半年融10億，這家AI Token公司被瘋搶

大模型行業的競爭，正從單一的模型能力競爭，拓展為模型能力與高品質 AI Token 生產效率的綜合競爭：既要訓練出更強的模型，也要以更低成本、更高穩定性支撐其規模化運行。

近日，全球領先的高效能AI Token 生產服務商趨境科技（Approaching.AI）正式宣布完成A輪融資，半年內累計融資超過 10 億元。本輪融資由河南投資集團匯融基金重磅領投，真知資本、尚勢資本、星連資本、上海國方創新、弘暉基金、華控基金、杭州福成等老股東持續超額跟投。

該輪融資距離其上一輪融資僅過去兩個月，趨境科技再次在投資方主動接洽和推動下完成超額募資。與普通財務投資不同，本輪領投方看重的更是雙方可以攜手共創的產業前景。目前領投方正與趨境科技聯合推進日均產能數萬億級的現代化 AI Token 工廠的籌建工作。

據透露，本輪資金將主要用于擴大高品質 AI Token 產能儲備，升級自研高效能 AI Token生產服務平臺ATaaS（Approaching.AI Token as a Service），推動國產異構算力在核心生產場景中的規模化投產，并進一步建設面向頭部模型、互聯網平臺和區域產業生態的高品質 AI Token 工廠。

高品質 AI Token 工廠

趨境科技成立于 2023 年底，源自清華大學計算機系高性能所，該團隊長期研究系統軟件和大規模集群推理方案。

在國內 AI Infra 賽道，并不缺少清華系的創業者。但趨境科技的不同之處在于，早在 2023 年創業之初、行業仍普遍聚焦大模型訓練時，就堅定選擇將大模型推理作為核心方向，是當時極少數從一開始便押注大模型規模化生產的創業團隊。這一少數派選擇，恰好與團隊在內存系統、異構計算和模型推理領域的長期積累高度契合。其創始人兼CEO艾智遠，是清華大學計算機系高性能計算研究所博士，師從武永衛教授，也是章明星副教授的學弟。博士期間，艾智遠專注于并行計算、分布式存儲及AI計算引擎優化等前沿方向，畢業后的幾年間，他深耕產業一線，全面執掌核心技術產品的研發與交付，積累了從技術研發到規模化落地的完整產業經驗。

這樣的背景和經歷，也給了趨境科技“另開一攤”的底氣，趨境并不做“MaaS 模型超市”，它的定位更聚焦，要做一家高品質 AI Token 的生產服務商。

何為高品質 AI Token ？在趨境科技看來，AI Token 不只是模型輸入輸出的計量單位，而是連接算力、模型和應用結果的最小生產單元。它應該是多個關鍵指標的組合：服務于頭部大模型、長上下文響應時間足夠短、生成速度足夠快、服務穩定性足夠強、達到生產可用水平，同時成本要被壓到可持續經營的區間。當前市場，做到其中的單一指標并不算難，真正的挑戰在于，這些指標需要在高復雜度的真實生產負載下同時成立，并在長期運行中保持穩定。根據數據測算，不同企業的生產效率能存在數倍甚至數十倍的差距。

基于這一判斷，趨境科技提出Token as a Service（TaaS，Token 即服務）理念，并以自研 ATaaS 平臺為核心，將底層算力資源、模型推理系統與企業業務場景打通，構建面向真實生產負載的高品質AI Token工廠。

那么趨境科技為什么選擇這條路？艾智遠告訴投中網，這些是來自最一線客戶的要求。他進一步解釋道，隨著大模型公司進入商業化階段，客戶開始關心一些更現實的問題：同樣一批算力，究竟能生產多少可賣的 AI Token ？這些 AI Token 是否足夠快、足夠穩、成本是否可控？

當然，這其中也少不了創始團隊自己的觀察。在趨境科技看來，AI Token 已經開始分層：免費聊天機器人對應的是低速、低穩定性 AI Token ；普通開發者套餐對應中速 AI Token ；真正面向生產環境的企業客戶，需要的是頂速、高穩定、高可靠的高質量 AI Token 。

團隊形象地將之比作通信網絡2G到5G的區別。的確所有網絡都能傳輸信息，但企業生產環境不會長期使用延遲高、穩定性差的服務。AI Coding、智能客服、辦公套件、企業 Agent 等場景，一旦進入真實業務流，延遲、吞吐和穩定性都會直接影響客戶體驗與付費意愿。

趨境科技切入的正是這一層，這也解釋了趨境為什么選擇“少模型、深優化”的路線。

與同時接入上百個模型的平臺不同，趨境不追求模型數量，而是圍繞少數真正有生產需求的大模型做深度優化，包括性能、穩定性、成本、統籌和集群運營。

再回到推理優化本身，當前行業普遍存在一個認知誤區，認為推理優化僅僅是為了提升GPU運行速度。但趨境認為，僅優化GPU遠遠不夠。

因為一套 AI Token 工廠的生產效率，取決于芯片選型、網絡設計、集群統籌、顯存管理、模型切分、異構協同、故障恢復和運營系統等多重因素。在這套系統中，GPU地位誠然關鍵，就像汽車發動機，但整車跑得快，還需要依靠底盤、輪胎、風阻設計和駕駛系統等等。

也正因如此，趨境科技團隊長期研究高性能計算和大規模推理系統，突破性地提出了業界首創的“全系統異構協同”“以存換算”“虛實同構”等技術思路，其核心目標是提升整個集群的 AI Token 產能，而不只是提升單卡性能。

同時，在生態建設方面，趨境科技與清華團隊牽頭開源的 KTransformers 已獲得業內廣泛關注；并攜手清華大學、月之暗面 Kimi、9#AISoft、阿里云、螞蟻集團等機構共建開源項目 Mooncake；同時也是vLLM、SGLang等全球主流AI推理社區的重要貢獻者。

AI Token生意的分水嶺：單位算力的Token產量

如果說技術上的領先、業務上的探索，只是趨境科技掌握AI基礎設施入口的敲門磚，那商業化上的進展則再次印證了趨境創始團隊的前瞻性。

過去兩年，中國大模型公司投入大量資金訓練模型，但商業化進展一度不清晰，轉折發生在 2025 年。

最直觀的是 AI Coding 率先跑出大規模付費需求。

在真實開發場景中，程序員借助大模型編寫、調試代碼并讀取代碼倉庫全量信息，單次調用承載的上下文體量極大，單次請求 AI Token 數量可達幾十萬。如果推理性能不足，等待時間可能從幾秒變成幾分鐘，這對于企業來說，不是體驗差異，而是生產效率差異。

因此，相較于個人用戶，企業才是更愿意為 AI Token 付費的主體。企業會計算投入產出，會在意ROI（投入產出比）：如果一年投入幾百萬或上千萬元的 AI Token 預算，能換來研發、客服、運營等環節的顯著效率提升，這筆錢就有商業合理性。

當大模型進入企業生產系統，競爭會變成另一種形態：誰能穩定供給高品質 AI Token ，誰就掌握了AI應用爆發后的基礎設施入口。

這也是趨境科技商業化快速增長的核心背景。據透露，從 2026 年春節以來，趨境科技已實現平均單臺算力的生產效率提升 3 倍以上，總高品質 AI Token 產量提升 30 倍以上。其中，某頭部萬億級參數大模型，高品質 AI Token 日均產量已經穩定突破萬億量級。

這意味著，趨境科技并不是依靠簡單堆疊算力資源，或廣泛接入大量模型來擴大規模，而是在真實生產負載下，通過系統工程設計與優化，將頭部模型持續轉化為穩定、可持續交付的企業級高品質 AI Token 產能。

根據趨境科技在本輪融資中披露的數據，僅2026 年 6 月份的單月收入已超過 2025 年全年，并且收入規模還在持續高速增長。具體來看，趨境科技的商業模式主要有兩類：一類是租賃算力資源，并自行生產和銷售AI Token 給頭部模型廠商、互聯網平臺、AI 應用公司和大型企業客戶；另一類是面向計劃或已擁有算力資源的客戶，承接 AI Token 工廠的整體規劃設計、建設交付與后續聯合運營，與客戶共享 AI Token 工廠投產后的持續經濟利益。

對于擁有算力資源的客戶而言，建成算力中心并不意味著具備持續生產并實現良好經濟效益的 AI Token 能力。趨境科技通過提供推理系統、生產運營和產品銷售等能力，統籌多個算力中心的資源與負載，提升整體利用率，并將底層硬件資產轉化為可持續運營的高品質 AI Token 產能和業務收入。這也構成了多個地方國資和產業資本期待和趨境科技攜手共進的重要原因。

它不直接面向普通C端用戶，也不靠項目制做一次性交付，而是為模型廠商、互聯網平臺、AI 應用公司和大型企業提供標準化、可持續的專屬高品質 AI Token 服務。

然而，AI Token 生產規模越大，并不意味著這門生意就越成立。算力成本往往先發生，而付費需求和資源利用率需要隨后爬坡，這也是 AI Infra 公司商業化過程中最難跨過的一道門檻。趨境沒有把模型數量和吞吐規模作為唯一目標，而是將重點放在兩個變量上：一是圍繞少數具有真實生產需求的模型持續深度優化，通過模型切分、顯存管理和異構協同，提高單位算力能夠生產的有效 AI Token 數量；二是通過企業專屬 AI Token 服務、跨集群運營、故障恢復和 AI Token 工廠運營，提高生產負載的穩定性與可預測性，減少產能損失和算力閑置。

換句話說，少模型深優化解決的是“同一批算力能夠生產多少 AI Token ”，穩定生產負載和跨集群運營解決的是“這些算力有多少時間真正處于有效工作狀態”。“少模型”本身并不天然帶來更高的利用率，只有單位算力產出和有效利用率同時提升，AI Token 業務的單位經濟才有可能成立。

目前，趨境科技已經形成一套可復制的高品質 AI Token 工廠建設與運營模式：既有日均萬億級 AI Token 產能的已建成項目，也有面向區域產業生態和頭部客戶的戰略規劃，更重要的是，目前部分成熟業務已經跨過成本線。

高品質 AI Token 工廠正在從單點項目，走向可復制、可擴展、可持續運營的新型 AI 基礎設施。

對趨境科技來說，融資帶來的真正考驗，是把這套“AI Token 工廠”的能力復制到更多算力中心、更多芯片組合和更多真實客戶里。此前，趨境科技已實現國產Prefill-Decode（PD）異構方案在高標準生產場景中的正式投產，為使用國產卡生產高品質 AI Token 提供了切實有效的落地方案。接下來，這套能力能否進一步規模化復制，也是 AI Infra 公司普遍要面對的問題：當行業不再只為技術概念買單，資本和客戶都會更在意同一件事——一批昂貴的算力，最后能不能變成穩定收入。

趨境科技試圖給出的答案是，把推理系統、算力運營和客戶需求合在一起，做少數頭部模型的深度優化，而不是做一個模型數量更多的平臺。

如果說過去兩年，大模型行業的關鍵詞是“訓練”和“參數”，那么接下來一段時間，關鍵詞很可能會加上“推理”“成本”和“交付”。