知识卡片：Together AI 宣布 8 亿美元 C 轮融资，加速开源 AI 应用

一句话结论：Together AI 完成 8 亿美元 C 轮融资，致力于通过开源模型和全栈优化，将 AI 推理成本降低 6–20 倍，推动 AI 从实验工具转变为生产基础设施。

事件概述
2026 年 7 月 1 日，Together AI 宣布获得 8 亿美元 C 轮融资，投资方包括 Aramco Ventures、NVIDIA、Vista Equity、General Catalyst 等。此外，新投资者还承诺独立提供超过 500 兆瓦的计算能力支持未来算力增长。公司成立于四年前，已从少数人的愿景成长为数千家企业信赖的 AI 平台，客户包括 Cognition、Decagon、Eleven Labs、Cursor、Suno 等快速成长的 AI 公司。

方法/产品要点

• 全栈开源 AI 平台：覆盖推理、训练和加速计算，提供端到端优化。
• 模型与优化技术：支持 DeepSeek、Nemotron、MiniMax、Kimi、GLM 等开源模型；推出 FlashAttention-4（面向 NVIDIA Blackwell）、Together Megakernel、together.compile 等内核级优化。
• 后训练 API：支持工具调用、推理和视觉-语言模型。
• 经济性优势：使用开源模型的企业在同等或更优性能下，成本可降至闭源模型的 1/6 至 1/20。例如 Decagon 迁移到 Together AI 后推理成本降低六倍。

主要结果或产业意义

• Together AI 已成为全球最大的 AI token 生产商之一。
• 融资规模达 8 亿美元，加上 500 MW 算力承诺，表明资本市场对开源 AI 基础设施的强劲信心。
• 揭示闭源模型在生产场景下的成本不可持续性，开源方案成为大规模推理的经济选择。

为什么重要

• 随着 AI 从演示工具转向核心生产系统，推理成本正成为企业瓶颈。Together AI 证明了开源模型结合全栈优化可以在不牺牲性能的前提下大幅降低成本。
• 加速开源生态发展，降低 AI 应用门槛，推动“智能应丰富且廉价”的愿景。

局限与不确定性

• 文中未披露其自研模型的具体质量对比闭源前沿模型（如 GPT-4、Claude）的实测结果。
• 500 MW 算力承诺的实际部署时间表与资本独立方式待核实。
• 开源模型在特定复杂任务（如长上下文推理、多模态复杂逻辑）上的表现是否完全等同闭源模型尚需更多第三方验证。

可用于图书/PPT/简报的角度

• “经济账”：用 Decagon 案例说明开源推理成本仅为闭源的 1/6。
• 全栈优化的技术链条：从模型、内核、编译器到硬件利用率。
• 融资结构创新：8 亿美元股权 + 500 MW 独立资本化算力。
• 产业趋势：AI 从“试用”走向“生产”，成本成为核心竞争要素。

英文标题
Announcing our $800M Series C to accelerate the shift to open-source AI

英文关键词
Series C, open-source AI, inference cost, together AI, full-stack platform

原始材料
URL: https://www.together.ai/blog/announcing-our-series-c
来源：Together AI 官方博客，作者 Vipul Ved Prakash，发布日期 2026 年 7 月 1 日。