夜雨聆风
ChatGPT点燃的大模型军备竞赛，正在批量制造中国AI时代的新“基建商”。
最近，上海基流科技正式向港交所递交招股书，冲刺主板挂牌。
这家公司做的，不是大模型，也不是AI芯片，而是过去两年AI行业最缺、也最烧钱的东西：算力集群。
按2025年收入计，基流科技已经是中国第九大AI算力集群提供商，也是其中最大的独立厂商。客户名单里，包括智谱AI、商汤科技、三大运营商，以及地方国资背景的数据中心。
它身上有一切AI时代最热门的标签：清华背景创始人、自研交换机、万卡集群、国产替代、高速融资。
但真正有意思的是，这家满身AI科技标签的公司，赚钱方式却意外传统。
翻开招股书会发现，基流科技的商业模式，本质上更像AI时代的工程服务商：客户要建算力中心，它负责设计、组网、调试、交付；客户要训练大模型，它负责把上万张GPU真正连成一个稳定运转的系统。
说白了，它更像AI时代的“算力包工头”。
而“包工头”模式的特点是：业务通常不缺，但利润未必够厚。2025年，基流科技实现营收5.2亿元，经调整净利率约6%，仍然带着明显的工程服务行业特征。
也正因为如此，上市前夕，基流科技开始尝试讲一个更具想象力的新故事。
除了交付算力集群，它开始提供后续运营维护服务，并进一步布局自建算力资源、对外提供算力服务。
从“包工头”到“物管”，再到部分持有算力资产的“开发商”，基流科技正在尝试走向更重、更长周期，也更具持续性的商业模式。
只是，AI基础设施行业从来不是一个轻松的赛道。
当行业仍处在高速扩张阶段时，如何在规模、盈利与投入之间找到平衡，或许才是这类“AI基建商”真正的考验。
每3个月完成一轮融资
基流科技的故事起点，是两个衡水中学老同学的一次判断：AI真正爆发后，最先被卡住的是算力。
2022年底，ChatGPT横空出世，让大模型一夜之间成了资本市场和创业圈最热的词。很多人盯着“谁能做出下一个ChatGPT”，但胡效赫和谢文奇看到的，却是另一个更加现实的问题：
GPU买回来，并不意味着算力就真的能跑起来。
大模型训练真正拼的，不只是芯片数量，还有网络、调度、通信、运维，以及成千上万张GPU之间的协同效率。
如果这些环节跟不上，再多GPU也可能只是“纸面算力”。
算力集群的创业种子，也由此埋下。所谓集群，本质上就是把大量GPU服务器通过高速网络连接起来，让它们像一个整体一样协同训练。
而两位创始人的组合，也很有这一轮AI创业潮的典型特征。
胡效赫是清华自动化系本科、博士，曾在清华大学网络安全实验室做博士后，也曾赴加州大学伯克利分校任访问学者，长期研究高性能网络与分布式系统。
谢文奇则毕业于北京大学信息管理与信息系统专业，后获得清华金融硕士学位，曾在PE机构从事投资工作，参与过晶泰科技等AI项目。
一个懂怎么把GPU集群跑起来，一个懂资本和产业机会怎么结合。
2023年2月，基流科技正式成立。公司瞄准的正是AI算力集群产品。核心团队也带着明显的“清北技术底色”，成员主要来自清华网络安全实验室、北大计算机系，硕博占比超过60%。
真正让基流科技开始在行业里打开知名度的，是智谱AI项目。
2023年下半年，基流科技凭借自研RoCE组网方案，为智谱AI交付首个2000卡集群项目，实现市场突破。
谢文奇后来曾对媒体回忆，当时5人团队长期驻扎客户现场，一个多月连轴调试，困了就在机房休息。
这种近乎“工业化冲锋”式的交付能力，也成为基流科技早期建立口碑的重要原因。
截至2025年底，基流科技在中国万卡集群服务市场占有率约10%，其他头部厂商大多为大型互联网企业及电信运营商。
公司客户覆盖智谱AI、商汤科技、三大运营商、地方国企及头部数据中心，主要客户复购率超过80%。
截至2026年4月20日，公司技术支持的AI集群GPU卡数已超过9万张，具备SLA保障的在线运维算力规模超过34000PFLOPS，已赋能4个万卡规模集群。
同时，它也是国内首家完成1500公里跨地域异构组网、首家量产国产25.6T芯片高通量交换机的独立厂商。
业务跑得快，资本自然也不会缺席。
成立三年来，基流科技累计完成11轮融资，总融资额达到22.02亿元，平均每3个月就完成一轮融资。
这个速度，已经不像传统创业公司，更像AI军备竞赛里的“弹药补给”。
尤其值得一提的是，2023年12月，智谱AI联合奇绩创坛等完成2270.46万元天使轮投资，形成“客户即股东”的绑定模式。这不仅意味着财务投资，更意味着产业侧的正式背书。
2024年至2025年，公司又连续完成多轮融资，引入招商局创投、光速光合、国方创新等机构，同时获得北京、上海、新疆等地国资支持。
而最新一轮融资，则是2026年4月21日完成的11.6亿元D轮融资。
更微妙的是，D轮融资落地仅8天后，公司便正式递交港股招股书，准备敲响二级市场大门。
薄利的包工头模式
基流科技的核心产品，是一套名为Galaxy的AI算力集群体系，由硬件系统和软件平台共同构成。
硬件层面，公司自研了Mercury高性能融合AI网络系统，覆盖通信库、网卡、交换机、光模块等环节，主要解决大规模训练中的网络瓶颈问题。
按照公司披露的数据，这套系统可以将集合通信吞吐量提升50%，网络成本降低40%。其MS6426全国产25.6T高速AI交换机已经实现规模部署，100TNPO技术交换机性能也已达到国际旗舰水平。
软件层面，Venus算力操作系统则更像整个集群的“指挥中枢”。
它负责调度、容错、监控和运维，支持拓扑感知调度、多层次容错和全栈监控，可将集群平均算力利用率提升30%，万卡集群算力利用线性度超过96%，平均年化SLA达到99.97%，相当于全年故障停机时间控制在数小时以内。
说白了，基流科技做的事情，其实就是：让上万张GPU能够稳定、高效地一起工作。
别小看这件事。在今天的大模型训练场景里，真正最容易掉链子的，往往不是GPU本身，而是网络、调度和通信效率。
GPU越多，系统越容易“堵车”。而随着行业进入万卡甚至更大规模集群时代，互连架构、调度能力和运维能力的重要性，也在迅速上升。
这也是基流科技真正想吃下的市场。更重要的是，这个市场本身还在高速扩张。
招股书称，全球AI资本开支，包括算力、网络、存储等硬件，以及软件和相关服务投资，预计将由2025年的0.3万亿美元增加至2030年的约1万亿美元。大模型训练、推理和部署背后的基础设施投入，还在继续放大。
中国市场同样增长迅猛。
截至2025年6月，全球总算力超过4580 EFLOPS，其中中国总算力达到962 EFLOPS，同比增长约73%，占全球总量约四分之一；其中智能算力达到782 EFLOPS，占中国总算力超过80%。
中国已经成为全球第二大算力国家。
无论从行业趋势还是技术方向来看，基流科技都踩在一个非常热门的位置。
但问题也恰恰在这里：赛道很热，技术故事也不错，可基流科技上市前的盈利能力，并不算漂亮。
根据综合损益表，2025年，基流科技实现营收5.2亿元，同期却亏损了约3.55亿元。即使剔除一些非经常性的因素，用经调整净利润口径来看，公司也只是赚了薄利，净利率约6%。
这背后要从基流科技的业务构成说起。虽然带着明显的科技属性，但基流科技目前最核心的收入来源，本质上仍然是“项目交付”。
客户要建一个算力中心，它负责设计、建设、组网和交付；客户要扩一个万卡集群，它再接下一单。
这类业务，在招股书中对应的是“AI算力集群产品”。
2024年至2025年，该业务分别实现收入3.08亿元和4.37亿元，占总营收比例分别高达94.8%和83.9%。
这其实很像传统基建时代的工程总包模式。行业景气时，业务通常不缺；但项目制生意天然存在一个问题：利润往往不够厚。
2024年和2025年，基流科技“AI算力集群产品”业务毛利率分别只有18.2%和16.8%。而这还只是毛利率，后面还有一系列成本需要消化。
比如，2025年公司销售、行政及研发开支合计占营收比例达到13.2%，层层摊下来，“包工头式”业务真正留下的利润空间，其实已经非常有限。
这也是很多AI基础设施公司如今共同面临的问题：看起来站在AI风口中央，但赚钱方式却越来越像“高科技施工队”。
一边是AI基础设施的大风口；一边是项目制业务利润偏薄。想改变“雷声大、利润薄”的局面，基流科技自然需要往利润率更高、持续性更强的业务走。
只是，更高利润空间的另一面，往往也意味着更重的投入、更大的资产压力，以及更长的回报周期。
而基流科技真正的挑战，也正是从这里开始。
成为开发商的诱惑
2024年开始，基流科技新增了一项业务：AI算力集群运营服务。
如果说此前的算力集群交付更像“包工头”，那么这项业务则更像“物管”。项目建成以后，继续帮客户做运维、调度、监控，保证整个系统稳定运行。
这条路之所以有吸引力，首先是因为它增长很快。2024年至2025年，该业务收入由1700万元增长至8360万元；客户数量也由2名增加至16名。
更重要的是，它在商业逻辑上天然承接了此前的“包工头”业务。
AI算力集群并不是普通机房。尤其在大规模训练场景下，任何一个节点故障、网络波动或调度失衡，都可能直接影响整体算力利用率。
客户既然已经让基流科技参与前期设计和建设，那么后续继续把运维交给它，也是一件顺理成章的事情。
而且，“物管”明显比“包工头”更赚钱。
相比“AI算力集群产品”业务不足20%的毛利率，基流科技“AI算力集群运营服务”业务在2024年和2025年的毛利率分别达到56.1%和47.7%。
但基流科技的野心，并不止于从“包工头”升级成“物管”。
招股书显示，公司还开始提供算力服务，即通过自己设计、建设及运营的AI算力集群，对外提供算力资源。也就是说，基流科技除了想做物管，还想自己建房出租，变成“商业地产开发商”。
这个故事当然更性感。
包工头业务做一单少一单；物管业务虽然吸引力大一点，但绑定关系到底有多强，也要看客户后续是否愿意长期续约。而一旦拥有算力资产，对外提供算力服务，理论上就能形成更长期、更持续的收入来源。
在当下算力仍然紧缺的背景下，这种模式看起来也更有想象空间。
但问题是：更性感的商业模式，往往也意味着更重的资产压力。
2024年至2025年，基流科技“物业、厂房及设备”由2644.8万元增加至1.74亿元。其中，机器及设备规模由2600万元增加至1.73亿元，核心原因正是为了满足算力服务业务扩张而新增设备投入。
而在盈利模式尚未完全跑顺的情况下，快速走向重资产，也必然意味着更大的资金占用和债务压力。2024年至2025年，公司债务规模由2.1亿元增加至9.74亿元；其中计息银行借款（流动+非流动）由4800万元增加至2.57亿元。
扩张的另一面，是资金周转的同步拉长。
2024年至2025年，存货周转天数由59.5天升至131.7天，应收账款周转天数由12.5天升至64.1天；与此同时，应付账款周期也明显拉长至70.5天。
这组变化的本质并不复杂：项目周期变长，回款变慢，但扩张仍在继续。于是企业只能通过延长上下游账期，来维持现金流的平衡。
事实上从现金流表看，2024年至2025年，基流科技经营现金流和投资现金流均为净流出，公司更多依赖庞大的融资现金流维持扩张。
更值得注意的是，除了财务压力，基流科技向“算力资产运营商”转型，本身也面临商业逻辑上的考验。
此次IPO中，基流科技的重要卖点之一，是“中国最大的独立AI算力集群产品提供商”。“独立”的价值在于不绑定单一互联网生态，从而可以服务更广泛客户。
但一旦进入算力运营阶段，商业逻辑会发生变化。资产型业务真正依赖的不是客户数量，而是两件事：稳定客户+高利用率。
而现实情况是，真正优质的大客户，比如大型科技公司、大模型平台，往往不会长期把核心算力完全依赖外部。算力对于它们来说，本身就是核心基础设施。
这意味着，真正持续采购外部算力的客户，更多可能来自中小模型公司、区域算力平台或阶段性需求客户。这些客户的共同特征是：分散、短周期、价格敏感。
于是，一个现实的矛盾开始出现：不转型，利润空间有限；真转型，资金压力和经营风险又会明显上升。
而对于基流科技而言，这个问题并不只是单家公司路径选择，更像是整个AI基础设施行业正在同时面对的一道时代选择题：
当算力需求仍在高速增长时，企业到底应该继续做轻资产的“包工头”，还是逐步走向重资产的“开发商”？
前者决定你能不能活下来，后者决定你能走多远。而两者之间的平衡点，目前还没有人真正找到。
这也是基流科技真正要进入资本市场后，会被持续拷问的核心问题。
参考资料：
创业邦《智谱投的第一个IPO来了：3位90后做“AI算力建筑”生意，估值超90亿》
