Deepseek研究员联手谷歌工程师创业，这家公司正在做Token时代的“智能电网”

来源：市场资讯

（来源：创业邦）

作者丨漫地

编辑丨子钺

图源丨宏诺伊曼

模型越来越多，企业为什么仍然用不好AI？

“模型用不对，账单看不懂”，正成为企业落地AI的普遍痛点。面对不断更新的模型、工具和智能体，企业该如何选择、组合，又该如何算清成本和效果？

在2026（第二十届）DEMO CHINA发布的「2026年度值得关注的创新力量」榜单中，上海宏诺伊曼科技有限公司（以下简称“宏诺伊曼”）旗下企业级AI推理网关平台AnyInt，凭借在AI模型基础设施领域的技术积累与场景落地能力，入选「AI｜人工智能」方向。

2025年11月，宏诺伊曼由周银汉与子君共同创立。周银汉曾在谷歌任职，子君则有DeepSeek研究员背景。两人在美国旧金山湾区相识，希望从智能路由切入，帮助企业在速度、质量、价格等多重约束下，为每一次请求匹配更合适的AI服务组合。周银汉将这一定位比作“Token时代的智能电网”——连接分散的供给，把智能送到实际业务中。2026年3月30日，公司获得百度战略投资。

这门生意的机会，在于AI服务的供给将持续多样化、碎片化。即便基础模型的竞争格局趋于集中，模型之上的智能体、工具和应用仍会不断涌现，企业选择的难度也随之上升，要用好更难。宏诺伊曼希望降低这一门槛，让智能真正进入生产，并借此积累真实商业场景中的使用数据，持续改进推荐能力，建立自身护城河。

2026（第二十届）DEMO CHINA期间，创业邦与宏诺伊曼创始人兼CEO周银汉，围绕如何帮助企业解决落地AI的痛点等问题进行了一次对话。以下为对话实录。

从自身痛点出发，降低企业使用AI的门槛

创业邦：请先介绍一下您和团队，以及为什么创办宏诺伊曼？

周银汉：公司名字取材于冯·诺伊曼（被誉为“现代计算机之父”），也代表我们这群计算机科班出身的技术伙伴的一些理想。

公司由我和子君共同创立。我的背景更多偏谷歌相关的工程和商业化，子君是研究员背景，也是DeepSeek V3和R1相关论文的作者。我们在湾区认识，当时他在那边交流，我们有共同的朋友，经常一起讨论问题，所以逐渐熟悉起来。

做这家公司的出发点很简单：AI发展非常快，不断提高智能的天花板，但企业使用智能的门槛仍然很高。每周甚至每天都有新的模型、工具出现，企业要跟上已经很难，要用好就更难。我们希望降低这个门槛，让大家把智能真正应用到生产中。

创业邦：您对这一需求的判断，来自哪些具体经历？

周银汉：首先来自我们自己的痛点。每次使用新的模型或工具，都需要学习和熟悉。

其次，在实际生产中，一个任务往往需要多家厂商的模型、工具和不同的知识库共同完成。它不是选一个模型就结束，而是要把多种AI服务组合起来，形成一张类似拓扑图的结构，才能得到更好的结果。

我们做智能路由，也是从客户的具体问题出发。有客户问：“你能不能给我一个80分的结果，但是成本帮我降到50%？”本质上，这是一个多约束条件下的多目标优化问题。

创业邦：企业现阶段更看重价格，还是更好的交付效果？

周银汉：要看具体客户和场景。有的客户对价格敏感，有的更看重质量；同一家企业的不同场景，优先级也可能不同。所以我们会在前期充分沟通，先明确他真正需要什么。

创业邦：您为什么选择在这个时候自己做CEO？

周银汉：我一直对创业感兴趣，也参与过朋友的创业，以资金或其他方式提供支持，自己作为一号位创业是更有挑战的事情。我喜欢冒险，也喜欢挑战。

这次是觉得各方面都准备得比较充分，可以承担风险，也能接受最坏情况下的结果。同时，我和合伙人都认为这个想法很好，又有投资人支持，就开始做了。

从服务组合到数据积累，智能路由如何建立壁垒

创业邦：智能路由到底在做什么？与单纯的模型路由有什么区别？

周银汉：我们的核心是为每一个请求寻找速度、质量、价格的最优解。可以把它理解成一个AI服务的推荐系统，用得越多，推荐得越准确。

这里有一个重要前提：供给侧不会收敛。所以我强调的是“AI服务的推荐系统”，而不只是“模型的推荐系统”。一个API，也就是一个服务接口，背后不仅可以是模型，还可以是智能体、工具，或者其他AI服务。未来甚至可能连接一个机器人、一家专科医院、一座工厂、一家银行，或者某个具体服务。

如果只把业务理解成模型之间的路由，空间就太小了。现在很多实际场景已经是模型、智能体和工具混合使用。我们希望面对的是更广泛的AI服务供给。

创业邦：为什么您认为这些服务会持续多样化？

周银汉：即使两个智能体使用相同的代码和模型，只要背后的数据、配置和偏好不同，它们就已经是不同的服务。

所以我们判断，未来供给会非常碎片化、非常多样化。这种情况下，就会需要类似推荐系统的能力，帮助用户找到适合自己的服务。

创业邦：这套推荐能力如何在企业中发挥作用？

周银汉：我们自己已经训练了小模型，可以把它理解成一个通用大脑。但通用智能放进企业环境，一定要有企业实际的数据支撑。智能和它运行的环境结合起来，才能产生更好的效果。

如果一家企业的知识、业务和日常数据流都已经比较充分地电子化，使用这套系统的效果会更好。如果只有部分数据、部分业务实现了电子化，能够产生的效果也会受到限制。

创业邦：假如不同模型的能力越来越接近，路由还有多大价值？

周银汉：首先，价格只是其中一个因素。我们做的是多目标优化，质量、价格、延迟等维度都需要同时考虑。

其次，以我们看创业公司的时间尺度，未来一到两年内，还看不到某一家模型厂商一统天下。即使是同一个模型，由不同供应商提供服务，实际表现也可能不一样。比如同样是DeepSeek，官方服务和其他厂商部署的版本，在技术处理、工程实现和服务保障上，实际跑下来的表现可能存在差异。模型数量乘以供应商数量，组合空间仍然很大。

更重要的是，我们从模型路由切入，但不会只做模型路由。后面会有更多智能体、工具和服务组合出现。只要供给继续丰富，推荐系统这样的模式就有继续发展的空间。类似无问芯穹的M*N整合模型和异构芯片的逻辑，但我们的值域空间会更大。

创业邦：面对其他平台和大型厂商的竞争，宏诺伊曼希望建立怎样的壁垒？

周银汉：把时间线拉长，Token消耗量大，并不意味着自然积累了技术壁垒。关键是想清楚，从A点到B点，B点到底在哪里。

我们一开始就明确，要用数据积累相关的智能。如果只是把Token消耗量做大，中间没有留下能够帮助系统学习的轨迹，我认为没有太大意义。

另外，我们和大型云厂商、基础模型厂商的位置不同。很多大厂从芯片到应用做全栈布局，商业策略和内部激励会向自家的体系倾斜。我们的价值是保持中立，从用户的需求出发，判断什么模型、哪家供应商、什么智能体或者什么组合更适合他。最终方案往往需要跨平台、跨供应商。

创业邦：这种中立位置能给客户带来什么？

周银汉：如果我们只代理某一家云厂商，就容易围绕它的模型、服务和智能体去推销，因为这样可以获得返利。但我们想做的是，用户需要什么，就帮助他找到什么。

同时，在这个位置上，我们能看到真实商业场景中的模型消耗和使用情况。有些模型发布时榜单表现很亮眼，但从实际数据看，用户未必持续使用。榜单成绩和真实需求之间的差异，对客户很有价值。

创业邦：数据飞轮和网络效应，分别如何形成？

周银汉：技术上的数据飞轮，类似推荐系统，用得越多，推荐得越准。我们希望依靠真实使用数据，而不是只看静态榜单。AI服务在变化，公司内部的数据和运行环境也在变化，所以只靠静态评测表，或者一组预先配置好的规则，很难一直满足需求。

业务层面则更像互联网平台的网络效应。使用的人越多，网络可以更稳定，服务更多样，价格也更有优势，从而吸引更多用户。更多用户带来更多收入，又吸引更多供应商进入，形成供需两端互相促进的平台。

创业邦：智能路由在技术落地上，最难的是什么？

周银汉：一个是数据，而且必须是实际商业化的数据。这意味着公司首先要取得一定的商业进展，才能得到这些数据。网上公开的数据，未必能构成自己的护城河。

另一个是动态变化。企业的环境、决策、数据都在变化，AI服务的能力也每天都在更新。这要求整个团队保持非常敏捷的迭代能力。

图：Anylnt自研路由模型

最终目的是让客户省钱、省时间

创业邦：不同客户的需求很不一样，您如何概括公司的核心价值？

周银汉：我们总结为三个方面：Better price、Better result、Less work，也就是省钱、省事儿、更好效果。

我们内部安排技术和产品研发的优先级时，也会问：这件事有没有满足其中一个需求？如果三个价值都没有提供，我认为就没有太大价值。

从实际收入贡献看，目前比较重要的是两个场景：一个是编程，一个是AIGC，包括图片和视频生成。我们大部分收入来自Token，收入与单价、总消耗量有关，这两个场景在这些维度上都比较突出。

创业邦：能否分享一个典型的服务案例？

周银汉：我们服务过一家量化基金，它有很多不同场景，需要使用多种模型。比如做策略，需要能力很强的模型；做行业研究，需要长上下文、同时又比较经济的模型，因为要处理大量数据。内部会议需要语音转录，对外宣传又可能涉及图片和视频生成。

同时，它有些业务数据绝对不能外泄。综合这些要求，我们为它做了私有化的AI智能路由网关，帮助判断哪些任务和数据留在本地，哪些可以放到云上。

这个案例体现的就不只是选哪个模型，而是多场景、多模型、多工具，以及本地和云上服务的组合。

创业邦：最初的客户是怎么找到的？什么时候觉得商业模式跑通了？

周银汉：最早的试点客户，基本来自我们认识的朋友。一开始没有产品，实际上是拿着PPT去讲方案，说服朋友给我们机会，做概念验证，也就是PoC，再把实际场景跑出来。有了试点客户后，后面相对顺一些。

找不到产品与市场契合点，也就是PMF的时候，试错比较痛苦。可能一直在聊，聊完没有下文，或者做完没有回款、没有收入。这个过程是必要的，也很煎熬。找到之后，更多就变成执行问题：怎样快速复制、扩张。我们大概在成立一到两个月时，就已经有了这样的感觉。

创业邦：从大公司出来，自己创业，最大的变化是什么？

周银汉：公司运营、组织架构、人才体系、激励，以及自己谈业务，每天都有很多事情要想。创业公司没有大公司的光环和背书，这些都要自己建立。在大公司时，对这些没有那么深的感触。

不过，从业务本身看，我们认为它比较健康，从第一天开始，单位经济模型就是盈利的。接下来要持续放大，并让公司一直留在牌桌上。随着行业发展，我相信会越来越好。

扎根国内企业市场，出海要跨过合规与本地化门槛

创业邦：目前AnyInt的国内外客户构成有什么不同？

周银汉：国内以B端企业客户居多，海外目前主要是C端用户。海外范围很大，我们接触较多的还是美国，尤其是美国西海岸的一些客户和用户。

服务个人、小企业和创业公司，相对比较顺。但进入中大型客户，或者一些compliance（合规）要求比较严格的行业，门槛会明显提高。

创业邦：这些门槛具体体现在哪里？

周银汉：我们曾经和美国一家为退伍老兵提供心理咨询的平台深入沟通，但最后没有成单，原因是对方需要我们满足HIPAA相关合规要求。

美国一些行业对数据合规要求非常严格，有的客户甚至会要求数据不能离开所在州。满足整套要求，需要投入很多时间和精力。当然，满足要求后，也可能获得高得多的收费空间。

现阶段，我们还没有足够精力推进这些事情，主要能力还是覆盖个人和中小企业，中大型客户暂时比较难。

创业邦：下一步业务重心更偏国内，还是海外？

周银汉：国内一定是重点。我们现在的B端业务扎根国内，有利于把商业逻辑、产品逻辑和团队能力打磨好。

企业业务出海不能太着急，需要一个国家一个国家地推进。它有地域属性，不是靠投流就能解决。美国对B端收费来说是很好的市场，但必须理解不同产业的要求，特别是合规问题。

创业邦：国内积累的经验可以直接复制到海外吗？

周银汉：主体需求大体相似，但文化、当地监管等方面一定会有差异，需要很强的本地化能力。最好是团队自己在当地生活过、工作过，体会会更深。我们在美国也有一到两名销售人员。

Token时代为什么需要一张“智能电网”？

创业邦：您为什么把宏诺伊曼比作Token时代的智能电网？

周银汉：因为我认为Token未来会和电有一定的相似性。现在大家会关心模型系列和厂商品牌，但往后可能更关心价格、延迟，以及影响业务的具体指标。

就像给电车充电，我们通常不会问充进来的是风电、核电、火电还是水电，更关心电价和供电是否稳定。Token的价格也可能逐渐接近大宗商品，在一个基线附近波动。届时，企业会更关注实际使用指标。

从结构上看，基础模型厂商有些像发电站，中间需要一个智能分发网络，把服务送到各个行业和真实用户手中。这就是“智能电网”这个比喻的由来。

创业邦：为什么选择把公司放在中国，面向全球市场？

周银汉：我们看好中国未来在能源及能源传输网络上的优势，希望在供给侧取得优势，再去服务全球的需求。

和电力相比，Token的跨地域传输有更大的想象空间。电力的跨洋输送面临很多限制，而Token从技术上可以跨地域流动。这是我们理解这个机会的一个出发点。

创业邦：模型路由最终会成为独立的基础设施，还是被大厂吸收？

周银汉：我看好它成为独立的基础设施层。它的价值就在于中立，以及横向连接不同平台的能力。

即使底层供给相对集中，中间仍然可能存在独立公司的机会。而在智能时代，供给更加分散，模型之上还有各种智能体和应用。我认为，独立基础设施层会有更多机会。

创业邦：对于后进入这个赛道的创业公司，还有机会吗？

周银汉：先发优势一定有，但后来者也有机会，因为会不断出现新品类。先行者的一些成功可能主要来自编程场景，之后还会有视频、图片，可能还有3D生成、世界模型带来的新场景。

有点像电商平台，新品类出现，就会给新玩家带来机会。我们现在也无法把未来所有场景都想清楚，但供给和需求还会继续变化。

创业邦：公司接下来最重要的工作是什么？新资金会优先投向哪里？

周银汉：我们会两条腿走路。一方面重视商业化，关注Token消耗量、收入、活跃用户数和客户数；另一方面继续做前沿探索。

这些探索都基于我们已有的能力，包括对数据、智能路由和不同场景评测的理解。我们自研的小模型也已经在部分客户试点，后续需要更多的算力来训练参数更大的模型。如果有新的资金进来，会更多投入人才队伍建设。