AI21 Labs 用开放权重换云渠道，但收入被云厂商切走一块

Jamba 混合架构：用 Mamba 换长上下文推理效率

Jamba 将 Transformer 与 Mamba 状态空间模型结合，采用 MoE 架构，支持 256K 上下文窗口。官方称长上下文吞吐为 Mixtral 8x7B 的 3 倍，同尺寸级唯一单 GPU 支持 140K 上下文。这针对的是企业长文档处理、接地问答等场景的推理成本痛点。

效率优势能否转化为定价权，取决于客户是否愿意为长上下文支付溢价。目前云侧价格由云厂商设定，AI21 难以直接控制终端价格。若云厂商将长上下文作为通用能力压价，AI21 的架构优势会被稀释。

Jamba Large 1.7 需 ExpertsInt8 量化才能在 8 张 80GB GPU 单节点部署，硬件门槛限制了中小企业的私有部署意愿，反而推动客户流向云托管版本。

开放权重分层：Apache 2.0 引流，自定义许可留商业化空间

Jamba2 的 3B 与 Mini 版本以 Apache 2.0 开源，允许商用和修改；Jamba Large 1.7 采用 Jamba Open Model License，限制更严。这种分层策略用轻量模型吸引开发者试用，将高价值场景导向需付费的 Large 版本或云 API。

开放权重降低了企业评估门槛，但 Apache 2.0 许可下，云厂商或系统集成商可自行托管小模型，AI21 难以从这些部署中直接获利。真正的收入杠杆在于 Large 版本的许可谈判和云市场调用分成。

分层许可的约束在于：若 Mini 版本性能足以覆盖多数企业需求，客户可能停留在免费层，付费转化率成为未披露的关键变量。

API 按 token 计费：输入输出分开定价，但终端价格由云厂商定

AI21 对 API 调用按 token 计费，输入与输出 token 可分别定价，按千或百万计价且不取整。新账户获 10 美元额度、有效期三个月，用于 API、SDK 与 playground。这种模式适合开发者和小规模企业按用量付费，但收入规模取决于调用量。

当 Jamba 托管于 AWS SageMaker、Bedrock 与 Azure 时，云侧价格由云厂商设定，AI21 作为模型供应商获得分成。这意味着 AI21 对终端定价的影响力有限，且需与云厂商分享收入。

AI21 官方称其 token 平均对应 1 词或 6 字符，比部分厂商每 token 多承载最多 30% 文本（厂商自述，未独立验证），试图在计费单位上体现性价比。但这一说法需客户实际对比验证，难以成为独立定价依据。

Custom Plan：用私有云托管和批量折扣换企业合同

Custom Plan 面向企业客户，包含批量折扣和私有云托管。这是 AI21 绕过云厂商定价、直接与企业签约的通道，但具体合同金额和客户数公开资料未披露。

私有云托管意味着 AI21 需承担部署与运维成本，或依赖合作伙伴。Jamba Large 1.7 的硬件门槛（8 张 80GB GPU 单节点）使得私有部署成本较高，只有预算充足的企业才可能选择。

这条收入线的关键是能否以定制合同锁定长期客户，而非按用量波动。但公开资料未披露 Custom Plan 的收入占比和合同期限，难以判断其稳定性。

财富 100 强与长上下文场景企业，但具体名单未披露

据公开资料，AI21 称客户覆盖财富 100 强企业与个人用户（具体名单未披露），Jamba 面向金融、医疗、零售、教育科研等行业的长上下文与接地问答场景。这些场景的共同点是需要处理长文档、多轮对话和知识检索，对上下文窗口要求高。

但公开资料未披露具体客户名单、合同金额或留存率，难以判断客户集中度和付费意愿。财富 100 强企业通常采购周期长、定制需求多，对私有部署和合规要求高，这与 AI21 的 Custom Plan 方向一致。

个人用户通过 playground 和 API 免费额度接触产品，但一人或小团队用户的付费转化率公开资料未披露，不足以支撑收入判断。

云市场与 NVIDIA NIM 双渠道，触达企业但让渡定价权

Jamba 托管于 AWS SageMaker、Bedrock 与 Microsoft Azure，企业可在云市场直接调用。同时，Jamba 可通过 NVIDIA API catalog 以 NIM 微服务形式供企业部署。这两条渠道降低了 AI21 的销售成本，但也意味着终端定价和客户关系部分由云厂商和 NVIDIA 掌握。

云市场渠道的优点是触达大量已有云合同的企业客户，缺点是公开资料未披露云市场是否向 AI21 提供客户使用数据，若无法获取则客户关系受制于渠道，分成比例公开资料未披露。NVIDIA NIM 渠道则绑定了 NVIDIA 的推理生态，若企业采用 NIM 部署，AI21 的模型成为可替换组件。

开放权重模型允许企业自行下载部署，这既是分发优势也是收入漏损：企业可绕过 AI21 的 API 直接使用免费权重，AI21 只能从 Large 版本的许可和云托管版本获利。

钱花在训练算力与推理基础设施，具体比例未披露

AI21 的主要成本是模型训练和推理算力。Jamba Large 1.7 的 398B 总参数和 94B 激活参数意味着训练需要大量 GPU 集群，推理时即使量化也需 8 张 80GB GPU 单节点，算力成本是刚性支出。

Custom Plan 的私有云托管增加了部署和运维成本，但公开资料未披露 AI21 是否自建机房或依赖云厂商。若依赖云厂商，则推理成本与云厂商的定价挂钩，毛利受挤压。

公司未披露员工数和研发投入占比，难以判断人力成本与算力成本的比例。从融资用途看，2025 年 D 轮 3 亿美元大概率用于扩大训练规模和云推理容量，但具体分配公开资料未披露。

靠多轮股权融资活着，累计融资口径冲突但规模在数亿美元级

AI21 靠股权融资维持运营。2023 年 8 月完成 1.55 亿美元 C 轮，截至当时累计融资 2.83 亿美元，估值 14 亿美元；2025 年 5 月完成 3 亿美元 D 轮，投资方含 Google 与 NVIDIA。CB Insights 记录累计融资 6.265 亿美元、共 10 轮，multiples.vc 记录 6.36 亿美元、7 轮，两者统计时点与口径不同，公开资料未披露统一口径。

收入方面，CB Insights 列 2025 财年收入 5000 万美元，multiples.vc 将 5000 万美元记为 2023 年 11 月 C 轮时收入，口径冲突；公司是否实现自我造血公开资料未披露。

2025 年 12 月有报道称英伟达拟以最高 30 亿美元收购，公司 CEO 否认已达成协议；2026 年 4 月出现 Nebius 收购的传闻交易记录，属未证实信息。这些传闻反映资本对 AI21 的退出预期，但均未证实。

混合架构的推理效率是技术差异，但未形成客户锁定

Jamba 的 Transformer-Mamba 混合 MoE 架构在长上下文吞吐上具有效率优势，官方称长上下文吞吐为 Mixtral 8x7B 的 3 倍，官方称 Jamba Large 1.6 推理速度最高为同尺寸领先模型的 2.5 倍（厂商自述，未独立验证）。这些指标若可复现，能降低客户的长上下文推理成本，构成技术差异。

但技术差异不等于护城河。开放权重意味着架构思路可被研究复现，云厂商也可托管其他模型形成竞争。客户切换模型的成本主要是应用适配和数据迁移，若 AI21 的 API 与主流接口兼容，切换成本并不高。

真正的锁定来自 Custom Plan 的私有部署和行业定制，但公开资料未披露客户留存率和合同续约率，无法判断锁定强度。目前的技术优势更多是性能参数上的，而非生态或数据上的。

云渠道分成与定价权旁落，收入质量受制于人

Jamba 托管于 AWS 和 Azure，云侧价格由云厂商设定，AI21 作为模型供应商获得分成。这意味着 AI21 对终端价格、促销节奏和客户关系的影响力有限。若云厂商将 Jamba 与自研模型捆绑销售或压价，AI21 的毛利空间会被压缩。

同时，NVIDIA NIM 渠道将 Jamba 变为推理生态中的可替换组件，企业可在 NIM 上切换不同模型。AI21 在渠道中的议价能力取决于模型性能的不可替代性，但目前公开资料未披露云渠道收入占比和分成比例，风险敞口难以量化。

硬件门槛限制私有部署，开放权重可能漏损收入

Jamba Large 1.7 需 ExpertsInt8 量化才能在 8 张 80GB GPU 单节点部署，硬件门槛可能将部分中小企业挡在私有部署之外（推断，公开资料未披露客户部署规模）。这些客户可能转向云 API，但云 API 的收入需与云厂商分成；预算充足的企业则可能选择其他更易部署的模型。

Apache 2.0 开源的 Jamba2 小模型允许企业自行托管，AI21 无法从这些部署中直接收费。若企业用小模型满足多数需求，仅在大模型场景付费，AI21 的付费转化率会受限。公开资料未披露开源模型的下载量和商用部署情况，收入漏损规模未知。