大模型价格战正酣，云天畅想却拿到了超10亿元E轮融资。这家曾被误认为“云游戏公司”的边缘智算服务商，如今押注一个更激进的赌注：当AI从训练走向规模化应用，客户愿意为“更快”的Token持续多付钱吗？
| 信息 | 详情 |
|---|---|
| 公司 | 云天畅想 |
| 创始人 | 徐公美（联合创始人、首席战略官）、张霖涛（首席科学家） |
| 总部 | 深圳 |
| 成立时间 | 2020年8月（业务探索始于2016年） |
| 本轮融资 | 超10亿元人民币E轮 |
| 投资方 | 中国互联网投资基金领投，中金资本等跟投 |
| 核心定位 | 面向AGI时代的“实时智算织网” |
| 官网 | https://www.yuntianchangxiang.com |
当“炼油厂”不够用了：AI推理正在倒逼算力格局重构
过去两年，AI基础设施的主角是超大规模数据中心——科技巨头堆叠数万张GPU，训练更大的模型，争夺“谁更聪明”的话语权。但云天畅想首席科学家张霖涛用一个比喻点出了变化：那些偏远地区的中央算力中心，本质上是AI时代的“炼油厂”，负责把原始数据“提炼”成高智商模型；而分布式边缘智算网络，是密布在用户身边的“加油站”。
这个比喻很形象，但真正推动变革的是商业现实。当大模型从训练转向规模化应用，Agent、物理AI、智能座舱、AIPC等新场景对响应速度、并发稳定性和服务覆盖能力提出了更高要求。一个聊天机器人慢两秒，用户可能还能接受；但游戏里的AI NPC反应慢半拍，沉浸感会被破坏；智能座舱和机器人更极端，很多交互和决策需要在毫秒级完成。
“过去大家只关心大模型的质量，但当AI走向规模化应用时，大家更关注成本、延时和交互的用户体验。”张霖涛告诉虎嗅。这种变化正在推动算力基础设施从中心化部署走向分布式网络化布局——偏远中央算力中心是“炼油厂”，而边缘智算网络是用户身边的“加油站”。
但问题在于，加油站赚钱的逻辑是高频次、稳定的毛利和明确的单位经济模型，而不仅仅是便利性。放在AI推理里，就是低延迟能不能形成溢价，边缘节点能不能赚到钱。
它的客户名单很短，但电费账单很长
云天畅想并不想进入普通Token那个最拥挤的战场。文本问答、摘要翻译这类推理需求，标准化程度高、对延迟不极端敏感，天然适合被大厂、公有云和模型公司卷成规模化商品。云天畅想联合创始人、首席战略官徐公美的判断是，要卖技术含金量高的“实时Token”。
所谓实时Token，不是一个单纯的技术概念，也不是一个成熟的标准计价单位，而是一类商业场景：实时语音交互、AI PC、智能座舱、游戏AI等现有的应用，以及未来的具身智能和物理AI。这些场景的共同点是，用户不能等。
张霖涛举了自动驾驶的例子：当车在路上行驶，留给障碍物识别并作出决策的时间通常只有数毫秒时间，这时候数据通过几千公里外的中央机房去计算，“算完了再传回来，车可能直接就撞上了。所以这种必须在最近的边缘端搞定。”
严格来说，自动驾驶是一个容易被误用但能说明方向的例子——安全闭环必须在车端完成，不能依赖远端云，边缘节点更可能承担协同感知、地图更新、仿真训练等任务。这个边界说明，越靠近物理世界，计算链路越需要分层。
但问题也在这里：对于哪些任务最容易打出ROI，云天畅想并未给出明确排序，只强调“低时延是核心场景”。究竟哪一类场景最容易产生商业回报，仍需要更多客户案例验证。
真正的销售挑战：让客户为“潜力”付钱
云天畅想经常被贴上“云游戏”的标签，这既是它的起点，也一度限制了外界对它的估值想象。但从另一面看，云游戏恰恰是最早验证边缘GPU能力的高压场景——它要求在移动端实现超高画质的图形渲染，同时必须将端到端的流媒体传输延迟控制在毫秒级。
张霖涛解释，“云天畅想从成立第一天起，本质上就是一个GPU原生和边缘原生的分布式异构算力调度平台，所有的软件架构和网络传输，都是为了最大化释放GPU的能力而设计的。”云游戏和AI推理表面上，一个算图形，一个算Token，但底层都需要GPU资源，都要求低延迟，都要处理高并发。
这是云天畅想试图重估自己的逻辑。但云游戏能力能不能迁移到AI推理，不是靠一句“基因演进”就能证明的。
真正的账，是怎么榨干GPU每一秒。云天畅想给出的解法是“算力复用”：白天，边缘节点承接互联网平台的视频处理、大模型推理、智能座舱交互等任务；到了闲暇时段，算力又被调度到云游戏、实时渲染等场景。如果这些负载能够错峰互补，GPU利用率就会被抬高，单个硬件的投资回报周期也会缩短。
但这仍然是一个需要验证的商业假设。更细的成本拆解目前云天畅想并未完全披露，外界还很难判断其成本优势究竟来自哪里。对一家边缘智算公司来说，低时延是前台卖点，但后台真正决定利润率的，仍然是GPU利用率和单位算力成本。
国产芯片适配：苦活累活，但可能是真正的护城河
云天畅想另一个能力是国产芯片适配。训练阶段，英伟达凭借CUDA生态、单卡性能和开发者体系，优势仍然明显。但推理阶段的逻辑有所不同——很多推理任务未必需要最顶级的单卡峰值算力，客户更关心性价比、功耗、稳定性和综合成本。
张霖涛认为，AI进入推理阶段后，国产芯片迎来了新的市场空间。“因为推理是面向具体业务场景的。一些大厂或者政府项目客户对底层的国产化率是有要求的。”徐公美透露，云天畅想在底层已与约90%的国产芯片厂商建立合作。
多厂商、多架构芯片的异构调度与调优，确实可能成为云天畅想在特定市场中的竞争壁垒。但国产芯片适配不是万能钥匙——英伟达的优势仍然明显，对云天畅想来说，国产芯片适配是苦活累活，这个过程中的成本不容忽视。
在E轮的投资节点上，云天畅想提出“实时智算织网”的战略，押注AI推理会在边缘端需求更多。但问题是，实时Token是否真有足够溢价，还要靠客户付费验证。很多客户最终可能会在端侧、本地私有云和中心云之间做成本权衡，而不是简单选择边缘节点。
不仅如此，物理AI仍是远期的商业蓝图，不是短期的现金流。机器人、自动驾驶和具身智能固然有更复杂的实时算力需求，但大规模商业化节奏并不明确。因此，融资背后是，在Token价格战之下，低延迟是否能拉起价格。
核心判断：云天畅想押注的“实时Token”是一个有技术张力的商业赌注，但真正的考验不在技术，而在客户是否愿意持续为“更快”付费。未来12-18个月的关键观察指标是：边缘节点的平均利润率是否达标、错峰算力复用能否持续兑现、以及物理AI等新场景的商业化节奏是否如期到来。如果这些不能验证，“实时智算织网”就只是一个好听的概念。
| 分类 | 标签 |
|---|---|
| 行业 | AI人工智能、边缘计算 |
| 轮次 | E轮 |
| 技术关键词 | 边缘智算、实时Token、GPU调度、异构计算、国产芯片适配 |
| 地区 | 中国深圳 |
| 标签 | #边缘计算 #AI推理 #实时Token #云天畅想 #GPU调度 |
🔗 官网：https://www.yuntianchangxiang.com