不到 4 個月再拿 13 億！趨境科技 B 輪狂吸金，AI Token 市場掀分層戰

重點摘要

• 2026 年 10 月 26 日，趨境科技宣佈完成超 13 億人民幣 B 輪融資，今年累計募資達 24 億人民幣；今年 7 月 A 輪到本次間隔不到四個月。
• 公司自述核心業務指標半年內成長逾 10 倍，整體業務已跨過成本線，已投產項目日均 Token 產能達數兆級。
• 清華系團隊以 PD 分離（Prefill-Decode Separation）、異構推理、以存換算等系統技術，宣稱在國產晶片上提升單位算力效能，押注系統工程能縮小與頂規 GPU 的實際產出差距。

2026 年 10 月 26 日，趨境科技宣佈完成 B 輪融資，金額超過 13 億人民幣，由浙財創新、蕭山資本、工銀投資、中關村科學城、星連資本、錢江世紀城共同領投，商湯科技、網宿科技等多家機構跟投，天使輪起持續追投的老股東星連資本再度加碼。這是繼今年 7 月 A 輪之後，不到四個月內完成的又一輪大額融資，讓趨境科技 2026 年度累計融資規模達到 24 億人民幣。公司同時公布，多項核心業務指標在半年內成長逾 10 倍。

當 AI 大模型推進入生產級業務核心，Token 交付正從粗放的算力租賃轉向講求穩定 SLA 與單位經濟的系統優化層次。

Token 供給從「能用就好」轉向生產級，拐點為什麼是現在？

大模型推理服務的早期市場，供給邏輯偏向粗放：兼容更多模型、累積更大算力規模、把 Token 單價壓下去。彼時大模型在企業端仍以試點為主，還沒深入核心業務流程，一次推理出錯的代價相對可控，這套供給方式的市場接受度尚可。

直到 Agent 導入實際業務流程後，市場才出現真正的轉折。當大模型開始嵌入生產級核心流程，時延抖動、輸出截斷、上下文遺失任何一個問題都可能讓整條流程斷掉。這時企業客戶對推理服務的要求就不只是能跑，而是：穩定的 SLA、低且一致的時延、完整的上下文，成本還必須可控。

趨境科技把這個需求稱為「高品質 AI Token」，鎖定生產級場景對高智商、低延遲、高穩定與可規模化的嚴苛要求。要把這四個條件湊在一起，現有的粗放供給根本很難做到。投資方在短時間內密集跟進，至少反映出他們判斷這個需求拐點已經真實到來，而不只是畫在白板上的預期。

「少模型、深優化」的系統工程路線如何讓單位經濟成立？

趨境科技的技術路線不追求兼容最多模型，而是集中在主流大模型上做系統層深度優化。他們列出的幾個方向包括異構推理、以存換算（用記憶體資源換減少重複計算）、虛實同構，以及 PD 分離（把輸入處理的 Prefill 階段與逐 token 生成的 Decode 階段拆到不同節點運作）。

這套策略的邏輯很明確：「少模型、深優化」能拉高同一批算力的 Token 產量，穩定生產負載和跨叢集運作則確保算力不空轉。兩個數字同時提升，單位 Token 的生產成本才能降下來，業務才可能跨過盈虧平衡點。PD 分離讓算力密集的 Prefill 和記憶體頻寬密集的 Decode 可以分別針對對應的硬體特性調配，理論上能同時提高整體利用率和降低端到端時延。

趨境科技自述日均產能已達數兆 Token、業務跨過成本線；如果屬實，這套系統工程就是讓商業模式實現盈虧平衡的關鍵。這也是「少模型、深優化」比兼容百種模型更能形成商業差距的地方：企業客戶最終為業務結果買單，不是為模型兼容清單的長度買單。

系統優化能補上國產晶片的性能差距嗎？

這是整篇公告技術含量最高、也最需要打問號的地方。趨境科技宣稱在國產算力上「性價比超越國際最領先算力」，這句話按公司自述口吻處理，不做背書。

從系統工程的邏輯推演，路徑大致可以這樣描述。頂規 GPU 的峰值算力領先優勢明顯，但峰值和有效產出之間有一個落差，這個落差由利用率決定。如果系統優化讓國產晶片的有效利用率明顯高於對手在未優化狀態下的利用率，單位時間的 Token 產出差距就有可能縮小。以存換算、KV Cache 管理、PD 分離這幾個方向，實質上都在減少算力空轉、提高有效工作比例。這套邏輯理論上可以成立，但能縮小多少差距、在什麼規模和什麼模型上成立，目前看來還需要獨立驗證，公司自述不能替代第三方壓力測試。

從商業角度看，這不單牽涉成本，更關乎供應鏈能否保持穩定。算力出口管制持續存在的背景下，能不靠頂規 GPU 跑通生產級推理、讓國產晶片進入核心產線，本身就有獨立的戰略價值，即使最終的性價比數字還有爭議空間。

對做 infra 和算力採購的人，這輪融資意味著什麼？

ATaaS（Approaching.AI Token as a Service）這個命名本身就在劃定產品邊界：趨境科技賣的是 Token，不是算力租用，也不是模型 API 的封裝層。定價邏輯因此不同：客戶不是為跑某顆卡或跑某個模型付費，而是為可交付的 Token 產量、延遲 SLA 和穩定性付費，比較接近晶圓代工的邏輯，而不是雲端 GPU 的租用邏輯。

如果這個模型成立，AI infra 採購的評估框架就需要跟著調整。模型兼容清單的權重下降，真正要比的是延遲 P99、Token 吞吐量、SLA 達成率，以及單位 Token 成本能否和業務產出對得上帳。蕭山資本透露雙方正在蓋萬卡級 AI Token 工廠，顯示趨境科技打算把這套模式複製到更多場景，不再局限於單點叢集。能不能複製、複製後單位經濟能不能維持，是接下來具體值得追的問題。

AI 推理服務的市場正在出現清晰的品質分層，粗放供給和生產級 Token 開始分開定價、分開定位。趨境科技以 24 億的籌碼押注清華系系統工程能在國產晶片上把這個模型跑起來，這筆帳算不算得過去，要等更多實際生產環境的數據才能說話。