AI Agent News
实时追踪 AI Agent 赛道的重大事件、融资动向、模型发布和技术突破
最新行业资讯
实时追踪 AI Agent 赛道的重大事件、融资动向、模型发布和技术突破
重大事件时间线
OpenClaw GitHub 爆发
OpenClaw 10 天冲上 GitHub 全球 Top 10，超越 Linux 内核 Star 增速
Meta 20亿收购 Manus
Meta 以 20 亿美元收购 Manus AI，通用 Agent 赛道正式被巨头锁定
DeepSeek-V3 开源
性价比之王，成本仅 GPT-4 的 5%
Manus 一夜爆火
全球首款通用 AI Agent 在国内社交平台引发空前关注
OpenAI Deep Research
OpenAI 推出深度研究 Agent，一键生成专业研究报告
MCP Server 破 500
MCP 生态爆发，3 个月构建 500+ Server
DeepSeek-R1 震惊全球
开源推理模型，成本仅 OpenAI 的 3%，引发全球 AI 格局震动
MCP 协议诞生
Anthropic 发布 Model Context Protocol，成为 Agent 接口事实标准
Claude Computer Use
Anthropic 让 AI 首次直接操控电脑屏幕，开创计算机使用新范式
Replit Agent 全栈自动化
自然语言到上线产品，面向非工程师
Cursor ARR 破亿
史上增长最快 SaaS，AI 编程工具新王者
Claude 3.5 登顶 SWE-bench
最强编程 AI，Bug 修复能力达到初级工程师水平
Devin 发布
全球首个自主 AI 软件工程师，能独立完成完整编程任务
ICML 2026 获奖论文揭晓：扩散模型包揽杰出论文，DeepMind 经典获时间检验奖
2026 年 7 月 5 日，国际机器学习大会（ICML 2026）在韩国首尔公布最佳论文奖项。本届共颁发 10 个奖项，包括 2 篇杰出论文奖、1 篇杰出立场论文奖、5 篇杰出论文荣誉提名奖、1 篇杰出立场论文荣誉提名奖和 1 篇时间检验奖。ICML 与 NeurIPS、ICLR 并列为 AI 三大顶会，今年为第四十三届，于 7 月 6 日至 11 日在首尔 COEX 会议展览中心举行。投稿量过万，接收率不到三成。 ## 杰出论文奖：扩散模型成最大赢家 两篇杰出论文均围绕扩散模型，被视为领域从“概念验证”走向“深水区”的信号。 - **《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》** - 作者：清华大学黄高团队、阿里巴巴 Zanlin Ni 等。 - 核心发现：扩散大语言模型（dLLMs）的任意顺序生成能力在数学、编程等通用推理任务中反而限制推理潜力，模型会绕开不确定性高的 token 导致解空间过早收缩。研究者提出 JustGRPO 方法，放弃任意顺序，采用标准 GRPO，在 GSM8K 上达到 89.1% 准确率，同时保留并行解码能力。 - **《High-accuracy sampling for diffusion models and log-concave distributions》** - 作者：麻省理工学院、耶鲁大学 Fan Chen 等。 - 贡献：提出一类用于扩散模型采样的算法，在获得精度为 ε 的 score 估计时，可在 Õ(d log(1/ε)) 步内达到误差 ε，较此前结果实现指数级提升。复杂度与数据内在维度 d 相关，非均匀条件下可进一步降低。 ## 杰出立场论文奖：对齐技术的双重用途风险 - **《Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit》** - 作者：德国慕尼黑大学 Sarah Ball、独立研究者 Phil Hackemann。 - 论点：现代 AI 对齐方法（如 RLHF、宪法 AI）虽旨在防止有害输出，但其本身是双重用途技术，易被恶意行为者用于审查和操纵。作者呼吁社区正视这一风险，并提出缓解策略。 ## 时间检验奖：DeepMind 经典强化学习算法 - **《Asynchronous Methods for Deep Reinforcement Learning》**（A3C 算法） - 作者：DeepMind 团队（Volodymyr Mnih 等），发表于 ICML 2016。 - 意义：提出异步深度强化学习框架，显著提升训练效率，对后续算法（如 A2C、IMPALA）产生深远影响。 ## 杰出论文荣誉提名奖（5 篇） - **《The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes》**（FAR.AI）：研究 RLVR 训练中模型诚实性的涌现位置，发现激活混淆和策略混淆两种欺骗策略。 - **《Motion Attribution for Video Generation》**（英伟达、普林斯顿大学、MIT）：提出 Motive 框架，首次对视频生成中的运动进行归因，指导数据筛选以提升时间一致性。 - **《How much can language models memorize?》**（Meta FAIR、Google DeepMind、康奈尔大学、英伟达）：提出新方法区分记忆与泛化，量化语言模型容量。 - **《Diffusion Model Alignment via Stochastic Matrix Perspective》**（具体机构未详述）：从随机矩阵视角研究扩散模型对齐。 - **《Understanding Grokking: Provable Grokking in Ridge Regression》**（具体机构未详述）：在岭回归中可证明地解释“Grokking”现象。 ## 杰出立场论文荣誉提名奖（1 篇） - **《Position: AI/ML Deepfake Research is at Odds with AIG-NCII》**（Li Qiwei 等）：指出深度伪造研究与 AI 生成非自愿亲密图像（AIG-NCII）的滥用场景脱节。 ## 评选机制 程序委员会从全部投稿中遴选出 53 篇候选论文，兼顾八个一级主题方向均衡覆盖；经再度评审缩减至 22 篇，最终由 11 人组成的杰出论文评选委员会匿名交叉评审选出。
Meta推出Meta Compute卖算力：模型进展不及预期，GPU出租成新增长点
Meta于2026年7月宣布推出内部代号为“Meta Compute”的AI算力租赁业务，计划将庞大的AI基础设施开放给外部客户，包括直接出租GPU算力和托管第三方模型。此举源于Meta自研模型进展不及预期，而算力投资持续加码——2026年资本开支指引高达1250亿-1450亿美元。消息公布后，Meta股价一度大涨近9%，但随后回落；美股半导体板块则因市场担忧算力过剩而大跌，美光、闪迪等个股跌幅超10%。 ## 背景：模型受挫，算力成新出路 Meta近期在AI模型领域接连受挫：Gemini模型被限制使用，内部AI agent技术推进缓慢，员工士气跌至20年谷底。与此同时，Meta在算力基础设施上投入巨大——仅2026年上半年就签下超过5GW的数据中心容量，在建两大园区合计2.5GW，2024年初以来相关交易接近10GW。面对巨额投资和模型变现困难，Meta选择将部分算力对外出租，以提升资产利用率。 ## 关键细节：Meta Compute的两种模式 - **裸算力租赁**：类似CoreWeave模式，直接出租GPU算力。参考SpaceX的neocloud合同（三年期，双方可90天内取消），每GW年收入可达约500亿美元。Meta若拿出200MW算力，即可带来100亿美元年收入，利润率极高。 - **模型服务平台**：类似Amazon Bedrock，在基础设施上部署第三方模型并打包出售。据SemiAnalysis报道，Meta正与Anthropic进行最终谈判，以获得Claude私有实例访问权，未来可能将Claude、OpenAI或Google的模型集成到平台中。 ## 各方反应与市场影响 - **资本市场**：消息公布当日，Meta股价大涨8.81%，但次日下跌4.9%。美股半导体板块遭重挫，半导体指数下跌5.44%，美光、闪迪跌超10%，英伟达等同步走弱。A股AI硬件链同样暴跌，创业板指收跌5.71%，科创50大跌7.70%。 - **分析师观点**：部分观点认为，Meta转租算力可能意味着AI基建从供不应求转向阶段性过剩，动摇此前支撑硬件牛市的稀缺逻辑。但另一些分析指出，Meta仍在加码下一代模型训练——其超级智能负责人亚历山大·王透露，下一代模型“Watermelon”训练算力比前代高一个数量级，基准测试已追上GPT-5.5。此外，财联社报道Meta与三星签下超10万亿韩元（约合人民币500亿元）的2纳米AI芯片代工订单，计划量产数十万组芯片，表明Meta并未停止算力扩张。 ## 影响与展望 Meta的算力业务一旦成形，将直接与AWS、Azure、Google Cloud以及CoreWeave、Nebius等AI云厂商竞争。同时，Meta可能利用广告平台构建销售与营销SaaS，集成前沿AI Agent。尽管市场对算力过剩存在担忧，但Meta的动作更可能是在优化存量资产利用率，而非削减投资。短期内，Meta股价波动反映了市场对AI投资回报的重新评估；长期来看，算力租赁能否成为Meta的稳定收入来源，取决于其能否在模型竞争中找到差异化优势。
OpenAI Scaling Law 原始论文被曝存在 Bug，全球算力或遭浪费
近日，DeepMind 研究员 Sander Dieleman 转发了一篇博客，指出 OpenAI 2020 年 Scaling Law 原始论文存在致命 bug，可能导致全球 AI 行业在过去几年中浪费了大量算力。该博客由前 OpenAI 研究员 Diogo Almeida 撰写，标题为《Scaling Laws, Honestly》，直言最初版本的 scaling law 因一个 bug 而错误。 ## 背景：Scaling Law 的提出与影响 2020 年，OpenAI 在论文中提出，在固定算力预算下，应优先扩大模型参数量而非数据量，最优参数量与算力的 0.73 次方成正比。这一结论直接影响了 GPT-3（1750 亿参数）等模型的设计，推动了“大力出奇迹”的行业趋势。然而，2022 年 DeepMind 的 Chinchilla 论文推翻了这一结论，指出模型和数据应同等放大，每个参数约需 20 个 token。Chinchilla 以 700 亿参数、1.4 万亿 token 的训练，在同等算力下超越了 2800 亿参数但仅训练 3000 亿 token 的 Gopher，揭示了此前模型“虚胖”的问题。 ## 关键细节：Bug 的具体表现 Diogo Almeida 指出，原始论文存在三个关键问题： - **固定训练 token 数**：所有模型（无论大小）均使用约 130B tokens 训练，导致小模型过拟合，大模型欠拟合。 - **余弦学习率衰减**：学习率在训练末期被强制归零，人为制造了性能饱和的假象，使研究者误以为增加数据无效。 - **误导性结论**：论文声称结果“基本不受学习率曲线影响”，但该结论仅在有限 token 预算下成立，不适用于 scaling law 所描述的无限数据场景。 此外，2024 年 Besiroglu 等人发现 Chinchilla 论文本身也存在 bug：优化器中的 loss 尺度设置过高，导致拟合过早终止。这表明 scaling law 作为经验拟合曲线，并非铁律。 ## 各方反应与数据 - **Diogo Almeida**：承认自己当年在 OpenAI 也未发现此 bug，因为学习率曲线看似“精心设定”。 - **Sander Dieleman**：在推特上表示，该 bug 可能让业界在大量“体量过大、训练不足”的模型上浪费了算力。 - **Adam Zachary Wasserman**：进一步指出，目前的 scaling law 实际上是“英语 Scaling Law”，因为英语形态贫乏，需要更多数据；而法语、中文等语言效率更高，说明算力配比存在语言偏见。 ## 影响与反思 该 bug 的曝光意味着全球 AI 行业可能在过去几年中错误地优先堆参数，导致算力错配。研究者认为，本可以用更小的模型、更多的优质数据实现更强性能，节省大量 H100 运行成本。同时，这也引发了对 scaling law 本质的反思：它并非物理定律，而是基于特定实验条件的经验拟合，其有效性受限于数据、语言和训练设置。 目前，OpenAI 尚未对此事发表官方回应。但这一发现可能促使行业重新审视模型规模与数据量的平衡，推动更高效的 AI 发展路径。
OpenAI 提议向美国政府出让 5% 股权，估值 8520 亿美元下价值超 400 亿
据英国《金融时报》报道，OpenAI 已与美国政府展开初步谈判，提议出让 5% 的公司股权。按当前 8520 亿美元估值计算，这部分股权价值约 426 亿美元。OpenAI CEO 萨姆·奥特曼已与商务部长 Howard Lutnick 和财政部长 Scott Bessent 等高层直接对话，谈判处于“概念性”阶段，任何交易落地都可能需要国会立法。 ## 提议背景与动机 奥特曼的提议并非临时起意。自 2025 年初，OpenAI 便开始公开讨论“政府持股”概念： - 4 月，发布政策白皮书，提出建立“公共财富基金”； - 5 月，旗下基金会拨款 2.5 亿美元研究“AI 时代的经济未来”； - 6 月，Anthropic 交表 IPO，OpenAI 跟进，Anthropic CEO 也提议对 AI 公司征税并全民发钱。 当前 OpenAI 面临多重监管压力：美国参议员桑德斯提出法案，要求对大型 AI 公司征收 50% 的股票税；GPT-5.6 系列因白宫要求分批延迟发布；中期选举临近，AI 对就业的冲击成为两党议题。在此背景下，出让股权被视为缓解监管压力、建立利益共同体的策略。 ## 方案细节与更大野心 奥特曼的完整构想分三层： 1. 美国头部 AI 公司（OpenAI、Anthropic、谷歌、Meta）各拿出 5% 股权； 2. 这些股权统一注入一个主权财富基金，类似阿拉斯加永久基金； 3. 基金收益向全体美国人分红。 但目前没有证据显示其他公司对此有兴趣。奥特曼建议所有主要 AI 公司加入同一安排，但执行难度极大。 ## 各方反应与路线之争 方案引发左右两派批评： - **右派**（如自由市场智库 R Street）认为政府持股是白宫控制 AI 的第一步，可能演变为干预经营； - **左派**（如参议员桑德斯）主张公众应持有 50% 股权，5% 比例过低，且为被动股（无投票权、不干预经营），公众实际获益有限； - **安全派**担忧政府成为股东后，可能因分红利益而放松对 AI 安全的监管。 桑德斯的 50% 提案与奥特曼的 5% 方案形成鲜明对比，折射出两种思路：前者强调公众控制权，后者侧重利益分享。 ## 潜在影响 若方案落地，政府将获得制度化窗口介入 AI 公司决策，包括模型发布节奏、安全评估、数据使用和出口管制等。AGI 开发路径可能不再纯粹由技术和商业驱动，监管和公共利益考量将成为硬约束。 此前美国政府入股英特尔 10% 后，白宫对其态度明显转向支持，为政府持股改善关系提供了先例。OpenAI 和 Anthropic 正筹备 IPO，此时递出股权或在 IPO 前锁定稳定外部关系。 目前提议仍处于早期概念阶段，距离正式协议尚远，但标志着 AI 行业与政府关系进入新维度——争论焦点从“要不要监管 AI”转向“政府要不要成为 AI 股东”。
硅基流动提交港股上市申请，2025年毛利率转负至-24%
2025年6月30日，AI推理基础设施公司硅基流动（SiliconFlow）向港交所提交上市申请，冲刺“AI Token工厂第一股”。招股书显示，公司2025年营收5533万元，同比增长653.2%，但毛利率由2024年的39.4%骤降至-24.0%，其中公有云服务毛利率为-119.0%。亏损扩大至3.45亿元，经调整净亏损1.87亿元。公司解释，毛利率转负主要因公有云业务扩张导致算力成本激增，以及为吸引用户发放大量代金券。截至2026年4月底，平台注册用户达1028万，日均Token吞吐量5785亿，服务超1.3万家企业客户。根据沙利文报告，按2025年Token年吞吐量计，硅基流动为中国第四大Token供应平台，在独立生态平台中排名第一。公司已完成7轮融资，估值77.4亿元，投资方包括阿里、美团、华为哈勃、智谱、商汤等。
Meta 计划出售闲置 AI 算力，引发科技股震荡并转向算力租赁
2026年7月1日，据彭博社报道，Meta 正在筹建一项名为“Meta Compute”的云基础设施业务，计划对外出售闲置的 AI 算力和模型访问权限。该消息引发市场对 AI 基建过剩的担忧，导致 A 股和美股科技股大幅下跌：A 股创业板指收跌 5.71%，科创50 跌 7.70%；美股半导体指数下跌 5.44%，CoreWeave 暴跌 14%，Nebius 跌 17%。然而，Meta 随后被曝出仍在加码 AI：据 Business Insider，其下一代模型“Watermelon”训练算力比前代高一个数量级，性能已追上 GPT-5.5；财联社报道，Meta 与三星签署超 10 万亿韩元（约 10 亿美元）的 2 纳米芯片代工订单。分析认为，Meta 此举是优化存量资产，而非停止 AI 投资，其出售的算力主要为老旧推理 GPU。Meta 股价在消息公布后一度涨超 10%，随后回落。
Anthropic 挖角 UC 伯克利系主任，两周内连揽四位顶尖人才
7 月 1 日，加州大学伯克利分校 EECS 计算机科学系主任 Jelani Nelson 宣布加入 Anthropic，以学术休假形式保留教职。Nelson 是理论计算机科学家，专攻流式算法、降维和随机算法，其研究对提升大模型训练效率和数据压缩有重要意义。Anthropic 发言人确认他将加入预训练团队，聚焦 Claude 核心能力研究。 ## 背景：Anthropic 的人才攻势 Nelson 的加盟是 Anthropic 近期密集引才的一部分。6 月 18 日，Transformer 论文作者、Gemini 联合负责人 Noam Shazeer 离开谷歌加入 OpenAI；6 月 19 日，2024 年诺贝尔化学奖得主、AlphaFold 开发者 John Jumper 宣布离开 DeepMind 加入 Anthropic（受竞业条款限制，可能明年到岗）；6 月 24 日，Gemini 核心研究员 Jonas Adler 和 Alexander Pritzel 也被曝将跟进加入 Anthropic。短短两周内，Anthropic 至少吸纳了四位顶尖人才，包括一位诺奖得主、两位 Gemini 核心研究员和一位系主任。 ## 关键细节：Jelani Nelson 的学术与产业背景 - **学术履历**：Nelson 在 MIT 获得计算机科学和数学双学士学位，2011 年取得 MIT 计算机科学博士，博士论文《Sketching and Streaming High-Dimensional Vectors》获 MIT 杰出论文奖。他先后在伯克利、普林斯顿做博士后，2013 年加入哈佛，2019 年转至 UC 伯克利，2024 年 7 月任计算机科学分部主任，2025 年 7 月升任系主任。 - **研究方向**：流式算法、降维、随机算法，核心是“用最少内存和计算处理最大数据”。其团队曾证明近似计数问题的内存下界，并与他人合作证明了 Johnson-Lindenstrauss 引理的最优性，该引理是向量检索和嵌入压缩的理论基础。 - **产业经历**：2021 年至 2025 年 6 月，Nelson 同时在谷歌担任研究科学家，因此此次跳槽也被视为谷歌人才流失的又一案例。 - **社会贡献**：2011 年在埃塞俄比亚创办免费编程夏令营 AddisCoder，已培养近 700 名学员，并因此获得 ACM Lawler 人道主义贡献奖。 ## 各方反应与影响 - **学界与产业反响**：YC 总裁兼 CEO Garry Tan 在社交媒体上感叹 Anthropic 的吸引力。Nelson 的公开课视频（哈佛 YouTube 频道《Advanced Algorithms》）播放量超 2100 万，其加盟引发广泛关注。 - **对谷歌的冲击**：6 月内，谷歌接连失去 Noam Shazeer、John Jumper 等核心人才，Alphabet 股价下跌，投资者质疑其人才留存能力。 - **模式趋势**：Nelson 以“学术休假”形式入职，保留教职，这种“半只脚进产业”的模式在学界日益普遍（如李飞飞 2017 年休假加入 Google Cloud）。对 AI 公司而言，这降低了引才摩擦，并可能连带吸引其学术网络。 ## 影响：理论人才成 AI 竞争新焦点 Nelson 的加入标志着 AI 公司的人才争夺从工程、产品领域延伸至理论计算机科学。随着模型规模逼近算力天花板，提升算法效率（如数据压缩、计算复杂度优化）成为关键。Anthropic 此举旨在强化底层理论储备，而大学则面临顶尖学者被产业“虹吸”的压力。
快手可灵AI完成30亿美元融资，腾讯阿里百度等34家机构入局
2025年7月2日，快手宣布旗下视频生成大模型可灵AI完成独立融资及业务重组，引入34家投资机构，融资规模最高30亿美元（约合人民币204.47亿元），投前估值150亿美元，投后估值180亿美元。快手仍持有北京可灵68.33%股权，保持控股地位。 ## 投资方阵容 本轮融资阵容豪华，包括互联网巨头、国家级基金、地方产业基金及市场化机构。腾讯通过两家主体合计投资约13.63亿元人民币，阿里云投资13.63亿元，百度投资3.41亿元。此外，中国互联网投资基金、北京市人工智能产业投资基金、北京信息产业发展投资基金、中信证券投资，以及弘毅投资、CPE源峰、深创投体系等也参与其中。据Z Finance报道，领投方或为具有中东背景的基金，但快手公告未明确提及。 ## 融资细节与用途 本轮融资已签约金额约190.47亿元人民币，其余额度在认购期内继续开放，总规模最高30亿美元。快手向外部投资者出让约16.67%股权，叠加15%员工股权激励池后，快手持股降至68.33%。资金将用于业务拓展、日常运营、营运资金及团队发展。可灵AI计划于2026年完成重组与股改，预计2027年初递交上市申请。 ## 商业化进展与估值 快手公告披露，截至2025年底，可灵AI全年收入约11亿元；截至2026年3月，年化收入运行率（ARR）达约5亿美元。Z Finance报道称，2025年一季度收入突破6.5亿元，同比增长超300%；全球用户超6000万，累计生成视频超6亿个，服务超3万家企业及开发者。以180亿美元估值和5亿美元ARR计算，市销率约36倍。快手认为150亿美元投前估值合理，基于视频生成模型能力、商业化进展及市场前景。 ## 技术迭代与组织调整 可灵AI自2024年6月上线1.0版本后，一年内完成30次迭代，推出2.0、2.1、3.0及O1版本。2025年4月，快手成立可灵AI事业部，负责人直接向CEO程一笑汇报，成为与主站、商业化等并列的一级部门。2025年8月，原技术负责人张迪离职，由盖坤兼任。张迪随后加入阿里淘天集团，其团队推出的HappyHorse-1.0在权威榜单上超越可灵3.0。 ## 行业影响 可灵AI融资是2025年全球AI视频生成赛道最大规模融资，凸显资本对多模态AI的追捧。快手通过分拆融资释放可灵独立价值，同时保留控股权，有助于市场重估快手整体估值。
硅基流动提交港股上市申请：营收增长653%但毛利率转负，Token工厂模式面临盈利考验
2025年6月30日，AI Infra公司硅基流动（SiliconFlow）向港交所提交上市申请，冲刺“AI Token工厂第一股”。招股书显示，公司2025年营收5533万元，同比增长653.2%，但毛利率由正转负至-24.0%，其中公有云服务毛利率为-119.0%。年内亏损3.45亿元，经调整净亏损1.87亿元。公司定位为AI推理时代的Token工厂，通过自研软件平台优化算力与模型匹配，向客户售卖Token。截至2026年4月底，注册用户达1028万，日均Token吞吐量5785亿，服务超1.3万家企业客户。根据沙利文数据，按2025年Token年吞吐量计，硅基流动为中国第四大Token供应平台，在独立生态平台中排名第一。公司已完成7轮融资，估值77.4亿元，投资方包括阿里、美团、华为哈勃、智谱、商汤等。 ## 业务模式与市场定位 硅基流动的核心业务是“Token工厂”：租用或购买芯片，部署开源大模型，通过自研软件平台优化后向用户售卖Token。收入来源分为公有云Token售卖（API调用）和本地部署解决方案（SaaS订阅及专属服务）。2025年，公有云服务收入2926万元（占比52.9%），本地部署收入2607万元（占比47.1%）。截至2026年4月底，公有云业务增长更快，本地部署客单价提升但项目数量减少。公司强调自身并非模型公司，而是AI推理时代的基础设施层，专注于异构算力、多模型与企业需求的封装交付。 ## 财务数据与亏损原因 - **营收与亏损**：2025年营收5533万元，较2024年的734.6万元增长653.2%；年内亏损3.45亿元（2024年亏损8191.5万元），经调整净亏损1.87亿元，经营现金流出1.72亿元，月均现金消耗率1480万元。 - **毛利率骤降**：2024年毛利率39.4%，2025年降至-24.0%。招股书解释，主要因公有云业务扩张中，为吸引用户发放大量免费Token代金券，而算力租赁成本需自行承担，导致销售成本从445.2万元激增至6863.2万元。 - **研发投入**：2024年研发支出6450万元，2025年增至2.091亿元，增幅224.4%。公司员工约100人，为技术驱动型企业。 - **现金流**：截至2025年底，公司拥有1亿元定期存款及1.72亿元现金及现金等价物。 ## 用户与市场数据 - **用户规模**：注册用户从2024年底的12.7万增至2026年4月底的1028.24万。 - **平台能力**：截至2026年4月30日，日均Token吞吐量5785亿，累计支持超170个模型，服务超1.3万家企业客户。 - **行业排名**：根据沙利文报告，按2025年Token年吞吐量计，硅基流动在中国Token供应平台中排名第四（市场份额1.5%），在独立生态平台中排名第一。 ## 投资方与产业链布局 硅基流动已完成7轮融资，估值77.4亿元。投资方涵盖多类产业方： - 平台与应用型：阿里、美团、携程、金蝶、软通、万兴等； - 算力与基础设施：华为哈勃、壁仞、云天励飞、联通、360等； - AI模型与公司：智谱、商汤； - 专业投资机构：创新工场、耀途、普华、纪源、华控等； - 国资与产业基金：多地政府背景基金。 ## 风险与挑战 - **定价权有限**：Token市场价格竞争激烈，公司议价能力受限。 - **成本压力**：算力资源租赁成本可能持续走高，尤其在算力紧缺背景下。 - **技术壁垒**：自研软件平台的长期竞争力需持续验证，面临同类厂商竞争。 - **盈利模式**：当前依赖补贴获客，付费转化率待提升，盈利能力尚未得到市场验证。