硅基流动递表港交所冲击“Token工厂第一股”:高估值背后是AI水电煤还是资本泡沫?

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

硅基流动递表港交所剑指“Token工厂第一股”:高估值背后是AI水电煤还是资本泡沫?

6月30日,硅基流动向港交所递表,剑指“Token工厂第一股”。这家成立不到三年的公司,不做大模型、不做AI应用,专门做AI产业的 "Token批发商"。具体而言,是把英伟达、华为昇腾等不同芯片的算力,和DeepSeek、Qwen、GLM等上百个模型,统一封装成标准化的Token服务,用户按调用量付费,不用关心底层用的什么芯片、什么模型。

听起来很美好,资本也相当买账。34个月里,硅基流动完成7轮融资,估值从天使轮2.3亿元的投前估值,一路飙升到最新B+轮77.4亿元的投后估值,涨了33倍。阿里、华为、美团、商汤等半条AI产业链都成为其股东,阵容十分豪华。然而,翻开招股书,情况就不同了。

2025年,硅基流动营收5533万元,同比增长653%,但净亏损也达到3.45亿元,是收入的6倍多。更让人揪心的是毛利率,直接降至 -24%,意味着每赚1块钱,还要倒贴2毛4。一边是资本热捧、估值高涨,一边是越卖越亏、毛利率为负。硅基流动这门“Token生意”,究竟是AI时代的水电煤,还是又一个烧钱换规模的资本游戏?“Token工厂”凭什么有这么高的估值?

爆红背后:一人一事的推动

硅基流动的爆红,源于一个人和一件事。第一个人是创始人袁进辉,他是清华计算机系博士,师从中国AI奠基人张钹院士,是AI Infra圈里的“技术老兵”。2008年毕业后,他进入微软亚洲研究院担任主管研究员,研发出当时世界最快的主题模型训练算法LightLDA,还获得过微软亚研院院长特别奖。2016年,袁进辉从微软离职创业,推出深度学习框架OneFlow,在分布式训练领域曾是国产之光。2023年,OneFlow被王慧文的“光年之外”收购,后并入美团,但袁进辉拒绝了美团的留任邀请,带着核心团队二次创业,硅基流动由此诞生。

第二件事是2025年春节的DeepSeek狂欢。DeepSeek R1横空出世,全网争抢使用,算力瞬间崩溃。硅基流动联手华为云昇腾,首发国产化部署方案,一夜之间承接了大量流量,上线仅10小时就被迫限流。这场爆红让硅基流动一战成名,也坐实了“中国最大独立Token供应商”的称号。

招股书援引弗若斯特沙利文的数据显示,2025年中国词元按吞吐量统计,市场前三名合计拿下约87%的份额,硅基流动排第四,市场份额约为1.5%。虽看似份额不大,但外界推测对应的前三名分别是火山引擎、阿里云、百度智能云,硅基流动作为创业公司能在巨头夹缝中占据一席之地,已实属不易。其运营数据也十分亮眼:截至2026年4月,平台注册用户超过1000万,日均Token吞吐量达到5785亿次;公有云付费客户从2024年的2455家,飙升到2025年的71.6万家,一年涨了约292倍。这或许就是资本愿意给予77亿估值的原因。

然而,问题来了:140倍的PS(市销率),到底贵不贵?对比海外同类玩家,Fireworks AI在2025年10月C轮融资时估值40亿美元,对应ARR约2.8亿美元,PS约14倍;Together AI刚官宣一笔8亿美元的C轮融资,估值翻倍到83亿美元,对应今年初约10亿美元的年化收入,PS约8倍。两家海外对标公司的PS都在10到15倍区间,硅基流动140倍的估值,是它们的近10倍。这多出来的溢价,市场到底在赌什么?

两条业务线:根基不稳

硅基流动有两条业务线,情况截然不同。第一条是公有云服务,即MaaS,这是“Token工厂”故事的主角。2025年,这条线贡献了2926万元营收,占总收入52.9%,首次超过另一块业务。但它存在致命问题:不赚钱,毛利率是 -119%,意味着每收入1块钱,硅基流动要倒贴1块1毛9,卖得越多,亏得越狠。很多人认为是“烧钱换客户”,毕竟2025年光免费代金券就花费了5400多万元。但这只是表面现象,更深层次的问题是:公有云业务从商业模式上就很难盈利。

从价格方面看,硅基流动上DeepSeek - V3的常规价格一度是输入2元/百万Token、输出8元/百万Token,R1是输入4元、输出16元,加上新用户注册就送2000万免费Token,早期确实比官方便宜三到五成。但这个优势正在迅速缩小:2026年5月,DeepSeek将V4 - Pro的限时5折优惠永久化,降幅达75%,缓存命中的输入价格降至0.025元/百万Token,比硅基流动的老价格便宜很多。原厂一降价,中间商的价格优势就被削弱了,因为硅基流动的成本结构本身就不占优势。对于闭源模型,它拿不到权重,只能通过原厂API或授权渠道转接,相当于“二道贩子”,成本理论上不可能比原厂更低。对于开源模型,它虽可自己租卡部署、做推理优化,但原厂有最大规模的调用量、最深的模型理解、最极致的工程优化,单位成本还是比它低。硅基流动的价格优势更多是靠补贴、优化和比客户自建便宜一点,并非系统性的成本优势。真要打价格战,原厂降得起,它降不起。

那么,用户为什么还用它呢?早期用户可能是冲着便宜,但真正留下来的,更多是冲着多模型统一接入。170多个模型可随意切换,代码几乎不用改动,加上智能路由、容灾、成本管控等企业级功能,节省的不仅是钱,还有时间和精力。但这门“省事”生意的护城河有多深呢?

再看客户比例,招股书披露,2026年前四个月,公有云付费客户约64万家,人均ARPU约22元,高价值付费客户占比不到1%。这表明客户数量被长尾用户快速拉高,但不排除少数大客户贡献了更高的付费金额。真正的问题在于,长尾客户天然价格敏感,迁移成本又低,今天你便宜就用你,明天别家更便宜就转走。而大客户即便付费更多,也会把价格、稳定性和供应链安全压到极致,议价能力更强。

第二条是本地部署解决方案,才是真正的“利润奶牛”。客户自己有算力,硅基流动把推理引擎和调度系统部署到客户数据中心,收取软件许可费、实施费和维保费。2025年这项业务营收2607万元,占比47.1%,毛利率高达82.5%。看似美好,但也存在隐忧。一是客户越来越集中,本地部署客户数量从2024年的28家减少到2025年的20家,2026年前四个月仅新增5家;但平均每客户收益从22.4万元暴涨到130.3万元,涨了481%,说明收入越来越依赖少数大客户。二是规模化有天花板,本地部署本质是项目制生意,交付周期长、复用率低,更像一家“AI工程服务商”,而不是“Token工厂”。

两条业务线,一个撑估值、一个赚利润,搭配看似精妙。但“Token工厂”这个核心故事,其实主要是2025年才提出的。2024年,公有云收入才106.9万元,本地部署才是绝对主力。尴尬的是,硅基流动必须继续把MaaS这条亏钱的线做大,才能撑住估值故事,可每做大一分,亏损就扩大一分。想象力和现金流,短期内只能选一个。

“中立第三方”:护城河有多深?

硅基流动最大的卖点是中立第三方。大厂云做MaaS,都是“自研模型 + 云生态”打包销售,如豆包之于字节、通义之于阿里。大模型厂商把推理放在这些云上,总担心调用数据被拿去训练竞品。硅基流动不做模型、不做应用,只做中间层,恰好解决了这个信任问题。但这个位置真的稳固吗?

往上看,硅基流动是纯粹的“租卡方”,对供应链没有话语权。招股书披露,2025年公司向前五大供应商合计采购1.173亿元,占采购总额70.8%,最大单一供应商占比20.4%。招股书还提到,往绩记录期内有两名主要业务伙伴同时是公司的客户及供应商,对照股东名单不难猜到,这大概率就是阿里、华为哈勃这类公司。这些大客户一边通过股权和算力租赁赚硅基流动的钱,一边旗下的云和模型业务又在市场上跟它抢客户,这仗该怎么打?更关键的是,硅基流动没有定价权,芯片涨价,成本跟着涨;大厂云降价,售价也得跟着降,两头都由别人说了算。

往下看,硅基流动没有自研模型,对产品同样没有掌控力。它能卖什么、卖多贵,很大程度取决于开源社区和模型厂商。而它最大的卖点“多模型统一接入”,技术门槛并不高。火山引擎、阿里云、百度智能云都在做模型市场、做统一API,一旦大厂把开放也做成标配,价格还更低,硅基流动的核心价值随时可能被绕开。国产芯片厂商也是变量,昇腾、沐曦、摩尔线程这些芯片,眼下软件栈不够成熟,需要硅基流动这样的中间层做适配。可万一哪天芯片厂商自己把统一软件栈做出来了,中间层的价值还剩多少?

它的股东名单已经很能说明问题。阿里、华为、美团、商汤、创新工场等组成一张AI产业链地图,里面有些角色,既是股东,又是供应商,还是竞争对手。对这些产业资本来说,这笔账怎么算都不亏。自家MaaS跑出来了,是主营业务的胜利;“独立中间层”这个物种真跑通了,就通过股权分一杯羹,横竖都不亏。

硅基流动140倍PS的估值,本质上押注的是一个时间差。在国产芯片自研软件方案成熟之前、在竞争对手补齐中立能力之前、在大厂把多模型平台做起来之前,先把位置占住。但时间差是有保质期的。招股书披露,截至2025年末账面现金及现金等价物1.72亿元、定期存款1亿元;2026年内公司密集完成A +、B、B +三轮融资,合计融资约14.8亿元,七轮累计融资约19.5亿元,家底不算薄。但这笔钱能撑多久,仍取决于公有云亏损能不能尽快收窄。Token工厂到底是AI时代的水电煤,还是又一个资本催熟的泡沫,答案可能要等下一轮周期才能揭晓。

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程础和机器学习础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
内容概要:本文介绍了一种于噪声抑制半监督学习的锂离子电池SOH(State of Health,健康状态)估计方法的Python代码实现,旨在通过结合半监督学习框架与噪声抑制技术,提升电池健康状态预测的准确性与鲁棒性。该方法充分利用少量有标签样本和大量无标签数据进行模型训练,有效缓解了实际应用中电池老化数据标注成本高、获取困难的问题。文中详细阐述了模型的整体架构设计、关键特征提取策略、噪声处理机制以及半监督学习中的损失函数构建,并提供了完整的可复现代码,便于研究人员理解和二次开发。; 适合人群:具备一定机器学习理论础和Python编程能力,从事电池管理系统(BMS)、新能源汽车、储能系统等领域的科研人员或工程师,尤其适用于关注电池寿命预测、状态估计及数据驱动建模的研究生与青年学者。; 使用场景及目标:①实现锂离子电池健康状态的高精度估计,服务于电池管理系统的优化与安全预警;②为工业场景下标注数据稀缺的退化建模问题提供一种高效的半监督解决方案;③推动复杂噪声环境下电池性能退化预测的研究进展,增强模型在真实工况中的泛化能力和稳定性; 阅读建议:建议读者结合所提供的Python代码逐模块深入学习,重点理解数据预处理流程、噪声抑制模块的设计原理以及半监督损失函数的实现细节,同时可在不同公开电池数据集上进行迁移实验与对比分析,以全面掌握该方法的有效性与适用边界。
源码下载地址: https://pan.quark.cn/s/dd19421e8382 ### SET命令的应用方式 在信息技术领域,尤其是针对脚本编程及Shell环境中的操作,`set`命令扮演着至关重要的角色。本内容将围绕“SET命令的应用方式”这一核心议题展开详细阐释,并结合部分内容来具体说明如何运用`set`命令及其相关参数来调整Shell的运作模式。 #### `set`命令的介绍 `set`命令主要致力于更改Shell的当前配置,通过增加或移除特定参数来调控Shell的运行特性。这些参数可用于调试、错误管理、输入输出管理等多个层面。对于脚本制作者而言,精通`set`命令能够大幅提升脚本的稳定性和可维护度。 #### `set`命令的础语法 `set`命令的本使用方法如下: ```bash set [-o parameter] | set +o parameter ``` 其中,`-o`用于激活某个参数,`+o`则用于关闭某个参数。接下来,我们将深入探讨部分核心的`set`参数及其适用的情境。 #### `set`命令的关键参数详解 1. **`-a` / `+a`: `allexport`** - **定义**:一旦启用,所有本地变量都将在子Shell中被当作环境变量处理。 - **适用情境**:当需要确保子Shell或外部程序能够访问到当前Shell中的所有变量时非常适用。 2. **`-B`: `braceexpand`** - **定义**:一旦启用,大括号扩展(如 `{a,b}{c,d}` 扩展为 `ac ad bc bd`)将被激活。 - **适用情境**:在文件名生成或参数传递时需要大括号扩展功能时,应启用该参数。 3. **`-e`...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值