当一家公司把“AI 原生”写进产品定位时，真正需要回答的问题往往不是模型能力有多强，而是组织里那些已经用上 AI 的人，为什么仍然在重复解释、重复对齐、重复试错。知驿科技给出的切入场景相当具体：一名工程师与 AI 助手经过多轮尝试解决了问题，把任务交给同事时，接手者的助手却不了解此前的背景、约束和失败路径，团队只能重新说明，甚至把已经走过的弯路再走一遍。
这背后是一个正在被量化的成本项。据创业邦报道，全球 token 消耗从 2024 年 5 月的 9.7T/月增长到 2026 年 5 月的 3.2Q/月，两年增长 330 倍，其中约 35% 的调用是重复 token。也就是说，当模型把单点执行效率不断推高，组织协作层反而成为新的瓶颈。知驿科技想做的，是把分散在个人与工具中的工作经验沉淀为可积累、可传承的结构化团队记忆，并让 Agent 在授权范围内共享背景与经验。
近日，北京知驿科技有限公司宣布完成数千万元人民币种子轮融资，由卓源亚洲领投。公司成立于 2026 年 8 月 28 日，注册地北京，创始人兼 CEO 胡天朔出生于 2004 年，是清华大学计算机系在读博士生。这笔融资的金额区间、领投方和团队背景已经明确，但精确金额、估值以及是否还有其他跟投方，均未披露。
| 字段 | 内容 |
|---|---|
| 公司 | 北京知驿科技有限公司 |
| 轮次 | 种子轮 |
| 金额 | 数千万元人民币 |
| 投资方 | 卓源亚洲（领投） |
| 总部 | 北京 |
| 创始人 | 胡天朔（创始人兼CEO）、王梓安（联合创始人兼CTO） |
| 官网 | 未披露 |
重复 token 不是技术漏洞，而是协作记忆没有沉淀
知驿科技对问题的定义，与单纯追求模型调用效率的公司不同。公司称，其产品围绕跨工具记忆、经验提炼与可信复用构建，目标是把“谁提出了意图、谁核验过结果、哪些路径已经失败”这些工作流中的事实保留下来。按照公司通稿的说法，人类成员向自己的 Agent 交代任务、进行监督并提供反馈；在授权范围内，Agent 之间共享相关背景与经验，成员也可以直接安全地询问同事的 Agent。
这意味着，知驿科技切入的不是模型层，也不是通用文档协作层，而是夹在两者之间的企业 AI 网关与长时经验记忆系统。公司称其作为中立第三方，支持客户自行选择模型和智能体，继续使用已有模型与订阅。这一设计试图绕开一个现实矛盾：企业已经在不同模型和订阅上投入成本，如果协作层要求更换底层模型，迁移阻力会显著增加。
从已披露信息看，知驿科技的产品逻辑更接近“协作状态层”而非“知识库”。传统知识库保存的是文档、链接和结论，而知驿科技强调的记忆系统需要判断经验的可信度与适用条件，并随环境变化持续核验、纠错和更新。卓源亚洲创始合伙人、董事长及 CEO 林海卓也表达了类似判断：“高价值的记忆系统不仅要保存信息，还需要判断经验的可信度与适用条件，并随环境变化持续核验、纠错和更新。”
不过，这套机制目前仍停留在产品描述阶段。首款产品尚未正式公开上线，公司也未披露记忆如何结构化、经验如何被判定为可信、以及不同团队之间的权限边界如何落地。这些都是产品真正进入企业环境后才会被检验的问题。
Team Agent 与 Agent Team 的路线分歧，本质是协作权归属问题
知驿科技创始人胡天朔在投资界报道中明确划出了一条竞争分界线。据他观察，当下不少带有竞争意味的对手讲的是“Agent Team”故事，设想由“超级个体”带着成千上万个 Agent 完成任务。而知驿科技选择的是“Team Agent”路线，即基于人类团队协作构建智能体系统。
这条路线分歧并非营销措辞。它指向一个更根本的问题：当 Agent 大规模进入组织后，协作的节点是人还是 Agent？在“Agent Team”模式下，人类更像指挥官，Agent 是执行单元；在“Team Agent”模式下，人类团队仍然是协作主体，Agent 是每个成员的外延。后者的隐含假设是，AI 并不能包揽所有工作，未来仍有很大一部分价值在人类协作上产生。
从产品形态看，知驿科技的选择更接近企业协作软件的逻辑，而不是自动化代理平台。这使它更可能被拿来与现有研发协作工具、企业知识管理工具以及正在进入 Agent 协作层的平台型公司比较。公司称其核心产品为 Team Agent，首款产品计划于 11 月中旬正式公开上线。但截至目前，公司未披露该产品与现有工具链的具体集成方式、支持哪些模型和智能体框架，也未说明“安全询问同事的 Agent”如何在权限和隐私上实现。
一个值得注意的细节是，知驿科技参与制定中国通信学会团体标准的相关工作正在推进。如果这一标准涉及智能体通信协议或协作接口，那么知驿科技试图占据的不仅是产品层，还有协议层的话语权。但团体标准制定与产品落地之间仍有相当距离，目前只能确认相关工作在推进，具体范围和影响力尚未披露。
按坐席收费且不在 token 上加价，意味着收入天花板取决于组织渗透速度
知驿科技的商业模式是明确的：按坐席收费，不卖模型，也不在 token 上加价。公司称，商业化先从数人规模的初创团队与科研团队切入，再逐步向更大组织延伸。这一策略在早期有其合理性。小团队决策链短，对协作效率的痛感更直接，也更容易成为产品迭代的反馈源。
但按坐席收费也带来一个直接约束：知驿科技的收入规模将取决于付费坐席数量，而不是客户的 token 消耗量。在 AI 基础设施公司普遍以调用量或算力消耗为收入引擎的背景下，知驿科技主动放弃了 token 加价，意味着它必须在组织渗透和坐席留存上证明自己的价值。公司称，已开始与不同规模的客户洽谈合作，合作对象既包括十余人的初创团队，也包括数百人规模的公司。不过，这些洽谈尚未转化为公开的付费客户数据。
公司披露的客户进展包括：首批用户为清华同学；已与涵盖算力、游戏等领域的多家初创公司达成合作意向；并与一家头部 physical AI 企业签约。需要说明的是，这些信息来自公司通稿和投资界报道，属于公司单方披露，尚无独立第三方验证。合作意向与正式签约在商业意义上也有明显区别，前者不构成收入承诺。
从产业链位置看，知驿科技选择了一个正在快速变厚的中间层。模型厂商在向上做应用，协作软件在向下接 Agent，企业客户则在已有工具和订阅之间寻找平衡。知驿科技能否在这个夹层中建立不可替代性，取决于它能否真正沉淀出客户不愿迁移的团队记忆。公司自己也承认，团队记忆反过来是“留存和复购”的重要支撑。但这一逻辑成立的前提是，记忆系统确实能随使用时间增长而增值，而不是变成另一个需要人工维护的知识库。
卓源亚洲的清华系路径，给这笔种子轮提供了超出金额的信号意义
本轮领投方卓源亚洲与知驿科技之间存在清晰的校友关系。卓源亚洲创始合伙人、董事长及 CEO 林海卓同样毕业于清华大学计算机系。据创业邦报道，卓源亚洲此前已投资百川智能、小马智行、生数科技、基流科技、瑞莱智慧等多家 AI 企业。投资界报道还提到，卓源亚洲是知驿科技正式接触的第一家风投机构。
林海卓对这笔投资的公开表述集中在两个层面：一是企业对 AI 的需求正从单次任务效率提升，延伸到工作经验的持续积累与团队复用；二是认可团队对研发工作流的理解与面向企业需求的产品思路。这些判断与知驿科技的产品叙事高度一致，但投资方声明本身不构成对产品市场表现的独立验证。
值得关注的是，这笔种子轮发生在公司成立仅两个月后。知驿科技成立于 2026 年 8 月 28 日，投资界报道发布于 2026 年 11 月 10 日。从时间线看，卓源亚洲的决策周期相当短。这一方面说明清华系网络在早期项目中的信息效率，另一方面也意味着投资决策更多基于团队背景和产品方向，而非已经验证的商业化数据。
对于一家种子轮公司，这并不罕见。但知驿科技的团队结构仍然值得单独审视：核心团队几乎全员 00 后，创始人胡天朔 22 岁，联合创始人兼 CTO 王梓安曾在 EuroSys、WWW、ICML 等国际会议发表论文。公司称，架构师范宇轩具备从零搭建系统与开源项目维护经验。这些履历来自公司介绍，尚未经过独立核验。
资金用途指向交付，但真正的瓶颈可能不是研发速度
据创业邦报道，本轮资金将用于产品研发、团队扩充，以及首批客户的落地与交付。这个用途组合对一家刚完成种子轮的公司来说并不意外，但“首批客户的落地与交付”被单独列出，说明知驿科技已经意识到，从合作意向到实际部署之间存在不小的执行成本。
公司称，团队仅用几周就完成了产品内测版本，首款产品计划于 11 月中旬公开上线。如果这一时间表成立，知驿科技从成立到产品公开上线只用了不到三个月。这种速度在早期团队中可以被视为执行力信号，但也带来另一个问题：一个涉及跨工具记忆、经验提炼和权限管理的协作系统，在如此短的时间内能否完成足够的企业级打磨。
从已披露信息看，知驿科技的首批用户是清华同学，这为产品提供了低成本的早期反馈，但清华同学的使用场景与企业付费客户之间存在明显差异。学生团队的任务结构、协作规模和容错空间，都不同于需要稳定交付的商业组织。公司已经与算力、游戏等领域的初创公司达成合作意向，并与一家头部 physical AI 企业签约，这些场景能否验证产品在非代码领域的适用性，将比内测数据更有说服力。
另一个尚未披露的关键变量是定价。公司明确了按坐席收费的模式，但没有给出具体价格区间。对于数人规模的初创团队和数百人规模的公司，付费意愿和价格敏感度差异很大。如果定价过高，早期小团队客户可能流失；如果定价过低，又难以支撑从初创团队向更大组织延伸的销售和服务成本。
成立两个月的公司，要同时解决技术可信度与组织信任问题
知驿科技面临的风险并不隐蔽。首款产品尚未正式公开上线，商业化落地仍需市场验证；AI 企业协作领域竞争加剧；公司成立时间短，团队几乎全员 00 后，组织与交付能力有待检验；已披露合作多为意向或签约阶段，未披露收入与付费客户规模。这些风险在公司通稿和投资界报道中均有迹可循，并非外部推测。
其中，最核心的待验证假设是：团队记忆能否真正成为可复用的组织资产，而不是又一个需要人工整理的信息仓库。知驿科技强调记忆系统需要判断经验的可信度与适用条件，并随环境变化持续核验、纠错和更新。这是一个比“保存信息”高得多的技术目标。要实现它，产品需要解决经验如何被提取、如何被验证、如何在不同任务间匹配、以及如何避免错误经验被重复引用等一系列问题。
从已披露信息看，知驿科技尚未公开其记忆系统的具体技术实现。公司称王梓安的研究横跨系统、Web 与机器学习，这些工作构成了知驿科技的技术核心。但研究背景与产品能力之间仍有距离，尤其是在一个尚未公开上线的产品上。
另一个值得注意的边界是，本轮融资的精确金额未披露，估值未披露，除卓源亚洲领投外是否还有其他跟投方也未披露。这意味着外界无法判断这笔种子轮在公司股权结构中的实际分量，也无法评估市场对知驿科技的定价预期。对于一家成立两个月的公司，这些信息缺失并不异常，但它限制了外部对其资本结构和后续融资空间的判断。
当智能成本下降，协作层价值上升的逻辑需要更长的验证周期
知驿科技的核心判断是：AI 应用浪潮至今不过三年，企业协作层价值将随智能成本下降而上升。胡天朔在投资界报道中用了一个比喻：“今天，LLM 就是那张纸，极大拉高个体的执行效率，却卡在人与人的理解和交接上。”知驿科技要做的，是让经验不再滞留于个人的“手稿”，而是借由 Agent 之间的传递在团队中流动。
这个判断在方向上与行业趋势一致。当模型能力趋同、调用成本下降，差异化会向数据、工作流和组织记忆迁移。但方向正确不等于时机正确。企业协作层价值的兑现，需要客户真正把 AI 嵌入日常研发流程，而不是停留在实验性使用。知驿科技自己也承认，过去充斥着太多“玩具式”的产品。
从已披露的客户结构看，知驿科技目前接触的主要是初创团队和科研团队，以及一家头部 physical AI 企业。这些客户对新技术接受度高，但付费能力和稳定性差异较大。公司能否在 11 月中旬产品上线后，把合作意向转化为持续付费坐席，将是比融资更重要的节点。
此外，知驿科技选择的中立第三方定位，既是差异化，也是约束。它不卖模型，不在 token 上加价，意味着收入完全依赖坐席费。这要求产品必须足够高频、足够深入工作流，客户才会愿意为“协作记忆”单独付费。否则，企业可能更倾向于使用现有协作工具中逐渐增加的 AI 功能，而不是引入一个新的网关层。
从产业链约束看，知驿科技的产品需要与客户已有的模型、订阅和工具链共存。这种集成复杂度会随着客户规模扩大而上升。对于一家成立两个月、团队几乎全员 00 后的公司，真正的考验不是能否做出内测版本，而是能否在数百人规模的组织中完成稳定交付，并让团队记忆在真实工作流中持续产生复利。
RecodeX 极客视：知驿科技把融资故事建立在重复 token 的浪费上，但它的产品本身并不直接减少 token 消耗，而是试图把消耗过程中产生的经验沉淀下来。这个逻辑要成立，前提是团队愿意为“记忆”单独付费，而不是把问题留给下一轮模型升级。种子轮能验证团队和方向，但验证不了组织记忆是否真的比文档更难腐烂。
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。