Fireworks AI：低价推理换规模，算力账单才是真对手

兼容OpenAI的API降低迁移成本，但卖的是别人的模型

Fireworks的核心产品是一个兼容OpenAI接口的推理平台，开发者改一行base_url就能调用200多个开源模型，覆盖文本、图像和多模态。这个设计把切换成本压到很低，适合已经用OpenAI API写代码的团队做价格对比。但平台本身不拥有这些模型的权重，模型能力由Qwen、DeepSeek等上游决定，Fireworks能差异化的只有延迟、吞吐和价格。

为了在同样的开源权重上做出差价，它自研了Fire Attention CUDA内核栈，宣称在DeepSeek V4 Pro上达到每秒167 token，为同价位对手5倍。这个数字是公司口径，第三方未验证，但它说明了产品的真实卖点：不是模型更强，而是同样的模型跑得更便宜。

微调侧支持SFT、DPO、RFT，最多同时挂载100个LoRA适配器且不额外加价。这让客户可以把自有数据压进一个基础模型，按需切换适配器，而不必为每个任务部署独立实例。对Fireworks来说，这提高了单张GPU的利用率，也让客户更难迁走。

Batch五折与缓存计价：把闲置算力折价卖出去

官方价目表把serverless推理拆成输入、缓存输入、输出三项计价，Batch推理按serverless价格的50%计费，输入输出都适用。相关数字缺少一致且可复核的公开口径。这套结构本质上是在用价格信号把不同类型的负载分流：对延迟不敏感的批处理走五折，重复前缀走缓存价。

对Fireworks而言，这意味着同一批GPU可以同时承接高价的实时请求和低价的批处理请求，把闲置窗口填满。但这也要求它在调度和显存管理上足够细，否则五折的batch会侵蚀本就不厚的毛利。

从客户角度看，这套计价让成本可预测，但也让比价变得直接：同样的开源模型，谁家缓存价更低、batch折扣更深，谁就更容易被选中。价格是透明的，粘性只能来自稳定性和微调工作流。

按百万token预付：开发者先充值，再按调用扣减

第一条收入线是serverless推理，按每百万token计价，分输入、缓存输入、输出三项，以美元结算。计费模式是按量预付信用额度，客户先充值，调用时扣减。这意味着Fireworks在提供服务之前就拿到了现金，对现金流有利，但也意味着收入确认滞后于充值，且客户会持续比价。

价目表显示不同模型档位价差很大：Qwen 3.8 Max标准档输入2.00、输出6.00美元/百万token，DeepSeek V4.1 Flash标准档输入0.30、输出1.20美元。高价档位对应更大的模型和更高的算力消耗，低价档位走量。Fireworks的毛利不取决于标价，而取决于它采购GPU的成本和推理内核把算力转化为token的效率。

2026年7月报道称ARR突破10亿美元，为上年同期5倍；R11另记录2026年7月收入10亿美元、2025年10月2.8亿美元，口径与ARR不同。这些数字来自媒体报道，未经审计，且ARR与收入混用，不宜直接换算增长率。

按GPU时长与训练token计费：把推理客户带进部署和微调

第二条收入线是按GPU时长计费的按需部署，以及按训练token计费的托管训练。客户如果不想共享serverless池，可以独占GPU实例，按小时付费；如果要做微调，按训练消耗的token付费。这两条线把单纯比价的推理客户转化为更深的用量。

这条线的商业意义在于提高单客户收入上限，同时把算力成本转嫁给客户。按需部署的GPU时长费用覆盖了闲置风险，托管训练则把微调的一次性成本变成可计费的服务。对小团队而言，这意味着起步可以用serverless按token付费，量上来之后再考虑独占实例，不必一开始就承担GPU闲置成本。

但这条线也要求Fireworks维持多供应商的GPU采购能力。报道称它从20多家供应商采购GPU，微软是其中之一。供应商越多，调度越复杂，但也越不容易被单一云厂商卡住。

从Cursor一家独大到企业定制模型，95%的token来自定制模型

Fireworks的客户名单包括Cursor、Notion、Quora、Sourcegraph、Uber、Shopify、Perplexity等。早期约一半收入来自AI编程工具Cursor，客户集中度很高；后来说客户结构分散至更广泛企业。这个转变很关键：编程工具对延迟和价格都敏感，且随时可以切换供应商；企业定制模型的迁移成本更高，因为微调数据和工作流留在平台上。

报道称平台上超过95%的token来自客户用自有数据定制的模型，而非通用现成模型。如果这个口径成立，Fireworks卖的就不是“调用开源模型”，而是“把开源模型改成客户自己的模型再跑推理”。这解释了为什么它要在LoRA多挂载和微调工具上投入：定制越深，客户越难走。

平台每日处理token从15万亿增至40万亿以上（2026年7月报道口径）。这个量级说明它已经跨过开发者试用阶段，进入生产负载。但token量大不等于收入质量高，低价档位和batch折扣会拉低每token收入。

开源模型即渠道，微软Foundry是第二入口

Fireworks的分发不靠销售团队逐个获客，而是挂在开源模型生态上：开发者搜索Qwen、DeepSeek的API时，会同时看到Fireworks的兼容接口和价目表。开源模型的热度直接变成它的流量，这是它比闭源模型厂商更轻的获客方式。但这也意味着它无法控制上游模型的发布节奏和热度，模型过气，入口就冷。

2026年3月接入微软Foundry，Azure客户可以直接调用其推理。这是第二条分发路径：借云厂商的市场place触达已经在Azure上的企业客户。代价是云厂商会分走一部分收入，且客户关系可能被云厂商截留。

两条渠道的共同点是Fireworks不拥有最终客户。开源社区带来试用，云市场带来企业单，但两者都不锁定客户。真正的留存要靠微调工作流和稳定性，而不是渠道本身。

钱主要花在GPU采购上，20多家供应商意味着议价权分散

Fireworks最大的成本项是GPU算力。报道称它从20多家供应商采购GPU，微软是其中之一，本轮融资主要用于扩大算力。多供应商策略降低了被单一云厂商卡住的风险，但也意味着它很难拿到单一超大客户的价格，单位算力成本可能高于自建集群的云厂商。

第二大成本是工程团队。2026年7月报道工程团队约200人，计划年底扩至600人。团队扩张的速度很快，如果收入增速跟不上，人力成本会先于算力成本变成压力。但报道没有披露人力成本的具体数字，公开资料未披露。

推理业务的成本结构决定了毛利对利用率极其敏感。Batch五折和缓存计价都是在填谷，但如果负载预测不准，五折的batch会占用本该留给实时请求的算力。自研Fire Attention内核的价值就在这里：同样的GPU跑出更多token，直接摊薄单位成本。

D轮15.05亿美元撑算力扩张，估值涨得比收入口径快

2026年7月完成D轮15.05亿美元，投后估值175亿美元，Atreides、Index、TCV领投，英伟达跟投（据R9/R13报道）。R11记录D轮估值180亿美元、融资15亿美元，与R9的175亿/15.05亿口径冲突，分别记录。估值路径上，2024年B轮约5.52亿美元，2025年10月C轮2.5亿美元、估值40亿美元。

这轮钱的用途很明确：扩大算力。推理业务是重资产生意，没有GPU就没有token，没有token就没有收入。英伟达跟投既是财务投资，也是算力供应的信号。但融资额大也意味着估值锚定在高增长预期上，一旦token价格下行快于算力成本下行，后续融资的叙事会变紧。

对创业者而言，这个资本结构说明推理层不是靠软件毛利滚起来的生意，而是靠融资买算力、再用算力换token量的循环。小团队无法复制这个循环，但可以借用它的按需计费入口。

自研内核是成本护城河，不是客户护城河

Fireworks真正的壁垒在推理效率：Fire Attention CUDA内核栈让同样的GPU跑出更多token，据R9/R13报道，同等质量下比闭源模型便宜5到10倍。这个便宜来自工程优化，不是来自模型所有权。效率优势可以转化为更低的价格，从而在比价场景中胜出。

但效率优势不是排他的。Together、Baseten等同类Token工厂也在做推理优化，云厂商也在自研芯片和推理栈。开源模型权重是公开的，任何有GPU采购能力的一方都可以进入。Fireworks的客户粘性来自微调工作流和LoRA多挂载，而不是来自模型本身。

换句话说，它的护城河是“同样的模型跑得更便宜”，而不是“只有它能跑这个模型”。前者是成本竞赛，后者才是客户锁定。它目前站在前者，努力往后者走。

开源模型是渠道也是威胁，上游热度不受控

Fireworks的分发依赖开源模型的热度，但开源模型本身没有排他性。今天Qwen和DeepSeek热，明天可能是别的模型；上游模型厂商自己也在做推理服务，一旦它们收紧API或自己做托管，Fireworks的入口会被截断。报道明确把开源既列为分发渠道，也列为最大竞争威胁。

同类Token工厂的竞争同样直接。美国有Together、Baseten等，大家打同样的开源模型、同样的按token计价、同样的batch折扣。2026年10月第三方统计（R5）Fireworks列出18个模型价格，最低输出价0.20美元/百万token，价格带已经压得很低；该统计与官方价目表口径不同，时间点也不同。比价越透明，差异化越难。

客户集中度曾经过半，低价档位拉低每token收入

早期约一半收入来自Cursor，这个集中度在编程工具竞争加剧时是脆弱点。虽然后来客户结构分散至更广泛企业，但报道没有披露分散后的具体集中度，公开资料未披露。如果头部客户自建推理或转向云厂商，收入会受到直接冲击。

另一个风险是价格结构。平台每日处理token量很大，但低价档位和batch五折会拉低每token收入。如果算力采购成本的下降速度慢于售价的下降速度，规模越大，毛利越薄。Fireworks用自研内核和缓存计价来对冲，但这本质上是效率竞赛，没有终点。