AI基础设施创业公司Thinking Machines正成为资本市场的焦点。据多家外媒报道，Accel正洽谈领投该公司新一轮10亿美元融资，本轮估值高达400亿美元——而这家明星公司目前年化经常性收入（ARR）刚刚突破1亿美元。收入与估值间的巨大落差，恰是这轮AI军备竞赛最真实的注脚。
十亿美元融资背后的“速度与激情”
Thinking Machines成立于2023年，总部位于旧金山，主攻面向大规模AI训练与推理的云基础设施。在生成式AI模型参数规模指数级膨胀的当下，其“专为GPU集群优化”的云服务迅速吸引了多家头部模型厂商与初创团队。据知情人士透露，本轮融资若顺利完成，将使公司累计融资额超过50亿美元，而距离上一轮15亿美元融资（估值约200亿美元）不过数月时间。
投资方Accel是硅谷老牌风险投资机构，曾早期投资Facebook、Dropbox等巨头。此次领投标志着传统VC对AI基础设施赛道的态度从“观望”转向“重注”。值得注意的是，Accel此前在AI领域更偏好应用层，如今转向底层算力，传递出资本市场对“AI淘金热”中卖铲人价值的重新评估。
年收入过亿，但“烧钱”同样惊人
短期内估值翻倍，并非单纯依靠财务数字驱动。Thinking Machines的商业模式为“按小时出租GPU算力”，同时提供自动化的模型部署、监控与容器编排服务。其客户包括多个估值超百亿的AI独角兽，部分大客户已签署多年期采购合同。据测算，其ARR在2026年第二季度突破1亿美元，年增长率超过300%。
然而，高增长伴随高成本。为扩建数据中心并采购最新型号的GPU（如NVIDIA B300系列），公司资本开支占收入比极高。行业分析师估计，其毛利率可能低于25%，远逊于传统云计算厂商40%至50%的水平。换句话说，收入越增长，融资需求越迫切。这轮10亿美元资金的相当部分，大概率将用于未来12个月的芯片采购订单预付款。
高估值逻辑：稀缺资产与“算力墙”
若以“收入/估值”衡量，约400倍的市销率令人咋舌，但投资者眼中的核心逻辑是稀缺性。大模型训练对GPU集群的组网、散热、供电与故障恢复能力提出极其苛刻的要求，全球能稳定承载万卡级别训练的云厂商屈指可数。Thinking Machines宣称其系统可将GPU利用率提升至85%以上，相较行业平均的不足60%，这一技术壁垒成为高估值的锚点。
同时，主流云厂商（如AWS、Google Cloud）对单一大客户的算力分配常设上限，而独立AI基础设施提供商正因此获得“后发优势”：它们可为企业提供更灵活的配额、更细粒度的计费，以及避免被云巨头锁定的可能性。这轮融资若完成，Thinking Machines将有望跻身全球前五大AI算力供给方。
对整个行业的启示：估值泡沫还是价值重估？
关于这轮融资的争议从未停止。持怀疑态度的分析师指出，一旦开源模型推理效率大幅优化或下一代芯片显著降低算力需求，重资产模式可能面临定价权松动。但也有投资人认为，AI基础设施具备类似早期云计算的“土地性质”，先跑通规模化者将享受长周期的复利红利。
在国内，类似的算力创业公司同样受到资本追逐，但估值普遍理性得多。Thinking Machines的400亿美元估值或将带动全球AI基础设施赛道的估值中枢上移，也倒逼创业者在讲故事之外，拿出更扎实的运营效率与客户留存数据。毕竟，当潮水褪去时，真正留下的不是估值，而是撑起模型的每一瓦电力与每一块GPU。