10人創業團干翻行業“潛規則”！全員必須會AI、讓跑大模型全程“裸奔”，谷歌老兵不燒錢創業

作者 | 褚杏娟

這波快速發展的 AI 浪潮，吸引了很多人投身創業。根據 Thunderbit 數據，2025 年全球有超過 1 萬家獲得融資的 AI 創業公司，如果把所有“沾 AI 邊”的公司都算上，甚至高達 5 萬多家。

在谷歌、YouTube 等大廠做過技術、管理，同時還有投資經驗的 Bryan Zhou 就是這次 AI 創業浪潮中的一員。

Bryan 前后畢業于上海交通大學、芝加哥大學，他曾是谷歌 AI 系統團隊的創始工程師之一，從 0 到 1 見證了 Google Assistant 用戶量增長到五億的過程，也曾擔任 YouTube 的技術負責人。此外，他還在 AI 和加密領域的有過投資經歷。作為一名連續創業者，他已有一次成功退出經歷，因此，創業對他來說不算陌生。

這一次，以大模型代表的 AI 發展比以往任何技術都要快，這讓程序員出身的 Bryan 敏銳地發覺到了新的契機，而且不同的職業經驗也讓他視角更多元。因此，他決定再次創業。

創始團隊組建得非常快，從決定創業到公司正式運作大概就用了三個月的時間。

這主要得益于創始團隊成員早就熟知彼此：有的是校友，有的之前就一起創過業，而且大家之前都在灣區，關系很好，平時交流也很多，加上幾位創始人當時也都離開了原來所在的大公司，所以創業對他們來說是比較輕松的決定。

目前，公司 AnyInt 大概有 10 位成員，所有人都有海外背景。團隊成員一半在國內、一半在海外。那么，這樣一只規模不大的團隊，是如何在競爭激烈的 AI 創業浪潮中找到自己的定位并快速贏得用戶的呢？

奔著付費用戶去

團隊創業針對的是用戶這樣的模型使用現狀：要面對眾多不同的提供商，這些提供商的 API 格式、模型能力也存在很大差異。因此，他們想要一個平臺來對接所有模型。

業內把 AI 產業大致分為幾層：最底層是算力芯片，往上是模型、中間件、服務平臺，最后是應用。這個鏈條中，AnyInt 對自己的定位是 AI Infra，是中間件。

在 AnyInt 平臺上，一個 API 就能對接全世界所有的模型，不管是開源還是閉源，同時用戶只需要一個支付賬號，就能對接全世界所有的支付方式：國內用戶不需要國外信用卡，國外用戶也不需要微信、支付寶等。此外，平臺會提供一個統一的數據看板，用戶可以管理所有支出和系統指標。

實際上，現在也有創業公司提供類似服務，“切換模型”的功能基本都能實現，但團隊認為，用戶不應該在多個模型之間糾結，而應由平臺來輔助做決定，找到最適合的模型。其中，“適合”包含多個維度：如果關注成本，就匹配成本最低且能滿足需求的模型；如果做 C 端服務，核心考慮就是不能讓其用戶感覺到模型能力下降等。

在團隊成員們來看，用戶使用不同模型，本質上是在和不同供應商合作，找不同的算力和模型服務來滿足自己的需求。在與這么多“供應商”打交道過程中，AnyInt 提倡“去中心化”，即價格公開透明，沒有價格欺詐；不會出現模型偷偷“降智”情況；也不會有供應商鎖定等問題，營造一個相對公平公開的 AI 使用環境。

在商業考量上，團隊越過了之前的最小可行性產品（MVP）策略，一開始就確定了目標：用戶必須有明確的付費意愿。

“我們就是奔著用戶付費去的，這是最重要的一點。我們不想做燒錢擴張，也不想反復用 MVP 驗證需求，從一開始就要求用戶付費。”Bryan 說道。

他解釋道，這一波 AI 創業和上一波互聯網創業不同?，F在的 AI 產品和以前 SaaS 產品最大的區別在于，從“賣軟件服務”變成了“賣結果”。這從銷售話術可以看出來：以前是一款軟件每月 199 元，可以做哪些事；但現在是每月花 199 元，可以用 AI 直接幫你找到 10 個客戶。

他坦誠道，創業公司很容易被大公司的產品沖擊，因而團隊毫不猶豫地選擇做平臺型生意?！捌脚_型生意在互聯網時代很多，但這一波 AI 創業中其實不多。不管是 Agent 還是其他產品，都不是平臺型生意?！?/p>

“這一波大部分創業公司都基于基礎模型，可以說技術和工程層面的壁壘基本不存在。之前灣區的 AI 投資圈流行過一句話：品位（Taste）就是你所需的一切，但我個人認為，這是比較模糊的說法，其實是大多數沒有護城河的公司找的借口?！盉ryan 說道。

如何打造“去中心化”AI 產品

10 月 10 日，團隊正式發布 AnyInt 平臺。核心技術源自首席科學家的論文《A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration》，CTO Arthur Nie 負責核心架構設計，打造智能推理基礎設施。其帶領團隊做了工程化改造，整體上 AnyInt 平臺架構可以分為三層：

• 最外層是網關，直接和用戶打交道。用戶的請求會發送到類似 api.anyint.ai 這樣的 URL，由網關承接。網關只做最基本的校驗，比如用戶是否有余額、IP 是否在黑名單，核心工作會交給中間的編排層。

• 編排層是最核心、技術壁壘最高的部分，也是 AnyInt 和其他平臺最大的區別，像智能路由功能就在這一層實現。它會解析上游（網關）傳遞的用戶需求，比如“用戶對成本不敏感，但對模型是否滿足需求很在意”，然后通過智能路由找到最合適的服務商和對應的模型，再傳遞給下游。

• 下游是各類模型服務商的抽象層：無論是閉源模型還是開源模型的提供商，都會通過統一的抽象層完成最終的 API 調用。所有功能完成后，結果會回到編排層匯總。編排層會評估請求是否滿足需求，滿足就通過網關返回給用戶；如果是苛刻場景，編排層還會做進一步增強，比如用戶定義了返回結果的格式，但服務商提供的結果未完全滿足，編排層會補充優化，完成結果包裝后再通過網關返回給用戶。

網關和編排層背后會對接很多不同的執行器：有些是通過 P2P 網絡捕獲到的，有些是長期穩定存在的服務，比如 OpenAI。AnyInt 對這些執行器和服務商的評估，都是在編排層內完成的，而且這種評估是持續的，不僅評估延遲、帶寬、在線率等傳統基礎指標，還會實時跟蹤語義層面的效果，比如服務商是否真的按聲明提供“滿血版”服務，有沒有如實履行承諾。

對于復雜的查詢，AnyInt 設置了多模型智能路由算法，本質上是若干個小模型，不僅能做傳統意義上的路由，還能做語義層面的路由。AnyInt 基準測試顯示，通過語義層面的路由，模型使用成本能降低 50% 以上。

“我們在工程化上做了極致的性能優化。智能路由的設計目標是在 10 毫秒內完成模型匹配決策。市面上同類方案的決策延遲大多在 100 到 150 毫秒之間，這是我們最自豪、也最能給用戶帶來價值的點?！?Arthur 說道。

“讓開發者和算力提供者地位平等”

當初，團隊面臨著產品路線選擇：該給用戶提供什么樣的服務？

像 BT 或迅雷這類軟件完全去中心化的解決方案，用戶只需要發送請求，但不知道自己的請求被誰執行。比如，某個供應商宣稱“低價提供 DeepSeek 滿血版”，但發送請求后，用戶根本無法驗證它是否真的是滿血版，可能短時間內會被欺騙。因此，面對眾多供應商時，完全用去中心化的訪問邏輯并不合適。

最終，團隊決定 AnyInt 的產品形態是：用戶通過統一網關訪問所有資源，網關幫用戶做供應商評估。

比如，某供應商宣稱提供 DeepSeek 滿血版，但根據對其執行結果的持續評估，如果發現它有很大概率不是滿血版——哪怕剛上線時是滿血版，兩天后推理能力突然下降，AnyInt 的智能路由會敏銳捕捉到，然后給這個供應商的模型單獨編號，并大幅降低其推薦權重。

“統一網關的意義在于，讓開發者和算力提供者處于平等地位。用戶不再只能被動接受結果，而是能提前知道自己會得到什么。”Arthur 說道。

Arthur 表示，去中心化 AI 有兩個核心優勢。

首先，中心化平臺的路由能力有局限。比如 OpenAI 內部其實也有簡單的路由邏輯，有小模型決策用 GPT-4 還是 GPT-5 等，但這個能力不會開放給外部用戶。而且中心化平臺有明顯的立場局限，比如問 OpenAI“寫代碼該用什么模型”時，它不會推薦 Sonnet 4.5。

其次，“去中心化特性”讓用戶選擇范圍更廣。去中心化 AI 本身沒有立場，不會因為“某個模型更賺錢”就優先推薦?！癆nyInt 收取的是固定比例的平臺費，所以會在更大范圍內為用戶匹配最適合的模型，這是與中心化平臺最核心的區別?！盇rthur 補充稱。

“平臺要自證清白”

AnyInt 平臺在設計初期還明確了一個原則：用戶調用 OpenAI 等閉源模型時，需要用到 API 密鑰。保護用戶的 API 密鑰和保護用戶的實際調用行為是綁定的。AnyInt 不希望平臺出現漏洞，比如編排層出現 Bug 導致密鑰泄露。

為此，密碼學出身的 Arthur 采用了可信計算、非對稱加密等方案，確保用戶提交到平臺的 API 密鑰，永遠不會離開單獨的隔離環境。

而另外一個核心考量是，“平臺要自證清白”，不能仗著自己是中間件平臺就隨心所欲欺騙用戶。比如，平臺宣稱調用了 GPT-5，但用戶可能會質疑有沒有偷偷把請求轉到 GPT-3.5，這時平臺需要證明自己。

在這個問題上，團隊非常認同區塊鏈的一個核心理念：Don't trust, Verify ! （不輕信，要驗證。）因此，團隊在審計環節用到了區塊鏈技術，包括默克爾樹（Merkle trees）這類常用驗證方案。

AnyInt 每天會把用戶當天的所有調用記錄，通過 Merkle Tree 生成一個根哈希，并把這個根哈希上鏈。如果用戶有疑問，平臺可以隨時生成一份證明，用戶可以自己去區塊鏈上驗證。

使用邏輯很簡單：用戶在平臺上找到某一天的調用記錄，可以勾選其中自己覺得可疑、質量未達標的數次調用，然后平臺會生成一份和 Mercury Tree 相關的證明。這份證明不會泄露具體的調用內容，但能證明這些調用確實存在于當天上鏈的 Mercury Tree 中。用戶拿到證明后，可以自行去鏈上校驗。根哈希當天上鏈，AnyInt 無法偽造，事后無法篡改。

除上述外，AnyInt 還幾乎對所有收費模型都做了優化，比如幫助用戶突破 OpenAI 對新用戶的 TPS 和使用上限類似限制，還有重試機制、模型結果增強等功能。此外，它還允許個人通過貢獻 GPU、本地計算資源、邊緣計算資源或閑置 API 成為服務提供者。

“構建者愿意為這樣的產品付費”

AnyInt 的客戶分為兩類：一類是供應端，如英偉達、谷歌云等算力提供商和云廠商，一類是需求端，中小型企業、開發者和創作者。不過， Bryan 喜歡把公司的目標客戶稱為“構建者”（builder）。“只要是用 AI 來創造東西的人，不管是個人、團隊還是企業，都是我們的客戶。”

在他看來，編程門檻飛速降低，程序員和創作者的界限越來越模糊。“AnyInt 的目標是讓構建者的工作更輕松，而且我們也看到了市場反饋：構建者愿意為這樣的產品付費?！?/p>

目前，AnyInt 是輕資產模式，不做裸金屬 GPU 租賃這類業務，商業模式是收平臺費和訂閱費，和成功的 SaaS 平臺商業模式一致。

創業前期，AnyInt 并沒有考慮研發投入和收益之間的問題，更多是將用戶需求作為自己的“北極星標準”：如果開發進度跟不上用戶需求，那就多招人；如果能跟上，就用現有團隊把現金流和變現的事情做好。

公司當前主要成本在研發上，80% 以上是科研、研發人員，營銷方面基本沒花錢，主要靠自然流量和自然增長。他們會給開發者提供一些免費試用額度，讓開發者們覺得好用后自然付費，不管是按量付費還是訂閱付費。

AnyInt 選擇部分開源，在全球社區吸引了近一萬人。開發者通常會在社區反饋他們使用大模型時的體驗痛點，團隊會通過投票、收集反饋的方式，開發和系統層面針對性快速落地。

開發者反饋主要分三類：一是想快速用上新模型；二是希望有免費、優惠活動；三是優化開發體驗，比如數據看板補充特定數據、響應時增加錯誤處理、提供客戶端樣板代碼等。

AnyInt 幾乎一半的功能是后期從社區反饋迭代出來的。比如，有用戶希望提高透明度，想了解延遲、成本、服務商、回退路徑以及智能路由選擇該模型的具體理由。為此，團隊在智能路由模塊披露了更多元數據和模型選擇理由，以便用戶做事后驗證；還有用戶希望設置路由預算（成本上限），擔心請求失敗重放時額外收費，團隊也做了對應優化。

另外值得關注的是，AnyInt 不僅做多模型路由，也支持多智能體（Multi-Agent）路由，兩者核心邏輯是統一的。不過，現在 Agent 間的通信協議還不夠普及，主要通過 MCP 方式調用工具，因此團隊重點暫時放在多模型智能路由上。

“我們的學術研究和工程化改造都是向前兼容多 Agent 的?，F在不在商業上發力，是因為當前 Agent 市場和實際應用場景還比較有限。現在是基礎模型時代，未來會出現很多‘基礎智能體（Foundation Agent）’，它們的交流接口本質上都是 API。所以，我們技術上兼容多 Agent，商業上可以‘等風來’”。Bryan 補充道。

“不用 AI 的話不要加入我們”

一定程度上，AnyInt 是自己的第一個客戶。

“我們是全員 AI 化的，不用 AI 的話就不要加入我們?！盉ryan 說道。公司內部有一個原則：會使用自己平臺提供的 API，因為團隊做這款產品的初衷，就是用自己的 API 兼容所有編程工具。

現在大多數員工用的是 Claude Code，認為它在執行計劃方面非常智能，還有一些人傾向于 OpenAI 的 Codex。Arthur 表示，這具體取決于每個人的角色：比較初級的同事或實習生做簡單任務時，拿到的是資深同事拆解好的任務，直接用 Codex 配合模型就能完成；而資深同事更多要面對有挑戰性的工作，比如如何設計模塊，讓它既能無縫融入現有代碼庫，又能和現有代碼的設計哲學保持一致，這時會更多用 Claude Code。

Arthur 解釋，用 Claude Code 是因為它的提示詞體驗很好，另外團隊用自己的平臺做了抽象能力，因此使用什么模型不重要，全看個人偏好。

實際上，AnyInt 平臺用得比較多的兩個領域，一個是 AI 編程，另一個就是多模態生成。Bryan 表示，用 AnyInt 平臺價格更便宜，其通過聚合大量需求成本更低，而且智能路由算法能更高效利用模型推理的 Token，減少浪費，還可以使用那些受地域限制無法使用的模型。另外，聚合器模式能平衡資源，突發故障時會自動轉移到更合適節點，也基本不會出現限流。

“AI 時代，初級開發者的能力可能比不上 AI 模型，但人的優勢在于能從嘗試和失敗中吸取教訓，快速成長。在這個時代，多嘗試比以前更重要?！盇rthur 說道。

“AI 時代什么都能學，關鍵是有學習的意愿和能力?！盉ryan 說道。就像他對于員工沒有硬性的學歷、工作經歷要求，但很看重“意愿度”：相信公司做的事，愿意為此長期付出。

對于 AnyInt 這樣需要跨區域協作的公司來說，協作的關鍵是“溝通清晰”：明確一件事的目標和時間節點，不能有模糊的指令或溝通，否則跨時區協作效率會很低?！按蠹业墓ぷ鲿r間比較靈活，只看結果，不會強行要求 996 或 007?！盉ryan 補充道。

樂觀又焦慮的創業者

Bryan 對當前賽道非常樂觀?！爸豢慈虼竽Ｐ?API 采買市場（排除硬件采買、訓練微調、ChatGPT 這類訂閱制收入），去年規模約 38 億美元，今年預計能達到 200 億美元以上，差不多是 5-6 倍的增長，這個市場還處于非常早期的增量階段。”

在 Bryan 看來，去中心化算力網絡賽道的成敗關鍵有兩點，這也是 AnyInt 的“護城河”：

• 技術壁壘，主要是多模型智能路由算法。平臺使用越多，積累的真實數據就越多，這些數據會反過來優化路由算法，形成“數據護城河”。

• 網絡效應。用戶越多，平臺收入越高，能吸引更多供應方入駐；供應方越多，平臺服務越穩定、價格越優、延遲越低、服務越豐富，又會吸引更多用戶，形成正循環。

不過，作為創始人，Bryan 面對快速變化的節奏難免也會有一定的焦慮。

“這個行業發展得太快、太好了，有時候半夜準備躺下了，打開手機看到一條相關新聞或有意思的東西，又得爬起來打開電腦看看。”Bryan 說道。

程序員出身的 Bryan，現在用一些 AI 編程工具時，總會對比自己以前寫的功能?！氨热缫郧白?AI 模型相關工作時，很多時間都花在寫數據管道、數據清洗這些事情上，現在我就會想，如果當年有 AI，青春就不會浪費在這些無聊的事情上了。”

創業本身是一件很難的事，必須專注，而且要長時間專注，但世界上有很多誘惑和其他有意思的事情?！艾F在喝杯咖啡都能聽到十個‘改變世界’的想法，很難不產生其他念頭。”Bryan 說道，他的辦法就是全情投入自己最擅長、最喜歡的那件事，其他的想法就以風險投資方式參與，這樣讓自己靜下心來專注做事。

結束語

這波 AI 創業浪潮無疑給了很多人機會?！癆nyInt 要做‘智能電網’，把智能送到需要的地方?！笨梢钥吹剑瑹o論是產品還是商業模式，AnyInt 團隊目前都思考得非常清晰，他們也找到了自己的“護城河”。

然而，市場總是瞬息萬變的，Bryan 對此已經習慣?！耙赂覔肀Р淮_定性”，這是他給現在年輕工程師的建議，也是他從業多年的深刻體會。團隊現在第一時間支持最新模型、不斷優化和吸引用戶，正在緊跟不斷變化的行業。

像 AnyInt 這樣由 AI 大模型催生的創業公司有很多，它們未來如何順應時代并走出自己的道路，這還需要時間給出答案。

會議預告

12 月 19～20 日，AICon 2025 年度收官站在北京舉辦。現已開啟 9 折優惠。

兩天時間，聊最熱的 Agent、上下文工程、AI 產品創新等等話題，與頭部企業與創新團隊的專家深度交流落地經驗與思考。2025 年最后一場，不容錯過。

今日薦文

你也「在看」嗎？