半年融10亿,这家AI Token公司被疯抢

大模型行业的竞争，正从单一的模型能力竞争，拓展为模型能力与高品质 AI Token 生产效率的综合竞争：既要训练出更强的模型，也要以更低成本、更高稳定性支撑其规模化运行。

近日，全球领先的高效能AI Token 生产服务商趋境科技（Approaching.AI）正式宣布完成A轮融资，半年内累计融资超过 10 亿元。本轮融资由河南投资集团汇融基金重磅领投，真知资本、尚势资本、星连资本、上海国方创新、弘晖基金、华控基金、杭州福成等老股东持续超额跟投。

该轮融资距离其上一轮融资仅过去两个月，趋境科技再次在投资方主动接洽和推动下完成超额募资。与普通财务投资不同，本轮领投方看重的更是双方可以携手共创的产业前景。目前领投方正与趋境科技联合推进日均产能数万亿级的现代化 AI Token 工厂的筹建工作。

据透露，本轮资金将主要用于扩大高品质 AI Token 产能储备，升级自研高效能 AI Token生产服务平台 ATaaS（Approaching.AI Token as a Service），推动国产异构算力在核心生产场景中的规模化投产，并进一步建设面向头部模型、互联网平台和区域产业生态的高品质 AI Token 工厂。

高品质 AI Token 工厂

趋境科技成立于 2023 年底，源自清华大学计算机系高性能所，该团队长期研究系统软件和大规模集群推理方案。

在国内 AI Infra 赛道，并不缺少清华系的创业者。但趋境科技的不同之处在于，早在 2023 年创业之初、行业仍普遍聚焦大模型训练时，就坚定选择将大模型推理作为核心方向，是当时极少数从一开始便押注大模型规模化生产的创业团队。这一少数派选择，恰好与团队在内存系统、异构计算和模型推理领域的长期积累高度契合。其创始人兼CEO艾智远，是清华大学计算机系高性能计算研究所博士，师从武永卫教授，也是章明星副教授的学弟。博士期间，艾智远专注于并行计算、分布式存储及AI计算引擎优化等前沿方向，毕业后的几年间，他深耕产业一线，全面执掌核心技术产品的研发与交付，积累了从技术研发到规模化落地的完整产业经验。

这样的背景和经历，也给了趋境科技“另开一摊”的底气，趋境并不做“MaaS 模型超市”，它的定位更聚焦，要做一家高品质 AI Token 的生产服务商。

何为高品质 AI Token ？在趋境科技看来，AI Token 不只是模型输入输出的计量单位，而是连接算力、模型和应用结果的最小生产单元。它应该是多个关键指标的组合：服务于头部大模型、长上下文响应时间足够短、生成速度足够快、服务稳定性足够强、达到生产可用水平，同时成本要被压到可持续经营的区间。当前市场，做到其中的单一指标并不算难，真正的挑战在于，这些指标需要在高复杂度的真实生产负载下同时成立，并在长期运行中保持稳定。根据数据测算，不同企业的生产效率能存在数倍甚至数十倍的差距。

基于这一判断，趋境科技提出 Token as a Service（TaaS，Token 即服务）理念，并以自研 ATaaS 平台为核心，将底层算力资源、模型推理系统与企业业务场景打通，构建面向真实生产负载的高品质 AI Token 工厂。

那么趋境科技为什么选择这条路？艾智远告诉投中网，这些是来自最一线客户的要求。他进一步解释道，随着大模型公司进入商业化阶段，客户开始关心一些更现实的问题：同样一批算力，究竟能生产多少可卖的 AI Token ？这些 AI Token 是否足够快、足够稳、成本是否可控？

当然，这其中也少不了创始团队自己的观察。在趋境科技看来，AI Token 已经开始分层：免费聊天机器人对应的是低速、低稳定性 AI Token ；普通开发者套餐对应中速 AI Token ；真正面向生产环境的企业客户，需要的是顶速、高稳定、高可靠的高质量 AI Token 。

团队形象地将之比作通信网络2G到5G的区别。的确所有网络都能传输信息，但企业生产环境不会长期使用延迟高、稳定性差的服务。AI Coding、智能客服、办公套件、企业 Agent 等场景，一旦进入真实业务流，延迟、吞吐和稳定性都会直接影响客户体验与付费意愿。

趋境科技切入的正是这一层，这也解释了趋境为什么选择“少模型、深优化”的路线。

与同时接入上百个模型的平台不同，趋境不追求模型数量，而是围绕少数真正有生产需求的大模型做深度优化，包括性能、稳定性、成本、统筹和集群运营。

再回到推理优化本身，当前行业普遍存在一个认知误区，认为推理优化仅仅是为了提升GPU运行速度。但趋境认为，仅优化GPU远远不够。

因为一套 AI Token 工厂的生产效率，取决于芯片选型、网络设计、集群统筹、显存管理、模型切分、异构协同、故障恢复和运营系统等多重因素。在这套系统中，GPU地位诚然关键，就像汽车发动机，但整车跑得快，还需要依靠底盘、轮胎、风阻设计和驾驶系统等等。

也正因如此，趋境科技团队长期研究高性能计算和大规模推理系统，突破性地提出了业界首创的“全系统异构协同”“以存换算”“虚实同构”等技术思路，其核心目标是提升整个集群的 AI Token 产能，而不只是提升单卡性能。

同时，在生态建设方面，趋境科技与清华团队牵头开源的 KTransformers 已获得业内广泛关注；并携手清华大学、月之暗面 Kimi、9#AISoft、阿里云、蚂蚁集团等机构共建开源项目 Mooncake；同时也是vLLM、SGLang等全球主流AI推理社区的重要贡献者。

AI Token 生意的分水岭：单位算力的 Token 产量

如果说技术上的领先、业务上的探索，只是趋境科技掌握AI基础设施入口的敲门砖，那商业化上的进展则再次印证了趋境创始团队的前瞻性。

过去两年，中国大模型公司投入大量资金训练模型，但商业化进展一度不清晰，转折发生在 2025 年。

最直观的是 AI Coding 率先跑出大规模付费需求。

在真实开发场景中，程序员借助大模型编写、调试代码并读取代码仓库全量信息，单次调用承载的上下文体量极大，单次请求 AI Token 数量可达几十万。如果推理性能不足，等待时间可能从几秒变成几分钟，这对于企业来说，不是体验差异，而是生产效率差异。

因此，相较于个人用户，企业才是更愿意为 AI Token 付费的主体。企业会计算投入产出，会在意ROI（投入产出比）：如果一年投入几百万或上千万元的 AI Token 预算，能换来研发、客服、运营等环节的显著效率提升，这笔钱就有商业合理性。

当大模型进入企业生产系统，竞争会变成另一种形态：谁能稳定供给高品质 AI Token ，谁就掌握了AI应用爆发后的基础设施入口。

这也是趋境科技商业化快速增长的核心背景。据透露，从 2026 年春节以来，趋境科技已实现平均单台算力的生产效率提升 3 倍以上，总高品质 AI Token 产量提升 30 倍以上。其中，某头部万亿级参数大模型，高品质 AI Token 日均产量已经稳定突破万亿量级。

这意味着，趋境科技并不是依靠简单堆叠算力资源，或广泛接入大量模型来扩大规模，而是在真实生产负载下，通过系统工程设计与优化，将头部模型持续转化为稳定、可持续交付的企业级高品质 AI Token 产能。

根据趋境科技在本轮融资中披露的数据，仅2026 年 6 月份的单月收入已超过 2025 年全年，并且收入规模还在持续高速增长。具体来看，趋境科技的商业模式主要有两类：一类是租赁算力资源，并自行生产和销售AI Token 给头部模型厂商、互联网平台、AI 应用公司和大型企业客户；另一类是面向计划或已拥有算力资源的客户，承接 AI Token 工厂的整体规划设计、建设交付与后续联合运营，与客户共享 AI Token 工厂投产后的持续经济利益。

对于拥有算力资源的客户而言，建成算力中心并不意味着具备持续生产并实现良好经济效益的 AI Token 能力。趋境科技通过提供推理系统、生产运营和产品销售等能力，统筹多个算力中心的资源与负载，提升整体利用率，并将底层硬件资产转化为可持续运营的高品质 AI Token 产能和业务收入。这也构成了多个地方国资和产业资本期待和趋境科技携手共进的重要原因。

它不直接面向普通C端用户，也不靠项目制做一次性交付，而是为模型厂商、互联网平台、AI 应用公司和大型企业提供标准化、可持续的专属高品质 AI Token 服务。

然而，AI Token 生产规模越大，并不意味着这门生意就越成立。算力成本往往先发生，而付费需求和资源利用率需要随后爬坡，这也是 AI Infra 公司商业化过程中最难跨过的一道门槛。趋境没有把模型数量和吞吐规模作为唯一目标，而是将重点放在两个变量上：一是围绕少数具有真实生产需求的模型持续深度优化，通过模型切分、显存管理和异构协同，提高单位算力能够生产的有效 AI Token 数量；二是通过企业专属 AI Token 服务、跨集群运营、故障恢复和 AI Token 工厂运营，提高生产负载的稳定性与可预测性，减少产能损失和算力闲置。

换句话说，少模型深优化解决的是“同一批算力能够生产多少 AI Token ”，稳定生产负载和跨集群运营解决的是“这些算力有多少时间真正处于有效工作状态”。“少模型”本身并不天然带来更高的利用率，只有单位算力产出和有效利用率同时提升，AI Token 业务的单位经济才有可能成立。

目前，趋境科技已经形成一套可复制的高品质 AI Token 工厂建设与运营模式：既有日均万亿级 AI Token 产能的已建成项目，也有面向区域产业生态和头部客户的战略规划，更重要的是，目前部分成熟业务已经跨过成本线。

高品质 AI Token 工厂正在从单点项目，走向可复制、可扩展、可持续运营的新型 AI 基础设施。

对趋境科技来说，融资带来的真正考验，是把这套“AI Token 工厂”的能力复制到更多算力中心、更多芯片组合和更多真实客户里。此前，趋境科技已实现国产Prefill-Decode（PD）异构方案在高标准生产场景中的正式投产，为使用国产卡生产高品质 AI Token 提供了切实有效的落地方案。接下来，这套能力能否进一步规模化复制，也是 AI Infra 公司普遍要面对的问题：当行业不再只为技术概念买单，资本和客户都会更在意同一件事——一批昂贵的算力，最后能不能变成稳定收入。

趋境科技试图给出的答案是，把推理系统、算力运营和客户需求合在一起，做少数头部模型的深度优化，而不是做一个模型数量更多的平台。

如果说过去两年，大模型行业的关键词是“训练”和“参数”，那么接下来一段时间，关键词很可能会加上“推理”“成本”和“交付”。