词元无限获数千万元天使轮融资，推出企业级AI编程平台InfCode

文｜邓咏仪

编辑｜苏建勋

短短半年，杨萍便亲身感受到了AI Coding赛道的惊人热度。

2024年，Vibe Coding领域发展迅猛。Cursor的ARR从2023年的100万美元飙升至2024年11月的6500万美元，估值在不到四个月内增长超过六倍。

彼时，杨萍刚将字节的首款Coding产品MarsCode推向市场不久。作为技术研发负责人，自2021年起，她便带领百人团队在字节内部探索AI在软件领域的应用，所打造的产品曾服务公司内部数万名研发人员，助力节省了数亿元的研发预算。

“当时我们就意识到，AI在编程领域的应用潜力巨大，而用户更关注的是能否直接理解并有效使用。”她对《智能涌现》表示。

但随着赛道急剧变化，杨萍内心涌起了强烈的紧迫感。

变化体现在两个维度：一方面，这些面向C端的Coding产品不仅获得了资本市场的高估值，收入也大幅增长，证实了市场对AI编程工具的真实需求；

另一方面，市场格局正在重塑——无论是国内还是海外，To C方向的Coding产品已插满先行者的旗帜，但越来越多厂商开始转向To B市场，企业级需求正迎来爆发。

这些变化让她意识到，创业时机已不容再等。2025年7月，杨萍与两位联创正式成立新公司“词元无限”，旨在为企业客户提供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。 

词元无限还吸纳了毕业于清华姚班、来自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领域主导完成数亿元规模的项目落地。

市面上的通用AI编程工具虽能快速生成代码，迅速编写各类小型应用，但在面对企业复杂的遗留系统、技术栈和严苛的业务规范时，往往难以适应。 

例如，一个典型的金融场景：银监会规定开户流程必须包含特定合规步骤，而通用AI工具可能根据公开数据自行设计出若干步骤。即便代码生成再快，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，硅谷正复兴一个经典概念——FDE（前沿部署工程师）。

这一模式由Palantir于2010年提出，目前已在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打造类似的Agent服务——让高水平工程师直接深入客户现场，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。

InfCode

12月初，词元无限的核心产品InfCode正式上线首个版本，形态为插件+企业级AI编程平台。InfCode助力企业完成代码治理、补全、审查、任务规划等工作，相当于一名中阶研发工程师。

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，词元无限当前合作的客户案例显示，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，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市场依旧是个不易的决定。在上一个AI 1.0时代，不少AI公司的发展表明，若只有单点技术能力，很容易陷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落地走出一条不同的道路。

这背后，既有基模发展迅速的原因——2025年，基础模型厂商在Agent能力上不遗余力，新推出的Gemini 3 flash就比数月前的Gemini 2.5 pro强上数倍，带来的业务价值立竿见影；

二是C端AI产品正迅速普及，如Cursor、Replit等垂类Coding产品，以及ChatGPT等通用AI助手，都让企业研发群体对AI的接受度和付费意愿远超预期。

杨萍表示，最终Agent的商业模式将走向以结果为导向的方式（RaaS, Result as a Service），让企业管理者能清晰计算投资回报率。“C端产品的普及已完成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与《智能涌现》聊了聊To B AI Coding的痛点与机遇。

以下为访谈原文，经《智能涌现》编辑整理：

企业级场景与Vibe Coding，本质上存在较大差异

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

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工作。在大语言模型爆火之前，我们已在研究一些深度学习和生成学习模型，但那时主要还是学术探索。

从2021年起，我和团队持续观察并尝试强化学习相关应用，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2022年中，我们完整经历了从0到1的过程。后来我于2024年8月离开，经过一段时间学习后，在今年7月创立了词元无限。

《智能涌现》：2024年8月，那时Marscode刚推出不久，离开自己一手带起来的产品，是否有所犹豫？

杨萍：最关键的是大模型浪潮下机会众多。人应在巅峰时期做选择，而非落寞时。否则，你凭什么说服别人真金白银投给你？

创业者心态应是干得好时出来高举高打，此时恰恰有经验，也有自信。

在我们成立公司前，Cursor、Replit等明星公司基本在2023年大半年间市场表现和估值开始猛涨。

此事对我触动很大，觉得在大厂，竞争跑得也不一定有外面快，创业时机至关重要。

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

杨萍：To B和To C在开发者工具上的区别，其实没传统软件产品那么大。我们强调企业级，更多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问题。

举个例子，很多个人Vibe Coding产品主打一句话生成一两万行的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、能增加营收或承载核心业务的软件。

我们更关注这种严肃级的企业级编程场景，挑战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：我们是一个聚焦企业级场景的AI Coding Agent平台。

从底层定义上，我们提供的不仅是工具，还有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，如企业级的Coding、Debugging等，将AI能力深度集成到开发者常用的IDE中。

《智能涌现》：企业级开发场景中，为何无法用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、医药等关键行业，每次代码改动都要对业务负责。

严肃编程场景中，结果相对确定，对服务稳定性有要求，需按特定上下文指导用户完成整个Coding过程。

所以本质上，这与Vibe Coding是相悖的。Vibe Coding产品往往更多依赖基础模型能力，工程层较薄。它不完全是你个人意愿的承载，你得理解业务需求，按业务规范写业务代码，在限制下做项目。

《智能涌现》：能举个例子说明企业客户实际遇到的困难，以及你们如何解决的吗？

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研发流程自然对接。

比如开发电商系统的前端页面，若只用Vibe Coding，写出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，参考相应代码接口和文档，确保前后代码逻辑一致并能真正跑通。

Vibe Coding产品在B端场景效果有限，正因它们并非基于此类场景设计。

以金融账户风控逻辑为例，银监会有明确政策指导文件，要求开户流程必须检查若干步。若简单使用Vibe Coding产品生成，它可能会很“聪明”地设计出复杂检查流程，但最终结果货不对板，完全不满足基本流程要求。

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不够。

这就需在Agent层面优化设计。我们的Agent设计了两种机制：内功方面主要针对受限上下文窗口下的上下文优化，包括动态压缩、加载卸载机制，以解决模型先天局限性；外功方面引入更多连接，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）动态引入Agent环境。这种内外兼修的方式取得了不错效果。

《智能涌现》：用一个具体案例说明你们的产品如何帮助用户解决问题？

王伟：我们目前有一个典型合作案例，是与一家金融上市公司做的。实施分两步：

第一步是提供标准化产品，重点关注上下文工程，确保智能体自身设计能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40%是怎么算的？如何定义任务被解决？

王伟：只看最终效果，即直接对比人力投入，比如研发周期（人天）。

这些指标一定与业务目标直接挂钩。在整个开发过程中，我们不拆解中间有多少类型情况，也不管用AI生成后还需多少人力修复或调整。只看这个团队把同样价值的事做完，到底节省了多少人力成本。

从企业管理者视角看，最关心的就是最终交付的价值，而非其他过程指标。

《智能涌现》：那你们的收费模式是怎样的？

李莹：目前我们正在与头部的几家ISV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和Agent订阅费；针对平台类产品，除收取一些标准费用外，也在考虑分润模式。

从插件到IDE，产品形态并非最核心问题

《智能涌现》：你们提到词元无限解决“严肃编程场景”的问题，这与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。而面对复杂的企业级业务场景，它们很难做到更好。

而这正是我们眼中巨大的市场空间，可能看上去是dirty work，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易扩张。但你会发现，越平权的技术，或越薄的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。最终结果就是Vibe Coding交付物泛滥，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。这是我们认为真正有价值的场景，也是与C端的根本差异。

《智能涌现》：从产品形态看，InfCode为何选择从插件做起？

杨萍：现在大家习惯使用插件或IDE，但这只是代表现阶段用户习惯用什么样的产品而已，并非最本质的形态，但我们可以用这种形态切入市场，减少用户使用门槛。

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

Coding工具链其实很长，涵盖从编辑器、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。未来我们提供的不再是单一工具，而更像是一堆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设计，现有基模对此类模式缺乏足够预训练知识支撑，所以很多时候需我们自己摸索和实现。

《智能涌现》：你们提到企业上下文管理和业务承载能力，具体如何实现？因为每家企业的infra都不一样，这个挑战其实挺大。

杨萍：这里分几类。第一是偏标准场景，比如文档管理，无论对接飞书文档还是企业OA系统，这都有市占率较高的产品提供服务。

对于这类产品，我们会内置连接器，类似MCP的服务，能将这些产品快速集成。一旦配置完成，我们的Editor在工作时就能直接查询这些信息，服务于整个工作流程，使其更精准。

第二类是Infra和更底层服务，这确实是挑战。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同，这些东西永远无法被文档穷尽。

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，让他们能将自己的非标Infra接入，而不是我们去一家家硬适配。

《智能涌现》：你们现在的产品能达到什么级别研发人员的水平？

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

本质上，我们看的不仅是单纯写代码的部分，写代码只占研发人员可能30%的时间，研发人员还有时间要收集信息、整理任务规划，我们的产品会瞄准这个环节。

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理念，即以结果为服务。

在软件工程领域，这套模式可能最早实现，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，仍处卖方市场

《智能涌现》：早期在字节内部做Marscode，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。因此，沉淀下来的代码资产挖掘难度特别大，我们给自己定的ROI就是不想只做技术，而是要看具体业务价值。

第二个重要发现是，业务方更在意的是你能不能直接讲清楚价值，而非那些抽象的提效概念。比如代码删除，我们会直接计算能给服务器资源带来的减少，折算成节省的钱。这对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尚未到终局形态。哪怕到现在，这个赛道的高光也都集中在C端市场。那时我们就觉得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，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？

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，仅交付环节就可能需3到6个月甚至更久。若要深入前端理解业务属性，难度更大。

我们会分三个阶段迭代：第一阶段是工具，以轻量化模式嵌入企业内部，辅助完成代码研发交付。从Coding切入，先理解企业的代码库和知识库，进而看企业业务系统，这块可能更好落地，离商业化更近。这也是创业公司擅长的——跑得够快，迭代够快，能更好支撑服务。

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阶段。平台本质上是一个连接器：向下连接新一代AI底层模型能力，向上搭建Agent。它能帮企业更好理解自身业务逻辑与属性，构建底层代码库。

更重要的是，它还能解决企业遗留一二十年、压根未梳理的业务系统，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、百度等大厂都在做Coding Agent，包括Cursor这样的垂类厂商也在做企业版。你们如何看待这些竞争？

杨萍：头部企业的布局未必意味着市场终局。

首先，头部厂商策略往往高举高打，国内早期Coding产品较多聚焦在C端用户运营，如字节、百度等企业的初期动作。真正具备To B属性的产品，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——比如用极低定价甚至“买云送工具”来牵引客户。这种模式虽可快速获客，但难以真正沉下心构建扎实的产品能力与生态体系。

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

《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：若把时间维度拉长，AI Coding会逐步从单体工具进化到人机协作模式，最终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，这是我们认为此事真正的意义。

《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，如何避免走这条老路？

杨萍：传统SaaS更多是用标准化模块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同。

王伟：我的观点会更乐观。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背景下获得了新可能性。

在我们的规划里，未来会产生一种新组织形态——“ISV Agent”。

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——不再是大量人力，而是由人类直接管理大量高效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，所以企业愿意为提供Agent管理服务的厂商付费。

王伟：一是，产品需能提供足够价值，若我们创造的价值不够厚，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，若三五年后大量对手涌入，同质化竞争，客户自然会拿到更多话语权，这是市场博弈的结果。

所以，创业时机很重要。现在To B的AI Coding产品尚未形成市场标准和供需平衡，但又有巨大商业价值，市场存在红利。

封面来源｜AI生成

👇🏻 扫码加入「智涌AI交流群」👇🏻

欢迎交流