国产AI芯片份额逼近英伟达，趋境科技用异构推理把Token成本降两成

刘诗萌 北京摄影报道

2026年，国产算力树起一座新里程碑，一场“中国芯”的突围正悄悄展开。

IDC数据表明，2026年上半年中国数据中心AI加速器市场格局剧烈变动。英伟达的份额从去年的55%猛跌到34%；华为则比去年同期接近翻倍，升到28%，两家只差6个百分点。IDC追踪的11家中国芯片厂商里，有9家出货量同比上升。这些国产AI芯片还逐步打进了政府机构、互联网公司、电信运营商等关键信息基础设施的供应链。

让国产芯片从“能用”走向“好用”的，是AI基础设施（AI Infra）在背后托底。它的原理是用端到端基础设施做互联和调度，把国产AI计算硬件的资源利用效率提上去。单点峰值算力跟国际先进水平的差距，它抹不平；但有效Token的产出，它能帮国产算力实现另一种“弯道超车”，产能受限的困扰也就能摆脱。正因如此，AI Infra成了2026年以来国内一级市场的核心赛道，无问芯穹、硅基流动、趋境科技三家头部企业年内融资都超过20亿元。

近日，《华夏时报》记者随工信部新型工业化调研团走访了其中一家——趋境科技。这家公司出身

从算力中心到Token工厂

“全球AI算力一半消耗在东北，东北一半算力消耗在铁岭”，这个有点夸张的热梗今年传得很广。各个热门视频平台上，马大帅跳起了《Gentleman》，

这些场景能落地，靠的是AI渗进短剧和视频产业链。年初，字节旗下短视频平台Seedance横空出世，上线三个月单月营收就超过10亿元，海外收入占比已达50%。Seedance、可灵等大模型深度渗透之下，今年前8个月上线的微短剧共43万部，是去年全年的13倍，其中AI剧占比超过九成。

视频天然是高Token密度场景。中国信息通信研究院《词元经济发展研究报告（2026年）》显示，单集1.5分钟的AI短剧，Token消耗量可达500万至1000万。A股上市公司中文在线6月投资者关系活动记录中披露，从行业调用数据看，国内所有Token消耗份额里，AI短剧与视频生成占到55%。这个数字在业内还有争议，但跟人们在平台上看到满屏二创、AI短视频的直观感受对得上。

海量需求拉动下，按Token消耗量付费的“模型即服务”（MaaS）真正跑通了。Seedance背后的字节旗下火山引擎，MaaS业务上半年同比增长近9倍，视频生成贡献了其中30%以上。另一个佐证是，去年上市的大模型厂商智谱今年上半年也调整了业务结构，收入大头从B端本地化部署变成面向C端的MaaS开放平台及API，这块占公司总收入的比例从去年同期的15.2%直线拉到今年的86.5%。

背后还有一个被看作行业转折点的数据：今年上半年，算力需求从过去训练主导转向推理，包括推理ASIC芯片在内的非GPU出货量首次超过GPU出货量。趋境科技创始人兼CEO艾智远回答《华夏时报》记者提问时指出，去年一家大模型公司一天用到2万亿推理Token可能已是国内最高，现在这个数字到了几十万亿到百万亿量级，有些公司为满足业务需求，连训练用的卡都拿来做推理了。Token调用量大涨，主因是今年上半年AI短视频和AI Coding两个场景跑通了，这也是AI Infra赛道此时受业内关注的核心原因。他说：“大家开始发现，要让客户真的开始付钱，到底是付1块钱还是五毛钱变得很重要了，大家就会开始关注单位算力转化成Token的性价比。”

以Token为单位收费，正逐渐被视为一种能自圆其说的商业模型，AI行业比拼效率的焦点，也随之从“卖面粉”的算力中心挪到了“卖面包”的Token工厂。今年3月，黄仁勋在GTC大会上提到，往后数据中心的核心价值不是存放文件的仓库，而在于产出可计价、可交付的Token。衡量竞争力的关键指标，会从服务器数量、存储容量换成每瓦Token吞吐量。照这个标准看，Token正在变成数字经济时代的硬通货。

国产算力突围破局

对中国来说，以提升产出效率为核心的AI Infra意义更重。地缘政治角力让算力供给的不确定性加大，“中国芯”独立自主在战略上无疑必要。可高带宽内存（HBM）和半导体先进封装的硬件产能摆在那里，单点性能的优化总有瓶颈。用基础设施的优势去补芯片和制造环节的劣势，让国产算力撑起高品质Token的稳定供给——这决定了“独立自主”能不能不只停在口号上，而是真正做成商业上有竞争力的模式。

这道难题，专注推理场景的趋境科技给出了自己的解法，其中之一是异构推理。大模型计算是推理算力最常见的场景，把Prefill和Decode两个阶段拆开，计算能力强的算力承担Prefill任务，显存带宽大的算力承担Decode任务，再通过高效KVCache流转实现协同生产，最终既让国产芯片深度落地到大模型核心生产环境，又让规模化Token工厂的整体硬件成本下降20%。

艾智远说：“我们这套技术没用上之前，一些头部国产大模型的供应链名单里，国产芯片其实是缺席的。打个比方，拿一家演出订票网站的系统去接12306的流量，压根顶不住。后来我们靠软硬件协同调度把计算逻辑重新搭了一遍，按不同任务的特征做分流，就能拿不同类型的算力资源，给这些模型参数在万亿级别的大模型公司供Token。”眼下，趋境科技每天向万亿级别模型供的Token，稳定在1.5万亿到2万亿之间，差不多等于2026年春节前腾讯元宝一整天的Token消耗量。

算力价格眼下猛涨，趋境科技为了让Token的性价比做到最优，正跟多个地区联手推进项目。从芯片选型设计、机房设计、组网设计，到模型自演进，全由趋境科技主导，覆盖Token工厂从建设到运营的整个生命周期。另一个关键打法叫“以存换算”：用显存、内存加SSD搭起多层缓存，把算完的结果尽量复用，只对新增内容做计算。这样做能压低首Token响应延迟，抬高并发吞吐，还能减少单个Token的资源消耗与生产成本。艾智远说：“因为现在内存价格特别高，去年一条64G内存价格是2300元，现在已经到了2.3万元一条，相当于乘了十倍。但是用SSD等效置换的情况下，性价比就会高很多。”

相比那些星光熠熠的AI大模型公司，AIInfra层的企业多数时候是默默扛重活的托举者。不过趋境科技的技术影响力已经伸到了产业规则的制定层面。它和清华大学团队牵头开源的KTransformers，是全球较早针对超大规模MoE模型做CPU/GPU异构推理优化的开源框架之一。它还与多家大模型企业一起推进Mooncake开源生态建设，相关论文拿下FAST 2025最佳论文，技术理念被英伟达参考引用，成了全球分布式推理框架的建设标准，2025年GTC大会上还获得黄仁勋致谢。

10月26日，趋境科技宣布完成超13亿元B轮融资；2026年以来，公司累计融资规模达24亿元。采访最后，趋境科技首席科学家、清华大学教授武永卫强调：“趋境科技由于出身清华高性能所，我始终告诉大家一句话，就是技术信仰必须坚持，大家也能看到我们对技术信仰的追求带来的价值效益。”