上市 AI 云服务商 Nebius 宣布以超 10 亿美元收购 AI 推理优化公司 Eigen AI，后者由 MIT 博士王瀚锐创立，专注让开源大模型在 GPU 上跑得更快更省并按 Token 出售。王瀚锐加入 Nebius 后出任高级副总裁，全面负责 Token Factory 业务，涵盖推理、后训练和智能体系统。此次收购凸显 AI 推理效率正成为大模型时代的关键基础资源，也推动 Nebius 股价上涨。
SynthePulse Insight · AI 深度解读
版本 1 · 1 个来源
Nebius以超10亿美元收购成立约一年的Eigen AI，创始人王瀚锐出任SVP负责Token Factory。这桩交易把“推理效率与Token成本”推到台前，但支撑其叙事的关键数字与排名，多来自受访者自述或单一报道。
这桩交易最容易被记住的是两个数字：超10亿美元的对价，以及被收购前约20人的团队规模。Nebius宣布以超10亿美元收购Eigen AI，而Eigen AI正式成立约9个月时，员工约20人。用极小团队换取极高对价，是这则消息在传播中被反复引用的部分。
但需要把“已确认”和“受访者自述”分开。收购本身是已确认事实；员工规模约20人属于受访者提供的说法，报道未给出第三方核实。对价“超10亿美元”也未披露具体金额、支付方式与交易完成条件，交易是否已正式完成、是否需监管审批，报道同样未说明。
因此，这桩交易更稳妥的读法是：它确认了资本市场对“推理效率”这一环节给出了高定价，但定价背后的具体依据——技术壁垒有多深、客户黏性有多强——在现有信息里仍是模糊的。
让Eigen AI进入公众视野的，是2026年3月英伟达GTC大会。黄仁勋在主题演讲的幻灯片中，把Eigen AI放在中国开源模型Kimi K2.5推理速度排名的首位。王瀚锐回忆，公司事先并不知道，是在台上讲的那一刻才发现。
这次曝光发生在Eigen AI正式成立约9个月、被收购前不到两个月。按受访者的说法，曝光带来了更多主动找来的客户和团队士气提升。
但排名的评测口径并不清楚。报道未给出该排名的评测方法、时间窗口与完整榜单，因此“位列首位”可以确认的是“幻灯片上如此呈现”，而不能等同于可复现的独立结论。
王瀚锐的路径是本科就读于复旦大学，2018年毕业后进入MIT，成为韩松教授的第一个博士生，2024年博士毕业后创业。他主导开发的稀疏注意力系统SpAtten被称为2020年以来HPCA引用最高的论文之一，配套加速器完成台积电28nm工艺流片。他本人入选亚太区《麻省理工科技评论》“35岁以下科技创新35人”。
加入Nebius后，他出任高级副总裁，全面负责Token Factory业务，涵盖推理、后训练和智能体系统三条产品线。从学者到创业者再到大公司管理者，他在几年间换了三种身份。
他对组织形态的判断是务实的：不为创业而创业，学术和产业之间不是单选题，关键看哪种组织形态最能让技术落地。选择Nebius的理由包括GPU资源、对软件的重视、以及此前已有的合作基础。
这里需要标注的是：SpAtten的引用地位与流片细节来自受访者自述，属于来源说法；而入选“35岁以下科技创新35人”在报道中作为已确认信息呈现。
Eigen AI的业务可以概括为：帮助企业优化和部署开源模型，一边用企业数据做后训练，一边把模型部署到GPU集群并按Token对外出售。这个模式的关键在于，它同时押注“模型能力”和“单位成本”两条曲线。
王瀚锐对客户决策权重的估计是：成本约占一半，准确率提升占30%，可控性占10%到20%。他同时提到，客户并不在意模型是开源还是闭源，也不需要最强的、面面俱到的模型；针对客户任务做后训练，让开源模型在客户更关注的问题上表现超过闭源模型，就够了。
这些比例是个人估计，不是量化调研数据。它们能说明受访者对市场重心的判断，但不能当作行业基准。
王瀚锐给出的判断是：开源模型与最前沿闭源模型的差距，从一年前的9个月到一年、半年前的6~9个月，缩小到目前可能不到6个月。这个“不到6个月”是整篇对话里传播力最强的判断之一。
它的价值在于提供了一个可被后续检验的坐标：如果差距继续收窄，推理服务商的商业空间会随之变化；如果收窄停滞，那么“用开源替代闭源”的叙事就需要重新定价。
但必须明确，这是受访者的个人估计，报道未提供量化依据，也没有第三方验证。把它当作趋势方向可以参考，当作已确立的事实则超出证据范围。
7月底，Nebius Token Factory成为2.8万亿参数混合专家模型Kimi K3的Day 0首发合作伙伴。这是交易之后最具体的产品侧进展，也把Token Factory放到了前沿开源模型发布链条的前排。
但王瀚锐对这门生意的位置有清醒描述：推理服务夹在GPU厂商和客户之间，处于微笑曲线中段，更容易受到挤压。这与他“让智能变得像水和空气一样便宜”的长期目标形成对照——越便宜，中间环节的利润空间越需要靠规模和效率来撑。
关于Kimi K3的合作，报道未说明实际合作范围与排他性，因此“Day 0首发合作伙伴”可以确认，但其商业含义的边界仍不清晰。
在自研推理芯片的热潮中，王瀚锐表示不急于跟进，理由是模型底层算子仍在快速变化，现在造出的芯片3年后可能就不适配。这是一个基于技术演进速度的判断，而非对芯片路线的否定。
在规模方向上，他认为模型规模增长远未到头，再提高1000倍都有可能，Token Factory的终点是让智能变得像水和空气一样便宜。他提到后训练和强化学习阶段模型可以在环境中自由探索、自我演化，不再受制于数据。
这两个判断都属于个人预判，存在高度不确定性。它们解释了Eigen AI为何选择“软件+云”而非“芯片”，但不能被读作对行业走向的定论。
本文所依据的报道为DeepTech对王瀚锐的专访。收购、人事任命、Kimi K3合作、GTC幻灯片排名、入选“35岁以下科技创新35人”等属于报道中作为事实陈述的内容；员工规模、Artificial Analysis排名、SpAtten引用与流片、开源闭源差距、客户决策权重、规模增长空间、不造芯片的理由等，均来自受访者自述，缺乏第三方独立核实。收购对价未披露具体金额、支付方式与完成条件；交易是否已完成、是否需监管审批未说明；GTC排名与Artificial Analysis排名的评测方法、时间窗口与完整榜单均未给出。
这桩交易确认了资本市场愿意为“推理效率”支付高价，但支撑其估值叙事的关键数字——排名、差距、客户权重——大多来自受访者自述或单一报道。真正值得跟踪的不是“一年被收购”的速度，而是两个可验证的变量：开源与闭源的能力差距是否继续收窄，以及Token Factory这类中间环节能否在GPU厂商与客户的双重挤压下守住利润空间。
主报道
主报道来源