Fireworks AI 估值跃至 175 亿美元，「Token 工厂」赛道持续升温

AI 推理云平台 Fireworks AI 近日完成 15.05 亿美元（约合 102 亿元人民币）D 轮融资，投后估值 175 亿美元。本轮由 Atreides Management、Index Ventures 和 TCV 领投，英伟达跟投，红杉、基准资本、Lightspeed、Bessemer、Menlo 等老股东继续加码。从 2024 年 B 轮 5.52 亿美元估值，到 2025 年 10 月 C 轮 40 亿美元，再到此轮 175 亿美元，不到两年估值涨了约 30 多倍。

公司创始人兼 CEO 林倩（Lin Qiao）毕业于复旦大学计算机科学专业，后赴美国加州大学圣塔芭芭拉分校取得计算机博士。她 2015 年加入 Meta，在七年时间里从高级经理一路做到工程高级总监，期间共同创立并主导了 PyTorch，将 Meta 的 AI 工作负载从数据加载、分布式推理到全球数据中心训练全部重建一遍。2022 年 10 月，也就是 ChatGPT 发布前一个月，她从 Meta 出走，在加州红木城创办 Fireworks AI。

业务核心：把开源模型变成企业专用智能

Fireworks AI 不自训前沿大模型，也不做面向消费者的 AI 应用，而是提供一套推理云平台：开发者可通过兼容 OpenAI 的 API 调用平台上 200 多个开源模型，覆盖文本、图像与多模态；企业可在自有数据上做 SFT、DPO、RFT 等微调，并能同时挂载最多 100 个 LoRA 适配器而不额外收费。合规层面已取得 SOC 2、HIPAA、GDPR 等认证，并于 2026 年 3 月接入微软 Foundry，使得 Azure 客户可直接调用其推理服务。

工程能力是其差异化关键。公司自研了一套名为 Fire Attention 的 CUDA 内核栈，在 DeepSeek V4 Pro 上可实现每秒 167 个 token 的生成速度，官方称达到同价位对手的 5 倍；结合解耦服务、语义缓存与推测解码，长尾延迟得到明显压缩。

商业层面，无服务器推理起步价大约为每百万 token 0.2 美元（8B 级别模型）至 0.9 美元（70B 级别），另有按小时出租 GPU 的选项。客户名单包括 Cursor、Notion、Quora、Sourcegraph、Uber、Shopify、Perplexity 等。其营收结构也在发生变化：早期约一半收入来自 Cursor，如今已分散到更广泛的企业客户群体。

财务与运营数据

ARR 突破 10 亿美元，为上一年同期的 5 倍；
平台每日处理 token 从 15 万亿增长至 40 万亿以上；
平台上超过 95% 的 token 来自客户在自有数据上定制过的模型，而非现成通用模型；
据 CNBC，同等质量下 Fireworks 比闭源模型便宜 5 到 10 倍。

本轮融资的主要用途是扩大算力采购与工程团队规模。Fireworks 目前从 20 多家供应商采购 GPU（微软是其中之一），并计划将工程团队从约 200 人扩至年底 600 人，同时深化与微软、英伟达的合作。

中美「Token 工厂」同步升温

「Token 工厂」指的是将底层算力、开源大模型与推理引擎打包为标准化 API 的中间层服务商，按调用量收费。美国一侧除 Fireworks 外，还有多家公司处于高速增长中：

Together AI：2025 年 7 月完成 8 亿美元 C 轮，估值 83 亿美元，由沙特阿美旗下 Aramco Ventures 领投，年预订额据称已破 11.5 亿美元；
Baseten：2025 年 6 月完成 15 亿美元 F 轮，估值 130 亿美元，18 个月内连融四轮，收入同比增长约 20 倍，英伟达同样是其股东；
其他玩家还包括 Anyscale、Lepton（贾扬清创立）、Modal、Replicate、Groq、Cerebras 等。

中国一侧的叙事侧重点有所不同。由于国产芯片生态碎片化，本土厂商普遍押注异构架构，强调跨芯片、多模型适配能力。代表性公司包括：

硅基流动：清华系背景，已向港交所递表，估值约 77.4 亿元人民币，阿里巴巴持股 7.42%、华为哈勃持股 4.07%；累计支持 170 多个主流模型，是业内首家走通国产昇腾芯片部署满血版 DeepSeek 的公司；
无问芯穹：由清华电子工程系教授汪玉发起，近期获超 7 亿元融资，Agentic MaaS 平台上线 160 多种模型，日均 token 调用量较 2025 年底增长超 20 倍；
九章云极：清华系背景，刚发布「Token 工厂」战略与 Alaya NeW 智算云体系，目标平台日均 Token 流转承载力达 10 万亿。

推理层的价值重估与不确定性

今年随着 Kimi K3 等模型开源、DeepSeek V4 满血版即将推出，基础模型层的估值与壁垒受到冲击，资本开始重新评估 AI 技术栈中推理层的价值。投资逻辑的转变在于：训练是一次性投入，而推理是持续消耗——产品越受欢迎、调用越频繁，成本压力越大。「能不能把每次调用的成本压下来」成为企业的生死线，而这正是「Token 工厂」们所解决的问题。

但这条赛道并非没有风险。算力采购价、GPU 利用率与客户压价都会啃食毛利率；如果未来竞争加剧、价格战升级，推理层可能滑向「高收入、低利润」的转售生意；如果训练强度下降，云厂商与大模型公司也可能向推理层延伸、独立推理层会被两头夹击。正如文章所追问的：当云计算最终收敛为 AWS、微软、谷歌三家时，推理层会不会也走上同样的收敛之路？独立推理层究竟是「AI 时代的台积电」，还是只是又一家租车行，最终取决于它能否把「跑模型」变成客户离不开的、带垄断性的效率。