把“Token工厂”搬回家，是不是一场好生意

出品｜虎嗅科技组

作者｜陈伊凡

编辑｜苗正卿

头图｜AI生成

这是虎嗅WAIC“追踪Token商业新范式”系列文章第17期。

关于 AI算力的故事，通常以十亿美元为单位讲述——数据中心、万卡集群、只有巨头才付得起的账单。后摩智能的故事是一个例外：它关乎每一个人。

2026年，深圳华强北的电子市场里出现了一种新物种：巴掌大小的铝合金盒子，内置一颗10瓦功耗的芯片，却能运行千亿参数的大语言模型。这个需求，在OpenClaw出来之后，被推向了高点。

联想在此基础上推出了 AI 主机P7，长城电脑发布了 N90Pro AI PC。一个全新的硬件品类正在成形——Agent Computer：专为 AI 设计的硬件载体。

这类端侧设备的心脏，是一颗存算一体芯片，来自一家叫做后摩智能的公司。

如果不是大模型引发的指数级推理需求，市场或许很难注意到后摩智能和存算一体。这家公司至今成立6年，成立前两年，验证了存算一体做大算力端边AI芯片的商业路径的可行性，2023年，押注大模型。那对后摩而言是一个关键节点。这一次，和CEO吴强聊天里，能感受到语气里的高昂和希望。

传统芯片的工作方式，像是一辆跑车必须不停地在仓库和赛道之间往返拉货——每跑一圈计算，就得回仓库取一趟数据，再开回来。路上花的时间和油钱，比真正跑圈的还多。过去这不是问题，因为货少，跑几趟就够了。但 AI 计算的数据量是爆炸性的，相当于每秒钟要跑几十万趟，高速公路再宽，也堵死了。英伟达的 GPU 相当于把公路从四车道拓宽到几十车道，确实快了，但车还是得跑，油还是得烧。

存算一体的思路是：既然搬数据是瓶颈，那就不搬了。把计算直接放到存储内部去做，数据原地不动就能完成运算。吴强打过一个比方：GPU 通用性更好，它除了做 AI 还可以做天气预报、原子弹仿真。但让存算一体芯片做天气预报，非常不合适，可是做神经网络，不管是 CV 还是大模型，都比 GPU 干得好。

吴强 图片由后摩智能提供

2020年底吴强决定创业时，中国半导体正处于国产替代的狂热高峰的三年。中美科技脱钩加速，英伟达高端芯片对华出口受限，一级市场的钱疯狂涌入 GPU 赛道，造富神话一个接一个。壁仞科技成立9个月就拿了11亿 A 轮，摩尔线程成立百天即成独角兽，十几家公司扎堆讲“中国英伟达”的故事，合计融资超过百亿。

朋友也劝吴强直接做 GPU 国产替代，故事好讲，投资人也听得懂，他曾在AMD参与CUDA的早期开发，对GPU的生态熟悉，但他的判断是：“如果我也去做 GPU，刚开始会容易点，但长期来说很难有差异化。”

那个时候，所谓“颠覆英伟达”的技术很多，有人选了光计算，有人选了量子计算，吴强选了存算一体，原因是，它更接近落地和商业化。但即便如此，彼时的存算一体，仍是一种停留在学术论文中的计算范式，去挑战冯·诺依曼体系延续了八十年的统治地位。天使轮融资，好多投资人都听不懂，"当时国内做大算力存算一体的公司几乎没有，国外也只有一两家在探索。

存算一体，这个词显然对大众而言太过陌生和学术。这种存算一体芯片有的用在耳机中，但大算力存算一体，则用在PC、手机、各种边缘服务器上。

转变发生在2023年，大模型之后，吴强判断，未来一定会有很多物理场景需要在本地跑大模型，因为传输越来越昂贵，有隐私问题，时延也不允许，因此大模型端边推理一定是趋势。

2023年下半年，后摩用第一代产品适配了智谱的 GLM-6B 模型，发现存算一体跑大模型效果出奇地好。"所以我们当时就预判，应该为大模型端边推理做一款芯片。"吴强说，那会儿 Agent 还只是一个几乎没人讨论的概念。

过去的端侧 AI 芯片不过是 SoC 里附带的6T 算力，号称"端边 AI“，实际上只能跑一些玩具级的小模型。M50 彻底改变了这个局面：10瓦功耗、160TOPS 算力，可以运行几百亿到千亿参数的大模型。

2024年初，大算力的存算一体芯片M50开始做，2025年初流片，2026年2月正式量产。

2026年上半年，后摩智能收到了超出预期的客户订单。它的客户名单从联想、长城延伸到运营商的通信 AI RAN、陪伴机器人公司，以及一批正在深圳涌现的 Agent 硬件公司，这是一片崭新的增量市场。

吴强说，如果要用一句话概括后摩，是让端侧“免费Token工厂”成为可能。

它背后，是以大模型为主的AI产业正在经历的一次结构性迁移：算力正在从集中式的数据中心，向分布式的终端设备转移，这个结构洞的经济学逻辑，可能比技术本身更具产业的颠覆意义。而后摩，显然是这场需求结构性迁移的受益者。

和吴强聊，我们试图回答几个关键问题，存算一体是否真的能在通用大模型推理上大规模替代 GPU/NPU？在存算一体芯片大规模商业化之后，端侧大模型会不会把 AI 推理从云端按量付费，改造成一次性硬件买断的生意？成本要降到什么程度，Token工厂会进入家家户户？

一场关于"搬不搬数据"的效率之争

虎嗅：六年前确实很少听到存算一体这个概念。那个时候存算一体芯片商业化了吗？国内外有哪些公司在做？

吴强：包括国外在内，当时大部分公司做的都是小算力、超低功耗的方向，比如知存做的是 NOR Flash 的存内计算，用在耳机芯片里。真正做大算力存内计算芯片的，国内当时是零，国外也只有一两家创业公司在探索。

虎嗅：理清一下一个区别，之前的存算一体做的是小功耗的产品，比如耳机。我们现在做大算力的存算一体芯片，替代的是哪类产品？

吴强： 存算一体是一个技术路线。小算力超低功耗的方向用的是模拟计算，存储介质是 NOR Flash。我们这一波的路线大概从2017、2018年在学术界开始，用 SRAM 做纯数字的存内计算，可以把精度做高，把算力和算力密度都做上去。

在大算力这个领域，我们面向的场景不是耳机，而是 PC、手机、各种边缘服务器等。

虎嗅：所以你们对标的是原来的推理GPU 或 TPU？存算一体跟 GPU 相比，客户能感知到的优势是什么？

吴强：对客户来说，他不需要知道底层是存算一体还是常规架构。他能感受到的就是：功耗更低，或者在同等芯片面积下算力更大。

存算一体解决的核心问题是能效比——同等面积下算力更大，带宽更大。比如我们现在在消费终端上，一个手掌大小的盒子里，一颗芯片能跑几百亿到一千亿参数的模型，功耗只有10瓦左右。同样的场景，其他公司的产品可能要大几十瓦。

虎嗅：我能理解为，存算一体能在通用大模型推理上替代 GPU/NPU吗？

吴强： 两者各有侧重：GPU/NPU强在通用性和生态，存算一体强在能效和端侧部署。两者不是互相取代的关系，而是各有不可替代的价值。

虎嗅：现在还有近存计算，近存计算和存内计算有什么区别？

吴强： 近存计算，只是把计算和数据存储拉近了，实际上还有数据搬运，只不过距离变近了。Groq 走的就是这条路。而我们做的存内计算，是真正在存储内部做计算，很多情况下数据是不动的。所以我们的能效比更高，算力密度也更高——同样一个小盒子，可以提供更大的算力。

大模型救活了一条新的路

虎嗅：端侧大模型这件事出来之前，存算一体的市场是什么样的？你们那个时候的市场竞争状况如何？

吴强： 之前也可以做推理，比如计算机视觉的推理——智能驾驶、安防监控。存算一体做 CV 也能做得好，只要是数据为主的矩阵向量相乘的计算，它都比常规架构更高效。但 CV 市场非常红海，格局已定，商业机会不多。

大模型出来以后，第一，这是个新兴市场，机会更多；第二，存算一体做大模型更合适，因为数据量更大，数据量越大，存算一体的优势就越大。

虎嗅：大模型时代，推理的需求爆发，那个时候后摩接到的第一个这一类的需求是来自哪一类的客户？

吴强：存算一体除了可以让 Token 的成本降低，另外一个优势它把功耗做到极致，把成本做到极致。以前端边有很多的AI 芯片，都是小算力。

大模型出来之后，有客户希望在端边跑大模型，特别是今年初，这种需求特别多，客户希望做一个像联想AI主机P7这样的AI终端。

虎嗅： OpenClaw 出来之后，对公司的客户结构有什么变化？

吴强：我们目前客户主要来自四个场景：第一是 Agent Computer，这是增量市场，一个全新的形态；第二是智能终端，包括 PC、会议纪要一体机、实时翻译机，未来还有手机、平板、学习机；第三是具身机器人，目前主要做陪伴机器人；第四是边缘服务器，比如通信类的 AI RAN等。

虎嗅：陪伴机器人公司很多用的是云端方案，因为考虑到端侧部署成本更高，这方面也有后摩的市场吗？

吴强： 现在大部分陪伴机器人确实用云端。但云端方案有几个问题：第一，它赌客户不用。如果客户真的用起来，成本吃不消，而中国用户不习惯付订阅费；第二，隐私问题，如果只是声音还好，但如果有摄像头，大家还是敏感的。

主打便宜的一般用云端，先卖出去再说。但主打体验的、稍微高端的，基本都会有本地算力。比如陪伴机器人，需要能看到你的表情，判断你是不是皱眉、心情不好，这种算法需要本地算力，高净值客户也在意隐私。

虎嗅：你们的芯片能把 Token 生产成本降到原来的多少？

吴强：理论上是一个数量级的提升。当然今天我们还做不到10倍，但至少几倍的提升是现在可以努力的方向。

除了降低 Token 成本，更大的优势是：存功耗和成本做到极致，让大模型在端边运行变成了可能。

虎嗅：从 Token 经济学的角度看，端侧推理和云端推理的成本结构有什么本质区别？后摩的存算一体架构如何改变 Token 的“生产成本”的，这背后的逻辑是什么？

吴强：端边推理和云端推理的结构有本质区别，云端推理是持续消耗的成本结构，用的越多，付费越多。端边推理一次性硬件投入，零边际成本。设备购买后，所有推理任务在本地完成，无Token消费、无调用次数限制。一次性投入之后，使用是个免费token 工厂。

存算一体架构改变Token生产成本的逻辑在于两个方面：首先是存算一体的低功耗、高效率推理可以让token生成的成本降低；其次，更重要的一方面，在端边功耗和成本敏感的场景下，存算一体让足够大的大模型运行变成可能，让免费token 工厂变得可能。

虎嗅：端侧大模型会不会把 AI 推理从云端按量付费，改造成一次性硬件买断的生意？

吴强：端侧模型其实是将AI从一种持续的运营成本，转变为一种可预期的资本投入，为用户和企业提供了一种全新的选择。未来的主流模式更可能是 “端云协同” ，系统自动判断任务该由端侧还是云端处理，在成本、性能和体验之间找到平衡点。

让每个人都能用上免费的Token工厂

虎嗅：这几年在你的观察视角下是否发现了一些新的需求？我们是否有针对这些涌现的新的需求做产品？或者说这些需求对我们的产品提出了什么挑战？

吴强：模型在逐步变大，对算力和带宽的要求在变高，从单一大语言模型向多模态迁移等新的需求，针对这些需求，我们也在做端边能处理更大规模参数的芯片，未来，端边芯片应该能处理接近或超过今天满血版模型的能力，同时，我们针对消费终端的多模态模型需求，也布局了更适合做dense多模态模型的芯片。

虎嗅：你们现在有海外的客户吗？国产模型加国产芯片在国际竞争上是否有优势？

吴强： 我觉得中国未来“Token 出海”是一个很大的机会。

我的逻辑是：免费产品一定是大家用最好的——社交网络、搜索都是这样。但 Token 要花钱，只要花钱，即使你不是最好的，性价比高也有市场。

国产开源模型加国产芯片，绝对能力可能做不到海外 SOTA 水平，但通过性价比，一定能覆盖到国际舞台。我们现在海外客户都是做端边智能设备的，他们的逻辑是：海外网络没有中国那么好，特别是农村地区；对隐私也更敏感。他们很喜欢这种本地的“免费 Token 工厂”——小巧、不依赖网络、足够智能。

你可以把这看成广义的 Token 出口，出口的是一台 Token 机器。

虎嗅：中美在存算一体上的技术差距有多大？

吴强：存算一体的好处是我们跟巨头在同一起跑线上。之前这还是学术界的领域，海外和整个行业走的都是英伟达或 ARM 的路线。存算一体作为新的探索性技术，大家起点一样。而且巨头有更大的包袱。英伟达那套东西已经走得很深了，要用存算一体这种颠覆性技术，意味着把原来的东西通通打破，历史包袱太重。英伟达收购 Groq，也只是拿来配合使用，把大模型里有低延迟需求的部分分给 Groq 做，本质上还是改良，不会放弃 GPGPU。而我们从零开始，没有包袱，整个架构都是存算一体。

虎嗅：我可以理解为，大模型之后后摩的价值也出现了大幅提升，如果拿掉国产替代的叙事，后摩的价值在哪里？

吴强： 今天的格局是：训练方面英伟达还是主导；推理方面国产比例越来越大，大家发现至少在推理上跟英伟达差不多。所以现在拼的不是国产替代，而是都是国产的情况下，谁的性价比更高、性能更好。

后摩从第一天就没有主打国产替代。我们一直说自己是“国产创新”，一直说不能用英伟达的方式打英伟达，要弯道超车。后摩今天的价值是：我们用了一个跟英伟达完全不同的新技术，把它从学术概念变成了现实，做到了量产和商业化，并且在大算力存算一体赛道上走在全球前列——不只是中国前列。

虎嗅：现在其实也有很多做端侧和边缘芯片的厂商，半导体又是一个头部效应很明显的行业，端侧未来还需要那么多家算力芯片公司吗？后摩的竞争窗口期你认为还有多长？

吴强：目前端侧芯片大部分还是控制为主的CPU芯片或者SoC芯片，AI算力一般都很小，传统端边AI芯片算力仅为6-16T左右,随着大模型的普及，算力超过百T的端边大模型芯片，会逐渐成为主导，在这块后摩是先行者。

未来整合的话，端边可能也不超过5家。当然大家会相互试探——比如高通做手机也往 PC 上布局——但每家都有自己的主战场。

虎嗅：如果用一句话描述后摩智能在 Token 新范式中的角色定位，你觉得是什么？

吴强：让端侧“免费Token工厂”成为可能。

虎嗅：或者说家家户户都有一个超节点？

吴强：是的。就是这类“家用超节点”，可以把家里的所有智能设备都连到这上面去。

虎嗅：成本要降到什么程度，Token工厂会进入家家户户？

吴强：现在有的盒子可能在几千块钱，随着市场规模扩大，技术成熟，成本会持续下降。现在，差的可能不是成本，而是一个杀手级应用，让大家觉得“必须拥有本地Token工厂”。一旦这个应用出现，叠加已降至临界点的成本，Token工厂才能真正进入千家万户。

虎嗅：未来5年，后摩面前最大的挑战可能是什么？你觉得真正的威胁可能会来自那些公司？

吴强： 从组织发展角度，今天公司还在生存阶段，大家都很拼，go big or go home。如果5年后真的做到了头部，组织怎么进一步迭代，这是一个挑战。

从产业角度，如果那时候端边已经是很大的市场，竞争会很激烈。端边推理的生态壁垒不像云端训练那么深，所以必须不停提升效率才能保持领先。

我觉得真正的威胁不会来自巨头，会来自另外的创业公司，用一套完全新的技术打法对我形成降维打击。而那个东西是我当时忽略的、没有重视的。