00后博士后,把百万AI砍成一万块

1999年出生的清华博士后陈政，带着两个2008、2009年的大一新生，杀进了AI智能体这条最拥挤的赛道。他们没跟巨头拼参数、拼算力，而是做了一件听起来很土的事——把企业部署AI的成本从百万级砍到万元级。四个月站上世界人工智能大会，六个月拿下数千万融资，成为上海天使会创立以来超额认购倍数最高的项目之一。这群平均年龄二十出头的年轻人，用一套"反直觉"的打法，证明了一个残酷的商业真相：AI下半场，够用比最强值钱，交付比技术值钱，让客户验收通过比跑分榜第一值钱。

2026年7月，上海世博展览馆。世界人工智能大会开幕当天，巨头们的展台都在比谁的屏幕更大、灯光更炫。有个不起眼的小展位前却排起了队，桌上只有一台巴掌大的设备和几台笔记本。

观众输入一句指令，几分钟后，一份涉及企业内部经营数据的核对报告自动生成。全程在那台小设备上完成,数据没出过机器。排队的人里有不少企业信息部门的负责人,他们关心的不是技术多先进,而是问同一个问题:"这个多少钱?"

这是以太之心第一次公开亮相。此时距离这家公司在浦东注册成立,刚好四个月。

四个月前,陈政和几个博士同学在张江科学之门"双子塔"租下办公室时,AI智能体赛道已经挤满了人。OpenAI、谷歌、微软、国内大厂,都在往这条道上砸钱。市场预测2026年AI智能体规模会到175亿美元,所有人都在讲同一个故事:更大的模型、更强的算力、更多的参数。

陈政和团队反着来。

他们第一次开会,没讨论用什么模型,而是问了一个很笨的问题:企业花钱买AI,到底在为什么买单?

答案听起来简单——把事干完。但展开一算,账就不对了。

一家制造业企业想用AI整理技术文档,找了家服务商,对方推荐最新的大模型方案。买设备花了八十万,部署适配又花了二十几万,电费一个月小一万。用了三个月,企业发现AI整理的文档经常出错,关键数据对不上,最后还得安排人工复核。复核的人力成本一年就要几十万。

算下来,这套"先进"的AI系统,一年综合成本超过两百万。而企业原本只是想解决几个技术员每天花三小时整理文档的问题,按人力成本算,一年也就二十来万。

这笔账很多企业都算过,算完就不买了。

陈政看到的是另一层:不是AI不行,是大家都在为"最坏的情况"买单。

传统AI部署的逻辑是这样的:先上最强的模型,确保各种任务都能应付;配最好的硬件,保证高峰期不卡;留足冗余空间,防止未来业务扩张。每一层都在加保险,每一层都在加成本。

最后企业买回去的,是一套90%能力都用不上的系统。就像你只想买个能打电话的手机,商家非得卖你一部能拍8K视频、支持卫星通信的旗舰机。

以太之心的做法正好相反——先搞清楚任务怎么算干完,再往回推需要什么技术。

比如整理业务报告这件事,先拆解:从哪取数据?哪些数字必须核对?谁有权限看?什么时候交付?拆完发现,取数据可以用API,数字核对能写规则,权限管理有现成系统,真正需要AI判断的只有"这段文字该放在报告哪个章节"。

这种判断,用个几十亿参数的小模型就够了,根本不需要千亿级大模型。

数字计算交给程序,两份资料同时查而不是排队,模型出错能定位到具体哪一步——每一条优化,都在砍成本。

最后的结果是:6台AetherStation设备搭载Qwen27B模型,处理企业常见任务,单任务成本是8卡A100方案的1/30到1/40。部署投入从百万级降到万元级,降幅85%到94%。

这套打法有个名字,陈政叫它"任务经济学"。听起来土,但土得有道理。

AI圈现在流行讲"技术壁垒",动不动就是"领先业界"、"突破性进展"。陈政倒是很清醒:"AI行业没有永久的技术壁垒,一时的领先只能维持短短几天。模型更新以周为单位,今天你领先,下周别人就追上了。"

那以太之心想积累什么?

"知道什么任务适合什么模型,出了错能定位原因,换一批硬件还能跑好。这些能力不会出现在跑分榜上,但会出现在客户的验收单上。"

这话听着不性感,却直击AI商业化的要害。

现在AI创业有个怪现象:demo做得都很炫,但真到企业里就跑不起来。模型是一家的,推理引擎是另一家的,硬件又是第三家的,出了问题三方互相扯皮。企业买回去不是买了个工具,是买了个麻烦。

以太之心做的事,就是把这一套全装进一个盒子里。Aeloon智能体负责理解任务和编排,Tamer管进度和资料传递,Attune把有效步骤组织好,Handshake明确协作规则。软件硬件运维全在一起,出了问题只有一个电话要打。

这是个脏活累活。巨头们不愿意干,因为不够酷;创业公司干不了,因为需要团队作战。但恰恰是这种"不够酷"的事,企业愿意买单。

WAIC期间,以太之心被上海市纳入市级重点AI产业推进工程,出席重点项目集中签约仪式。一个月后,种子轮融资到账,投资方包括上海天使会、浦东创投、高信资本。浦东创投此前投过沐曦科技、燧原科技、智谱华章,高信资本明确表示下一轮还会继续跟。

投资人看中的,不是这家公司技术多牛,而是它找到了一个真实存在的市场缺口——中国有几千万中小企业,它们要的不是最强的AI,是用得起、用得好、出了问题有人管的AI。

这个市场够大,也够现实。IDC数据显示,全球日活智能体从2025年的2860万个升到2026年的7940万个,预计2030年达到22.16亿个。但与此同时,Gartner指出2025年内置任务型AI Agent的企业应用还不到5%,到2026年底才会涨到40%。

这个差距意味着什么?意味着绝大多数企业还没找到合适的上车方式。太贵、太复杂、太难维护,这三个问题不解决,AI再强也只是实验室里的玩具。

以太之心团队平均年龄二十出头,核心成员来自清华、上交、中科院,在SIGMOD、VLDB、PPoPP等顶级会议发表过几十篇论文。这些学术积累很重要,但更重要的是他们没被学术思维困住。

陈政说过一句话:"做完一个场景之后,有多少方法和组件能复用到下一个场景?"

这是个特别工程化的问题。学术界追求的是"这个方法在这个问题上能提升多少个百分点",工业界要的是"这套东西能不能快速复制到一百个客户那里"。

以太之心种子轮融资的钱,会投向六个方向:核心技术迭代、产品化、异构硬件适配、物理AI智能体、行业场景落地、人才扩充。每一项都在往"可复制"的方向努力。

今年7月,以太之心联合中国信通院、华为、阿里巴巴、三大运营商发布了《智能体互联互通协同发展与治理倡议》。这个动作背后的逻辑是:企业里会同时存在不同厂商的模型、工具和智能体,它们迟早要一起干活。仅仅能互发消息还不够,任务怎么交接、权限怎么传递、失败后谁接手,都需要共同规则。

这是个比技术更难的问题,因为它涉及到利益协调。但只有这个问题解决了,AI才能真正在企业里铺开。

浦东现在有接近1800家人工智能企业,63款大模型通过备案,张江AI创新小镇集聚了600多家AI垂类应用企业。但OPC企业的存活率全国平均不到10%,AI一人公司的存活率也只有30%。

清华创新创业学院的研究发现,AI降低了"做出来"的门槛,但没抹平"用起来"的挑战。创业"死亡谷"没消失,只是后移了——原来70%的项目死在最早期,现在死在从demo到规模化的阶段。

以太之心没走一人公司的路线,也没走纯软件的轻量路线。他们选了一条更重的路:软硬一体、全栈交付、长期服务。这条路更难,但壁垒也更高。

当所有人都在讲"大模型改变世界"的时候,这群二十出头的年轻人在算一笔很具体的账:怎么让一家年营收五千万的制造企业,愿意拿出十万块试试AI;怎么让这十万块在一年内看到回报;怎么让这家企业用顺了之后,推荐给同行。

这些问题不性感,但决定了AI能不能真正走进千行百业。

陈政团队里有两个2008、2009年的大一新生。这个细节很有意思——当同龄人还在纠结选什么专业时,这两个孩子已经在解决企业AI部署的工程问题了。

这代年轻人的优势不是更聪明,而是没有包袱。他们不需要证明自己比前辈强,不需要维护既有的技术路线,不需要为过去的投入辩护。他们只需要回答一个简单的问题:客户到底要什么?

答案可能很土,但土到极致,就是壁垒。

AI的上半场,拼的是谁先做出来。下半场,拼的是谁能让客户验收通过。

以太之心的故事才刚开始,但它已经给出了一个很清晰的信号:所谓技术壁垒,可能只是一场集体幻觉。真正的壁垒,是让企业觉得"这钱花得值"。