2500万美元ARR的Agent Infra创业者说：我们现在处于Agent元年第一天早上6:05｜对谈小宿科技杜知恒
AI Agent 爆发给上下游产业带来了哪些机会？
AI Agent 爆发给上下游产业带来了哪些机会？
👦🏻 采访：Koji&Ronghui
🥷 整理编辑：Starry
🧑🎨 排版: NCon
AI Agent 爆发给上下游产业带来了哪些机会？
本期播客，我们邀请小宿科技联合创始人& CEO 杜知恒 William，和我们分享他们作为 Agent 背后的 AI Infra 公司，如何在 Agent 爆发之际抓住机会——专为 Agent 设计的小宿智能搜索和一站式模型聚合平台 SkyRouter.ai[1]，推动公司整体 ARR 突破 2500 万美元的故事。
作为 Agent 领域里「卖铲子」的人，William 跟我们形容现在只是 Agent 元年第一天早上 6:05 分太阳刚出来的时候，还有很长的路要走和巨大的发展空间。除了 Agent，William 也在播客里分享了他的职业选择，从二级市场投资人到创业者的转变、学到的重要经验等等。希望对朋友们了解 Agent 以及背后的 AI Infra 领域有所帮助。
PS：小宿科技为「十字路口」的听众准备了一点福利，点击文末「阅读原文」链接注册可以免费领取 2000 次智能搜索 API 调用或等值专业服务礼包。
微信收听播客：
小宇宙收听播客：
AI Agent 背后的基础设施服务商，如何做到 2500 万美元 ARR
👦🏻 Koji
Hello 大家好，本周「十字路口」的嘉宾是 William 杜知恒，他是小宿科技的 CEO。小宿科技选择了 Agent Infra 这一条创业道路，是因为他们意识到，即便是当前最领先的 agent 厂商和产品，用户规模可能还不到移动互联网时代头部应用的 1%。这意味着 agent 市场至少还有 100 倍的成长空间。
William 和我的缘分是，我在创办街旁时，他是团队里最活跃、最积极主动的实习生之一。因为做「十字路口」，我也和许多老朋友重新建立了联系，看到大家都在各行各业发光发热，非常开心 William 能够做客「十字路口」，介绍他参与创办的小宿科技。我也认为他们是这一波 AI 创业浪潮中不容忽视的力量。本期十字路口我们同步录制为视频播客，发布在小红书、B 站和视频号，欢迎大家关注。
我们还是从今天的快问快答开始。
👦🏻 Koji
请问 William 的年龄？
👦🏻 杜知恒 William
90 年生人，35 岁。
👦🏻 Koji
毕业院校？
👦🏻 杜知恒 William
清华大学，航天航空工程和经济学双学位。
👦🏻 Koji
你的 MBTI 和星座？
👦🏻 杜知恒 William
INTJ，白羊座。
👦🏻 Koji
一句话介绍一下现在的公司和产品？
👦🏻 杜知恒 William
小宿科技是一个一站式 Agent Infra 平台，核心产品是为 AI agent 设计的小宿智能搜索，同时也在全球范围内做大模型的 API 聚合平台，Skyrouter.ai。
👦🏻 Koji
目前公司的融资情况？
👦🏻 杜知恒 William
A 轮在 close 中，金额和估值要看官方公告，预计年底会开 B 轮。
👦🏻 Koji
那目前收入和利润方面能透露吗？
👦🏻 杜知恒 William
6 月份 ARR 超过 2500 万美金，PNL 层面实现 break even。
👦🏻 Koji
目前团队规模？
👦🏻 杜知恒 William
超过 100 人，约 70% 是研发，剩下主要是市场和销售。
👦🏻 Koji
创业前在做什么？可以介绍一下吗？
👦🏻 杜知恒 William
创业前是对冲基金基金经理和家办 CIO，也是红杉中国二级市场基金的一号员工。
👦🏻 Koji
所以 William 有丰富的金融经验，本科又是学航天航空相关的专业，职业旅途跨界非常大，那这次决定创办小宿科技时，看到了什么样的机会？
👦🏻 杜知恒 William
在创业之前，我在高瓴和红杉的对冲基金以及家办工作了十几年，经历了中国互联网的起伏，看过很多创业公司和上市公司的周期变化。最终选择创业，其实也是一种必然，因为在家办和红杉做二级市场基金也是类似创业状态，只是领域不同。
我人生的选择看起来比较跳脱：最早做咨询，后来在百度，再到二级市场投资、管家办，最后创业。但其实我的选择是比较双轮驱动的，我觉得投资和创业都是基于对未来的看法。现实与目标之间，隔着兴趣和理性。对我来说，兴趣是驱动，理性是引导，这两者是我行动的双轮。
去年 Q3，我正式决定加入小宿全职创业。当时公司已经有部分出海的基础设施业务，但 AI 上还没有找到商业模式，AI 收入非常有限。但我认为以我们的基础设施能力和创始团队的商业经验，一定能找到落地场景，所以我就毫不犹豫地加入。到现在整体 ARR 已超过 2500 万美金，增速非常快。
👩🏻 Ronghui
可以用更简单直白的方式给不太了解的听众介绍一下你们做的事吗？
👦🏻 杜知恒 William
我们做的事情相较 ToC 的 AI 产品来说，相对没那么性感和好懂，因为我们是躲在这些 AI agent 后面的服务商。
简单来说有两个方面：
第一，当我们看到联网搜索、AI 智能搜索、Deep Research 等研究交互能力出现时，我们发现除了模型能力，大家需要的是实时信息和数据。在上一个时代，实时信息和数据最核心的体现方式是搜索引擎，但在 AI 时代搜索有了新的体现形式。
过去二十年，人类主要通过输入 query 调用搜索，查看返回结果中最抓眼球、最感兴趣的链接，点进去看内容，同时可能点几个链接来筛选想要的内容。但当越来越多的人通过 agent 搜索时，搜索行为变成了机器对机器的搜索，而不再是人对机器的搜索。
在这个过程中，我们发现有结构性机会。过去搜索的商业模式和形态都是面向用户，需要在意内容展现形式，有各种卡片，需要关注前三条的点击率，因为这是衡量推荐精准度和抓住用户眼球的核心指标。同时商业模式主要是卖精准广告，因为用户输入的就是此刻最关心的需求。
所以我们判断，随着 AI agent 的崛起，ToC 搜索引擎原本占据市场 90% 以上的份额，而 ToB 的占比很低。如果内容消费从直接搜索转向通过 agent 执行任务，ToB 搜索会从个位数增长到接近 80-90% 的信息获取入口；此外，对于通用 agent，如 Manus、昆仑天工，在实现每个任务时需要拆分 query，对每个 query 进行多轮搜索。即使在当前搜索次数的基础上，从人到 agent 搜索也会带来次数的爆发。同时，B 端占比会大幅提升。这两个因素叠加，我们确定了"为机器或 agent 设计的搜索 API"作为主要战略方向，这就是小宿智能搜索产品的来由。
第二，我们在服务头部 agent 客户时发现，agent 不仅需要信息，还需要一站式基础设施服务。我记得 Koji 之前提到过，新时代的 AI agent 公司通常是一个人、三个人、五个人的小团队，甚至可能成长为独角兽，但他们不会投入大量人力管理 Infra。因此除了智能搜索 API，我们还提供一站式大模型聚合平台 Skyrouter.ai，让这些小团队能在 day one 无地域、无用量限制地使用最领先的模型，实现 agent 产品目标。
大概是这样一个产品矩阵。
👦🏻 Koji
你们是怎么想到开始做小宿智能搜索这个产品的？你们的优势是什么？
👦🏻 杜知恒 William
大家对搜索 API 的认知可能还停留在过去 C 端搜索打包成 B 端 API 提供服务，但我们做智能搜索经历了三个阶段，才有今天的小宿智能搜索产品：
第一阶段，我们没有直接做搜索本身，而是发现头部大模型公司在提供 AI 搜索和联网搜索时存在能力的 gap。过去的搜索 API 返回 10-20 条链接和短摘要，但摘要不够全面且太短，无法满足大模型或智能搜索对结果的要求。去年 9 月到今年 1 月，我们做的第一个产品是全网全文读取，与搜索 API 配合使用，最早是配合 Bing 搜索 API。Agent 调用 Bing 搜索后，我们的服务可以快速准确抓取全文和多模态内容，供客户的大模型进一步处理使用。
这是第一阶段，我们做全文检索和抓取服务配合搜索 API 使用。
第二阶段，今年 2 月 DeepSeek R1 火爆后，我们发现 Bing 突然停止向中国一些模型厂商和头部互联网公司提供 API 服务。我们当时判断，包括 Bing 在内的全球头部搜索公司将停止对中国 AI 行业服务，这直接推动了我们的第二个产品：自研搜索。
我们建立了千亿规模的 index，自研完成从召回到排序的完整链路，做出了可直接替代 Bing 搜索 API 的智能搜索产品。这个判断在 5 月底得到验证，Bing 宣布将在 8 月 11 日全球范围内 retire 搜索 API，之后只能绑定云或智能体使用，印证了我们提前 3-4 个月的战略判断。
第三阶段是奠定智能搜索功能全面性的关键阶段。今年 5-6 月，随着 Manus 和其他智能体爆发，我们在服务头部智能体客户过程中发现，智能体对搜索的需求比过去更丰富：
- 不仅需要全文能力
- 例如在使用 Manus 或昆仑天工做 PPT 或产品文档时，需要文本搜索、图搜、视频搜，多模态搜索能力是过去搜索 API 不具备的
- 出海智能体 day one 就是 global，除了中文，还需要英语、西语、葡语等多语言搜索能力
- 需要定制能力，如处理 URL 点击后的内容提取、广告过滤、核心内容抓取等
新时代智能体对搜索要求更丰富，而这些能力目前只有小宿智能搜索具备，因为我们在真正服务这些头部 AI 智能体客户。目前市场上的其他竞争对手，包括海外和国内大多数只提供传统搜索 API，本质是文搜文返回，形式简单，我们并不将其视作竞争对手。
👦🏻 Koji
刚才提到 2 月份看到这个机会，才开始搭研发团队来做搜索。听起来在这么短的时间内就能做出一个足够好用的 API，这怎么做到的？听起来还挺困难的。
👦🏻 杜知恒 William
我觉得我们其实是站在巨人的肩膀上继续做工作。我们当时做出这个战略决定后，除了自研之外，另一条腿是通过并购的方式推进。市场上有一些做智能搜索或 AI 搜索的团队和产品，之前已经做了很多工作，但后来调整了战略方向。所以我们并购了一个已经成熟的自建搜索团队和产品，作为我们产品的基石，然后继续在它基础上做全文、多语言等额外工作。
你正好问到这里，我觉得有必要说一下，搜索产品的竞争壁垒到底在哪，因为它是一个非常大的工程。这主要体现在三个方面：
首先，壁垒不在钱和资源上，而在于团队和人才。过去十年，搜索领域几乎没有新的技术人才被培养出来，因为搜索是一个很老、很传统的产品形态。在互联网早期，百度、360 等传统搜索公司培养了很多优秀人才，但在今日头条、TikTok 爆发后，大部分年轻技术人才毕业后首先想到的是做推荐引擎，而不是做搜索。所以搜索人才在中国是非常有限的一个小圈子，创业公司或外部团队很难马上组建出一个 20-30 人的研发团队。你必须先找到核心人员，他们在圈子内有影响力和吸引力，才能像"传销"一样把相关人才拉进来，才可能组建成一个团队。如果一个小公司说只有 5-10 个人，就做了一个原生搜索引擎，而且团队中没有人在传统搜索公司负责过具体模块，那一定不现实，只能是做一个套壳产品。这是第一个大的壁垒。
第二个壁垒是，你刚才提到的投入人力、财力和计算资源，以 6-9 个月为单位做出第一个版本。我们通过并购方式跳过了这一阶段，并且基于核心人才完成了现在的产品。
第三个壁垒是，ToC 产品不需要服务大客户，有用户自然有反馈，无论正向还是负向。但为 agent 做搜索不同，你无法直接获得用户反馈，因为用户不会直接用你的搜索结果，额外功能需求也只能通过客户反馈。如果 day one 你的客户只是一些小开发者，就无法获得有效指导。而像 Manus、昆仑天工、深言科技这些头部 agent 客户，会不断提出需求，例如多模态、全文抓取、Markdown 输出等，这些都是推动产品持续完善的关键因素。这是第三个竞争壁垒。
👩🏻 Ronghui
前面提到的战略选择，我觉得也很有意思。一是预判了微软可能的举动，二是预判了 agent 的爆发。可以讲讲当时有哪些线索让你们预判接下来可能会发生这些事吗？
👦🏻 杜知恒 William
微软对 Bing 的调整在我们判断中起了很关键的作用。如果微软不停止对中国大模型厂商的 API 服务，我们只是觉得地缘竞争可能影响未来生意模式和可用性。但微软果断、决绝地关停了很多搜索 API 接口，让我们意识到这件事可能很快、立刻、马上就会发生。
我们也做了功课，认为他们内部有一些外界不知道的考量：
第一个考量是，过去 ToB 提供 API 是生态的一部分，例如给 Yahoo、浏览器或垂类大客户提供 API，微软站在产品背后，并不认为这些产品会对它的搜索生态或入口地位形成挑战。
但过去一年中，像 Perplexity、中国一些 AI 搜索产品出现后，微软发现搜索 API 实际上在帮助新兴的 AI 行业搜索竞争对手，以非常低成本获得最好的基础设施，从而威胁到它的入口地位。这也是我们在中国看到的一个重要战场。如果未来用户与各种 agent（chatbot 等）交互做决策和搜索，今天这些入口 APP 就会丧失入口地位，可能沦为这些 agent 背后的 API。
例如用户要做东京旅行攻略，agent 会调用我们的搜索 API 获取相关信息，而高质量内容来源于 小红书、携程、马蜂窝 等，但它们将不再直接面对用户需求，而只是信息源。这是巨头不愿看到的，也是微软不愿看到的，因此他们停掉搜索 API，以减缓像 Perplexity 这样的竞争对手对入口地位的挑战。
第二个考量是，既然搜索 API 在 agent 中获取实时信息具有如此重要的战略价值，为什么微软不将其与其他产品相互融合？一些大客户已经收到微软建议：要继续使用 Bing 搜索 API，就需要将云服务迁移到微软云；或者不再提供原生 API，而是绑定 Copilot 或大模型后输出分析结果，这可能成为他们下一步的主要策略。同时，涨价也是必然选择。过去两年中，他们已经大幅涨价两次，现在与模型能力结合的搜索 API 价格已涨到 45 美金，而两年前仅 5 美金。
👦🏻 Koji
这里想插一个问题，Google 是没有提供类似的 API 的吧？
👦🏻 杜知恒 William
对，严格来说，Google 没有提供 ToB 的 Search API。他们有针对中小开发者的 Custom Search，但有非常低的用量限制，无法在 B 端商业化场景中使用。过去全球每天约有 200 亿次搜索，其中仅 2%-3% 发生在 B 端，而这部分绝大多数市场份额由 Bing API 占据。
我们的判断是，未来这 200 亿次搜索中，80%-90% 会从 C 端搜索转移到 agent 搜索，agent 会拆分 query、多轮搜索，使搜索调用量以 10 倍的数量级增长。这就是为什么我们坚定投入做多语言、多能力的 agent 搜索。
👩🏻 Ronghui
你觉得为 agent 提供一站式服务，会是今年同类型公司都来抢占的市场吗？
👦🏻 杜知恒 William
我觉得今年是一个非常好的竞争机会。
目前海外竞争对手在 Bing retire 后，仅剩 1-2 家在做类似事情。其中一家是从隐私浏览器转型，在 AI 时代提供了 API 服务。另一家是美国 VC 投资的中国团队，但没有大客户，以开发者为出发点提供服务。
在中国，竞争对手主要是之前有 ToC 搜索能力的大厂，它们也会提供搜索 API 服务。但我们觉得我们跟他们现在不完全是竞争的关系，这些大厂的首要目标是维持 C 端入口地位，B 端只是 side business。而针对 agent 客户做优化、完善功能会变得越来越重要，因为一个简单的 Web Search API 已无法满足通用或垂直 agent 的需求。
因此我们当前的竞争地位很好。一是大厂今年不会 all in 做这件事，二是我们已服务了各垂类领先的 AI agent，目前国内超过一半的头部AI原生应用已经成为了我们的客户。所以我们是在满足客户要求的过程中，我们持续推动产品进步和迭代，这状态非常好。
👩🏻 Ronghui
你说的很符合创业公司早期抓住大厂战略窗口的机会，做他们的 side business 里未覆盖好的部分，他们在这上面投入的财力物力还不是那么多。但这也是挑战，你们如何做得比大厂更好？
👦🏻 杜知恒 William
基础服务上要与巨头打平，这是我们对搜索团队的要求。在相关性、时效性、权威性、时延、可用性等内容和搜索质量指标上，我们要做到与 Bing 同水平，这其实就已经超过绝大多数巨头在搜索 API 的质量，甚至在部分指标上实现超越。
除此之外，我们的竞争优势来源于对 agent 需求的理解。头部 agent 提出的搜索周边产品能力需求，都是我们产品进步和完善的重要驱动因素。如果竞争对手没有服务这些头部 agent，就无法凭空做出超越 Web Search API 的搜索能力。这是我们逐步建立壁垒的重要路径，通过不断完善和丰富对 agent 至关重要的搜索功能，保持持续领先。
👦🏻 Koji
你接触的这些 agent 客户，他们听起来对搜索的要求其实还是比较简单，就是要全、要实时、要权威。那还有什么大家想不到、但来自 agent 的搜索需求吗？
👦🏻 杜知恒 William
我觉得这是个很好的问题。
第一个要满足的 agent 需求是全球化。现在绝大多数中国创业者不想局限于中国市场，而是把全球市场当作自己 AI agent 的 playground。要做全球市场，第一天就要具备多语种能力，特别是头部的十几种语言。在南美做生意需要西班牙语和葡萄牙语，在东欧需要俄语和阿拉伯语，在全球其他区域至少要有英语能力。如果不具备多语言能力，这些新生 agent 根本不会考虑你的服务。
第二个是数据来源和数据所在地是否合规。在很多发达国家市场，这有很高要求，必须实现数据本地化。我们在这方面有很大优势，因为小宿的兄弟公司其实是全球第二大的 CDN 公司，在全球有 2,800 个可用节点，这些节点不仅有传统算力和良好的网络连接，也可以放置 GPU 算力。因此我们能很好地帮助客户满足合规性要求。
我觉得这两点是全球化浪潮下选择搜索 API 时首要的考量因素。
除此之外，在功能上，例如刚才提到的文搜图、图搜图，是否可以通过 API 方便解决；抓取全文时，能否区分真实内容、广告内容和相关推荐内容；抓取下来的格式能否满足客户在不同场景下的使用需求。这些属于能力上的补齐，但先决条件是多语言和数据合规。
👩🏻 Ronghui
除了刚刚提到的这些，你们接触了这么多 agent 公司，有没有觉察到他们还有哪些潜在需求？
👦🏻 杜知恒 William
我觉得潜在需求会随着 agent 满足更多产品场景而逐渐出现。但实际上我们不能"自己定义需求"，我们的需求完全来源于客户在实现 PMF、完善产品和流程过程中对我们提出的要求。所以我对搜索功能上的改善完全不担心。因为我觉得今天是 agent 元年（这是 Koji 之前提出的，我完全同意），但我想补充一点，现在其实只是 agent 元年的 day one 的早上 6:05，太阳刚刚升起。
如果拿头部原生应用和移动互联网成熟时期比，以 DAU 来看，现在仅不到真正互联网繁荣时期的 1%。现在头部通用 agent DAU 以 10 万为单位，Tier 2 或垂直 agent DAU 以几万为单位。如果和移动互联网繁荣时期比，甚至不到 1%，或者说仅为几百分之一的状态。
所以从搜索功能来看，这一定是持续演化的。只要服务好头部 agent，跟住他们的节奏就好了。这也是我们为什么要做一站式 agent Infra。因为我们发现很多客户，即使是那些上过 Koji 节目、获得头部 VC 投资的知名公司，整个公司可能也就 10-20 个人，真正负责 Infra 的可能只有一个人。
比如我的好朋友，也是我们的客户 Mindverse，他们的主要产品是做个人数字分身或 AI 分身，产品成熟、迭代速度快，但负责 AI Infra 的人也就一个。他们通过我们可以一站式调用各种大模型 API，甚至连账单都不用自己管理。我们以天为单位，提供所有模型和搜索的用量及成本明细，对他们帮助非常大。甚至当某个大模型宕机时，我们会自动把模型调用路由到没有宕机、但可满足需求的其他 API 上，客户完全不会受到宕机影响。
这是一个典型场景：客户可以从 day one 起专注产品和 go-to-market，把后端服务和 Infra 需求外包给我们，这对他们的效率和成功概率都有很大提升。
👦🏻 Koji
其实最早有了 ChatGPT 时，也曾掀起 AI Infra 浪潮，当时出来过很多公司，做的和今天 Skyrouter.ai 类似。我记得当时还有家公司 Martian，除了做 API 聚合外，还告诉大家可以"择优路由"，根据任务判断要分发到哪个大模型，以便最优解答。但后来发现，好像大家其实不太需要这种自动优化选择，最终还是倾向于选择长期稳定、持续表现最好的大模型。
现在你们也做这类服务，国内还有硅基流动感觉也很猛。如果客户问到，你们会如何介绍与他们相比的优势和差异？
👦🏻 杜知恒 William
其实这背后有两个大的判断，也回应你刚刚提到的那家公司，我们当时也关注过他们，但他们在时机上稍早了一些。我们去年开始做这件事时有两个主要判断：
第一，我们认为中国人和美国人会成为全球 AI 行业主要从业者，除了本地市场外，全球其他地方是两国创业者的 playground。第一步就是要找到服务好中国出海 agent 和创业者的方式。
第二，我们判断 2024 年的算力结构仍是训练大于推理，但从 2025 年开始会反转，推理需求会显著超过训练需求，且推理算力的主要体现形式是 API，而不是直接租算力。这决定了我们要做 Skyrouter.ai 这种产品形态，而不是像 Fireworks或硅基流动那种产品形态。因为我们认为在开源和商业模型中，绝大多数客户会选择当下在其场景中最好的模型使用，而商业模型在部分领域长期会优于开源模型。既然这些客户需要使用商业模型的多种 API，那么"一站式服务"从 day one 起就是很多创业者需要的。
我们与硅基流动其实也有一些合作，但有两个显著差异：
他们的产品销售主要以 DeepSeek 等开源模型自部署为主，核心竞争力在于优化开源模型在算力上的利用率，让同样算力产生更多 token，技术能力在推理优化上。
而 Skyrouter.ai 的竞争力主要来源于三个方面：
- 全球范围内足够多的节点和分布式算力资源；
- 平台稳定性和自动路由能力（模型能力由模型本身决定，我们聚焦在平台层稳定和智能调度）；
- 资源运营能力和折扣优势，这源自于我们与多个云平台有紧密合作。
AI Infra 行业分析
👩🏻 Ronghui
刚刚也说到，其实在 ChatGPT 出现之后，AI Infra 确实有过一波创业热潮。我记得当时看红杉的一份报告，大家原本预期 2023 年会是 AI 应用大爆发，但后来统计了一下，发现资金大多都流向了 AI Infra，导致这个领域出现了非常多的公司。
可不可以请 William 作为行业 Insider，来跟我们分享一下你对 AI Infra 行业的整体观察？在你看来，这两年半以来，AI Infra 领域都发生了哪些比较大的变化？现在这个时间点上，AI Infra 的公司又在发生怎样的改变？
👦🏻 杜知恒 William
我觉得最大的变化是大家从"抢卡"变成了"抢数据"。最早这一波 Infra 厂商，包括像 CoreWeave、Lambda Labs，其实都在 IaaS 层发力，为大公司从数据中心到 GPU 云化提供基础 ADS 服务，让他们能快速训练模型。这是第一阶段，竞争点是算力资源，各家都在比谁能更高效、规模更大地提供算力。
到了去年到今年，我们观察到更多 agent 厂商出现，它们和大厂最大的区别在于不仅需要 IaaS，还希望 Infra 能提供 PaaS 层的全服务。PaaS 层主要包含几部分：
- 模型 API 本身
- 模型无法覆盖的实时数据和信息
- 工具调用和多 agent 协作能力
PaaS 层的竞争对我们来说更合适。上一代 PaaS 层有很多产品形态，其中较大的一类是 CDN，而小宿的团队过去积累了很多这方面的技术和能力，这一能力完全可以复用到今天做 AI PaaS 的场景里。所以我们目前提供的 Skyrouter.ai、小宿智能搜索，其实都是 PaaS 层产品。同时我们非常明确地不做 ToC，不做 SaaS，不与客户抢生意，让客户无需管理底层 IaaS，让他们能把效率提到最高。
当下最大的挑战其实不是 Infra 能力不够，而是客户、整个 agent 行业仍在寻找 PMF 的过程中。我希望客户能尽快找到 PMF，一旦找到，使用量会立刻增长，这也是一个很好的行业观察点。就像过去做 CDN，看谁的流量起来了，用量就起来了。
所以我们对整个行业的期待是：头部 agent 厂商能尽快且更好地找到 PMF，这样对 Infra 的能力和需求也会持续快速提升。
👦🏻 Koji
那你现在有没有看到什么苗头？
👦🏻 杜知恒 William
我觉得大家提过很多场景，目前真正跑通的场景里，coding 是一个非常清晰的场景。而且 coding 本身也会调搜索。我的理解是，不管什么场景，只要是 AI 辅助或替代人类，人的工作习惯一定是边搜边写代码、边搜边画 PPT、边搜边塞图片。所以我们看到的关键场景是帮助用户在"边搜边干活"中提升效率。
第二个场景是办公软件。比如我们的客户昆仑天工，它是一个典型的想用 AI 替代 Office 的产品形态，无论是写文档还是做 PPT，都模拟人类真实的使用过程，持续调搜索、指导路径规划、找图片、整理内容、完成输出，和高中生做 PPT 的流程非常像。随着模型能力提升，最终会达到职场人能直接交付可用 PPT 的水平，这一过程中模型和搜索调用量都会快速增长。
除了 coding 和办公，还有一些垂直场景已出现较好的 PMF，比如：
- AI 广告投放
- AI 帮用户规划旅游路线并自动订票
- AI 信息获取（比如我们的客户深言科技DeepLang，也是我校友创办的，做类似"AI agent 版今日头条"的定制化内容推送，需要实时抓取最新中英文全文资料）
这些都体现了 AI 正在改写和优化传统互联网产品，虽然尚未到彻底颠覆的程度。
👩🏻 Ronghui
那你觉得短期和长期内，AI Infra 领域的市场格局会发生什么变化？
👦🏻 杜知恒 William
我觉得这个问题目前没有确定答案，但我认为行业里最重要的事情是：**AI 原生应用需要在用户规模和留存上实现质的飞跃。**要实现这一点，背后有两个驱动力：
- 模型能力持续提升
- 创业者能力持续提升（目前最优秀的创业者基本都在这个领域里，一旦基础能力持续提升，半年到一年内一定会有更多场景找到更好的 PMF）
作为基础设施提供商，我要做的就是保证平台可用性，为中国出海 agent 提供一站式、高性价比的服务，让他们在语言、市场和文化上没有障碍。我非常相信这一天很快会到来，而且中国创业者会占据极大比例，就像在移动互联网时代，中国市场在应用端领先美国几条街一样。在 AI agent 时代，本质上也不会有太大变化。
👩🏻 Ronghui
长期呢？
👦🏻 杜知恒 William
长期来看，前面的逻辑会延续：算力竞争的重要性会下降，因为所有人的算力都能达到基准值。包括国产算力在推理上也不会和英伟达有显著差距。而推理将成为主要的算力使用场景，训练占比会越来越小。
我们观察到：**数据将变得更重要，尤其是实时、动态数据。**模型训练有 3~6 个月周期，如果要质变，演进速度不会特别快，因此需要实时数据配合使用。这些数据的合规性、来源是否能持续供中国厂商使用，以及垂直领域（金融、新闻、医疗等）数据如何获取，与 agent 如何更好配合，都会是接下来数据驱动型 AI Infra 重点要思考的方向。
👦🏻 Koji
那你能不能介绍一下，比如 OpenAI、Claude（Anthropic Claude）、或者国内的 Kimi、MiniMax，他们的 API 搜索是用哪家的？还是自己搞？
👦🏻 杜知恒 William
头部模型厂一定会自建搜索，但不会自建全部搜索。 因为搜索的 query 长尾效应非常强，头部厂商通常会自建核心 query 索引，比如前 1 亿条或 3 亿条，这可能占据 query 总量的 90%，这部分自建性价比非常高。
但剩下 10% 的长尾 query 分散在几十亿条中，这部分通常会调用第三方。这对我们来说是一个很显著的机会。我们已经和一些头部模型厂在合作或测试中，对于小众语言或小众 query，他们一定会用第三方调用，因为对他们来说自建性价比太低。
👦🏻 Koji
听起来如果只做长尾，对服务器和算法算力要求都很高，这样你们还能赚钱吗？
👦🏻 杜知恒 William
这是个问题的另一面。第一面是头部模型厂一定会自建核心索引，但第二面是：我认为 AI agent 的繁荣会非常个性化和多元化。
头部模型厂不会垄断 agent 市场，未来 3~5 年，一定是百花齐放的 agent 占据主角位置，因为个性化和垂直化需求非常强。这些 agent 才是我们服务的主要对象。虽然模型厂对我们要求高，但利润低，但通过服务这些模型厂积累的能力，能帮助我们更好服务大量通用和垂直的非模型厂 agent。这其实是我们生意的主要部分，只是这个生态目前还在刚刚起来的 day one 的早晨。
个人职业选择和创业心得
👦🏻 Koji
我们可不可以稍微聊一下职业生涯选择的问题？我感觉我身边最后去做二级市场的朋友，好像都觉得那是职业生涯的归宿。但没想到你在二级市场早早取得一些成绩之后，又回到了创业的水深火热一线。这是出于什么考虑啊？
👦🏻 杜知恒 William
其实做二级市场的终点也常常是自己开基金，而开基金其实也是一种创业。对我来说，要比较开基金的性价比和做 AI 创业的性价比，哪个更高？哪个更是我的热情所在？
其实我从本科阶段就受了很大影响，那是我第一份实习，和 Koji 一起在街旁实习，大二时做的。当时我非常深地被 Koji 影响，觉得创业这件事很有趣，而且能创造新的东西。因为投资更多是资源分配，而创业是制造新的生产力和资源。
大四时我做过第一次创业，做了一个校园约会网站，2011 年在北京高校推广，积累了约 5 万用户，叫"听约会"。当时也拿到了一笔投资，但在核心创始人毕业时关掉了。当时我们看到米聊、微信、陌陌已经崛起，我们虽然很早做了移动网页加 APP 的形态，但也意识到场景会被这些头部 APP 吃掉。作为用户，我自己都不会再在自己的网页上约人办事。此外，我们也看到了能力的瓶颈，作为 CEO，我不知道有哪些资源可调用，也不知道产品选择是否正确，如何验证选择。这是我第一次创业，最终无疾而终的前序。
后来在高瓴工作时，所在的 TMT 团队不仅做二级市场，也看一级市场项目，一级市场完全独立分拆出去前，我们也看过不少一级项目。当时我主要看文娱领域，如游戏娱乐，也看全球市场。我当时认为二级和一级市场是不分家的，例如虎牙从 YY 分拆，是我参与的非常成功的案例。虎牙带着母公司能力进入新市场，这和我们现在小宿和兄弟公司关系很像，我们带着全球分布式基础设施资源出来，在 AI 行业做新时代的基础设施产品及服务。
当看到这个机会时，我非常激动，因为既有基础能力，又能赶上 AI 浪潮，还能和优秀的创始团队一起工作，这几个条件具备后，我依然充满热情想创业。基本没考虑太久，只思考了一两天就决定全职开始做这件事。
👩🏻 Ronghui
那生活有没有发生翻天覆地的变化？
👦🏻 杜知恒 William
我觉得变化是翻天覆地的。做基金经理时，决策大部分是相对短期的，看一个月、三个月甚至半年 PNL，需要判断公司特别是成熟公司战略是否正确、产品数字有何变化、如何猜测公司未来走向。大多数事情不在掌控中。
创业的不确定性不在于能否做，而在于做了后能获取什么结果。我的主观能动性和做事情的确定性很高，只要判断清楚，就能投入资源和团队去做。成败不完全可控，但需要在想战略之外，搭团队、做执行，中间会有大量细碎工作需要处理。人与人、事与事之间有摩擦，这个过程既耗精力又有趣。从零开始做一件事，对我来说非常有多巴胺刺激，每天都有肾上腺素和多巴胺在分泌。
做投资时，只有在业绩期才会有寒毛倒竖或起鸡皮疙瘩的紧张感，而创业后，在搞定大客户、产品大迭代时也会经常有这种 aha moment。这种体验在投资时会遇到，但频率很低，而在创业时经常出现。
👩🏻 Ronghui
而且做投资时去和项目聊天，和自己创业后去和客户聊天，姿态的转变应该也挺大的。
👦🏻 杜知恒 William
Ronghui 说的特别对。创业后，我意识到做投资时自己是非常浅薄的。做投资时，只能听 CEO 或 CFO 讲他们在做什么，真正业务之间的合作隔着十万八千里。做投资时虽然相对客观，但仍带着一种傲慢，总觉得别人的生意模式不够好，CEO 和团队为什么不完全按照理想的战略调整。但创业后，我对生意充满敬畏。
市场上能活下去的生意已经是十里挑一，能做到上市公司，即便二级市场认为生意模式差、创始团队不够强，也非常难得。我首先要做成一个合格的 CEO，而离合格还有距离，更不用说做一个伟大的 CEO。这让我生出很强的敬畏之心。
👩🏻 Ronghui
刚刚我们聊到从结果来看正确的战略选择，例如微软、agent 爆发的时点。你提到创业后需要做大量战略判断，虽然做投资时也做战略判断，但承担结果时感受不同。你能否分享创业时会让你晚上睡不着觉的担忧？
👦🏻 杜知恒 William
我觉得做错事最大的区别在于承担后果不同。做投资特别是二级市场时，做对做错的概率差不多是 60%，如果超过 51% 正确就已经很好。承担结果通常是止损，再投入到下一个决策中。
但创业完全不同，如果战略决策正确，可能引导公司走向长期成功；如果错了，会产生大量后果，既包括人力和资源浪费，也包括如何处理错误业务。我的性格相对温和，遇到错误决策时会产生大量冲突，例如裁员、砍掉业务和预算，需要大量沟通和协调，耗费精力。
对于 CEO 来说，精力是最宝贵的，需要分配在战略思考、搭团队、执行等不同事情上，而一个错误的决定可能让你在一段时间内大量精力都耗在"擦屁股"的执行上，这是非常现实的痛苦。因此，我认为要尽量多思考，先小规模试错，再逐步放大验证。
现在反而睡不着觉的情况减少了。做投资时要跟踪多个市场，白天看中日韩，傍晚看欧洲，晚上看美国，睡不着觉很常见且有节奏，尤其是业绩期无法早睡，需要看盘前盘后发业绩的组合并做操作。这会带来紧张和兴奋。比如组合中有 10% 仓位的公司第二天发业绩，而并非所有业绩都能清晰预判，就会睡不着觉，每个季度都会循环一次。好的基金经理会降低比例，但无法消除。
创业后反而睡得更好，每天只需躺在床上反思当天和近期策略与执行的得失，第二天进行短期调整，长期问题再讨论决策。现在我大部分时间 11 点前睡觉，早起开始工作，晚上 9 点后不再开电脑，仅处理思考和沟通类工作。整体上压力更集中在白天，休息更规律。
👩🏻 Ronghui
我觉得这种还蛮少见的哈。
👦🏻 杜知恒 William
我觉得焦虑没有用。可能之前跟你们聊的很多创业者，要么是在大厂做 leader 或带业务后出来创业，要么是从上一段创业直接进入下一段创业。他们的状态和我之前做二级市场时那种长期紧张状态还是不太一样的。
第二个是目标变得更长了。做一级市场投资需要有比较清晰的长期 view，但二级市场很多投资即使有长期 view，短期波动对业绩影响依然很大。到了创业之后，反而是长期目标清晰，把团队搭好，剩下的就是日常的战术和执行。这反而让我更容易睡得好。
虽然某个客户能否拿下会有区别，但 ToB 生意的魅力在于，即使今天没拿下，如果产品持续改进、理解客户需求、建立更好关系，下次或下个月跟他沟通时依然有机会拿下。所以我觉得这让我不焦虑。如果这单没做成，或者客户暂时不用我们的服务，我不会因为结果本身焦虑，而是会回头看我们在测试过程中有哪些没有满足客户的需求，产品还需要改进什么，以及客户场景是否是当下最高优先级要解决的问题。
这些问题应该在情绪平稳时去思考，而不是在紧张焦虑时去思考。所以我觉得这份工作还蛮适合我。
👦🏻 Koji
确实。我回想起来，好像我们节目之前还没邀请过做了二级市场再回到创业的 founder。所以可以想象，经历过二级市场的状态后再来做创业这种长期主义的事，加上小宿科技做的又是 ToB，本身需要和时间做朋友，相比过去在心态和平衡度上都会更好一些。
👦🏻 杜知恒 William
我觉得焦虑不来。每当焦虑时我会想，现在 AI 原生的 APP 最大的也就几十万、一百万 DAU。他们是这条路上最优秀的人，最优秀的团队，拥有最丰富的资源。那我除了等着他们长大、等着生态繁荣，同时优化自己的产品和客户覆盖之外，焦虑也没有用。客户已经足够优秀了，如果还有没解决的问题，那也是需要时间和环境迭代来解决的。所以我只能放平心态，专注把当下的事情做好。
👩🏻 Ronghui
有没有什么是你创业一段时间后迭代出来的认知，是你刚创业时希望早点知道的？
👦🏻 杜知恒 William
我觉得学到最多的是"战略选择真的很重要"。比如我们从辅助配合的 API 形态，到自建能力，再到自建过程中进行并购，以及产品形态的演化。战略选择看起来很虚，但实际上真正决定了公司长期命运。这是我在过程中逐渐体会和理解到的一个非常重要的事情。
除了战略，我还学到一个很重要的事情是：生意本身很难。
做生意包含很多要素，除了产品质量和能力，还包括与客户的关系、客户当下所处的阶段等方方面面。绝大多数商业行为都不是"0 和 1"的判断，而是从 0 到 0.1，再到 0.2，逐步深化的过程。所以不要太快下结论，要不断小步试错，通过服务客户来理解需求。这也是我在过程中学到的东西。从策略上来说，我们整体没有犯过大的错误，所以也没有什么大的教训。但从经验上来说，我觉得这两点非常关键。
另外一点是要持续保持开放心态，因为世界变化太快了。比起我刚入行、在百度进入互联网行业的时候，现在变化的速度快了至少十倍。那时我们做 PC 到移动转型时，公司 OKR 或 KPI 的调整都是以"年"为单位，但我们当时在移动云部门是以"季度"为单位来调整战略和 OKR，当时已经觉得很快了。
而现在我们的客户是以"周"或"天"为单位在迭代对产品的想法和认知。很多客户在转型后，在自己的能力圈里看到更好的机会或更适合做的事情。所以我们自己也要持续保持非常开放的心态，因为这个世界变化太快了。
👦🏻 Koji
好的，今天谢谢 William 的时间，也非常期待小宿科技能在这场"以天、以周为单位迭代和改变"的巨变中，不断有新的动作。如果今天听了播客的朋友对小宿智能搜索或者 Skyrouter.ai 感兴趣，也欢迎联系小宿科技，了解他们的产品。
好，再次谢谢 William，拜拜。
👦🏻 杜知恒 William
谢谢 Koji，谢谢 Ronghui，拜拜。
参考资料
[1] SkyRouter.ai: http://skyrouter.ai/