10 人创业团干翻行业“潜规则”！全员必须会 AI、让跑大模型全程“裸奔”，谷歌老兵不烧钱创业

这波快速发展的 AI 浪潮，吸引了很多人投身创业。根据Thunderbit数据，2025 年全球有超过 1 万家获得融资的 AI 创业公司，如果把所有“沾 AI 边”的公司都算上，甚至高达 5 万多家。

在谷歌、YouTube 等大厂做过技术、管理，同时还有投资经验的 Bryan Zhou 就是这次 AI 创业浪潮中的一员。

Bryan 前后毕业于上海交通大学、芝加哥大学，他曾是谷歌 AI 系统团队的创始工程师之一，从 0 到 1 见证了 Google Assistant 用户量增长到五亿的过程，也曾担任 YouTube 的技术负责人。此外，他还在 AI 和加密领域的有过投资经历。作为一名连续创业者，他已有一次成功退出经历，因此，创业对他来说不算陌生。

这一次，以大模型代表的 AI 发展比以往任何技术都要快，这让程序员出身的 Bryan 敏锐地发觉到了新的契机，而且不同的职业经验也让他视角更多元。因此，他决定再次创业。

创始团队组建得非常快，从决定创业到公司正式运作大概就用了三个月的时间。

这主要得益于创始团队成员早就熟知彼此：有的是校友，有的之前就一起创过业，而且大家之前都在湾区，关系很好，平时交流也很多，加上几位创始人当时也都离开了原来所在的大公司，所以创业对他们来说是比较轻松的决定。

目前，公司 AnyInt 大概有 10 位成员，所有人都有海外背景。团队成员一半在国内、一半在海外。那么，这样一只规模不大的团队，是如何在竞争激烈的 AI 创业浪潮中找到自己的定位并快速赢得用户的呢？

奔着付费用户去

团队创业针对的是用户这样的模型使用现状：要面对众多不同的提供商，这些提供商的 API 格式、模型能力也存在很大差异。因此，他们想要一个平台来对接所有模型。

业内把 AI 产业大致分为几层：最底层是算力芯片，往上是模型、中间件、服务平台，最后是应用。这个链条中，AnyInt 对自己的定位是 AI Infra，是中间件。

在 AnyInt 平台上，一个 API 就能对接全世界所有的模型，不管是开源还是闭源，同时用户只需要一个支付账号，就能对接全世界所有的支付方式：国内用户不需要国外信用卡，国外用户也不需要微信、支付宝等。此外，平台会提供一个统一的数据看板，用户可以管理所有支出和系统指标。

实际上，现在也有创业公司提供类似服务，“切换模型”的功能基本都能实现，但团队认为，用户不应该在多个模型之间纠结，而应由平台来辅助做决定，找到最适合的模型。其中，“适合”包含多个维度：如果关注成本，就匹配成本最低且能满足需求的模型；如果做 C 端服务，核心考虑就是不能让其用户感觉到模型能力下降等。

在团队成员们来看，用户使用不同模型，本质上是在和不同供应商合作，找不同的算力和模型服务来满足自己的需求。在与这么多“供应商”打交道过程中，AnyInt 提倡“去中心化”，即价格公开透明，没有价格欺诈；不会出现模型偷偷“降智”情况；也不会有供应商锁定等问题，营造一个相对公平公开的 AI 使用环境。

在商业考量上，团队越过了之前的最小可行性产品（MVP）策略，一开始就确定了目标：用户必须有明确的付费意愿。

“我们就是奔着用户付费去的，这是最重要的一点。我们不想做烧钱扩张，也不想反复用 MVP 验证需求，从一开始就要求用户付费。”Bryan 说道。

他解释道，这一波 AI 创业和上一波互联网创业不同。现在的 AI 产品和以前 SaaS 产品最大的区别在于，从“卖软件服务”变成了“卖结果”。这从销售话术可以看出来：以前是一款软件每月 199 元，可以做哪些事；但现在是每月花 199 元，可以用 AI 直接帮你找到 10 个客户。

他坦诚道，创业公司很容易被大公司的产品冲击，因而团队毫不犹豫地选择做平台型生意。“平台型生意在互联网时代很多，但这一波 AI 创业中其实不多。不管是 Agent 还是其他产品，都不是平台型生意。”

“这一波大部分创业公司都基于基础模型，可以说技术和工程层面的壁垒基本不存在。之前湾区的 AI 投资圈流行过一句话：品位（Taste）就是你所需的一切，但我个人认为，这是比较模糊的说法，其实是大多数没有护城河的公司找的借口。”Bryan 说道。

如何打造“去中心化”AI 产品

10 月 10 日，团队正式发布 AnyInt 平台。核心技术源自首席科学家的论文《A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration》，CTO Arthur Nie 负责核心架构设计，打造智能推理基础设施。其带领团队做了工程化改造，整体上 AnyInt 平台架构可以分为三层：

• 最外层是网关，直接和用户打交道。用户的请求会发送到类似 api.anyint.ai 这样的 URL，由网关承接。网关只做最基本的校验，比如用户是否有余额、IP 是否在黑名单，核心工作会交给中间的编排层。

• 编排层是最核心、技术壁垒最高的部分，也是 AnyInt 和其他平台最大的区别，像智能路由功能就在这一层实现。它会解析上游（网关）传递的用户需求，比如“用户对成本不敏感，但对模型是否满足需求很在意”，然后通过智能路由找到最合适的服务商和对应的模型，再传递给下游。

• 下游是各类模型服务商的抽象层：无论是闭源模型还是开源模型的提供商，都会通过统一的抽象层完成最终的 API 调用。所有功能完成后，结果会回到编排层汇总。编排层会评估请求是否满足需求，满足就通过网关返回给用户；如果是苛刻场景，编排层还会做进一步增强，比如用户定义了返回结果的格式，但服务商提供的结果未完全满足，编排层会补充优化，完成结果包装后再通过网关返回给用户。

网关和编排层背后会对接很多不同的执行器：有些是通过 P2P 网络捕获到的，有些是长期稳定存在的服务，比如 OpenAI。AnyInt 对这些执行器和服务商的评估，都是在编排层内完成的，而且这种评估是持续的，不仅评估延迟、带宽、在线率等传统基础指标，还会实时跟踪语义层面的效果，比如服务商是否真的按声明提供“满血版”服务，有没有如实履行承诺。

对于复杂的查询，AnyInt 设置了多模型智能路由算法，本质上是若干个小模型，不仅能做传统意义上的路由，还能做语义层面的路由。AnyInt 基准测试显示，通过语义层面的路由，模型使用成本能降低 50%以上。

“我们在工程化上做了极致的性能优化。智能路由的设计目标是在 10 毫秒内完成模型匹配决策。市面上同类方案的决策延迟大多在 100 到 150 毫秒之间，这是我们最自豪、也最能给用户带来价值的点。” Arthur 说道。

“让开发者和算力提供者地位平等”

当初，团队面临着产品路线选择：该给用户提供什么样的服务？

像 BT 或迅雷这类软件完全去中心化的解决方案，用户只需要发送请求，但不知道自己的请求被谁执行。比如，某个供应商宣称“低价提供 DeepSeek 满血版”，但发送请求后，用户根本无法验证它是否真的是满血版，可能短时间内会被欺骗。因此，面对众多供应商时，完全用去中心化的访问逻辑并不合适。

最终，团队决定 AnyInt 的产品形态是：用户通过统一网关访问所有资源，网关帮用户做供应商评估。

比如，某供应商宣称提供 DeepSeek 满血版，但根据对其执行结果的持续评估，如果发现它有很大概率不是满血版——哪怕刚上线时是满血版，两天后推理能力突然下降，AnyInt 的智能路由会敏锐捕捉到，然后给这个供应商的模型单独编号，并大幅降低其推荐权重。

“统一网关的意义在于，让开发者和算力提供者处于平等地位。用户不再只能被动接受结果，而是能提前知道自己会得到什么。”Arthur 说道。

Arthur 表示，去中心化 AI 有两个核心优势。

首先，中心化平台的路由能力有局限。比如 OpenAI 内部其实也有简单的路由逻辑，有小模型决策用 GPT-4 还是 GPT-5 等，但这个能力不会开放给外部用户。而且中心化平台有明显的立场局限，比如问 OpenAI“写代码该用什么模型”时，它不会推荐 Sonnet 4.5。

其次，“去中心化特性”让用户选择范围更广。去中心化 AI 本身没有立场，不会因为“某个模型更赚钱”就优先推荐。“AnyInt 收取的是固定比例的平台费，所以会在更大范围内为用户匹配最适合的模型，这是与中心化平台最核心的区别。”Arthur 补充称。

“平台要自证清白”

AnyInt 平台在设计初期还明确了一个原则：用户调用 OpenAI 等闭源模型时，需要用到 API 密钥。保护用户的 API 密钥和保护用户的实际调用行为是绑定的。AnyInt 不希望平台出现漏洞，比如编排层出现 Bug 导致密钥泄露。

为此，密码学出身的 Arthur 采用了可信计算、非对称加密等方案，确保用户提交到平台的 API 密钥，永远不会离开单独的隔离环境。

而另外一个核心考量是，“平台要自证清白”，不能仗着自己是中间件平台就随心所欲欺骗用户。比如，平台宣称调用了 GPT-5，但用户可能会质疑有没有偷偷把请求转到 GPT-3.5，这时平台需要证明自己。

在这个问题上，团队非常认同区块链的一个核心理念：Don't trust, Verify ! （不轻信，要验证。）因此，团队在审计环节用到了区块链技术，包括默克尔树（Merkle trees）这类常用验证方案。

AnyInt 每天会把用户当天的所有调用记录，通过 Merkle Tree 生成一个根哈希，并把这个根哈希上链。如果用户有疑问，平台可以随时生成一份证明，用户可以自己去区块链上验证。

使用逻辑很简单：用户在平台上找到某一天的调用记录，可以勾选其中自己觉得可疑、质量未达标的数次调用，然后平台会生成一份和 Mercury Tree 相关的证明。这份证明不会泄露具体的调用内容，但能证明这些调用确实存在于当天上链的 Mercury Tree 中。用户拿到证明后，可以自行去链上校验。根哈希当天上链，AnyInt 无法伪造，事后无法篡改。

除上述外，AnyInt 还几乎对所有收费模型都做了优化，比如帮助用户突破 OpenAI 对新用户的 TPS 和使用上限类似限制，还有重试机制、模型结果增强等功能。此外，它还允许个人通过贡献 GPU、本地计算资源、边缘计算资源或闲置 API 成为服务提供者。

“构建者愿意为这样的产品付费”

AnyInt 的客户分为两类：一类是供应端，如英伟达、谷歌云等算力提供商和云厂商，一类是需求端，中小型企业、开发者和创作者。不过， Bryan 喜欢把公司的目标客户称为“构建者”（builder）。“只要是用 AI 来创造东西的人，不管是个人、团队还是企业，都是我们的客户。”

在他看来，编程门槛飞速降低，程序员和创作者的界限越来越模糊。“AnyInt 的目标是让构建者的工作更轻松，而且我们也看到了市场反馈：构建者愿意为这样的产品付费。”

目前，AnyInt 是轻资产模式，不做裸金属 GPU 租赁这类业务，商业模式是收平台费和订阅费，和成功的 SaaS 平台商业模式一致。

创业前期，AnyInt 并没有考虑研发投入和收益之间的问题，更多是将用户需求作为自己的“北极星标准”：如果开发进度跟不上用户需求，那就多招人；如果能跟上，就用现有团队把现金流和变现的事情做好。

公司当前主要成本在研发上，80%以上是科研、研发人员，营销方面基本没花钱，主要靠自然流量和自然增长。他们会给开发者提供一些免费试用额度，让开发者们觉得好用后自然付费，不管是按量付费还是订阅付费。

AnyInt 选择部分开源，在全球社区吸引了近一万人。开发者通常会在社区反馈他们使用大模型时的体验痛点，团队会通过投票、收集反馈的方式，开发和系统层面针对性快速落地。

开发者反馈主要分三类：一是想快速用上新模型；二是希望有免费、优惠活动；三是优化开发体验，比如数据看板补充特定数据、响应时增加错误处理、提供客户端样板代码等。

AnyInt 几乎一半的功能是后期从社区反馈迭代出来的。比如，有用户希望提高透明度，想了解延迟、成本、服务商、回退路径以及智能路由选择该模型的具体理由。为此，团队在智能路由模块披露了更多元数据和模型选择理由，以便用户做事后验证；还有用户希望设置路由预算（成本上限），担心请求失败重放时额外收费，团队也做了对应优化。

另外值得关注的是，AnyInt 不仅做多模型路由，也支持多智能体（Multi-Agent）路由，两者核心逻辑是统一的。不过，现在 Agent 间的通信协议还不够普及，主要通过 MCP 方式调用工具，因此团队重点暂时放在多模型智能路由上。

“我们的学术研究和工程化改造都是向前兼容多 Agent 的。现在不在商业上发力，是因为当前 Agent 市场和实际应用场景还比较有限。现在是基础模型时代，未来会出现很多‘基础智能体（Foundation Agent）’，它们的交流接口本质上都是 API。所以，我们技术上兼容多 Agent，商业上可以‘等风来’”。Bryan 补充道。

“不用 AI 的话不要加入我们”

一定程度上，AnyInt 是自己的第一个客户。

“我们是全员 AI 化的，不用 AI 的话就不要加入我们。”Bryan 说道。公司内部有一个原则：会使用自己平台提供的 API，因为团队做这款产品的初衷，就是用自己的 API 兼容所有编程工具。

现在大多数员工用的是 Claude Code，认为它在执行计划方面非常智能，还有一些人倾向于 OpenAI 的 Codex。Arthur 表示，这具体取决于每个人的角色：比较初级的同事或实习生做简单任务时，拿到的是资深同事拆解好的任务，直接用 Codex 配合模型就能完成；而资深同事更多要面对有挑战性的工作，比如如何设计模块，让它既能无缝融入现有代码库，又能和现有代码的设计哲学保持一致，这时会更多用 Claude Code。

Arthur 解释，用 Claude Code 是因为它的提示词体验很好，另外团队用自己的平台做了抽象能力，因此使用什么模型不重要，全看个人偏好。

实际上，AnyInt 平台用得比较多的两个领域，一个是 AI 编程，另一个就是多模态生成。Bryan 表示，用 AnyInt 平台价格更便宜，其通过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，减少浪费，还可以使用那些受地域限制无法使用的模型。另外，聚合器模式能平衡资源，突发故障时会自动转移到更合适节点，也基本不会出现限流。

“AI 时代，初级开发者的能力可能比不上 AI 模型，但人的优势在于能从尝试和失败中吸取教训，快速成长。在这个时代，多尝试比以前更重要。”Arthur 说道。

“AI 时代什么都能学，关键是有学习的意愿和能力。”Bryan 说道。就像他对于员工没有硬性的学历、工作经历要求，但很看重“意愿度”：相信公司做的事，愿意为此长期付出。

对于 AnyInt 这样需要跨区域协作的公司来说，协作的关键是“沟通清晰”：明确一件事的目标和时间节点，不能有模糊的指令或沟通，否则跨时区协作效率会很低。“大家的工作时间比较灵活，只看结果，不会强行要求 996 或 007。”Bryan 补充道。

乐观又焦虑的创业者

Bryan 对当前赛道非常乐观。“只看全球大模型 API 采买市场（排除硬件采买、训练微调、ChatGPT 这类订阅制收入），去年规模约 38 亿美元，今年预计能达到 200 亿美元以上，差不多是 5-6 倍的增长，这个市场还处于非常早期的增量阶段。”

在 Bryan 看来，去中心化算力网络赛道的成败关键有两点，这也是 AnyInt 的“护城河”：

• 技术壁垒，主要是多模型智能路由算法。平台使用越多，积累的真实数据就越多，这些数据会反过来优化路由算法，形成“数据护城河”。

• 网络效应。用户越多，平台收入越高，能吸引更多供应方入驻；供应方越多，平台服务越稳定、价格越优、延迟越低、服务越丰富，又会吸引更多用户，形成正循环。

不过，作为创始人，Bryan 面对快速变化的节奏难免也会有一定的焦虑。

“这个行业发展得太快、太好了，有时候半夜准备躺下了，打开手机看到一条相关新闻或有意思的东西，又得爬起来打开电脑看看。”Bryan 说道。

程序员出身的 Bryan，现在用一些 AI 编程工具时，总会对比自己以前写的功能。“比如以前做 AI 模型相关工作时，很多时间都花在写数据管道、数据清洗这些事情上，现在我就会想，如果当年有 AI，青春就不会浪费在这些无聊的事情上了。”

创业本身是一件很难的事，必须专注，而且要长时间专注，但世界上有很多诱惑和其他有意思的事情。“现在喝杯咖啡都能听到十个‘改变世界’的想法，很难不产生其他念头。”Bryan 说道，他的办法就是全情投入自己最擅长、最喜欢的那件事，其他的想法就以风险投资方式参与，这样让自己静下心来专注做事。

结束语

这波 AI 创业浪潮无疑给了很多人机会。“AnyInt 要做‘智能电网’，把智能送到需要的地方。”可以看到，无论是产品还是商业模式，AnyInt 团队目前都思考得非常清晰，他们也找到了自己的“护城河”。

然而，市场总是瞬息万变的，Bryan 对此已经习惯。“要勇敢拥抱不确定性”，这是他给现在年轻工程师的建议，也是他从业多年的深刻体会。团队现在第一时间支持最新模型、不断优化和吸引用户，正在紧跟不断变化的行业。

像 AnyInt 这样由 AI 大模型催生的创业公司有很多，它们未来如何顺应时代并走出自己的道路，这还需要时间给出答案。