词元无限一年融三轮数亿元，字节清华背景团队瞄准企业级AI Agent基础设施
2026/07/30 14:10阅读量 7
成立刚满一年的词元无限（Tokens Infinity AI）连续完成三轮融资，总金额数亿元，最新一轮由临芯投资领投、华控基金跟投。公司由前字节跳动AI Coding负责人杨萍和清华姚班首批学生王伟联合创立，定位为企业软件工程提供可治理、可审计的AI Agent基础设施，核心产品包括InfCode数字程序员、InfTest数字测试工程师、DeepMap系统理解等，并首创“结果即服务”商业模式，目标是让团队整体研发提效2倍以上。
事件概述
词元无限（Tokens Infinity AI）成立刚满一年，连续完成三轮融资，总金额数亿元。最新一轮由临芯投资领投，华控基金继续加码。公司核心团队来自字节跳动和清华姚班：CEO杨萍曾主导字节MarsCode和Trae产品，负责数万人研发体系的AI化改造；CTO王伟为清华计算机系姚班首批学生，有外企和机器人公司首席架构师背景。公司定位为面向企业软件工程的AI Agent基础设施，专注“结果即服务”，而非售卖工具或API调用。
核心信息
- 融资与资方：一年三轮，临芯投资（新进）、华控基金（追加），金额达数亿元。
- 产品矩阵：三层金字塔结构——
- 底层：具体Agent。InfCode（数字程序员）负责存量代码理解、任务拆解、代码生成与评审；InfTest（数字测试工程师）负责测试用例生成与质量门禁，两者形成“生成-测试-对抗”闭环。
- 中层：工程理解与能力沉淀。DeepMap将存量代码仓转化为结构化知识图谱；HarnessAgent将流程、规范沉淀为可复用约束；CodeReview进行代码质量校验。
- 上层：模型与Token治理。TokenHub实现模型路由和成本优化，可将代码生成Token成本降低25%以上；InfOne作为数字负责人，调度协同各类Agent角色。
- 核心原则：全自主（模型中立、私有化部署、数据主权）、高安全（权限/数据/能力边界管控、可审计）、自进化（Agent在真实任务中持续积累企业工程知识）。
- 商业模式：结果即服务（Result-as-a-Service），企业按交付结果而非API调用或Token消耗付费。目标是将百人以上研发团队的整体提效从约60%提升至2-4倍。
- 竞争力分析：基于Transformer白盒分析，区分“可能被模型突破”和“短期难以突破”的能力，聚焦多模型协同、上下文治理等模型厂商难以复制的领域。
值得关注
词元无限不将自己定位为AI Coding工具公司，而是以Coding和Testing为入口，最终构建Agentic软件智能生产线。其“AI Native FDE”模式（前置部署工程师）用Agent辅助现场交付，沉淀行业模板，形成“企业Harness飞轮”——客户数据不出场，但脱敏后的工程经验可跨客户复用。这一模式试图破解中国SaaS“单点工具天花板低、整套平台易陷入定制化”的长期困境。资方认为，2026年将是AI从对话工具转向生产力引擎的拐点，而词元无限在金融、制造等场景的私有化落地能力是关键。