趋境科技联合伙伴发布国产异构AI Token方案 完成B轮融资

大模型时代下半场，全行业正面临一道严峻的成本难题。随着智能体技术的爆发，系统指令、历史对话、复杂工具调用被持续送入模型上下文，算力消耗呈指数级增长。但当前算力格局存在明显矛盾：先进算力价格高昂且供给有限，而普通算力又受限于显存带宽等物理瓶颈，无法满足复杂推理需求。若算力成本无法有效降低，人工智能将难以真正成为赋能各行业的基础设施。

在2026年全球人工智能与云计算大会上，国内某头部推理技术企业携手生态伙伴，联合发布了「国产异构推理高品质AI Token工厂」解决方案，为破解这一难题提供了可行路径。

与此同时，该企业近期宣布完成超13亿元的B轮融资，加上此前的募资，今年累计融资已达24亿元，其核心产品高品质AI Token的日均产量在半年内实现了十倍以上的增长。

要理解该方案的产业价值，需结合当前国内人工智能产业基建的布局。北京正全力打造全球AI创新策源地，海淀区作为核心区域，正构建包含硬件、算法、推理加速的完整生态：选择国内头部芯片企业打造底层硬件，选择头部大模型企业构建算法大脑，而推理加速环节则是连接硬件与算法的关键短板。此前，底层硬件碎片化、普通算力带宽限制与上层长文本推理需求之间的错位，成为制约产业发展的重要鸿沟，浅层次适配无法满足实际生产需求。

该企业推出的异构推理方案，正是瞄准这一短板，通过全系统异构协同实现推理加速。其核心技术包括三项全球首创成果：国产预填充-解码异构协同、高性能异构KV缓存转换、异构算力计算融合。这套系统级优化的核心价值在于提升「Token经济性」：同等资金投入下可产出更多有效Token，同等产出下可降低服务交付成本，帮助企业实现算力投入价值的数倍释放，让数百万级硬件支出承载更大规模的业务需求。实测数据显示，该方案的性价比已超过采用清一色先进算力的基线方案，不仅能提升单位算力的服务产出，还能让国产旗舰模型在普通算力上稳定输出长文理解与代码生成能力。

不过，将实验室技术落地到真实生产环境，需跨越复杂的工程挑战。大模型推理分为预填充与解码两个阶段，在智能体时代，10万级上下文对应的中间状态可高达数GB，单一普通算力难以独立完成解码任务。该企业采用异构分离思路，将高计算量的预填充交给普通算力，高带宽的解码交给先进算力，通过高速网络接力，使模型生成速度从每秒20-30Token提升至50-60Token。但在实际部署中，将数十台不同架构的算力设备整合，如同在悬崖边缘操作。

为应对真实流量需求，该企业的方案需满足三个核心要求：一是精度无损，通过逐层验证确保不同算力设备交接时模型输出无偏差；二是极致组网，通过精密编排将跨设备损耗控制在10%以内，配合高速网络打通算力孤岛；三是容错自愈，构建轻量级共识机制，在硬件故障时毫秒级隔离与流量转移，确保上层服务稳定运行。

工程上的突破转化为商业上的成功。该企业放弃兼容大量模型，聚焦「少模型、深优化、高品质」战略，目前已实现盈亏平衡，进入良性发展阶段。其正构建多地算力网络，立足北京，重点推进河南、杭州、海南的算力布局，已建成数千卡规模的异构集群，支撑大模型的万亿级Token供应，同时筹建两个万卡级集群，建成后可支撑每日数十万亿的Token需求，将闲置的普通算力转化为高效的智能服务供给。

对于异构技术的未来，相关负责人表示，随着普通算力性能提升，预计明年年中可实现全流程纯国产化，届时仅需两种普通算力即可完成超大模型推理。异构协同的思想将持续适用于各类模型与硬件演进，成为提升算力效率的核心法则。中国人工智能产业正从技术突破走向实际应用，算力效率的提升将推动智能服务普惠化，为全球产业发展注入新动力。