Token中转站到底是不是一门好生意？

最近，趋境科技半年融资约10亿元，而且据称是在投资方主动接洽和推动下完成了超额募资。这让许多人感到疑惑：一家主要提供Token服务的企业，为什么能够获得这么高的估值和如此顺利的融资？

要回答这个问题，第一要弄清楚，所谓的Token中转站究竟是做什么的。

一、Token中转站，本质上是“大模型API卖场”

大模型公司开发出模型之后，一般会通过API向外提供服务。用户每调用一次模型，都会消耗必定数量的Token。

但普通企业如果想同时使用OpenAI、Anthropic、智谱、MiniMax等多家公司的模型，就需要分别开户、充值、接入和维护，使用起来比较麻烦。Token中转站所做的事情，就是把多家模型的API聚焦到一个平台上，协助客户统一接入、统一结算和统一管理。

从这个角度看，Token中转站很像一个大模型“百货商店”或者“API大卖场”。它自己未必生产模型，只是把不同模型摆到同一个货架上，再卖给下游客户。

国外比较有代表性的平台是OpenRouter，国内也已经出现多家类似企业，包括正在向资本市场靠近的硅基流动等。

因此，单纯的Token中转业务并不具备很强的唯一性。只要能够获得模型厂商的API权限，并搭建一套计费、路由和服务系统，理论上许多公司都可以进入这个行业。

这也是为什么智谱在招股书中没有专门提到趋境科技。对于智谱来说，这类企业更接近一个API销售渠道或者下游分销商，而不是不可替代的战略合作伙伴。除非一家平台的规模足够大，能够真正影响模型的分发和客户获取，否则模型公司没有必要在招股书中重点介绍它。

二、真正需要区分的是：它只是“倒卖Token”，还是能够提供推理基础设施

如果一家公司只是从大模型厂商那里采购API，再转卖给客户，那么它本质上就是Token的二级分销商。

这种模式可以赚钱，但技术壁垒有限，主要竞争力来自价格、渠道、客户资源和服务能力。它虽然身处大模型行业，却并不掌握大模型最核心的基础能力。

趋境科技显然也意识到了这个问题。因此，它强调自己并不是一个简单的Token中转站，而是能够对Token进行“加工”，生产和提供更高质量、更高效率的Token。

把这种说法翻译成更容易理解的语言，就是它不仅提供API接口，还可能通过模型路由、推理加速、算力调度、缓存优化、量化压缩和并发管理等方式，降低生成Token的成本，提高生成速度和服务稳定性。

这属于Token中转业务的增值服务。

但这里必须进一步追问：这种“加工能力”究竟有多深？

如果只是做一些常规的接口封装、模型选择和调用优化，技术门槛依旧不算高。只有当企业真正掌握大规模GPU资源、推理集群、底层调度系统和持续优化能力时，它才不再只是一个Token销售平台，而是逐渐变成一家AI推理基础设施公司。

这两种公司的估值逻辑完全不同。

前者更像API经销商，后者则更接近AI时代的云计算厂商。

三、为什么Token企业依旧能够融到许多钱？

尽管单纯的Token中转业务壁垒不高，但它目前依旧可能是一门不错的生意。

缘由很简单：大模型依旧处在高速增长阶段，企业和个人对Token的需求都在快速增加。只要整个大模型市场继续扩张，即使没有掌握底层模型，一些为大模型提供销售、算力、推理和交付服务的企业，也能够获得收入和估值。

这就像淘金热时期，不必定只有挖到金子的人赚钱，卖铲子、卖设备和提供运输服务的人同样可能赚钱。

尤其是在高端算力依旧紧张的阶段，如果一家公司能够拿到英伟达高端芯片，搭建稳定的推理集群，再把算力和Token生产能力卖给模型厂商，就可能获得相当可观的收入。

所以，趋境科技融资顺利，并不必定意味着资本市场认为它掌握了与OpenAI相当的核心技术。投资者可能看重的是另外几件事：它能否持续获得算力、能否降低Token成本、能否稳定服务大客户，以及能否在模型调用量快速增长的阶段占据一个重大入口。

10亿元融资对于一家普通API中转商来说已经许多，但如果投资者把它看成一家推理基础设施公司，这个金额就比较容易理解了。

问题在于，它究竟有没有足够稀缺的算力资源和工程能力。

国内大模型公司自己都很难稳定获得高端芯片，趋境科技是否拥有特殊的采购渠道，能否长期获得低成本、高质量的算力，目前依旧需要进一步观察。融资规模并不能自动证明技术壁垒，也不能证明这些算力资源可以长期维持。

四、Token中转平台为什么普遍缺乏议价权？

Token平台最大的风险，是上游掌握在模型公司手里。

这些平台能不能销售某个模型，第一取决于模型公司愿不愿意向它开放API，是否允许它转售，以及给它什么样的采购价格。

对于规模较小的平台来说，上游模型公司随时可以调整价格、限制转售，甚至直接面向终端客户提供服务。平台很难反过来约束模型公司。

OpenRouter由于规模较大、用户较多，可能对一些小型模型公司具有必定议价能力。小模型希望借助OpenRouter获得用户和调用量，因此愿意提供更优惠的价格。

但面对OpenAI、Anthropic等头部公司，OpenRouter的议价能力依旧有限。由于用户选择OpenRouter，许多时候正是为了调用这些热门模型。平台离不开头部模型，但头部模型未必离不开某一个平台。

国内也是如此。对于规模较小的Token中转商来说，智谱、MiniMax等模型上不上架、提供什么价格、是否允许转售，往往由模型公司决定。

因此，这个行业容易出现一个基本矛盾：平台看起来汇集了许多模型，但真正有吸引力的商品并不属于平台。它只是提供货架，而货架上的核心商品掌握在上游厂商手中。

五、大模型公司未来会自己生产Token，还是采购第三方服务？

未来，大型模型公司大致率不会在“完全自建”和“完全外包”之间二选一，而是采取混合模式。

核心模型、关键客户和稳定业务，一般会使用自建推理基础设施。由于这关系到成本、数据安全、服务质量和技术控制权。调用规模越大，自建基础设施的经济性一般越明显。

但在业务突然增长、算力不足、海外节点部署或者短期项目中，大模型公司依旧会采购云厂商和第三方推理服务。由于算力需求具有波动性，如果所有基础设施都按照最高峰值建设，就可能造成大量闲置。

这和今天的大型互联网公司使用云计算的方式类似：核心业务可能运行在自建数据中心，但部分弹性需求仍会使用外部云服务。

因此，Token生产和推理服务不会轻易消失。它有可能成为一个长期产业，但行业结构会发生变化。

单纯依靠API转售的平台，利润空间可能越来越薄；真正能够提供低成本推理、算力调度、模型优化和全球部署能力的企业，则可能长期存在。

换句话说，Token中转站未必有长期价值，但AI推理基础设施会长期存在。

六、Token效率会不会成为大模型公司的核心竞争力？

当模型能力差距很大时，用户第一关注的是模型好不好用。一个能力明显落后的模型，即使Token价格再便宜，也很难获得高价值客户。

但是，当不同模型的能力逐渐接近之后，Token生成速度和成本就会变得越来越重大。

假设两个模型的效果差不多，一个生成速度更快，价格只有另一个的一半，企业客户自然更愿意选择前者。因此，单位算力能够生成多少Token、每百万Token的成本是多少、推理延迟有多低，都会成为大模型公司的重大竞争指标。

不过，Token效率不能取代模型能力。

模型能力决定产品的上限，Token效率决定商业化的成本和规模。一个模型只有同时做到“能力足够强”和“成本足够低”，才有可能成为真正的大规模商业产品。

因此，未来大模型公司的竞争，不只是比参数、榜单和模型效果，也会越来越像制造业：比较产能、良品率、交付速度和单位生产成本。

七、算力稀缺可能是阶段性的，模型能力才是长期稀缺资源

当前高端GPU供不应求，因此只要能够获得算力，就可能获得较高溢价。这也是资本追逐推理基础设施企业的重大缘由。

但从长期来看，算力不太可能永远处于绝对短缺状态。

技术进步会不断提高芯片性能，数据中心和电力基础设施也会持续扩张。历史上的蒸汽机、电力、钢铁、通信和存储，最初都曾经是稀缺资源，但随着工业化和规模化生产，最终都逐渐变成供应充足的基础设施。

算力也可能经历类似的过程。

未来真正的问题可能不再是“有没有算力”，而是“这些算力能够运行什么样的模型”“能够产生多少有效价值”。一旦算力供应逐渐过剩，仅仅拥有GPU就不再构成强劲的竞争壁垒，算力租赁和Token中转的利润率也可能下降。

那时，真正稀缺的依旧是模型能力、数据、算法、产品和客户场景。

所以，判断趋境科技这类企业的长期价值，不能只看它今天融了多少钱，也不能只看它手里有多少算力。更重大的是看它能否从一个Token销售渠道，升级为真正具有底层优化能力的推理基础设施平台。

如果它只是一个大模型API卖场，那么这是一门顺周期、低壁垒、议价能力有限的生意。

如果它能够持续降低Token成本，掌握大规模推理能力，并成为模型公司不可替代的基础设施合作伙伴，那么它才有可能成为AI时代的云计算平台。

这两者之间，看起来只隔着一个“Token加工”的概念，实际上却隔着完全不同的技术能力和商业壁垒。