Baseten 以 130 億美元估值完成 15 億美元融資，AI 推理需求激增 20 倍

這家為 Cursor、Abridge 和 OpenEvidence 提供 AI 應用支援的推理基礎設施公司，已成為科技業成長最快的私有企業之一，營收年增長約 20 倍，企業正將模型支出轉向客製化與開源部署。

總部位於舊金山的 AI 推理公司 Baseten，完成由 Altimeter Capital、Conviction 和 Spark Capital 領投的 15 億美元 Series F 融資，Sands Capital 與 Wellington Management 擔任共同領投方。此輪融資分為兩批進行，估值分別為 130 億美元及 110 億美元——這種結構在高動能的 AI 融資輪中日益普遍，允許不同類別的投資者以協商條款入場。

「AI 的未來將建立在數百萬個專業化模型之上，而打造最佳模型的公司深知，訓練後階段已成生存關鍵，」Baseten 執行長兼共同創辦人 Tuhin Srivastava 表示。「這是他們如何以自有數據、為所服務客戶優化，打造屬於自己的智能。」

Baseten 平台現每天處理超過 10 億次推理調用，橫跨 87 個叢集，覆蓋 18 家雲端供應商。其多雲架構——一項核心賣點——讓企業能夠部署來自 Meta、Mistral 和 DeepSeek 的開源模型以及專有前沿模型，而不受單一雲端供應商綁定。根據 Baseten 數據，領先的應用層公司如今將 30% 至 50% 的模型支出導向客製化及訓練後模型，因為開源模型品質正以極低成本逼近專有替代方案。

其技術基礎是 Truss，這是一個開源框架，可透過單一設定檔將機器學習模型封裝為生產級 API。開發人員在 YAML 檔案中指定模型、硬體和最佳化設定，Baseten 便編譯出一個 TensorRT-LLM 容器，部署至其雲端網路，並回傳一個與 OpenAI 相容的端點。針對複合式 AI 工作流程——例如串接語音轉文字、語言模型和文字轉語音的語音管線——平台的 Truss Chains 層可直接在模型步驟之間串流資料，實現低於 400 毫秒的端到端延遲。

推理市場的成長速度幾乎超越我們所見的一切

此輪融資為一條驚人的估值軌跡畫下句點。Baseten 於 2025 年 9 月以 21.5 億美元估值完成 1.5 億美元 Series D 融資，隨後在 2026 年 1 月以 50 億美元估值完成 3 億美元 Series E 融資，其中包括 Nvidia 投入的 1.5 億美元。不到一年內估值約成長 6 倍，反映了 AI 經濟學的結構性轉變：Deloitte 於 2025 年 11 月預測，推理工作負載在 2026 年將佔所有 AI 運算約三分之二，高於三年前的三分之一，僅晶片支出方面，今年推理市場就將超過 500 億美元。

LLM 推理成本自 2022 年底以來已下降約 1,000 倍，使得代理式應用在生產規模下具備經濟可行性。根據 Sacra 研究，至少有一位 Baseten 客戶報告，同等工作負載的推理成本約為封閉原始碼替代方案的 30%。

「Tuhin 和 Baseten 團隊在六年前押注了一個多數人還不敢下的賭注：AI 的未來將建立在許多專業化模型之上，而打造這些模型的公司需要世界級的基礎設施來讓它們成真，」Altimeter Capital 合夥人 Apoorv Agrawal 表示。「這個賭注正在以難以言喻的方式收穫回報。」

資本部署與競爭定位

Baseten 計劃今年將員工人數增加三倍，投資於工程、研究、營運及企業上市團隊。該公司迄今已從 Altimeter、Battery Ventures、Blackbird、Greylock、IVP、Nvidia、Spark Capital 和 Wellington Management 等投資者處募集超過 20 億美元。

競爭格局包括提供託管推理服務的雲端巨頭——Amazon Bedrock、Google Vertex AI 和 Microsoft Azure AI——以及 Together AI 和 Fireworks AI 等專業推理供應商。Baseten 的差異化在於其多雲獨立性，以及專注於客製化和訓練後模型，而非為熱門模型提供共享推理容量。該公司瞄準的是無法忍受共享端點延遲波動，且需要專屬 GPU 分配以執行微調模型的企業。

對投資者而言，Baseten 的故事反映了一個更廣泛的論點：隨著基礎模型商品化，AI 領域的持久利潤正轉向負責協調這些模型的基礎設施層。該公司的營收軌跡——根據先前報導，單一季度的年化營收從約 2 億美元躍升至 6 億美元——顯示市場已在為這一轉變定價。Baseten 的客戶包括一些最有價值的私有 AI 公司，其平台正處於兩大結構性趨勢的交匯點：專業化模型的普及，以及企業對多雲靈活性的需求。

本文僅供資訊參考，不構成投資建議。