Jaya Gupta：推理層成第二大融資賽道
推理層正成爲實驗室之外的第二大融資方向，團隊通過指向數據中心與算力需求即可論證大額輪次合理性，持續吸引資金進入。
更多推理公司獲得融資，即使底層產品切換成本極低，用戶幾乎可無縫遷移；新實驗室將自有算力對外出租，進一步向同一市場注入額外供給。
此前圍繞批處理工作負載與後訓練進行垂直整合的公司正轉向純推理業務，加入持續削價循環，形成永久性反向拍賣。提供商反覆互相壓價，出現對Fireworks半價、對Baseten半價、GLM或Kimi再低10%等報價，每一家新進入者或新實驗室釋放的容量都會加速價格下行。
應用公司當前擁有大量選擇，可激烈比價並將價格壓至極低水平；一旦出現明顯更便宜選項，它們可連夜轉移數百萬美元年化支出，因爲技術切換成本本質上僅爲一行代碼。
易得資本、新實驗室額外算力、低粘性與持續價格壓力疊加，使推理層成爲技術棧中防禦性較弱的一層，儘管它仍吸引大額估值；聰明的基礎設施團隊可在新實驗室之後最輕易籌集1億美元種子輪。
資本持續流入推理公司股權，新實驗室與推理提供商增加算力供給形成賣壓，應用層作爲買家利用標準化接口與近零切換成本驅動價格下行；推理提供商面臨利潤承壓，應用公司與終端用戶則受益於成本下降。
Fireworks日處理token量超40萬億且年化收入超10億美元，Baseten估值達130億美元、Together AI達83億美元，顯示大額融資與估值並存於激烈價格競爭之中。
來源：公開信息
ABAB AI 解讀
Fireworks由Meta前PyTorch核心團隊於2022年創立，早期聚焦開源模型推理與後訓練；Baseten從數據科學工具起步，隨後轉向多雲編排與專用部署，兩家公司在2025-2026年間均完成數輪大額融資，估值分別衝至175億美元與130億美元。類似路徑也出現在Together AI，其從研究導向雲平臺起步，快速轉向生產級推理並獲沙特與美國資本支持。這些公司過去依賴模型開放化與API兼容性擴張，但歷史上也面臨客戶集中風險，例如部分提供商曾高度依賴單一應用客戶貢獻過半收入。
資本主要流向算力採購、數據中心擴建與工程團隊擴張，動機是捕捉實驗室之外的推理需求增長，同時新實驗室將閒置或超額算力出租以攤薄自身成本。風險投資機構與戰略投資者（包括芯片廠商）在實驗室完成超大規模融資後，將資金轉向可被直接量化的token處理量與GPU利用率，形成“先實驗室後推理”的資源調動順序。部分提供商還通過專用部署、合規隔離與多雲調度鎖定企業客戶，試圖在價格戰之外建立差異化。
這一格局類似2010年代雲基礎設施價格戰，AWS、Azure與Google Cloud通過持續降價與標準化API爭奪開發者，最終使基礎計算層商品化；也類似於早期ISP帶寬市場，供給過剩後定價權迅速轉向買家。當前推理層處於擴張後期向控制權爭奪的過渡階段，頭部公司通過規模與專用模型嘗試鞏固位置，但新進入者與實驗室自有算力持續稀釋壁壘。
本質屬於定價權轉移。標準化OpenAI兼容接口、近零切換成本與算力供給過剩共同作用，使買家可在多個提供商間實時比價並快速遷移支出；資本湧入進一步增加供給，強化反向拍賣機制，導致推理層利潤率承壓，而應用層獲得更低成本與更大選擇權。實驗室的額外算力釋放則加速了這一轉移，使推理從潛在差異化層變爲可替代商品層。
ABAB News · 認知定律
低切換成本的層，資本越密集越難形成壁壘
供給過剩的市場，價格只有單向下行
最易融資的賽道，往往是最易被替代的賽道