最近的华尔街，被“算力”两个字耍得团团转。

7月初，Meta传出准备把富余的AI算力拿出来卖，股价立马暴涨超过10%，而 AI、科技股却因此普遍下跌。

可仅仅一周后，Meta又换了个方向。它又传出准备继续加钱堆算力，计划在2027年把计算能力从7吉瓦翻到14吉瓦，股价最终又涨了一波。

Meta 这一波反复横跳，时刻牵动着华尔街精英们的心。但这看似拧巴的举动，却反映了一个AI 时代的新“常识”：

算力已经相当于可以流通的、真金白银的资源，不仅可以自己用，还能拿出来卖。

而在中国就有一家公司，不仅盯上了算力的买卖，还靠它融了一大笔钱。

7月13日，趋境科技宣布完成A轮融资。半年内，它连续完成天使++轮、Pre-A轮和A轮融资，累计拿下超过10亿元。

这家公司成立于2023年底，给自己的定位是“AI Token生产服务商”。

说得直白一点，它想开一家专门生产和销售Token的工厂。

不过，比起10 亿元的融资，趋境这家公司真正有意思的是，它既不训练自己的大模型，也不生产芯片，自己手里甚至没有大规模GPU集群。

连生产Token最基础的机器都不属于它，却能靠卖Token半年融到10亿元。

连基础生产资料都没有的趋境科技，究竟是怎么撑起 10 亿融资的 Token 生意？

没有自己的GPU，它照样开 Token 工厂

说起Token，可以粗略把它理解成使用AI时消耗的“字数额度”。

大模型不会直接按照汉字或者单词数量算账，而是先把用户输入和模型输出切分成一个个Token。你让它读得越多、写得越长，消耗的Token通常也越多，就像打电话需要计算通话时长一样。

所以，Token不是一种可以提前生产、囤在仓库里的数字商品，而是衡量大模型处理和生成多少信息的计量单位。

而这门生意的需求，正在迅速变大。

2024年初，中国日均Token调用量还只有1000亿；到2025年底，这个数字已经变成100万亿；2026年3月又突破140万亿，两年增长超过1000倍。

但想要生产Token，按道理来说至少需要三样东西：

算力设备、已经训练好的大模型，以及一套负责部署、缓存、任务调度和故障处理的推理系统。

比如一家典型的算力公司，会先采购或者租用成百上千张GPU，把模型加载到这些机器上，再通过调度系统处理用户请求。模型每完成一次输入和输出，也就产生了一批可供计费的Token。

而不造芯片也没有自己大模型的趋境做的，其实就是把“机器”和“模型”接起来，再把中间的生产过程管好。

换句话说，它不拥有生产资料，但掌握生产方法。

具体来看，趋境有两种做法。

第一种，是自己去“借机器”。

它从外部租用GPU、CPU或者国产NPU，再围绕智谱GLM、Kimi等头部模型提供部署和推理服务，最后把按Token计量的推理能力卖给模型厂商、互联网平台、AI应用公司和大型企业。

第二种做法，连机器都不用自己租。

过去几年，很多地方智算中心和大型企业已经买好了芯片、建好了机房，但这些设备往往利用率不高——机器在那儿，却不知道该怎么高效运转，更不知道去哪里接订单。

趋境做的，是把这些“闲着或者用不满的机器”变成一条真正能赚钱的生产线。

它帮客户设计和搭建推理系统，负责模型部署、任务调度、资源分配和日常运营，再把这些算力接入市场，变成可以按Token出售的服务，最后从收入中分成。

也就是说，趋境不生产算力，只是算力的搬运工。

设备可能是租来的，也可能属于客户；趋境掌握的是生产线、工艺和运营能力，最后按照产量或者收入收钱。

所以，趋境没有自己的大规模GPU集群，并不妨碍它开Token工厂。

因为在这门生意里，真正决定产出的，不只是机器本身，而是机器如何被组织和使用。

工厂虽然开起来了，但还有一个更关键的问题：

大家用的都是GPU，客户为什么要再给趋境交一笔钱？

答案就藏在“效率”两个字上。

同一张卡，Token 产能提升三倍

如果把一张GPU当成一台机器，趋境想做的，是让它在同样时间里生产更多Token。

听起来简单，难点在于，大模型推理远没有插上显卡、点一下运行那么直接。

模型每次回答问题，都要回看此前的对话内容。对话越长，需要处理的信息越多；如果这些内容每次都重新计算，GPU就会不断重复干活。

模型体量再大一点，一张卡的显存又装不下，还得把任务拆到多张卡、多个服务器上。只要网络稍慢，或者任务分配不合理，一张价值不菲的GPU就可能一直在等别的机器交作业。

趋境的技术，主要就是在这些地方动手脚。

第一件事，是少算几遍。

它把这套系统叫作“月饼”。

简单来说，就是通过KV Cache保存模型已经处理过的上下文。用户继续提问时，模型可以直接读取之前的结果，减少从头计算的次数。

这有点像考试时允许翻看刚刚算过的草稿，不用每道题都重新推一遍。

第二件事，是别让GPU什么都干。

趋境的“六合”异构推理系统，会按照任务特点，把计算拆给CPU、GPU和国产NPU。

昂贵的GPU集中处理它最擅长的部分，其他任务则交给成本更低，或者更加匹配的设备。

这么做的目的只有一个：

少让GPU等待、空转和重复干活。

趋境之所以能拿出这样的技术，和公司创始团队过去的研究方向有关。

公司脱胎于清华大学高性能计算研究所，CEO艾智远是清华计算机博士，中国工程院院士郑纬民担任首席科学顾问，清华大学教授武永卫担任首席科学家。

趋境与清华团队开源的KTransformers，研究的正是如何利用CPU、GPU等不同设备，让大模型以更低的硬件成本运行。

这一项目在GitHub上的Star数量已经突破1.7万。

趋境部分核心成员过去还参与了Mooncake等大规模推理项目，研究重点同样集中在缓存和分布式推理上。

这些技术名字看起来复杂，最终都要落到同一个结果上：

一张卡能够生产多少Token。

按照趋境披露的数据，“月饼”的缓存命中率最高可以达到90%；“六合”则可以把万卡级智算集群的运营成本降低20%以上。

从2026年春节以来，公司平均单台算力的Token生产效率提升了3倍以上。

随着算力规模和业务量扩大，其Token总产量则提升了30倍以上；其中一个万亿参数级大模型，日均Token产量已经突破万亿级。

这里需要区分两个数字。

提升30倍的是Token总产量，里面还包括算力规模和订单量的增长；单台算力的生产效率，提升的是3倍以上。

不过，这些效率数据目前主要来自趋境披露，完整的测试环境和对照基线并未公开。

但对趋境来说，这套生意的逻辑并不复杂。

租用一批算力，需要支付相对固定的租金、电费和运维成本。假如同样一张卡，经过优化后能够处理更多Token，平均分摊到每个Token上的成本就会下降。

省下来的是真金白银的算力成本。

而这部分差价，正是趋境作为软件和运营服务商，可以从中收钱的空间。

只是，账面上省出了空间，趋境到底赚到钱了吗？

卖 Token ，到底能不能赚钱

从公司披露的数据看，这门生意已经开始产生收入。

2026年6月，趋境单月收入已经超过2025年全年；部分成熟业务也已经跨过成本线。

这个数字听起来很猛，却留下了不少空白。

趋境没有公布2025年的具体收入，也没有披露目前的毛利率。

外界仍然不知道，它租用算力究竟要花多少钱，哪些客户会持续下单，以及单月收入超过去年全年，究竟是今年增长足够快，还是去年的收入基数还很低。

更关键的是，把一张卡的效率提高，只解决了赚钱的第一道题。

Token工厂最怕的，是机器没有活干。

大模型推理和传统工厂有一个相似的地方：设备一旦开起来，租金、电费和运维成本就开始产生。一张卡吐得再快，半天没有订单，账还是算不过来。

趋境的判断是，市场上的绝大部分Token需求，本来就集中在少数头部模型上。与其一口气适配几十上百款模型，把研发资源摊得越来越薄，不如集中服务少数头部模型和高价值企业场景。

它把这条路线概括为“少模型、深优化”。

模型数量少一些，每款模型的缓存、切分、调度和故障恢复就能做得更深，研发和适配成本也更容易控制。

同时，围绕需求更大的头部模型提供服务，也更有机会承接规模稳定的订单，比如多个地区的智算中心。

只不过，看似香饽饽的生意背后，也有越来越多的困难开始缠上趋境。

Meta准备出售富余算力，就是一个信号。

阿里云、运营商和大模型厂商都在持续降低推理成本，也有能力把模型、算力和客户直接接到一起。不断成熟的开源推理框架，也在降低客户自己完成部署和优化的门槛。

趋境需要证明的，已经不只是自己今天能让一张卡生产更多Token。

它还要证明，这种效率优势可以长期保持；相比客户自己做，或者直接购买大厂的云服务，它的方案仍然更加划算。

归根究底，Token需求继续增长这件事已经没有太大悬念；而趋境依然需要回答的，是自己卖出去的每一个Token，最后能不能留下利润。

毕竟，拿到10亿元融资和赚到10亿元，是两门完全不同的生意。