Deep-Dive & Go-To-Market Report

Amorphoux 商业计划书深度研究
与销售路径设计

国产算力使能赛道全景 · 芯片瓶颈拆解 · 美国公司与券商研报双视角 · 两条业务线的落地路径 —— 为把一门算力优化生意从纸面推进到合同与流水而作。

研究对象：Amorphoux BP v2.0.5（2026 年 7 月版，21 页） 报告日期：2026 年 8 月 25 日（v3） 数据截止：2026-08-25（港股招股书 · 券商研报库 · 多路公开检索）
内部参考 · 含未公开商业计划信息 · 请勿对外转发

SECTION 00执行摘要：三分钟看懂这门生意和你的机会

先用大白话说清楚它做什么、赛道是否成立、公司靠不靠谱、你该怎么切入。

这家公司做什么？你的理解完全正确，而且和公开数据严丝合缝：国内建了大量算力中心，但国产卡（尤其昇腾）适配难、会用的人极少——工信部背景机构信通院的数据显示 2025 年智算中心「用算占比」仅 36.8%[16]，腾讯云与浪潮研究院均指出国内智算中心 GPU 平均利用率不足 30%[16]，媒体概括为「万亿投资、七成空转」。会把国产万卡集群真正跑起来的人才，集中在华为原厂和字节、美团这类头部大厂，中小厂和央国企根本招不到。Amorphoux 做的就是把这层「会用国产卡」的稀缺能力产品化：向下把昇腾等国产芯片调教到能用、好用（算力使能），向上帮央国企、运营商在国产卡上训练自己的行业大模型（训练服务），并试图用 AI 智能体替代人类专家来交付（Agent 化），突破人力瓶颈。

赛道成立吗？成立，且政策与预算是真实可验证的。2026 年规划落地 50+ 个万卡集群；中国移动 2025–2026 年 AI 推理服务器集采 51.12 亿元中，昇腾 CANN 生态标包独占约 34 亿元[26]——运营商已经把「会不会用昇腾」直接写进标书。美国市场同样验证了这个逻辑：让「非 NVIDIA 芯片好用」的 Modular 估值 16 亿美元[54]，靠训练服务起家的 MosaicML 以 13 亿美元卖给 Databricks[39]，靠驻场专家交付企业 AI 的 Palantir 2026 年二季度收入同比增长 93%、市值超 4,000 亿美元[56]。

公司靠不靠谱？团队技术履历是这份 BP 最硬的部分：万卡级国产集群训练、MFU（算力利用率）50%+ 的数据可验证性强，训练侧确实是国内竞对（硅基流动、无问芯穹、基流科技）集体薄弱的环节。但要冷静看到：营收预测激进（12 个月从 0 到 2 亿元）、估值要价高（成立 3 个月即要 10 亿元估值）、Agent 化交付目前仍是构想、且「服务过大客户的履历」不等于「公司已签的合同」。这些风险不改变机会本身，但决定了落地方式：必须自带订单与算力资源、快速做出流水（见第五章）。

怎么落地？本版报告按两条独立业务线展开（第四、五章）：A 线 · 训练优化服务——首战二梯队大模型民营企业：算力成本是它们的生死线、技术决策快（30–60 天）、案例可公开传播，做出标杆后再携背书进央国企；B 线 · 算力盘活 + Token 售卖平台——以保底消纳承诺换取西部闲置国产算力的长约底价（910B 西部批发行情已低至约 3,000 元/P/月[84]），用自有优化能力提升单位硬件的 Token 产出，再以七折于市场的价格锁定平台客户的包量订单（首个锚定客户亿元级订单意向已在手）。两端都是合同价，利润空间完全由优化能力决定——行业测算显示，同一套硬件，优化前后的单位 Token 成本可以相差 10 倍以上，这正是「暴利与巨亏的分界线」（见 4.3 经济模型）。

一句话结论

赛道真实、时点正确、团队稀缺（含昇腾芯片架构师，见 2.3）；这门生意的全部利润 = 利用率与单位 Token 成本的优化空间，恰好是团队最硬的能力。落地关键只有一件事：在技术团队静默期内把两端合同砸实——供给端锁底价（只要 910B 级及以上的卡）、需求端锁订单，团队出关即开工；同时守住合规红线：任何投资行为与算力采购必须相互独立、市场化定价、经得起审计。

SECTION 01BP 深度梳理：Amorphoux 到底做什么

本章严格基于 BP v2.0.5 原文归纳，并在末尾给出独立的冷静评估。

1.1 定位与要解决的问题

BP 的自我定位是「算力 × Agentic Infra × 算力使能基模 × 算力使能智能体」，口号为「Born for AGI. AGI Resource for Every Organization & EveryOne」。它瞄准的是一个供需错配：需求端，AI 应用全面爆发、日均 Token 调用超百万亿，但应用构建大量依赖英伟达芯片——BP 引用 IDC 数据，2025 年中国 AI 加速卡市场英伟达仍占 55%，华为昇腾 20%，其余国产合计约 25%；供给端，英伟达算力进入国内受限，国家力推超大规模智算集群，按相关规划 2026 年将落地 50+ 个万卡集群，3 万卡集群同比增长 233%，10 万卡集群实现从 0 到 1。BP 罗列了 2024 年 2 月至 2026 年 5 月的九项政策节点（国资委央企「AI+」专题推进会、国务院「人工智能+」行动意见、工信部算力标准体系与算力互联互通节点建设、发改委十五五规划与算网融合 34 号文等），论证「未来国产算力会像电力一样无处不在」。

矛盾在于 BP 那句核心判断：「纸面国产算力充沛，算力使能能力不足」。企业买得到国产卡、建得起集群，但跑不起来训练、压不出性能。BP 给出的需求例证包括：招商银行基于 GLM 做「小招」后训练（千卡）、中石油/中石化基于「九天」做石油数据二次训练（千卡）、南网/国网的电网调度潮流计算（千卡）、运营商基模训练（万卡）、蚂蚁的 AI Coding 推理部署（万卡）、银联与交通银行的 GLM 推理部署（百卡）——并断言「企业愿意提供数千万元/年进行训练推理业务」。

1.2 核心洞察：使能 = 开发者 × Infra

BP 把「为什么国产算力用不起来」拆成两个因子相乘：要么开发者够强，要么 Infra 足够好用——目前两头都缺。开发者侧：具备大规模集群实战经验的人才集中在芯片原厂（华为）和头部互联网公司（字节、美团等），薪资高、腰部企业供不起；知识链路纵深（硬件计算—互联—显存—算子—AI 框架—分布式），专家成长周期以年计；且「人力组织不具备 Scaling Law」——堆人不能线性堆出产出。Infra 侧：PyTorch 社区以 CUDA 为一等公民，大量存量代码耦合 NV 后端，模型脚本从 NV 迁到国产常无法运行；Triton 算子因芯片缓存、通信粒度、带宽差异无法直接运行到国产 NPU；多流算子下发顺序导致累计精度误差，同参数配置拿不到一致训练效果；单算子性能从 NV 迁到 NPU 需要以周为单位调优。这一页是全份 BP 技术含金量最高的部分，也与你听到的「适配国产卡困难、利用率很低」完全一致。

1.3 竞争卡位：业界聚焦推理，训练是空位

BP 的竞争论点是：「推理决定商业化下限，训练决定上限」，而业界集体「缺席」训练——基流科技是算力硬件集群「建筑商」，上层使能不涉及；硅基流动基于 OneFlow 技术班底做自研推理引擎和 Token 工厂，专营推理；无问芯穹主要营收以推理服务为主，训练主打异构算力混合（BP 认为是伪需求）暂无成果。训练之所以门槛高，是因为完整流程（环境准备→精度调试→性能调优→训练负载检测→故障回滚→产出 ckpt）中，精度一致性调试就卡死大部分国产卡训练工作，性能调优涉及编译、分布式、图融合等专业领域，需要超大规模集群实操经验，学习曲线陡峭。第二章会用三家公司的招股书和融资数据独立核实这个论点——结论是基本成立，但「训练市场不存在竞争」的说法有夸大。

1.4 产品形态：三层结构

① Agentic Infra（底座）

围绕国产基础软件构建低成本、高拓展的 Agentic Infra：训推一致、资源部署（共集群/分离集群/混合弹性）、异步 RollOut、空闲资源回收、Multi-Agent 编排、确定性计算——解决训练、推理、强化学习的易用性瓶颈。

② 算力使能基模

基于自研 Infra 训练一个「算力使能基础模型」：能力覆盖训推全流程、多基础工具 RL、多硬件后端、自然语言调用——即把专家经验蒸馏成模型。

③ 算力使能智能体（Agent Swarm）

任务流编排、模型路由、行业工具组合进化，打通任务规划—工具调用—多 Agent 协同—结果验证链路，目标是复杂交付任务「可控、可靠、可规模化」。BP 内附 Demo：Claude Code 在昇腾 910A 上部署推理服务失败（缺融合算子），其自研智能体凭内置领域知识完成融合算子实现并部署成功。

交付分两档：头部客户用「Infra 专家 + Agent 协作」交付——客户已有自建集群的，提供算力使能服务帮客户用好集群；没有集群的，联合算力建筑方共建或做算力租赁；中长尾客户走 Agent 订阅，客户自行部署、数据闭环反哺能力构建。行业使能层面则与顶尖科学家和链主企业共建：工业仿真、材料设计、世界模型。

1.5 商业模式：三条收入线 + 双飞轮

收入线BP 定位内容商业属性
① 标准化算力分发基础盘现金流基于高性能推理 Infra，将低价国产算力转换为有效 Token：算力租赁、开源模型部署、Token 调用标准化、走量、低毛利（对标硅基流动）
② 高溢价 AI 训练服务核心利润源面向行业大客户提供 SFT/后训练能力，项目制长协收费，产出模型的推理平台独家代理权项目制、高客单、强技术黏性
③ 智能体订阅能力验证 + 数据飞轮中长尾客户订阅算力使能智能体，提高企业「利润人效比」可规模化的 recurring revenue

BP 把整体模式称为算力使能领域的「鸿蒙智行模式」：M（应用端行业大客户：运营商的星辰/九天、南网/中石油/招行、AI4S 的深度原理/深势科技、世界模型的智元/宇树）× 1（Amorphoux 居中连接）× N（算力端：昇腾、曙光/海光、摩尔、沐曦），与大模型厂商的分工是「厂商出训练算法、Amorphoux 出 Infra 能力」。成本结构为算力采购成本 + 专家人力成本（Agent 化后递减）。双飞轮：真实任务越多→轨迹数据越多→Agent 越强→能承接更复杂的专业工作；行业侧则不断蒸馏生物医药、材料、电磁/流体仿真、能源等领域知识。

1.6 团队证据：这份 BP 最硬的一页

BP 声称核心团队「万卡训练 Infra 能力国内 TOP」，列出的国产全栈实绩（客户/模型/卡数/MFU）如下：

客户模型集群规模 / 芯片代际MFU
中国移动九天1.8 万卡 / A250%+
中国电信星辰1 万卡 / A250%+
字节跳动M 系列 / Seedance1 万卡 / A2；1.5 千卡35.6% / 42.1%
美团龙猫10 万卡 / A233.4%
终端厂商小艺1 万卡 / A334.7%
鹏城国家实验室脑海4 千卡 / A130%+

注：A1/A2/A3 为昇腾芯片代际的行业俗称（约对应 910A/910B/910C 世代）。MFU（Model FLOPs Utilization）为训练时实际有效算力占芯片理论峰值的比例，是衡量「集群会不会用」的硬指标；国产卡万卡集群 MFU 突破 50% 属于业内顶尖水平（作为参照，Meta 公开的 Llama 3 在 H100 上的 MFU 约 38–43%[63]）。

其他背书性成果：与智谱合作的 GLM-Image——国产芯片全流程训练的开源图像生成模型，登顶 HuggingFace Trending，MFU 超 35%，依托自研 HyperParallel（千卡/万卡规模线性度 90%+）与 AKG 图算融合（降低 20–40% 显存带宽开销）；与昌平国家实验室高毅勤团队的 MEGA-Protein 蛋白质结构预测（世界级榜单第一，基于昇腾 910A 集群，谢晓亮院士公开背书）；与南方电网饶宏院士团队的「驭电」AI 仿真器（潮流计算效率千倍提升，获 2024 年 WAIC SAIL 奖、央企十大国之重器）；与中科大江俊团队的灵境造物智能科学家平台、与商飞吴光辉院士团队的御风·智翼工业气动设计平台。

1.7 融资计划与财务目标

¥1 亿
0–3 个月融资 @ 估值 10 亿
产品原型开发 · 营收目标 1,000 万
¥3 亿
3–6 个月融资 @ 估值 30 亿
商业化验证 · 营收目标 1 亿
¥5 亿
6–12 个月融资 @ 估值 50 亿
规模化复制 · 营收目标 2 亿

路线描述为「产品可用—客户付费—行业复制」，12 个月内完成三轮共 9 亿元融资、估值增至 50 亿元、营收从 0 做到 2 亿元。

SECTION 02行业背景：国产算力的「使能缺口」

用独立检索的公开数据核实 BP 的行业判断：算力过剩与使能不足并存，是这门生意的地基。

2.1 大盘：算力建设狂奔，政策持续加码

截至 2026 年 3 月，全国智能算力总规模达 1,882 EFLOPS，在用算力中心标准机架超 1,445 万架；仅 2025 年一季度就新增 128 个智算项目、总投资超 4,300 亿元[17]。IDC 数据显示 2025 上半年中国 AI 服务器市场规模 160 亿美元、同比增长超一倍，全年约 259 亿美元，其中推理服务器占 67%、训练占 33%；IDC 预计 2029 年中国加速计算服务器市场将超 1,400 亿美元[20]。政策侧，「算电协同」首次写入 2025 年政府工作报告；工信部 2025 年印发《算力互联互通行动计划》[15]，要求 2026 年建立较完备的标准体系、2028 年基本建成「算力互联网」；国资委自 2024 年起持续推进央企「AI+」专项行动，2025 年 2 月深化部署会明确「三个更加突出」——应用领航、数据赋能、智算筑基，要求央企当好「国家智算基础设施的重要供给者」，并发布首批 16 行业 40 项高价值场景；2026 年世界人工智能大会期间又启动「国资央企智能软件工厂联合筑基工程」，首批 13 家央企参与[23][30]。

2.2 使能缺口：为什么「有卡」不等于「有算力」

<30%
国内智算中心 GPU 平均利用率（腾讯云、浪潮 AI 研究院口径，2026-07）[16]
36.8%
2025 年智算「用算占比」（信通院）——媒体概括为「万亿投资、七成空转」[16]
50+
2026 年规划落地的万卡集群数量（BP 引述行业规划）
40–60%
华为满产状态下昇腾对国内先进 AI 芯片年需求（100–150 万片）的覆盖率（第三方估算）[10]

市场呈剧烈分化：头部平台算力满负荷，大量中小智算中心在 20–30% 利用率线上挣扎、「卖卡求生」[18]。根因正是你所说的适配困难——业界共识的三大工程风险是 CUDA 生态迁移成本、国产卡算子覆盖缺口、多机训练稳定性。政府开始用真金白银补贴使用侧：多地发放「算力券」，如天津按合同金额 10% 补贴、单企业年上限 200 万元（天津工信局，2025-05）[19]，北京、上海、成都、贵州均有类似政策——这意味着你卖算力服务时，客户实付可以打九折甚至更低，这是销售工具箱里现成的杠杆。另一个预算锚点：华为、浪潮、新华三等的 DeepSeek/Qwen 预装一体机 2026 年标价区间约 80–300 万元/套[29]——央国企愿意为「开箱即用的国产 AI 算力」付的单价已经被市场验证。

2.3 国产芯片的瓶颈：使能难的物理根源

"利用率不足 30%"不是管理问题，而是从芯片硬件到软件栈层层累积的工程问题。要理解这门生意的价值，必须先看清国产卡（以昇腾为代表）到底"差在哪"——差距的每一层，都对应一项可以收费的手艺。

硬件层：单卡、互联、制程三重约束

指标昇腾 910B（2023）昇腾 910C（2025）NVIDIA H100
FP16/BF16 稠密算力约 280–414 TFLOPS（≈A100 级）约 750–800 TFLOPS（≈H100 的 80%）989 TFLOPS
HBM 显存 / 带宽64GB / 约 1.6–2.4TB/s128GB / 3.2TB/s80GB / 3.35TB/s
卡间互联（点对点）约 56GB/s（HCCS 全互联、无交换芯片）约 2.8Tbps/卡（光互联）900GB/s（NVLink+NVSwitch）
FP8 支持无无（滞后至少一代）有

数据为公开口径汇总，各来源存在差异，仅用于量级判断[69][80]。任正非 2025 年 6 月公开承认："中国单芯片仍落后美国一代，我们用数学补物理、非摩尔补摩尔、群计算补单芯片"[79]。

三个硬件事实决定了"使能"这门手艺的存在：其一，单卡与制程差距。910C 由两颗 910B 芯粒合封而成，采用中芯国际 7nm 级工艺，良率从 2024 年的约 20% 爬到 2025 年初的近 40%（H100 同级的行业常态是 60%）[71]；更深的产能瓶颈在 HBM 显存——国产 HBM 供应量决定了 910C 的实际出货上限[72]。其二，互联短板。910B 卡间点对点带宽约 56GB/s，只有 H100 NVLink（900GB/s）的十六分之一——而张量并行、专家并行恰恰要在卡间疯狂交换数据。这个洞只能靠两条路补：并行策略的精细编排（软件手艺），或华为的"超节点"路线——用 384 颗 910C 全光互联硬堆出超过 NVIDIA GB200 NVL72 的总算力，代价是约 3.9 倍的功耗和 6,912 个光模块带来的可靠性工程难题[69][70]（该路线推进很快：384 卡超节点已商用落地 750 多套，1024 卡超节点 2026 年已亮相[105]）。其三，FP8 缺失。DeepSeek 官方权重是 FP8 格式，在昇腾上必须转成 BF16 运行，640GB 的模型膨胀到约 1.3TB——同样的模型要占用双倍显存，这就是"纸面算力"与"有效算力"的差距的一个缩影。

架构层：达芬奇架构为什么"天生难移植"

昇腾采用达芬奇专用架构（DSA）：Cube 单元一拍完成 4,096 次乘加、专吃矩阵乘法，极强；Vector 单元负责其余一切碎片化计算，偏弱。大模型里恰恰充满了 LayerNorm、Softmax、RoPE 这类"不像矩阵乘"的向量计算——它们一多，Cube 的威力就发挥不出来。更麻烦的是微架构细节：910B 的 Cube 与 Vector 没有共享高速缓存，像 FlashAttention 这种矩阵—向量交替的核心算子，中间结果要在缓存间反复倒手，搬运开销显著[80]。与 CUDA 的编程模型（开发者只管线程逻辑）不同，昇腾的 Ascend C 要求手工做分块、显式管理多级片上内存、在 Cube/Vector 间编排流水——CUDA 算子无法"翻译"到昇腾，只能按硬件重写。这就是为什么"融合算子开发"是一门以周计价的手艺，而不是跑一个转换工具的事。

910A 旧卡专项：盘活存量算力前必须看清的坑

第一代 910A（2019）的问题是结构性的：不支持 BF16（而 2023 年后大模型训练与开源权重默认 BF16），显存仅 32GB，且主流软件栈已经抛弃它——vLLM 昇腾版和华为自家推理引擎 MindIE 均不再支持 910A[78]。而早期国家级智算项目恰恰大量采购了这代卡，它们构成今天闲置算力的重要部分。这条对本报告后文的算力盘活业务是硬约束：拿闲置算力前，第一件事是确认芯片代际——910B 及以上才有商业化盘活价值，910A 集群的优化投入产出比极差。

软件栈与实战证据：差距以年计，但可以被专业团队跨越

软件生态的差距可以量化：CUDA 开发者规模以百万计，CANN 官方算子约 1,400 个，社区月活与 PyTorch 相差一个数量级；torch_npu（PyTorch 昇腾适配层）存在算子缺失、驱动/固件/CANN/框架四层版本必须严格匹配的"版本地狱"；图引擎只有静态 shape 才能整图下沉执行，动态 shape 场景极易陷入 host 瓶颈。华为的应对是 2025 年 8 月把 CANN 全面开源、开放 260+ 高性能算子与编译器接口[77]——方向正确，但社区厚度的差距仍以年计。

两个实战案例把这层差距钉死在公开记录上。反面：DeepSeek R2。据 FT 等多家外媒 2025 年 8 月报道，DeepSeek 在监管鼓励下尝试用昇腾训练 R2，遭遇芯片不稳定、互联慢、软件不成熟三重问题，华为派驻整队工程师驻场仍未跑通一次完整训练，最终 R2 延期、训练切回 NVIDIA，昇腾只承担推理[73][74]——注意，910C 的纸面算力数倍于 DeepSeek 实际使用的 H20，失败的原因全在工程与软件栈。（后续进展同样值得记录：2026 年 DeepSeek V4 的部分训练环节已使用昇腾，被券商视为国产算力"从只能推理走向训练"的产业拐点信号[104]——差距在收敛，但每一步收敛都是顶级工程团队用人力灌出来的。）正面：科大讯飞。作为主流大模型中唯一坚持全国产算力全栈训练的厂商，讯飞与华为联合做算子融合与混合并行优化，把 910B 的训练效率从对标 A100 的 55% 提升到 85%[76]。一反一正说明同一件事：国产卡训练不是不可能，而是需要架构师级的专业团队把人力灌进去——清程极智对行业的判断一语中的："国产算力的核心瓶颈在工程生态而非单点芯片：多数国产芯片不是跑不了模型，而是达不到 CUDA 生态的工程效率。"

宏观数字随之就位：全国已投运智算中心约 150 个、在建规划约 400 个，但部分国产算力利用率不足 20%，国产芯片闲置率高达 70–80%，企业级通用算力中心利用率仅 10–15%[75]。归因按行业共识排序：生态与工具链不成熟、复合人才稀缺、旧卡占比高、供需地理错配。前两条正是专业使能团队的收费空间，第三条是做算力盘活时的避坑清单，第四条解释了为什么西部闲置算力需要被"接到"东部需求上。

为什么"团队里有昇腾芯片架构师"是决定性的一张牌

把国产卡用好需要四层能力叠加：微架构理解（Cube/Vector 配比、多级片上内存、互联拓扑的物理约束）、算子开发（按硬件重写融合算子）、并行与通信策略（用编排弥补点对点带宽劣势）、精度对齐（FP8→BF16 转换与数值稳定性）。前三层的天花板都取决于对芯片本身的理解深度——这正是"芯片架构师"与"资深算法工程师"的分界线。DeepSeek 案例还证明了另一件事：连原厂驻场的"特种部队"模式都不必然成功，且这种模式只能覆盖极少数头部客户、无法规模化——原厂覆盖不到的广大市场，就是具备架构师级纵深的独立专业团队的空间。

2.4 芯片格局：国产替代不可逆，昇腾是最大公约数

中国数据中心加速卡的国产份额从 2023 年 14% 升至 2025 年 34.6%，预计 2027 年超 55%[20][22]。英伟达线的反复强化了这一趋势：H20 于 2025 年 4 月被实质禁售，7 月短暂恢复但被网信办约谈「安全风险」、传出对美缴纳 15% 销售分成，需求遇冷后 2026 年初停产转推 B30 特供芯片，中国市场态度冷淡[21][22]。国产侧全面爆发：瑞穗证券估算昇腾 910 系列 2025 年出货超 70 万颗、2026 年计划约 160 万颗[10]；寒武纪 2025 年营收 64.97 亿元（+453%）、上市以来首次年度盈利，流通市值一度超 5,000 亿元[11]；海光 2025 上半年营收 54.64 亿元（+45%）[12]；摩尔线程 2025 年 12 月登陆科创板（募资 80 亿元，「国产 GPU 第一股」）、8 个月后再启港股[14]；沐曦同月上市首日暴涨 693%[13]。对销售的含义：每一张卖出去的国产卡，都是 Amorphoux 潜在的服务对象——芯片厂商的出货量就是使能服务的市场上限，而这个上限正以每年翻倍的速度扩大。

2.5 国内玩家解剖：招股书戳破的真相

2026 年恰逢赛道两家头部公司递表港交所，招股书第一次让外界看清了这门生意的真实毛利结构——这是检验 BP 商业模式设计的最好证据。

公司定位关键数据（2026-08 检索）训练能力对 Amorphoux 的意义
硅基流动推理 MaaS「Token 工厂」估值 77.4 亿元（B+ 轮），2026-06 完成超 20 亿元 B 轮，2026-07 递表港交所；2025 营收 5,533 万元（+653%）、净亏损 3.45 亿元；注册用户超 1,000 万、企业客户 1.3 万家、日均 Token 5,785 亿；股东含华为哈勃、阿里、美团弱证明推理分发能起量但巨亏；其昇腾合作（率先上线昇腾版满血 DeepSeek）说明昇腾生态卡位有先例
无问芯穹多元异构算力调度累计融资超 22 亿元、近 50 家机构；纳管 26 城 25,000P 算力，占上海已投产国产算力 38%；Agentic MaaS 日均 Token 调用一年增 20 倍少量（RLinf）BP 所述「训练弱、昇腾深度不足」与公开信息相符，但它并非完全缺席训练
基流科技集群建设与运营「建筑商」11 轮融资 22.02 亿元，投后估值 91.6 亿元，2026 年递表港交所；营收 2023 年 3,180 万→2025 年 5.2 亿元；毛利率仅 21.8%（集群产品 16.8%、运营服务 47.7%）；运维 GPU 超 9 万张、SLA 99.97%弱硬件集成是低毛利苦生意；其「运营服务毛利 47.7%」反证软件与服务才有利润
清程极智国产算力系统软件翟季冬（清华）团队；「八卦炉」训练软件栈、「赤兔」推理引擎（开源）、AI Ping 评测平台；2025 年 7 月完成过亿元新一轮融资有（训练软件栈）BP「训练市场不存在竞争」的最大反例——体量尚小，但方向重合，销售中会正面遭遇

数据来源：参考文献 [1][2][3][4][5][6][7]。

硅基流动分业务毛利率：公有云 MaaS 每收 1 元，最多倒贴 2.72 元
来源：硅基流动港交所招股书（新浪财经解读，2026-07）[1][81]；正值向右（蓝），负值向左（红）
2023 年整体
+83.3%
2025 本地部署方案
+82.5%↑
2025 年整体
−24%
2025 公有云 MaaS
−119%
2024 公有云 MaaS
−271.6%
毛利率为正毛利率为负注：本地部署方案毛利率区间 82.5%–92.4%，图中取下限

这张图是全报告最重要的一张图：公开市场卖 Token 的毛利率是 −119%（上一年甚至是 −271.6%），私有化部署的毛利率是 82.5%–92.4%。同一家公司、同一套技术，商业模式不同，毛利天壤之别。它验证了两件事：把「标准化算力分发」仅当现金流而非利润源是清醒的；利润要么押在私有化训练服务上，要么押在两端锁价的闭环结构上（见 4.3）。

招股书还揭开了这门生意的引擎盖，每一条都值得记住[81][82]：硅基流动的算力全部租赁、不自持，算力资源成本占销售成本的 86.9%——它本质是"批发算力、零售 Token"的中间商，而两头价格都不由它定；serverless 付费客户从 2,455 家暴增至 71.6 万家，对应收入却只有约 1,430 万元，户均年消费约 20 元——散客流量再大也撑不起收入，真正的钱在 49 家专属实例客户和 20 家本地部署客户（单客户均值 130 万元）手里；更微妙的是，华为同时是它的第二大客户（12.8%）和第五大供应商——生态卡位的价值与依赖的风险一体两面。招股书自陈的亏损主因："新增租赁算力利用率处于爬坡期、固定成本分摊高"——一句话点破：租来的算力跑不满，就是烧钱机器。基流科技的招股书则暴露了硬件集成生意的另一面[83]：贸易应收周转天数从 3.2 天恶化到 64.1 天，2025 年应收账款到递表时仅收回 8.6%——做央国企与大客户生意，回款周期是必须写进现金流预案的变量。

第二梯队还有潞晨科技（Colossal-AI 团队，2024 年营收约 7,700 万元、付费客户 2,476 家[9]）、行云集成电路（15 万元级「褐蚁」推理一体机）、中科加禾（已被智谱收购）等——它们的存在说明这一层的人才供给虽稀缺，但并非只有一家在跑。

行业变局信号：整合已经开始

2026 年 7 月，智谱收购算力软件公司中科加禾（编译技术/异构推理引擎），消息带动智谱股价单日大涨超 36%[8]——大模型厂商开始垂直整合「算力使能层」。这对 Amorphoux 是双刃剑：证明这层能力值钱（利好估值与被收购退出），也意味着窗口期有限、大厂随时可能下场自建或收购同类团队。

SECTION 03美国成熟公司模式对标

美国市场比中国早跑两年，把每种商业模式都用真金白银试了一遍。本章按「层」拆解谁活了、谁死了、为什么——每一条都对应 Amorphoux 的一个决策。

3.1 全景：AI 算力产业的五层分工

层代表公司（最新估值/市值）商业本质对应 Amorphoux
GPU 云（Neocloud）CoreWeave（市值约 590 亿美元）、Nebius（上市）、Lambda（约 59–90 亿美元）、Crusoe（洽谈约 300 亿美元 pre-IPO）重资产持有算力，靠多年期长约出租「算力自建/联合承建」选项
训练/后训练服务MosaicML（13 亿美元卖给 Databricks）、Thinking Machines（120 亿美元）、Prime Intellect帮客户在其数据上训模型，按项目/算力收费核心利润线「高溢价训练服务」
推理 MaaSFireworks（175 亿美元）、Baseten（130 亿美元）、Together（83 亿美元）托管开源模型按 Token/GPU 时长收费现金流线「标准化算力分发」
硬件使能软件Modular（16 亿美元）；芯片+云一体：Cerebras（市值约 500 亿美元）、SambaNova（110 亿美元）、Groq（35 亿美元）让非 NVIDIA 硬件好用 / 自建芯片卖算力底座「Agentic Infra + 使能基模」
企业交付（FDE）Palantir（市值约 4,172 亿美元）、OpenAI DeployCo、Anthropic Ode、Scale AI（290 亿美元）驻场工程师把 AI 做进客户业务，换多年期订阅「专家 + Agent 协作交付」模式
美国对标公司估值/市值一览（亿美元，2026 年 8 月口径）
上市公司取市值（约数），未上市取最近一轮投后估值；仅用于量级对比
CoreWeave
≈590
Cerebras
≈510
Fireworks
175
Baseten
130
SambaNova
110
Together AI
83
Lambda
≈60
Groq
35
Modular
16
上市公司市值一级市场估值

来源：上市公司市值为 2026 年 8 月中旬约数（Macrotrends / Motley Fool）；一级市场估值见附录参考文献 [41][42][44][45][50][54] 及 Forge（Lambda 二级市场报价）。

3.2 GPU 云：CoreWeave 教科书——先签长约，再建算力

$1,042 亿
收入储备 backlog（2026 年 6 月底，同比 +246%）[31][32]
96%
收入来自多年期 take-or-pay 合同（用不用都付费）[62]
4 年
加权平均合同期；原则是「没有长约不买卡不建站」
$124–132 亿
2026 全年收入指引（2025 年实际 51.3 亿，+168%）

CoreWeave 2025 年 3 月 IPO 时不被看好（发行规模缩水、定价低于区间），2026 年 8 月市值已约 590 亿美元。它的模式内核有三条：第一，锚定客户长约先行——Microsoft 一度占其收入 62–67%，OpenAI 累计签约约 224 亿美元[33][34]，Meta 累计约 350 亿美元[35]，2026 年 4 月签下 Anthropic 后已覆盖前十大 AI 实验室中的九家；每个 GPU 集群实质上「预售完毕再投资」。第二，把合同变成融资工具——开创以 GPU 资产 + 客户合同现金流为抵押的贷款模式，2026 年单笔 85 亿美元贷款拿到投资级评级[31]，全年债股融资超 200 亿美元；NVIDIA 还提供 63 亿美元的容量兜底（卖不掉的算力 NVIDIA 承诺回购至 2032 年）。第三，向上吞开发工具层——2025 年连续收购 Weights & Biases（17 亿美元）、OpenPipe（RL 训练平台）、Marimo 等，从裸算力升级为端到端 AI 开发平台。同赛道印证：Nebius 靠 Microsoft 至少 174 亿美元（可扩展至 194 亿）[36]、Meta 累计至多约 270 亿美元长约[37]，2026 年收入指引 30–34 亿美元；Lambda 与 Microsoft 签下数十亿美元协议后筹备 IPO[38]；Crusoe 以「能源优先」路线承建 OpenAI Stargate 旗舰园区（1.2GW，15 年租约），估值 10 个月从 100 亿冲向约 300 亿美元[62]。

还有一个容易被忽略的细节对定价谈判极有价值：Nebius 早期给 Microsoft/Meta 的合同约合每兆瓦每年 1,160 万美元，而 2026 年新签合同已达 2,000–2,500 万美元（财报电话会与第三方分析口径）——早期锚定客户拿走了最低价，但换来了公司的生存权和融资能力。

启示 → Amorphoux 的「算力自建/租赁」选项

重资产路线的唯一正确姿势是「先锁客户长约、再建算力」，且长约本身就是融资抵押品。对销售的直接映射：面向央国企谈算力使能服务时，把合同结构往「多年期、预留制、最低消费承诺」的方向谈——这不仅锁定收入，还直接改善公司融资叙事，是你作为代理给公司创造的超额价值。

3.3 训练服务的兴衰：MosaicML 的 13 亿美元与独立玩家的集体退场

MosaicML 是与 Amorphoux「高溢价训练服务」最接近的先例：卖点是「数小时/数千美元而非数月/数百万美元训练大模型」，客户用自有数据做预训练或在其 MPT 系列开源模型上微调，按算力时长计费。2023 年 6 月被 Databricks 以 13 亿美元收购时年化收入仅约 2,000 万美元[39][40]——约 65 倍收入倍数，Databricks 买的不是收入，而是「让每个企业在自己数据上训自有模型」的能力和稀缺研究团队。收购后整合为 Mosaic AI，2026 年 6 月 Databricks 的 AI 产品线年化收入已达 17 亿美元，公司整体年化超 70 亿美元、最新估值 1,900 亿美元（Databricks 公司披露及媒体报道，2026）。

但更值得研究的是为什么独立训练服务公司几乎全军覆没。2023–2025 年的整合潮里：Deci 和 OctoAI 分别以约 3 亿、2.5 亿美元卖给 NVIDIA，Run:ai 约 7 亿美元卖给 NVIDIA，Predibase 卖给 Rubrik，OpenPipe 和 Weights & Biases 卖给 CoreWeave。复盘下来死因有三：① 企业自训/微调需求小于预期——多数场景被前沿模型 API + 提示工程 + RAG 满足；② 开放权重模型（Llama/DeepSeek/Qwen）质量快速提升，预训练需求集中到极少数大实验室，它们要么自建要么直签 GPU 云；③ 训练平台无算力、无数据、无分发护城河，毛利被 GPU 成本压死，最优出路是卖给有分发的公司。2025–2026 年，训练服务以「后训练/RL」形态重生：Mira Murati 的 Thinking Machines 以 20 亿美元种子轮（投后 120 亿）推出托管微调 API「Tinker」，Prime Intellect 靠 RL 环境社区拿下 1.3 亿美元 A 轮——新共识是买家愿意付溢价的是环境、评估与数据，而不是裸算力。编排层的结局也印证同一逻辑：Ray 是事实标准的开源训练/推理编排框架，其商业公司 Anyscale 独立经营五年，最终于 2026 年 7 月以约 16.5 亿美元卖给英国 neocloud 公司 Nscale[55]——卖工具，不如卖工具跑出来的结果。

启示 → 中国市场的关键不同

美国训练服务死于「客户可以不训」——用 API 和 RAG 就够了。中国的央国企不能不训：数据不能出域、模型必须国产化部署、芯片被政策锁定为国产卡——「NV→昇腾迁移 + 域内训练」是刚性付费场景，这是美国市场不存在的结构性变量。所以 MosaicML 的教训不是「别做训练服务」，而是：训练服务作为独立生意估值有限，必须像 Amorphoux BP 设计的那样，把训练做成入口，向订阅（Agent）和分发（推理）延伸——同时保持被收购（芯片厂、大模型厂、云厂）作为退出选项的价值。

3.4 推理 MaaS：美国的盛宴与中国的价格战

美国推理层估值一路狂飙：Fireworks AI 年化收入破 10 亿美元（员工仅约 200 人，人均年化 500 万美元），2026 年 7 月 D 轮估值 175 亿美元[42][43]，9 个月涨 4 倍；Baseten 18 个月估值从 21.5 亿涨到 130 亿美元[44]；Together AI 年化收入超 10 亿美元、估值 83 亿美元[41][62]。它们赚钱的前提是自研推理引擎带来的成本优势 + 美国市场健康的 Token 定价。而中国同层的硅基流动公有云 MaaS 毛利率是 −119%[1]——DeepSeek 们把开源模型 API 价格打到地板，独立平台每卖一元亏一元。这个对照再次确认：Amorphoux 的「标准化算力分发」线只能作为获客与现金流工具，绝不能在公开市场作为利润指望——除非像 4.3 节那样把两端价格用合同锁死，让利润只取决于自家优化能力。

3.5 硬件使能层：Modular 的镜子与三家芯片公司的教训

Modular 是 Amorphoux 技术定位最直接的镜子：Swift 之父 Chris Lattner 创办，做跨芯片统一计算层（MAX/Mojo），让 AMD 等非 NVIDIA 硬件跑出可比性能（宣称对 AMD MI300 系列较开源栈提升最多 53%），2025 年 9 月 C 轮 2.5 亿美元、估值 16 亿美元[53][54]。它的商业化设计值得抄两点：open-core 分层（社区版免费、云版/企业版收费），以及每个付费层级都配 forward-deployed engineer 驻场协助迁移调优——即「软件 + 驻场专家」打包卖。但也要看到它的局限：成立四年仍未披露收入，说明纯卖使能软件变现很慢；Amorphoux「软件能力 + 算力转售 + 训练服务」的打包方式更贴近中国买家「为结果付费」的习惯，反而更容易开票。

三家「自建芯片 + 卖算力」的公司则集体给出反面教材：Groq 拿了沙特 15 亿美元采购承诺，仍把 2025 年收入预期从 20 亿美元下调到约 5 亿，最终以约 200 亿美元把技术许可卖给 NVIDIA、创始团队被挖走，公司转型运营 NVIDIA GPU 的云、估值从 69 亿腰斩至 35 亿美元[45][46]；Cerebras 曾因单一客户 G42 占收入 87% 而 IPO 搁浅，直到换锚 OpenAI（累计超 200 亿美元、750MW 长约）才在 2026 年 5 月完成美股近年最大科技 IPO[47][48][49]；SambaNova 裁员放弃训练业务、险些以 16 亿美元卖给 Intel，靠转向金融业私有化推理部署（JPMorgan 本地部署）才翻身到 110 亿美元估值[50][51][52]。三个故事一个道理：硬科技公司的生死不取决于技术，取决于有没有锚定客户的长约，以及必要时把客户结构换血的能力。

3.6 企业交付：Palantir FDE——高触达销售的黄金标准

Palantir 2026 年二季度收入 19.4 亿美元、同比 +93%，调整后经营利润率 62%，市值约 4,172 亿美元[56]——它是地球上把「驻场工程师卖企业软件」跑到极致的公司，其 GTM（go-to-market）机制值得逐条拆给 Amorphoux 用：

这套模式 2025–2026 年被硅谷集体抄袭：OpenAI 把 FDE 团队从 2 人扩到 52 人后，干脆成立独立交付公司 DeployCo（获 19 家机构逾 40 亿美元支持，与麦肯锡、贝恩合作）[58]；Anthropic 与 Blackstone 等合资成立 15 亿美元的实施公司 Ode[59]；Deloitte、Accenture 均设立 FDE practice。基础模型巨头们用行动投票：「实施/定制交付」被认为是下一个万亿美元品类。Amorphoux 的「Infra 专家 + Agent 协作交付」本质就是 FDE 模式的 Agent 增强版——方向与全球最强共识一致。

反面教材是 Scale AI：数据标注 + RLHF 服务做到 290 亿美元估值，2025 年 6 月 Meta 以 143 亿美元入股 49%、创始人带队加入 Meta[60][61]——一周内 OpenAI 宣布终止合作，Google（年贡献约 1.5 亿美元）、xAI 相继撤单，公司随即裁员 14%、转向政府订单求生。教训只有一个词：中立性。服务型 AI 公司的中立性是资产负债表外最值钱的资产，股权站队即客户出逃。Amorphoux 与智谱（GLM-Image 合作）、华为昇腾深度绑定，销售话术上必须保持「多模型、多芯片」的中立姿态，避免被客户视为某一家的附庸。

3.7 美国经验十条速查

#美国事实对 Amorphoux / 对你销售工作的映射
1CoreWeave 96% 收入来自 take-or-pay 长约，先签约后建站合同尽量谈成多年期预留制 + 最低消费承诺
2长约合同本身是融资抵押品（85 亿美元投资级贷款）每签一个央国企长约都在帮公司融资，销售价值翻倍
3Nebius 早期锚定客户拿最低价，换生存权第一个灯塔客户可以让利，但要拿够背书权益（案例、联合发布）
4MosaicML 以 65 倍收入卖出——买方买能力不买收入公司融资/退出叙事成立；早期营收规模不必苛求，但要有标杆合同
5独立训练服务死于「客户可以不训」中国央国企「不能不训」（数据出域限制 + 国产化令），主攻这批客户
6后训练/RL 的溢价在环境、评估与数据，不在裸算力报价按「交付的模型能力」计价，不按人天/卡时计价
7推理 MaaS 中国版毛利 −119%公开市场散卖 Token 必亏；Token 平台必须两端锁价（低价采购长约＋包量订单），赚利用率的钱（见 4.3）
8Modular 用「软件 + FDE 驻场」打包收费Amorphoux 的订阅 SKU 应捆绑驻场服务包提高客单
9Palantir 三阶段：自费试点→扩展→3–5 年订阅央国企版本：低价 PoC（借算力券）→项目制→框架长协
10Scale AI 因中立性崩塌一夜失血对客户强调多芯片、多模型中立；公司股权结构避免站队单一生态

SECTION 04销售路径设计：两条业务线，分开打、互为背书

训练优化服务与算力盘活+Token 供给是两门独立的生意：客户不同、节奏不同、账要分开算——但共享同一个技术底座，互相提供弹药。

4.1 总览：为什么拆成两条线

业务线卖什么客户收入形态节奏
A · 训练优化服务MFU 提升、精度对齐、预训练/SFT/RL 全流程交付二梯队大模型民企（首战）→ 央国企行业模型（第二阶段）项目制，数百万–千万级/单快：民企决策周期 30–60 天
B · 算力盘活 + Token 售卖平台优化后的推理算力与 Token 供给首个平台客户（亿元级订单意向已在手）+ 后续园区平台与 AI 企业采购长约 + 销售长约，按量结算，持续现金流中：供给端谈判与集群改造需 1–3 个月

两条线的分工：A 线证明技术、赚高毛利、出可传播的标杆；B 线把同一套优化能力变成持续现金流。账必须分开算——B 线两端都是长约、带轻资产运营属性，混在一起会拉低 A 线的项目毛利叙事，也让 B 线的资金占用变得模糊。对外讲述时同样分开：对训练客户只讲 A，对算力与 Token 客户只讲 B。

4.2 业务线 A：训练优化服务——二梯队大模型民企是最佳首战

为什么把民企排在央国企前面（对原思路的顺序反转）：①周期——民企 CTO 拍板 30–60 天，央国企招投标 6–12 个月且要赶预算窗口；②痛点烈度——二梯队大模型公司（有模型、有融资压力、算力预算紧张的那批）的算力成本是生死线，对"同样的卡多出三分之二有效算力"这种命题极度敏感，而央国企的预算痛感钝得多；③案例可传播性——民企案例可以联合发布、公开传播，央国企项目常涉密只能匿名；④背书链条——一个头部民企标杆对后续所有销售是最强弹药，"连以算力效率为生命线的大模型公司都在用"，这句话在央国企客户面前比任何资质都硬。

打法就是压缩版四级火箭：技术对技术开场（对方是 Infra 团队，不走关系路线），效能体检 1–2 周当场出数据 → 训练优化项目（按结果验收计价）→ 年度效能框架。民企的技术团队会提尖锐问题，这反而是优势——体检数据当场可验，是无法造假的销售语言。标杆到手后的复制动作：联合技术发布/白皮书 → 携标杆进央国企，按第 4.4 节的采购机制走第二阶段。

4.3 业务线 B：算力盘活 + Token 售卖平台

这条线的本质是：用技术能力把"闲置的低价算力"和"确定的 Token 需求"焊接起来，两端锁价，中间的利润完全由优化能力决定。三端结构如下：

供给端 · 闲置国产算力

西部（如新疆）智算中心存在大量无流水的闲置国产卡——国产芯片闲置率高达 70–80%[75]，持有方的核心诉求是消纳与流水。谈判基础极好：以保底消纳承诺换取七折以下的长约底价，叠加地方算力补贴；商务形态以「包站」（整租+保底）为优。硬前提：芯片代际必须 910B 级及以上（910A 无商业化盘活价值，见 2.3）。

技术端 · 推理效能优化

同一套优化能力作用于推理侧：引擎适配与算子补齐、量化压缩、调度与批处理优化——同样的硬件产出更多有效 Token。这是全链条唯一的利润来源，也是与"算力倒卖"的本质区别。

需求端 · 锁定的 Token 订单

首个锚定客户已在手：一家高校系产业创新平台，园区内聚集大量 AI 创业公司，有持续的推理与 Token 消耗，订单意向亿元级——以七折于市场的价格供给高质量 Token 服务并承接补贴，换取长约与量的承诺。后续向同类园区平台与中小 AI 企业复制。

经济模型：为什么两端锁价 + 利用率 = 结构性利润

先看反面教材的完整解剖。硅基流动招股书披露：它的算力全部租赁、不自持，算力资源成本占销售成本的 86.9%；公有云 MaaS 毛利率 2024 年 −271.6%、2025 年 −119%[1][81]；serverless 付费客户暴增到 71.6 万家，但对应收入仅约 1,430 万元——户均年消费约 20 元[82]。招股书自己给出的亏损主因是：新增租赁算力处于利用率爬坡期、固定成本分摊过高——采购端按固定租金付费、销售端暴露在 DeepSeek 们发起的价格战里（国内大模型 API 均价较 2023 年累计下降超 90%），两头挨打。

利用率对盈亏的杠杆有多大，行业测算给出了刻度：一个千卡级智算集群投入约 3.5 亿元、年运营成本约 5,000 万元，出租率 20% 时年营收约 2,300 万元——连一半运营成本都覆盖不了；出租率 60% 仍需 7 年以上回本[93]。券商口径：东部上架率 80% 以上的智算中心毛利率可达 50%，中西部上架率不足 50% 的毛利率为负。更极端的证据来自推理吞吐：同样的 DeepSeek 模型，官方与 SGLang 团队优化后的集群可以做到约 0.2–0.5 美元/百万输出 token 的成本（官方口径理论成本利润率 545%）[91][92]，而按未优化部署的吞吐假设测算则是"月亏 4 亿"——吞吐假设相差 10–15 倍，同一门生意就是暴利与巨亏两个平行世界。这正是"利润空间完全由优化能力决定"这句话的数字注脚（正面样本：智谱靠自有推理优化把 MaaS 毛利率从 3.3% 提升到 18.9%[95]）。

再看两端锁价的可行性，市场行情已经给出谈判空间：采购端，昇腾 910B 零售包月约 1.08–1.26 万元/卡，而机构批发已低至约 5,250 元/卡/月（中科院自动化所 2025 年招标限价），西部批发行情约 3,000 元/P/月、低价抢单报到 2,800–2,900 元[84][85]（英伟达系对照：H200 八卡机构合同价约 7.49 万元/台/月、A800 约 2.55 万元/台/月[86]，国内 H100 时租两年内下跌超六成后 2026 年又反弹三成[94]）——闲置站点为了流水，价格弹性极大；成熟的「包站」商务结构现成可抄：3–5 年 take-or-pay 闭口长约、"3+2"（三年闭口+两年敞口）、"保底费用 + Token 超额分成"[87][88]，叠加西部 0.3–0.6 元/度的电价优势与各地算力券（杭州补贴上限 30%、北京经开区国产算力抵扣 40%、上海初创企业最高 100%）[89]。销售端，高校与园区平台对算力服务的采购力已被公开验证——头部高校产教融合智算平台单笔中标即达 4.79 亿元（1,024 张 910B）[90]。

结论：这个模式与硅基流动的本质区别在于两端都是合同价——采购端以保底消纳换长约底价，销售端以七折让利换订单锁量，剩下唯一的变量是单位硬件产出多少有效 Token，而这恰恰由自有技术决定。这是把技术壁垒直接铸进价差里的结构。地方国资（浙江等地）也在下场做算力租赁，但纯租赁没有壁垒；壁垒在利用率与单位 Token 成本，这一层只有顶尖 Infra 团队做得了。

4.4 券商视角：这门生意刚刚被行业命名

2026 年上半年的券商研报（本节引用均来自研报库原文，出处标注为券商与报告名）为这两条业务线提供了独立的第三方定价依据。最锋利的一个数字来自英伟达官方测算：同一张 H100，按小时出租的年收入约 1.84 万美元，按 Token 即服务（TaaS）模式变现的年收入约 15.77 万美元——相差 8.5 倍（B200 更达 31.54 万美元）[101]。从"按时出租"到"按产出变现"之间的全部差额，就是调度、量化、批量推理这些优化能力可捕获的价值——B 线赚的正是这段差价。国金证券把 Token 生意划成四级演进：1.0 API 代理（赚渠道价差、利润最薄）→ 2.0 聚合平台 → 3.0 推理基础设施（毛利率跃升的关键转折点：Fireworks 这类自持优化栈的玩家综合毛利率稳定在 50%+，而裸 GPU 机架租赁行业平均只有 20–30%）→ 4.0 企业 AI 网关[101]；国内做"组网+调优+运维"一体化的头部算力运营公司，实际净利率已做到 45–58%[98][107]——与纯转租的微利形成断层。

更重要的是，这门生意刚刚被行业正式命名：国金证券在 2026 年 7 月的深度报告中定义了「Token 专业运营服务商」这一新产业角色——不持有算力硬件，输出算力调度优化、多模型适配封装、Token 输出质量管控与成本精细化核算，"为中小技术服务商开辟差异化市场空间"[101]。优化效果已经可以标价：第三方服务商实测同等算力下 Token 吞吐提升 30–50%、单 Token 成本下降 40%，另一家实现推理成本 −37%、吞吐 +90%[101]；行业甚至开始给优化效果建立统一度量衡（"词元工厂性能基准"开源）[100]。头部玩家用真金白银投票：Nebius 以约 6.43 亿美元收购一家优化公司，目的只有一个——提升单位 GPU 的 Token 产出，其 Token 工厂早期客户实现了最高 26 倍的成本下降[97]。

需求与价格环境同样站在这一侧：2026Q1 国内 AI 算力需求同比 +417%、有效供给增速仅 128%，算力租赁市场全年预计突破 2,600 亿元[99]；2026 年云厂商集体涨价（GPU 云 +5–50%、部分模型 API 涨价 30% 以上），券商判断价格结构走向「通用普惠、高端溢价」分层——标准化 Token 降价，长上下文与 Agent 推理等高端能力反而涨价[98][101][102][106]；运营商已开出百亿级需求单（某运营商省级"Token 工厂"集采含税规模 174.38 亿元、服务期 5 年）[101]，昇腾超节点 Token 工厂的实测产出已超同规模英伟达传统集群 1.2 倍[101][109]，大厂手里也各囤了 20 万张以上国产卡等着被用好[103]。合同结构亦有成熟范式：国内标准是 3–5 年期长约、约 5 个月完成集群交付验收后按月收租[104]，海外锚点是 take-or-pay 加 15–25% 预付款[96]；东吴证券则论证了 AI 算力不会重演 4G/5G 的"量增价跌"周期——年更代际与软硬协同让新一代算力始终具备提价能力[108]。

券商观点里唯一的分歧，恰好是定位警示

国信认为纯 API 转售/封装云是"过渡性中间态，长期将被云厂整合、沦为无壁垒的算力管道"[96]；国金则用聚合平台年化 5,000 万美元收入论证其独立价值[101]。两者的分歧点其实指向同一个结论：纯转售没有壁垒，叠加自有优化栈（3.0 形态）才有护城河。B 线的定位必须是"自持优化能力的推理基础设施运营方"，而不是 Token 二道贩子——对外表述与内部投入都要咬死这一点。

4.5 第二阶段弹药库：央国企与政府算力中心

民企标杆与平台订单跑通后，央国企市场按既有机制推进——这块市场的规模有数：2025 年大模型中标项目 7,539 个、披露金额超 300 亿元，其中算力类金额占 52.9%[28]，运营商"国芯训国模"已是集团级战略[25]。要点浓缩如下：预算节奏——央国企"上年立项、当年执行"，每年三、四季度是影响次年预算立项的黄金窗口，现在铺垫正好赶上下一个周期；采购形式——数百万级服务单走竞争性磋商，最理想形态是"进框架协议"（进一次框架、按单释放免重复招标），院士合作案例与 MFU 数据可支撑单一来源采购的唯一性论证；生态标包——运营商集采已按 CANN/类 CUDA 生态分标包（中国移动 51.12 亿元集采中 CANN 标包约 34 亿元[26][27]），硬件标的中标者是华鲲振宇、软通动力这类整机与集成商——不与他们抢标，做他们的训练调优分包方；杠杆工具——昇腾伙伴认证是标书资质通行证[24]，多地算力券可为客户降低 10% 实付（如天津，上限 200 万元/年）[19]；政府算力中心本身也是"盘活存量"服务的客户——利用率是地方的政绩指标。

SECTION 05落地路径：从意向到流水的关键动作

本章只谈执行：把两条业务线从纸面变成合同与流水的时序、各方成交条件、定价参照，以及不能踩的四条红线。

5.1 落地时序：静默期是窗口，不是障碍

技术团队尚处于前雇主竞业静默期（约 1–2 个月）。这段时间恰好是商务铺垫的黄金窗口：目标是团队出关当天，第一单已经在桌上。整体遵循「先做流水 → 再谈额度 → 远期合资」的渐进结构：先用第一单交付与回款证明模式成立（流水是最硬的尽调材料），再以已验证的业务数据谈投资额度与估值（比对着纸面 BP 谈便宜得多、也可信得多），最终走向供给、技术、渠道三方的股权化绑定。

  1. 民企标杆线：与目标大模型公司完成技术交流，拿到效能体检/训练优化的意向——这是 A 线的第一张多米诺。
  2. 平台订单线：与平台客户草签 Token 服务订单意向（价格七折于市场、承接补贴、约定量与 SLA 框架），意向书不求细节完备，求的是"出关即可转正式合同"。
  3. 供给端摸排：实地核查目标智算中心（如新疆昌吉、克拉玛依等地），按 5.4 的技术标准清单拿参数，回来先测 ROI 再谈包站条款。
  4. 出关开工：团队脱离静默期后，首单立即开工；用 60–90 天做出第一份可公开引用的交付数据。

5.2 三方成交条件：每一方要什么、给什么

相关方真实诉求成交的充分条件谈判注意
技术团队高毛利业务定位，抗拒沦为纯外包；急需标杆客户做"第一口奶"确定的订单 + 交付定价权 + 成果署名权给业务不给指挥棒；尊重其技术底线（如对硬件代际的坚持），这是专业性而非难缠
算力持有方闲置资产产生流水，运营数据变好看保底消纳承诺 + 订单背书（有确定下游才谈得动底价）用流水承诺换底价与账期；消纳承诺分阶段给，降低自身风险敞口
平台客户（Token 需求方）供给稳定、价格公道、体系内资金与政绩闭环七折价格 + 补贴承接 + 可写进合同的 SLA价格让利换长约与量承诺；服务指标（吞吐、首字时延、可用率、单位 Token 成本）作为验收条款写死进合同
大模型民企客户算力降本救命、不换技术栈、快速见效体检数据当场证明 + 按结果验收的合同结构技术对技术沟通；深水区问题按红线纪律传递给技术负责人

5.3 SKU 与定价参照

SKU形态与量级定价逻辑
训练优化服务（A 线主品）项目制，数百万–3,000 万/单按交付结果计价（MFU 提升、精度对齐、训练时长写进验收），不按人天
Token 售卖平台（B 线主品）采购与销售双长约 + 按量结算销售价锚定市场价七折；利润 = 两端价差 × 利用率提升幅度
算力效能年度框架年度服务包 + 驻场基础年费 + 效能提升分成
算力盘活合作（对持有方）包站转租或按盘活效果分成先小规模验证卡况与网络，再扩大包站规模

涉及居间、引荐与渠道角色的费率，保留行业基准作定价参照：

合作形态市场基准来源口径
引荐佣金（referral，介绍人不参与交付）首年合同额 10–20%；企业级大单 10–15%Refgrow / Cello / SaaStr（2026）[64]
转售折扣（reseller，承担销售+一级支持）20–40%（入门 10–15%、中级 15–25%、顶级总代 30–40%）Monetizely / Chanimal / The York Group[65]
独立销售代理（无底薪佣金制）跨行业 5–15%；大型多年期合同约首年额 8–12%InMotion / RepHunter / CaptivateIQ（2026）[66]
集成商主导成交（co-sell）合同额 15–25%Suger / Clazar（2026）[67]
中国云厂商代理返点新客约 15–20%、头部综合最高 35%；渠道价为标价 15–30% off渠道政策公开解读（2024–2025）[68]

5.4 四条红线与风控

🚫 红线一：硬件代际陷阱

技术团队明确不接第一代旧卡——910A 无 BF16、32GB 显存、主流软件栈已弃养（见 2.3），优化投入产出比极差。供给端摸排必须带技术标准清单实地核验：芯片型号与代际（910B 级及以上）、节点内互联与集群网络带宽、机房电力与运维条件、可谈的包站底价——四项参数拿全，先由技术团队测算真实 ROI，再谈商务条款。若闲置资产以旧卡为主，这条线在物理层面不成立，及早止损。

🚫 红线二：对外界面纪律

静默期内商务界面与技术界面严格分离。技术深水区的追问（异构迁移细节、算子实现、具体调优方案）一律以"核心实现涉密、正在申请专利，细节由研发负责人后续闭门汇报"应对（配套话术见第 08 章），绝不现场硬答——答错一个细节，损失的是客户对整个团队实力的信任。

🚫 红线三：合规隔离

投资行为与算力/服务采购必须是相互独立、市场化定价、经得起审计的交易：独立合同、独立的定价依据（市场比价留档）、清晰可查的资金流向。任何指向个人决策者的利益安排都触碰商业贿赂红线——这不是技巧问题，是生存问题；结构上做不到独立与可审计的单子，宁可不做。

🚫 红线四：单点依赖

民企标杆若延期，B 线的订单叙事会弱化；平台订单若生变，供给端的消纳承诺会悬空。对策：两条线并行推进、互不作为对方的前提条件；供给端消纳承诺分阶段给；任何一方的意向书都设置与另一端进度联动的生效条款。

SECTION 06技术入门：从零看懂合伙人的技术

本章为零基础读者而写。你是对外的人，合伙人不出面，所以客户嘴里的每一个词你都得接得住。每个概念都从"是什么"讲到"为什么值钱"，并标注你在销售场景里会怎么遇到它。

6.1 先建立世界观：AI 产业的「三层楼」

整个 AI 产业可以想象成一栋三层楼：一层是芯片和算力（英伟达、华为昇腾、寒武纪——盖楼的地基和发电厂），三层是模型和应用（DeepSeek、智谱、豆包、各种 AI 产品——楼里开的公司），而二层是基础软件，行话叫 Infra（Infrastructure，基础设施）——水电煤管道和电梯，负责把一层的电送到三层去用。你合伙人的生意就在二层：一层的国产电（算力）已经发出来了，但管道不通，三层用不上——他们是通管道的人。这个定位一句话就能给客户讲明白。

算力就是计算能力，衡量单位是 FLOPS（每秒能做多少次浮点运算，可以理解为"每秒算多少道小数乘法题"）。数量级阶梯要记住：TFLOPS（万亿次/秒，单张芯片的量级）→ PFLOPS（千万亿次/秒，一台服务器到一个小集群）→ EFLOPS（百亿亿次/秒，国家级总量）。所以"全国智能算力 1,882 EFLOPS"意思是全国所有 AI 芯片加起来每秒约 1,882 百亿亿次运算；单张英伟达 H100 约 1 PFLOPS（FP16 精度口径），单张昇腾 910B 约为它的三分之一强——这些约数够你建立体感即可，报价场合不要引用具体芯片参数（让技术合伙人来）。

CPU、GPU、NPU 的区别用一个比喻就够了：CPU 是几个数学博士，擅长处理复杂逻辑但人少；GPU 是几万个小学生，每个只会算加减乘除，但可以同时开工。AI 训练的本质恰好是海量、简单、重复的矩阵运算——小学生军团完胜博士，所以 GPU 成了 AI 时代的核心资产。NPU（神经网络处理器）是专为 AI 运算定制的芯片，昇腾就是 NPU，可以粗略理解为"专科版 GPU"。日常交流中大家把这些统称"卡"或"加速卡"。

评价一张卡看三个指标：算力（每秒算多快）、显存（HBM，高带宽内存——卡上的"工作台面"，放模型和中间数据，单位 GB，台面不够大模型就摆不下）、带宽（数据搬进搬出台面的速度）。这里有个反直觉的行业常识：很多时候瓶颈不是算得慢，而是搬得慢——小学生军团算完了在等新题送来。这就是为什么合伙人材料里"降低 20–40% 显存带宽开销"是个值钱指标：省下的搬运时间全变成了有效计算。

6.2 大模型是怎么「炼」成的：训练全流程人话版

模型本质是一个巨大的数学函数，参数就是函数里可调的旋钮。"7B 模型"= 70 亿个旋钮（B 是 Billion，十亿），"万亿参数基模"= 一万亿个旋钮。训练就是用海量数据反复调这些旋钮，直到模型的输出像人话。基模 / 基础模型（Foundation Model）指从零训出来的通用大模型，与在别人基模上二次加工的模型相对。

Token 是模型的"字"：文本先被切成 token 再喂给模型，1 个 token 约等于 0.75 个英文单词或半个到一个汉字（随分词器而异）。模型的收费、吞吐、调用量全都按 token 计——所以"日均 Token 调用超百万亿"是在说全国模型每天处理的"字数"。

一个大模型的完整生命周期分四步，这四个词是你未来每天都要说的，务必吃透：

① 预训练（Pre-training）

让模型"读遍互联网"，学会语言和世界知识。最烧钱的一步：万卡集群连续跑数周到数月，电费和卡的折旧以千万计。这是技术门槛最高的环节，也是合伙人团队的看家本领。

② SFT 监督微调（Supervised Fine-Tuning）

请"老师"写标准问答示范，教会模型好好说话、按格式干活。数据量小得多（几万到几百万条），千卡级即可。央国企"用行业数据训自己的模型"多数指这一步起步。

③ RL 后训练（Post-training / RLHF）

强化学习：让模型做题→打分→根据分数改进，循环往复，教会它"把事做对"。2025 年以来推理模型（OpenAI o1、DeepSeek R1 这一类）证明后训练能大幅提升智力，它已成为新的算力大户和全行业竞争焦点。

④ 推理（Inference）

训练好的模型每天回答问题、干活，就叫推理。一句话记住：训练是上学，推理是上班。训练一次性烧大钱，推理天天花小钱但永远在花。

几个高频衍生词：微调（Fine-tuning，在现成模型上小改）；LoRA（一种省钱的微调法，只调一小撮旋钮，几张卡就能做，所以便宜——客户说"我们先做个 LoRA"意思是先小成本试试）；蒸馏（Distillation，让大模型当老师教小模型，得到又小又快的学生模型）；开源权重模型（Llama、DeepSeek、Qwen、GLM 等把训好的"旋钮数值"公开的模型——央国企项目基本都是拿这些做底子二次训练，没人从零开始）；Checkpoint / ckpt（检查点）——训练过程的"游戏存档"，每隔一段时间存一次，机器崩了从最近存档继续，不用从头再来。合伙人 BP 里训练流程图的最后一步"产出 ckpt"，就是"交付训练成果存档"的意思。

6.3 为什么要「万卡集群」：分布式训练与并行策略

万亿参数的模型，一张卡的显存根本放不下，也算不动——必须把模型和数据切开，摊到成千上万张卡上一起算，这就是分布式训练。"千卡/万卡集群"指的就是几千/几万张卡通过高速网络连成的一台"超级计算机"。

怎么切，行话叫并行策略，主要四种，用工厂比喻记：数据并行（每条产线一套完整设备，各自加工不同批次的原料，最后汇总）；张量并行（一台大设备拆成几块，几个人合力操作同一道工序）；流水线并行（每人负责几道工序，产品沿流水线传递）；专家并行（MoE 混合专家模型专用——模型内部有多个"专家科室"，按科室分卡）。实际训练是四种切法的复杂混搭，怎么混搭直接决定训练快慢，这是最核心的手艺活之一。合伙人材料里的"拓扑亲和调度、超节点亲和并行"，翻译过来就是：根据集群的"路网结构"（拓扑）定制切法，让通信量最大的卡彼此挨得最近，少走远路。

卡与卡之间要以每秒几百 GB 的速度疯狂交换数据，所以网络互联至关重要：英伟达系用 InfiniBand（专用高速网），国产集群多用 RoCE（基于以太网的方案，便宜但调优难）；几张卡组成一台服务器叫节点，多台服务器高速直连成超节点。两个衡量集群健康度的词：线性度——1,000 张卡的速度是不是 100 张卡的 10 倍？90%+ 线性度意味着加卡几乎不浪费（合伙人的指标）；长稳训练——万卡连跑几十天必然有硬件坏掉，Meta 训 Llama 3 的 54 天里发生了 400 多次意外中断（论文自述）[63]，所以负载检测、故障快恢、断点续训（从 ckpt 恢复）是刚需能力，不是锦上添花。

6.4 MFU：全行业最硬的一个数字，你的核心销售语言

MFU（Model FLOPs Utilization，模型算力利用率）= 训练时真正用在模型计算上的算力 ÷ 芯片理论峰值算力。像汽车的"实际输出功率 ÷ 发动机铭牌功率"。达不到 100% 的原因：卡在等通信、等数据搬运、算子写得烂、故障重启白费功……全是可以被"手艺"优化的损耗。

38–43%
Meta 训 Llama 3 在英伟达 H100 上的 MFU（全球顶级团队 + 最好的卡）[63]
~30%
国产卡集群的行业普遍水平（很多更低）
45–50%+
合伙人团队在国产万卡集群上的实绩——超过 Meta 在 NV 卡上的水平

商业翻译（对客户就这么讲）：MFU 从 30% 提到 50%，等于同一批卡凭空多出三分之二的有效算力。客户花 5 个亿建的集群，我们不加一张卡让它顶 8 个亿用——这就是"算力优化赋能"五个字的全部含义，也是效能体检能当场演示的东西。记住：客户听不懂算子和并行，但一定听得懂"5 个亿顶 8 个亿用"。

6.5 CUDA 帝国与国产卡「不好用」到底难在哪

CUDA 是英伟达 2006 年推出的编程平台——给 GPU 写程序的"语言 + 工具箱 + 二十年积累的现成代码库"。全世界的 AI 代码默认为 CUDA 而写，这就是英伟达真正的护城河：不是芯片造不出来，是芯片上的软件生态二十年追不上。国产卡"不好用"，摊开看是三个具体问题，也正好对应合伙人的三块手艺：

问题一：算子缺失与低效。算子（Operator / Kernel）是模型的最小计算积木——矩阵乘法、注意力计算、归一化……一个大模型由几百上千个算子拼成。CUDA 生态里每块积木都有现成且优化到极致的版本；国产卡上，有的积木没有（得现写，这就是"融合算子开发"——把几块小积木焊成一块大积木，减少数据往返显存的次数，业界最著名的例子叫 FlashAttention），有的积木很慢（单算子调优要以周为单位磨）。配套黑话：图算融合（在整个计算图层面自动做积木合并）、Auto-Tiling（自动把大矩阵切成正好塞进芯片缓存的小瓦片）、host bound（CPU 发号施令的速度跟不上 GPU 干活的速度，指挥官成了瓶颈）。还有个词叫 Triton——OpenAI 推出的写算子的高级语言，但它为英伟达硬件设计，搬到国产 NPU 会因缓存、通信粒度、带宽差异而失效，这是 BP 里专门点出的行业难题。

问题二：精度不一致（国产卡训练最大的坑）。计算机里的小数有不同"精度格式"：FP32（32 位，准但慢）、FP16 / BF16（16 位，快但容易出数值问题，训练主流）、FP8（8 位，最新最快）。不同芯片的微架构对同一串运算的执行顺序不同，每一步差一点点，几万步累积下来误差滚雪球——结果就是：同样的配方（超参数）、同样的数据，在 NV 上炼出好模型，在国产卡上"炼糊了"，而且你不知道糊在哪。精度对齐就是把这口锅系统性排查到比特级（二进制最后一位），确保"同参数配置拿到一致训练效果"。这活儿要求同时精通硬件微架构、AI 框架和模型训练，全国会的人屈指可数——大部分国产卡训练项目就卡死在这一步，这也是合伙人团队最稀缺的能力。

问题三：框架生态绑定。框架是搭模型的脚手架。PyTorch 是全球事实标准（CUDA 是它的"一等公民"，存量代码全部耦合 NV）；MindSpore（昇思）是华为自研框架；再往上还有训练加速框架 Megatron、DeepSpeed，RL 训练框架 veRL、Slime，推理引擎 vLLM、SGLang——这些名字客户的技术人员嘴里会随口蹦出来，你不需要会用，认得出"这是训练框架/这是推理引擎"即可。CANN 则是昇腾版的 CUDA（昇腾的驱动 + 算子库 + 编程接口）——所以运营商招标书里的"CANN 生态标包"，翻译过来就是"这个标只有会昇腾的公司能投"。

6.6 昇腾与国产芯片阵营速览

昇腾（Ascend）是华为的 AI 芯片品牌。要记的谱系：910A → 910B → 910C 三代，行业黑话分别俗称 A1 / A2 / A3（合伙人实绩表里的 A1/A2/A3 就是这个意思——"1.8 万卡 / A2"= 1.8 万张 910B）。一体机是"服务器 + 预装好的模型和软件"的开箱即用产品，市价 80–300 万元/套[29]，是央国企最容易理解和采购的形态。

其他国产玩家一句话认识：寒武纪（最早的 AI 芯片上市公司，2025 年营收暴涨 453% 首次盈利）；海光（DCU 产品走"类 CUDA"路线，兼容性好）；摩尔线程、沐曦（GPGPU 路线，2025 年底先后上市）。招标市场把它们分成两个阵营：「类 CUDA 生态」与「CANN 生态」——中国移动 51.12 亿集采就是按这两个阵营分标包的[26]。合伙人团队昇腾最深、兼顾多硬件后端，意味着两个阵营的单都能接，但主场在 CANN。

最后一个生态位常识，回答"华为为什么不自己干"：华为的利润在硬件，原厂技术支持只倾斜最头部客户，且不可能给每个客户派驻专家团（BP 原话："原厂无充沛资源支持，仅服务头部客户"）；互联网大厂的人才只服务自家业务。中间的真空地带——腰部央国企、行业客户——就是合伙人的市场。

6.7 RL Infra：合伙人卡位的最前沿

6.2 讲过 RL 后训练是"做题→打分→改进"的循环。技术上它的特殊之处在于：做题（生成回答）用的是推理，改进（更新参数）用的是训练——两种截然不同的计算模式必须在同一套系统里高速轮转。这套系统就叫 RL Infra，配套黑话逐个拆：

为什么这块特别值钱：2025–2026 年全行业的算力重心正从预训练转向 RL 后训练（推理模型和 Agent 训练都靠它），美国市场的新贵（Thinking Machines 的 Tinker、Prime Intellect）全部扎在这一层（见第三章 3.3）；而国产卡上的 RL Infra 几乎无人能做——竞对里只有清程极智部分涉及。这是合伙人卡位里最前沿、溢价最高的部分。

6.8 推理与 Token 经济学

推理侧你只需要四个概念：吞吐（每秒产出多少 token，决定一张卡能服务多少用户）；时延（用户提问到第一个字蹦出来的等待时间，体验指标）；量化（把模型旋钮从 16 位精度压到 8 位甚至 4 位——模型"瘦身"，牺牲一点点质量换成倍的速度和更少的卡）；KV Cache（对话越长，模型要记住的"上下文"占的显存越多——长对话贵就贵在这）。推理优化的价值一句话：同样的卡产出更多 token，单位成本直线下降。

MaaS（Model as a Service）就是"卖 token 的生意"——按调用量收费的模型 API。第二章已用招股书证明：在中国公开市场卖 token 毛利率是负的（硅基流动 −119%[1]），而私有化部署毛利 80%+。所以合伙人把推理定位为获客工具和现金流、把利润押在训练和私有化上——你销售时的力气也应该这么分配。

6.9 Agent（智能体）：解决「人不够」的终极答案

Agent / 智能体是会自己规划步骤、调用工具、多步执行直到完成任务的 AI——对比只会一问一答的聊天机器人（chatbot）。你正在用的 Claude Code 就是编程 Agent。衍生词：Agentic（智能体化的，形容词）、Multi-Agent（多个智能体分工协作）、Agent Swarm（智能体集群）、任务流编排（把复杂任务拆解成步骤链）、模型路由（不同难度的活儿分派给不同大小的模型，省钱）。

合伙人的「算力使能智能体」是整个故事的收口：把 6.4–6.7 讲的那些专家手艺（调优、精度排查、算子开发、部署）沉淀成 Agent 的领域知识，让 Agent 替代一部分驻场专家。BP 里那个 Demo 的含义现在你能完全看懂了——通用的 Claude Code 在昇腾 910A 上部署推理失败，因为它不知道昇腾缺哪个融合算子、该怎么补；他们的自研 Agent 内置了这些领域知识，补齐算子、部署成功。这一步如果做成，就解决了服务生意最致命的天花板："会的人太少、堆人不划算"（人力不具备 Scaling Law），公司才能从"高级人力外包"变成"可复制的产品公司"——这也是估值故事从几亿到几十亿的分水岭。当然，如第一章风险所述：它目前仍处于构想到早期产品之间，对外可以讲愿景，对内要盯进度。

SECTION 07术语速查表

约 75 个词条，按主题分组。第三列告诉你这个词在什么销售场景会冒出来、该作何反应。见客户前翻一遍，开会时手机上随时查。

7.1 算力与硬件

术语人话解释销售场景提示
算力（Compute）计算能力的总称，AI 时代的"电力"整个生意的标的物
FLOPS 及 T/P/E 前缀每秒浮点运算次数；T=万亿（单卡级）、P=千万亿（服务器/小集群）、E=百亿亿（国家级总量）听到"多少 P 的算力"是在说集群规模，如"2000P 智算中心"
GPU图形处理器，"几万个小学生并行算数"，AI 训练主力芯片—
NPU专为 AI 定制的芯片，昇腾即 NPU，可理解为"专科版 GPU"客户说 NPU 基本就是指昇腾
卡 / 加速卡GPU/NPU 芯片做成的板卡，行业计量单位（"千卡""万卡"）"你们最大调过多少卡？"→ 万卡级
显存（HBM）卡上的高速内存，放模型和数据的"工作台面"，单位 GB显存不够 = 模型放不下 = 要更多卡或量化
带宽数据搬运速度；很多训练瓶颈是"搬得慢"而非"算得慢"合伙人"降 20–40% 显存带宽开销"的价值所在
集群（Cluster）成百上千张卡用高速网络连成的一台"超级计算机"—
节点 / 超节点节点=一台服务器（通常 8 卡）；超节点=多台服务器超高速直连成的大单元华为主推超节点方案（如 CloudMatrix 类架构）
智算中心装满 AI 加速卡的数据中心，地方政府近年疯狂兴建利用率不足 30% 的主角，"盘活存量"销售切口
一体机服务器+预装模型软件的开箱即用产品，市价约 80–300 万/套央国企最容易采购的形态，可作报价锚点
东数西算国家工程：东部的数据算力需求调度到西部电价低的地方算政策谈资，说明算力是国家战略

7.2 模型与训练

术语人话解释销售场景提示
大模型 / 基模基模（Foundation Model）= 从零训练的通用大模型；行业模型多在基模上二次加工"国芯训国模"= 用国产卡训国产模型
参数（7B/70B/万亿）模型里可调的"旋钮"数量；B=十亿。旋钮越多越聪明也越贵客户说"我们想训个 70B 的"，规模感要立刻有
Token模型的"字"，≈0.75 个英文单词或半个到一个汉字；计费计量单位MaaS 生意=卖 token；训练量也按 token 数说（"训了 2T token"）
预训练（Pre-training）让模型读遍互联网学会语言，最烧钱（万卡×数月）技术门槛最高，合伙人的看家本领与高溢价区
SFT（监督微调）用标准问答示范教模型"好好说话"，千卡级、数据几万到百万条央国企行业模型项目的主形态
后训练 / RLHF / RLVR强化学习环节：做题→打分→改进，教模型"把事做对"；推理模型（o1/R1 类）的核心2025 年后的算力新大户，合伙人最前沿卡位
微调（Fine-tuning）在现成模型上做小规模再训练的统称—
LoRA低成本微调法：只调一小撮旋钮，几张卡就能干客户说"先做个 LoRA"= 想低成本试水
蒸馏（Distillation）大模型当老师教小模型，得到又小又快的"学生"端侧/降本话题常见
开源权重模型公开"旋钮数值"的模型：Llama、DeepSeek、Qwen、GLM 等央国企项目基本都拿它们做底子，没人从零训
Checkpoint / ckpt训练"游戏存档"，崩了从存档继续"产出 ckpt"= 交付训练成果
超参数训练的"配方"设置（学习率、批大小等），不是模型参数"同参数配置一致效果"里的"参数"指这个
MoE（混合专家）模型内部分多个"专家科室"，每次只叫醒几个，省算力；DeepSeek 即 MoEMoE 训练对并行策略要求更高 = 更需要合伙人

7.3 集群工程与并行

术语人话解释销售场景提示
分布式训练模型/数据切开摊到几千几万张卡上一起算—
数据/张量/流水线/专家并行四种"切法"：各算不同数据 / 合力算同一层 / 各管几层接力 / 按专家科室分"并行策略"= 四种切法的混搭配方，决定 MFU
MFU模型算力利用率 = 有效算力÷理论峰值。行业最硬指标你的核心销售语言："5 亿的集群顶 8 亿用"
线性度加卡的效率：1000 卡是否 ≈ 100 卡×10 倍速；90%+ 为优合伙人硬指标之一
拓扑 / 拓扑亲和集群的"路网结构"；让通信量大的卡彼此挨近少走远路—
InfiniBand / RoCE两种集群高速网络：IB 是 NV 系专网，RoCE 是以太网方案（国产集群主流，便宜但调优难）客户报网络方案时能听懂即可
长稳训练万卡连跑数十天不趴窝的能力：负载检测、故障快恢、断点续训Llama 3 都中断 400+ 次——用这个数据讲刚需
GPU 利用率（util）卡"看起来在忙"的百分比——≠ MFU！util 90% 时 MFU 可能只有 20%（空转也算忙）内行/外行分界线，见 8.3 的追问话术

7.4 软件栈

术语人话解释销售场景提示
CUDA英伟达的 GPU 编程平台+二十年生态，真正的护城河"类 CUDA 生态"标包指海光等兼容路线
CANN昇腾版 CUDA（驱动+算子库+编程接口）"CANN 生态标包"= 只有会昇腾的能投
PyTorch全球事实标准的 AI 框架（搭模型的脚手架），CUDA 是其"一等公民"存量代码全耦合 NV = 迁移是刚需生意
MindSpore（昇思）华为自研 AI 框架，昇腾亲儿子合伙人 GLM-Image 类项目的技术底座之一
Megatron / DeepSpeed主流大规模训练加速框架（NVIDIA / 微软出品）听懂即可，不用会
veRL / Slime主流 RL 后训练框架同上
vLLM / SGLang主流开源推理引擎（让模型回答得又快又省卡）客户推理部署必提
TritonOpenAI 的算子编写语言，为 NV 设计，搬国产 NPU 会失效BP 点名的行业难题
算子（Operator/Kernel）模型的最小计算积木（矩阵乘、注意力等），一个模型几百上千个国产卡缺积木/积木慢 = 合伙人的活儿
融合算子几块小积木焊成一块大的，减少显存往返；名例 FlashAttentionBP Demo 里 Claude Code 就败在缺这个
图算融合 / Auto-Tiling计算图层面自动合并积木 / 自动把大矩阵切成正好塞进缓存的瓦片—
host boundCPU 发指令跟不上 GPU 干活速度，"指挥官成瓶颈"—

7.5 精度

术语人话解释销售场景提示
FP32/FP16/BF16/FP8小数的存储精度：位数越少越快越省，但越容易出数值问题；训练主流 BF16，前沿在 FP8—
混合精度关键步骤用高精度、其余用低精度的折中方案，训练标配—
精度对齐排查硬件差异导致的累积误差，确保国产卡与 NV 训练效果一致国产卡训练最大的坑，合伙人最稀缺能力
比特级一致性对齐到二进制最后一位的最严标准一页纸材料里的硬承诺
确定性计算同样输入永远同样输出（并行计算默认做不到）排障与对齐的前提

7.6 推理与商业化

术语人话解释销售场景提示
推理（Inference）训好的模型干活回答问题；"训练是上学，推理是上班"—
吞吐 / 时延每秒产出多少 token / 用户等第一个字的时间推理服务的两大验收指标
量化（Quantization）模型"瘦身"：16 位压到 8/4 位，牺牲一点质量换速度和省卡降本方案必谈
KV Cache对话"记忆"占的显存，对话越长越贵长文本场景成本话题
MaaSModel as a Service，按 token 收费卖模型 API公开市场散卖必亏（硅基流动 −119%）；两端锁价的闭环模式除外（见 4.3）
私有化部署模型装进客户自己机房，数据不出门毛利 80%+ 的形态，央国企首选，主推
数据不出域数据不离开客户的物理/网络边界央国企合规硬要求，话术必备词

7.7 RL 与 Agent

术语人话解释销售场景提示
Rollout / 异步 Rollout模型"做题"生成回答的过程 / 做题与改参数流水线化不互等RL Infra 核心词
训推一致做题用的模型与被更新的模型数值严格一致，否则越学越歪国产卡上难度翻倍，合伙人卖点
Agent / 智能体会自己规划、调工具、多步干活的 AI（对比一问一答的聊天机器人）—
Agentic / Multi-Agent / Agent Swarm智能体化的 / 多智能体协作 / 智能体集群BP 高频词
任务流编排 / 模型路由把复杂任务拆成步骤链 / 难活派大模型、简单活派小模型省钱—
RL Environment（环境）给模型"做题"的仿真考场；美国新共识：环境和评估比裸算力值钱对投资人讲前沿趋势时用

7.8 商业与采购黑话

术语人话解释销售场景提示
PoCProof of Concept，小规模付费验证项目（本报告语境：100–300 万、30–60 天）四级火箭第二级
SLA服务等级协议：可用率、响应时效等写进合同的服务承诺签约必审条款
验收指标项目算不算完成的量化标准（MFU、精度、时长）"验收指标写进合同"是你的信任武器
框架协议先中一次总框架，之后按单释放免重复招标服务商最理想形态，销售目标是"进框架"
集采集团统一招标采购（运营商模式），单次几十亿硬件标别碰，做中标集成商的分包
信创信息技术应用创新：党政央国企采购国产化要求的统称合伙人天然符合，标书加分项
单一来源采购论证"只有这家能干"后免招标直接采购院士背书+MFU 数据可支撑唯一性论证
算力券政府发的算力消费补贴（如按合同额 10%、上限 200 万/年）帮客户降实付的现成杠杆
take-or-pay"用不用都付费"的照付不议长约（CoreWeave 模式）谈多年期合同的理想结构
ARR / 年化收入Annual Recurring Revenue，按当前月收入×12 折算的年收入口径融资叙事用词，≠ 会计年度收入
ICPIdeal Customer Profile，理想客户画像本报告第四章的分层就是 ICP
GTMGo-To-Market，市场进入/销售打法的统称—
FDEForward Deployed Engineer，驻场交付工程师（Palantir 模式）"专家驻场交付"的国际通行说法
灯塔客户第一个标杆客户，可让利换背书与案例权Nebius 教训：低价可以，背书权益要拿够
Land-and-expand小单进门、逐步扩大的销售策略四级火箭的底层逻辑

SECTION 08对外话术工具箱

你不需要假装技术专家——你需要的是：接得住第一回合、判断得出深浅、知道什么时候把球传给技术合伙人。本章给你第一回合的全部弹药。

8.1 角色设定：不装专家，反而专业

先定心法：客户从不指望商务负责人懂算子，但客户极其反感商务负责人不懂装懂。你的标准姿态是一句万能话术："这个问题值得展开，我请我们首席架构师带数据来跟您聊，我先记下来。"——说完真的记在本子上，当着客户的面记。这个动作传递的信息是：这家公司分工专业、技术有真人兜底、你是靠谱的接口人。相反，最忌讳的是被追问两轮后开始编——技术客户一听就穿，且一次露怯终身贴标签。你要做的是把本章 15 问的第一回合答案背熟，第二回合永远传球。

30 秒电梯陈述（建议背诵）

"国家在推国产算力，卡不缺、集群也不缺，缺的是把集群真正跑起来的人——全国智算中心平均利用率不到 30%，会用国产万卡集群的人才基本都在华为和头部大厂出不来。我们团队就是干这个的：在国产卡上做大规模训练和推理的效能优化，万卡训练的算力利用率能做到 45% 以上，超过 Meta 在英伟达卡上的公开水平。简单说：您 5 个亿建的集群，我们不加一张卡，让它顶 8 个亿用。可以先免费给您的集群做次体检，数据说话。"

8.2 客户常问 15 问与标准应答

每条分三层：客户问什么、你嘴上怎么答、你心里要知道为什么这么答。

"你们和硅基流动、无问芯穹有什么区别？"答："他们主要做推理和算力调度，我们主打训练侧——预训练、后训练和精度对齐，这是门槛最高、目前最缺人做的环节。推理我们也做，但那是搭配。"心里知道：推理已是红海（token 毛利为负），训练才是空位；如对方提清程极智，答"方向有重合，我们的差异是万卡级实战交付经验和精度对齐深度，欢迎放在一起比测"。
"MFU 45–50% 怎么证明？不会是吹的吧？"答："不用信我们说的——拿贵方一个真实训练任务，在您自己的集群上跑，1–2 周出体检报告，MFU、线性度、精度当场可验，不达预期分文不取。"心里知道：这是全套话术里最锋利的一张牌，因为能力可实测、无法造假；主动提出验证反而最能建立信任。
"你们团队多少人？这么小敢接万卡项目？"答："这行不靠人海，靠的是真做过万卡的人加上我们的工具链——大厂几百人的团队里真正掌舵万卡训练的也就那几个人，我们就是那几个人出来干的。具体产能和排期，技术交流时给您细讲。"心里知道：人少是事实也是风险，不回避但转成"稀缺"叙事；产能数字你别报，传球。
"华为原厂也给我们派了支持，为什么还要找你们？"答："原厂的商业模式在硬件，工程师资源优先保头部客户，而且驻场深度调优不是原厂的生意。我们只做这一层，驻场、按结果验收，跟原厂是互补——事实上我们把昇腾用好了，华为的卡才卖得动。"心里知道：绝不贬华为（客户面前贬供应商=减分，且还要靠昇腾生态）；"互补"定位既真实又安全。
"在国产卡上训练，效果能和英伟达一样吗？"答："这正是我们最核心的能力——精度对齐做到比特级，同样的配置拿到一致的训练效果，而且这条可以写进验收标准。"心里知道：这是客户最深的恐惧（配方一样、炼糊了），也是合伙人最稀缺的手艺，敢写进合同就是最强背书。
"怎么收费？大概多少钱？"答："我们按交付结果计价，不按人头天数。流程是先免费体检、再小额 PoC 验证、达标后谈项目——每一步的钱花在看得见的结果上。具体报价要看模型规模和任务量，需求聊完一周内出方案。"心里知道：没拿到报价授权前绝不报数字；"按结果计价"本身就是差异化卖点。
"你们支持哪些卡？只会昇腾吗？"答："昇腾最深，A1 到 A3 三代都有万卡级实战；同时支持多硬件后端，海光、摩尔、沐曦等具体型号适配情况，让我们架构师对一下您的清单。"心里知道：主场在昇腾是事实；"多硬件后端"是 BP 原话，具体型号别打包票。
"我们的数据绝对不能出去。"答："全程在您的机房、您的集群、您的网络边界内做，数据不出域，人员可签保密协议、接受安全审查，交付物和过程数据全部留在域内。"心里知道：这不是障碍而是护城河——正因数据不能出域，客户才必须自己训模型，才需要合伙人。
"训一个我们行业的模型要多久？要多少卡？"答："取决于基座模型规模、数据量和目标能力，负责任的答案要做完需求调研才能给——随口报数字的都不可信。我们可以先花一周做个评估。"心里知道：这是新手最容易踩的坑：为了显得懂行随口承诺周期。任何数字承诺都可能变成合同义务，永远传球。
"万一做砸了怎么办？"答："体检免费；PoC 的验收指标——MFU 提升多少、精度对齐到什么程度、多长时间——白纸黑字写进合同，不达标不收尾款、不进下一阶段。风险结构上您始终是安全的。"心里知道：分阶段+写死验收=把客户的决策风险拆到最小，这是 Palantir 模式的精髓。
"你们做不做推理/一体机？我们想先上个 DeepSeek。"答："做，推理部署和降本是我们的基础能力。不过建议第一步还是先做集群体检——很多客户推理慢的根子在集群没调好，体检完再部署，同样的卡能多服务一倍用户。"心里知道：顺着客户需求接单，但把它引流到"体检"这个标准入口；推理单毛利低，靠它进门、靠训练赚钱。
"你们和智谱/DeepSeek 是什么关系？会不会绑定某家模型？"答："模型中立。我们跟多家模型厂商有技术合作，但客户选什么模型我们适配什么——我们卖的是让模型在国产卡上跑好的能力，不是某家的模型。"心里知道：Scale AI 的教训（第三章）：中立性是服务商最值钱的资产，任何场合都不替单一模型站台。
"能不能把你们那个专家推荐给我们？我们想招人。"答：（笑）"单个专家解决不了系统工程的问题——万卡效能是团队加工具链的活儿，挖一个人回去用不起来。不过您要是有长期需求，我们可以谈驻场服务包，比养人划算。"心里知道：这是挖人试探，务必当天同步给合伙人；顺势把"挖人"转化成"驻场订阅"是最漂亮的接法。
"有没有做过我们这个行业的案例？"答："有可参考的同类实践，受保密协议约束不能提名字，技术交流时可以给您看脱敏后的数据和方法论。"心里知道：绝不当场说客户名（既是保密义务也是专业性）；用"脱敏数据见面聊"制造下一次会面。
"算力你们出还是我们出？"答："两种都行：您有集群，我们帮您用好；您没有，我们可以联合算力方共建或按需租赁，配合您的业务节奏。"心里知道：BP 的两个交付场景原文；重资产选项（自建）要极其谨慎承诺，涉及即传球。
"先发一份详细技术方案过来看看。"答："方案要对症才有价值。给我们半天时间跟您的技术团队开个需求会，一周内出针对性方案——通用 PPT 我可以现在发，但那说明不了您的问题。"心里知道：没做需求调研就发详细方案=白送方案给客户拿去比价/自己干；用"对症"理由体面地换来一次技术会议（销售进度+1）。

8.3 听懂客户的黑话：他说的和他想的

客户说潜台词 / 实际含义你的正确反应
"我们集群利用率还可以，有 80–90%"他说的多半是 GPU util（卡看起来在忙），不是 MFU（真干了多少活）——util 90% 时 MFU 可能只有 20%全书最值钱的一个追问："您说的是 GPU 利用率还是 MFU？"——内行会心一笑，外行被你问住，两种结果都是你赢
"我们有信创/国产化率要求"采购必须含足够比例国产软硬件，这是硬约束不是偏好顺水推舟："我们全栈国产路线，正好帮您把国产化率指标做实"
"这个可以走我们的框架"他们已有框架协议，你的单子可挂进去免招标——是重大利好信号立刻追问框架的采购主体、额度上限、供应商准入条件
"预算要等明年了"今年立项窗口已过；但"明年预算"恰恰现在（Q3–Q4）在编争取把需求写进明年立项："那我们正好赶在立项前把方案和测试数据做扎实"
"先做个 POC 看看"有真兴趣，但也可能想白嫖测试免费的是"体检"（1–2 周），端到端 PoC 要收费+写验收——把两者分清楚
"我们自己有 AI 团队"可能是拒绝铺垫，也可能他们团队正被国产卡折磨"太好了，有团队才聊得深——你们在国产卡上遇到的最头疼的问题是什么？"（把竞争转为共情）
"领导很重视 AI"一把手工程=有预算有速度；但也意味着要有可汇报的"亮点"把交付包装出领导可汇报的成果：利用率提升 X%、获某某验收/奖项
"你们跟华为那边怎么合作的？"在确认你们是否被原厂认可（资质焦虑）报昇腾伙伴认证等级（先跟合伙人确认现状），强调互补关系

8.4 红线：这些问题永远不要自己答

🚫 任何数字承诺

周期、卡数、报价、MFU 能提到多少——口头数字会变成合同义务。标准动作：记下来，48 小时内技术合伙人回复。

🚫 具体技术方案

用什么并行策略、怎么改算子、选什么框架——答错一个细节，专业形象清零。传球给"首席架构师"。

🚫 贬损竞品与华为

可以讲差异（"他们主打推理我们主打训练"），不可以讲坏话——圈子极小，话会传回去；贬华为更是自断生态。

🚫 保密案例细节

客户名、卡数、项目金额一概"脱敏后见面聊"。你多说一个名字，下一个客户就会想"我的名字他也会说出去"。

每次见完客户的三件套（形成习惯）

① 当天写会议纪要发合伙人（客户问了什么、承诺了什么跟进、发现了什么信号——尤其挖人试探和竞品出没）；② 把客户新问题补进你自己的 FAQ 本子，下次就是你的弹药；③ 更新 pipeline 台账（阶段/预算窗口/下一动作/责任人）。你的专业不体现在懂多少技术，而体现在每一回合都有干净的后手。

SECTION 09附录：数据口径与来源说明

口径警示（引用本报告数字时请注意）

参考文献（编号对应正文角标）

A公司财报 / 招股书 / 官方公告 / 政府文件B一线财经媒体报道C第三方数据站估算 / 行业口径（引用时建议标注「据报道」）

A. 中国市场与竞对（1–30）

  1. [1]B新浪财经：硅基流动递表港交所——2025 年营收 5,533 万元、公有云 MaaS 毛利率 −119%、本地部署毛利率 82.5–92.4%（招股书数据转述，2026-07-07）　https://finance.sina.com.cn/jjxw/2026-07-07/doc-inifxxxc1615351.shtml
  2. [2]B财新：硅基流动完成超 20 亿元 B 轮融资（2026-06-16）　https://m.caixin.com/m/2026-06-16/102454791.html
  3. [3]B新浪财经：无问芯穹宣布超 7 亿元新融资（2026-05-07）　https://finance.sina.com.cn/jjxw/2026-05-07/doc-inhxanxc2802008.shtml
  4. [4]B21 经济网：无问芯穹累计融资超 22 亿元、近 50 家机构（2026-05-09）　https://www.21jingji.com/article/20260509/herald/f850fe1ae89ebfcbbe7d3a251a240cd7.html
  5. [5]B凤凰网财经：基流科技递表港交所深度解读（2026-05）　https://finance.ifeng.com/c/8tFcGakoVrN
  6. [6]B新浪财经：基流科技 IPO——投后估值 91.6 亿元、2025 年营收 5.2 亿元、毛利率 21.8%（2026-05-13）　https://finance.sina.com.cn/wm/2026-05-13/doc-inhxufva0640902.shtml
  7. [7]B21 经济网：清程极智完成过亿元新一轮融资（2025-07-15）　https://www.21jingji.com/article/20250715/herald/a1130eadb3042c420d079adf71102b1d.html
  8. [8]B南方财经：智谱收购中科加禾，补齐算力软件能力（2026-07-21）　https://www.sfccn.com/2026/7-21/2OMDE1MjBfMjE4NjM2OQ.html
  9. [9]B财联社：潞晨科技新一轮融资与营收情况（2025-02）　https://www.cls.cn/detail/1946731
  10. [10]C199IT 转引瑞穗证券：昇腾 910 系列出货量估算——各来源口径差异较大，仅供量级参考（2025）　https://www.199it.com/archives/1757483.html
  11. [11]B电子发烧友：寒武纪 2025 年报——营收 64.97 亿元（+453%）、首次年度盈利（2026-03）　https://www.elecfans.com/d/7827181.html
  12. [12]B新浪财经：海光信息等国产芯片公司 2025–2026 业绩（2026-05-05）　https://finance.sina.com.cn/wm/2026-05-05/doc-inhwwezc9706282.shtml
  13. [13]B证券时报：沐曦科创板上市首日涨 692.95%（2025-12）　https://www.stcn.com/article/detail/3545101.html
  14. [14]B杭州网：摩尔线程科创板上市 8 个月后启动港股 IPO（2026-08-13）　https://hznews.hangzhou.com.cn/jingji/content/2026-08/13/content_9279047.htm
  15. [15]A工信部：《算力互联互通行动计划》全文（2025）　https://picpolicy.mofcom.gov.cn/file/20250721/43121753077832842.pdf
  16. [16]B虎嗅：国内智算中心 GPU 平均利用率不足 30%（腾讯云/浪潮口径）、信通院 2025 年智算用算占比 36.8%（2026-07）　https://www.huxiu.com/article/4874555.html
  17. [17]B观察者网：全国智能算力 1,882 EFLOPS、2025Q1 智算项目 128 个/投资超 4,300 亿元（2026-07-02）　https://www.guancha.cn/industry-science/2026_07_02_822331.shtml
  18. [18]B投中网：中小智算中心利用率 20–30%、「卖卡求生」（2025-04，原文链接未留存，据当期报道）
  19. [19]A天津市工信局：算力券政策——按合同金额 10% 补贴、单企业年上限 200 万元（2025-05）　https://gyxxh.tj.gov.cn/ZWXX5652/GXDT9285/202505/t20250508_6926402.html
  20. [20]AIDC：2025 上半年中国 AI 服务器市场 160 亿美元、加速计算服务器长期预测（2025-11）　https://my.idc.com/getdoc.jsp?containerId=prCHC53858025
  21. [21]B新浪科技：英伟达/AMD 对华芯片销售收入 15% 上交美国政府（2025-08-11）　https://finance.sina.com.cn/tech/discovery/2025-08-11/doc-infkqmzi9885051.shtml
  22. [22]COFweek：H20 禁售—恢复—停产时间线与国产份额演进（2026-04）　https://ee.ofweek.com/2026-04/ART-8420-2801-30686205.html
  23. [23]A国资委：中央企业「AI+」专项行动深化部署会（2025-02）　http://www.sasac.gov.cn/n2588025/n2643314/c32881575/content.html
  24. [24]A昇腾社区：昇腾万里伙伴计划体系（伙伴等级与类型，官网）　https://www.hiascend.com/ecosystem/ascendpartner
  25. [25]B新浪财经：央企大模型盘点——移动九天/电信星辰全国产训练进展（2026-08-10）　https://finance.sina.com.cn/roll/2026-08-10/doc-inimwcmh6256616.shtml
  26. [26]B新浪科技：中国移动 2025–2026 AI 推理服务器集采 51.12 亿元、CANN 生态标包约 34 亿元（2025-08-19）　https://finance.sina.com.cn/tech/roll/2025-08-19/doc-infmnxmf2700409.shtml
  27. [27]BC114：中国电信 2024–2025 服务器集采约 170 亿元、国产化占比 67.5%（2025-04）　https://m.c114.com.cn/w117-1287543.html
  28. [28]C智慧城市网：2025 年大模型招投标盘点——7,539 个项目、金额超 300 亿元、算力类金额占 52.9%（2026 年初）　https://www.smartcity.team/news/2025%E5%B9%B4ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E6%8B%9B%E6%8A%95%E6%A0%87%E6%80%BB%E7%BB%93/
  29. [29]C腾讯新闻：国产 AI 算力 2026 指南——预装一体机标价区间 80–300 万元/套（2026-05-25）　https://news.qq.com/rain/a/20260525A0AR5100
  30. [30]B新浪财经：国资央企智能软件工厂联合筑基工程，首批 13 家央企（2026-07-24）　https://finance.sina.com.cn/jjxw/2026-07-24/doc-iniixfyf1631990.shtml

B. 美国对标公司（31–63）

  1. [31]ACoreWeave 投资者关系：2026 年 Q2 业绩——收入 26 亿美元（+112%）、backlog 1,042 亿美元（2026-08）　https://investors.coreweave.com/news/news-details/2026/CoreWeave-Reports-Strong-Second-Quarter-2026-Results/default.aspx
  2. [32]BCNBC：CoreWeave Q2 2026 财报报道（2026-08-11）　https://www.cnbc.com/2026/08/11/coreweave-crwv-q2-earnings-report-2026.html
  3. [33]BCNBC：OpenAI 与 CoreWeave 签 119 亿美元五年协议（2025-03-10）　https://www.cnbc.com/2025/03/10/openai-to-pay-coreweave-11point9-billion-over-five-years-for-ai-tech.html
  4. [34]ACoreWeave 官方：与 OpenAI 扩约至多 65 亿美元，累计约 224 亿美元（2025-09）　https://investors.coreweave.com/news/news-details/2025/CoreWeave-Expands-Agreement-with-OpenAI-by-up-to-6-5B/default.aspx
  5. [35]BForbes：CoreWeave 与 Meta（累计承诺约 350 亿美元）及 Anthropic 合作（2026-04-13）　https://www.forbes.com/sites/janakirammsv/2026/04/13/coreweave-becomes-ais-landlord-with-meta-and-anthropic-deals/
  6. [36]ASEC 6-K：Nebius 与 Microsoft 五年 174 亿美元（可扩至 194 亿）协议（2025-09）　https://www.sec.gov/Archives/edgar/data/1513845/000110465925088312/tm2525580d1_6k.htm
  7. [37]BCNBC：Nebius 与 Meta 签至多 270 亿美元基础设施协议（2026-03-16）　https://www.cnbc.com/2026/03/16/meta-nebius-ai-infrastructure.html
  8. [38]ALambda 官方：Series E 融资超 15 亿美元，TWG Global 领投（2025-11-18）　https://lambda.ai/blog/lambda-raises-over-1.5b-from-twg-global-usit-to-build-superintelligence-cloud-infrastructure
  9. [39]ADatabricks 官方新闻稿：约 13 亿美元收购 MosaicML（2023-06-26）　https://www.databricks.com/company/newsroom/press-releases/databricks-signs-definitive-agreement-acquire-mosaicml-leading-generative-ai-platform
  10. [40]BTechCrunch：Databricks 13 亿美元收购 MosaicML 报道（2023-06-26）　https://techcrunch.com/2023/06/26/databricks-picks-up-mosaicml-an-openai-competitor-for-1-3b/
  11. [41]BTechCrunch：Together AI 8 亿美元融资、估值 83 亿美元（2026-07-01）　https://techcrunch.com/2026/07/01/neocloud-together-ai-raises-800m-leaps-to-8-3b-valuation/
  12. [42]BYahoo Finance：Fireworks AI D 轮 15.05 亿美元、投后 175 亿美元、年化收入破 10 亿美元（2026-07）　https://finance.yahoo.com/technology/ai/articles/fireworks-ai-raises-1-5-174637439.html
  13. [43]ABusinessWire：Fireworks AI 2.5 亿美元 C 轮公司通稿（2025-10-28）　https://www.businesswire.com/news/home/20251028604819/en/Fireworks-AI-Raises-%24250M-Series-C-to-Lead-the-AI-Inference-Market
  14. [44]BTechCrunch：Baseten 130 亿美元估值 F 轮（2026-06-18）　https://techcrunch.com/2026/06/18/ai-inference-startup-baseten-reportedly-raising-1-5b-months-after-its-last-mega-round/
  15. [45]BTechCrunch：Groq 放弃自研芯片转型 neocloud、再融 3.5 亿美元（2026-08-17）　https://techcrunch.com/2026/08/17/groq-raises-350m-to-fuel-its-pivot-from-ai-chips-to-neocloud/
  16. [46]BBloomberg：NVIDIA 交易后 Groq 新一轮估值 35 亿美元（2026-08-17）　https://www.bloomberg.com/news/articles/2026-08-17/groq-valued-at-3-5-billion-in-funding-round-after-nvidia-deal
  17. [47]BCNBC：Cerebras 获 OpenAI 超百亿美元（后扩至 200 亿+）协议（2026-01-14）　https://www.cnbc.com/2026/01/14/cerebras-scores-openai-deal-worth-over-10-billion.html
  18. [48]BFortune：Cerebras IPO——2026 年迄今最大 IPO 之一（2026-05-14）　https://fortune.com/2026/05/14/cerebras-one-of-the-biggest-ipos-of-the-year/
  19. [49]CTechTimes：Cerebras 招股书披露 2025 年收入约 86% 依赖阿联酋关联方（转述口径，2026-05）　https://www.techtimes.com/articles/316698/20260515/cerebras-raises-555-billion-ai-chip-ipo-86-revenue-dependence-uae-entities-unresolved.htm
  20. [50]BTechCrunch：SambaNova F 轮首关 10 亿美元、估值 110 亿美元（2026-07-08）　https://techcrunch.com/2026/07/08/sambanova-draws-1b-at-11b-valuation-in-series-f-first-close/
  21. [51]BDCD：SambaNova 裁员 15%、放弃训练转向推理（2025-04）　https://www.datacenterdynamics.com/en/news/sambanova-lays-off-77-employees-as-company-pivots-focus-from-training-to-inference/
  22. [52]BEE Times：SambaNova 放弃被 Intel 收购、转而融资（2026）　https://www.eetimes.com/sambanova-abandons-intel-acquisition-raises-funding-instead/
  23. [53]AModular 官方博客：2.5 亿美元 C 轮，打造统一计算层（2025-09）　https://www.modular.com/blog/modular-raises-250m-to-scale-ais-unified-compute-layer
  24. [54]BSDxCentral：Modular C 轮投后估值 16 亿美元（2025-09）　https://www.sdxcentral.com/news/modular-raises-250m-for-ais-unified-compute-layer-at-16b-valuation/
  25. [55]BUnite.AI：Nscale 约 16.5 亿美元收购 Anyscale（Ray）（2026-07）　https://www.unite.ai/nscale-buys-anyscale-to-move-up-the-ai-compute-stack/
  26. [56]BCNBC：Palantir Q2 2026 财报——收入 19.4 亿美元（+93%）（2026-08-03）　https://www.cnbc.com/2026/08/03/palantir-pltr-earnings-q2-2026.html
  27. [57]CPerspective AI：Palantir FDE 模式与 AIP Bootcamp 打法拆解（行业分析，2026）　https://getperspective.ai/blog/palantir-forward-deployed-engineering-playbook-anthropic-openai-copying
  28. [58]AOpenAI 官方：成立企业部署公司 DeployCo（2026-05-11）　https://openai.com/index/openai-launches-the-deployment-company/
  29. [59]BTechCrunch：Anthropic 与 Blackstone 等合资成立 15 亿美元实施公司 Ode（2026-07-15）　https://techcrunch.com/2026/07/15/anthropic-blackstone-bet-the-next-trillion-dollar-ai-business-is-implementation-not-models/
  30. [60]BCNBC：Meta 投资后 Scale AI 裁员 14%（2025-07-16）　https://www.cnbc.com/2025/07/16/scale-ai-cuts-14percent-of-workforce-after-meta-investment-hiring-of-wang.html
  31. [61]BTechCrunch：OpenAI 在 Meta 交易后终止与 Scale AI 合作（2025-06-18）　https://techcrunch.com/2025/06/18/openai-drops-scale-ai-as-a-data-provider-following-meta-deal
  32. [62]CSacra：CoreWeave 合同结构、Lambda/Together/Crusoe/Baseten 收入估算（数据站估算口径，2025–2026）　https://sacra.com
  33. [63]AMeta AI：《The Llama 3 Herd of Models》论文——H100 训练 MFU 38–43%（2024-07）　https://arxiv.org/abs/2407.21783

C. 渠道与分成基准（64–68）

  1. [64]CRefgrow：B2B SaaS referral 佣金基准 10–20%（2026）　https://refgrow.com/referral-fees
  2. [65]CMonetizely：SaaS reseller 折扣分层 10–40%（2026）　https://www.getmonetizely.com/articles/partner-discounts-amp-margins-how-to-structure-a-win-win-saas-reseller-program
  3. [66]CInMotion：美国独立销售代理佣金 5–15%、大型合同 8–12%（2026）　https://blog.inmotion.global/us-market-entry/independent-sales-reps-earnings
  4. [67]CSuger：co-sell 与集成商分成 15–25% 指南（2026）　https://www.suger.io/resources/guides/co-sell/
  5. [68]C网易科技：阿里云渠道返点政策解读——新客 15–20%、头部综合最高 35%（2025）　https://www.163.com/dy/article/K6PG9HS005563BZ1.html

D. 国产芯片瓶颈与实战证据（69–80）

  1. [69]BSemiAnalysis《Huawei AI CloudMatrix 384》——超节点架构与功耗/TCO 分析（2025-04）　https://newsletter.semianalysis.com/p/huawei-ai-cloudmatrix-384-chinas-answer-to-nvidia-gb200-nvl72
  2. [70]BTom's Hardware：CM384 以约 3.9 倍功耗换取超越 GB200 NVL72 的总算力（2025-04）　https://www.tomshardware.com/tech-industry/artificial-intelligence/huaweis-new-ai-cloudmatrix-cluster-beats-nvidias-gb200-by-brute-force-uses-4x-the-power
  3. [71]BDigiTimes：昇腾 910C 良率约 40%、910B 约 50%（2025-02-25）　https://www.digitimes.com/news/a20250225PD224/huawei-ascend-ai-chip-yield-rate.html
  4. [72]BSemiAnalysis《Huawei Ascend Production Ramp》——HBM 是真正的产能瓶颈（2025）　https://newsletter.semianalysis.com/p/huawei-ascend-production-ramp
  5. [73]BThe Register（FT 转引）：DeepSeek R2 昇腾训练受挫、华为驻场未跑通完整训练（2025-08-14）　https://www.theregister.com/2025/08/14/dodgy_huawei_deepseek/
  6. [74]BTom's Hardware：DeepSeek 训练切回 NVIDIA、昇腾承担推理（2025-08）　https://www.tomshardware.com/tech-industry/artificial-intelligence/deepseek-reportedly-urged-by-chinese-authorities-to-train-new-model-on-huawei-hardware-after-multiple-failures-r2-training-to-switch-back-to-nvidia-hardware-while-ascend-gpus-handle-inference
  7. [75]B腾讯科技/36氪《智算中心建设「点刹」》——国产芯片闲置率 70–80%、企业级利用率 10–15%（2025-04-28）　https://news.qq.com/rain/a/20250428A077YU00
  8. [76]B腾讯新闻：科大讯飞×华为联合优化，910B 训练效率从对标 A100 的 55% 提至 85%（2025-04-29）　https://news.qq.com/rain/a/20250429A03BIM00
  9. [77]BOSCHINA/新浪科技：CANN 全面开源、开放 260+ 高性能算子（2025-07/08）　https://www.oschina.net/news/364373
  10. [78]Avllm-ascend GitHub issue #1489：主流推理栈不支持昇腾 910A（2025）　https://github.com/vllm-project/vllm-ascend/issues/1489
  11. [79]B人民日报访谈（腾讯转载）：任正非谈「中国单芯片落后美国一代，用数学补物理」（2025-06）　https://news.qq.com/rain/a/20250613A000ZL00
  12. [80]CArthurChiao/知乎技术笔记：达芬奇架构 Cube/Vector 失衡与 910B 互联实测（2023–2025）　https://arthurchiao.art/blog/gpu-advanced-notes-2-zh/

E. 招股书细节与算力租赁行情（81–95）

  1. [81]B中新网《卖 Token 一年亏 3 亿》——硅基流动公有云 MaaS 毛利率 −271.6%（2024）/−119%（2025）（2026-07-11）　https://www.chinanews.com.cn/cj/2026/07-11/10657418.shtml
  2. [82]BKrAsia：SiliconFlow IPO filing 解析——算力全租赁、算力成本占 86.9%、serverless 户均年消费约 20 元（2026-07）　https://kr-asia.com/surging-users-widening-losses-and-leased-compute-behind-siliconflows-ipo-filing
  3. [83]A基流科技港交所招股书原文——收入/毛利细分、应收周转 64.1 天、2025 年应收仅回收 8.6%（2026-04-29）　https://www1.hkexnews.hk/app/sehk/2026/108484/documents/sehk26042906016_c.pdf
  4. [84]B经济观察报《算力租赁抢滩 2026》——西部 910B 批发约 3,000 元/P/月、议价空间 3–7%（2026-05-27）　https://m.thepaper.cn/newsDetail_forward_33248157
  5. [85]A中国政府采购网：中科院自动化所 910B 服务器租赁限价 4.2 万元/台/月（≈5,250 元/卡/月）（2025-09-30）　https://www.ccgp.gov.cn/cggg/zygg/gkzb/202509/t20250930_25449171.htm
  6. [86]A中科院深圳先进院租赁合同：H200 八卡 7.49 万元/台/月、A800 八卡 2.55 万元/台/月（2025-12）　https://www.siat.ac.cn/jggl/tzgg/202512/P020251222348802646099.pdf
  7. [87]B甲子光年：智算中心 take-or-pay 长约条款与点亮率二八分化（2025-01-16）　https://m.pedaily.cn/news/545510
  8. [88]B21 财经：2026 年算力涨价、「3+2」与「保底费用+Token 超额分成」合同结构（2026-05-08）　https://www.21jingji.com/article/20260508/herald/000d13041562e731c14bea3ad7a40d7f.html
  9. [89]B21 财经：各地算力券力度对比——杭州上限 30%、北京经开区国产算力抵扣 40%、上海初创最高 100%（2024-10-30）　https://www.21jingji.com/article/20241030/herald/ccc6ac67192d3e44263a3b8b5992995b.html
  10. [90]A政采网/IT之家：高校产教融合智算平台 4.79 亿元中标、1,024 张 910B（2024-12 / 2025-12）　https://www.ithome.com/0/907/426.htm
  11. [91]ADeepSeek 官方 open-infra-index：推理系统日成本与理论成本利润率 545%（2025-03-01）　https://github.com/deepseek-ai/open-infra-index
  12. [92]BLMSYS 博客：96×H100 部署 DeepSeek 实测成本约 $0.20/百万输出 token（2025-05-05）　https://lmsys.org/blog/2025-05-05-large-scale-ep/
  13. [93]C36氪转引行业测算：千卡集群约 3.5 亿投入/年运营 5,000 万，20% 出租率年营收仅约 2,300 万（2024-12-20）
  14. [94]BMIT Technology Review：中国算力空置与 H100 租价两年下跌近六成（2025-03-26）　https://www.technologyreview.com/2025/03/26/1113802/china-ai-data-centers-unused
  15. [95]B量子位：智谱 MaaS 毛利率 3.3%→18.9%、2025 年综合毛利率 41%（2026-03）

F. 券商研报（96–109，来自订阅研报库，无公开链接）

  1. [96]B国信证券《海内外云厂商发展与现状（四）：NeoCloud 商业模式与业绩深度剖析》（2026-04-06）
  2. [97]B东吴证券《NeoCloud 龙头崛起，AI 算力基础设施价值凸显》——含 Nebius 收购 Eigen AI 案例（2026-05-31）
  3. [98]B国信证券《AI 周报：多重因素共同推升租赁价格，高端 GPU 供不应求》（2026-06-28）
  4. [99]B开源证券《推理算力缺口持续扩大，算力租赁行业景气攀升》——2026Q1 需求 +417%/供给 +128%（2026-07-31）
  5. [100]B中邮证券《底座算力跃迁到 token 工厂的新机会》——Token 成本 CAPEX/OPEX 拆解（2026-06-16）
  6. [101]B国金证券《Token 计费重塑 AI 产业链：你的企业定价权还在吗？》——TaaS 8.5 倍收益、「Token 专业运营服务商」命名（2026-07-17）
  7. [102]B华龙证券《Token 经济风起之时》——Agent 驱动 token 激增与涨价传导链（2026-06-14）
  8. [103]B国信证券《海内外云厂商（二）：AI 投入、算力建设梳理与 ROI 测算》——大厂国产卡保有量与折旧假设（2025-11-05）
  9. [104]B东吴证券《国产算力趋势不可逆，AI 信创的战略拐点》——DeepSeek V4 部分训练环节使用昇腾（2026-05-09）
  10. [105]B国金证券《再谈超节点》——昇腾 384 超节点商用 750+ 套、950 超节点亮相（2026-07-24）
  11. [106]B国信证券《Token 出海专题：国产模型抢占市场，IDC 需求迅速扩张》（2026-03-14）
  12. [107]B东吴证券《国内算力时代开启：从算力租赁到国产算力》——头部算力租赁净利率 45–58% 实证（2026-05-04）
  13. [108]B东吴证券《AI 算力跟踪深度（四）：怎么看算力的天花板和成长性？》——反「量价周期」论（2025-10-15）
  14. [109]B开源证券《「北京 Token 工厂」受益标的梳理》（2026-07-22）

免责声明

本报告基于 Amorphoux BP v2.0.5（2026 年 7 月版）与截至 2026 年 8 月 20 日的公开信息撰写，供合作决策内部参考，不构成投资建议。BP 属未公开商业信息，请勿外传本报告。所有第三方数据以原始来源为准。