你日常用Cursor写代码，用ChatGPT建界面，但你可能不知道，这些调用背后，有一类平台正在悄悄抽佣。它们什么模型都不做，只负责把各家大模型的接口打包在一起，让开发者通过一个入口自由调用全球的大模型。这就是AI中转站，也叫API聚合平台。
2026年5月以来，这门生意快速升温。
海外*的API中转站OpenRouter，近日宣布完成1.13亿美元B轮融资，由谷歌母公司Alphabet旗下成长基金CapitalG领投，英伟达NVentures等知名风投机构跟投，原有股东a16z和Menlo Ventures也继续加码支持。完成融资后，OpenRouter估值飙升至13亿美元，相比一年前的5.47亿美元翻了一倍多。业务发展方面，OpenRouter目前每周处理的tokens数量达到25万亿个，折合每月约100万亿tokens，相比半年前暴涨了5倍，其全球用户数量也已超过800万。
国内也有人开始盯上这门生意，猎豹移动CEO傅盛宣布上线EasyRouter，网易有道正式发布了大模型聚合平台ThinkFlow。
但想在国内复制OpenRouter的生意并不容易，不仅要搭建稳定的接口服务、兼容各种大模型格式，还不得不直面一个现实：很多海外主流模型，从注册、付费到调用，都对国内用户设置了门槛。
更为复杂的是，由于AI中转站缺乏明确的监管体系，哪些可做、哪些踩线，往往没有清晰界限，参与者鱼龙混杂，产生了一系列乱象。
国内的OpenRouter们，还在寻找答案。
01.AI中转站，是怎么赚钱的？
AI中转站商业模式的核心在于抽佣，而收入的增长速度十分惊人。以行业头部平台OpenRouter为例，其年化收入从去年10月的约1000万美元，猛增至2026年4月的超5000万美元。做AI中转站的KKdream告诉「AIX财经」，对于一家成立不到3年的公司来说，这一成绩相当亮眼。
这与用户日益上涨的AI需求相关。
过去两年，全球可用的主流大模型从十几个爆炸式增长到数百个：OpenAI、Anthropic、Meta、Mistral、Google……每家接口规范不同，计费方式不同，稳定性也参差不齐。
对于开发者来说，今天想试试Claude，明天想切换到Llama，后天某个模型宕机了需要自动切换，每换一次，就得重写一段对接代码。而OpenRouter的价值就在于，提供了一把“*钥匙”，把各家模型的API接口统一“翻译”成同一套格式，方便开发者调用。
它的运作机制，本质上是一个智能调度黑盒。
当开发者发起请求后，平台核心的调度系统开始工作，根据任务类型、成本、性能等预设规则进行实时判断。OpenRouter会在每次调用后，抽取一笔约5%-5.5%的手续费。
图源 / OpenRouter
不止一位从业者判断，OpenRouter的营收还会继续往上走。
一方面，以Cursor、ClaudeCode为代表的AI编程工具，正成为API调用量的大头，智能编码正改变着开发者的工作模式；另一方面，当前大模型市场尚未形成一家独大局面，开发者需要在多个模型之间灵活切换，拥有大模型聚合功能的AI中转站天然拥有价值。
从业者们相信，当AI模型越来越多、用户用量越来越高时，大模型之间的选择权衡将更为关键，OpenRouter这个“中间层”的作用会更明显。
收益之外，这门生意还有另一层想象空间：平台沉淀的调用量数据，能直观反映各家大模型的真实市场地位。用户越多、调用越频繁，平台本身的估值逻辑就越强。这也是为什么OpenRouter能以5000万美元年化收入支撑13亿美元估值。资本看好的，是未来的数据资产和生态入口。
但是，这门生意远非看来那么暴利。
在KKdream看来，不烧钱炼大模型，并不意味着就能“躺赚”，API中转站的成本大致分为四部分。
*头的是上游模型调用成本，即向OpenAI、Anthropic、Google等模型厂商支付的token费用。随着长上下文和多模态越来越普及，单次请求消耗的数据量会越来越大，这部分成本持续上升。
其次是网络和带宽成本。AI中转站本质上是一个实时流式传输系统，需要处理streaming、WebSocket。尤其是多模态能力起来之后，数据吞吐量明显高于传统API服务。
还有基础设施成本，比如全球代理节点、负载均衡、高并发网关、缓存、数据库以及日志监控系统，而且为了保证稳定性，通常还要做多地域部署和灾备。
最后一项常被忽略的是稳定性成本。由于不同模型厂商会出现限流、宕机或者接口变更，中转平台需要持续维护fallback路由、模型健康检测和动态流量调度。如果平台开始服务企业客户，还会增加权限管理、安全合规、API管理以及Prompt日志等企业级能力的研发和运维投入。
KKdream表示，AI中转站不像大模型公司需投入巨额资金训练模型，真正难的地方是在高并发和复杂模型环境下，实现长期稳定、低延迟、低成本的服务运营。
如果OpenRouter只满足于做简单的API“二道贩子”，利润会很快被流量成本摊薄，最终陷入低毛利竞争。在KKdream看来，那只算通道型的“苦力活”，真正的价值必须来自更智能的调度、更稳定的服务与更深层的开发场景绑定。
02.国内四类玩家，两种活法
OpenRouter的火热主要源自北美市场，国内开发者对“AI模型统一入口”的需求同样强烈，并诞生了四类玩家。
先说广义上的两类。生态派（阿里云、火山引擎、百度智能云）本身已构建了从算力到服务的完整体系，聚合模型对它们而言是生态延伸，不是独立生意；大模型厂商支持接入除自家以外的其他模型，更多是为了留住开发者、扩大自身平台的使用场景。这两类玩家的核心目标并非单纯通过聚合服务盈利，因此不重点展开。
相比之下，真正将“多模型”作为一门独立生意来运营的，是另外两派，它们也是当前市场关注的焦点。它们均不自研大模型，但定位与路径也大不相同。
一类是聚合派，以硅基流动、ThinkFlow为代表。根据从业者介绍，这是最接近OpenRouter定位的。其核心价值在于通过统一的接口，为用户提供稳定的调度与更具性价比的调用方案，模型池覆盖国内闭源大模型及全球主流开源模型。
另一类则是以B.AI、EasyRouter等为代表的海外中转派。其主要业务之一是解决一个更具体的需求，即将GPT、Claude等海外闭源大模型，以更便捷的方式提供给国内开发者。
图源 / B.AI官网截图
一位业内人士向「AIX财经」透露，这类海外中转平台的实现路径主要分两种。
一种是官转，即通过海外公司或渠道批量采购套餐，再转成API的形式进行售卖，价格一般为官方定价的一半或者八折，优势在于稳定性相对有保障。
另一种则更复杂，游走于灰色地带，包括利用云平台免费额度倒卖，或将ChatGPTPlus等个人订阅账号“拆解”封装成API出售。
而且由于海外厂商对国内的风控较为严厉，也催生了复杂的“号池”运营体系来维持供给，走这条路线的AI中转站通常会混合多种货源，通过智能路由在成本、稳定与风险间找平衡。
这就引出了这类业务最难绕开的问题：合规。
广信君达律师事务所合伙人曾恺律师告诉「AIX财经」，无论是“倒卖账号”还是宣称“与海外厂商直签”，都存在一定的法律风险。具体而言，倒卖账号的中转站，法律风险是全面暴露的；而所谓的“授权”能否构成在国内合法转售的依据，仍然存疑。
他解释，API中转站与海外厂商签约，不等于获得了在国内转售其API的合法授权。在现行政策下，从OpenAI等公司取得面向国内市场的正式分销授权基本是一个伪命题，现有“授权”的法律效力在监管眼中存疑。
而境外未备案模型如何纳入国内的生成式AI服务备案体系，目前没有明确的操作路径和先例。即使其完成了数据出境备案，但若未取得增值电信业务经营许可证等，从事跨境信息中转服务仍面临被认定为无证经营的法律风险。此外，境外主流大模型尚未在国内完成大模型备案和安全评估，通过其中转服务，可能触发监管部门的相应技术处置措施。
也就是说，这门生意的边界，目前比较模糊，特别是涉及海外模型时，面临着多重挑战。
03.中国版OpenRouter的故事不好讲
然而，合规只是这门生意在国内面临的*道坎。即便合规做到位，这门生意的天花板也有限。
OpenRouter能在海外跑通，有一个前提是OpenAI、Anthropic的战略重心是做模型，并非自建完整的开发者生态。开发者想要用模型，得自己去搞定接口对接、稳定性保障、多模型切换等问题，这中间留出了一大块空白，OpenRouter填进去就成了不可替代的基础设施。
但国内市场的格局完全不同。阿里云、火山引擎、百度智能云等平台，本身已构建了从算力、工具到服务的完整生态。对它们而言，大模型并非独立产品，而是融入既有体系的一条新业务线。
这意味着，纯“模型中间商”想提供的渠道和集成价值，与云厂商的角色重叠。当上游的模型与算力和下游的开发者都被巨头掌握，只做中间的“送水”，生意很难走通。
而且国内开发者面对的核心痛点，和海外也不一样。OpenRouter解决的是“接口太散”，国内企业还要考虑“这个模型敢不敢用”。金融、政务等行业接入大模型，要过严格的数据安全评估，这意味着国内能跑通的聚合服务，光靠打包接口是不够的，还得有合规过滤和安全调度的能力。
此外，国内AI中转平台还藏着一种更隐蔽的信任风险：模型替换。
有很多使用者透露，部分中转站在实际调用中，会将其付费订阅的高性能模型，悄悄替换为成本更低的替代模型。比如用户选择的是付费的Claude或GPT-4，实际调用时被悄悄换成了免费的模型。这种行为短期内压低了平台成本，从长远看，不仅直接影响了用户权益，也会降低用户对AI中转站这一赛道的信任度。
但即便是海外市场，AI中转站也面临着上游随时可能断供的风险。
KKdream直言，像OpenRouter这样的平台，本质上并不掌握最上游的核心资产，它既没有自己的大模型，也不拥有底层算力，更像是一个“流量调度中心”，掌握的是用户流量入口。一旦模型厂商突然限制接口、抬高价格，这类纯聚合平台就会变得非常脆弱。
为了降低这个风险，越来越多的AI中转站开始有意识地减少对单一模型供应商的依赖，转而更多地集成开源模型、优化模型运行效率，或是向自动化和企业级工作流工具的方向拓展，试图通过沉淀开发者社区和复杂的工作流场景，来构建更深的价值。
但挑战在于，构建这些壁垒需要时间，而上游的“断供”风险随时可能发生。
所以，这门生意能不能长期跑通，最终取决于一件事：平台能不能在“打包接口”之外，建立真正属于自己的壁垒。单纯靠价格差和渠道优势，早晚会被上游挤压或被竞争对手复制。
