不到 3 个月估值破 40 亿，Fal.ai CEO：模型越多，我们越值钱

（估值40亿美元后，Fal.ai创始人首次深度访谈片段）

2025 年 10 月 22 日，AI 基础设施公司 Fal.ai宣布完成新一轮 2.5 亿美元融资。据悉，凯鹏华盈与红杉资本领投此轮，公司估值超40亿美元。

距离上一轮 15 亿美元估值的 C 轮融资，还不到 3 个月。

这家不足 50 人的初创公司，没有训练任何自研大模型，也不追逐最强参数。

它只做一件事：让模型能调用、可商用。

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

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，他们还在做数据基础设施工具，为大公司处理数据清洗与转换。

直到Stable Diffusion爆火，他们看到底层逻辑变了：过去是训练模型难，现在是模型太多，反而没人能用好。他们砍掉付费产品，把模型当原料，把推理变成流水线。

（来源TechCrunch ：Fal.ai完成新一轮融资，估值超40亿美元）

今天，Fal平台托管 600 多个模型，服务超过 200 万开发者。 Adobe、Canva、Shopify、Perplexity 已将它作为生成式媒体的基础设施。

这家公司不讲“AGI对齐”，不靠“论文发布会”破圈。

但它抓住了一个关键问题：当模型爆炸后，谁来承接落地？

答案就在 Gorkem Yurtseven 这场访谈里。

第一节｜不是做模型，做模型的“加油站”：Fal 押对了什么？

Fal 是怎么起步的？

2022 年，，他们还在做一个给数据团队用的工具，主要帮企业清洗数据、处理管道。有客户，有营收，有投资人支持。

但 Fal 创始人 Gorkem Yurtseven 说：我们决定放弃所有已有客户，全力转向模型推理。

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，正是 Stable Diffusion 爆红的时期。随后，OpenAI 的 ChatGPT、DALL·E 2、Sora 接连上线。

过去要用 AI，你得先训练模型，得有自己的大数据。现在不一样了，模型已经训练好了，你只要能接入，就能做出产品。

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做到 100 万美金收入？哪个能最快到 1000 万？

他们的回答: 不是做一个新模型，而是做一个能让任何模型直接上线的平台。

市场信号很明显：

• 每当一个新模型发布，就有很多人想用；
• 但这些人要么缺 GPU，要么不知道怎么部署；
• 模型作者也不知道怎么做 API 或运维。

Fal 做的就是让模型从实验室到产品之间那一步，变得特别快。

他们最早支持的，是 Stable Diffusion。后来是 Flux 视频模型。 再后来，几乎所有主流开源多模态模型，他们都能做到发布当天就接入。

Gorkem 这样形容：

“每个人都想一遍又一遍地做差不多的事情，那我们就把最常见的用法做好，让人一用就能上手。”

今天，Fal 已经成了多模态模型发布的首发平台之一。只要一个模型能生成图片、视频或音频，就能在 Fal 上被调用、被试用、被接入企业产品。

不是造引擎，而是造“加油站”。

这个判断，是他们三轮融资、估值翻倍的第一步。

第二节｜没有GPU优势，如何跑出速度优势？

Fal 最出圈的不是融资新闻，而是在硅谷的两顶帽子。

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

这是玩笑，也是真实写照。Gorkem 说：当时 GPU 抢不到，我们就开始疯狂优化每一次模型调用的速度。我们不是资源多，而是用得省、调得快。

他说，他们的核心目标只有一个：

让每一次模型调用，尽可能快、尽可能稳、尽可能便宜。

这不是简单压成本，而是把整个模型运行过程，当作一条“产线”去调试。

Fal 最早优化的是 Stable Diffusion 模型。他们有个只有两人的工程小组，一人擅长写底层代码，一人精通 GPU 指令。他们每天就做一件事：找哪里还能省时间，哪里还能提速。

Gorkem 说：我们不研究模型怎么更聪明，而是研究怎样运行的更快。

他们做到了：同样一张图片生成，从几十秒缩短到几秒以内；视频模型的推理时间也压到了行业最低。

怎么做到的？

• 模型冷启动慢？那就提前缓存；
• GPU 分配混乱？那就按模型热度智能调度；
• 多个模型抢资源？那就建 28 个节点，把流量分开。

Fal 不是堆硬件，而是把模型当作工序管理起来，像流水线一样高效调配。

Gorkem 强调，这一切的关键，是他们坚持自己部署模型、自己控制 API，不让客户“上传自己的代码”：我们不做开放式平台，而是把常用的功能打包成一套通用接口，做到即插即用、快速响应。

Fal的产品逻辑很清晰：不是让你自由搭建，而是可以直接调用。

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、用最少的时间给出结果。

凭借这一点，他们后来服务了上百万开发者，支持了Adobe、Shopify等大企业。

第三节｜技术不是壁垒，入口才是

Fal 一开始的客户，大多是个人开发者。没预算、没团队，甚至没有 GPU。

但这些人，一上线就愿意花钱。

Gorkem 回忆：

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

这些客户不是为了测试模型，而是要上线产品。哪怕模型本身是开源的，他们也不想花时间自己部署。

他们只想要一个API，可以直接调用、稳定输出、不掉链子。

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

• 用 Stable Diffusion 生成图片，Fal 提供的是已经打包好的推理接口；
• 想用 Flux 视频模型，也不需要下载模型、配置环境，只需要接一个 API；
• 平台会自动调配 GPU、提前加载模型，确保你发请求后能立即拿到结果。

Gorkem 明确表示：

“我们不是做一个大家都能自定义的托管服务，而是做一套响应快、能落地、能商用的推理平台。”

不给太多自由，而是把最复杂的部分替你做好。

客户不关心模型是谁训练的，只关心能不能准时返回结果、价格可不可控、接入后会不会出问题。

一旦接入了，就懒得换。

Fal 不靠单个模型绑定用户，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、用得放心。

Fal 把模型变成服务，把模型的“入口体验”变成了自己的产品。每次有新模型发布，Fal 的第一反应不是看论文，而是：怎么把它接入平台，三小时内上线？

Gorkem 说得非常具体：

“我们会开一个 Slack 群通话，七八个人一起在线调模型。有人调代码，有人分享屏幕，有人在测接口。我们甚至把这个过程直播过。”

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｜多模态越来越碎片，平台反而更值钱

过去几年，AI 领域有个主旋律：谁训练模型，谁掌握未来。

但到了 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，开发者已经跟不上了。

这一波爆发，不是靠一个超级模型，而是大量开源、多样化、用途细分的模型一起涌现。

• 有的专门生成图片；
• 有的只做 4 秒视频；
• 有的专攻 3D 动作捕捉；
• 还有的是声音合成、配乐生成…

它们都很好用，但格式不一样、调用方式不同，速度也参差不齐。从架构到接口，每个模型功能都差不多。结果就是：

• 研究院做出了好东西，没人能用；
• 开发者想用新模型，却不知道去哪找、怎么部署；
• 企业想买服务，但缺少一个靠谱的平台去对接。

而 Fal 抓住了这个机会。

Gorkem 的思路很清晰：

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

Fal 做的事情，可以理解成：

• 帮开发者一口气接入 600 个模型，不用来回换接口；
• 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，无需自己建服务器。

就像当年浏览器统一了网站入口、电商平台统一了商品入口，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，就会出现无数个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。

这时候，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，自然成为最大的受益者之一。

第五节｜45人，1亿美金：小团队如何跑出大效率？

Fal 的团队规模，一直让人意外。

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 个人。

Gorkem 说得特别实在：我们没有工程经理，全员写代码，连领导也自己上手干。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，直接在线上把事情解决。

他们的做法是：有问题就拉个三四人的小群，直接在线上解决。

看起来松散，但效率极高。

在Fal，团队不追求计划精细，而是盯住模型热度，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。很多企业用户都是从平台自然转化来的。

举个例子：

• 开发者在平台上用API做应用，月支出到了几千美元；
• 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 公司那套销售流程，而是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，就自动进入销售转化池。

这让他们能用极少的销售人手，完成大体量的客户覆盖。到今天，销售和客户支持团队也只有十来个人。

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，也不会为了快扩张就上项目。”

Gorkem 坦言，他们早期招的很多人，都来自老同事、朋友、活跃在社区的开发者。有的在硅谷大厂，有的还在土耳其，但都愿意动手、愿意深入调模型。

• 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，产品已经做到最前线。

不是靠大预算堆出来的，而是把每一分人力、技术和资源都花在最关键的地方。

结语｜模型只是原料，平台才是出口

Fal.ai 没有训练自己的大模型，没有开源权重，也没有发布任何技术论文。

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。

文章来自于“AI 深度研究员”，作者“AI 深度研究员”。