文 | 新质动能

北京又跑出了一家AI Agent独角兽苗子。

2026年7月27日，北京企业级AI Agent基础设施服务商“词元无限”宣布，完成天使++轮融资，由临芯投资领投，华控基金跟投。这是词元无限一个月内拿下的第二笔融资。

今年1月和6月，词元无限已先后完成天使轮、天使+轮融资，三轮加起来，累计融资额已达数亿元。

更引人注目的是，这家公司创立至今才刚满一年。一年三轮融资、间隔越来越短，背后是这家公司在企业级AI编程赛道跑出的一份亮眼成绩单。

2025年12月，词元无限自研的编程智能体InfCode在软件工程评测基准Multi-SWE-bench的Java榜单上登顶；在另一项被称为“AI编程图灵测试”的SWE-Bench Verified榜单上，InfCode更是拿下79.4%的Pass@1得分，超过了GPT-5、Claude等主流大模型。

一家成立仅一年的公司，为什么能让资本连续下注、又为什么在编程能力测评上压过大厂模型一头？

一、字节老将带队，一年三轮融资

词元无限成立于2025年7月，总部位于北京海淀，做的是企业级AI Agent基础设施。通俗来讲，它做的不是给个人开发者用的编程助手，而是给企业搭建一整套能进入生产系统、理解海量历史代码、通过安全审计的AI研发体系。

这个市场跟C端AI编程工具（比如Cursor）完全是两条赛道：C端拼的是几十到几百元一个月的订阅费，企业级拼的是能不能嵌进客户的生产流程，一签就是千万级的订单。

资本连续下注的背后，是市场对企业级AI Agent方向正在升温的判断。

词元无限刚成立时，投资方是某软件产业CVC，航行资本担任财务顾问；今年6月天使+轮融资，由华控基金、水木创投联合领投，厦金创新跟投；到7月的天使++轮，换成临芯投资领投、华控基金继续跟投。

三轮融资金额加总下来达到数亿元。对于这笔资金，公司表示将用于打造“国内首个全自主、高安全、自进化的企业级AI Agent基础设施平台”，并加强与清华大学、北京航空航天大学等高校的联合研究。

能在一年内实现这样的融资节奏，跟核心团队的背景关系很大。

公司联合创始人兼CEO杨萍，此前在字节跳动担任AI技术负责人，主导创立了字节首个软件工程实验室，她研发的多智能体测试系统被应用在字节多条核心产品线上，从零孵化的内部AI Coding产品也全面覆盖了公司研发体系。

用杨萍自己的话说，“如何在超大规模组织中向AI要效能和结果”，是这支团队最深的基因。

联合创始人兼CTO王伟，出身清华大学计算机系姚班，这是清华顶尖的计算机人才培养项目。王伟在加入词元无限之前，曾在国内知名具身机器人公司和大模型创业公司担任技术合伙人，还在2023年创立了大模型开源社区OpenCSG。

负责商业化的联合创始人李莹，有十余年AI产业落地经验，曾主导过多个从0到1的业务孵化，并在大模型To B领域完成过数亿元规模的项目签约与交付。

杨萍曾提到，三位创始人早年就有过合作，后来陆续认识却没意识到彼此的交集，直到2025年常聚在一起聊AI Coding的行业趋势，才慢慢达成了一起创业的共识。

此外，在今年3月，北京航空航天大学计算机学院教授、清华大学人工智能博士袁源加入公司出任首席科学家。袁源师从中国科学院院士张钹，是北航复杂关键软件环境全国重点实验室的核心成员。

这个字节老将+清华姚班+产业老兵的组合，构成了这家公司融资故事的底色，也指向了它接下来要做的事：把技术实力转化成看得见的产品能力。

二、榜单登顶，InfCode凭什么做到？

如果说融资证明了资本对方向的认可，那么InfCode在AI编程评测中的成绩，则是词元无限向市场展示技术能力的一次亮相。

词元无限能在SWE-Bench这类权威榜单上登顶，靠的不是单纯堆参数，而是几个针对企业级场景的具体设计。

SWE-Bench是国际公认最权威的AI编程能力评测基准之一，它不考AI会不会补全一行代码，而是直接甩给AI一个真实的GitHub Issue，可能是一个软件Bug，也可能是一项新功能需求，要求AI自己理解问题、定位代码、修改文件，最后提交一个能通过所有测试的完整修复方案。

2025年12月，词元无限自研的编程智能体InfCode在SWE-Bench Verified榜单上，以79.4%的Pass@1得分刷新全球最佳纪录，把当时公开排行榜上GPT-5、Claude等顶尖模型约65%左右的成绩远远甩在身后；在难度更高的Multi-SWE-Bench的C++子集测试中，InfCode拿下25.58%的解决率，同样大幅领先Claude 3.7 Sonnet的8.59%和DeepSeek V3的7.75%。

要知道，C++这类系统级语言由于要手动管理内存、编译体系复杂，此前行业领先模型在这个子集上的解决率往往不足8%。

这份成绩背后，是InfCode团队在这套流程里做的几个技术改进。

针对传统检索工具在大型代码库里“只认字面、找不到根因”的老毛病，InfCode设计了一套“代码意图分析”机制，让智能体能理解自然语言背后的功能意图，直接定位到真正承载问题逻辑的代码单元，而不是被表面关键词带偏。

同时，团队自研了一套基于抽象语法树（AST）的结构化检索引擎，能精确区分同一个名字在代码里到底是类名、函数名还是变量名，避免传统文本搜索工具常见的“噪声爆炸”问题。

更关键的是一套对抗式双智能体架构：一个负责生成代码补丁的“代码补丁生成器”，一个专门检查漏洞、扩展测试覆盖面的“测试补丁生成器”，两者在闭环里反复较量，倒逼补丁质量在“越测越强、越修越稳”的过程中不断迭代。团队把这套技术方案写成论文发在了arXiv上，公开接受同行检验。

这套方法论，最终也体现在了实际项目里。今年7月的上海人工智能大会上，词元无限展示了与神州数码联合打造的软硬一体解决方案。

据披露的数据，这套方案让神州信息的研发效率提升39%，平均节省工时39.07%，代码可用率达到88.31%，业务交付周期缩短20%以上，而千行代码的缺陷密度与纯人工编写时期基本持平。也就是说，AI写的代码在质量上并没有打折扣。

此外，在某银行核心系统的POC测试中，InfCode生成的代码可用性达到88%以上，节省约40%人天，质量与银行中级工程师相当。目前公司已服务超过十家金融、通信、软件领域的头部客户，年度营收预测破亿。

技术指标漂亮，商业验证也在推进，但这个赛道本身仍处在早期，词元无限接下来要面对的问题，或许比榜单排名更复杂。

三、大厂入局，AI Agent创业窗口还有多久？

对于一家创业公司来说，登上榜单只是开始。

AI编程真正的竞争，并不只发生在测试环境里，而是在企业真实的研发流程中。对于企业客户而言，AI能否解决几个代码问题并不是唯一标准，更重要的是，它能否进入核心业务系统，保证数据安全，并长期稳定运行。

这也是词元无限选择企业级AI Agent方向的重要原因。

随着AI Agent逐渐进入生产环境，企业对于安全性的要求正在提高。今年7月8日，工信部发布风险提示，指出AI编程工具Claude Code存在安全隐患，阿里巴巴随后宣布内部全面禁用；紧接着，Grok Build CLI又被曝出在用户不知情的情况下将整个代码仓库打包上传至云端。

这些事件让企业看到，AI Agent和传统聊天机器人最大的区别在于，它不只是提供建议，而是能够自主调用工具、修改代码、执行任务。一旦权限管理和数据保护不到位，风险也会从“回答错误”升级为代码泄露、系统异常甚至业务中断。

因此，词元无限一直强调“全自主、高安全”的企业级AI Agent基础设施路线。相比面向个人用户的云端工具，公司希望将AI能力部署到企业自身环境中，让代码和数据留在企业内部，同时通过权限控制和审计机制降低使用风险。

不过，从赛道竞争的角度看，词元无限目前的优势更多来自先发优势和团队背景，而这并非不可复制的护城河。

目前，AI编程赛道正在吸引越来越多玩家进入。字节的Trae、阿里的通义灵码、腾讯的CodeBuddy等大厂产品，都已经在AI Coding领域展开布局。

对于词元无限这样的创业公司来说，如何在大厂拥有更强资源、更完整生态的情况下保持优势，将是接下来必须面对的问题。

杨萍曾提到，未来企业的核心竞争力就在数据上，如果依赖公有云AI Coding服务，相当于把企业最重要的数据资产交给外部平台。这也是词元无限没有选择与大厂竞争C端用户，而是将重点放在企业级复杂场景上的原因。

据Gartner预测，到2035年，代理型AI可能驱动约30%的企业应用软件收入，市场规模超过4500亿美元，这是一块足够大的增量市场，但也意味着竞争会更加激烈。

对词元无限来说，一年三轮融资和评测榜单第一，证明它已经获得了资本和技术层面的认可。但真正决定一家AI Agent公司能走多远的，并不是某一次测试成绩，而是能否把技术能力转化为长期稳定的商业价值。

参考资料：

《累计数亿元！前字节女将创业，一个月拿下两轮融资》，智东西；

《SWE-Bench登顶背后：中国AI Agent的"工程能力"正在被重新定义》，环球网；

《字节前技术负责人创业，联手清华姚班校友，编程智能体世界登顶》，机器之心；

《前字节女将联手姚班大牛，打造AI Coding新势力，拿下数千万融资》，智东西；

《词元无限完成数千万元融资：字节系团队，定义全球企业级Agent基础设施新品类》，Founder Park。