最近，中國最大的獨立AI算力集群公司，要上市了。

在這一輪全球AI浪潮里，跑出了一批獨立AI云公司，也就是所謂的 Neocloud。比較典型的代表，就是CoreWeave和Nebius。

它們做的事情很簡單，把最稀缺的GPU算力資源，從傳統云廠商體系里“拆”出來，再以更高效率直接賣給AI客戶。

但這事在中國沒有跑通，因為國內太缺GPU了。可也正因為如此，反而催生出了另一門生意：

AI算力集群建設。

因為GPU短缺只是問題的一部分，更大的問題是，如何讓有限的算力資源，以更高效的方式跑起來。

而這，恰恰給了基流科技機會?？恐鴰涂蛻艚ㄔOAI 數據中心，公司在過去三年里快速增長。

招股書顯示，2023年、2024年和2025年，公司營收分別為3180萬元、3.25億元和5.20億元，兩年時間翻了超過16倍。

更夸張的是，這家公司成立于2023年2月。

也就是說，只用了3年多時間，它就已經走到了港股IPO門口。某種程度上，這家公司本身，就是這一輪中國AI基礎設施狂飆的縮影。

今天，硅基君就帶你聊聊這家“AI集群包工頭”。

做AI數據中心建設的“包工頭”

很多人對 AI 算力有一個誤解：只要買到足夠多的高端 GPU，大模型就能順利跑起來。

但其實并非如此，即使單卡算力再強，如果不能把成千上萬張 GPU 高效連接起來，那也只是“紙面算力”。

因為大模型訓練，本質上是一個極其復雜的分布式系統問題。尤其隨著GPU數量增長，復雜度還會呈現非常明顯的非線性上升。

原因很簡單，今天的大模型訓練，本質上是在瘋狂增加 GPU 之間的通信。

無論是數據并行、張量并行、流水線并行，還是 MoE（混合專家），核心都離不開一件事——GPU 之間不斷同步參數、交換數據。

于是，一個問題開始越來越突出：GPU 算得越來越快，但網絡卻沒跟上。

在AI 集群里，有一個非常經典的問題：“帶寬墻（Bandwidth Wall）”。

也就是說，數據傳輸速度，開始跟不上 GPU 算力增長。最終結果就是，大量 GPU 空轉。

哪怕是 NVIDIA、OpenAI 這樣的頂級玩家，大規模訓練時，MFU（模型浮點運算利用率）很多時候也只有40%—50%。所謂 MFU就是，到底有多少算力真正被模型訓練利用了。

MFU 差10%，背后可能就是數億美元級別的算力成本差距。

從這個角度上說，能不能把成千上萬張 GPU 真正穩定、高效地跑起來，也是大模型競爭變得越來越重要。

而基流科技想做的，本質上就是解決這個問題。

從招股書來看，基流科技的業務主要分成兩塊：AI 算力集群產品，以及 AI 數據中心運營服務。

前者，可以理解成“幫客戶建 AI 數據中心”。它的核心目標，是把原本分散的 GPU、網絡、存儲與調度能力，整合成“一臺超級計算機”。

其中，在硬件層，基流科技自研了 AI 算力網絡系統 Mercury，里面包括超高帶寬交換機、RDMA 網卡、光模塊，以及網絡操作系統 MercuryNOS。

你可以把它理解成 AI 集群里的“高速公路系統”。

因為在今天的大模型訓練里，真正的瓶頸很多時候已經不是 GPU 算力，而是 GPU 之間能否高速、穩定地通信。

如果通信效率不夠，大量 GPU 就會處于等待狀態，最終導致昂貴的算力資源被浪費。

Mercury 的價值，本質上就是提升 GPU 間的數據傳輸效率、網絡穩定性和故障可觀測性，讓整個 AI 集群在高并發負載下依然能夠穩定運行。

而在軟件層，基流科技則構建了 AI 算力操作系統 Venus。

它負責 GPU 調度、通信優化、存儲緩存、資源隔離，以及訓練與推理優化等能力。

整個系統最大的特點，是“跨層協同”。傳統方案里，網絡、存儲、計算、調度往往是割裂的，各個組件只做局部優化。

但基流科技希望把算力、網絡、存儲、軟件調度以及 AI 框架統一協同優化。

比如在大模型訓練中，VenusCL 會盡可能讓“計算”和“通信”重疊執行，減少 GPU 空等時間，從而提升訓練效率。

除了幫助客戶建設 AI 集群，基流科技另一塊重要業務，則是 AI 數據中心運營服務。

簡單來說，就是依托 Mercury 和 Venus，對整個 AI 集群進行統一調度、監控與運維。

其中一個核心能力，是“全棧可觀測”。

從 GPU、網絡、存儲，到任務調度，系統都可以實時監控與故障定位，幫助客戶發現隱藏的性能問題，降低大規模 AI 集群的運維門檻。

另一方面，Galaxy Service 還會通過智能調度與動態資源分配，提升 GPU 利用率，減少算力空轉，并支持存量 GPU 復用、集群平滑擴展，以及更精細化的成本管理。

總的來說，基流科技更像是一個AI計算集群建設的“包工頭”

國內最大的獨立AI算力供應商，三年收入翻了16倍

從財務數據看，基流科技過去三年的增長速度非?？鋸垺?/p>

招股書顯示，2023年、2024年和2025年，公司營收分別為3180萬元、3.25億元和5.20億元，兩年時間翻了超過16倍。

其中，AI算力集群產品是最核心的收入來源。

2023—2025年，該業務收入從0.32億元增長到4.37億元，翻了超過10倍，占總收入比例也一路提升至83.9%。

截至目前，基流科技累計交付和服務的AI算力集群已經包含超過9萬張GPU，并提供超過34,000PFLOPS算力能力。公司累計完成66個AI算力集群項目，其中包括兩個萬卡級超大規模AI集群。

按收入規模來算，基流科技已經是是國內最大的獨立AI算力集群供應商。

更重要的是，國內AI算力集群的規模還在快速增長。

根據招股書數據，2025年，中國AI算力集群市場規模為454億元；預計到2030年，市場規模將進一步增長至3891億元，未來五年復合增速超過53%。

而且，公司已經實現盈利。2025年，基流科技經調整利潤達到3112萬元。

之所以能盈利，一個很重要的原因是，公司沒有太多的研發投入。2025年，公司研發支出只有0.37億元，占收入比例僅7.2%。這個數字遠遠低于絕大部分AI公司。

但另一方面，這門生意天然也有兩個問題。

第一個問題，是客戶相對集中。

公司的主要客戶，基本都是頭部大模型公司、云服務商、科研機構和電信運營商。

雖然客戶數量已經從2023年的4家增長至2025年的48家，但真正有能力建設大規模AI計算集群的客戶，其實始終是少數。

2024年，公司前五大客戶收入占比仍高達98.9%；即便到了2025年，這一比例也還有56.6%。

第二個問題，則是硬件業務天然毛利率不高。2025年，公司AI算力集群產品毛利率只有16.8%。原因很簡單，絕大部分成本都被交換機、光模塊等硬件吃掉了。

受限于這兩個原因，公司在2024年開始大力發展AI數據中心運營服務。

相比16.8%的硬件毛利率，運營服務毛利率已經達到47.7%。這個業務之所以能成立，是因為并不是所有有AI算力需求的客戶，都具備自行部署、優化和運營AI算力集群的能力。

所以，客戶會更傾向于選擇那些能夠以更靈活、更輕資產方式，提供“開箱即用”高性能AI算力資源的外部服務商。這也讓公司具備了較強的服務溢價能力。

總結

總的來看，過去幾年突然爆發的 AI 需求，加上國內 GPU 資源緊張、系統架構割裂，以及大模型訓練對穩定性和效率越來越高的要求，正在讓 AI 算力集群建設，變成一個快速增長的新生意。

而基流科技恰好踩中了這個窗口。只用了短短三年時間，公司就把收入做到了超過5億元，并走到了港股IPO的門口。

但問題也同樣存在。和海外那些 Neocloud 公司一樣，基流科技最終仍然需要回答一個更核心的問題：

當 AI 基礎設施逐漸成熟、硬件供給開始改善之后，今天這門高速增長的生意，究竟能否變成一項長期、可持續的需求。

文/阿奇

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。