18个月做到1亿美元年化，Applied Compute再融3.5亿
Applied Compute官方宣布，成立不到18个月做到1亿美元年化收入 run rate，并完成3.5亿美元新一轮融资，估值32.5亿美元，由Elad Gil领投。
- 01THE FOUNDING：2025年三名前OpenAI研究员创立Applied Compute。
- 02THE TRACTION：公司称自7月以来客户跑了超过1700次训练。
- 03THE MILESTONE：官方宣布1亿美元年化收入 run rate。
WHAT HAPPENED发生了什么
Applied Compute在公司博客宣布，成立不到18个月，公司已从零做到1亿美元年化收入 run rate，并完成3.5亿美元新一轮融资，估值32.5亿美元。本轮由Elad Gil领投，参投方包括Kleiner Perkins、Lux Capital、英伟达、Blackstone、Shopify Ventures与HubSpot Ventures等。
公司由三名前OpenAI研究员在2025年创立，做的是企业专属智能。简单说，帮企业用自己的数据与领域知识，训练、部署并运行定制化的AI智能体，而不是直接卖一个通用模型。
公司称自7月以来客户已在AC2平台上跑了超过1700次训练，团队规模自1月以来翻了三倍，其中85%是研究员与工程师。公司自述的客户包括微软、Shopify、Mercor、Harvey、DoorDash、Cognition、Clay与Decagon。
SPEED AS THE THESIS18个月，1亿美元，速度本身就是论点
一家2025年成立的公司，18个月做到1亿美元年化收入，这个速度在企业AI赛道里很罕见。上一轮的公开讨论还在30亿美元估值附近，新一轮直接定在32.5亿美元。
速度背后是定位。Applied Compute不跟基础模型厂商拼模型本身，它拼的是把开源模型与企业数据接起来的工程能力。企业要的不是更强的模型，是能跑在自己业务上的模型。
SPECIFIC, NOT GENERAL专属智能，卖的是定制不是模型
通用模型解决的是所有人的平均问题，企业要解决的是自己的具体问题。Applied Compute的打法是让企业用自有数据做出专属智能体，知识留在企业内部，能力跟着业务走。
这条路线的好处是客户粘性。模型一旦接进业务流程、跑出1700多次训练，换供应商的成本就很高。坏处也一样，定制化越深，扩张速度越依赖服务与交付能力。
WHAT THE MONEY BUYS融资用来扩算力与招人，扩张的考验在后面
公司表示新资金将用于扩大算力容量、扩招团队、加速企业部署。这三件事都是扩张期的标准动作，真正的问题是1亿美元 run rate里有多少是可持续的订阅收入，有多少是一次性部署收入。
公司没有披露这个拆分。估值32.5亿美元对应约32.5倍 run rate，这个倍数成立的前提是收入继续高速增长并且留存率过硬。下一轮的考验不是融资能力，是续约率。
SIGNAL JUDGMENT企业AI的钱，流向定制层
Tokenta Signal 判断：基础模型越来越像公共设施，真正的付费点正在上移。帮企业把模型变成自己的能力，比再做一个通用模型更接近收入。
WHAT REMAINS UNCERTAIN还有什么不确定
EVIDENCE证据
原文确认Applied Compute官方宣布成立不到18个月做到1亿美元年化收入 run rate，并完成3.5亿美元融资，估值32.5亿美元，由Elad Gil领投。
PRIMARY SOURCES原始来源
- Applied Compute：Applied Compute hits $100M run rate and raises $350M
https://www.appliedcompute.com/company/100m-run-rate-fundraise - Signalbase：Applied Compute Raises $350.0M to Build Enterprise Specific Intelligence
https://www.trysignalbase.com/news/funding/applied-compute-raises-350m-to-build-enterprise-specific-intelligence