抖音在线涨播放网址500个，揭秘高效涨粉技巧？

Token的成本正在暴跌。

这句话放在两年前，会让每一个AI创业者兴奋。从2023年到2025年，AI推理成本下降了99.7%。要知道，GPT-4发布时每百万Token成本是37.5美元，到2025年这个数字已经降至0.14美元。按这个趋势，算力成本对创业者来说，应该不是问题才对。

但现实却恰恰相反。

同一时期，全球企业AI云支出从115亿美元暴涨到370亿美元，整整翻了三倍。AI进入A2A时代后，数十个智能体在反复交互中，让Token调用量呈指数级爆炸。这也导致了尽管Token单价更便宜了，但每个任务消耗的Token量疯狂上涨。

显然，算力正在成为这个时代最奇特的资源。它越来越便宜，但你花在它上面的钱，只会越来越多。

对巨头来说，这个问题可以靠自建算力中心来解决。但对大多数创业公司来说，他们只能站在公共算力市场里，接受云厂商的定价，看着算力账单一个月比一个月高，却毫无议价能力。

共绩科技创始人付智看到的，正是这个市场错位诞生的商机。

在他看来，想要算力成本下降的解法不是只能等待成本自然下降，而是换一种使用算力的方式，同样可以让算力成本开始下降。让算力像电力一样，随取随用，按需计费，把大量被闲置浪费的算力资源重新激活。

近日，共绩科技完成 Pre-A 轮融资，投后估值 3.5 亿元人民币，并计划于近期启动 A 轮融资。在算力赛道普遍承压的 2025 年，这家用人工智能方法解决资源调度问题的科技公司悄悄做到了数千万营收，客户留存率接近100%。

共绩科技，正在把算力调度变成一门真实的生意。

共绩科技创始人付智 图源：共绩科技

一、当 AI 公司爆了，算力成本这笔账有了新解法

新品上线前夕，Remy的团队几乎没睡觉，随时预备着突发情况诞生。

但真当公司网站在 48 个小时涌入 50 万用户时，对一家刚从内测走向公测的 AI 创企来说，他们需要在短时间内将所有基础设施扩容几十倍。尽管有所准备，上线前，Remy提前测试过 Ucloud 、阿里云、华为云等多个云服务平台，但泼天流量真正砸下来的那一刻，他们的最终解决方案商却是共绩科技。

简单来说共绩科技做的事就是把闲置算力调度起来，再按需分配给有弹性需求的 AI 企业。无论是网吧夜里空转的机器、或者个人用户的 4090，又或者是小机房的空闲资源都能够成为共绩科技可调度的算力池一部分。如果客户不够用，就随时在算力池子里再调，随用随取。

那 48小时里，共绩科技紧急为 Remy调配了近1900 张 GPU 卡。用户每发起一次请求，就会诞生一个新订单；当用户的计算完成，订单立刻关闭。那一天，平台处理了超过百万个订单。

「在峰值时刻，一般的算力服务商临时能开出 20 张卡就已经很难了，更多情况下企业还需要等待，但等待也意味着流量流失，是企业绝对不想看到的。」付智谈到在这件事之后，Remy使用的绝大部分的算力都来自共绩科技。

Remy 对算力的需求其实很简单，每一次流量爆发的时候，用户的点击都能及时回应，算力的调用要快、要及时，同时成本要低。这些都是刚刚起步的AI创企对算力最基础的需求。

相比之下，有一类 AI 应用客户面对算力需求则是更小众，但也更现实。

去年春节期间，有一家在景区做 AI 换装拍照的公司找上了共绩科技。他们倒不是不知道流量爆发的节点在什么时候，但仍然很难算好算力这笔帐。

他们的 AI 设备多放在景区里，一到节假日就人满为患，算力需求激增。但是假期一过，算力的需求又几乎归零。「春节是全年最大的高峰，剩下大半年，景区里没什么人。」他们告诉付智。

这样的算力波动意味着，如果选择按峰值租算力，等于平时 90% 的时间都在烧钱养卡；如果按照均值租算力，那春节期间肯定需求会崩，很影响用户体验。「这样的需求波动，在传统的算力服务方案里，比较难获得一个合适方案。因为这种极端的峰谷差，在标准产品里根本没有对应的定价逻辑。」付智说道。

但这样的场景，却很适合使用共绩科技的算力共享平台。

那一个月，服务节点换了 1963 台个人电脑，整个春节，服务没有出现过一次稳定性问题。「「相比客户自己按峰值部署算力，我们帮他们节约了近70%的费用。」付智补充道。

这样的时间波动需求不仅出现在一些垂类小众场景里，同样对不少AI新秀公司来说也同样常见。

liblib 是国内用户量最大的 AI 图片生成平台之一，他们曾在云厂商平台租了大量GPU 卡。但如果仔细研究的话，他们发现这些GPU平均算下来，整体利用率只有 45%。

这也意味着，超过一半的卡，每天都在白白烧钱。

据付智介绍，其实像 liblib 这样的企业并不是少数，几乎所有以上班族为核心用户的 AI 应用工具，都会遇到这个问题。白天用户密集使用，夜里用户数大幅下降。如果按峰值配算力，夜里则空置率较高，但如果按均值配则白天很难满足所有用户需求。

AI 赛道看着热闹，但卡住公司发展生命线的，有可能就是算力成本这笔账。不少企业对算力预期过高，算力成本把现金流拖垮，也有企业对算力预估不足，在用量峰值时服务崩掉，用户一走不回头。

「AI 应用的流量天然是波动的，算力市场的定价逻辑是为稳定需求设计的，算力成本的分配方式还一直停留在比较传统的方式上」付智说道。这也是为什么当一家 AI 公司真正爆了，算力成本这笔账，需要一种新的算法。

过去，传统的算力服务模式以长租合同为主。企业租一年，不管用不用，都需要为算力预付费用，算力闲置的成本主要由企业自己承担。而共绩科技做的事，其实是把这笔成本迁移到另一个地方，也就是那些本来就有闲置算力、但自己跑不满的人，像是个人用户、网吧等等，这些算力本来就在浪费，把它们调度起来，不产生新的算力成本，也盘活了已经存在的闲置算力。

「算力不是越多越好」付智说，「而是可以流动的、随时可调用的，才好。」

二、弹性算力这笔生意，考验的是能源调度能力

对付智来说，想做算力调度这笔生意的契机，其实是来自于一个偶然的机会。

2023 年 5 月假期，正是AI浪潮刚刚萌发的阶段，付智往一个 AI 创业者社群里扔了一条消息。内容很简单：我有一台 A100，租得越短越便宜，有需要的来找我。

他当时自己的预期其实没抱多大希望，毕竟只有一张显卡。结果却出乎意料最后有 30 个人咨询他，并且都很爽快地付钱。

「我说谁给钱快我就给谁。」他最后挑了 5 个人服务。一张卡，5 个客户，验证了一个他想了很久的判断：普通人开始需要算力了。

但他也清楚，这门生意之所以在那个时间点才成立，不是因为他运气好，而是因为在那之前，这件事根本没有条件做。

毕竟，1999年就有人曾提出做算力共享，搭建了BOINC 平台，几十万人在上面贡献算力，但当时做的是公益性的科学计算平台，人人可以免费使用。后来比特币火热的时候也有人考虑借着挖矿热潮把闲置算力调度起来，但这并不合法。

想法一直都在，但土壤一直没有。

毕竟，真正有高性能 GPU 的普通用户，是 90 后、00 后们。在这之前，很少有人的个人电脑配置的是 4090 。而让个人电脑安全运行 Linux 虚拟环境的 WSL1.0.0，也是到2022年才正式发布，更不用提远程调用分布在各地的个人设备，让它能被内网穿透的技术，到 2021 年前后才算真正成熟。

供给侧、需求侧、以及技术条件，三项俱全，才让这门生意在今天变得可能。

但付智觉得真正发现「时机到了」的信号，不是 DeepSeek，不是一体机，而是 AI 的消费场景，正在从小众工具向普通人的日常娱乐渗透。

「一旦这个进程加速，对算力的需求就不再是几家大公司采购，而是要像电力一样，需要被大规模、跨节点地调度分发。」付智说道。

这也是共绩科技正在推进与国家算力中心谈合作的原因。目前他们已经参与了京津冀、长三角、深圳、青海的省级算力调度平台建设，各地搭起来的调度系统，技术上 都有共绩的参与。

不过，「算力调度」这件事，比看起来要难得多。

算力调度和算力管理并非一概而论。付智把调度和管理做了一个区分：大厂做的是管理，把一堆机器纳入同一套系统，知道谁在用、谁闲着，但很难实现跨地域、跨设备的动态分配。

而算力调度是另一回事，它需要把这个地方的峰值需求，用其他地方闲置的算力来填。这在计算机工程里其实没有现成的解法，反而是能源领域的老问题。「削峰填谷」这个词，本来就是电力系统的术语。

付智本科读的是清华建筑环境与能源应用工程，导师是能源领域的院士。他把能源调度的算法移植过来，解决的是算力版本的同一个问题，这也是共绩最核心的壁垒。

当然，在工程化上，这套跨地域的调度体系也会遇到的麻烦也不少。比如，接入调度池的个人电脑，随时可能「被占用」，如果用户一开游戏，这台机器就要退出，但下游的客户要求服务不能断。

付智选择的是热备加预测，也就是提前给每个任务备好冗余节点，同时用积累的历史数据预测每个供给方的在线规律，动态调整备份比例。数据越多，备份越精准，成本越低。「我原来得给你备两台机器。但随着使用，我现在只要备一台就够了。」网络传输层也不稳定，共绩的应对是同时接入三家头部云厂商，付智提到，「不可能同时出问题」。

那云厂商为什么不做弹性算力？

付智给出的解释是，大厂看到了，但大厂的弹性算力在产品定位、定价策略上有所不同，共绩的优势是价格和调度效率。

弹性算力的核心矛盾在于，你得提前备好「随时能调用」的算力，但这些算力在没人用的时候就是纯粹的闲置成本。一般算力服务商的弹性扩容大约是常规价格的 5 倍，或者让客户签一年长约，由客户承担算力闲置的风险。

共绩之所以能提供真正的弹性，是因为它用的资源本来就是闲置的，这些资源没有被提前采购进来压成本，它们本来就闲着，所以共绩可以给出更有优势的价格。

据付智分析，整个市场里，80% 的算力需求走大厂的长租整包，剩下 20% 是有弹性需求的部分。付智不打算抢那 80%，他更专注的是那 20%的市场，而且随着 AI 应用持续生长，这 20% 的市场空间也会越来越大。「在别人那，租得越长越便宜；在我这，租得越短越便宜。」付智补充道。如今共绩科技共享算力平台「suanli.cn」可以让普通消费者按毫秒去租用相关算力。

共绩科技团队合影 图源：共绩科技

这样的共享商业模式其实早已在其他领域获得验证。

付智把这个生意的本质比作 Airbnb：城市办大型展会，周边酒店全满，Airbnb 把有闲置房间的居民和无处可住的参会者撮合起来。算力版本的故事也是相同的路径，AI 应用在版本发布、流量爆发的时刻需要大量算力，平时需求远不及这个量；另一边，个人用户、网吧、小机房的算力在夜里和工作日大量闲置，将两边连接起来，就是共绩在做的事。

只不过，共享的不是房间，而是算力。

三、算力能源调度，AI 时代的「软件定义基础设施」

这条路，在国外也有人走过。比如说，RunPod也在通过闲散算力提供弹性推理服务，2024 年拿到了英特尔资本和戴尔科技资本共同领投的 2000 万美元种子轮，客户里有 Cursor、OpenAI、Perplexity。

但在美国做这件事，和在中国做，在付智看来，完全是两回事。

AWS 从诞生起就在提供弹性算力，一开始就承诺按需取用，通过高价弹性服务去服务成熟的市场。但国内的云计算厂商更倾向于提供长租模式，相关优惠政策也倾向于此，并不太重视弹性服务，用户为弹性算力的付费意愿也比美国低得多。因此，如果将 RunPod 那套逻辑搬到国内，定价就跑不通。

不过付智认为，算力调度并不是一门只看算力出租的生意。「共享算力可能只是一个敲门砖。」他说这话的时候没有犹豫。在他的判断里，这门生意大概有两三年的窗口期，只要算力供需错位还在，这个缝隙就存在，但它不会永远存在。

这种清醒，在创业者里并不多见。但正因为如此，他很早就开始想一件更根本的事：下一个真正爆发的 AI 应用会从哪里长出来？这个判断，将会直接决定了算力需求的走向，对此，付智有两个面向未来的判断。

第一个是，据他分析，中国的超级应用不会从 PC 端的生产力工具里长出来，中国真正有机会的方向，是移动端的社交娱乐、结合供应链的跨境硬件，以及能嵌入真实生活场景的 AI 应用。

中国的互联网从来没有经历过深厚的 PC 生产力工具时代，用户直接从功能机时代跳到了移动互联网。那些在美国跑出来的 AI 文档、AI 幻灯片、AI 代码助手，背后依赖的是几千万习惯在 PC 上办公、愿意为 SaaS 工具付费的用户群体，而中国并不是。「全中国有超过 1 亿人需要写 Word 吗？我觉得可能没有。」更麻烦的是，即便有这个需求，大厂也会很快把这些功能做成免费插件。

他反而在社交娱乐场景看到了高增长。他对话过很多做短剧、影视的从业者，问他们为什么那么积极地拥抱 AI，对方的反馈让他有了新的想法：「我已经没有可失去的了，没有人去看电影和电视剧了，我们已经快死了。」这些人是中国市场里最积极拥抱 AI ，不是因为最懂技术，而是因为退无可退。「现在，已经没什么人看电视、电影了。」

而对于 AI 硬件的发展，他也有些不同的看法。

过去几年，AI 硬件的主流思路是「万物加对话框」，也就是什么设备都配上一个聊天窗口。付智觉得这个方向并不对。「消费者不需要一个会写诗的冰箱。」

真正有生命力的 AI 硬件，是进入用户本来就有的高频场景，让 AI 在背后默默完成运转，而不是拉着用户专门坐下来和它聊天。

就好比，宠物摄像头应该可以自动识别猫咪是否生病，景区相机自动完成换装拍照。用户什么都不用改变，AI 悄悄把事情做完了。「如果这类硬件可以采用开源模型部署，流量爆发的时刻，也会成为弹性算力的客户。」付智觉得这也是共绩科技未来的增长点之一。

付智的第二个判断，藏得更深，2024 年底就已经成形，但他等到今年才等到了验证它的机会。

他认为，让人直接去跟 AI 对话，本身就是一种效率浪费。人类信息输入输出的速度有上限，一次只能提一个问题，需要等答案出现再提下一个。但 AI 可以同时处理成千上万个线程，在毫秒之间完成机器之间的信息传递。「用人去驱动 AI，是用最慢的那一环，拖住了整个系统的速度。」

真正应该发生的，是 AI 与 AI 之间直接协作，A2A。一个任务下达，触发一组 AI 的连锁运转，人只需要定义目标，不需要参与中间的每一步。这也是为什么 OpenClaw 在今天被人们所看重。这也是付智觉得 OpenClaw 真正重要的原因，不是这个产品本身，而是它证明了一件事：AI 与 AI 之间可以自己形成社区，A2A 有人买单，这个方向是走得通的。

一旦A2A模式成为主流，算力的消耗将是今天的数倍乃至数十倍。黄仁勋在 GTC 2026 上说，由于 Agentic AI 和推理能力的爆发，当下所需的计算量比一年前预期的多了至少 100 倍，而这只是开始。那时候算力真的会像电一样，考虑的不再是你需要囤多少卡的问题，而是整张「算力电网」能不能按需分发，算力资源管理来到了调度的领域。

当A2A真正到来，算力会像电力一样成为每个人、每个任务、每个AI节点背后的基础设施。那时候，谁能跨地域、跨设备、跨时段地把算力精密调度起来，谁就掌握了这张网真正的运营能力。

共绩科技现在做的事，在付智看来是在为那个时刻做准备，用这两三年的窗口期，把调度能力、节点网络、客户关系都建起来。等A2A的需求真正爆发，这套体系才是共绩科技真正的护城河。

他最近在公司内部发了一句话，采访快结束时，他又说了一遍：

「即便如此，这一切也才刚刚开始。」

放在弹性算力的语境里，这句话或许只是一个创业者对市场的乐观判断。但放在A2A的语境里，他说的「开始」，或许并不是这门生意的开始，而是算力作为基础设施这个命题，迎来了真正开始的时刻。