如果一家银行要把几十个AI编程助手塞进核心交易系统的开发流程，IT负责人大概率会疯掉。不是因为模型不够强，而是每个工具都只认得自己的那一小块地盘——写代码的不懂测试，跑测试的看不懂架构。当企业客户拍下数百万支票，要的不是一个更聪明的“自动补全”，而是一支能互相协同、对交付结果负责的“数字工程师团队”。

2026年7月，北京词元无限科技有限公司宣布完成天使++轮融资，累计融资金额达数亿元人民币。本轮由临芯投资领投，华控基金跟投。这是词元无限在一个月内完成的第二笔融资，意味着在这个关于“企业级AI基础设施”的赛道定义战里，资本正在快速下注。

词元无限的身份标签很明确：企业级AI Agent基础设施专属服务商。它不卖单点工具，也不围绕某个模型做“套壳”，而是试图在模型与企业生产系统之间，搭起一层能够调度、约束、编排多个AI Agent的运行时基础设施。用投资人的话说，这是AI从“对话工具”走向“生产力引擎”时必须回答的考题。

公司 词元无限
轮次 天使++轮
金额 数亿元人民币（累计）
投资方 临芯投资（领投）、华控基金（跟投）
总部 北京
创始人 杨萍 (CEO)、王伟 (CTO)、袁源 (首席科学家)
官网 www.tokfinity.com

一支“清华姚班+字节跳动”班底，切进AI Coding的深水区

在AI Coding赛道，技术极客创业并不新鲜。新鲜的是，词元无限的创始团队同时跨过了两道高门槛：对前沿模型机制的深度理解，以及万人级工程系统的实战经验。联合创始人兼CEO杨萍曾是字节跳动MarsCode及后续Trae产品的研发总负责人，主导过大规模研发体系的AI化改造；CTO王伟是清华姚班首批成员，曾任机器人公司视觉与多模态算法负责人；首席科学家袁源则是北航教授，师从中国科学院院士张钹，同时是复杂关键软件环境全国重点实验室的核心成员。

“模型Native+工程Hardcore”的双重基因，让这支团队对企业级AI落地这件事有非常具体的痛感。他们不认为企业需要的是一套更聪明的代码补全插件，而是一种能够进入需求理解、设计、编码、测试、评审、交付、运维全链路的生产系统。杨萍对团队定位的表述是：“我们要做的不是再造一个Cursor，也不是复制一个Devin，而是定义全球企业级Agent基础设施的中国答案。”

这句话出自创始团队，自然带有战略宣言的色彩。但至少从产品架构来看，词元无限确实没有沿着Cursor或Devin的老路走。

四大智能体组成“数字工程师团队”，InfCode跑分刷榜只是开场

词元无限以InfOne为顶层平台，下面挂载了四个职能不同的AI Agent。DeepMap架构师Agent负责扫描企业代码库，构建结构化的知识图谱；InfCode数字程序员Agent专攻复杂代码生成与修改；InfTest测试智能体Agent负责自动化回归和质量门禁；TokenHub则负责Token的调度与成本治理。这套体系试图模拟一支真正工程师团队的协作方式：有人看懂架构，有人写代码，有人跑测试，有人盯着资源消耗。

在公开榜单上，InfCode已经交出了有说服力的成绩单。在SWE-Bench Verified榜单上，它以79.4%的Pass@1得分刷新当前最佳表现，显著超过行业头部模型约65%的水平。在Multi-SWE-Bench-cpp的C++子集中，InfCode录得25.58%的解决率，公司称这得益于其研发的对抗式测试优化方案——让“研发工程师”与“专门挑刺的评审”Agent反复博弈，持续打磨代码正确性，并在跨文件、跨模块检索上做深做准。

SWE-Bench的成绩无疑是一个有效的技术能力佐证，但它并不直接等同于企业场景中的战斗力。榜单上的任务是标准化的、可验证的，而真实的企业代码仓库往往混杂着十年以上的历史遗留代码、内部框架和不可言说的业务逻辑。把79.4%的Pass@1转化成某家大型银行核心系统的实际提效，中间还有相当长的工程化鸿沟。

全自主、高安全、自进化，是一套逻辑自洽的叙事

词元无限将自身定位概括为“全自主、高安全、自进化”三个关键词。这一表述在多个场合反复出现，构成了其产品理念的骨架。细究这三个词，每一个都在回应企业级AI部署中最让他人头痛的问题。

“全自主”指向模型中立与私有化部署。词元无限不与任何单一模型绑定，整个系统可以完整运行在企业自有的环境中，代码、数据、业务流程都不离开内部网络。这对于金融、军工、通信等强监管行业来说，不是加分项，而是入场券。

“高安全”指向Agent运行时的权限与边界管控。当AI Agent获得了修改生产代码的权限，必须有明确的权限边界、数据边界和操作审计链路。公司称其安全体系覆盖了从权限管控、数据隔离到操作审计的完整链路，做到过程可追踪、风险可阻断。

“自进化”则描述了平台持续学习企业知识的能力。每落地一个客户场景，业务上下文和评审反馈会回流到产品中，沉淀为该企业专有的工程知识，Agent会逐渐适应客户的系统、流程和标准。

这三个关键词构成了一个逻辑自洽的叙事框架。但需要指出的是，“全自主”和“高安全”是可以通过私有化部署和权限设计来验证的技术特征，“自进化”则需要更长期的客户跟踪数据来支撑。目前公司成立仅六个月，尚无足够长的时间窗口来检验这一机制的持续效果。

6个月服务10家头部客户，年度营收预测破亿意味着什么

词元无限披露了一组商业数据：成立6个月，已服务超过10家头部企业，签约多个千万级战略订单，调度算力规模超百亿Tokens，年度营收预测破亿。客户覆盖了金融、通信、工业等领域，其中包括某Top 5金融软件公司、神州信息联合项目，以及头部IT服务商、汽车集团和军工电子央企等。

这些数据若属实，在中国企服SaaS领域属于相当快的起步节奏。尤其值得研究的是神州信息的联合项目。根据公开案例信息，词元无限平台在该项目中将需求澄清时间减少70%，代码效率、准确性和规范性综合提效39%以上，成本降低20%以上。这些具体数字是目前唯一可查的客户效果量化口径，但需要明确的是，它们来自公司自身披露的合作案例，不是独立第三方评估，也不是客户直接公开发布的对比数据。在实际交付中，提效的统计口径、对比基线和覆盖范围都会显著影响最终数字，外界不宜将其直接等同于所有场景的普遍效果。

此外，公司称正在依托广西算力集群开拓东盟市场。这一国际化路径有其产业逻辑——广西正在建设面向东盟的算力枢纽，对于需要大规模算力调度的Agent基础设施来说，物理上靠近算力节点是合理的布局。但东盟企业级市场的文化、合规和客户习惯与国内差异显著，从“依托广西算力”到在东盟市场产生实际收入，中间还缺大量细节。

AGI叙事下的“基础设施”，是真实品类还是概念包装

词元无限反复强调“企业级AI Agent基础设施”这一品类定义。在当前大模型创业的语境下，“基础设施”是一个含金量极高但也被过度使用的词汇。被称作“基础设施”的公司，通常意味着两点：其产品是客户生产系统不可或缺的底座，替换成本极高；同时，它不太依赖单一技术路线，能够穿越模型迭代周期。

词元无限提出了一种“铁打的基础设施，流水的Model”的架构理念。其产品设计不绑定某个特定模型，而是在模型之上构建调控层、对抗层和编排层——调控层将通用Token输出转化为符合工程规范的交付物，对抗层通过生成与验证Agent的博弈提高代码可靠性，编排层则管理成百上千Agent的任务协作。这确实描绘了一种比“AI IDE”更宽的蓝图。

但“基础设施”这个定位能否成立，关键不在于公司自己怎么叫，而在于客户是否把它当作基础设施来买单和依赖。企业愿意为基础软件支付年费和高额部署费，是因为一旦替换，整个业务都要停摆。词元无限成立仅六个月，客户虽然签了千万级订单，但这些订单的性质是“战略合作”还是“稳定续费”，是“试点部署”还是“核心链路”，目前公开信息并未进一步交代。投资界和行业观察者将密切关注这些头部客户在一年后的续约和扩容情况。

临芯投资的表态侧重于商业化路径：“AI下半场重在产业落地，编程智能体是衡量企业研发生产力的核心标准。词元无限团队从支持私有化部署、服务金融制造到依托广西算力开拓东盟，商业化路径清晰且务实。”华控基金则将定调放在范式转移上：“2026年将是AI从对话工具迈向生产力引擎的关键拐点。AI的价值必须从Token消耗转化为企业严肃场景中研发全流程的真实生产力。”这两种表述的角度差异明显——前者是产业资本的务实逻辑，后者是科技基金的愿景叙事——但它们共同指向一个判断：企业级AI Coding市场正在从“工具”向“基建”完成价值跃迁。

对手不是Cursor，而是企业IT预算的固有分配逻辑

词元无限的竞争标尺，并不是Cursor或Devin这类在开发者工具市场快速攻城略地的产品。这是因为两者面对的是不同的战场。Cursor是一款AI IDE，核心价值是提升单个开发者的编码体验；Devin定位为“全自动程序员”，但主要仍以单Agent形式运行。而词元无限试图解决的，是大型企业多Agent协同、全链路交付的问题。

这意味着词元无限的真正竞争对手，可能不是某个具体的AI Coding工具，而是企业IT预算结构本身。大型企业的研发工具链预算，常年由传统的软件生命周期管理平台、测试工具、代码审查系统等瓜分。AI Agent基础设施要从中切出一块新增预算，或者取代现有预算项目，需要的不仅是技术领先，还有漫长的高层决策链条、合规审查和安全审计。这远不是刷个榜单就能加速的过程。

在国内市场的落地能力上，词元无限确有本土化的优势。私有化部署满足了数据主权的刚需，而团队对国内B端企业定制化需求的理解，避免了国外产品在中国市场常见的“水土不服”。但相对年轻的公司，要在六大行和央企这类超大型客户中建立信任，仍然需要时间。超大型组织的供应商准入门槛、稳定性的长期验证，以及人力资源的配备，都不是产品跑分能解决的事情。

融资节奏密集，资金投向“产研+高校联合”

本轮融资是词元无限在一个月内的第二笔资金，累计融资达数亿元人民币。资金用途明确指向三个方向：加速企业级AI Agent基础设施平台的产品化与商业化扩张，深化与清华大学、北京航空航天大学等高校的联合研究，以及构建面向Agent应用范式的下一代基础设施。

与前一轮（天使+轮，由华控基金、水木创投联合领投）相比，本轮新出现了半导体与硬科技领域背景较深的临芯投资。临芯投资过往更多出现在芯片、半导体设备等硬科技赛道，此次加注一家AI Agent基础设施公司，反映出产业资本对“AI基础设施”赛道的兴趣正在突破传统TMT投资的边界。

在两个多月内密集完成多轮融资，既说明公司在与投资人对接方面具备较强的节奏掌控力，也反映出当前AI投资窗口期的竞争激烈。在这个窗口期，能建立品类定义权和头部客户壁垒的公司，将获得显著的估值溢价。但高强度的融资节奏也对团队的专注度和资源分配提出更高要求。

高速奔跑中的待验证命题

词元无限当前的故事线清晰，团队豪华，技术基准也有公开数据支撑。但从报道视角客观审视，这家公司面临的挑战同样具体。

其一，企业级AI Agent基础设施目前仍是一个“创始团队定义、投资人认可、客户在试点中验证”的品类，尚未有第三方研究机构大规模独立评估其市场边界，更缺乏长期客户跟踪数据。它在客户IT架构中究竟会成为基础设施，还是停留在当前千万级战略订单的“高级工具”层面，需要至少一年以上的持续性证据。

其二，顶尖团队是当前最强的壁垒，也是早期阶段的集中风险点。三位核心技术人物的分工协作机制、决策链条和中长期股权安排，在公司高速扩张期将面临考验。

其三，国际竞争并不会因为“中国答案”这个定位而缺席。海外的AI Agent基础设施创业公司同样在加速融资与产品迭代，开源生态也正在快速补上编排层和调控层的能力。如果全球市场上出现了被广泛接受的开源Agent基础设施框架，私有化部署和模型中立的差异化优势可能被削弱。

其四，商业模式的具体细节尚不明朗。公司称通过智能体服务和年度营收实现商业化，但收费方式是按照Token量、开发人员席位、还是交付项目计价，是否包含持续的运维服务费，这些信息均未公开。不同的计费模型对客户的接受度和公司的收入质量有根本性影响。

RecodeX 极客视：词元无限的融资故事，本质上是一场关于“企业AI落地”的品类定义战。它试图用“全自主、高安全、自进化”的三个关键词，把企业级AI Agent基础设施这个新品类钉在市场的认知地图上。技术跑分和千万级订单是有效的敲门砖，但从战略合作到基础设施级的持续付费，从创始团队的豪华班底到规模化组织的稳定运转，这个赛道还需要更长的验证周期。它真正的考验不是能不能融到下一轮，而是那些签下千万合同的金融和工业客户，在一年之后会不会续费扩容——用真金白银为“基础设施”这个定位投票。