最近，中国最大的独立AI算力集群公司，要上市了。
在这一轮全球AI浪潮里，跑出了一批独立AI云公司，也就是所谓的 Neocloud。比较典型的代表，就是CoreWeave和Nebius。
它们做的事情很简单，把最稀缺的GPU算力资源，从传统云厂商体系里“拆”出来，再以更高效率直接卖给AI客户。
但这事在中国没有跑通，因为国内太缺GPU了。可也正因为如此，反而催生出了另一门生意：
AI算力集群建设。
因为GPU短缺只是问题的一部分，更大的问题是，如何让有限的算力资源，以更高效的方式跑起来。
而这，恰恰给了基流科技机会。靠着帮客户建设AI 数据中心，公司在过去三年里快速增长。
招股书显示，2023年、2024年和2025年，公司营收分别为3180万元、3.25亿元和5.20亿元，两年时间翻了超过16倍。
更夸张的是，这家公司成立于2023年2月。
也就是说，只用了3年多时间，它就已经走到了港股IPO门口。某种程度上，这家公司本身，就是这一轮中国AI基础设施狂飙的缩影。
今天，硅基君就带你聊聊这家“AI集群包工头”。
做AI数据中心建设的“包工头”
很多人对 AI 算力有一个误解：只要买到足够多的高端 GPU，大模型就能顺利跑起来。
但其实并非如此，即使单卡算力再强，如果不能把成千上万张 GPU 高效连接起来，那也只是“纸面算力”。
因为大模型训练，本质上是一个极其复杂的分布式系统问题。尤其随着GPU数量增长，复杂度还会呈现非常明显的非线性上升。
原因很简单，今天的大模型训练，本质上是在疯狂增加 GPU 之间的通信。
无论是数据并行、张量并行、流水线并行，还是 MoE（混合专家），核心都离不开一件事——GPU 之间不断同步参数、交换数据。
于是，一个问题开始越来越突出：GPU 算得越来越快，但网络却没跟上。
在AI 集群里，有一个非常经典的问题：“带宽墙（Bandwidth Wall）”。
也就是说，数据传输速度，开始跟不上 GPU 算力增长。最终结果就是，大量 GPU 空转。
哪怕是 NVIDIA、OpenAI 这样的顶级玩家，大规模训练时，MFU（模型浮点运算利用率）很多时候也只有40%—50%。所谓 MFU就是，到底有多少算力真正被模型训练利用了。
MFU 差10%，背后可能就是数亿美元级别的算力成本差距。
从这个角度上说，能不能把成千上万张 GPU 真正稳定、高效地跑起来，也是大模型竞争变得越来越重要。
而基流科技想做的，本质上就是解决这个问题。
从招股书来看，基流科技的业务主要分成两块：AI 算力集群产品，以及 AI 数据中心运营服务。
前者，可以理解成“帮客户建 AI 数据中心”。它的核心目标，是把原本分散的 GPU、网络、存储与调度能力，整合成“一台超级计算机”。
其中，在硬件层，基流科技自研了 AI 算力网络系统 Mercury，里面包括超高带宽交换机、RDMA 网卡、光模块，以及网络操作系统 MercuryNOS。
你可以把它理解成 AI 集群里的“高速公路系统”。
因为在今天的大模型训练里，真正的瓶颈很多时候已经不是 GPU 算力，而是 GPU 之间能否高速、稳定地通信。
如果通信效率不够，大量 GPU 就会处于等待状态，最终导致昂贵的算力资源被浪费。
Mercury 的价值，本质上就是提升 GPU 间的数据传输效率、网络稳定性和故障可观测性，让整个 AI 集群在高并发负载下依然能够稳定运行。
而在软件层，基流科技则构建了 AI 算力操作系统 Venus。
它负责 GPU 调度、通信优化、存储缓存、资源隔离，以及训练与推理优化等能力。
整个系统最大的特点，是“跨层协同”。传统方案里，网络、存储、计算、调度往往是割裂的，各个组件只做局部优化。
但基流科技希望把算力、网络、存储、软件调度以及 AI 框架统一协同优化。
比如在大模型训练中，VenusCL 会尽可能让“计算”和“通信”重叠执行，减少 GPU 空等时间，从而提升训练效率。
除了帮助客户建设 AI 集群，基流科技另一块重要业务，则是 AI 数据中心运营服务。
简单来说，就是依托 Mercury 和 Venus，对整个 AI 集群进行统一调度、监控与运维。
其中一个核心能力，是“全栈可观测”。
从 GPU、网络、存储，到任务调度，系统都可以实时监控与故障定位，帮助客户发现隐藏的性能问题，降低大规模 AI 集群的运维门槛。
另一方面，Galaxy Service 还会通过智能调度与动态资源分配，提升 GPU 利用率，减少算力空转，并支持存量 GPU 复用、集群平滑扩展，以及更精细化的成本管理。
总的来说，基流科技更像是一个AI计算集群建设的“包工头”
国内最大的独立AI算力供应商，三年收入翻了16倍
从财务数据看，基流科技过去三年的增长速度非常夸张。
招股书显示，2023年、2024年和2025年，公司营收分别为3180万元、3.25亿元和5.20亿元，两年时间翻了超过16倍。
其中，AI算力集群产品是最核心的收入来源。
2023—2025年，该业务收入从0.32亿元增长到4.37亿元，翻了超过10倍，占总收入比例也一路提升至83.9%。
截至目前，基流科技累计交付和服务的AI算力集群已经包含超过9万张GPU，并提供超过34,000PFLOPS算力能力。公司累计完成66个AI算力集群项目，其中包括两个万卡级超大规模AI集群。
按收入规模来算，基流科技已经是是国内最大的独立AI算力集群供应商。
更重要的是，国内AI算力集群的规模还在快速增长。
根据招股书数据，2025年，中国AI算力集群市场规模为454亿元；预计到2030年，市场规模将进一步增长至3891亿元，未来五年复合增速超过53%。
而且，公司已经实现盈利。2025年，基流科技经调整利润达到3112万元。
之所以能盈利，一个很重要的原因是，公司没有太多的研发投入。2025年，公司研发支出只有0.37亿元，占收入比例仅7.2%。这个数字远远低于绝大部分AI公司。
但另一方面，这门生意天然也有两个问题。
第一个问题，是客户相对集中。
公司的主要客户，基本都是头部大模型公司、云服务商、科研机构和电信运营商。
虽然客户数量已经从2023年的4家增长至2025年的48家，但真正有能力建设大规模AI计算集群的客户，其实始终是少数。
2024年，公司前五大客户收入占比仍高达98.9%；即便到了2025年，这一比例也还有56.6%。
第二个问题，则是硬件业务天然毛利率不高。2025年，公司AI算力集群产品毛利率只有16.8%。原因很简单，绝大部分成本都被交换机、光模块等硬件吃掉了。
受限于这两个原因，公司在2024年开始大力发展AI数据中心运营服务。
相比16.8%的硬件毛利率，运营服务毛利率已经达到47.7%。这个业务之所以能成立，是因为并不是所有有AI算力需求的客户，都具备自行部署、优化和运营AI算力集群的能力。
所以，客户会更倾向于选择那些能够以更灵活、更轻资产方式，提供“开箱即用”高性能AI算力资源的外部服务商。这也让公司具备了较强的服务溢价能力。
总结
总的来看，过去几年突然爆发的 AI 需求，加上国内 GPU 资源紧张、系统架构割裂，以及大模型训练对稳定性和效率越来越高的要求，正在让 AI 算力集群建设，变成一个快速增长的新生意。
而基流科技恰好踩中了这个窗口。只用了短短三年时间，公司就把收入做到了超过5亿元，并走到了港股IPO的门口。
但问题也同样存在。和海外那些 Neocloud 公司一样，基流科技最终仍然需要回答一个更核心的问题：
当 AI 基础设施逐渐成熟、硬件供给开始改善之后，今天这门高速增长的生意，究竟能否变成一项长期、可持续的需求。
文/阿奇
PS：如果你也在寻找投资AI资产的机会，欢迎扫码加入我们的交流群。
热门跟贴