2026年初，一款名为OpenClaw的“小龙虾”AI智能体在国内社交平台掀起了一场风暴。用户沉浸在“养虾”的互动乐趣中，而安全研究者们却从这股热潮里嗅到了危险的信号。人们猛然意识到，当AI从一个被动的工具演变为具备自主行动能力的“智能体”，传统的网络安全边界正在以肉眼可见的速度失效。过去数十年构建起来的防御体系建立在一个根深蒂固的假设之上——被保护的对象是静态的网络、服务器、终端设备和数据管道。你可以围绕这些客体修筑防火墙，建立入侵检测系统，划定安全域。然而，一个能够在数字世界和物理世界中自主执行任务的智能体，天然具备跨越这些边界的能力。你没法再靠一堵墙来保护一个会自己开门走出去的“数字人”。

这轮汹涌的安全焦虑在资本市场催生了一个新的赛道：AI治理。它不同于传统意义上对网络攻击的检测与响应，而是聚焦于智能体这个“主体”本身的行为规范、健康状况和身份信任。在北京，一家成立仅五个月的公司熠序科技，正在试图用一整套类似人类社会免疫系统的机制来回应这个命题——给每个智能体“打疫苗”和“发身份证”。这个从白塔寺一家咖啡馆里萌生的念头，迅速获得了资本的注意。近期，熠序科技宣布完成了天使轮融资，估值达到15亿元人民币。尽管具体融资金额未披露，但这笔交易的资本构成耐人寻味：引入的并非传统风险投资机构，而是来自智能制造与能源矿产领域的产业投资人。

公司 熠序科技
融资轮次 天使轮
融资金额 金额未披露
投资方 智能制造/能源矿产领域的产业投资人（未披露具体名称）
总部 北京
创始人 李德辉
官网 https://9meta.net/

从白塔寺到矿坑：一个产业投资人为“投人”下了重注

熠序科技的起点，定格在2026年1月北京白塔寺附近的一家咖啡馆。创始人李德辉在那里的推导过程清晰而富有层次：人类社会依靠法律体系、公序良俗和征信系统维持着庞大协作网络的秩序，每一个公民从出生起就拥有身份标识，接种疫苗以抵御已知的病原体，其信用行为和违法记录被持续追踪。那么，未来由无数智能体组成的协作网络——一个可能比人类社会更复杂、运转速度远超人类生理极限的数字社会——同样需要一套身份与信用体系。他的答案是“给每个智能体发身份证、打疫苗，‘不守规矩的就踢出去’”。一个月后，OpenClaw的社交爆发让这个咖啡馆里的推演显得极具前瞻性：市场恰好在为这个命题支付注意力溢价。

这已是李德辉的第四次创业。与此前有大型平台作为资源后盾的经历不同，这一次他必须从零开始独立搭建整个体系。这种从平台内部到独立创业者的角色切换，也解释了首轮融资在投资人选择上的独特考量——公司没有选择纯粹的财务投资人，而是锁定在智能制造和能源矿产领域的产业资本。李德辉在新浪科技的采访中透露，这位未具名的产业投资人与其相识多年，核心投资逻辑是“投人”——在投资人看来，李德辉在AI治理领域的认知领先行业约半年时间，并且已经组建起一支完整的团队，这在一个尚处于定义阶段的赛道中是稀缺的先发信号。更具战略意义的是，这位投资人并非单纯扮演出资者的角色，而是能直接提供高价值的工业应用场景和海量的垂直领域数据。这种深度绑定的产投模式，使得熠序科技在概念验证阶段就能够嵌入真实的产业数据流，而不必在模拟环境中反复消耗时间和资金。对于一家成立仅五个月的公司而言，同时获得资金、场景和数据三种核心要素，可能比纯粹的估值数字更具长期价值。

“打疫苗”和“发身份证”背后：一层用世界模型构建的免疫系统

熠序科技提出的“疫苗”和“身份证”并非精巧的商业比喻那么简单。其产品架构建立在一个自研的核心引擎之上——公司将其命名为“熠序世界模型”（NOWM），核心职能是管理智能体的三大基础要素：身份、权限和意图。李德辉将其描述为一个基于“时、空、因果”三个维度构建的三层免疫系统，每一层对应着一类治理挑战。

第一层对应“时间”维度，系统需要预测下一个风险会在何时发生。这要求模型具备对智能体行为序列的长期跟踪和模式识别能力，能够从正常行为的偏差中预警潜在故障或恶意操控。第二层对应“空间”维度，但李德辉在此处给出了一个关键澄清：这个“空间”并非物理意义上的坐标位置，而是智能体架构内部的功能分区——包括认知层面、记忆机制、执行链路等不同模块的运作状态。在这一层，系统监测的是智能体在内部流程中可能出现的故障，类似于医学上对身体各器官系统的状态监测。第三层，也是被李德辉认为技术难度最高的一环，是“因果”维度，即病毒与疫苗的自进化机制。公司设想，当给一个智能体“注射疫苗”后，系统会持续监测其效果，并通过数据飞轮将反馈信号回传至模型训练流程，使得疫苗在与新型攻击手段的对抗中自动升级迭代。这种设计的内在逻辑是：攻击者会不断变异其策略以规避检测，防御端也必须具备同步进化的能力，而非依靠安全团队手工更新规则库。这与传统的静态规则库和签名检测机制存在本质区别——自进化机制试图在威胁大规模涌现之前就建立起动态的对抗能力，而非在事件发生后才进行应急响应。

在技术理念上，公司提出了一个关于泛化能力的核心主张。李德辉解释，熠序世界模型的建构逻辑使其具备跨行业的“泛化能力”——拿到一个垂直行业的数据后，模型训练无需大规模的定制化开发，即可将治理能力迁移到其他行业场景。这一能力如果得到验证，意味着熠序科技不需要为能源、自动驾驶、智能制造成倍投入定制化开发团队，边际扩张成本将大幅降低，进而可能重塑AI治理领域的竞争格局：赢家不再是在单一行业深耕的专家，而是能够以一套底层模型覆盖多个赛道的基础设施型选手。目前，公司已公开披露的合作方包括中国移动和联想集团，初步验证了模型在运营商场景和终端硬件场景下的表现。但泛化能力的真实边界仍需更多行业数据的检验——从通信网络到矿山井下，数据分布和异常模式的差异可能远超实验室假设。

在技术路线的自我定位上，熠序科技明确划出了一条与传统网络安全厂商的分界线。李德辉的概括直接而有力：“传统网安做的是‘修围墙’，我们做的是‘打地基’。前者等出了事才补，后者从一开始就不能缺。”他进一步将差异延伸到作用对象的层面：传统网络安全保护的是计算设备、网络管道、存储系统等“客体”，而AI治理需要直接作用于智能体这个“主体”。这一分野具有深层的技术原因——当智能体呈现出分布式部署和群体智能的特征，其产生的风险是“涌现”级别的，即整体行为可能表现出单个智能体所不具备的危险模式。此时再去保护底层计算客体就会失效，因为问题不在客体被攻破，而在主体本身的决策逻辑或交互规则出现了系统性偏差。解决这类问题，必须让每个智能体自身具备正确的认知角色和可靠的执行规则，并且在一个可审计的身份框架内活动。

订阅、API与一体机：一个难以被传统安全厂商复制的收入模型

技术路径的分野直接带来了商业模式层面的结构性差异。李德辉指出了一个传统网络安全行业长期存在的痛点：“传统网安很难按照订阅来收费，但是我们需要持续的、不间断地监管，所以我们的商业模式可以做到实时的按月按年来订购收费，按API调用来收费。”这一判断触及了安全市场的核心悖论：传统安全产品本质上是一张保险单，客户每年支付许可费以换取“被保护”的承诺，但安全事件发生的频率和严重程度难以量化，导致订阅模式下的价值感知模糊。而AI治理的监管属性天然带有持续性——智能体的每一次决策、每一次跨系统交互，都需要在治理框架内被实时评估，这使得“按量计费”或“持续性订阅”具备了与价值交付直接挂钩的可能。

熠序科技在面向客户时主推三类订阅服务：AI卫士、AI健康和AI秩序，这三者均以周期性订阅为核心收费逻辑。作为硬件入口，公司同时推出了AI可信一体机，但其战略重心明显偏向于订阅服务。李德辉明确表示，订阅服务的毛利率远高于硬件销售，能够提供持续稳定的经常性收入。这种收入结构如果能够规模化，将使得公司的估值逻辑从传统硬件厂商的市销率模型向SaaS公司的高经常性收入倍数靠拢。

收费机制的设计也覆盖了不同的客户群体，展现出分层变现的意图。在B端市场，公司选择与集成商和云厂商合作，将治理能力封装成API供下游调用，而后按照Token消耗费用的一定比例抽成。这种模式将熠序科技嵌入到AI应用开发者的技术栈中，每调用一次大模型，理论上就产生一笔治理费用。对G端，公司则通过参与标准制定和承担重点项目来切入，这需要与政策节奏保持同步。李德辉还透露，TO C市场被公司视为一个“重点市场”，他判断国内市场对新技术的接受度会让C端需求快速爆发，但截至目前，这块业务才刚刚起步，尚未有具体的产品形态或用户数据对外披露。

拿下中国移动与联想：是生态卡位，还是渠道依赖？

尽管成立时间极短，熠序科技在商业化落地上已经迈出了两步引人注目的棋子。2026年6月，公司联合联想集团与芯昇科技发布了首款AI可信一体机，将治理能力以硬件化的方式嵌入智能终端体系。仅一个月后，其与中国移动合作的AI大模型授权治理服务便正式上线商用，这意味着熠序科技的治理能力开始接入一个拥有海量用户和流量的运营平台。李德辉的中国移动战略部从业背景——这是其第四次创业前的职业经历——帮助他迅速将行业认知与人脉资源兑现为标杆订单。这种速度在一个通常需要漫长销售周期的B端市场中颇为罕见。

面对外界关于“依赖老东家关系”的议论，李德辉提供了一个更为结构性的解释框架，而非单纯的个人关系叙事。他认为运营商将是未来智能分发的核心枢纽。这一判断的逻辑基点是双边网络效应：运营商左边连接海量用户，右边连接模型厂商与智能服务提供商。对于AI应用企业而言，独立获取流量和分发渠道的成本过高——既需要资本支撑营销投入，又需要形成用户规模才能启动网络效应——而接入运营商体系等于直接共享了已经成型的用户基础和服务网络。他将这种合作比喻为“运营商在卖汽车，我在卖玻璃水”，强调这并非简单依赖旧有的人脉网络，而是基于商业逻辑的主动选择。但这一判断同时意味着熠序科技的增长节奏和客户结构在很大程度上与运营商的AI战略节奏绑定。如果运营商的智能分发战略推进速度低于预期，或者运营商决定自研或采购其他厂商的治理方案，公司可能需要重新寻找可替代的规模化获客通道。

15亿估值投给了什么：70%的研发费用与一个数据飞轮的故事

李德辉将本轮融资的核心用途坚定地锁定在研发方向：70%的资金将投入到四大核心模型的训练中——身份信用与健康、长程风险监测与管控、病毒与疫苗自进化，以及数据链路保障。在这四个方向中，长程风险监测和病毒疫苗自进化被列为投入重点和技术攻坚点。长程风险监测的难点在于，智能体的危险行为可能并非单次决策的偏差，而是在长时间序列中逐步累积的认知漂移，这要求监测模型具备跨越数以万计交互回合的记忆和因果推断能力。病毒疫苗自进化的挑战则在于，对抗性进化必须在隔离环境中训练，以确保进化策略本身不会被攻击者反向利用。此外，公司计划在年底将团队规模从30人扩充至80—90人，新增人员将主要用于引进技术人才，侧面反映出公司对底层模型研发的持续投入决心。

支撑公司高估值想象力的另一个关键叙事是“数据飞轮”。李德辉声称，公司的数据飞轮已于今年6月底跑通。其运转逻辑是：通过一体机部署和授权治理服务，公司得以先于竞争对手接触到用户的真实智能体行为数据；获取数据后，再基于世界模型中预设的“m层攻击面·n种时间维度”策略进行样本扩充——以收集1份真实样本、合成9份训练样本的比例，大量生成覆盖更多场景的训练数据；这些数据反过来优化模型性能，进一步拉大与后来者之间的能力代差，同时巩固先发部署优势，形成正向循环。李德辉对这个逻辑的价值判断非常直接：“AI时代的核心要素是算法、算力和数据，算力花钱就能买得到，最珍贵的就是数据。我们通过产品的先发部署和渠道的生态卡位，能收到别人没有的数据，再通过飞轮来转，就比别人领先一代。”

这一叙事如果成立，意味着熠序科技在竞争中的核心壁垒不是单点技术，而是数据获取的先发优势和由此产生的迭代速度优势。但1:9的合成数据比例也带来了一个关键的技术风险：合成数据基于世界模型的策略生成，如果模型对真实攻击面的覆盖存在盲区，合成数据的分布可能偏离真实世界中未知的对抗性威胁——当真正的新型攻击涌现时，依靠合成数据训练出来的疫苗可能无法有效应对。这一点在李德辉的描述中并未被回避，而是被归入“最难的那部分”工作。

除了数据飞轮，公司还在试图构建标准与生态的双重壁垒：参与国家AI治理标准制定，与国家重点实验室展开合作，并与中国移动、联想集团等龙头企业建立深度绑定。标准制定意味着公司能够在行业规则成型阶段注入自身的技术逻辑；生态绑定则加大了客户迁移的成本。但标准制定权的归属最终取决于技术实力和政策博弈，目前阶段仍处于早期参与期。

能源、矿产与机器人：真实场景的诱惑与苛刻度

熠序科技本轮融资的投资方背景带有明确的产业属性——智能制造与能源矿产。李德辉对此的解释指向了这些行业对智能设备治理的切实需求：矿产采掘、运输等作业环境恶劣，存在大量离线运行的重型智能机器人和自动驾驶运输设备。这些设备一旦从离线模式向在线化、协同化转型，就必须确保其运行状态的“健康有序”——一个故障的算法决策在矿区可能导致物理设备的损毁甚至人员伤亡，容错率极低。投资人不只投入了资金，还直接提供了高价值的应用场景和垂直行业数据，这种产投结合模式在早期公司的验证阶段具有不可替代的价值。

公司方面表示，目前已与多家能源矿产、机器人头部企业建立对接，正在推进具体场景的落地试点。但工业场景对AI治理技术的验证维度远超实验室环境：网络可能是间歇性连接的高延迟窄带通信，而非稳定的宽带连接；运行智能体的硬件平台可能存在算力瓶颈，无法承载过于复杂的实时监测模型；错误决策的代价不是一条错误回复，而可能是起重机误操作或运输车路径失控。在实验室里运行良好的模型，到了井下、矿区的复杂网络和物理环境中，能否在满足工业实时性与可靠性要求的前提下实现“疫苗注射”和“身份认证”，是需要通过实际运行数据来回答的问题。这同样构成了一个机会——如果能在这种容错率为零的场景中站稳脚跟，其技术能力的说服力将远超任何白皮书和仿真报告，为向其他高可靠性行业（如电力、交通）扩张提供权威背书。

待验证的赛道与未命名的竞争者

高盛的预测为整个AI治理行业提供了宏观维度的乐观注脚：到2026年下半年至2027年，AI治理占AI总预算的比例将从当前的3%—5%提升至10%—15%。这个数字意味着，智能体每产生100元的商业价值，就有10到15元需要被花费在确保它不失控上。从市场体量看，这预示着一个可能从当前数十亿级别在未来数年内跃升至数百亿甚至更大规模的增量市场。这种结构性增长机会是支撑熠序科技这类初创公司高估值的宏观叙事基础。

但高盛的预测曲线同样意味着，传统网络安全巨头和AI平台厂商不可能忽视这个方向。目前，熠序科技在公开信息中尚未明确列出直接竞争对手的具体名称，但这不等于赛道缺乏潜在参与者的布局。传统网络安全厂商已经开始将AI安全纳入产品路线图，尽管他们延续的是“客体保护”的技术范式；大型模型厂商自身也正在增强内置安全对齐能力，试图将治理需求消化在模型层而非外挂一个独立治理层。这些潜在竞争力量可能在远期挤压第三方独立治理厂商的市场空间。熠序科技需要向市场证明，它的独立定位是一种必需品——就像即使操作系统自带安全防护功能，企业仍会采购专业安全厂商的独立解决方案以追求纵深防御——而非AI生态体系暂时缺失的一块补丁，等平台厂商补齐内置能力之后就会被边缘化。这个问题的答案，取决于熠序科技的技术壁垒能否做到比平台厂商的内置方案高出一个明显的量级。

目前，熠序科技面临的最大挑战可能不在技术层面，而在市场的认知成熟度和客户付费习惯的迁移。从“买盒子、买授权”到“按月按量付费治理服务”，这个转变在网络安全行业已经被讨论了多年，却从未真正大规模实现。企业客户对于将安全开支从资本性支出转变为运营性支出，存在根深蒂固的预算惯性和财务审批阻力——资本性支出折旧后归入资产，运营性支出则直接扣减当期利润。让客户为一台服务器的授权许可付费不需要额外的市场教育，但让客户为“每个智能体的持续性健康状态”付费，则需要一场从采购逻辑到预算科目的认知革命。熠序科技用五个月的时间拿到了高估值、两个标杆客户和第一笔产业资本，正式开启了一段需要持续证明自身价值的旅程。它需要在高歌猛进的智能体浪潮中，向市场证明这条渡船能够安全、稳定且经济地把所有智能体送到对岸，而船票的价格，最终将由第一批付费客户的续费率和合同金额的增长率来投票决定——而非由天使轮的估值数字来定义。

RecodeX 极客视：熠序科技用一套极具想象力的“免疫叙事”重新定义了AI安全，将治理对象从网络管道推进到每一个运行中的智能体实例。其天使轮的15亿估值和产业资本背书，反映出市场在OpenClaw式失控焦虑下，对体系性解决方案的迫切付费意愿与高倍预期。然而，从一个咖啡馆里诞生的思想实验，到真正能够支撑海量智能体身份管控和持续健康监测的“世界模型”，中间横亘着三层免疫系统在工业级实时性与可靠性约束下的严苛工程验证——矿井下的窄带网络、算力受限的嵌入式硬件、零容错的物理操作,这些都不是PPT可以跨越的鸿沟。1:9合成数据的训练策略能否覆盖对抗性场景中未知的攻击变异，仍需以真实攻防数据来检验；而通过运营商渠道切入所建立的生态卡位，固然为早期获客铺设了捷径，也意味着公司需要在渠道推动之外，建立起独立的市场品牌和直接获客能力。当“疫苗”和“身份证”从概念叙事变成每一笔API调用中按Token消耗计提的成本项,客户需要的将不再是宏大的安全哲学,而是可量化、可审计的风险缓释数据——减少了几次异常决策,拦截了多少违规跨域调用,将宕机风险降低了几个数量级。产业的真正耐心，不体现在天使轮估值的数字上，而将刻在第一批付费客户签字续约的合同页脚。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。