七牛智能的 “AI 調度中樞夢”，資本為什麼不買賬？

AI 多模態時代，參數規模早已經不是唯一賣點。譬如，企業用户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 “雲路由器”，估值更是已躍升至數億美元。

資本市場也由此看到並認可了一個新的 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 平台 “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”。

藉着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，隨後快速回落，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”，可這門新生意似乎並不好做。七牛智能還差了點什麼？

AI 多模態時代，調度層正在起風

過去兩年，AI 行業的敍事圍繞 “更大、更強、更快” 的模型軍備競賽展開。但 2025 年之後，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，企業用户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。對大多企業客户而言，“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，而企業越來越傾向於根據任務特徵動態選擇最優模型。

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於此。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，開發者越願意聚集；開發者越多，模型生態越繁榮，最終平台網絡效應成型。

七牛智能的戰略轉型，正是基於類似的邏輯。

這家公司原本深耕音視頻雲服務，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 聚合平台科技公司。

近期其 “AI 大模型廣場” 的推出，算是代表着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，用户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，目前平台註冊用户約 192 萬，MaaS 相關用户超過 18 萬。收入層面，2025 年上半年，公司 AI 相關收入 1.84 億元，佔總收入 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，隨着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，這為調度平台提供了想象空間。

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，並不等於這家公司一定能成為贏家。

七牛的 AI 中樞敍事，資本為什麼猶豫？

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複雜心態。

一方面，“港股唯一具備 AI 樞紐能力” 的稀缺標籤確實具備一定吸引力；另一方面，歷史走勢卻並不樂觀。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。近期的反彈力度也並不強勁。

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，仍更多參照傳統雲服務商的 PS 框架。但公司試圖講述的，是一個具備網絡效應的 “平台故事”。如果 MaaS 平台能夠形成穩定抽佣機制與規模化調用，邊際成本將顯著下降，盈利彈性理論上高於資源型業務。

然而，網絡效應是否真正建立，仍有待驗證。註冊用户 192 萬，並不等於高質量企業付費用户。MaaS 用户 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，台溢價自然難以建立。

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。這一定位有利於開發者 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，由於歐美模型生態高度分散，模型陣營割裂明顯，開發者需要一箇中立裁判，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，大廠集中度遠高於海外。阿里雲、華為雲、騰訊雲等巨頭既掌握算力資源，也擁有自家模型生態。一旦這些頭部雲廠商始終更願意將 “統一 API 接口 + 多模型調度” 能力內置進自家雲平台，七牛智能的產業位置與其説是 “樞紐層”，不如説是 “外掛插件”。

第三，平台屬性尚未充分兑現。

真正的平台溢價，需要雙邊效應與數據飛輪形成閉環。此番 “AI 大模型廣場” 上線後，七牛智能確實正式開始具備統一 API 與管理控制枱，並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，取決於高頻調用與多場景積累。

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

資本市場的猶豫並非否認方向，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，還沒那麼明朗

站在商業本質看，調度平台説白了就是一門 “中間層生意”。上游接模型，下游對應用，理想狀態是靠流量抽佣。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，調度平台容易淪為低毛利通道商。

七牛智能並非毫無籌碼。第一，在音視頻雲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？

回望雲計算的發展歷史，API 聚合與流量中介平台曾短暫繁榮，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，後者才具備溢價能力。

現在的七牛智能更接近基礎設施的願景，卻仍處在工具階段的現實。要想平台敍事，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。但趨勢並不自動創造贏家。

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、平台效應的不確定性、以及巨頭變量的存在，都讓這門生意遠比敍事更為艱難。

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台邏輯買單。

七牛智能的轉型，才剛剛過了起跑線

來源：港股研究社