当一家银行的在线交易系统在促销峰值期大面积报错，传统的灾备方案通常是把业务整体切换到异地冷备中心，恢复时间以小时计。在这段窗口期里，每一秒都意味着交易流失和监管合规风险。今天，这条路径正在被重写——不再依赖人工判断和手动切换，而是由AI智能体完成从故障发现、根因定位到自动修复的全链路闭环。这不再是理论推演，而是一个正在被资本定价的现实赛道。
北京同创永益科技发展有限公司（下称“同创永益”）近日完成近亿元人民币股权融资，投资方包括深圳市龙岗区引导基金投资有限公司、中关村智慧能源产业联盟旗下的智源资本以及老股东东方鹏睿基金。这家长期聚焦在数字韧性领域的公司，正在将AI原生架构嵌入灾难恢复、业务连续性、IT应急管理等传统企业级场景，试图完成一次从被动响应到主动自治的系统性技术跃进。在信创与大安全产业的交汇点上，同创永益正试图用AI重写数字韧性的底层逻辑，而资本的注入，意味着这个长期被视为后台保障的领域，正在被推向技术投资的前台。
| 公司 | 北京同创永益科技发展有限公司 |
| 轮次 | 未披露 |
| 金额 | 近亿元人民币 |
| 投资方 | 深圳市龙岗区引导基金投资有限公司 |
| 智源资本 | |
| 东方鹏睿基金 | |
| 总部 | 北京 |
| 创始人 | 未披露 |
| 官网 | https://www.hatech.com.cn/ |
SRE Agent：一场发生在IT运维底层的无人化实验
同创永益本轮最核心的技术武器，是国内首个获得中国信通院认证的“SRE Agent”多智能体系统。这套系统直接对标的是美国AI韧性初创公司Resolve AI，后者最新估值已达到15亿美元。两家公司试图解决同一个根本问题：让站点可靠性工程（SRE）从重度依赖经验专家的人肉模式，转向无人化自治。这种转向的产业背景是，随着企业IT系统从传统的集中式架构向云原生、分布式和信创环境演进，系统的复杂性呈指数级上升，传统依靠运维专家手工排障的模式已经触及天花板，故障平均修复时间（MTTR）的压缩遇到了生物学意义上的极限。
具体到技术实现层面，SRE Agent基于积累多年的百万级IT基础设施故障库和知识图谱运行，通过多Agent自主协同，公司宣称可大幅缩短MTTR，实现“故障发现—根因诊断—自动修复”的全链路无人化闭环。公司对这一技术路线的完整叙事是：赋予数字系统“自感知、自诊断、自愈合”的智能生命力，从而构建一个全自治数字韧性体系。
这并非一套可以轻易落地的轻量级工具。百万级故障库的构建本身就是一个极高壁垒的工程，它不是靠爬取公开Bug数据库就能拼凑出来的。一个具备真正生产环境价值的故障库，需要长期深度服务金融、运营商等关键信息基础设施行业的客户，在无数次真实故障处置、应急演练和混沌工程实验中反复积累和沉淀，才能形成足够丰富、带标注且经过实战检验的高质量案例。一个通用的大语言模型或AI Agent如果缺乏这些垂直场景的高质量故障数据做精调，在面对生产环境里复杂的级联故障、无声故障和间歇性故障时，极大概率会因为缺乏上下文而产生误判，进而引发自动化操作的次生灾害，造成比原始故障更大面积的业务瘫痪。这正是同创永益作为一个在该领域深耕多年的厂商，所拥有的时间筑起的护城河。
但需要冷静看待的是，“全链路无人化闭环”是公司定义的技术愿景上限，而非当前在所有部署场景下都能稳定达成的标准能力。在高度复杂的异构IT环境中，尤其是混合了x86架构老系统、信创ARM架构新系统、不同的虚拟化层和自研中间件的生产环境里，AI智能体能否在极少人工干预甚至零干预的条件下，自主处理那些从未被录入故障库的长尾、低频但高破坏力的故障，仍然是一个需要被持续验证的核心假设。特别值得关注的是信创环境，在这个场景下，国产芯片、操作系统和数据库之间的兼容性缺陷、性能抖动和未文档化的隐性约束，本身就是一大类常见的故障源，且其根因往往深嵌在底层软硬件栈的固件或驱动层级。AI能否自动修复这些根植于基础软件的缺陷，远未到可以下定论的时候。即便是在理想环境中实现了高比例的自动修复，从“高比例”到客户业务连续性SLA所要求的“绝对可靠”之间，还有一条需要漫长信任建设才能跨越的鸿沟。
把灾备冷数据变成AI训练燃料，产业链的复杂度被低估了吗
此轮融资所披露的商业布局中，最值得深入拆解的叙事，并非SRE的智能化本身——AI赋能运维在产业方向上是共识，而是同创永益联合华为等企业共同推进的“先进存力中心”建设与DRaaS（灾备即服务）的横向扩展方案。这套方案试图解开一个长期困扰企业IT预算制定者的死结：灾备中心存的全是“静态冷数据”，是财务报表上纯粹的沉没成本，只有在发生极小概率的大规模灾难时才会被触发启用。在绝大多数时间里，这些数据占据着昂贵的存储介质、消耗着机房电力，却几乎不产生任何业务价值。
同创永益提出的新逻辑，从根本上改变了灾备数据的定义。其方案是在保障数据可恢复性和业务连续性的技术底线基础上，在灾备环境中引入数据治理、数据标注与数据开发能力，将这些沉睡在异地灾备中心的数据精炼为垂直行业的高质量AI训练数据集。这些数据一旦经过脱敏、清洗和标注，就具备了可流通、可交易、可用于模型训练的属性，再通过规范的数据流通交易机制实现资产化变现，甚至与数据提供方客户共享收益。由此，公司宣称实现了灾备中心从纯粹的“成本中心”变成一个可以持续产生收入的“资产中心”的跨越。
把灾备数据用于AI训练，在产业逻辑上确实成立。很多关键行业在灾备端保存着大量高质量、高密度、长时序的系统运行数据和业务日志，这些数据本身就是训练预测性维护、异常检测和根因分析AI模型的上等燃料。从数据要素化的宏观政策导向来看，盘活这部分沉默数据资产也符合国家战略方向。但把这一愿景嵌入真实的产业约束和法律框架来看，至少需要跨越好几道硬性门槛。
首先，数据合规与产权界定是第一道红线。金融、能源、政务等行业的灾备数据包含大量敏感客户信息、交易细节和关键基础设施运行参数，在现行《数据安全法》《个人信息保护法》以及行业垂直监管框架下，这些数据即使经过脱敏和标注处理，其原始权属、衍生数据产权以及能否合法合规地进入数据交易市场进行跨主体流通，都需要极为审慎且可能漫长的一事一议的合规论证。其次，数据治理与标注的经济成本极高，并且在短期内难以被数据交易的潜在收益覆盖。灾备数据往往是海量的非结构化日志、时序指标和报文，信噪比极低，要将其精炼为达到AI训练可用标准的结构化数据集，意味着持续投入巨大的算力和高度专业的数据工程人力。谁为这笔前期成本埋单，未来数据交易的收益如何在存储中心运营方、软件提供商和原始数据所属客户之间进行分配，这些在当前的公开信息中完全没有可参考的答案。
再者，先进存力中心的建设本身也是一个重资产、长周期的系统工程，涉及异构存储硬件、高通量网络架构和全栈软件平台的高度协同。同创永益在其中扮演软件与韧性方案提供商的核心角色，但整个产业链条的推动速度和交付节奏，并不完全取决于它自身的技术成熟度，还取决于华为等基础设施合作伙伴的产品路线图、以及最终行业客户的预算释放节奏和采购决策链。把灾备从成本中心转变为资产中心这一宏大叙事，在商业化落地的节奏和跨组织协调难度上，远比SRE Agent的AI化要面临更多不可控的外部变量，且初期很可能只能在局部政策试点或个别开放度较高的行业客户中缓慢展开。
韧性Token工厂的订阅化企图，以及收入结构的隐秘转向
另一个值得从商业模式角度拆解的动作，是同创永益联合互联网大厂共建“韧性Token工厂”。这套模式将多年沉淀的企业级韧性能力与弹性算力相结合，封装为可按需采购、按量计费的标准化服务单元（即Token）。其拓展目标直指那些对数字韧性有真实需求但预算有限、无法承担全套私有化部署成本的中小客户，试图用极低的边际成本服务一个更庞大的客户基数。
Token工厂本身不是一个技术名词，而是一个强烈的商业模式信号。Token工厂的核心商业意图，是把核心韧性能力从厚重的项目交付中解耦出来，拆分为标准化的能力积木，由中小客户通过互联网大厂的云市场或平台按需调用，按API调用次数或演练场景数量付费。这背后藏着的，是一次由管理层主动推动的收入结构转向：从一次性的、低频率的大型项目交付，转向高频、高黏性、可预测的订阅和用量计费模式。对于一家正在寻求规模化增长和更高估值倍数的软件公司而言，经常性收入（ARR）的占比直接决定了市场给予其的估值锚点。如果Token工厂能够跑通并形成可观的年度经常性收入，同创永益面向资本的叙事将更接近一家高毛利的AI SaaS公司，而非重服务的传统项目制软件集成商。
但Token工厂的规模化分发和商业兑现同样面临严苛的现实条件制约。中小客户的业务体量决定了其对数字韧性服务的付费意愿和绝对付费能力，天然低于金融级关键基础设施客户。他们可能更倾向于接受一定程度的业务中断风险，而不是为极低概率的极端故障做预防性投入。互联网大厂作为联合共建方和渠道分发方，在流量、触达和技术底座上拥有绝对优势，但其核心商业诉求可能是拉通自身云服务生态，并引导客户使用其底层资源，并不一定与同创永益构建独立韧性中台的利益完全对齐。Token工厂的定价权归属、客户数据归属、以及增量利润的分成机制，这些决定合作能否长期稳固的商业细节，在所有已公开材料中均处于未披露状态，而这恰恰是影响该商业模式能否健康运行的关键所在。
国资引导与产业资本的组合，透露了什么样的信号
本轮融资的投资方组合，释放的结构性信号值得拆解。深圳市龙岗区引导基金代表的是地方国有资本的意志，这类资金的投资逻辑通常并非单纯追求财务回报，其核心考量维度包括被投企业是否符合信创、大安全、数据要素等国家战略方向，以及是否具备带动当地相关产业集群、形成数字产业生态的能力。智源资本则背靠中关村智慧能源产业联盟，带有浓厚的产业投资平台属性，其入局意味着数字韧性技术正在被纳入能源等更广泛的关键基础设施安全考量范畴，不再仅仅被视为金融和电信行业的专属需求。老股东东方鹏睿基金的持续跟投，则构成对公司既有增长路径、管理团队执行力和产业方向的二次确认，在信号意义上消除了“老股东借新融资退出”的负面疑虑。
“国资引导基金加产业资本”这一组合，往往指向的是标的公司处于一个需要政策支持、标准制定话语权和跨行业产业链协同才能进一步打开增长天花板的发展阶段。数字韧性赛道天然处于“大安全”体系的内涵之中——它不是传统意义上检测和阻断攻击的网络安全防火墙，而是保证关键数字化系统在任何极端压力场景下都能持续运行、保证业务不中断的系统工程。在信创工程从党政机关向金融、能源、交通等关键行业加速深入推进的大背景下，这些行业对灾备、业务连续性和应急管理的韧性需求，正在从“锦上添花”的可选项变成“不可或缺”的合规性必选项，这为同创永益提供了长期的政策面确定性。但政策红利是一把典型的双刃剑：一旦一个赛道被政策明确为确定性的增量市场，更多的跨界竞争者，包括从网络安全、云平台和系统集成领域涌入的玩家，将不可逆地加剧价格、资质和人才三个维度的竞争。
对标Resolve AI的宏大叙事，与自身造血能力之间的张力
在SRE Agent这条核心产品线上，同创永益直接将自身与估值15亿美元的美国公司Resolve AI进行对标。这一定位在品牌传播和融资叙事上具有极强的冲击力，它为投资人提供了一个在海外已被部分验证的正向参照系，但也因此暗藏逻辑上的脆弱性。
Resolve AI聚焦于AI驱动的自动化运维领域，其技术路径和商业模式建立在北美和欧洲跨国企业高度标准化的云原生基础设施、成熟的SaaS采购文化以及客户对AI Agent决策相对开放的信任基础之上。其最新估值在很大程度上是对全球企业客户的付费意愿、ARR增速以及对“AI for IT Operations”这条赛道未来市场规模的乐观预期叠加后的结果。同创永益虽然获得了中国信通院的官方认证，但这一定位更偏向向中国资本市场展示自身具备与国际前沿技术路线对齐的想象力和技术视野，而非建立在可比的成交数据之上的估值锚定。
两者所面临的客户环境截然不同。Resolve AI切入的是一个相对同质化的、以标准化公有云为主的运维市场。同创永益的主场则在中国，这里的客户IT系统异构性极强、信创软硬件兼容性问题突出、私有化部署和定制集成仍然是绝对主流交付模式，客户对AI自动执行关键变更操作的信任建立周期更长。将两者的估值逻辑进行直接对标，目前缺乏公开可查的共同市场成交数据或已披露的可比订单指标作为有效支撑，两者处于不同的市场发育阶段和客户文化语境之中。
而从已披露的融资规模和资金用途倒推，近亿元人民币的总盘子在当前AI大模型推理和高阶多智能体系统研发的军备竞赛中并不算宽裕。本轮资金被明确指定用于“巩固AI数字韧性赛道布局”，这意味着相当比例将投入到大模型能力迭代、多智能体协同系统优化、以及与华为和互联网大厂的生态合作建设等方向。如果SRE Agent的商业化速度不及预期，未能及时转化成规模化的付费订单，而公司又需要按战略承诺在先进存力中心等更重、更依赖长周期政府和企业采购流程的项目上持续投入现金，则整体资金面的回旋余地将在未来几个财季逐步收窄。由此带来的一个待观察问题是：公司的自我造血能力和现有业务的经营性现金流，能否支撑起如此多条并行的战略研发和生态建设管线。
当灾备中心变成数据金矿，需要回答的最后一个问题
同创永益的本轮融资，在传统灾备和业务连续性管理（BCM）的成熟叙事框架之外，开辟了一个更具资产想象力的新象限——灾备数据资产化与数据要素变现。如果这条路径能够真实跑通并实现规模化的、可复制的商业闭环，它将触发两个深刻层面上的价值重估：一是同创永益自身的商业身份可能从单一的软件产品厂商，进化成数据资产的联合运营商和数据服务生态的组织者；二是整个灾备产业链的成本结构和客户价值主张将被根本性重构——企业做灾备不再只是为了应对小概率灾难而进行纯粹的防御性投入，而可能同时变成一种面向AI时代的数据资产投资。
但目前这条突破性路径仍然布满需要被逐个验证的待验假设。冷数据精炼为AI数据集的合规路径是否具有行业可复制性，跨行业的数据分类分级标准和交易流通规则能否在短期内建立实质性的市场共识而非仅停留在文件层面，各级客户尤其是保守的金融机构和涉密单位对开放灾备数据进行外部变现的真实接受意愿和风险容忍度究竟如何——这些问题在现阶段都没有现成答案。公司所描绘的“从成本中心到资产中心的跨越”，在当前的公开材料和技术演示中，其性质仍然是一个指向未来的方向性蓝图，距离确定性、规模化的落地部署和产生可度量的财务贡献，中间还有一段遍布合规、技术和商业博弈变量的漫长道路。
本轮融资的投资方显然用资金表达了对这个蓝图可实现性的左侧下注。但在一个技术迭代与监管演变交织、软件层与硬件层高度耦合、客户决策链冗长且涉及多部门利益的深水区，蓝图能否穿越现实的层层滤网而不严重失真，将成本投入高效转化为客户价值，将是同创永益在接下来必须用产品和订单交出实证的核心命题。故事的终局，不取决于故事本身的宏大程度，而取决于它在每一个具体的客户环境中被落地的精细程度。
RecodeX 极客视：数字韧性赛道正在被AI重写脚本，但最激进的叙事与最沉重的产业惯性之间的缝隙从未弥合。同创永益试图用SRE Agent把数十年积累的运维认知装进一套自主运行的AI系统，又用先进存力中心的概念把沉没的灾备包袱重新定义成待开采的数据资产，本质上是在同时挑战两个根深蒂固的行业公理——IT系统在最危急时刻的最终决策必须由资深人类专家兜底，以及灾备投入在财务上永远是只能做减法不能做加法的成本项。技术想象力本身值得尊重和严肃关注，但当冷数据变现这条长链条上横亘着数据合规的安全红线、数据治理的前期投入黑洞与保守客户难以跨越的信任鸿沟时，蓝图与已实现之间依然横亘着宽阔的、需被事实一步步填平的地带。这之间的距离，就是一家公司在高光融资后最真实的风险敞口。
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。