Fal.ai：AI模型推理平台的崛起与商业价值

2025年10月22日，AI基础设施公司Fal.ai宣布成功获得2.5亿美元的新一轮融资。凯鹏华盈与红杉资本作为领投方参与此轮投资，推动公司估值突破40亿美元。

距离上一轮以15亿美元估值完成的C轮融资，时间仅过去不到三个月。

这家员工不足50人的初创企业，并未训练任何自研大模型，也不追逐最强参数规模。

它专注于一个核心使命：实现模型的便捷调用与商业应用。

Fal.ai联合创始人兼CEO Gorkem Yurtseven在随后的专访中这样定义公司：

不再比拼模型能力，而是让任何模型都能被开发者用起来。模型越多，我们的平台就越有价值。

18个月前，他们还在开发数据基础设施工具，为大公司处理数据清洗与转换。

直到Stable Diffusion爆火，他们看到底层逻辑发生转变：过去是训练模型困难，现在是模型过多，反而无人能有效使用。他们果断砍掉付费产品，将模型视为原料，把推理过程优化为高效流水线。

（来源TechCrunch：Fal.ai完成新一轮融资，估值超40亿美元）

如今，Fal平台托管超过600个模型，服务超过200万开发者。Adobe、Canva、Shopify、Perplexity等企业已将其作为生成式媒体的核心基础设施。

这家公司不强调“AGI对齐”，也不依靠“论文发布会”吸引关注。

但它精准抓住了一个关键问题：当模型爆炸式增长后，谁来承接落地应用？

答案就在Gorkem Yurtseven的这场访谈中。

第一节｜不做模型，做模型的“加油站”：Fal如何押注成功？

Fal是如何起步的？

2022年，他们还在开发面向数据团队的工具，主要帮助企业清洗数据和处理管道。当时已有客户、营收和投资人支持。

但Fal创始人Gorkem Yurtseven表示：我们决定放弃所有现有客户，全力转向模型推理服务。

这背后是一个清晰的判断：真正爆发的不是模型训练，而是模型被调用。

Fal做出转型时，正值Stable Diffusion爆红。随后，OpenAI的ChatGPT、DALL·E 2、Sora等模型接连上线。

过去使用AI需要先训练模型，拥有大数据。现在不同了，模型已训练完成，只要能接入，就能快速开发产品。

Gorkem回忆，他们当时问自己一个关键问题：

哪个方向能让我们最快实现100万美元收入？哪个能最快达到1000万美元？

他们的回答是：不是创建新模型，而是构建一个能让任何模型直接上线的平台。

市场信号非常明显：

• 每当新模型发布，就有大量用户想使用；
• 但这些用户要么缺乏GPU资源，要么不知如何部署；
• 模型作者也不擅长构建API或进行运维。

Fal所做的就是让模型从实验室到产品之间的步骤变得极其迅速。

他们最早支持的是Stable Diffusion，随后是Flux视频模型。如今，几乎所有主流开源多模态模型都能在发布当天接入。

Gorkem这样形容：

“每个人都想重复做类似的事情，那我们就把最常见的用法优化好，让人一用就能上手。”

今天，Fal已成为多模态模型发布的首选平台之一。只要模型能生成图片、视频或音频，就能在Fal上被调用、试用并接入企业产品。

不是制造引擎，而是建造“加油站”。

这一判断是他们三轮融资、估值翻倍的第一步。

第二节｜缺乏GPU优势，如何实现速度领先？

Fal最出圈的不是融资新闻，而是在硅谷流传的两顶帽子。

一顶印着“GPU富人”，另一顶印着“GPU穷人”。结果，“GPU穷人”那顶最先被抢光。

这虽是玩笑，却反映了现实。Gorkem说：当时GPU资源紧张，我们就开始疯狂优化每次模型调用的速度。我们不是资源多，而是用得省、调得快。

他表示，核心目标只有一个：

让每一次模型调用尽可能快、尽可能稳、尽可能便宜。

这不是简单压缩成本，而是将整个模型运行过程当作“产线”进行调试。

Fal最早优化的是Stable Diffusion模型。他们有一个仅两人的工程小组，一人擅长底层代码，一人精通GPU指令。他们每天专注于寻找省时提速的空间。

Gorkem说：我们不研究模型如何更聪明，而是研究如何运行得更快。

他们成功将图片生成时间从几十秒缩短到几秒以内；视频模型的推理时间也压至行业最低。

实现方式包括：

• 模型冷启动慢？提前缓存；
• GPU分配混乱？按模型热度智能调度；
• 多个模型抢资源？建立28个节点，分流流量。

Fal不是堆砌硬件，而是将模型当作工序管理，像流水线一样高效调配。

Gorkem强调，这一切的关键在于坚持自主部署模型、控制API，不让客户“上传自己的代码”：我们不做开放式平台，而是将常用功能打包成通用接口，实现即插即用、快速响应。

Fal的产品逻辑清晰：不是让用户自由搭建，而是提供直接调用。

他们的模型平台像一个中控室，600多个图像、视频、音频模型随时待命。客户发起请求后，系统会在最合适的节点、用最少的时间返回结果。

凭借这一点，他们服务了上百万开发者，并支持了Adobe、Shopify等大型企业。

第三节｜技术非壁垒，入口体验才是核心

Fal最初的客户大多是个人开发者。他们预算有限、团队规模小，甚至没有GPU资源。

但这些人一旦上线就愿意付费。

Gorkem回忆：

我们看到一些用户每天在平台上花费几千甚至几万美元。那时我们就知道，这不是玩具。

这些客户不是为了测试模型，而是要上线产品。即使模型本身是开源的，他们也不愿花时间自行部署。

他们只想要一个能直接调用、稳定输出、不掉链子的API。

这就是Fal的切入点：不是提供最强模型，而是将最常用的模型封装成一键可用的工具。

使用Stable Diffusion生成图片，Fal提供已打包好的推理接口；

想用Flux视频模型，也无需下载模型或配置环境，只需接入一个API；

平台会自动调配GPU、提前加载模型，确保请求后立即返回结果。

Gorkem明确表示：

“我们不是提供可自定义的托管服务，而是构建一个响应快、可落地、能商用的推理平台。”

不给太多自由，而是把最复杂的部分替用户做好。

客户不关心模型是谁训练的，只关心能否准时返回结果、价格是否可控、接入后是否稳定。

一旦接入，就懒得更换。

Fal不依赖单个模型绑定用户，而是靠平台的整体体验：快速上线、接口统一、模型自动更新、稳定可靠。

就像AWS的S3，关键不是技术最复杂，而是让开发者用得省事、放心。

Fal将模型转化为服务，把模型的“入口体验”变成了产品。每次新模型发布，Fal的第一反应不是看论文，而是：如何三小时内接入平台并上线？

Gorkem描述得非常具体：

“我们会开一个Slack群通话，七八个人一起在线调试模型。有人调代码，有人分享屏幕，有人在测试接口。我们甚至直播过这个过程。”

这就是Fal独有的节奏。

不是把模型做得多复杂，而是谁能最快让别人用起来。

第四节｜多模态碎片化加剧，平台价值凸显

过去几年，AI领域的主旋律是：谁训练模型，谁掌握未来。

但到2025年，多模态模型的玩法变了。

Gorkem Yurtseven的判断是：现在每周都有三五个模型发布，开发者已经跟不上节奏。

这一波爆发不是靠一个超级模型，而是大量开源、多样化、用途细分的模型涌现。

1. 有的专门生成图片；
2. 有的只做4秒视频；
3. 有的专攻3D动作捕捉；
4. 还有的声音合成、配乐生成…

它们都很好用，但格式不同、调用方式各异，速度也参差不齐。从架构到接口，每个模型功能相似。结果就是：

• 研究院做出了好东西，却无人能用；
• 开发者想用新模型，却不知去哪找、如何部署；
• 企业想购买服务，但缺少靠谱平台对接。

而Fal抓住了这个机会。

Gorkem的思路清晰：

模型越多、越分散、越碎片化，我们就越值钱。因为只有平台才能将它们整合、优化、让人用起来。

Fal所做的事情可理解为：

帮开发者一次性接入600个模型，无需更换接口；

帮企业绕开兼容难题，直接用一套方案统一接入；

帮模型作者在平台上发布和上线，无需自建服务器。

就像当年浏览器统一网站入口、电商平台统一商品入口，Fal正在统一模型入口。

更重要的是，这是长期趋势。

Gorkem指出： “模型不会只有一个官方版本。只要能被修改和复制，就会出现无数针对不同场景的优化版本。”

这意味着：

• 大模型的“唯一权威”地位正在弱化；
• 开源社区、创业公司、研究院都会发布自己的版本；
• 市场将变成百花齐放、版本混杂的局面。

这时，基础设施比模型本身更值钱。

这正是Fal能在三个月内估值暴涨的关键。当Sora等视频应用爆火时，Fal作为底层基础设施，自然成为最大受益者之一。

第五节｜45人团队创造1亿美金营收：高效运营之道

Fal的团队规模一直令人意外。

2025年，他们年营收超过1亿美元，客户包括Adobe、Shopify、Perplexity等大企业。

但整个公司不到50人。

Gorkem说得实在：我们没有工程经理，全员写代码，连领导也亲自动手。他们没有层级、没有流程汇报，也不搞例会。他们更愿意拉个三四人的小群，直接在线上解决问题。

他们的做法是：有问题就拉小群，快速在线解决。

看起来松散，但效率极高。

在Fal，团队不追求计划精细，而是紧盯模型热度，随时准备快速上线。

Gorkem形容他们：新模型只要有潜力，就全员动手，像战备状态。这套机制的关键不是人多，而是方向聚焦。

他说：

“我们只有一个核心目标：收入增长。只要对这件事有帮助，其他都靠后。”

在早期，Fal连销售团队都没有，只有创始人亲自谈客户。许多企业用户都是从平台自然转化而来。

举个例子：

开发者在平台上用API开发应用，月支出达到几千美元；

系统监测到活跃度，自动提醒销售；

销售介入，提供年合约、价格优惠、定制支持。

这不是传统SaaS公司的销售流程，而是依靠平台本身的自然增长。

他们内部有个简单指标：日支出超过300美元的客户，自动进入销售转化池。

这让他们能用极少的销售人手，完成大体量客户覆盖。至今，销售和客户支持团队也只有十来人。

Fal的高效不只是业务策略，更是文化基因。

他们对招聘极度谨慎。

“我们不会因为有钱就招人，也不会为了快速扩张而启动项目。”

Gorkem坦言，早期招聘多来自老同事、朋友和活跃社区的开发者。有的在硅谷大厂，有的在土耳其，但都愿意动手、深入调试模型。

模型还没火，就已经准备上线；

客户还没找上门，就已经在平台消费；

团队还没扩张，产品已做到最前线。

不是靠大预算堆砌，而是把每一分人力、技术和资源都用在最关键处。

结语｜模型只是原料，平台才是出口

Fal.ai没有训练自研大模型，没有开源权重，也没有发布技术论文。

但它成为了估值超40亿美元的公司。

原因只有一个：当模型越来越多，真正稀缺的是谁能让它们被用起来。

Gorkem说过一句话： “别人讲AGI，我们做的是API。”

几乎同时，据媒体报道，国内AI应用公司LiblibAI完成1.3亿美元B轮融资。

应用层AI公司在爆发，基础设施层在狂奔。

接下来的竞争不再是谁的模型更强，而是谁能成为所有模型的首发平台、所有开发者的必选入口。

多模态商业化的下半场，刚刚开始。

📮参考资料

https://www.youtube.com/watch?v=e_AG1c4w138&t=153s

https://techcrunch.com/2025/10/21/sources-multimodal-ai-startup-fal-ai-already-raised-at-4b-valuation/

https://blog.fal.ai/series-c/

https://review.firstround.com/podcast/the-pivot-that-paid-off-how-fal-found-explosive-growth-in-generative-media-gorkem-yurtseven-co-founder-and-ceo/

https://www.businesswire.com/news/home/20250731234742/en/fal-Raises-%24125M-in-Series-C-Led-by-Meritech-with-Salesforce-Ventures-Shopify-Ventures-and-Google-AI-Futures-Fund-Joining-to-Power-the-Next-Decade-of-Generative-Media/