套路

深耕Token工厂赛道硅基流动以技术与流量构筑AI算力服务新生态_我的网站

蜜月计划

一 | 当前，AI行业加速从模型训练走向产业落地，Token工厂赛道热度持续攀升，但行业普遍存在概念超前、落地滞后的痛点。界面新闻记者 | 查沁君界面新闻编辑 | 文姝琪因为太过火爆，距离Kimi K3发布不到一周，月之暗面就按下了“暂停键”。

二 | 作为赛道先行者，硅基流动在2024年9月就提出“Token工厂”构想，并依托公有云MaaS模式实现行业早期落地，完成从概念创新到规模化商业运营的跨越式发展。如今，随着公司递交港交所上市申请，其完善的技术体系、成熟的商业模式与多元生态布局，也为AI算力服务行业标准化、规模化发展提供了优质参考范本。 7月19日晚，月之暗面宣布，由于算力资源紧张，暂停开放Kimi新用户订阅，将有限算力优先保障现有订阅用户。

三 | 图源：月之暗面 7月20日，月之暗面回应界面新闻称，此次调整仅涉及新用户订阅，现有会员权益保持不变，老套餐并未取消，已订阅用户仍可正常使用并按原规则自动续费。　　　前瞻布局赛道，完成Token工厂从构想至规模化落地据了解，硅基流动提出Token工厂概念，源于对AI行业发展的精准预判。对于此前手动关闭自动续费的用户，公司将陆续恢复续订功能，老用户升级套餐等功能也将逐步开放；至于新套餐，目前仍因算力资源限制暂未开放购买，恢复时间尚未确定。团队研判，开源模型性能持续迭代升级，将大幅拓宽AI应用边界，市场推理需求将远超训练需求，而大模型规模化部署的成本、技术门槛，正是AI基础设施企业的核心价值赛道。

四 | 从官方回应来看，此次调整更像是在有限算力资源下，对新增用户和存量用户体验进行重新平衡，而非对会员体系进行调整。基于此，公司以“用得上、用得好、用得起”为核心价值导向，打造公有云MaaS平台，通过自研推理引擎优化性能、提升算力利用率、屏蔽底层技术壁垒，实现API一键调用，打通效能与成本的闭环，在此基础上，进一步沉淀为可复制的Token工厂解决方案，助力各类算力中心快速转型，目前已落地互联网、能源、金融、电信等多个头部行业。

五 | 2025年初成为硅基流动Token工厂规模化发展的关键转折点。DeepSeek系列模型开源引爆市场推理需求，行业需求迎来指数级爆发。 K3发布后，国内外开发者社区迅速涌现大量体验和测评，不少人将它与Claude、GPT等国际头部模型放在一起比较，围绕推理成本、GPU资源、服务稳定性的讨论，也开始取代Benchmark，成为AI圈新的焦点。 K3到底有多火？ K3发布后，很快登上了全球AI模型讨论的焦点。公司率先在华为昇腾上完成DeepSeek R1、V3满血版商业化部署，成为落地世界级大模型商业化推理服务的平台，高效承接海量市场需求。市场的爆发式增长，充分验证了Token工厂模式的可行性，也锤炼了平台的极限承载能力，其注册用户从2024年底12.7万人飙升至2025年底920万人，实现跨越式增长。独立AI模型评测机构Artificial Analysis发布的最新“智能指数（Intelligence Index）”显示，Kimi K3综合得分达到57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），领先Claude Opus 4.8（56分）。这一成果背后，是硅基流动三大前瞻性行业判断的持续落地：开源模型能力将逐步追平闭源模型、推理需求量级远超训练需求、国产芯片将从“可用”迈向“好用”。与此同时，K3完成单项任务的平均成本约0.94美元，与GPT-5.6 Sol基本相当，仅约为Claude Opus 4.8的一半。

六 | 当前行业发展态势持续印证该判断，开源模型生态日趋成熟，AI Agent规模化落地带动Token消耗暴涨，国产算力供应链持续完善，为Token工厂赛道长期发展筑牢根基。对业内而言，更重要的是，这是首个进入Artificial Analysis综合榜单前三的开源模型。长期以来，“开源模型整体落后闭源模型半代”几乎是行业共识，而K3的出现，让这一差距进一步缩小。

七 | 　　　突破多层技术壁垒，重构算力中心转型路径从传统算力中心“裸金属租赁”到Token标准化服务交付，行业存在一条高壁垒技术链路，涵盖芯片适配、模型调优、弹性调度、计量计费等核心环节。图源：Monolith励思资本除了评测成绩，K3本身的参数规模同样引发业内关注。K3是月之暗面首款万亿参数级MoE模型，总参数规模达到2.8万亿。硅基流动突破五大核心技术壁垒，将复杂技术链路封装为“一键转型Token工厂”解决方案，有效降低行业转型门槛。一位国产AI芯片厂商人士向界面新闻表示，今年以来，随着Anthropic等海外厂商不断推出更大参数模型，国内模型竞争再次回到“大参数、长上下文”赛道，万亿参数、百万级上下文正成为头部模型的重要竞争方向。在他看来，K3之所以迅速“出圈”，不仅因为模型能力，更因为它意味着国产开源模型首次进入这一量级。“对于行业来说，2.8T本身就是一个重要信号。在芯片适配层面，公司完成多款不同品牌、不同架构芯片的规模化适配，破解异构芯片兼容难题；通过推理引擎深度调优，以动态量化、多级缓存、算子优化等技术，提升单位算力产出与响应效率。

八 | 同时，平台实现170+主流模型持续适配迭代，搭建异构算力弹性调度系统，平衡潮汐式推理需求，并重构细粒度Token计量计费体系，完成从硬件售卖到服务化交付的核心蜕变。

九 | 针对算力行业普遍存在的产能过剩、算力闲置痛点，硅基流动打造“技术+流量”双引擎，构建高效算力消纳商业闭环。

十 | ” 业内关注很快传导到了开发者社区。供给侧，公司依托自研技术提升算力产出效率，最大化激活存量闲置算力资源；需求侧，平台坐拥超千万注册用户和1.3万家企业客户，截至2026年4月日均词元吞吐量达5785亿。多元均衡的客户结构形成稳定持续的算力负载，避免碎片化流量弊端。通过智能算力调度与收益分成机制，平台精准匹配供需资源，如同搭建贯通全网的“算力电网”，让各地Token工厂的算力产能持续变现，解决算力消纳难题。在X（Twitter）、Reddit、OpenRouter、Linux.do、V2EX等平台，大量开发者第一时间分享体验，不少人将K3接入Cursor、Cline、OpenCode等AI编程工具进行测试。从代码生成、Agent任务到工具调用，K3几乎成为过去几天AI圈讨论最多的模型之一。讨论几乎集中在三个问题：第一，它到底能不能替代Claude做编程？第二，它是否真的达到国际第一梯队？第三，它到底值不值得迁移？不少开发者认为，K3最大的亮点并非聊天，而是在长流程Agent任务和代码生成场景。　　　多元生态落地，构建算力消纳全新商业闭环依托成熟的技术与商业模式，硅基流动持续深化产业生态合作，与光谷爱计算、贵州移动、宇信科技达成差异化战略合作，构建多维落地范式。与光谷爱计算的合作聚焦算力联合运营，赋能传统智算中心低成本转型Token工厂；与贵州移动携手打造区域智算标杆，构建“算力+技术+场景”全栈产业闭环；与宇信科技深耕垂直领域，联合打磨金融AI专属解决方案，推进核心业务场景落地。三类合作虽切入点不同，但均推动算力中心完成模式升级，收益从固定卡时租赁转向可持续Token分成，实现算力利用率、收益空间、产业地位的三重升级。伴随智能体AI规模化普及，单任务Token消耗量大幅跃升，推理成为算力消耗核心主力，产业链的关注点已从“拼算力、炼大模型”转向“拼推理、拼应用落地”。Token 工厂的竞争维度也在被重新定义：产能端从峰值应对转向持续满产运营，适配智能体的7×24小时平稳运行需求，并具备快速扩容和持续高利用率的双重能力；调度端需支持多轮推理、多模型协同等复杂场景的动态编排；服务端则需提供企业级SLA保障与Token用量管控，确保智能体深度嵌入核心业务后的稳定运行，实现服务从“可用”到“可信、可持续”的进阶。

十一 | 一些体验者表示，在复杂代码修改、工具调用等任务中，K3已经能够进入Claude、GPT等国际头部模型的竞争序列。但也有反馈称，在真实工程任务中，该模型虽然能力突出，但仍会遗漏部分细节，需要人工修正；此外，其复杂统计推理等任务表现仍存在不稳定情况。而这些要求，恰恰是硅基流动在平台实际运营中长期积累的核心能力，也是其在这一轮需求升级中的天然优势所在。另一类讨论则集中在成本。目前，硅基流动已迈入全新发展阶段。

十二 | 有用户认为，K3虽然单价具有竞争力，但由于复杂任务Token消耗较大，实际使用成本未必低于预期，尤其是在长流程Agent任务中更为明显。

十三 | K3的热度也迅速传导到了海外AI圈。美国科技投资机构Atreides Management创始人Gavin Baker将K3称为AI发展的一个“拐点（inflection point）”，他认为高质量开源模型正在加速AI能力扩散，其影响不会局限于模型厂商，而将惠及整个AI应用生态。也有研究者保持谨慎。

十四 | 长期研究人工智能对工作影响的宾夕法尼亚大学沃顿商学院教授Ethan Mollick在X上表示，他曾让Kimi K3对自己此前的一项学术研究进行复杂统计审计，但模型“在很多方面都搞砸了”，包括错误使用统计分析方法。

十五 | Mollick认为，K3已经非常接近全球领先模型，但复杂专业任务中的可靠性仍需更多真实场景验证，而不能仅依据Benchmark成绩作出判断。这一评价也反映出当前AI社区对新模型的一种普遍态度：一方面，K3在代码生成、Agent等场景的表现获得了大量开发者认可；另一方面，模型在复杂专业任务中的稳定性和可靠性，仍需要更多真实场景的持续验证，而不能仅依据榜单成绩作出判断。数据显示，2025至2030年中国词元供应市场复合增长率预计达638.3%，赛道仍处于早期爆发阶段。

十六 | 算力紧缺仍是瓶颈也正是在开发者快速涌入、调用量持续攀升的背景下，月之暗面很快遇到了另一个问题——算力。下一步，硅基流动将持续加大研发投入，不断提升Token生产效率、拓展落地场景，深耕企业规模化AI应用服务，同时强化国产算力供应链韧性，依托技术与生态优势推进全球化布局，持续深耕AI算力服务新赛道。

十七 | 过去两年，大模型行业更常见的叙事是“训练一个模型需要多少GPU”、“参数规模达到多少”，而不是因为用户太多，不得不暂停开放订阅。事实上，训练完成并不意味着算力投入结束，尤其是在AI Coding、Agent等场景快速发展的背景下，模型需要持续调用工具、读取上下文、执行多轮推理，一个请求占用GPU资源的时间远高于传统聊天场景。模型能力越强、上下文越长、用户调用越频繁，对推理算力的消耗也越高。 “今天最大的问题还是缺算力，尤其是高质量的推理算力。”上海国投孚腾资本投资总监陈雨沁此前接受界面新闻采访时表示，即便是头部模型公司，也已经开始取消无限量使用、提高服务价格，本质上都反映出推理资源依然紧张。“如果基础设施没有解决，很多应用公司其实不敢真正大规模推广产品。” “从供需关系来看，国内AI算力长期处于供不应求状态，而随着头部模型集中发布，这种紧张局面会进一步放大。”上述芯片产商人士向界面新闻称。

十八 | 他介绍，目前像月之暗面、智谱、MiniMax等独立模型公司，获取算力主要依赖两种方式：一是租用公有云厂商的算力服务，二是建设自有算力集群。但前者资源有限，后者属于重资产投入，需要较长建设周期，因此模型厂商的算力供给始终存在一定压力。 “业内普遍认为，支撑万亿参数模型训练和推理，万卡级集群已经成为基础门槛。”他表示，从2024年至今，真正具备万卡级部署能力的厂商仍然是少数，不少已经宣布建设的大规模集群项目，落地周期往往以年计算，因此供需之间仍存在长期缺口。

十九 | 今年WAIC期间，一个细节让上述国产芯片厂商印象深刻。他告诉界面新闻，各家国产芯片厂展示超节点产品时，被问得最多的两个问题就是：“能不能支持万卡集群？”“能不能支持万亿参数模型训练？” 相比过去围绕单卡性能、芯片参数展开讨论，如今产业链更加关注的是超大规模集群能力，以及支撑头部模型持续训练、推理的基础设施。

| 这一变化，也折射出大模型竞争逻辑的变化。

| 过去，模型公司比拼的是参数规模、训练能力和Benchmark成绩；如今，随着越来越多模型进入真实生产环境，推理效率、服务稳定性、成本控制以及基础设施能力，开始成为新的竞争维度。 K3暂停开放新用户订阅，也许只是一次短暂的资源调配，却让外界第一次如此直观地看到，大模型竞争已经进入新的阶段。模型能力决定产品能否吸引用户，而推理算力、基础设施和持续服务能力，则决定它能否承接真正的大规模应用。