AI算力龙头上市两年营收激增16倍：揭秘AI集群建设领军者
资本市场近期出现一个关键动向：国内规模最大的独立AI算力集群供应商，已正式递交上市申请。
全球AI浪潮催生了一批独立的AI云服务商（Neocloud），例如海外的CoreWeave和Nebius。其商业逻辑明确：将稀缺的GPU算力资源从综合云平台中解耦，以更专注、更高效的形态直接服务于AI企业。
然而，这一模式在国内市场面临结构性挑战，核心制约在于GPU供给的持续紧张。但这一困境也开辟了一条更具本土特色的赛道：AI算力集群的系统集成与全栈服务。
GPU短缺仅是表象，更深层的行业痛点在于，如何确保昂贵且有限的算力资源，能够实现最高效、最稳定的交付。这正是基流科技等公司抓住的市场机遇。通过为客户构建高性能AI数据中心，该公司在过去三年实现了爆发式增长。
其招股书披露，营收从2024年的3180万元，激增至2025年的5.20亿元，两年增幅超过16倍。尤为值得注意的是，公司成立于2024年2月。仅用三年多时间，便已推进至港股IPO阶段。其成长路径，清晰地映射出中国AI基础设施领域急速迭代的进程。
AI数据中心建设的“总承包商”
关于AI算力，市场存在一个典型认知误区：认为只要采购到足量的高端GPU芯片，大模型训练便能顺利开展。
实际情况复杂得多。即便单卡性能卓越，若无法将成千上万张GPU以高带宽、低延迟、高可靠的方式互联协同，所谓的“算力”便无法有效转化为训练进度。大模型训练本质是超大规模分布式系统工程，其技术复杂度随GPU规模呈指数级上升。
关键在于，现代大模型训练的核心活动高度依赖GPU间通信。无论是数据并行、张量并行、流水线并行，还是混合专家（MoE）架构，都要求GPU集群持续进行参数同步与梯度交换。
由此，一个核心矛盾日益凸显：GPU计算性能遵循摩尔定律快速提升，但连接它们的网络带宽与通信效率却成为新的瓶颈。这就是AI集群领域著名的“带宽墙”问题。数据传输速度一旦滞后，将导致大量昂贵GPU处于空闲等待状态，造成严重的算力资源浪费与成本攀升。
即便是NVIDIA、OpenAI等行业领导者，在进行万卡级别大规模训练时，模型浮点运算利用率（MFU）也常仅在40%至50%区间徘徊。该指标直接衡量有多少算力被实际用于有效计算。MFU相差几个百分点，背后对应的可能就是数千万乃至上亿美元的算力成本差异。
因此，能否将大规模GPU集群以高利用率、高稳定性持续运行，已成为大模型厂商的核心竞争力。基流科技的业务定位，正是解决这一系统性难题。
其业务主要由两大板块构成：AI算力集群产品与AI数据中心运营服务。
前者，可理解为“为客户提供端到端的AI数据中心交钥匙工程”。其核心目标是将离散的GPU、网络、存储及调度系统，整合为一台可协同工作的“超级计算机”。
在硬件层面，公司自主研发了AI算力网络系统Mercury，涵盖超高带宽交换机、RDMA网卡、光模块及网络操作系统MercuryNOS。这套系统可视为AI集群内部的“高速交通网络”。因为当前大模型训练的瓶颈，往往已从GPU单卡算力，转移至GPU间能否实现高速、稳定、低延迟的通信。通信效率低下直接导致算力空转。Mercury系统的价值，在于通过优化数据传输效率、增强网络稳定性与故障可观测性，保障大规模集群在高负载压力下的持续稳定运行。
在软件层面，基流科技构建了AI算力操作系统Venus。它负责全局资源调度、通信优化、存储缓存、任务隔离及训练推理性能调优。该系统的核心优势在于“全栈协同优化”。传统解决方案中，网络、存储、计算和调度层往往各自为政，仅进行局部优化。而基流科技致力于将算力、网络、存储、软件调度乃至AI框架进行一体化协同设计。例如，在大模型训练过程中，其VenusCL组件会智能调度任务，尽可能实现“计算”与“通信”操作的重叠执行，减少GPU空闲等待，从而提升整体训练吞吐量。
除集群建设外，另一项核心业务是AI数据中心运营服务。简言之，即依托Mercury和Venus系统，为客户提供集群的统一调度、全景监控与专业运维。其关键能力之一是“全栈可观测性”，能够从底层硬件（GPU、网络、存储）到上层任务调度进行实时监控与快速根因定位，帮助客户精准识别性能瓶颈，显著降低大规模AI集群的运维复杂度。
此外，其Galaxy Service服务可通过智能调度与动态资源分配，提升GPU整体利用率，支持存量GPU资源的灵活复用、集群的平滑扩容，并实现更精细化的成本核算与管理。总体而言，基流科技扮演的角色，更接近于AI计算集群领域的“系统总承包商”。
国内最大独立AI算力供应商：三年营收增长16倍
从财务表现看，基流科技过去三年的增长轨迹极为陡峭。营收从2024年的3180万元，大幅跃升至2025年的5.20亿元，两年内增长超过16倍。
其中，AI算力集群产品是绝对的收入支柱。该业务收入从2024年的0.32亿元增长到2025年的4.37亿元，增幅逾10倍，占总收入的比例也上升至83.9%。
截至目前，公司累计交付和服务的AI算力集群已整合超过9万张GPU，提供超过34,000 PFLOPS的算力输出。共完成66个AI算力集群项目，其中包括两个万卡级别的超大规模集群。以收入规模计，基流科技已成为国内最大的独立AI算力集群供应商。
更重要的是，市场容量仍在快速扩张。根据招股书援引的行业数据，2025年中国AI算力集群市场规模约为454亿元；预计到2030年，这一数字将增长至3891亿元，未来五年的复合年增长率预计超过53%。
公司已在2025年实现盈利，经调整净利润达到3112万元。能够实现盈利的一个重要因素在于其研发投入相对聚焦。2025年，公司研发支出为0.37亿元，占收入比例仅为7.2%，显著低于多数纯AI软件技术公司。
当然，这门生意也天然伴随着两项挑战。
首先是客户集中度较高。公司主要客户群体集中于头部大模型厂商、云服务商、顶尖科研机构及大型电信运营商。尽管客户总数已从2024年的4家增加至2025年的48家，但有实力与需求投资建设大规模AI集群的客户终究有限。2024年，前五大客户贡献了98.9%的收入；至2025年，这一比例虽已下降，但仍维持在56.6%的高位。
其次，硬件集成业务的毛利率存在天然天花板。2025年，其AI算力集群产品业务的毛利率为16.8%。这符合行业规律，因为成本主要被交换机、光模块等标准化硬件设备所占据。
或许正是基于这两点考量，公司自2024年起着力拓展AI数据中心运营服务。相较于硬件业务16.8%的毛利率，运营服务的毛利率达到了47.7%。这项业务得以成立，是因为并非所有具备AI算力需求的客户都拥有自主部署、优化及运维复杂集群的团队与能力。市场日益倾向于选择能够提供“开箱即用”、高弹性、轻资产模式的外部专业服务商，这也为基流科技带来了更高的服务溢价空间。
总结
综合来看，过去几年AI需求的爆炸式增长，叠加国内GPU资源紧张、系统架构割裂的产业现状，以及大模型训练对稳定性与效率的极致要求，共同将AI算力集群建设推入了高速增长的轨道。
基流科技精准地把握住了这一时间窗口。仅用三年，便将营收规模扩张至超过5亿元，并叩响了港股资本市场的大门。
然而，前方的挑战同样明确。与海外的Neocloud同行类似，基流科技最终仍需回答一个更根本的命题：当AI基础设施日趋标准化、硬件供给逐步缓解之后，当前这门高速增长的生意，能否演进为一项长期、可持续的坚实业务？