何人的投資建議。在決定投資前，如有需要，投資者務必向專業人士咨詢并謹慎決策。我們無意為交易各方提供承銷服務或任何需持有特定資質或牌照方可從事的服務。

點擊圖片即可閱讀