词元无限连融三轮，发力企业软件工程 AI Agent

成立刚满一年，连续完成三轮融资，总金额达数亿元——词元无限（Tokens Infinity AI）这家公司近期披露了最新融资进展。本轮由临芯投资领投，老股东华控基金继续加码，新老股东共同押注这家企业软件工程方向的 AI Agent 基础设施公司。

公司与创始人背景

词元无限由两位创始人联合创办。CEO 杨萍此前在字节跳动主导了 MarsCode 与 Trae 的产品建设，并参与过数万人级研发体系的 AI 化改造；CTO 王伟出身清华大学计算机系，是清华姚班首批学生，曾在外企世界五百强主导超大型企业核心系统开发，后在国内具身机器人独角兽公司担任首席架构师，负责 AI Infra 与机器人算法工作。首席科学家袁源为北京航空航天大学教授、博导，师从中国科学院院士张钹。

两位创始人的结识颇具戏剧性：2024 年上半年 SWE-Bench 早期榜单竞赛中，两人带队的团队分别位列全球第二、第三，因工程交流结缘后，于 2025 年共同创业。

商业判断：从写代码到交付结果

词元无限的切入点并非面向个人开发者的 Coding 工具，而是企业软件工程全链路。杨萍在采访中表示，AI 生成代码的速度可以做到人的 10 倍以上，但激进使用 AI 的部门整体研发提效往往只有约 60%——效率损耗来自需求理解、架构设计、代码评审、测试验证、上线发布等环节。

由此，词元无限提出「结果即服务」（Result-as-a-Service）的商业模式：从卖席位、卖 API 调用、卖 Token 消耗，转向以交付结果为核心计费逻辑。其企业级 Agent 基础设施定下三个关键词：

• 全自主：模型中立，支持全套私有化部署，企业掌握数据主权与产品主权
• 高安全：覆盖权限管控、数据隔离、操作审计，过程可追踪、风险可阻断
• 自进化：每一次落地反馈与业务上下文回流沉淀，让 Agent 越用越懂客户

产品体系：七款产品构成金字塔

词元无限的产品体系呈金字塔结构，自下而上分为四层：

第一层：执行型 Agent

• InfCode（数字程序员）：覆盖存量代码理解、任务拆解、代码生成、评审与测试生成
• InfTest（数字测试工程师）：覆盖单元、接口、回归等多层测试，与开发 Agent 形成「生成—测试—对抗」机制

第二层：工程理解与规则沉淀

• DeepMap：通读代码仓与文档，构建结构化知识图谱，为复杂存量系统画地图
• HarnessAgent：将企业流程、工程规范与专家经验沉淀为可约束其他 Agent 的规则，约 80% 规则可由 Agent 自动生成
• CodeReview：基于工程上下文与企业规范评审每次代码变更

第三层：模型与 Token 治理

• TokenHub：负责模型路由、Token 调度与成本优化，据披露可将代码生成任务的 Token 成本降低 25% 以上，并提供可解释的「透明账」

第四层（塔尖）：InfOne

• 数字负责人：把需求、设计、开发、测试、运维等 Agent 映射为可治理、可度量的角色，调度协同并衡量投入产出

关于模型迭代的应对

面对「会不会被下一代模型吃掉」的疑问，CTO 王伟表示团队从 Transformer 架构的第一性原理出发做白盒分析，将能力分为两类：短期可能被模型吸收的（如部分 Harness 知识）与短期内难以突破的（如无限上下文、自主学习机制）。词元无限选择「水涨船高」的位置——做多模型协同调度，让不同能力与成本的模型各司其职，创造超越任何单一基础模型的价值。

落地路径：AI Native FDE

针对企业场景客户流程各异、历史系统难迁移的问题，词元无限提出「AI Native FDE」模式——前置部署工程师带着 Agent 进入客户现场，找到高价值场景并跑通交付闭环。现场沉淀的流程、规则、测试反馈进入 Harness 反哺产品；行业标杆打透后，由合作伙伴 FDE 团队规模化复制，由此形成「企业 Harness 飞轮」。

资方对这家公司的判断同样聚焦于 AI Native 能力与企业级全流程软件工程经验的交叉。华控基金认为，2026 年将成为 AI 从对话工具走向生产力引擎的关键拐点，而词元无限已在过去半年完成战略升级与产品迭代，并获得神州信息、飞书等产业生态伙伴认可。