AI news

前字节技术负责人创业,要做企业级Coding Agent平台,已获数千万元融资

By 智能涌现1 viewsSource: 智能涌现
前字节技术负责人创业,要做企业级Coding Agent平台,已获数千万元融资

企业级场景和Vibe Coding,很大程度是相悖的。 文|邓咏仪 编辑|苏建勋 仅用半年时间,杨萍就目睹了AI Coding赛道有多疯狂。 2024年,Vibe Coding赛道发展如火如荼。Cur

The full text has not been translated yet. The Chinese original is shown below.

仅用半年时间,杨萍就目睹了AI Coding赛道有多疯狂。

2024年,Vibe Coding赛道发展如火如荼。Cursor从2023年的100万美元ARR,暴涨至2024年11月的6500万美元,估值更是在短短四个月内翻了超6倍。

彼时,杨萍正在字节将第一款Coding产品MarsCode推向市场不久。作为技术研发负责人,从2021年开始,她就已经在字节带领百人团队,探索将AI应用在软件领域的应用,打造的产品曾服务字节内部数万研发人员,帮助公司节省亿级别的研发预算。

“那时我们就已经发现,AI在Coding领域的应用潜力很大,并且用户更关心的是能否直接看懂和有效使用。”她对《智能涌现》表示。

但当赛道急剧变化时,杨萍内心产生了强烈的紧迫感。

变化体现在两个维度:一是这些C端Coding产品不仅获得了资本的高估值,收入也在猛涨,证明市场对AI编程工具的真实需求;

二是市场格局正在重构——无论国内还是海外,To C方向的Coding产品,已经插满了先行者的旗帜,但越来越多厂商转向To B市场,企业级需求开始爆发。

这些变化让她意识到,创业时机已经不能再等。2025年7月,杨萍与两位联创正式成立新公司“词元无限”,希望提供面向B端企业的AI Coding Agent服务。

近期,词元无限正式完成了数千万元天使轮融资,投资方为某软件产业CVC。本轮融资由航行资本担任长期财务顾问。

词元无限也吸纳了来自毕业于清华姚班、字节等公司的资深人才。CTO王伟为清华姚班校友,曾任国内知名具身机器人公司与大模型创业公司的技术合伙人。商业化负责人李莹拥有十余年AI产业落地经验,曾在大模型To B领域主导完成了数亿元规模的项目落地。市面上的通用AI编程工具,虽然代码生成速度快,能迅速编写许多小型应用,但在面对企业复杂的遗留系统(Legacy Code)、技术栈和严苛的业务规范时,往往显得水土不服。

比如,一个典型的金融场景案例是:银监会规定开户流程必须包含特定的合规步骤,而通用AI工具可能会根据公开数据自行设计出若干个步骤。这种代码生成得再快,在企业眼中也是不可用的废代码。

为了让Vibe Coding真正进入企业级生产场景,硅谷正在复兴一个经典概念——FDE(Forward Deployed Engineer,前沿部署工程师)。

这一模式由Palantir在2010年提出,目前已经在AI行业掀起招聘热潮,包括OpenAI、Anthropic在内的企业,均宣布将包括FDE在内的应用AI团队,扩大数倍规模。

词元无限希望用AI,打造类似这样的Agent服务——让高水平工程师直接进入客户现场,他们既是技术专家,又是商业顾问,帮助企业将前沿AI技术应用到生产环境中。

前字节技术负责人创业,要做企业级Coding Agent平台,已获数千万元融资 | 智能涌现专访

12月初,词元的核心产品InfCode正式上线了第一个版本,形态为插件+企业级的AI Coding平台。InfCode帮助企业完成代码治理、补全、审查、任务规划等等工作,相当于一个中阶研发工程师。

InfCode通过两层机制解决这一问题:第一层是标准化对接——通过内置的MCP Server连接器,快速集成飞书、企业OA等常见办公系统,使AI能够实时查询企业内部文档和规范;

第二层是个性化适配——针对每家企业独特的微服务架构、内部流程和遗留系统,提供开放接口,由企业IT团队进行轻量级适配。

在实际POC验证中,词元合作目前正在合作的客户案例中,研发效率提升了近40%,AI生成代码的可用率达到88%以上,质量达到中级程序员水平。

更重要的是,词元无限并不关注中间过程的AI准确率,而是直接衡量项目交付的价值——比如人效、项目时间的提升等。

目前,在全球权威智能体评测基准SWE-Bench Verified上,InfCode以79.4%的得分刷新了世界最佳纪录(SOTA),超过公开排行榜上GPT-5、Claude等顶尖模型65%左右的成绩。

在2025年的中国,做To B市场依旧是个不容易的决定。在上一个AI 1.0时代,不少AI公司的发展说明,如果只有单点技术能力,很容易落入无穷无尽的定制化、大项目中。

不过,杨萍认为,AI Coding或许能让To B落地走出一条不一样的道路。

这背后,既有基模发展迅速的原因——2025年,基础模型厂商在Agent能力上的建设上,不遗余力,刚上新的Gemini 3 flash,就已经比数月前的Gemini 2.5 pro能力强上数倍,带来的业务价值是立竿见影的;

二是C端AI产品在迅速普及,比如Cursor、Replit等垂类Coding产品,还有ChatGPT等通用的AI助手,都在让企业研发群体对AI的接受度和付费意愿,远超预期。

杨萍表示,最终Agent的商业模式,会走向以结果为导向的方式(RaaS, Result as a Service),让企业管理者能够清晰计算投资回报率。“C 端产品的普及已经完成了对企业研发人员的市场教育,现在的关键是解决最后一公里的业务理解问题。”杨萍说。

在第一轮融资完成之际,词元无限的几位联创也和《智能涌现》聊了聊,To B AI Coding的痛点、机遇都在何处。

以上为访谈原文,经《智能涌现》编辑整理:

企业级场景和Vibe Coding,很大程度是相悖的

《智能涌现》:咱们从创业的起点开始聊吧,一开始你是在字节做Coding产品,再到创业,整个过程背后是怎么考虑的?

杨萍:2018年到2024年,我在字节主要负责智能化和软件工程相关的工作。在大语言模型爆火之前,我们已经在研究一些深度学习和生成学习模型,但那时候主要还是在学术界做一些探索。

从2021年开始,我和整个团队持续观察、做一些强化学习的相关应用,包括深度学习在代码场景的应用等。

字节内部的AI Coding产品始于22年中,我们相当于完整经历了从0到1的过程。后来我选择在24年8月离开,经过一段时间的学习后,在今年7月创建了词元无限。

《智能涌现》:2024年8月,那会Marscode刚推出不久,离开自己一手带起来的产品,会不会有犹豫?

杨萍:最关键的还是大模型的浪潮下,机会多。人应该在巅峰时期做选择,不应该在落寞的时候做选择。要不然,你觉得你有什么理由去说服别人愿意真金白银投给你?

创业者心态应该是在干得好的时候出来高举高打,这时候恰恰是有经验,也是有自信的。

在我们成立公司之前,Cursor、Replit这些明星公司,基本都在2023年的大半年间,市场表现和估值开始猛涨。

这个事情对我还是有挺大触动的,觉得在大厂,竞争跑得也不一定有外面的快,创业时机很重要。

《智能涌现》:以前你们做的AI Coding产品,是直接面向开发者的,但新公司词元无限选择了面向企业端市场,为什么会选择转变方向?

杨萍:To B和To C在开发者工具上的区别,其实没有传统软件产品的区别那么大。我们强调企业级,更多的是指想要面对的问题域——企业级场景需要规模化的Agent能力,解决软件交付全流程的问题。

举个例子,有很多个人Vibe Coding产品,主打的是一句话能生成一两万行的demo项目。但你可能很难相信,Vibe Coding能给你生成一个1000万行级别的、可以增加营收或者承载核心业务的软件。

我们其实更关注的是这种严肃级的企业级编程的场景,去挑战这种更复杂的规模化问题。

《智能涌现》:用一句话概括,词元无限的产品能做什么?

杨萍:我们是一个聚焦于企业级场景的AI Coding Agent平台。

从底层定义上,我们提供的不只是一个工具,也会提供Agent的平台级能力。这些Agent会深入到企业级软件开发的各个环节,比如在企业级的Coding、Debugging(代码排错)等等,把AI能力深度集成到开发者常用的IDE(开发环节)中。

《智能涌现》:企业级的开发场景里,为什么没法用Vibe Coding产品解决需求,用户痛点是什么?

杨萍:企业开发者最头疼的是在需求、开发、测试、运维等多个平台间频繁切换,这中间有巨大的数据和流程壁垒。比如,在金融、医药这些关键行业,每一次代码改动都要对业务负责。

严肃编程场景,相对来说结果是确定的,对服务稳定性是有要求的,需要按照特定的Context(上下文),来指导用户完成整个Coding过程。

所以本质上,这跟Vibe Coding是相悖的。Vibe Coding产品往往更多依靠基础模型的能力,工程层比较薄。它不完全是你个人意愿的承载,就是你得去理解业务的需求,按业务规范写业务代码,在一定的限制下做项目。

《智能涌现》:能举个例子,说明企业客户实际遇到的困难,以及你们怎么是解决的吗?

王伟:企业开发往往是几十甚至上百人协作,因此产品必须能与企业现有的研发流程自然对接。

比如,开发电商系统的前端页面,如果只使用Vibe Coding,写出来的页面可能跟后端系统逻辑对不上;但我们的AI Coding Agent能连接到多个后端项目,参考相应的代码接口和文档,确保前后代码逻辑一致并且能真正跑通。

Vibe Coding产品在B端场景效果有限,正是因为它们基于这类场景来设计的。

以金融的账户风控逻辑为例, 银监会有明确的政策指导文件,要求开户流程必须检查若干步。如果简单使用Vibe Coding产品去生成,它可能会很“聪明”地帮你设计出很复杂的检查流程,但最终结果货不对板,完全不满足基本的流程要求。

我们的Coding Agent要解决的就是这种依赖复杂、代码量大且关联多的场景。例如企业系统“存量项目”,动辄十几万甚至上百万行的代码仓库,模型的上下文空间肯定是不够的。

这就需要在Agent层面来优化设计, 我们Agent设计了两种机制,内功方面主要是针对受限上下文窗口下的Context优化,包括上下文动态压缩、加载卸载机制,用于解决模型先天局限性,外功方面主要是引入更多的连接,通过mcp等开放协议将企业研发过程中的各类信息(包括文档、外部依赖、数据库等)动态的引入到Agent环境中。这种内外兼修的方式取得了不错的效果。

《智能涌现》:用一个具体的案例,来说明你们的产品是怎么帮助用户解决问题的?

王伟:我们现在有一个典型的合作案例,是跟一家金融上市公司做的。实施分为两步:

第一步是提供标准化产品,重点关注上下文工程(Context Engineering),确保智能体自身的设计能够避免上下文长度不够的问题。

第二步是解决“信息从哪里来”的问题。

这部分信息对接分为两类:一是标准化的,通过内置MCP Server连接器快速集成git仓库、制品管理系统和文档系统等环境,让Agent能精准读取外部信息;

另外一部分是非标的个性化系统,我们开放接口和适配器,客户侧的团队快速集成了他们内部的OA系统。

这两步实施下来,最终实现了又快又好的效果。客户实际测试,与中级开发人员的能力水平基本持平,最终帮客户提升了将近40%的人效。

《智能涌现》:这个40%是怎么算的?怎么定义任务被解决?

王伟:只看最终效果,也就是直接对比人力投入,比如研发周期(人天)。

这些指标一定是跟业务目标直接挂钩的。在整个开发过程中,我们不去拆解中间有多少类型的情况,也不管用 AI 生成后还需要多少人力去修复或者调整。只看这个团队把同样价值的事儿做完,到底节省了多少人力成本。

从企业管理者视角看,最关心的就是这个最终交付的价值,而不是其他的过程指标。

《智能涌现》:那你们的收费模式是怎么样的?

李莹:目前我们正在有在和头部的几家 ISV(独立软件开发商)以及大型终端客户进行协议签署和探索。

针对工具类产品,我们会收取 License(授权)和Agent 订阅费;针对平台类产品,除了收取一些标准费用外,也在考虑分润模式。

从插件到IDE,产品形态不是最核心的问题

《智能涌现》:你们刚刚提到词元无限是解决“严肃编程场景”的问题,这跟Vibe Coding解决的问题,主要区别是什么?

李莹:市面上C端市场大家做的Coding类产品,实际上解决的是轻量化软件的交付能力。而面对一个复杂的企业级业务场景,它其实很难做到更好。

而这恰恰是我们眼中巨大的市场空间,可能看上去是dirty work,这反而成为创业公司的机会。

王伟:资本往往偏好C端Coding产品,因为在大模型时代它像快消品,商业模式简单清晰且容易扩张。但你会发现,越平权的技术,或者越薄的 Agent 产品,往往非常依赖信息差和时间差。

现在的情况是Vibe Coding产品层出不穷,但各领风骚几十天。最终的结果就是Vibe Coding交付物泛滥,最终价值快速衰减甚至接近归零。

我们更想去真正有挑战的地方,要去有复杂度壁垒的地方,比如如何通过Coding Agent来交付一套电商系统。这是我们认为真正价值的场景,也是和C端的根本差异。

《智能涌现》:从产品形态来看,InfCode为什么会选择从插件做起?

杨萍:现在大家习惯使用插件或IDE,但这只是代表这个阶段用户习惯用什么样的产品而已,不是最本质的形态,但我们可以用这种形态去切入市场,减少用户的使用门槛。

我们的IDE还在筹备中,很快就会上线,后续会建立起Coding Agent企业级平台。

Coding工具链其实很长,涵盖了从编辑器、调试、编译到产物管理及上线服务的全过程。我们认为,整个工具链一定会Agent化的。未来我们提供的不再是一个单一工具,其实会更像是一堆Agent的集成平台。

《智能涌现》:词元无限的产品开发过程中,你们大概多少代码会用Agent直接写?

王伟:通用类型代码编写,占比比较高,大约80%左右。Agent核心代码部分大约50%上下。

目前Agent核心部分是使用rust编写的,由于很多功能属于新的设计,目前基模对这类模式没有太多的预训练知识支撑,所以很多时候需要我们自己去摸索和实现。

《智能涌现》:你们刚刚提到企业上下文管理和业务承载能力,这个具体是怎么实现的?因为每家企业的infra都不一样,这个挑战其实挺大的。

杨萍:这里分几类。第一是偏标准的场景,比如说文档管理,不管对接到飞书文档还是企业的OA系统,这其实是有市占率比较高的产品,来提供服务的。

对于这类产品,我们会内置连接器,类似MCP的服务,能够把这些产品快速集成进来。一旦配置完成,我们的Editor在工作时就能直接查到这些信息,服务于整个工作流程,让它工作得更精准。

第二类就是Infra和更底层的服务,这确实是个挑战。因为每家公司的微服务、日志体系、日志等级定义甚至规范都不一样,这些东西永远没办法被文档去穷尽。

我们目前通过提供一整套进程系统,把定义问题和发现问题的能力交给企业自己。我们提供机制,让他们能够把自己的这些非标的Infra接入进来,而不是我们去一家家硬适配。

《智能涌现》:你们现在的产品,可以达到什么级别的研发人员的水平?

杨萍:我们的插件产品,是瞄准初阶程序员或者实习生所能解决的问题的。在代码补全/Debugging这个场景,会进一步面向中阶程序员所能达到的水平。

本质上,我们看的不是只是单纯写代码的那个部分,写代码只占一个研发人员可能30%的时间,研发人员还有其他时间,要收集信息,整理任务规划,我们的产品是会瞄准这个环节的。

过去,研发很难像测试那样量化工作量,但未来我们可以通过Agent来观察。我们很认同红杉提出的 RaaS(Result as a Service)理念,即以结果为服务。

在软件工程领域,这套模式可能会最早实现,因为最终解一定是看你给客户创造了多少实打实的价值。

企业级Coding Agent,还处在卖方市场

《智能涌现》:早期在字节内部做Marscode,其实你经历了从对内提供服务,到对外提供服务的过程。在这个过程中,你有哪些核心的know-how?

杨萍:字节是工程师文化,大家对于技术栈的选择比较自由。所以,沉淀下来的代码资产挖掘起来的难度特别大,所以我们给自己定的ROI,就是不想只做技术,而是要看具体的业务价值。

第二个很重要的发现是,业务方更在意的是你能不能直接讲清楚价值,而不是那些抽象的提效概念。比如说代码删除,我们会直接把算一下能够给服务器资源带来的减少,折算成节省的钱。这对于我们后来看这个赛道非常重要。

《智能涌现》:当时对AI Coding在企业端市场落地,有什么关键判断吗?

王伟:我们认为AI Coding还没有到终局形态。哪怕到现在,这个赛道的高光,也都集中在C端市场。那个时候,我们就觉得B端是空间更大的蓝海市场。

我们过去一年一直在思考:如果这件事情未来一定会有人能做出来,为什么不是我们?所以,这决定了我们哪怕在2025年,也要坚定出来应对这个事,要直接奔着目标去。

《智能涌现》:现在词元无限切入的场景是否有侧重,比如主要侧重Coding部分,还是做debugging(代码补全、修复等)?

李莹:在实践中我们发现,直接满足企业业务需求的周期往往很长,仅仅交付环节就可能需要3到6个月甚至更久。如果要深入前端去理解业务属性,难度其实更大。

我们会分三个阶段去迭代,第一阶段是工具,以轻量化的模式嵌入到企业内部,辅助其完成代码研发交付。从Coding切入,先去理解企业的代码库和知识库,进而看企业的业务系统,这块可能更好落地,离商业化更近。这也是创业公司擅长做的——跑得够快,迭代够快,能更好地支撑服务。

第二阶段,我们会变成工具+平台,目前我们正处于第一和第二阶段混合的阶段。平台本质上是一个连接器:向下连接新一代AI底层的模型能力,向上搭建Agent。它能帮企业更好地理解自身的业务逻辑与属性,构建底层的代码库。

更重要的是,它还能解决企业遗留了一二十年、压根没有梳理过的业务系统,我们管这叫“旧改”——只有先帮企业梳理好这些旧系统,才能支撑更上层的应用,这其实是更大的市场空间。

《智能涌现》:现在阿里、字节、百度这些大厂都在做Coding Agent,包括Cursor这样的垂类厂商,也在做企业版。你们怎么看待这些竞争?

杨萍:头部企业的布局未必意味着市场的终局。

首先,头部厂商的策略往往高举高打,国内早期Coding产品,比较多聚焦在C端用户运营,例如字节、百度等企业的初期动作。真正具备To B属性的产品,例如Qoder,直至今年下半年才陆续出现。

其次,许多大厂布局Coding Agent的根本动机,很多并不在于工具本身的产品价值。更多是作为云服务与模型业务的入口策略——比如说,会用极低定价甚至“买云送工具”的方式来牵引客户。这种模式虽然可以快速获客,但是难以真正沉下心,来构建扎实的产品能力与生态体系。

现在,端到端的AI编程尚未形成明确的市场标准与行业共识,我们认为这是一个关键的时间窗口,必须要加速确立标准,深度打通企业级的研发流程。

《智能涌现》:所以你们觉得,AI Coding领域的最终态会长什么样?

王伟:如果我们把时间维度拉长一点,AI Coding会逐步从单体工具,进化到人机协作模式,最终会演变为程序员群体本身。这种模式意味着现在的生产力主体和组织就变了。

如何加速这个变化的到来,并实现组织的快速升级转型。这是我们认为这个事情真正的意义。

《智能涌现》:现在投资人最challenge你们的是哪一点?是技术能力、商业化路径还是竞争压力?

杨萍:商业化。

《智能涌现》:上一代AI 1.0时代,很多AI和SaaS公司很多都沦为做大项目、重交付却不赚钱的境地,做AI Coding,怎么避免走这条老路?

杨萍:传统SaaS,更多是用标准化模块来固化解决问题的流程,本质还是单点工具价值。但AI Coding的核心价值是通过N个动态能力,组合在一起解决企业复杂问题。这是在推动业务从流程执行,走向智能决策与生成,商业定价也会和以前不一样。

王伟:我的观点会更乐观一点。快则两三年,慢则三五年,所谓的“定制化”都会变得唾手可得。

AI Coding 与以前的 AI 模式最大的区别在于,它本质上是在创造一种由AI驱动的数字劳动力,规模化扩展、个性化方案与低实施成本的不可能三角,在AI Coding的背景下获得了新的可能性。

在我们的规划里,未来会产生一种新的组织形态——“ISV Agent”(基于Agent作为生产力的独立软件开发商)。

生产模式类似ISV,但核心在于其管理的生产力对象和机制不同——不再是大量的人力,而是由人类直接管理大量的高效Agent员工。Agent能力高低,直接决定新组织形态的生产效率。

《智能涌现》:意思是说现在Agent的供给还偏少,所以企业其实愿意为提供Agent管理服务的厂商付费。

王伟:一是,产品需要能提供足够的价值,如果我们的产品创造的价值不够厚,客户会要求我们做适配,进而失去议价权和竞争优势。

二是,技术会逐步平权,如果三五年后大量对手涌进来,同质化竞争,那客户自然会拿到更多的话语权,这是市场博弈的结果。

所以,创业的时机很重要。现在To B的AI Coding产品还没有形成市场标准和供需平衡,但又有巨大的商业价值,市场是存在红利的。

文章来自于微信公众号 “智能涌现”,作者 “智能涌现”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)