中国大模型公司还在比谁的参数更大，另一门生意已经从后台冒出来：谁能把模型调用变成稳定、低成本、可结算的产能。
7月13日，趋境科技完成 A 轮融资。投资界报道显示，本轮由河南投资集团汇融基金领投，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、杭州福成等老股东继续跟投。中国证券报转述公司公开口径称，趋境科技半年内累计融资金额已经超过10亿元。
这家公司不训练自己的通用大模型，它卖的是“高品质 AI Token”。换成人话，就是帮模型厂商、互联网平台、企业客户把推理请求稳定跑起来：低首 Token 时延、高并发、结构化输出、函数调用、成本可控，这些指标要在真实生产负载里同时成立。
抢钱的地方从训练转向推理
趋境科技的团队底色很清华：创始人兼 CEO 艾智远、CTO 陈祥麟出自清华大学计算机系高性能所，中国工程院院士郑纬民任首席科学顾问，清华大学教授武永卫任首席科学家。公司成立于2023年底，技术起点放在大模型推理系统。
艾智远在投资界采访中给出一句很直接的判断：
“训练是成本项，推理是赚钱项。”
这句话解释了融资窗口为什么会开。过去两年，模型公司把钱主要烧在训练、卡、数据和人才上；企业把 AI 接进生产系统后，账单变成另一种形态：每一次问答、每一次代码生成、每一次 Agent 调工具，都会落到 Token 生产效率上。
国家数据局今年3月披露，中国日均词元（Token）调用量已经超过140万亿，比2024年初的1000亿增长1000多倍，比2025年底的100万亿又增长40%多。这个规模让“推理服务”不再只是云厂商机房里的一个成本项，它开始像电力、带宽一样，被企业拿来单独算账。
Token 工厂不按 GPU 论斤卖
趋境科技的提法叫 ATaaS，Approaching.AI Token as a Service。它要卖的并非单纯租卡服务，目标是把硬件、调度、缓存、仿真和弹性扩容做成一条产线。
今年3月，趋境发布 ATaaS 平台时，央广网登载的材料列出几个行业痛点：传统 Token 生成链路重度依赖 GPU，CPU、内存、集群 SSD 等资源长期闲置；部分场景里全系统硬件资源利用率不足20%，粗放配额还会造成超过50%的资源隐形浪费。
趋境给出的解法主要有三层：
- 用 CPU、GPU、国产算力卡和大显存显卡做异构分工，让不同推理阶段吃不同硬件；
- 把 KV Cache 从昂贵显存里挪出来，靠“以存换算”提升缓存命中；
- 用算子级仿真提前切分资源，按业务 SLO 去排队和隔离。
这些词听起来工程味很重，落到商业上只有一个问题：同一批算力能不能吐出更多可用 Token。投资界拿到的数据称，趋境从2026年春节以来，平均单台算力的 AI Token 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，已经做到日均万亿级高品质 AI Token 产能。
融资买的是国产异构落地窗口
中国证券报转述趋境科技微信公众号消息称，本轮资金将用于扩大高品质 AI Token 产能储备、升级 ATaaS 平台，并推动国产异构算力在核心生产场景中规模化投产。艾智远称，持续稳定、响应快速、成本可控的高品质 AI Token 服务，已经成为企业规模化落地 AI 的刚需；公司会推动国产 PD 异构方案大规模商用落地。
这里的产业信号比“半年融10亿”更重。国产算力的难点从来不只在芯片单卡指标，还在软件栈、集群调度、业务适配和长期运维。如果一家第三方推理服务商能把不同硬件封成可交付的 Token 产线，模型厂商和企业客户就不必自己消化所有底层复杂度。
这也是趋境路线的限制条件。推理工厂听上去像标准化生意，实际高度依赖头部模型、具体业务负载和数据中心条件。它能不能跑出规模，后续要看三件事：ATaaS 是否持续拿到头部模型的高并发任务，国产异构方案在生产环境里的稳定性，以及客户是否愿意为“高品质 Token”付出高于裸算力租赁的价格。
资本押注的对象，已经超出一家 AI Infra 公司的单点成长，背后是一项产业判断：大模型进入生产系统后，下一轮基础设施竞争会从“谁有模型”转到“谁能把模型调用做成可计量、可交付、可赚钱的产能”。趋境科技这轮融资，把这条暗线推到了台前。
参考来源：投资界、中国证券报、中证金牛座、CocoLoop、国家数据局；趋境 ATaaS 平台材料核验硬件资源利用率、缓存命中、万卡集群成本与日均 Token 产能口径。