独角兽早知道 iponews
10月26日，北京AI Token生产服务商趋境科技（Approaching.AI）宣布完成超13亿元人民币B轮融资。这是继今年7月A轮融资后，短期内再获大额注资，年内累计募资已达24亿元。
本轮由浙财创新、萧山资本、工银投资、中关村科学城、星连资本及钱江世纪城共同领投，商汤科技、网宿科技、中信聚信、云创资本等产业方跟投，老股东尚势资本继续追投。
综合 | 趋境科技 上证报 编辑 | Echo
本文仅为信息交流之用，不构成任何交易建议
在AI基础设施融资趋于审慎的2026年，一家成立仅两年的公司能在半年内吸纳24亿元，仅用“风口”不足以解释。支撑这轮融资的，是一组在AI Infra赛道中罕见的经营数据：过去半年，日均高品质Token产量增长超过100倍，攀升至超万亿量级；年内业务收入已达去年全年的近10倍；整体业务已跨过成本线。
本轮募集的资金将重点投向高品质AI Token产能扩张、ATaaS（Approaching.AI Token as a Service）平台升级迭代、推理底层技术和新产品研发，以及商业化合作与交付体系完善。
趋境科技踩中的，是AI产业从“训练为王”向“推理规模化交付”迁移的结构性节点。它选择的路径，不是造更大的模型，也不是建更多的智算中心，而是把Token本身当作一种工业品来生产。
理解趋境科技的价值，需要先看清一个行业现实：企业AI推理的硬件利用率，长期处于极度失衡的状态。
传统推理链路高度依赖GPU显存。KV Cache，大模型推理中用于缓存历史上下文的核心机制，被大量锁定在昂贵的HBM显存中。为了给新请求的计算留出空间，缓存空间往往被压缩，导致命中率下降，大量历史上下文需要重复计算。其结果是，全系统硬件利用率常年不足20%，算力空耗严重。
趋境科技的解法，是从架构层面重构这套缓存机制。其自研的“六合”异构推理架构与“月饼”以存换算技术，核心思路是将KV Cache从单机GPU显存中解放出来，升级为跨节点的集群级共享资源池，利用容量更大、成本更低的Host DRAM来承载缓存，从而大幅削减对昂贵GPU的依赖。
据公开数据，“月饼”缓存命中率最高可达90%，可减少90%的GPU算力开销；“六合”则可降低万卡级智算集群运营成本20%以上。此外，平台还包含“双仪”（虚实同构）和“万象”（弹性）等自研技术，共同构成ATaaS平台的技术底座。
这一技术路径的效果，直接体现在了单位算力的Token产出上。自2026年春节以来，趋境科技平均单台算力的Token生产效率提升超过3倍，总产能增长超过30倍。在一个硬件采购和电力成本相对刚性的Token工厂模型中，单位算力产出的提升，就是最直接的利润弹性来源。
基于这一能力，趋境科技提出了与主流MaaS（模型即服务）截然不同的商业定位：TaaS（Token即服务）。MaaS交付的是“模型调用权限”，而TaaS交付的是“可规模化、可运营的高品质Token生产能力”。
趋境科技将“高品质AI Token”定义为连接算力、模型与应用结果的最小生产单元。在企业生产环境中，后者对应的指标，首_token延迟、每秒输出量、结构化输出的稳定性、高并发下的服务质量可预测性，才是真正决定AI应用能否稳定运行的变量。
目前，公司通过ATaaS平台为智谱GLM等企业级客户提供推理服务，平台日均处理Token量已接近万亿，经过高并发业务场景的长期验证，形成了一定的规模化交付能力。
趋境科技能在Token工厂的融资竞赛中脱颖而出，与其团队结构和资本策略直接相关。
公司核心团队源自清华大学计算机系高性能所。中国工程院院士郑纬民担任首席科学顾问，清华大学教授武永卫出任首席科学家，清华大学计算机系副教授章明星为公司联合发起人。
创始人兼CEO艾智远为清华计算机博士，博士阶段研究方向集中在并行计算、分布式存储、AI计算引擎优化等领域，创业前曾担任深信服大数据、数字化、AI应用等多个部门的研发主管。2026年4月，武文洁博士出任公司总裁。
这套配置的稀缺性在于，同时覆盖了底层系统工程的学术深度与产业落地的工程能力。这种“学院派底层工程+政企IT落地”的履历，决定了趋境科技从第一天起就避开了百模大战的正面消耗，选择从算力调度和推理效率这个更底层、也更难被替代的环节切入。
本轮融资的领投方结构同样值得细读。浙财创新、萧山资本、钱江世纪城指向的是浙江和杭州的产业资本，中关村科学城代表北京国资，工银投资则是银行系AIC。地方国资与产业资本的集中入局，对应的不只是财务回报预期，更是区域算力基础设施的卡位。
趋境科技已在杭州钱江世纪城规划建设万卡级Token工厂，并在河南、海南推进区域合作。Token工厂作为AI时代的新型基础设施，正在成为地方政府争夺的产业标的，而趋境科技拿到的，是进入多地算力规划体系的门票。
生态层面的布局同样在加速。公司与商汤科技共建的Token产线已具备日均万亿级生产及消纳能力；与并行科技、弘信电子、网宿科技、摩尔线程、沐曦股份、天数智芯等企业的合作，则覆盖了从国产芯片适配到算力运营的多个环节。
在国产芯片推理效率仍是行业短板的背景下，趋境科技通过国产Prefill-Decode（PD）异构协同、高性能异构KV Cache转换、异构算力计算融合等技术优化国产芯片的推理表现。
以与摩尔线程的合作为例，双方基于MTT S5000智算卡与MUSA软件平台，在真实生产环境中实现了平均超过50 TPS的生成速度、超90%的KV Cache命中率、99.9%的稳定性，在同等生产服务标准下兼顾了国产算力的生产级性能与单位Token成本优势。这使其在“国产算力生态”中占据了一个实际的工程枢纽位置。
趋境科技的十倍增长是真实的，但它所处的Token工厂赛道，正在迅速变得拥挤。
2026年以来，AI Infra创业公司的融资规模持续攀升。无问芯穹年内累计融资达43亿元，单轮与累计融资额均创国内AI Infra行业新高，并正在筹备IPO；清程极智也于近期完成A轮融资。
这条赛道的参与者还包括阿里云、华为云、字节火山引擎等云厂商，它们提供的是从芯片到模型的全栈AI Infra能力，在客户黏性和生态完整性上具有天然优势。
更底层的挑战在于盈利模型。Token服务本质上是一门规模生意，但价格竞争的烈度正在侵蚀利润空间。有行业数据显示，部分Token服务商在收入快速增长的同时，毛利率却跌至负值。
趋境科技提出的“少模型、深优化”路线，不追求支持上百种模型，而是聚焦少数高生产力模型做极致优化，在理论上可以通过提升单位算力产出对冲价格下行。但这一路线的有效性，取决于一个关键前提：客户是否愿意为“高品质”和“稳定性”支付溢价，而非仅仅追逐最低的每百万Token单价。
趋境科技与智谱GLM等头部模型公司的合作，以及商汤科技作为产业股东的入局，提供了一定的需求侧验证。但从“头部客户的推理供应商”走向“企业生产环境的默认Token基础设施”，中间还隔着客户结构多元化、区域Token工厂的运营效率验证，以及国产芯片推理生态的持续适配。
从2023年成立到如今B轮超13亿元、年内累计24亿元，趋境科技的融资节奏与业务增长曲线高度同步。日均Token产量增长超百倍、收入达去年近10倍、单台算力效率提升超3倍，这些数字勾勒出的，不是一家追逐风口的创业公司，而是一家在推理效率这个具体工程问题上建立了可量化优势的Token生产商。
在AI基础设施的叙事从“有多少算力”转向“每单位算力能产出多少可用Token”的阶段，趋境科技选择了一条更难但更底层的路：不造模型，不建通用云，而是把Token当作工业品来设计和交付。
这条路能否在云厂商的全栈挤压和Token服务商的价格竞争中持续兑现，将决定24亿元融资所买到的，是一个阶段性的效率领先，还是一个真正具备网络效应的Token生产网络。
注：本文素材来源于互联网公开渠道，如有侵权请联系删除。内容所述仅代表个人观点，不作为指导依据，据此操作风险自担！
【公司回顾】
独角兽早知道