AREX Feed Article
Applied Compute 完成 3.5 亿美元融资、估值 32.5 亿美元：Elad Gil 领投，公司称年化收入达 1 亿美元
旧金山 AI 基础设施公司 Applied Compute 于 11 月 2 日（美国当地时间周一）宣布完成 3.5 亿美元融资，估值 32.5 亿美元。本轮由天使投资人 Elad Gil 领投，Kleiner Perkins、Lux Capital、Nvidia（英伟达）、Blackstone、Shopify Ventures、HubSpot Ventures 等参投。 于 11 月 4 日报道了这笔交易，金额与参投名单均与一致。
这家由三位前 OpenAI 技术研究员于 2025 年创立的公司同时交出了一份成绩单：成立不足 18 个月，年化收入运行率（annualized revenue run rate，按当前收入速度折算的全年口径）达到 1 亿美元；自上一轮融资以来，服务的企业客户数量翻了一倍以上，客户名单包括 Microsoft、Shopify、Mercor、Harvey、DoorDash、Cognition、Clay 和 Decagon。公告未附经审计的财务数据，上述数字均为公司口径。
Applied Compute 团队（图片来源：Applied Compute，经 SiliconANGLE 刊用）
Elad Gil 领投，17 个参投方与明确的资金去向
称 Gil 是知名天使投资人。公告列出的参投方共 17 个：Kleiner Perkins、Lux Capital、Hanabi Capital、Nvidia、Blackstone、Shopify Ventures、HubSpot Ventures、Diffusion、Definition、Timeless、Layer Global、Neo、Abstract、Nova、Quantum Light、First Harmonic 和 Swish。
Gil 本人在中写道：“非常兴奋 Gil & Co 能领投 Applied Compute 这一轮——一支出色的 OpenAI 后训练（post-training）团队，和一批明星客户。”
公司在公告中写明了资金的三项用途：扩大算力容量、扩充团队、加速企业端部署。
定制开源模型这门生意：公司的逻辑与客户行业
FinSMEs 把 Applied Compute 称为“面向企业的定制开源 AI 模型开发商”。公司在公告中解释了这一定位的由来：他们创立这家公司，是因为相信企业会想拥有并持续改进驱动自己产品与运营的 AI，而开放权重模型（open-weight models，即公开模型权重、可供企业自行训练改造的模型）的快速进步，让企业能够用自己的数据和专业知识在其上构建。
按公告口径，其客户已覆盖生命科学、网络安全、硬件设计、法律、金融服务、物流等行业。
Applied Compute 官方公告《Applied Compute hits $100M run rate and raises $350M》页首插图
AC2、AC Inference 与 Shift-1：训练、推理、路由拼进一个平台
公司在公告中指出，训练出更好的模型只是问题的一部分，客户还需要部署模型、评估表现、持续改进。三个月前，公司推出 AC2（Applied Compute Agent Cloud），把训练、推理和持续改进放进同一个平台；公司 注明，该平台目前处于私测（private beta）阶段。公司称，自 7 月以来客户已在 AC2 上执行了超过 1,700 次训练。
推理侧，公告称 AC Inference 每天处理超过 1 万亿个 tokens（模型处理与计费的基本文本单位）；联合创始人 Yash Patil 在中补充，这条业务上线才约 12 周。按公告口径，40% 的客户现在同时把训练和推理放在 Applied Compute 上，且这一比例还在增长。
SiliconANGLE 把平台机制拆得更细：训练栈采用异步强化学习（asynchronous reinforcement learning），让数据生成与权重调整两个环节同时运行、互不等待；平台支持自蒸馏（self-distillation），省去监督训练所需的教师模型；内置 AI 助手能自动总结模型在一次训练中学到了哪些新技能，免去人工翻看冗长的推理日志。推理侧有按流量自动调整硬件分配的弹性伸缩引擎，还有利用线上请求周期性微调权重的 online RL（在线强化学习）功能。SiliconANGLE 还提到名为 Shift-1 的模型路由器：把每个用户请求交给能以最具成本效益的方式完成它的 LLM（大语言模型），并把复杂任务拆给多个模型。
客户案例均出自公司披露：为 Harvey 的 Review Table 产品训练的模型，公司称在推理成本不到前沿替代方案一半的情况下，提升了答案与引用质量；为 Clay 训练并部署的自定义路由器，公司称最多把生产推理成本降低了 47%，且不牺牲质量。
三位前 OpenAI 技术研究员，团队自 1 月以来扩到三倍
FinSMEs 介绍，Applied Compute 由前 OpenAI 技术研究员 Yash Patil、Rhythm Garg 和 Linden Li 于 2025 年创立，业务是帮助企业构建、训练并持有自己的定制 AI 模型。Patil 的 写着联合创始人兼 CEO，Garg 的写着联合创始人兼 CTO。
公告里的另一组数字关于团队：公司称团队自 1 月以来扩大到三倍，其中 85% 是研究员和工程师。Garg 在中写道，团队 8 月拍了那张合影，“从那以后又增长了超过 50%”。
2025 年 10 月，Lux Capital 的 Brandon Reeves 曾发帖称赞这支团队，称 Applied Compute 是“我们在 Lux 见过的、人才密度最高的团队之一”，并称创始团队“背后是 codex、o1 和 OpenAI 的前沿训练基础设施”。Lux Capital 也在本轮参投名单中。
公司在中把这门生意的出发点写成一句话：“每家公司都应该拥有驱动自身运转的 AI。Applied Compute 的存在，就是为了让这成为可能。”创始团队在公告中写道：“训练、推理和路由只是更大技术栈的第一批组件。我们正在打造的，是每家公司完整拥有自己的智能所需的 AI 基础设施——从模型本身，到运行、监控和保护这些模型的系统。”
未经审计的数字，与没有披露的上一轮
这轮融资目前所有可引用的关键数字——32.5 亿美元的估值、1 亿美元的年化收入、翻倍以上的客户数、每天 1 万亿 tokens 的推理量——都来自公司公告、创始人的帖子，以及转述这些材料的报道。公告没有附审计数据，没有说明 32.5 亿美元是投前还是投后口径，客户总数也只以“翻倍以上”和“40%”这样的相对数出现；至于上一轮融资的金额与时间，公告与上述报道均未给出。
在经审计的财务数据或独立第三方口径出现之前，可核对这组数字的依据，仍只有公司自己的披露。