"如果讲互联网，大家想到Google。操作系统，想到微软。我们的长期愿景是，当大家讲到Agent应用的时候，想到的就是词元无限。"

这是词元无限联合创始人兼CEO杨萍、CTO王伟对公司终局的想象。从2025年3月正式启动创业到今天，这家公司用不到一年半的时间，服务了近50家大型客户，乐观预测今年ARR在8000万到1亿元，并放出了一个相当激进的判断：未来8到18个月，国内企业级Coding Agent赛道上，"有可能只有大厂的一两家，加上我们"。

为什么不做To C？"账单算不平"

杨萍2014年从北航计算机视觉专业毕业，先后在英特尔做了4年软件算法工程师，2018年加入字节。2022年起她全力做AI Coding，经历了从内部插件几十人使用到数万人覆盖的全过程——转折点正是2023年中DeepSeek Coder开源后，团队在其基础上叠加代码数据训练，效果跃升，产品迭代后不到3个月用户涨到数万人。

但2024年产品外发、用户量远超内部时，杨萍看到了那张算力账单，得出的结论是：C端Coding的商业模式根本跑不正。

"每一次Query都会产生成本，使用量越大，账单越大。移动互联网时代免费产品可以把投入换成广告收入，但大模型时代，这种成本结构很难非线性地scale。"

她甚至劝投资人"不用再投To C的Vibe Coding项目了，它们一定活得不好"。这个判断如今已被部分印证——市面上大量C端AI Coding工具陷入免费陷阱，订阅收入远覆盖不了推理成本。

所以词元无限从第一天起就All in B端：让Agent进入企业生产系统，交付可运行、可验证、可审计、可维护的结果。

FDE：1个人对接千万级客户的交付模式

词元无限的产品形态以标准产品和私有化部署为主，平台记录所有使用轨迹、模型Token消耗和审计数据，同时照顾三类人——决策者能放心批预算、管理者能看到Agent和人的运行情况、终端用户的使用过程可被追溯。

但真正让这家公司从"卖工具"跨越到"卖数字劳动力"的关键角色，是一个自创的岗位：FDE（Forward Deployed Engineer，前沿部署工程师）。

与传统售前或外包不同，FDE的要求是"懂企业级信息系统+懂AI技术+自己就是AI原生的"——他们带着一堆Agent去客户现场做交付部署和定制开发。一个客单价千万级的银行客户，平均只需投入1到2名FDE，典型情况下1名就够。

FDE的工作不只是传统交付，还包括把客户需求提炼为产品原型带回团队、在现场构建Harness（智能体工程框架），甚至孵化出了公司核心产品之一的Harness Agent。杨萍和王伟的理想是：FDE的终极形态是FDA——FDE as Agent，每做完一个新问题，下一次就尽量交给Agent，团队不靠持续加人重复同样的事。

商业化进展：近50家大客户，金融为主

截至目前，词元无限服务过的客户接近50家，以金融行业（银行、保险、金融软件）为重点，也覆盖移动通信、新制造和国央企。

获客路径方面，以银行为例：技术型售前3个工作日内完成首次沟通和技术演示→第二次进入解决方案细节→第二周FDE进场部署试用→2到3周形成集中报告支撑采购决策→从首次接触到签单典型周期1到2个月。针对中小银行和城商行，典型方案是软硬一体（GPU+集成+Agent产品打包），以应对其对数据安全、等保和私有化的高要求。

合同结构非常灵活：大客户年度签约折算千万元级、按结果持续计费形成一两千万元持续性收入、中小客户几百万元订单、飞书上的按次收费——订阅、按人、按年、按次、按结果，全部在试。

技术内核：自组织 + 自进化的双飞轮

王伟在技术层面提出了两个核心理念：

自组织（Self-Organization）： 多Agent通过算法驱动动态调度编排，在成本、效率、精度等多条件约束下反向推演最优的Agent组合。比如任务准确率95%以上、Token消耗不超过某值、且必须用国产化模型——这种复杂约束下该靠什么Agent组合完成？词元无限正在跟清华、北航做联合研究，试图将这件事从"依赖个人经验"变成可量化、可泛化的能力。

自进化（Self-Evolution）： 两个飞轮并行运转——数据飞轮（客户数据在智能体上持续沉淀）+ Harness飞轮（客户业务发展推动Harness底座迭代）。一旦扎下根，客户会发现这套环境越用越好、越贴合业务，形成竞品短期内难以替代的壁垒。

关于"模型变强后会不会吃掉工程层"的质疑，两人的回答是：水涨船高。 模型覆盖了更多工作，Agent就去拓展模型外延够不到的地方。而且企业永远不会在每个环节都用最强模型——太贵了。在受限条件下找性能平衡点，本身就是一门持续的学问。

行业判断：现在是"拓荒时代，到处都是金矿石"

中国软件行业是10万亿甚至更高的市场空间，如果整个行业都值得被AI改写一遍，王伟认为现在只发生了1%到最多5%。

具身智能是他们正在观察的下一个延伸方向——具身公司内使用大模型最多的场景其实就是AI Coding（写Blender/3D引擎代码做数据采集），而Coding的Harness能力完全可以迁移到"数字世界与物理混合世界"的复杂场景中。

但杨萍也清醒地指出，当前B端最大的误区是把"个人十倍提效"等同于"组织十倍提效"——互联网公司AI Coding覆盖率超90%，但典型团队效率提升40%~50%，放到整个组织水位就降到20%左右。编码快了，上下游没同步改变，整体交付速度不会自然跟上。企业真正需要的是All in One的整套方案，把个人工具的能力转化成组织的结果。

团队底色：29天数亿元天使轮，清华姚班+字节7年

词元无限由杨萍与王伟于2025年共同创立。杨萍北航本硕+字节7年AI Coding实战；王伟清华姚班出身，具备顶尖算法与系统工程能力。公司成立29天内完成数亿元天使轮融资，后续又引入产业方资本，以保持独立团队的灵活性——不绑定任何一朵云或某一个模型，可选的商业模式因此更多。

结语：焦虑与信念并存

王伟坦言自己当下的焦虑有两个：一是模型能力会不会见顶（"不知道终点时焦虑，知道终点时也焦虑"）；二是团队是否始终保持最AI Native的组织形态。

但更大的信念在于，他们相信企业级Coding Agent的商业闭环已经形成——不是靠工具订阅卷价格，而是靠提供真正的数字劳动力。在这条路上，词元无限想做的不只是应用层公司，更希望成为应用层的Infra，最终让"Agent应用=词元无限"成为一个不需要解释的等式。

参考资料：Founder Park与词元无限联合创始人兼CEO杨萍、联合创始人兼CTO王伟的对话实录，经编辑整理。