当企业习惯了租用智能，谁来帮助它们真正拥有智能？成立仅三个月的非与智能（Firmior AI），试图用一套贯通算力底座、推理操作系统与企业智能体的全栈私有化平台回答这个问题，并已在资本市场和真实客户处获得初步验证。

10月初消息，企业智能体平台公司非与智能披露，公司成立仅三个月，已连续完成种子轮与天使轮融资，累计金额超千万美元。其中，天使轮由锦秋基金与香港高才创业投资基金共同领投，种子轮则吸引了来自全球多个重要行业的领军人物以个人身份参与投资，并出任公司战略顾问。

公司成立首个季度，即获得企业客户付费采购全套企业智能体平台，据悉，该客户在实际使用一个月后追加采购。随着产品进入真实研发流程，智能体日均Token调用量在两个月内增至原来的5倍，连续30天区间活跃率达92.5%。公司方面说明，上述数据来自单一客户的采购与使用统计。首单、增购与持续活跃的使用数据，成为这家初创公司产品方向的早期验证。

从聊天到干活

非与智能正在构建全栈私有化企业智能体平台，贯通智能算力底座、推理操作系统与企业智能体三层架构。

底层通过模型部署、推理优化、异构算力适配，以及FEAS（Firmior Enterprise Agentic Server，面向企业智能体推理与运行的一体化服务器系统）提升专属算力的性能与成本效率。中间层Firmior OS承载企业记忆、知识技能、工作流、模型编排与安全治理。应用层则由三款产品切入真实岗位：Firmior Code从软件研发任务切入，Firmior Work拓展知识工作场景，Firmior Expert面向企业高管与核心岗位，聚焦数字员工能力。公司方面介绍，平台主要面向金融、能源、先进制造、政府与央国企、软件与专业服务等行业。

企业AI的竞争重心正在从模型能力转向系统能力。一次看似简单的智能体任务，往往要经历任务拆解、多轮推理、工具调用、模型切换与反复校验。Gartner在2026年8月指出，与基础聊天机器人交互相比，将任务交给具备推理能力的智能体时，模型服务商承担的推理成本至少为前者的五倍，复杂任务的差距可能更大。链路越长，性能、可靠性与成本越会相互牵动，这也正是非与智能选择全栈协同的原因。

让企业掌握主权

非与智能所强调的“主权”，指企业拥有模型选择权，划定数据边界，掌握自己的知识与工作流，自主规划算力与运行成本，获得Token使用的自主权。企业可以灵活引入业界最新的模型与技术，同时掌握关键环节的选择权和控制权，而不必从头训练基础模型或自建整套系统。部署方式上，企业可依据既有基础设施和数据边界，选择一体化服务器、客户自有数据中心、私有云或专属VPC。

前SAP首席营收官及全球执行董事会成员罗旭凯（Scott Russell）担任公司顾问，为国际市场策略提供指导。他指出：“企业不应在采用先进AI与掌握自身业务能力之间做选择。随着AI融入日常运营，信任、灵活性以及清晰的业务价值实现路径，将与模型性能同样重要。”

柳钢和他的团队

非与智能总部位于深圳前海与香港。创始人兼CEO柳钢（Leo）曾在SAP、Oracle、微软等全球科技企业担任重要管理职务，对企业科技的产品逻辑与全球市场有深入理解。此后，他加入商汤科技，担任集团首位副总裁及商业化全盘负责人，推动AI技术从实验室走向规模化商业经营，并带领集团营收提升至超15亿元，在商汤赴港上市的过程中发挥了重要作用。过去三年，他作为全球软件工程平台GitLab中国合资公司的CEO、董事，深入代码平台与软件工程，领导组织与技术产品的AI转型。以柳钢为核心，公司汇聚了智能计算、推理优化、智能体工程、专业GTM与企业交付等领域的人才。

核心团队成员此前分布于国家级AI实验室、头部人工智能公司、代码与基础软件平台，以及高校和产业研究机构，经验覆盖智能计算平台、异构计算、模型系统与推理优化，也深入智能体工程、安全治理和大型企业交付。公司的长期目标是为全球十万家先进企业打造全栈私有化智能体平台。

全栈路线的挑战

商业模式与产品架构相对应：智能体应用按席位年度订阅，Firmior OS作为共享平台层一次性收费、按部署规模计费，FEAS服务器按硬件选型单独报价，三层按需组合。

不过，这条路线面临的挑战同样明确。企业私有化项目容易演变为”一客一项目”的重交付模式，每个客户都可能带来新的系统集成、数据治理与运维要求。全栈布局也可能拉长研发战线。柳钢表示系统接入会因企业而异，平台不能因此每次从零开始。Firmior OS 承载的企业记忆、知识技能、工作流、模型编排与安全治理，会形成能够跨任务复用的共同能力，客户特有的环境与流程则在清晰边界内适配。非与智能会通过标准化的平台能力和可适配的交付方案，把客户特有需求控制在明确边界内。随着客户群体扩大、连接与实施经验积累，新客户接入和升级会更加高效，运维投入也会更可控。

首批客户的付费采购、使用后的增购与持续增长的调用量，让这套全栈能力在真实场景中得到了初步验证。而在企业AI市场，模型厂商、云厂商、传统企业软件公司、Agent平台与系统集成商都在向相邻层扩张。对非与智能来说，初步验证只是起点，把全栈交付做成可复制的规模化能力，才是它下一阶段的任务。