硅基流动IPO：比阿里更懂Qwen？

作者| 黄绎达

编辑|张帆

封面来源|视觉中国

2026年6月30日，成立仅34个月的AI基础设施企业硅基流动正式向港交所递交招股书，计划通过18C章特专科技规则登陆资本市场。

硅基流动的核心商业模式，是将芯片适配、模型部署、异构算力调度等复杂的工程能力封装成标准化的API接口，让开发者像用水用电一样按需调用AI模型。

而公司解决的核心问题，正是不同模型在不同算力硬件下的适配性问题。典型如DeepSeek，在英伟达的GPU与华为昇腾上运行的性能表现不一致。公司凭借快速的落地能力，在一定程度上解决了大模型在不同芯片上算力性能不一致的行业痛点，因此吃到了第一波红利。

2025年初，DeepSeek（如R1和V3模型）在全球范围内爆火，其官方服务器被海量请求挤爆。硅基流动凭借在国产芯片适配上的技术积累，迅速联合华为云上线了基于昇腾算力的满血版DeepSeek服务，而且相较于 DeepSeek 官方渠道便宜了约三到五成，这一举措成功承接了巨大的溢出流量。

但从上述DeepSeek跨芯片适配的案例中可以看出，硅基流动一没有算力、二没有数据、三没有自己的大模型，这家公司的AI价值在何处呢？

特定历史背景下的“中间商”

随着AI行业发展的重心从大模型性能提升，逐渐转移到推理侧，低成本Token是当前AI行业的核心问题。在推理侧的“降本增效”问题上，主流的方案主要有两条：

其一，是全栈自研模式，即在硬件开发层面来主动适配大模型推理，典型如马斯克，他认为英伟达的GPU并不适合推理侧，因此主推自研推理芯片，甚至未来计划自建晶圆厂；

其二，是对大模型进行深度优化，硅基流动就是独立研发了名为SiliconLLM的大模型推理引擎。这个引擎负责统一调度英伟达、华为昇腾、壁仞、沐曦等不同厂商的底层芯片算力，让各类大模型能够在其上高效运行。

那么问题来了，当前AI行业普遍看好的是全栈自研模式。主要因为通过掌握从底层硬件到上层算法的全链路，企业可以消除中间商的利润分成，以此显著降低企业的边际成本。

反观硅基流动的推理引擎，其定位是算力与模型之间的中间系统软件层，相当于在硬件底座上新增一层调度基础设施，并未实现软硬件一体化，但在当前AI产业链上依然提供了可观的业务价值。

硅基流动独特的业务形态，可以说是在AI热潮下，依靠以下两个市场需求的时间差，所形成的阶段性产物。

算力需求窗口与需求时间窗口

从国内的芯片竞争格局来看，不同于海外英伟达的一家独大、统一使用CUDA，国内则是百花齐放、品种繁多。特别是随着英伟达的断供国内，过去两年在国内算力普遍紧缺的背景下，芯片采购优先考虑可得性，这就导致各家芯片混用成为常态，导致兼容性问题突出。

而且，国内的大模型品种同样是百花齐放，光硅基的公有云就整合了超170个大模型，这是导致模型与芯片之间存在兼容问题的另一大根源。比如DeepSeek原来适配的是英伟达，但是推理侧用户可能在算力无法满足的情况时，就需要调用其他算力，这时候如何匹配并调用最优芯片来实现优化Token成本，则是解决问题的关键。

在当前算力供给分散且异构算力混合部署的历史阶段，存在一个明显的算力需求窗口，硅基流动的优化大模型的价值亦因此得以体现。

然而，参考互联网行业的长期发展规律可知，绝大多数赛道竞争格局的演化，几乎都是从百家争鸣到几家巨头独大。那么，以此类推，届时AI产业链进入成熟期，行业由个别头部厂商主导，同时软硬件的全栈自研成为主流，以硅基流动为代表的第三方服务商的存在价值将受到严峻挑战。

再看所谓的需求时间窗口，主要是出于经济学与降低机会成本的考量。在当前的AI浪潮下，各行各业都开始引入“AI+”，如果用自研的模式来推进产品数智化，不仅需要投入可观的研发成本，而且开发节奏还要够快，在同类别竞争中争取先发优势，成熟“AI+”解决方案对于众多有相关需求企业而言，正是一个颇具经济性的选择。

在公司本就不长的招股书中，举了几个案例，其中就提到一家玩具公司，打造智能化且具备互动性的陪伴类产品，这类玩具产品需要对儿童的语音指令及对话意图做出实时理解与响应。从玩具企业的视角来看，自研这样一套系统，自然不具备经济性，而硅基流动提供的成熟解决方案成为了当前的最优解。

补贴是引流是主要打法

公司收入结构上，主要是公有云跟本地化部署。本地化部署的客户普遍为自有算力，因此主要面对大型客户，该业务的毛利率较高，2025年达82.5%，但是通常是“一锤子买卖”。而公有云服务，公司通过向外部租赁算力再转租，虽然毛利率略低，但是市场空间更大，且客户通常稳定续费，能产生稳定现金流，也是当前公司发力的主要方向。

图：硅基流动业务结构；资料来源：公司招股书，36氪

2025年，硅基流动公有云服务实现收入 2926万元，该业务营收占比从2024年的14.6%快速提升至 52.9%。这一数据标志着公有云服务正式取代本地部署，成为公司的第一大收入引擎。

但是由于公司租入算力成本高企，导致公司增收不增利；2025年的亏损高达3.45亿元，综合成本率高达124%。导致公司报告期内成本暴增的原因主要有二：其一是采购阿里的算力带来的刚性支出；其二是上线有包括Qwen等开源模型，同时为客户提供低成本的Token，进一步压缩了利润空间。

反映在财报上，公司2025年算力采购的成本为5962万，同期为了引导新用户进入公有云平台大规模发放的免费词元代金券，对应的相关算力资源成本为5421万；简单计算可知，2025年公司发放Token补贴对应的成本是同期业务收入的1.85倍。

从展业逻辑来看，补贴引流是互联网企业的传统打法，而且在业务推广上，硅基流动好像比阿里更懂Qwen；但是大厂也在通过发放补贴来抢占市场，若持续沿用该路径，公司的补贴投入的规模能竞争得过家大业大的大厂吗？因此，在公司展业的过程中，补贴的可持续性值得关注。

图：硅基流动近年来成本结构；资料来源：公司招股书，36氪

在研发层面，公司研发投入从2023年的约 1084.1万元大幅攀升至2025年约 2.09亿元。其背后的原因主要在于，2025年众多大模型发布，并伴随多个不同厂家的芯片入市，公司核心业务正是要在不同大模型与芯片之间来做交叉优化，这就导致相关的研发投入大幅增长。

但正如文章前期提到的，AI行业百花齐放是初期表现，而未来很有可能是少数赢家通吃。企业当前投入大量研发资源对不同大模型之于不同硬件的适配性予以优化，但行业迭代速度较快，不少模型存在被市场淘汰的可能性，这就导致公司相关研发投入或将面临难以收回的风险。

事实上，硅基流动的海外对标企业Fireworks AI、Together AI基本上也都是主要基于英伟达生态进行优化。对于上述聚焦单一生态的企业，相关的研发强度明显更低，较强的成本控制能力有利于跑通商业模式。

值得注意的是，硅基流动的业务在很大程度上依赖于高质量开源AI模型的可得性，服务覆盖 Qwen、GLM、DeepSeek、Kimi 等多款开源产品，开源模型也拥有更大的优化潜力。从全球视角来看，美国的主流是闭源模型，坚持开源的Meta已经掉队；而中国则是开源跟闭源齐头并进，所以硅基流动的业务更像是一次对未来赛道的押注。

*免责声明：

本文内容仅代表作者看法。

市场有风险，投资需谨慎。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。我们无意为交易各方提供承销服务或任何需持有特定资质或牌照方可从事的服务。

点击图片即可阅读