7 月 1 日，Together AI 宣布完成 8 亿美元 C 轮融资，投后估值达到 83 亿美元。这家成立于 2022 年的公司提供开源模型训练、微调和推理所需的云服务。用 CEO Vipul Ved Prakash 的话说，目标是让「智能成为一种充足而非昂贵的资源」。公司称，上一季度其年度订单额（annual bookings）已突破 11.5 亿美元；这一指标与已经确认的收入不同。
领投方是沙特阿美旗下的 Aramco Ventures（通过 Prosperity7 Ventures 操作），跟投方包括 NVIDIA、Vista Equity Partners、General Catalyst、Emergence Capital、Schneider Electric 的 SE Ventures、Salesforce Ventures 以及 SentinelOne 的 S Ventures 等。同日，阿布扎比 MGX 宣布其 AI 基金完成 490 亿美元募资，超过原定 450 亿美元目标。两笔交易显示，海湾地区的投资机构正继续增加对 AI 的投入。
估值增至原来约 2.5 倍，融资额低于此前报道的目标
Together AI 上一轮是 2025 年 2 月的 3.05 亿美元 B 轮，估值 33 亿美元。再往前，2023 年 11 月的 A 轮拿了 1.025 亿美元，由 Kleiner Perkins 领投。今年的 8 亿美元 C 轮将估值推至 83 亿美元，不到一年半增至上一轮的约 2.5 倍。
此前披露的融资目标与最终结果有所不同：今年 3 月 The Information 曾报道 Together AI 寻求以 75 亿美元估值融资 10 亿美元。最终融资额为 8 亿美元，估值为 83 亿美元：金额低于当时报道的目标，估值更高。公司没有披露这一变化的具体谈判原因。
Prosperity7 Ventures 董事总经理 Abhishek Shukla 称公司「正在走向公开市场」，表达了对未来上市的期待，但尚无公开时间表。11.5 亿美元的年度订单额显示了业务规模，收入兑现和盈利情况仍需分别观察。
为多种开源模型提供训练和推理服务
Together AI 的主要业务是为企业提供开放模型的运行平台。客户可以通过其 NVIDIA GPU 集群使用 DeepSeek、Nemotron、MiniMax、Kimi、GLM 等模型，并通过兼容 OpenAI 的 API 接口调用。公司也提供训练、微调和推理优化，业务范围不限于出租 GPU。
CEO Prakash 在官方声明中解释了公司的选择：「智能正在成为现代经济的基础资源，和电力、带宽、资本一样不可或缺。AI 的未来不会被少数几家公司拥有，而是由数百万开发者和企业共同构建，开源模型正在让这成为可能。」
公司引用 OpenRouter 数据称，过去十二个月开放模型使用量增至原来的三倍；这类平台统计反映的是其覆盖范围内的使用情况。McKinsey 的调查则显示，近四分之三的受访组织预计将增加开源 AI 的使用。Together AI 的客户包括 Cursor、Cognition（Devin 的开发商）和 Decagon。公司称，Decagon 切换后推理成本降至原来的约六分之一；其融资博客给出的其他开放模型应用成本范围，为原有方案的约二十分之一至六分之一，并称相应任务性能相当或更好。实际节约幅度取决于模型、应用和部署配置。
ATLAS 从实际请求中学习，改进推测解码
降低推理成本还需要软件优化。Together AI 的 ATLAS（Adaptive-Learning Speculator System）是一套基于自适应推测解码的推理优化系统。
普通自回归解码逐个生成 token，推测解码则先由较快的草稿模型预测多个 token，再交给目标模型一次验证。ATLAS 进一步组合了两个「推测器」：基于通用语料训练的静态推测器，以及从实时请求中学习的轻量级自适应推测器。控制器根据预测置信度选择使用哪个推测器，并调整每次提前预测的 token 数量；请求分布变化时，可以回退到静态路径。
在公司展示的充分适配场景中，DeepSeek-V3.1 处理 Arena Hard 请求的速度达到每秒约 500 token，对比 FP8 基线为 105 TPS。这是 4 张 B200、批大小为 1 时，包括量化、Turbo 推测器和 ATLAS 在内的整套优化结果，速度约为基线的 4.8 倍。Together AI 还称，该适配场景的速度超过其图中列出的 Groq 服务；这一结果与通用在线请求的表现需要区分。
公司还在 RL-MATH 实验中测试了 ATLAS：推测结果的接受率在 1,400 个训练步中从不到 10% 升至 80% 以上，总训练时间缩短超过 60%。这些是公司自报结果，用来比较 Groq、Fireworks AI 和大型云平台的实际服务时，还需统一模型、请求分布和并发条件。
超过 500 兆瓦的算力承诺，仍需建设和交付
除 8 亿美元股权融资外，Together AI 还获得超过 500 兆瓦的算力容量承诺，相关建设由新投资者另外出资。公司预计，未来五年的算力和基础设施规模将增至目前约 50 倍。这些是后续扩张计划，尚非已经交付的容量。
100 到 500 兆瓦已是大型数据中心园区的容量级别，实际运行耗电还取决于设备和负载。对 Together AI 而言，落实电力、场地和设备，有助于承接企业的长期算力需求。例如，每月需要处理 100 亿 token 的客户，除了单价，还会关心延迟、服务等级协议（SLA）和高峰期的容量保障。AWS、Azure、Google Cloud 等大型云厂商也在争取这类客户。
融资能为扩张提供条件，最终竞争力仍要靠建设进度、服务稳定性和资源利用率来体现。
推理云融资密集，厂商各自寻找技术和服务优势
Together AI 所在的专门提供 AI 算力的云服务市场（Neocloud），近期有多家公司完成融资或洽谈新一轮投资：
- Groq 融资 6.5 亿美元，用于扩充 AI 推理云业务；此前已向 NVIDIA 授权推理技术，据报道交易金额约 200 亿美元，GroqCloud 继续独立运营；
- RunPod 于 6 月 24 日完成 1 亿美元融资，估值 10 亿；
- Fireworks AI 在 2025 年 10 月以 40 亿美元估值完成 2.5 亿美元 C 轮后，于 2026 年 5 月下旬以 150 亿估值谈判新轮次；
- Baseten 据报道年化收入在一个季度内增至约三倍，最新轮次估值最高达 130 亿美元；
- Upscale AI 在 6 月融资后累计融资达到 5 亿美元，估值 20 亿美元；
- TensorWave（聚焦 AMD 芯片）以 15.5 亿美元估值完成 3.5 亿美元 B 轮。
这些公司的产品各有侧重：Groq 突出 LPU 推理硬件，Fireworks AI 强调来自 PyTorch 开发经验的软件优化，Baseten 提供包括客户私有云环境在内的部署选择。Together AI 则将多种开放模型与自己的推理优化、训练服务结合。统一接口有助于客户更换模型，但实际选择仍受平台所支持的模型和硬件范围限制。
Emergence Capital 合伙人 Joe Floyd 表达了投资方的预期：「向开源的转变已经不再是利基偏好——它正在成为任何想规模化 AI 而不牺牲利润的公司的默认选择。」
海湾投资机构和能源设备公司共同参与
Aramco Ventures 领投这一轮，也让能源企业参与 AI 基础设施投资的方式受到关注。作为沙特阿美旗下的投资机构，它此次选择了一家开放模型云平台。
阿布扎比 MGX 同日宣布完成 490 亿美元 AI 基金募资，该机构此前已投资 Anthropic、OpenAI 和 xAI。两家机构来自不同国家，投资安排也各不相同，但都在参与 AI 的长期资本投入。对 Together AI 这样的算力服务公司而言，这类资金有助于提前安排建设和设备采购。
Schneider Electric 通过 SE Ventures 参与投资，则强调推理效率与能源消耗的关系。作为数据中心电力基础设施供应商，其 CEO Olivier Blum 解释说：「更高效的 AI 意味着每工作负载消耗更少的能源。」这项投资既涉及扩大算力供应，也涉及如何减少完成同一项任务所需的计算和用电。
扩大规模后，能否继续保持成本和服务优势
Together AI 的订单规模和新融资，显示投资者仍看好开放模型的商业需求。接下来的挑战是：当 AWS、Azure、Google Cloud 以千亿美元级别的资本支出扩充 AI 基础设施时，Together AI 能否继续凭借成本、模型选择和服务体验吸引客户。
8 亿美元融资、83 亿美元估值和超过 500 兆瓦的容量承诺，为扩张提供了条件；能否把容量及时交付，并以合适的利用率运行，将影响这笔投入的回报。
