海马云创始人党劲峰称模型谁都能买到，拉开差距的是算力、Harness与数据咬合的生产力系统。RunningHub披露访问量增速、Token消耗及RH系列后训练模型的部分效果数据，其中多项数值由公司自行给出。
海马云创始人兼CEO党劲峰提出，AI下一程的竞争不在模型参数，而在算力、Harness与数据深度咬合的“生产力系统”。其旗下AIGC平台RunningHub被作为这套思路的落地样本。
按来源数据，SimilarWeb显示今年3月至9月RunningHub海内外全站访问量增长266%；海马云联合创始人兼CTO温健今年7月接受央视《焦点访谈》采访时称，平台每月Token消耗量已达9万亿。上述数字分别来自第三方监测与公司人士陈述。
算力调度：同一批GPU分时跑推理与渲染
海马云2014年从实时云渲染起家，曾为《原神》《黑神话：悟空》等游戏提供云游戏技术支持。来源称其目前在全球部署69个计算节点，拥有6 EFLOPS算力池。
在RunningHub上，同一批GPU在不同时段服务图像生成、视频生成和专业渲染等负载，由统一调度层按任务类型、模型大小和时延要求实时分配。海马云称这种“渲推一体”调度把平台整体算力利用率推到比行业常见水平高70%的位置，并称自控算力与垂直后训练模型结合使其综合毛利率稳定在行业高位。这些均为公司说法。
RH系列：20天推出3个后训练模型
海马云称其不参与通用模型参数竞争，资源集中于场景化后训练与工程优化。今年9月的20天内，它推出3个RH系列模型：
RH Upscale超分模型，称可把低分辨率画面一键超分至4K，并在13款主流方案横评中以0.539分综合质量居首；Max版本对一条5至10秒测试视频做2倍超分平均耗时34秒。
H3 Lightning把采样步数压缩至个位数，叠加跨步缓存与多卡并行，在通过PCIe连接、无NVLink的RTX 6000D多卡环境上，称将5秒视频生成从6分钟缩短至28.7秒；海马云表示这套方法不依赖高端数据中心GPU，中小团队可用常规多卡服务器本地部署，复现说明已在GitHub公开。
H3 RH Enhanced针对多镜头长叙事做一致性后训练，称在16个镜头以上任务中把人物崩坏率降低60%以上，价格最低0.18元/秒。海马云还称，MiniMax官方正在通过RunningHub反向采购该模型供其客户使用。
Harness与数据：Agent入口、专业软件直连
海马云把Harness定义为组织模型、上下文与工具链并对最终交付负责的系统，在RunningHub上由Agent、工具链和行业上下文三部分组成。据其介绍，平台约60%的模型调用已由智能动态路由完成，Agent会按任务难度分配大小模型，Runow在“模型偏好”设为“自动”时由Agent选用Skill和模型。
工具链方面，RunningHub打通画布、LoRA训练、ComfyUI工作流，并把Blender、Premiere等原生软件部署在边缘节点、通过云电脑供Agent调用。海马云称专业用户在原生软件中的操作会沉淀为专家轨迹，用于Agent训练；平台上已积累百万级开源工作流，每天新增千条。
数据侧，平台记录脱敏后的操作轨迹与行业know-how，并计划按电商、影视短剧、广告分行业建知识库。海马云称自建工作流沉淀较多的用户留存率接近100%。
客户案例与一处具体成本对比
来源举了两个客户案例：某电商AI服务商接入一个月内搭建47个自建应用，覆盖商品图到短视频，供旗下100多个商家账号使用，最近两个月连续56天每天调用、累计超12万次，月投入增长700%；某手游研发公司训练80余个专属LoRA、搭建超160个工作流，三个月用量增长近70倍。
影视案例中，AIGC导演@千堇称，按传统Maya或UE管线制作一个经得起特写的人物角色资产成本约12万元，而通过RunningHub交给Agent完成切图、局部修复与合成，成本降低90%，导演只在关键节点确认。该数字来自受访者个人项目经验，不构成普遍成本结论。
同一篇稿件的判断口径
来源同时引用了Higgsfield创始人Alex Mashrabov关于流量路由是护城河的说法，并以党劲峰的观点回应称路由只解决调用效率、不解决交付能力。党劲峰的核心主张是：消费级AI难以赚钱，能落地变现的是垂直生产力场景，AI应提供确定性的系统交付。这些是受访者的行业判断，不是本事件已验证的结果。