大数跨境
首页
>
三个月连融两轮，日卖数万亿Token！独家对话魔形智能创始人
>

三个月连融两轮，日卖数万亿Token！独家对话魔形智能创始人

三个月连融两轮，日卖数万亿Token！独家对话魔形智能创始人 智东西
2026-08-10
13
导读：模型都开源了，为什么Token工厂反而更值钱？

模型开源背景下，Token 工厂为何更具投资价值？
作者 |  李水青
编辑 |  漠影
智东西 8 月 10 日报道，成立两年多的"Token 超级工厂”魔形智能今日宣布完成 A 轮融资。本轮由毅达资本领投，引入多家战略资源方，老股东亦进行超比例跟投。距离其今年 5 月公布数亿元 Pre-A 轮融资仅过去三个月。
在当前的融资环境下，三个月连融两轮实属罕见。更引人注目的是该公司的业务体量：成立仅两年，日均 Token 调用量已达数万亿级别，客户覆盖互联网公司、大模型厂商及各行业头部企业。
资本追逐的，是一个看似门槛降低实则壁垒高筑的市场。尽管 DeepSeek、Kimi 等开源模型密集发布，通用推理框架日益成熟，但魔形智能创始人兼 CEO 徐凌杰指出：“模型是开源的，但高效的部署方式并不会全部开源。”能否在大规模并发下守住延迟、吞吐、成功率和成本，才是决定 Token 商业价值的关键。

▲魔形智能创始人金琛（左）和徐凌杰（右）的合影

2026 年，从芯片厂商到 AI 基础设施公司，行业竞争焦点正从“拥有多少算力”转向“每元钱、每瓦电力能生产多少可用 Token"。魔形智能作为代表性样本，目前日销 Token 数万亿级，收入达数亿元，部分模型已实现盈亏平衡，整体业务正向规模化盈利迈进。
开源模型提供了共同的原料，而高效部署则决定了工厂之间的产量、质量和利润。为探讨 Token 超级工厂获资本追捧背后的逻辑及产业门槛，智东西与魔形智能两位创始人进行了深入对话。

01. 模型越开放，Token 工厂为何越受资本追捧？

Token 工厂的走红，首要驱动力在于推理需求的快速膨胀。过去一年，国内开源模型从少数头部产品转向多家密集发布，AI 编程、办公智能体等应用深入企业生产流程，模型越好用，消耗的 Token 越多。
徐凌杰表示，半年多时间里 Token 需求经历了数倍乃至数量级增长。尤其是 AI 编程已成为确定的商业方向，Agent 对模型的高频连续调用进一步放大了推理需求。“对于 Token 工厂来说，几乎每半年都需要实现数倍甚至一个数量级的规模提升，否则将落后于市场。”
这也是魔形智能连续融资的产业背景。公司将春节前定义为“从 0 到 1"阶段，通过技术能力获得首批大客户认可，验证了 Token 作为 AI 算力高阶产品形态的可售卖性；春节后进入“从 1 到 10"阶段，客户和业务面同步扩张，出现了营收增速快于算力投入增速的迹象。
新股东的结构释放出积极信号：多家战略资源方入局意味着魔形智能将获得算力、数据中心及区域产业资源支持；老股东超比例跟投则体现了对下一阶段增长的预期。融资金额将迅速转化为产能，用于扩充算力资源、迭代自研推理引擎、推进国产超节点研发及覆盖更多开源模型与芯片组合。公司下一个目标是将日均 Token 产量推向 10 万亿级。
开源模型的繁荣扩大了市场，也重新划定了产业分工。资本注意力已从“拥有模型”转向“生产环节”，谁能把相同模型运行得更快、更稳、更便宜，谁就能获得客户和利润。

02. 日均卖出万亿 Token，这门生意如何跑通？

开源模型解决了原料问题，但未自动解决生产效率问题。魔形智能将开源模型、自研推理引擎、算力硬件和运营系统组合，把底层复杂性封装成企业可直接调用的 Token 产品。其披露的日均数万亿 Token 指客户实际调用并产生收入的用量，而非理论产能。
公司的市场策略是先服务大 B 客户。大型互联网企业对稳定性和性能要求极高，一旦服务质量得到验证，往往会增加采购份额并将更多业务迁移至同一平台。目前，魔形智能的 Token 已进入部分互联网企业的核心业务，主要用于研发团队的日常工作、AI 编程及内部办公流程。
此类客户对价格敏感，但质量优先。首要指标是接口成功率，其次是首 Token 延迟和解码速度。徐凌杰指出，首 Token 延迟超过 3 秒，很多企业客户已难以接受。此外，P50 和 P99 延迟、KV Cache 命中率、并发吞吐及突发流量下的稳定性也是关键考量因素。
在部分场景中，算力采购和运行成本占 Token 总成本的八成甚至九成。如何选择硬件、切分任务、提高集群利用率，直接决定毛利水平。魔形智能目前已有相当比例的模型达到盈亏平衡，且通过坚定投入国产生态获得了可观收入。

03. 部署方式不会全部开源，真正的门槛藏在超节点里

Token 工厂与传统算力租赁、大模型 API 平台的本质差异在于全栈系统优化能力。徐凌杰强调，简单采购硬件部署通用框架很难盈利，必须同时优化 Token 吞吐、响应延迟、稳定性和硬件成本，这要求团队兼具模型、软件、芯片、集群和供应链的理解能力。

第一层门槛：推理引擎优化

魔形智能围绕 Prefill 和 Decode 分离、数据传输、内存管理及 KV Cache 感知调度进行深度优化。针对不同模型的负载特征，公司会根据特点选择不同硬件，并将计算任务部署到成本最合适的芯片上。其 PD 分离方案可适配不同卡型和集群规模，调度系统结合实时负载分配请求，以最大化缓存命中率。
弹性同样重要。新模型发布后，魔形智能往往在一至两天甚至 Day0 即可启动客户接入。在引入国产芯片时，团队能迅速分析架构、迁移算子并完成部署。

第二层门槛：超节点架构

随着模型参数增长，单机八卡服务器遇到瓶颈。超节点通过高带宽、低时延互联组织更多加速芯片，承载更大规模并行计算。金琛表示，面向 Agent 场景需追求每秒上千 Token 的生成速度，超节点是必须的硬件平台。目前魔形智能部分模型已达每秒数百 Token，千 Token 级别仍在攻关中。
更强的互联也带来了更大的“爆炸半径”，单颗芯片故障可能干扰整个互联域。因此，超节点的竞争既要拼极致性能，也要拼故障隔离和容错能力。魔形智能已推出相关 PoC 产品在真实负载中验证。

第三层门槛：软硬件协同

魔形智能已适配多家国产及海外芯片，并与伙伴共同推进定制硬件。徐凌杰将技术演进总结为三个阶段：从 0 到 1 靠软件优化，从 1 到 10 靠规模落地和精细运营，长期竞争则落在软硬件全栈协同上。
下一阶段，缓存系统将成为新的降本重点。通过提高高频内容的缓存命中率，可明显降低算力消耗。徐凌杰总结道，全球 AI 产业竞争格局已从模型竞赛转向实际应用部署能力的比拼，Token 生产能力正成为衡量国家 AI 竞争力的关键指标。

04. 结语：模型开源潮之后，Token 工厂的竞争才真正开始

开源模型降低了 AI 应用起点，却将竞争推向了更深的基础设施层。评价一家 Token 工厂的标准，不再是拥有多少张卡，而是在相同成本、功耗和服务质量下，这些卡究竟能生产多少有效 Token。
魔形智能已完成第一阶段验证，日均数万亿 Token 的实际销量证明了该模式的可行性。接下来的挑战在于，当产量迈向 10 万亿级时，能否继续守住成功率、延迟、成本和稳定性。徐凌杰希望魔形智能最终成为一家软硬件全栈的 AI 基础设施公司。Token 超级工厂的竞争已越过概念定义阶段，真正的较量是谁能把工厂稳定开起来，让每一台机器持续产出可销售的智能。
【声明】内容源于网络
0
0
智东西
各类跨境出海行业相关资讯
内容 11768
粉丝 0
智东西 各类跨境出海行业相关资讯
总阅读203.3k
粉丝0
内容11.8k