文章作者、来源：铅笔道

帮企业少烧一点Token，成了疯狂吸金的生意。

刚刚，Together AI宣布完成8亿美元（约合人民币54亿元）融资，估值达到83亿美元（约合人民币564亿元）。

它做的事很简单：让企业更便宜地使用大模型，尤其是开源大模型。

本轮融资由沙特阿美旗下Aramco Ventures领投，Vista Equity Partners、General Catalyst、Emergence Capital、英伟达、Salesforce Ventures等参投。

这家公司上一轮融资估值还是33亿美元，如今已经翻了一倍多。

更关键是，Together AI年化收入已经达到11.5亿美元（约合人民币78亿元）。

01 在开源模型中找到商业机会

Together AI成立于2022年——与ChatGPT生在同一年。

Together AI的创始团队有很强的技术背景，而且亚裔占比不少。

创始人兼CEO普拉卡什（Vipul Ved Prakash）出生于印度新德里，曾就读于德里圣史蒂芬学院，学习数学、物理和计算机科学，后退学投身软件开发。曾联合创办网络安全公司Cloudmark和社交媒体搜索公司Topsy。Topsy被苹果收购后，他曾在苹果负责Siri搜索和AI相关工作。

CTO张策2008年本科毕业于北大数学系，在威斯康星大学麦迪逊分校获得博士学位。曾在苏黎世联邦理工学院、芝加哥大学教授计算机。他的研究主线是让机器学习更便宜、更可信、更容易被更多人使用。

团队还有几位牛人。

克里斯·雷（Chris Re）是斯坦福大学计算机科学教授，也是连续创业者，曾参与创办SambaNova、Snorkel，以及后来被苹果收购的Lattice和Inductiv，在机器学习系统和AI基础设施领域具有重要影响力。

特里·陶（Tri Dao，越南裔）是Together AI首席科学家，也是普林斯顿大学计算机科学系的助理教授，曾在克里斯·雷手下读博。他是FlashAttention的主要作者之一，这项研究让Transformer在GPU上跑得更快、更省显存。

珀西·梁（Percy Liang，华裔）是斯坦福基础模型研究中心主任，长期关注语言模型、开放模型和模型评测。

Together AI主要团队成员，（从左至右）上排分别是普拉卡什、张策、克里斯·雷、特里·陶；下排分别是珀西·梁、泽德莱夫斯基（首席产品官）、凯·马克（首席营收官）、史美成（音，财务副总裁）

ChatGPT爆火后，市场几乎只盯着闭源大模型，但Together AI押了另一边。

Together AI起初因为提供英伟达GPU访问而受到关注，随后开始扩展为一个帮助开发者构建、定制开源AI模型的平台。

Together AI客户留下来，不只是为了卡。他们需要的是一整套服务：模型选择、训练、微调、推理、部署、评估、GPU集群、专属端点、成本优化。

这就是Together AI的商业价值。

它不是卖一个“更聪明的AI”。它是在卖“更便宜、更稳定、更可控地使用AI”的能力。

02 调用Token，年入11.5亿美元

Together AI最值得注意的数字，不是8亿美元融资，而是11.5亿美元年度化订单额，客户包括Cursor、Cognition、Decagon等AI原生公司。

Together AI的收入增长极快。2024年2月，它的年化收入大约只有3000万美元；到2025年2月，这个数字已经超过1亿美元。今年，已经达到11.5亿美元。两年暴增了约38.3倍。

Together AI的赚钱方式是在大模型推理过程中，把分散的开源模型，变成企业愿意付费购买的生产系统。

包括以下几种——

第一，是推理API。

企业调用模型，就按tokens付费。100万tokens收费，不同模型价格不同。例如DeepSeek V4 Pro、MiniMax M3、Kimi K2.7 Code等模型都有输入、缓存输入、输出价格。

第二，是专属推理服务。

一些客户用量大，或者对延迟、稳定性、安全性有更高要求，就不能只用公共API。他们需要专属端点。Together AI价格页也明确写到，很多团队会从API调用开始，规模变大后迁移到专属端点。

第三，是微调。

企业不只想用通用模型。它们希望模型懂自己的业务、客户、文档、产品和流程。Together AI提供Fine-Tuning服务，按照训练和验证过程中处理的token量收费。价格页显示，不同模型规模、不同训练方式价格不同。

第四，是GPU集群。

有些客户仍然需要自己训练、微调或部署模型。Together AI也提供按小时计费的GPU能力。价格页显示，其GPU Clusters支持H100、H200、B200等硬件，按每GPU每小时收费。

这几项加在一起，就是Together AI的商业模式：赚的是企业用模型过程中的钱。

Together AI现在每月处理超过400万亿个开放模型推理token。一年前，这个数字只有约300亿。它的调用量在一年内增长了约1.3万倍。

这门生意之所以突然变大，是因为企业开始认真使用AI了。

客服机器人每天要回复客户。AI编程工具每天要生成和修改代码。销售系统要自动写邮件。金融系统要读文件。医疗系统要总结病历。AI Agent还会反复调用模型：先理解任务，再查资料，再调用工具，再生成结果，再检查错误。

每一步都要花钱。

前几天，一则消息在硅谷刷屏：某家企业，一个月在Claude上的支出，高达5亿美元——折合人民币约33亿元，相当于每天烧掉超1亿元。

开源模型的机会来了。

企业不是每个任务都需要最贵、最强的闭源大模型。很多时候，它们只需要一个足够好、足够快、足够便宜的模型。

在OpenRouter上，开源模型处理的tokens占比从1月的34%升至6月的65%。背后是中国开源模型正在缩小与美国顶级模型的能力差距，同时给开发者更多定制和微调自由。部分模型价格低至每百万tokens 18美分，而顶级模型平均约为4美元。

因此，Together AI的平台让企业可以在DeepSeek、MiniMax、Kimi等开放模型上训练和运行AI工作负载，成本低于封闭系统。

Together AI讲了一个很令人吃惊的数字：企业使用开放模型通常可以实现6倍到20倍成本下降，Decagon迁移到Together AI后，推理成本下降了6倍。

推理不是一次性生意，客户一旦觉得能省钱，把业务流程接进去，就会持续产生账单。

03 最赚钱的AI赛道，英伟达巨头进场投资

Together AI不是唯一被资本追逐的推理基础设施公司。

上周，铅笔道报道Baseten完成15亿美元融资，估值达到130亿美元。而且，Baseten也专门提到，过去一年收入增长20倍，原因是企业对“推理”的需求增加。

而今年5月，Fireworks AI又被曝正在洽谈新一轮融资，目标估值可能达到150亿美元。

资本追逐它们，因为资本发现：大模型应用开始商业化后，真正持续产生账单的地方，是推理层。

这对中国公司很有启发。

金融、制造、政务、教育、医疗、客服、电商、办公软件，都有大量AI推理需求。这些场景不一定需要最强模型，但需要可控、便宜、安全、能接入业务流程的模型服务。

这意味着机会会出现在推理云、模型路由、国产芯片适配、行业模型部署、AI成本管理、Agent调度、私有化交付和运维服务等领域。

最后，再来看看投资方。Together AI和Baseten的投资方名单里，都出现了英伟达。

英伟达投这类公司并不奇怪。推理平台越多，GPU需求越大。Together AI早在2025年完成3.05亿美元融资时，就宣布要大规模部署英伟达Blackwell GPU。Together AI还预计，未来五年计算能力和基础设施规模将扩大约50倍。

除了卖GPU的英伟达，Together AI和Baseten这类公司也在变成芯片、能源、电力设备、制造和企业软件巨头共同押注的基础设施入口。

Salesforce也有理由进场。企业软件巨头最关心的是，AI能不能低成本、稳定地进入销售、客服、营销、办公和管理流程。投资Together AI，相当于提前卡位企业AI工作流背后的“算力水电煤”。

Aramco代表能源资本。AI推理看起来是软件生意，但背后要消耗大量电力、数据中心和算力资源。Schneider Electric是电气和数据中心基础设施相关公司，Pegatron则是电子制造和服务器供应链重要玩家。

Together AI和Baseten的融资，不只是两家创业公司的融资。它更像是一个产业信号：AI基础设施的竞争正在转向比谁能更便宜、更稳定地承接海量调用。

本文来自微信公众号“铅笔道”（ID：pencilnews），作者：铅笔道，36氪经授权发布。