CloudSome 完成 360 万美元种子轮融资，面向 Web3 高频业务建设多模型 AI 基础设施

交易所、量化机构及数字资产服务平台需要的不只是更强的模型，更需要持续稳定的调用资源、多上游切换能力，以及可控的使用成本。

总部位于新加坡的统一 AI 模型 API 平台 CloudSome 近日完成 360 万美元种子轮融资。本轮资金将主要用于产品平台建设、模型服务资源拓展、基础设施能力提升，以及面向 Web3 场景的小模型研发。

随着生成式 AI 从试验阶段进入真实业务，Web3 企业对模型能力的需求也在发生变化。对交易所、量化机构、钱包、数字资产服务平台和专业交易团队而言，真正影响 AI 能力能否进入生产环境的，已经不只是模型本身是否足够强，而是模型资源是否能够持续供给、业务高峰时能否稳定调用、上游服务波动时是否存在替代路径，以及整体使用成本是否可预测、可管理。

CloudSome 希望解决的，正是这一层基础设施问题。

Web3 客户需要的，不是一次模型调用，而是持续运行的 AI 能力

Web3 业务天然具有全球化、信息密集和 7×24 小时运行的特征。

交易所需要持续服务全球用户；量化和研究团队需要处理大量行情信息、项目资料、公告、代码和非结构化数据；钱包和数字资产服务平台则需要支持多语言内容、用户服务、内部审核和运营工作流。

当 AI 被接入这些环节后，模型调用量会直接受到市场变化影响。

在行情剧烈波动、重大政策发布、热门项目上线或社区热度快速上升时，用户请求、内部分析任务和内容处理需求都可能在短时间内明显增加。此时，如果企业依赖单一模型或单一上游服务，一旦出现限流、延迟增加、额度不足或短时不可用，相关 AI 功能就可能直接受到影响。

多模型路由，为突发流量和上游波动预留空间

多模型路由并不是简单地将流量平均分配给不同模型。

在真实业务中，企业需要综合考虑任务类型、模型能力、响应速度、使用成本、可用额度和上游服务状态，再决定请求应由哪个模型或渠道处理。

例如，同一家交易所可能会同时使用模型处理多语言客服、公告摘要、知识检索、代码辅助和内部运营任务。不同任务对模型性能、延迟和成本的要求并不相同，没有必要全部交给同一个模型处理。

量化和研究团队也可能同时面临不同类型的请求：部分任务需要更强的推理能力，部分任务更看重低延迟和批量处理能力，还有部分任务只是完成信息分类、格式转换或内容筛选。

CloudSome 通过多模型接入、故障切换和调用管理能力，为客户提供更多调度空间。

当市场事件带来请求高峰，或者某一上游出现限流、延迟增加和服务波动时，平台可以通过替代模型或替代服务渠道降低对单一模型和单一上游的依赖。

与此同时，请求速率、并发限制和每日 Token 额度可以用于约束不同项目的资源消耗，避免突发流量直接转化为不可预期的费用。

这意味着，企业不仅可以调用模型，也可以开始对模型资源进行统一管理和调度。

面向高频交易与量化场景推进 Web3 小模型研发

除持续拓展通用模型资源外，CloudSome 还将利用本轮融资推进面向 Web3 垂直场景的小模型研发，重点服务高频交易、量化研究、市场数据处理和数字资产分析等业务。

在高频交易和量化场景中，模型需要处理的并不只是自然语言问答，还包括大量持续产生、结构相对明确且对处理效率要求较高的数据任务。例如，市场行情识别、新闻与公告分类、情绪信号提取、事件标签生成、链上数据分析、交易对状态判断，以及量化研究流程中的信息筛选和特征提取。

这些任务通常具有调用频率高、数据量大、响应时间敏感和成本控制要求明确等特点。如果全部交由大型通用模型处理，不仅调用成本较高，也未必能够满足量化团队对稳定性、处理速度和批量执行能力的要求。

基于这一需求，CloudSome 计划围绕高频交易和量化业务中的特定任务研发轻量化模型，使其能够承担高频、标准化和边界相对清晰的数据处理工作。

CloudSome 研发 Web3 小模型的目标，并不是直接替代交易策略、交易系统或量化机构自身的决策模型，而是为高频交易和量化团队提供更加高效的基础模型能力。

通过小模型与通用大模型的协同，CloudSome 希望逐步构建面向 Web3 市场的数据处理和模型调用基础设施，为交易所、量化机构和专业交易团队提供更加高效、稳定和可控的 AI 能力。

面向不同 Web3 客户，底层需求最终趋于一致

不同类型的 Web3 客户，在具体使用场景上存在明显差异。

交易所和数字资产服务平台通常更关注全天候服务、全球用户、多语言支持、突发访问压力，以及面向用户的服务连续性。

量化机构和研究团队更关注持续调用能力、批量信息处理、研究工作流、代码辅助和非结构化数据整理。

钱包及相关服务团队则可能将模型能力应用于资料整理、内部工具、用户支持和人工审核辅助。

专业交易员和交易工具开发者，可能更关注快速接入不同模型、在不同任务之间切换，以及根据实际使用量控制成本。

CloudSome 不提供交易策略，也不替代交易所、量化机构或相关服务商自身的风控、合规和交易执行系统。

平台承担的是模型调用层和资源管理层的角色，为不同 Web3 场景提供共同需要的统一接口、模型资源、路由和使用管理能力。

从调用模型，走向管理模型资源

在生成式 AI 应用早期，企业通常关注的是「能否接入某个模型」。

但随着调用量增长、团队增加和业务场景扩展，问题会逐渐转向：

• 哪些团队可以调用哪些模型

• 每个项目可以使用多少额度

• 哪个模型更适合当前任务

• 某个上游不可用时如何切换

• 不同业务线分别消耗了多少成本

• 如何避免突发请求造成服务中断或费用失控

因此，多模型时代的基础设施价值，并不只是帮助开发者更快完成一次 API 调用，而是帮助企业持续管理模型资源。

对于开发者，CloudSome 的直接价值是减少接口适配和模型切换成本。

对于企业，价值则进一步延伸至访问权限、调用额度、并发控制、故障切换和成本管理。

这类能力并不等同于完整的企业 AI 治理体系，但能够在模型调用层落实基础的资源控制和使用管理，为 AI 能力进入真实业务提供必要的基础。

融资后的下一步

完成本轮融资后，CloudSome 将继续完善开发者控制台、API 管理、统一计费和使用分析等产品能力，并进一步提升模型资源供给、请求调度、故障切换和并发控制能力。

平台还将拓展更多模型及正式服务渠道，持续提升不同地区和不同业务规模客户的调用稳定性。

CloudSome 的目标，是让交易所、量化机构、交易团队及其他高频业务客户，不再需要分别管理多个模型供应商、调用渠道和计费体系，而是能够通过一个统一平台，更稳定、灵活和可控地使用不同 AI 模型.