文章说趋境科技要建「高品质 AI Token 工厂」，但很多人没注意到：Token 工厂不是卖显卡或服务器，而是把算力、模型、推理引擎打包成标准化的 Token 服务，按量售卖。2026 年 3 月英伟达 GTC 大会正式提出这个概念，中国国家数据局同月将 Token 中文名定为「词元」。趋境科技自研的 ATaaS 平台正是这一模式——客户不买硬件，只买产出的 Token。2024 年中国企业级 Token 消耗量 114 万亿，预计 2026 年达 40000 万亿，这个市场正在从「模型竞赛」转向「生产竞赛」。

趋境科技强调核心技术来自开源项目 KTransformers 和 Mooncake。KTransformers 是一个异构推理框架，让 CPU 和 GPU 协同工作——GPU 负责注意力计算，CPU 处理稀疏专家模块，单卡即可运行大模型。Mooncake 则是以 KVCache 为中心的分离式推理架构，把 Prefill 和 Decode 阶段分开到不同集群，吞吐量最高提升 525%，已承载 Kimi 80% 以上流量。这两个项目是趋境科技「少模型、深优化」路线的工程基石，也是其能在单台设备上实现 Token 效率提升 3 倍以上的底层原因。

算力租赁经历了三个时代：1.0 拼机房面积和电价，按机柜月租；2.0 拼 GPU 数量，按卡时收费；3.0 的 Token 工厂模式则按实际产出的 Token 数量计费，就像从「按小时租厨房」变成「按出餐份数收费」。趋境科技正是 3.0 模式的代表——客户不买硬件、不搭模型，直接买标准化 Token。弘信电子在无锡建设的华为昇腾 384 超节点算力集群，中国电信推出 9 块 9 包月 Token 套餐，都说明这一模式正在快速落地。竞争焦点正从 GPU 数量转向「每 Token 综合成本」。

文章强调趋境科技通过软件优化而非堆硬件实现效率提升，但同期全球 AI 算力格局正在发生微妙变化：英伟达 B200 GPU 小时租赁价从 6.1 美元跌至 4.2 美元，单月跌幅超 30%；Meta 和 SpaceX 开始向第三方出售闲置算力；摩根大通连续预警 AI 资本开支过剩风险。另一边，苹果以 2.5% 营收比例的 AI 资本开支避开了数据中心军备竞赛，2026 年 7 月市值反超英伟达，重夺全球第一。同一笔算力账，一方看到「效率为王」，一方看到「需求永不满足」，分歧正从技术选型蔓延到投资逻辑。

趋境科技宣称通过模型适配、KV Cache 管理等系统优化实现单台设备效率提升 3 倍，但边界条件很关键：这种优化对万亿参数大模型仍然有效，但面对十万卡级集群（如中科曙光曙光 8000）时，系统复杂度从 O(n) 跃升到 O(n²)，调度、通信、散热等新瓶颈可能出现。真正值得追问的不是「软件优化能否替代硬件堆叠」，而是「在多大规模下，软硬协同优化的边际收益开始递减？」——这个拐点决定了趋境科技五年万卡级规划的可行性与天花板。