对标研究 · FIREWORKS AI

Fireworks AI 深度研究：
四年做到 175 亿美元的推理公司，以及「对标它」意味着什么

这份报告写给把 Fireworks 当作对标对象的国内团队。前九章讲清楚 Fireworks 是谁、怎么赚钱、护城河在哪里、正在担心什么；第十章把它和国内市场逐项对照，列出哪些可以照搬、哪些必须改写，以及投资人听到「中国版 Fireworks」时一定会问的十个问题。

数据截至 2026-09-30 一手来源 Fireworks 官网与博客、融资通稿、官方定价页 二手来源 Bloomberg / CNBC / TechCrunch / The Information 转述、Sacra、Contrary、中金《Token 启示录》 篇幅 10 章 + 2 个附录

SECTION 00一页看懂

Fireworks 是一家不持有任何服务器的推理公司。它从二十多家供应商租 GPU，用自研的推理软件把租来的卡变成更多 token，按 token 或按卡时卖给 AI 应用公司。2026 年 7 月，它的年化收入突破 10 亿美元，估值 175 亿美元。

175 亿美元
D 轮投后估值（2026-07，融资 15.05 亿美元）1
>10 亿美元
年化收入（ARR），同比约 5 倍1
40 万亿+
日均 Token；其中 95% 以上来自为客户定制的模型2
≈50%
毛利率（2025 年中报道，目标 60%；口径有争议，见第 06 章）13
200–300 人
员工（2026 年中）；计划年底约 600 人12,10
0 台
自有服务器；算力来自 20+ 供应商、8 朵云12,20

五个判断

  1. Fireworks 卖的不是卡，而是同一张卡上多出来的 token。它一张 GPU 都不买，按需专属部署的 H100 挂牌价却是每小时 8 美元，约为市场裸租价的 4.5–6.8 倍。这部分溢价来自软件，它的毛利也来自软件。
  2. 「最快的推理」这个卖点正在失效，Fireworks 已经换了故事。第三方测速显示，它在 Kimi K3 等前沿模型上已排在中游。标准档 serverless 价格和模型原厂的官方价基本一致。2026 年，它的主口号从「最快」改成了「拥有你自己的专属智能」，主推后训练、强化学习和自有模型。「95% 的 token 来自定制模型」是这次转型的核心数字。
  3. 它是靠一个客户起飞的。2025 年约一半收入来自 Cursor（报道口径）。合作从用投机解码 API 做 Cursor 的 Fast Apply 开始，后来 Fireworks 替 Cursor 跑 Composer 模型的分布式 RL 训练。这就是「推理进门、训练锁客」的实际路径。
  4. 估值按收入倍数算，不按利润算。175 亿美元对应约 17.5 倍 ARR。同行里 Baseten 约 22 倍，Together 约 7.5 倍。怀疑者的原话是：「VC 只是在按收入倍数估值，并假设毛利率不重要。」
  5. 对国内对标者来说，Fireworks 的打法能抄，它所在的市场抄不来。产品漏斗、定制化路线、和明星客户共建都可以照搬。美国 AI 原生公司愿意付的 token 溢价、以公有云为主的客户结构，国内没有。国内同层的硅基流动，公有云毛利率是 −119%43。中金的判断是，国内大客户自有算力、偏好私有化部署42。
一句话版

Fireworks 的前半程是「更快、更便宜的开源模型推理」。这个优势大约两年就被开源引擎和同行追平了。它能值 175 亿美元，靠的是后半程：借推理流量进入客户的业务，再用后训练和强化学习替客户造专属模型，让客户离不开它。

SECTION 01公司速写：PyTorch 团队出走

2022 年 10 月，Meta 的 PyTorch 负责人带着六位同事创办了 Fireworks。创始团队七人，六人来自 Meta，一人来自 Google。

创始团队

创始人职务此前（官网团队页原文）补充
Lin Qiao（乔琳）CEOHead of PyTorch at Meta复旦本硕、UCSB 博士，曾任职 IBM、LinkedIn；在 Meta 把 Caffe2/PyTorch 团队从 5 人带到 300 多人45,10
Dmytro DzhulgakovCTOPyTorch core maintainer at Meta乌克兰哈尔科夫人，2011 年加入 Facebook48
Dmytro Ivchenko联合创始人PyTorch for ranking lead at Meta基辅理工；LinkedIn → Meta
James Reed联合创始人PyTorch compiler at Meta—
Benny Chen联合创始人Meta ads infra lead—
Chenyu Zhao联合创始人Google Vertex AI Lead唯一非 Meta 出身
Pawel Garbacki联合创始人Meta Newsfeed core ML lead—

来源：fireworks.ai/team（2026-09-30 访问）9；Index Ventures 投资文章列出的七人名单与此一致50。

这个团队的构成说明了 Fireworks 从哪里起步：框架（PyTorch）、编译器、推荐与广告系统的线上推理。广告和信息流排序是互联网公司里 QPS 最高、对延迟和成本最敏感的推理负载。团队先在 Meta 内部把「让模型在大规模生产流量下跑得又快又省」做到了极致，再把这套能力卖给外部。

创始人怎么描述这门生意

「我们不相信『一种尺寸适合所有人』，我们相信『一种尺寸只适合一个人』（one size fits one）。」
「我们的商业模式主要围绕开源模型，因为它给了企业透明度和控制权。」
「推理随消费者和开发者规模扩张，上限是全世界的人口。」——Turing Post 访谈，2025-08-2315

「每家公司都拥有别人没有的知识：它的数据、流程、客户，以及它对『好』的定义。」——D 轮通稿，2026-07-162

「公司可以一路扩张到破产。」（Companies can scale into bankruptcy.）——20VC 播客，2026-07；指的是用闭源 API 扩张、token 成本随用户数线性增长的应用公司14

大事记

SECTION 02融资与估值

四轮定价融资累计约 18.3 亿美元。估值从 A 轮约 1.3 亿美元涨到 D 轮 175 亿美元，其中 C 轮到 D 轮只用了 9 个月，涨了 4.4 倍。

轮次公布时间金额领投其他参与方投后估值
A 轮2024-03（实际 2022 年完成）2,500 万美元BenchmarkSequoia、Databricks Ventures、天使≈1.27 亿美元 Forge 推算
B 轮2024-07-115,200 万美元SequoiaNVIDIA、AMD、MongoDB Ventures5.52 亿美元
C 轮2025-10-282.5 亿美元（含老股）Lightspeed、Index、EvanticSequoia；战略方 NVIDIA、AMD、MongoDB、Databricks40 亿美元
D 轮2026-07-15/1615.05 亿美元Atreides（Gavin Baker）、Index、TCV20VC、Bessemer、Evantic、Insight、Lone Pine、Lightspeed、Menlo、NVIDIA、安大略教师养老金（OTPP）等175 亿美元

来源：各轮官方博客与通稿1,3,4,5；Bloomberg6；Forge8。Forge 按每股价格推算的 D 轮投后估值是 155.4 亿美元，与公开报道的 175 亿美元不一致，可能源于股份口径差异。

值得注意的三点

两家芯片厂同时入股

NVIDIA 和 AMD 从 B 轮就一起进来了。Fireworks 专门为 AMD MI300 重写过内核，还和 AMD 签了多年供货协议。对芯片厂来说，Fireworks 的作用是把卡变成可以直接卖的推理服务。国内对标者可以去找国产卡厂谈同样的合作。

D 轮投资人换成了成长基金

领投的 Atreides、TCV，以及 Lone Pine、OTPP 这类养老金和对冲基金，都是投 IPO 前阶段的资本。它们关心的是收入规模和增速，不是技术本身。

还没有 IPO 计划

截至 2026-09-30，没有递表或 IPO 公告，也没查到老股收购要约（tender offer）8。同赛道里 Cerebras 已在 2026-05 上市，首日市值约 950 亿美元。

SECTION 03规模：收入、Token、客户

两年里 ARR 从约 650 万美元涨到 10 亿美元以上，日均 token 从 1,400 亿涨到 40 万亿以上。但 token 数不等于收入：按公开数字倒算，每百万 token 的平均收入只有约 7 美分。

图 1 · 年化收入（ARR）轨迹
单位：百万美元。颜色区分数据来源的可信度：官方 > 媒体报道 > 第三方估算
1,1508625752880.06.52024-051302025-052002025-072802025-103052025-123152026-028002026-051,0002026-07
公司官方披露媒体报道第三方估算

2024-05 与 2025-05：scroll.media 引 Horizon Capital（「一年 20 倍到 1.3 亿」）48。2025-07：The Information 报道（月收入约 1,700 万美元）13。2025-10：C 轮官方3。2025-12、2026-02：Sacra 估算11。2026-05：Sacra 估算，CEO 在 20VC 播客中也提到「约 8 亿」14。2026-07：D 轮官方1。中金《Token 启示录（六）》图表 7 给出的序列与此一致：1.3 亿 → 约 2 亿 → 约 2.8 亿 → 约 8 亿 → 约 10 亿42。

图 2 · 日均 Token 处理量
单位：万亿 token / 日
4634.52311.500.142024-0752025-06102025-1015D 轮前302026-05402026-07
公司官方披露媒体报道第三方估算

来源：B 轮博客（1,400 亿）4、官方博客（2025-06 约 5 万亿）、C 轮博客（10 万亿+）3、D 轮通稿（「从 15 万亿增至 40 万亿+」）2、投资界 2026-05-30 引 Bloomberg（30 万亿）45。CEO 在播客里说 40 万亿/日「超过 OpenAI API 和 Gemini API 之和」，这是她本人的说法，无法核实。

Token 数不是收入口径：每百万 token 只收约 7 美分

10 亿美元 ARR ÷（40 万亿 token/日 × 365 日）≈ 0.068 美元 / 百万 token 本报告测算。作为对照，Fireworks 标准档 serverless 上 Kimi K3 挂牌价是输入 3 美元、输出 15 美元/百万 token；DeepSeek V4.1 Flash 是 0.30 / 1.20 美元。

平均单价比挂牌价低一到两个数量级，说明 40 万亿 token 里的绝大部分：①是缓存命中的输入 token（Fireworks 的缓存输入价约为输入价的 2%–10%）；②来自小模型和嵌入模型；③跑在按卡时计费的专属部署上，客户自己把卡压满，折算下来每 token 很便宜。中金给出的同行数字也是同一种形态：Baseten 日均 30 万亿 token 对应约 6 亿美元 ARR，Together 日均 13 万亿 token 对应约 10 亿美元 ARR42。

对国内对标者的提醒

国内材料常用「日均 token 调用量」证明规模，但 token 数和收入之间差着单价、缓存比例和计费方式三个变量。和投资人谈 Fireworks 对标时，要拿 ARR 比，不要拿 token 数比。token 数只能说明技术上撑得住多大流量。

客户规模

时间客户/开发者来源
2024-031.2 万用户TechCrunch5
2024 年末2.3 万开发者；B 轮时约 1,000 家公司scroll.media / Sacra
2025-101 万家以上公司、「数十万开发者」C 轮博客3
2026-07平台上 200 多个模型D 轮通稿2

Sacra 用 2025-10 的数字算过，平均每家公司约 2.8 万美元 ARR11。但这个平均数没有意义：收入是典型的长尾分布，头部几家大客户贡献了大部分收入，1 万家里的绝大多数是小额 serverless 用户（见第 07 章）。

SECTION 04产品栈：五层漏斗

Fireworks 的产品是一个转化漏斗：开发者先用 serverless API 按 token 付费试用，量大了转专属部署按卡时付费，再往上是企业私有化和后训练。中金的描述是：「通过多层产品将早期 API 用户逐步转化为专属算力和企业客户」42。

① Serverless按 token 计费
共享 GPU，开箱即用，200 多个开源模型。分 Standard / Priority（约 1.25 倍）/ Fast / 「US 专属」（1.5 倍）四档；Batch 五折；缓存输入单独计价，约为输入价的 2%–10%。这一层用来获客，不是利润中心。
Kimi K3
$3 / $15 每百万
② On-demand 专属部署按 GPU·小时计费
独占 GPU，默认多区域部署，单区域加价 1.5 倍。可选 A100 / H100 / H200 / B200 / B300 / GB300，AMD MI325X / MI350X 也可选但不公开价格。24 个单区域，覆盖美国、加拿大、法兰克福、冰岛、马来西亚、澳洲、东京。
H100 $8/时
B200 $13/时
③ 企业 / Virtual Cloud预留容量与 BYOC
跨 8 家云、20 个数据中心统一调度，自动故障切换；多级提示缓存命中率 60%–90%。支持客户自带 GPU（BYOC）、客户自有存储和密钥（S3 / GCS / Azure，KMS）。认证：SOC 2 Type II、HIPAA、ISO 27001/27701/42001；开源模型默认零数据留存。
合同价
④ 后训练2026 年的主推层
SFT / DPO（LoRA 与全参）→ 强化微调 RFT + 开源 Eval Protocol → Training API（2026-08-31 GA）：客户写自己的 Python 训练循环，Fireworks 托管 trainer 和 rollout 集群，支持异步 RL、权重热加载、训练与推理引擎的一致性校验。再往上是 Fireworks Lab：研究员驻场，模型、评测和配方归客户所有。Multi-LoRA 让训练出来的上千个 LoRA 按基座价格上线。
LoRA SFT ≤16B
$0.5 / 百万训练 token
⑤ 自有模型与路由2026 年下半年新增
Ember-1（2026-09-23）：在 Kimi K3 基础上后训练，输出 token 少约 40%，和 K3 同价。Nexus（2026-07-26）：给 Claude Code、Codex 这类编程 Agent 加一层难度感知路由，把常规任务从闭源模型转到开源模型，号称成本降 3–5 倍。另有 Specialized Intelligence Index（7 个行业评测）。
Ember-1
$3 / $15 每百万

来源：官方定价页与文档18,19、Virtual Cloud20、Training API21、RFT22、Multi-LoRA23、Ember-125、Nexus26。另有音频转写（Whisper v3，约 0.0009–0.0015 美元/分钟）和嵌入模型；图像生成已不在当前定价页上。

2026 年的战略重心：从「跑得快」转向「帮客户造模型」

对比 Fireworks 首页口号的变化最直观。2024 年主打「最快的推理」，2026 年改成「Own your specialized intelligence」（拥有你的专属智能）。D 轮通稿给出的数字是：日均 40 万亿 token 中，超过 95% 来自基于客户专有数据专门化、并针对特定任务优化的模型2。

这个转向背后有三层逻辑：

  1. 挂着通用模型卖 token 没有粘性。同一个 Kimi K3，Fireworks、Together、Baseten 挂的是同一个价（第 06 章），客户换一行 base_url 就能走。
  2. 定制过的模型客户搬不走。客户用自己的数据在 Fireworks 上做了 RL，权重、评测集和推理优化（草稿模型、量化配方）都在这个平台上打磨过，迁移成本很高。
  3. 训练会带来推理。每训出一个专属模型，就多一份长期运行的推理负载。CEO 的说法是：「世界将是数以百万计的专属模型，每个应用、每个场景一个。」14
客户效果（官方案例，均为自报）

Harvey 在 Kimi K3 上做法律领域后训练，任务得分 19.7%，基线是 10.8%。Vercel v0 用 RL 微调把无错误率做到 93%，延迟降到原来的 1/40。Genspark 做 RFT 后质量比闭源 SOTA 高 10%、工具调用多 33%、成本降约 50%。Heidi Health 延迟降到 1/3.521,22。

SECTION 05技术：它到底优化了什么

Fireworks 的技术栈可以按中金的成本公式拆开看：每百万 token 成本 ∝ GPU 单价 ÷（理论吞吐 × 引擎达成率 η × 利用率 U）。Fireworks 不碰 GPU 单价，因为它是租户；它做的全部工作都在 η 和 U 上。

技术是什么公开数字作用于
FireAttention v1–v4自研 CUDA / ROCm 注意力与推理内核，逐代适配新精度：v1 FP8（Hopper）→ v2 长上下文 → v3 AMD MI300 → v4 NVFP4（Blackwell）v1 比 vLLM 快 4 倍；v2 长上下文快 12 倍；v3 在 MI300 上比 H100 上的 NIM 吞吐高 1.4–1.8 倍；v4 比 H200 上的 SGLang 高 3.5 倍，R1 从 FP8 降到 FP4 后 MMLU 只掉约 0.1%27,28,29η
自适应投机解码（FireOptimizer）用客户自己的流量训练专属草稿模型，而不是用通用草稿模型接受率 76%，通用草稿模型只有 29%；约 2 倍加速，最高 3 倍24η
PD 分离（Disaggregated serving）prefill 和 decode 分池部署，KV cache 独立管理，按提示词路由「吞吐最高提升 4 倍」（官方）η、U
多级提示缓存会话亲和路由（session affinity）加跨层缓存命中率 60%–90%20η
Multi-LoRA一个基座部署同时挂几百到几千个 LoRA 适配器「100 倍成本效率」；Cresta 跑着上千个 LoRA23U
Virtual Cloud 调度跨 8 家云、20+ 算力供应商统一调度，自动故障切换10 万+ 请求/秒20U
多硬件NVIDIA 全系加 AMD MI300X / MI325X / MI350XAMD 多年供货协议30GPU 单价（议价能力）
RL 训练基础设施异步 RL、训练与推理引擎一致性（KL 散度校验）、权重增量压缩（XOR diff + zstd，最高小 10 倍）为 Cursor 在 4 个集群上跑分布式 RL，权重增量压缩到约 1/2021训练侧

速度领先正在缩小

Artificial Analysis 在 2026-09 的测速32：

这说明什么

中金在《Token 启示录》里泼过三盆冷水，都已应验：vLLM / SGLang 已经把大部分通用优化沉淀成公共基线；原厂最懂自家模型；第三方「长期需要向硬件或向模型靠拢」42。开源引擎团队也开始商业化了：vLLM 的 Inferact 种子轮估值 8 亿美元，SGLang 的 RadixArk 估值 4 亿美元（第 08 章）。Fireworks 自己的应对是向模型靠拢：做后训练，出自有模型。推理引擎优势大约两年就会被追平，这是 Fireworks 用自己的战略转向承认的事实。

SECTION 06定价与单位经济

标准档 serverless 价格已经和模型原厂的官方价、同行价拉平。Fireworks 的溢价集中在三处：专属部署的卡时价、Priority / Fast / US 这类 SLA 分档，以及后训练。

Serverless：挂牌价已经趋同

模型（每百万 token，输入 / 输出，美元）Fireworks 标准档Fireworks 高档原厂官方TogetherBaseten
DeepSeek V4.1 Flash0.30 / 1.20Priority 0.375 / 1.50；US 0.45 / 1.80高峰 0.30 / 1.20
低谷 0.15 / 0.60		0.30 / 1.200.30 / 1.20
DeepSeek V4 Pro1.74 / 3.48 7 月第三方—高峰 1.32 / 3.96
低谷 0.66 / 1.98		1.32 / 3.961.32 / 3.96
Kimi K33.00 / 15.00Fast / US 4.50 / 22.50—3.00 / 15.003.00 / 15.00
GLM-5.31.40 / 4.40Fast / US 2.10 / 6.60—1.40 / 4.401.40 / 4.40
gpt-oss-120B0.15 / 0.60Priority 0.18 / 0.72—0.15 / 0.600.10 / 0.50
Ember-1（Fireworks 自有）3.00 / 15.00Priority 3.75 / 18.75———

来源：Fireworks serverless 定价文档、Together 与 Baseten 定价页、DeepSeek 官方定价（均为 2026-09-30 访问）18,46,47。「deepseek-flash」对应 V4.1 Flash 是本报告的推断。V4 Pro 的 Fireworks 价格出自 2026-07 第三方页面，与中金（六）p.17 图 19 中「三家 1.74 / 3.48」的口径一致。

两个变化：①2026 年 8 月中金写报告时，第三方 API 价格还是 DeepSeek 官方的约 4 倍，到 9 月底，Together 和 Baseten 的 V4 Pro 价格已经降到官方高峰价，溢价消失了。②DeepSeek 官方有低谷半价，第三方没有。所以在标准档上，第三方已经拼不过原厂价格，只能靠速度档、区域合规档（US）和批处理来区分。这正是中金说的「第三方从来不是靠价格赢，是靠吞吐、SLA 与私有化」。

专属部署：卡时价是市场裸租的 4–7 倍

图 3 · 按需专属部署的 GPU 卡时价格
橙色竖带为 H100 市场裸租区间（中金《Token 启示录（五）》p.8：1.17–1.78 美元/卡时）
$0$4$8$12$16H100Fireworks $8Together $3.99Baseten $6.5H200Fireworks $8Together $5.99Baseten：未公开B200Fireworks $13Together $8.19Baseten $9.98B300Fireworks $15Together $9.99Baseten：未公开← H100 市场裸租 1.17–1.78美元 / GPU·小时（按需专属部署挂牌价，2026-09-30 官网）

Fireworks 按需专属部署的 H100 挂牌价是 8 美元/小时，约为市场裸租价（1.17–1.78 美元）的 4.5–6.8 倍，也比 Together（3.99 美元）和 Baseten（约 6.5 美元）贵。客户多付的这部分，买的是跑在卡上的推理引擎、多区域容灾、自动扩缩容和合规。这就是「软件溢价」在账面上的样子：卖的是卡时，价格按软件定。2026-09-01，Fireworks 还把全系卡时价上调了 7%–30%（H100 从 7 涨到 8 美元，B200 从 10 涨到 13 美元）搜索摘要。在 GPU 供给紧张的时候，它选择把成本转给客户，而不是打价格战。

注：Together 的价格可能是 GPU 集群产品而非专属推理产品，横向比较时要打折扣。按需挂牌价也不等于大客户合同价。

毛利率：50% 还是 30–40%？

口径数字来源可信度
The Information 报道约 50%，目标 60%（靠 GPU 优化和利用率）The Information 2025 年中，经 Sacra / Contrary 转述13,11较高，但数据可能已过时
国金证券研报综合毛利率「稳定在 50%+」《Token 计费重塑 AI 产业链》2026-07-1744研报引用，来源未注明
CEO 播客（二手摘要）30%–40%，远期可到 70%–80%；「可以更高，但选择了增长」20VC 播客 2026-07 的 BigGo 摘要14二手摘要，未见原文
SemiAnalysis 理论测算不计缓存：输入 token 最高 83%，输出 token 最高 45%InferenceMAX / InferenceX v2模型测算，不是公司数据

合理的读法是：Fireworks 的毛利率大约在 40%–50%，并且公司有意把它压在低于潜力的位置换增长。作为对照，Together 约 45%（Sacra），Baseten 未披露。这个毛利率水平和第 03 章的平均单价放在一起看才有意义：每百万 token 只收 7 美分还能有 40%–50% 毛利，说明它的有效成本已经压得很低，也就是 η × U 做得很高。

利空：GPU 租金在涨

SemiAnalysis38 指出，H100 一年期租约价格已比 2025-10 的低点上涨约 40%。Fireworks 的算力全部靠租，租金上涨会直接挤压毛利。它 9 月的涨价就是在应对这件事。

SECTION 07客户：Cursor 与集中度

Fireworks 的收入曲线和 Cursor 的收入曲线高度重合。两家开始合作时 Cursor 的 ARR 只有几百万美元，后来涨了 100–1000 倍14。据 CNBC 报道，2025 年 Fireworks 约一半收入来自 Cursor12。

Cursor 案例：从推理进门到训练锁定

  1. 进门：Fast Apply。Cursor 的代码修改要把模型给出的改动快速「应用」到整个文件里，输出和输入高度相似，非常适合投机解码。Fireworks 专门开放了 Speculative Decoding API，Cursor 用它做出了 Fast Apply42。
  2. 扩大：专属推理资源。Cursor 的主力流量跑在 Fireworks 的专属部署上，中金称之为「稳定的专属推理资源 + 围绕具体模型和业务负载的性能适配」42。
  3. 锁定：Composer 的 RL 训练。Cursor 的自研模型 Composer 2 以 Kimi K2.5 为基座（经 Moonshot 商业授权、通过 Fireworks 调用），最终模型只有约 1/4 的算力来自基座。Fireworks 在 4 个集群上为它跑全球分布式 RL 训练41。

Cursor 也做了多源采购，Together 的客户名单里同样有 Cursor34。另据 CNBC（经转载）报道，SpaceX 于 2026-06 同意以 600 亿美元股票收购 Cursor转载，待核实。如果属实，Fireworks 最大客户的控制权会发生变化，这是一个需要持续关注的变量。

官方客户名单与用法

客户场景自报效果
CursorFast Apply 代码编辑；Composer 训练见上
Notion1 亿+ 用户的 AI 功能延迟从 2 秒降到 350 毫秒
Cresta呼叫中心实时知识助手比 GPT-4 便宜 100 倍；上千个 LoRA
Vercelv0 复合模型（RL 微调）无错误率 93%
GensparkAgent（RFT）、Gen-1 Slides成本降 50%
Harvey基于 Kimi K3 的法律模型 Harvey Tenet19.7% vs 基线 10.8%
Quora（Poe）、Sourcegraph、Upwork、UiPath对话、编程助手、提案生成、RPA AgentPoe 响应快 3 倍
Uber、DoorDash、Shopify、Samsung、Verizon、Geico、Revolut、Doximity、GitLab、Elastic、MongoDB、Perplexity融资通稿与媒体报道中列出的客户—

来源：fireworks.ai/customers33，各轮融资通稿1,3,4，Contrary10，Sacra11。

客户画像：绝大多数是AI 原生应用公司和 SaaS 公司。它们的产品本来就跑在公有云上，流量变化快，需要随时扩容，对延迟敏感，也愿意为速度付钱。这和国内推理平台的大客户画像完全不同（第 10 章）。

SECTION 08竞争格局

美国推理层在 2026 年同时出现两件事：独立平台估值暴涨，赛道快速整合。Fireworks 面对五类对手，而其中好几家同时是它的投资人、渠道或供应商。

图 4 · 美国独立推理平台：估值与收入倍数
估值为最近一轮投后（Fal 为洽谈价）；ARR 取最接近融资时点的公开或报道数字
最近一轮投后估值（亿美元）ARR ｜ 估值/ARR 倍数Fireworks2026-07 D 轮17510 亿美元 ｜ 17.5×Baseten2026-06 F 轮1306 亿美元 ｜ 21.7×Together AI2026-07 C 轮8311 亿美元 ｜ 7.5×Fal2026-03 洽谈中804 亿美元 ｜ 20.0×Modal2026-05 C 轮463 亿美元 ｜ 15.5×

来源：Fireworks1；Baseten F 轮与 2026-03 年化收入约 6 亿美元35；Together C 轮与年化 bookings 超过 11.5 亿美元34；Fal（The Information 2026-03 报道洽谈 80 亿美元，Sacra 估算 ARR 约 4 亿美元）；Modal C 轮与 ARR 超过 3 亿美元36。

五类对手

类型代表与最新数字和 Fireworks 的关系
独立推理平台Together（83 亿美元估值，毛利约 45%，GPU 出租占收入大头，正在自建数据中心）；Baseten（130 亿美元，年化约 6 亿美元）；Modal（46.5 亿美元，按 GPU 秒计费）；Fal（媒体生成）；DeepInfra（1.07 亿美元 B 轮，OpenRouter 上的价格领先者）正面竞争。Together 更像 neocloud，Fireworks 更偏软件
开源引擎公司Inferact（vLLM，种子轮 1.5 亿美元、估值 8 亿美元，a16z / Lightspeed）；RadixArk（SGLang，1 亿美元、估值 4 亿美元，Accel；为 Google、Microsoft、xAI 等服务每日数万亿 token）39在削弱「我们的推理栈更好」这个卖点
Neocloud 向上走CoreWeave（Q2 收入 25.7 亿美元，储备订单 1,042 亿美元）；Nebius Token Factory（60+ 模型，99.9% SLA）；Nscale 以 16.5 亿美元收购 Anyscale（Ray）它们自己有卡，从卡时层往 token 层走，和 Fireworks 的 serverless 直接重叠
云厂商AWS Bedrock（开源模型通常贵 10%–40%，但默认进企业采购）；Azure Foundry（转售 Fireworks，2026-08 GA）；Google Vertex既是渠道，也是替代者。微软拥有客户关系
芯片厂与模型厂NVIDIA（收购 OctoAI 约 1.65 亿美元、Lepton → DGX Cloud Lepton；以约 200 亿美元授权加收编 Groq 团队）40；Cerebras（2026-05 上市，OpenAI 承诺 200 亿美元以上采购）；DeepSeek、Moonshot 等原厂 API（低谷半价）NVIDIA 既是投资人也是竞争者；原厂 API 在价格上压制第三方

整合潮：两年内被收购的推理公司40,49

被收购方收购方时间对价说明
OctoAINVIDIA2024-09约 1.65 亿美元推理优化公司
Lepton AINVIDIA2025-04未披露（估 3–5 亿美元）贾扬清团队；改名 DGX Cloud Lepton，聚合 25+ 云
ReplicateCloudflare2025-11未披露5 万+ 模型并入 Workers AI
Groq（团队 + 授权）NVIDIA2025-12约 200 亿美元非独家授权加收编团队；GroqCloud 保留
AnyscaleNscale2026-0716.5 亿美元neocloud 收购软件层

这张表对国内对标者的意义是：推理软件公司的退出路径不只有 IPO，被芯片厂、云厂或 neocloud 收购也是常见结局。估值区间从 1.65 亿美元到 200 亿美元不等，取决于收购方拿到的是团队、技术，还是客户和流量。

SECTION 09风险与争议

看空 Fireworks 的理由集中在六点。这些也是国内对标者在路演中会被逐条追问的问题。

① 估值只看收入，不看利润

17.5 倍 ARR 的估值建立在高速增长上。Newcomer（2026-05-29）37引用一位怀疑派投资人的话：「VC 只是在按收入倍数估值，并假设毛利率不重要。」推理平台必须 7×24 小时保持 GPU 在线以保证可用性，而云厂商和模型厂不用付同样的租金。

② 客户集中

2025 年约一半收入来自 Cursor。CEO 说现在「已经分散得多了」，但没有给出数字。而 Cursor 自己在训练模型、也在多源采购，控制权还可能变更。

③ 价值向模型厂转移

SemiAnalysis（2026-05-01，「AI Value Capture – The Shift To Model Labs」）38指出，Anthropic 的 ARR 从 90 亿美元涨到 440 亿美元以上，推理毛利从 38% 升到 70% 以上。它承认 Fireworks、Baseten、Fal 的毛利在扩大，但结论是价值主要流向模型厂。

④ 算力全靠租

H100 一年期租金比低点上涨约 40%，NVIDIA 同时是投资人和竞争者，供给紧张时优先级难以保证。AMD 是 Fireworks 的对冲筹码。

⑤ 依赖中国开源模型

平台主力模型大量来自中国：DeepSeek、Kimi、GLM、Qwen、MiniMax。Cursor Composer 和 Ember-1 都以 Kimi 为基座。美国一旦限制中国开源权重，或授权条款收紧（例如 Kimi 的修改版 MIT 协议要求大规模商用时展示署名），Fireworks 首当其冲。公司没有披露中国模型的 token 占比。

⑥ 技术领先会被追平

测速已经跌到中游（第 05 章），开源引擎公司在商业化，neocloud 在往 token 层走。Fireworks 的应对是转向后训练，但 Together 和 Baseten 也在做同样的事：Baseten 称领先的应用公司把 30%–50% 的模型支出投向了定制化和后训练42。

公开检索中没有发现 2026 年 Fireworks 的重大故障、诉讼或裁员报道。

SECTION 10对标 Fireworks：国内团队的启示

「对标 Fireworks」这句话里其实混着三种对标，投资人和客户会分别追问：技术对标（推理引擎做得一样好）、商业模式对标（租卡加软件、按 token 卖、往后训练延伸）、估值对标（按收入倍数定价）。前两种都能成立，但需要改写；第三种最容易被戳穿。

10.1 中美市场的五个结构差异

维度Fireworks 所在的美国市场国内市场对对标者的含义
客户AI 原生公司、SaaS 公司，产品跑在公有云上，流量变化快，要求随用随扩中金：国内中立平台的大客户「往往自有算力资源，更关注数据安全，更倾向于私有部署」。硅基流动前五大客户占收入 45%，其中四家买的是本地部署42利润来自私有化和本地部署，不来自公有云 API
价格第三方与原厂同价，溢价靠速度和 SLA 档位；客户付得起价格战加免费券。硅基流动公有云毛利 2024 年 −271.6%、2025 年 −119.0%，免费 token 券花了 5,421 万元43公有云 serverless 在国内是亏钱的获客入口，不能指望它赚钱
硬件以 NVIDIA 为主，AMD 为辅；同构，代际清晰国产卡多品牌、多代并存，软件栈不统一；实际可用算力明显低于标称异构适配是真实需求，也是规模化负担。中金：壁垒在于「适配能力能否沉淀为可复用能力」42
模型拿中国开源模型卖给美国客户，原厂不在美国直接竞争模型厂自营 API 且价格激进；大厂「自研模型 + 云生态打包卖」，第三方没有生态可以交叉补贴43纯 MaaS 转售的空间被原厂和云厂两头挤压
资本约 17.5 倍 ARR，投资人认可澎湃测算硅基流动 77 亿元估值对应约 140 倍 PS，是海外同行的 3–4 倍，并因此受到质疑43在国内按 Fireworks 的收入倍数估值很难成立，要拿利润和现金流说话

10.2 可以照搬的六件事

  1. 不买卡，靠软件拿溢价。Fireworks 自有服务器为零，却能把 H100 卡时卖到裸租价的 5 倍以上。国内同层硅基流动的物业厂房设备净值只有 92.7 万元，同样不买卡43。区别在于它没能把溢价收回来。要学的不是「不买卡」，而是让客户为软件付费的计价方式。
  2. 按 SLA 分档定价，不在标准价上拼。Standard、Priority、Fast、区域专属、Batch，每档对应不同的服务承诺。国内可以直接照搬这套思路：数据不出域、国产化部署、专属集群，都可以做成加价档。
  3. 做成转化漏斗。serverless 获客 → 专属部署 → 企业私有化 → 后训练。每一层的计费单位都不同（token → 卡时 → 合同 → 项目），单价逐层抬高。
  4. 推理进门，训练锁客。这是 Fireworks 2026 年最重要的一步：95% 的 token 来自定制模型，Training API 加驻场研究员。推理优化能帮你拿到第一单，客户留下来是因为专属模型搬不走。
  5. 绑定一个高速增长的明星客户共建。Cursor 从几百万美元 ARR 起和 Fireworks 一起长大。国内对应的做法是找一个正在起量、对成本和延迟都敏感的应用公司，用一个具体场景切进去（类似 Fast Apply 这样的投机解码场景），再一路做到它的模型训练。
  6. 让芯片厂站到你这边。NVIDIA 和 AMD 都投了 Fireworks，AMD 还专门供卡。国内的对应对象是国产卡厂和持有国产卡的出资方。「为某款国产卡重写内核」相当于 Fireworks 做 FireAttention v3 的那一步。

10.3 必须改写的三件事

公有云 API 不是利润中心

在美国，serverless 是能赚钱的入口；在国内，它是烧钱的入口。硅基流动的本地部署毛利是 82.5%，公有云是 −119%43。国内版本的主力收入应该是私有化和本地部署加运营服务。

计价口径要改成「按节省额」

国内 token 单价没有地板，按 token 转售等于参与价格战。中金算过，聚合层只分到产业价值的约 5%42。更可行的是「同样的卡多跑出多少有效算力」这种结果口径，按节省额分成，或按产出计价。

异构适配要做成可复用的产品

Fireworks 只需要面对两家芯片厂。国内要面对十来个品牌、好几代卡。如果每接一种卡就要重做一遍，规模化就会被拖垮。要把适配能力沉淀成可复用的层，并且明确哪些代次不接。

10.4 投资人听到「中国版 Fireworks」时一定会问的十个问题

#问题Fireworks 的答案（可作为参照）
1你的收入是按 token、按卡时还是按项目？各占多少？三者都有；专属部署和企业合同贡献主要收入，serverless 负责获客
2毛利率多少？是哪个口径？公有云和私有化分别是多少？约 40%–50%，目标 60%；有意压低换增长
3最大客户占比多少？它会不会自己做？2025 年 Cursor 约占一半；靠后训练把它留住
4同一张卡，你比 vLLM / SGLang 最新版快多少？有第三方测速吗？有 Artificial Analysis 公开测速，但领先幅度在缩小
5两年后开源引擎追上你，你靠什么留住客户？专属模型、RL 基础设施、驻场研究员
6算力从哪来？租金上涨时毛利怎么办？20+ 供应商、8 朵云，AMD 对冲，把涨价转给客户
7和模型厂自营 API、云厂 MaaS 相比，客户为什么选你？多模型选择、速度档、合规档（US）、定制化
8token 数和收入怎么对应？每百万 token 收多少钱？约 0.07 美元，远低于挂牌价（第 03 章）
9支持哪些卡？哪些不接？每接一种新卡要多少人月？NVIDIA 全系加 AMD 三代；为 MI300 从零重写内核
10如果不 IPO，谁会收购你？同类公司先后被 NVIDIA、Cloudflare、Nscale 收购（第 08 章）
结论

Fireworks 值得对标，但要对标它现在的样子：一家借推理流量入场、靠后训练留住客户、用 SLA 分档和软件溢价赚钱的「专属智能」公司。它两年前那个「最快的开源模型推理 API」已经不是它的核心了。国内对标者如果只讲推理加速，讲的就是 Fireworks 已经放弃的那部分故事。

APPENDIX A口径冲突与数据说明

数据冲突或风险本报告的处理
D 轮估值公开报道 175 亿美元；Forge 按每股 61.65 美元推算为 155.4 亿美元采用 175 亿美元，注明差异
A 轮时间2024-03 公布，TechCrunch 称 2022 年已完成记为 2022 年完成、2024 年公布
毛利率约 50%（The Information，2025 年中） vs 30%–40%（播客二手摘要）取 40%–50% 区间，两个来源都列出
Cursor 收入占比「约一半」出自 CNBC，原文无法直接访问（403），经转载核对标注为报道口径
SpaceX 收购 Cursor只在 CNBC 的转载中看到标注「待核实」
员工数约 200 人（CNBC，2026-07）/ 304 人（Contrary，2026-08）/ 第三方追踪数据互相矛盾写作 200–300 人
2025-12、2026-02、2026-05 的 ARRSacra 估算；约 8 亿美元与 CEO 播客口径一致图中用浅色标为估算
GPU 涨价前的价格与生效日期当前价格已在官网核实；此前价格和 9-01 生效日期出自搜索摘要标注「搜索摘要」
微软 Foundry 时间2026-03 宣布合作，2026-08-04 GA两个时间都列出
累计融资约 18.3 亿美元（Forge / Sacra） vs 21 亿美元以上（ValueAddVC）采用约 18.3 亿美元（四轮之和）
每百万 token 平均收入本报告用 ARR 除以年化 token 量得出，未计入专属部署客户自有流量等因素只作量级参考
未找到的数据GPU 机队规模、OpenRouter 份额、中国模型 token 占比、GB200 价格未使用

CNBC、Business Wire、The Information 等原文在检索时返回 403 或需要付费，相关内容来自正规转载（Yahoo / Quartz、OTPP 通稿、Tekedia）或搜索摘要，已在正文逐条标注。

APPENDIX B参考来源