七牛智能的“AI調度中樞夢”，資本為什么不買賬？

AI多模態時代，參數規模早已經不是唯一賣點。譬如，企業用戶們開始在不同模型之間頻繁切換，“用哪個模型”成為了一道效率與成本的選擇題。此時，AI產業的重心依舊在模型本身，但也不妨礙市場將目光發散至能夠調度模型的那一層。

海外的OpenRouter，正是踩在這一延伸趨勢之上崛起的樣本。它不直接做模型，卻通過統一API聚合主流大模型，成為連接供需兩端的“云路由器”，估值更是已躍升至數億美元。

資本市場也由此看到并認可了一個新的AI細分產業：當模型能力趨同、成本快速下降，AI的部分價值可能正在傳遞至“調度層”。

在中國市場，七牛智能（02567.HK）也試圖成為這樣的角色。日前，這家公司正式開放了升級版MaaS平臺“AI大模型廣場”，強調統一API架構、多模型調度能力以及Agent+MCP服務，被市場稱為“中國版OpenRouter”。

借著這個利好動態以及節前港股科技線回暖的大勢，2月11日，七牛智能股價開盤一度漲近17%。然而情緒高點僅維持數小時，隨后快速回落，最終全天收跌超10%。

方向看似踩對，市場卻遲疑不決。

七牛智能想成為“AI模型的調度中樞”，可這門新生意似乎并不好做。七牛智能還差了點什么？

AI多模態時代，調度層正在起風

過去兩年，AI行業的敘事圍繞“更大、更強、更快”的模型軍備競賽展開。但2025年之后，一個更為深刻的變化正在發生：模型能力開始趨同，開源模型崛起，推理成本下降，企業用戶對單一模型的依賴明顯降低。

DeepSeek、Kimi、通義千問、GLM等模型相繼迭代，開源生態快速成熟。對大多企業客戶而言，“鎖定唯一模型”不再理性。代碼生成、長文本推理、圖像理解、視頻生成……不同場景需要不同能力，而企業越來越傾向于根據任務特征動態選擇最優模型。

此時，一個新的剛需出現。如何在多模型之間高效調度、橫向對比、自由切換？

調度層的價值邏輯就在于此。它既不承擔上游高額研發與算力風險，也不深陷下游場景碎片化競爭，而是通過降低集成成本與切換成本，成為連接供需兩端的樞紐。

OpenRouter在海外驗證了這種模式。通過統一API同時接入OpenAI、Anthropic等模型，讓開發者在同一接口下完成調用與比較。模型越豐富，開發者越愿意聚集；開發者越多，模型生態越繁榮，最終平臺網絡效應成型。

七牛智能的戰略轉型，正是基于類似的邏輯。

這家公司原本深耕音視頻云服務，2025年開始戰略升維，加速推進MaaS（模型即服務）業務，試圖全面轉型為中立AI聚合平臺科技公司。

近期其“AI大模型廣場”的推出，算是代表著這場升維之旅真正成型了。在這個廣場，開發者可以通過統一API調用所有主流國產AI大模型，在同一Prompt下對比效果、延遲與成本。

同一時間，用戶數的非線性擴張更是直觀地強化了其轉型路徑的可行性。根據數據披露，目前平臺注冊用戶約192萬，MaaS相關用戶超過18萬。收入層面，2025年上半年，公司AI相關收入1.84億元，占總收入22.2%。AI業務已成為實質性的增長引擎。

有了這些戰績打底，業內外都有理由相信，隨著多智能體接下來逐漸成為主流形態，模型調度需求大概率將進一步放大。多步驟、長序列推理任務天然需要多模型協同，這為調度平臺提供了想象空間。

顯然，從產業趨勢上看，七牛智能不是盲目轉型，而是踩在價值遷移的節點上。但趨勢正確，并不等于這家公司一定能成為贏家。

七牛的AI中樞敘事，資本為什么猶豫？

微觀層面，個股股價的劇烈波動其實已經比較直觀的揭示了市場的復雜心態。

一方面，“港股唯一具備AI樞紐能力”的稀缺標簽確實具備一定吸引力；另一方面，歷史走勢卻并不樂觀。拉長時間線看，七牛智能自去年8月創新高以來估值一路下行，已創歷史低位。AI轉型加速推進過程中，估值溢價卻迅速消失，甚至股價開始承壓。近期的反彈力度也并不強勁。

這種猶豫，至少源自三重結構性疑問。

第一，估值框架的切換條件依舊不成熟。

當前市場對七牛智能的定價邏輯，仍更多參照傳統云服務商的PS框架。但公司試圖講述的，是一個具備網絡效應的“平臺故事”。如果MaaS平臺能夠形成穩定抽傭機制與規模化調用，邊際成本將顯著下降，盈利彈性理論上高于資源型業務。

然而，網絡效應是否真正建立，仍有待驗證。注冊用戶192萬，并不等于高質量企業付費用戶。MaaS用戶18萬中，付費結構、ARPU水平、留存率如何？這些數據尚未充分披露，臺溢價自然難以建立。

第二，中立性是否可持續？

七牛智能強調“絕對中立”，不過多綁定單一模型陣營。這一定位有利于開發者AB測試與性能對比，也確實是OpenRouter在海外的成功密碼。但這種成功存在一個前置條件，由于歐美模型生態高度分散，模型陣營割裂明顯，開發者需要一個中立裁判，幫他們跨越API格式、計費單位、能力邊界的重重割裂。

而在中國市場，大廠集中度遠高于海外。阿里云、華為云、騰訊云等巨頭既掌握算力資源，也擁有自家模型生態。一旦這些頭部云廠商始終更愿意將“統一API接口+多模型調度”能力內置進自家云平臺，七牛智能的產業位置與其說是“樞紐層”，不如說是“外掛插件”。

第三，平臺屬性尚未充分兌現。

真正的平臺溢價，需要雙邊效應與數據飛輪形成閉環。此番“AI大模型廣場”上線后，七牛智能確實正式開始具備統一API與管理控制臺，并通過真實調用數據為企業提供對比與優化支持。但數據壁壘的深度，取決于高頻調用與多場景積累。

如果多智能體爆發節奏低于預期，或企業過多的傾向于私有化部署模型，調度層的價值密度可能被削弱。而在現階段，七牛智能平臺本身也不具備足夠強的不可替代的決策能力。

資本市場的猶豫并非否認方向，而是尚且無法確認七牛智能是否具備成為樞紐層贏家的能力。

調度中樞這門生意，還沒那么明朗

站在商業本質看，調度平臺說白了就是一門“中間層生意”。上游接模型，下游對應用，理想狀態是靠流量抽傭。但中間層往往面臨雙向擠壓，若缺乏足夠差異化能力和產業鏈議價能力，調度平臺容易淪為低毛利通道商。

七牛智能并非毫無籌碼。第一，在音視頻云與對象存儲領域長達15年的積累，使其在部分多模態場景中具備天然協同優勢；第二，Agent+MCP服務試圖向更深層嵌入開發流程，而不僅僅停留在API層，這類業務規劃將顯著提升黏性；第三，先發整合國產模型生態，已形成一定的開發者心智。

但這些優勢能不能對沖掉中間層的結構性問題：調度層在AI產業鏈中，究竟會成為長期利潤中心，還淪為階段性效率工具？

回望云計算的發展歷史，API聚合與流量中介平臺曾短暫繁榮，但最終多數價值回流至擁有算力與生態控制權的巨頭。效率工具可以帶來流量，但未必能掌握定價權。

七牛智能的賭局，實質上押注三個變量：多模型協同能成為長期剛需、調度層能夠形成數據壁壘與網絡效應；其三，巨頭傾向開放生態而非絕對內化。

從更宏觀的視角看，AI行業正在從單一的技術突破向效率競爭延伸。調度層確實站在這條趨勢線上。但效率工具與基礎設施之間存在本質差別，前者容易被整合，后者才具備溢價能力。

現在的七牛智能更接近基礎設施的愿景，卻仍處在工具階段的現實。要想平臺敘事，企業接下來必須繼續證明自己不只是連接者，也可以是價值分配者。

結語

模型商品化趨勢正在發生，調度需求確實存在，多智能體也可能放大這一需求。但趨勢并不自動創造贏家。

七牛智能想成為AI模型的“收費站+導航儀”本身沒有錯誤，但中間層的天花板、平臺效應的不確定性、以及巨頭變量的存在，都讓這門生意遠比敘事更為艱難。

在調度層真正成為剛需之前，市場或許仍會保持克制。資本不是不相信AI，而是不輕易為尚未驗證的平臺邏輯買單。

七牛智能的轉型，才剛剛過了起跑線

來源：港股研究社