💡 基础设施 · 融资速递

攻克「单体提效 10 倍、整体仅提 60%」断层：字节 Trae 主导者携清华姚班创业，词元无限一年吸金数亿元

面向企业软件工程的 AI Agent 基础设施公司词元无限（Tokens Infinity AI）完成新一轮融资，由临芯投资领投、华控基金跟投。成立仅一年，该公司已连续吸金三轮、累计金额数亿元。团队由原字节跳动 MarsCode/Trae 研发负责人与清华姚班架构师联合创立，切入严肃场景下的企业级软件交付断层。

来源：企业披露及公开报道• 2026-07-30• 约 3 分钟读完
数亿元 成立一年连续完成 3 轮融资
2 ~ 4 倍 企业团队整体交付提效目标
>25% TokenHub 路由优化降低成本（企业披露）

⚡ 30 秒速览

  • 核心矛盾：个人程序员用 AI 写代码可提效 10 倍，但大厂研发部门整体交付效率仅提升约 60%，中间损耗在存量代码上下文、测试、评审与安全门禁。
  • 豪华团队：CEO 杨萍（前字节跳动 MarsCode/Trae 主导者）、CTO 王伟（清华计算机系首批姚班生）、首席科学家袁源（北航教授/张钹院士弟子）。二人因 SWE-Bench 榜单竞赛结缘。
  • 全栈架构：打造包含 7 款 Agent 的金字塔产品体系，覆盖代码生成、自动化测试、系统地图构建、Harness 规范约束与 Token 治理。
  • 商业转向：主推「结果即服务」（Result-as-a-Service），摒弃单纯按席位或按 Token 消耗收费的模式。

01研发效率断层 个人提效 10 倍 vs 整体提效 60%

大模型生成代码的能力已在 C 端工具上获得验证，但严肃的 B 端软件工程现场展现出了截然不同的商业现实：

C 端单点 AI 工具（Copilot / Trae 等）

聚焦「写代码」自动化，个人开发效率提升可达 10 倍，但在大型企业中无法触及系统全链路。

B 端企业工程现场（银行业/大型软件服务）

90% 以上为存量系统迭代。包含需求分析、架构映射、代码评审与测试，部门整体提效折损至约 60%。

企业买单的本质是「需求能否稳定上线、质量能否兜住」。企业不敢让不可控、不可审计的 Agent 贸然进入生产系统，因此工具级 AI 的增长天花板显现，行业急需具备全自主部署、高安全管控与自进化能力的 Agent Infrastructure。

02金字塔产品体系 7 款 Agent 构筑数字员工团队

词元无限拆解企业软件工程链路，推出了自下而上的 7 款产品金字塔：

塔尖：组织管理层 InfOne
InfOne 数字负责人 映射企业内各类 Agent 角色，定义职责、目标与成本，调度协同并衡量 ROI。
中间层：模型路由与工程治理 TokenHub / Harness
TokenHub 路由调度 分流高低复杂度任务，上下文缓存复用，企业披露可降低 25% 以上 Token 成本。
DeepMap 系统地图 基于抽象语法树（AST）通读存量代码库与文档，构建结构化知识图谱。
HarnessAgent / CodeReview 沉淀规范约束（80% 规则自动生成），评审变更风险，做到过程可追溯。
基层：执行 Agents InfCode / InfTest
InfCode 数字程序员 负责存量代码理解、任务拆解、代码生成与重构。
InfTest 数字测试工程师 负责单元与回归测试，与 InfCode 形成「生成-测试-对抗」迭代闭环。

03模型进化是否会吞噬 Agent 框架？

针对行业普遍担忧的「大模型能力迭代吃掉 Agent 创业公司」问题，团队基于 Transformer 白盒分析提出「水涨船高」论：基础模型能力的突破会带动上层 Agent 能力同步提升；而企业多模型调度、私有化 Harness 上下文与安全隔离，是单体模型厂商难以复制的位置。

“走进一家餐馆，你并不关心一碗面是怎么被做出来的。把需求讲清楚，最后端上来一碗能吃、好吃、符合预期的面，这件事才成立。”

—— 杨萍，词元无限 CEO

基于此付费逻辑，公司推行「结果即服务」（Result-as-a-Service），将付费 anchor 从 API 消耗与席位费，转移至可验证的交付结果上。

04落地模式 AI Native FDE 与飞轮闭环

为了避免传统软件定制开发的陷阱，词元无限采用 AI Native FDE（前置部署工程师）带 Agent 进场干活的模式落地：

FDE 进场攻坚高价值场景→Agent 协同完成交付→专家经验沉淀为企业 Harness→标杆能力规模化复制

在合规红线前提下，客户业务数据绝不出场，仅在本地沉淀抽象后的工程经验与上下文规则，以此实现「任务做得越多，系统越懂客户」的自进化。

💡 编辑视角

本篇快讯基于企业融资披露及创始人公开访谈整理。文中提及的「Token 成本降低 25% 以上」「80% Harness 规则自动生成」等性能指标均为企业披露数据，其在大型金融与制造企业的私有化落地表现，仍待第三方及行业长周期复测。

行业判断：AI Coding 已正式跨过 C 端插件式的单体炫技阶段；B 端软件工程的下半场竞争，正全面转移至对企业存量代码的上下文理解能力，以及可审计、可控的 Agent 基础设施构建上。

目前词元无限主要面向金融、制造及大型软件服务企业提供全自主私有化部署方案。