摘要

小宿科技已把一条看似“不性感”的 Agent Infra 生意做到 6 月 ARR 超过 2500 万美元、P&L break even。 公司 A 轮 close 中，预计年底启动 B 轮；超过 100 人的团队约 70% 是研发，产品覆盖小宿智能搜索与大模型 API 聚合平台 Sky Router。
William 押注搜索将从“人搜机器”转为“机器搜机器”，B 端份额可能由个位数升至 80%—90%。 全球每天约 200 亿次搜索目前仅 2%—3% 发生在 B 端，而 Agent 会拆 query、做多轮搜索，令调用量再以十倍为单位增长；William 也强调，真正兑现仍取决于 Agent 的用户规模和留存能否实现质变。
小宿的产品拐点不是把 C 端搜索封装成 API，而是从全文读取、自建搜索到 Agent 原生功能的三次跃迁。 去年 9 月至今年 1 月先配合 Bing 抓取全文；2 月 DeepSeek-R1 爆发后，Bing 停止向中国部分模型厂商和头部互联网公司提供 API，小宿随即并购成熟团队、建设“上千亿规模”的 index。5 月底 Bing 宣布 8 月 11 日 retire Search API，验证了其提前三四个月投入的判断。
搜索壁垒被 William 拆成稀缺人才、至少 6—9 个月的工程投入，以及头部客户反馈形成的闭环。 小宿要求相关性、时效性、权威性、时延和可用性先与 Bing 打平，再靠全文、Markdown、多模态、多语言和数据合规拉开差异；他的直白判断是，没有传统搜索负责人却声称 5—10 人做出原生引擎，“一定是一个套壳产品”。
Sky Router 押注 2025 年推理需求超过训练，且绝大多数推理以 API 而非直接租算力呈现。 它不与硅基流动比拼开源模型自部署和推理优化，而是依靠全球节点、平台稳定性与云资源运营聚合商业及开源模型；William 称从 OpenRouter 迁移大概率可节省至少 10%—15%。
AI Infra 的主战场正在从“抢卡”转向“抢数据”，而当前最大瓶颈仍是客户尚未找到足够强的 PMF。 coding、办公、广告投放、旅游预订和个性化信息流已有苗头，但头部原生 Agent 的 DAU 仍多以十万计，Tier Two 或垂直产品仅数万；William 因而称现在只是“Agent 元年 Day One 的早上 6:05”。
从二级市场转做 CEO，让 William 从评判生意转向敬畏执行，也把决策后果从止损变成组织成本。 投资做错可以换仓，创业战略做错却要砍业务、预算和人员；他如今反而睡得更早，因为“焦虑没有用”，真正可控的是小步试错、服务客户，以及在按天和按周变化的市场中持续修正。

精读

1. 2500 万美元 ARR 已把 Agent Infra 从判断变成生意

小宿科技定位为一站式 Agent Infra 平台：小宿智能搜索为 Agent 提供实时信息，Sky Router 聚合全球大模型 API，让小团队不受地域和用量限制地调用模型。
截至 6 月，公司 ARR 超过 2500 万美元，P&L 已 break even；A 轮正在 close，William 预计年底会启动 B 轮，但金额和估值留待官方公告。
团队超过 100 人，约 70% 是研发。William 去年 Q3 全职加入时，公司已有出海基础设施业务，但 AI 收入有限、商业模式尚未找到；他的判断是，既有 infra 能力与创始团队经验足以找到落地场景。

2. “机器搜机器”会同时改写搜索份额和调用量

William 的核心推演是，传统搜索 90%—95% 面向 C 端；一旦用户改为让 Agent 执行任务，To B Search 可能从个位数份额升至 80%—90%，搜索结果也由页面入口变成机器可消费的数据。
人搜机器重视卡片、前三条点击率和精准广告；Agent 不需要“抓眼球”，而要把一个任务拆成多个 query，每个 query 再进行多轮搜索。因此转向 Agent 不只是份额迁移，也会引发调用次数爆发。
以全球每天约 200 亿次搜索为基数，目前 B 端仅占 2%—3%。William 判断未来多数搜索将经由 Agent 发起，叠加 query 拆分后，总调用量可能“以十倍为单位”增长。

3. 小宿用三次产品跃迁走到原生 Agent 搜索

第一阶段从去年 9 月持续到今年 1 月，小宿并不做搜索本身，而是补足传统 API 只返回链接和短摘要的缺口：配合 Bing，快速抓取网页全文及多模态内容，再交给模型处理。
第二阶段由 2 月 DeepSeek-R1 爆发触发。Bing 突然停止服务部分中国模型厂商和互联网公司，小宿据此判断美国搜索公司可能全面收紧供给，转而自建“上千亿规模”的 index，以及召回、粗排、精排体系。William 回看认为，这一判断比市场早 3—4 个月。
为缩短原生搜索通常需要的 6—9 个月建设期，小宿并购了一个已有成熟产品、后来调整战略的搜索团队，再在其基础上补全文、多语言等能力。William 说这是“站在巨人的肩膀上继续做工作”。
第三阶段来自 Manus 等 Agent 在 5—6 月爆发后的真实需求：做 PPT 和产品文档不只搜文字，还要图搜图、搜索视频、读取 URL、输出 Markdown，并剔除广告和相关推荐。

4. Bing 关停 API 是一场入口保卫战

William 对微软动机的解释是，过去向 Yahoo、DuckDuckGo 等提供 API 不会威胁 Bing 的入口；Perplexity 等 AI 搜索出现后，API 却让新竞争者廉价获得顶级基础设施，反过来争夺用户入口。
他的旅游例子把冲突讲得很具体：用户只向 Agent 提出东京行程需求，Agent 调搜索后，小红书、携程、马蜂窝都退居信息源，无法直接面对需求。“这是绝大多数巨头不愿意看到的，也是微软不愿意看到的。”
第二层动机是捆绑销售：客户若想继续用 Bing Search API，可能需要迁入微软云，或连同其模型一起购买。William 称捆绑大模型的搜索 API 两年间已由约 5 美元涨至 45 美元。
5 月底，Bing 宣布将在 8 月 11 日全球 retire Search API；Google 的 Custom Search 又有很低的用量限制，无法支撑大型 B 端业务。这个供给收紧构成了小宿所见的窗口。

5. 原生搜索的壁垒先是老人才，再是工程与大客户

William 认为第一壁垒不是钱，而是搜索人才。过去十年中，年轻工程师更多进入推荐系统，传统搜索人才集中在百度、360 等公司培养出的有限圈子；创业公司必须先找到有号召力的核心人物。
他的判断相当 categorical：“如果一个小公司只有五到十个人”，且无人曾任传统搜索某领域负责人，却声称做出原生搜索引擎，“这件事情一定是不现实的，它一定是做的一个套壳产品。”
第二壁垒是人力、资金、算力和时间，小宿通过并购跳过了最初 6—9 个月；第三壁垒则是客户，普通开发者很难告诉供应商 Agent 真正缺什么。
Manus、Skywork、深言科技等头部客户会持续提出多模态、全文和 Markdown 等要求。William 把这种反馈称为产品提升的主要 driver：没有头部 Agent，就不可能“凭空造出”Web Search API 之外的功能。

6. Agent 搜索从 Day One 就必须全球化、合规且多模态

中国 Agent 创业者从第一天便把全球当作 playground，因此服务商至少要覆盖英语、西语、葡语、俄语和阿拉伯语等十余种主要语言；缺少多语言能力，新的 Agent “不会考虑你的服务”。
发达市场还要求数据本地化与合规。William 称小宿的兄弟公司是全球第二大 CDN 公司，在全球拥有 2,800 个可用节点，具备网络和传统算力，也能增加 GPU，使其可以按地区处理数据。
功能层面还要支持文搜图、图搜图、视频搜索，并把网页正文与广告、推荐内容分离，再按客户场景输出合适格式。William 强调，功能会继续演进，但多语言和数据合规是先决条件。

7. 大厂把 B 端当 side business，给创业公司留下窗口

William 观察到，Bing 退出后海外可见竞争者仅一两家；国内竞争者主要是拥有 C 端搜索能力的大厂，但它们首先要保住消费者入口，B 端 API 仍是 side business，不太可能在今年 all in。
主持人的反问是，窗口存在不等于创业公司能做得更好。William 给团队的底线是相关性、时效性、权威性、时延和可用性先与 Bing 打平，再以 Agent 专属能力竞争；他称各垂类领先 Agent 中至少过半已是小宿客户。

8. Agent 元年只到早上 6:05，小团队会把 Infra 外包

William 接受“Agent 元年”的说法，但把时间拨得更早：“今天只是 Agent 元年 Day One 的早上六点零五分，太阳刚刚出来。”头部通用 Agent 的 DAU 仍以十万计，Tier Two 或垂直产品只有数万，不到移动互联网成熟期的 1%，甚至只是几百分之一。
因此小宿不会凭空定义未来功能，而是跟随头部客户寻找 PMF，再把客户提出的需求产品化。William 的策略是：“我们只要跟住这些、服务好这些头部的 Agent 就好了。”
Mindverse 是典型样本：公司产品已较成熟，但管理 AI infra 的只有一个人。通过小宿，它能统一调用多种模型和搜索服务，并按天查看所有模型的用量与成本，无须分别管理账单。
某模型短暂宕机时，平台会自动路由到未宕机且能满足任务要求的 API，客户不会受到某个大模型宕机的影响。William 认为，这让一人、三人、五人公司把精力留给产品与 go to market。

9. Sky Router 押注 2025 年推理超过训练且高度 API 化

主持人的质疑值得保留：ChatGPT 出现后已有一波 API 聚合公司，甚至尝试按任务自动选择最优模型，但客户后来往往能稳定选出最适合自己的模型，智能择优并未成为强需求。
William 的回应是，早期公司“时间和时机稍早了一些”。小宿的第一个判断是，中国人与美国人会成为 AI 的主要从业者，两国之外的全球市场会成为双方创业者共同的 playground。
第二个判断更直接：2024 年算力仍是训练大于推理，2025 年会发生反转，而且绝大多数推理算力的体现形式将是 API、而非直接租用算力。商业模型在一些领域长期一定会优于开源模型，多 API 聚合因此仍有必要。
与硅基流动相比，William 认为后者以 DeepSeek 等开源模型的自部署和推理优化为核心，竞争力是让相同算力卖出更多 token；Sky Router 则押注全球资源、平台稳定性、自动路由和资源运营。

10. 10%—15% 的成本优势来自全球云资源运营

William 称小宿此前已有出海云服务业务，也是 AWS 在中国最大的 partner；长期云厂竞争形成了不同地区、质量和价格的折扣体系，小宿的能力是组合原厂、云厂及代理商资源。
Sky Router 的价值不只是免除地域和调用上限，还包括资源折扣。William 给出的直接比较是，从 OpenRouter 迁移到 SkyRouter，“大概率模型调用成本至少能够省下百分之十到十五”。
主持人追问节省是否只来自打包云服务，William 明确纠正：模型 API 本身也有折扣，因为大量头部模型部署在 AWS、GCP 等云上，云厂会通过 partner 返利和区域价格争夺客户。

11. AI Infra 已从“抢卡”进入“抢数据”的 PaaS 阶段

William 对过去两年变化的概括是：“大家从抢卡变成抢数据了。”CoreWeave、Lambda 等第一阶段公司集中在 IaaS，连接数据中心、GPU 与 GPU 云，服务大公司的训练需求。
Agent 公司则希望供应商上移到 PaaS：除了模型 API，还要实时数据、信息获取、工具调用和多 Agent 协作。小宿希望把过去在 CDN 上积累的全球分布式能力复用到 Sky Router 与智能搜索。
小宿明确“不去做 To C，不去做 SaaS，不去和我们的客户抢生意”。William 认为当前短板反而不是 infra，而是 Agent 仍在找 PMF；一旦客户流量起来，基础设施用量会像 CDN 一样立即反映出来。

12. 最早的 PMF 出现在 coding、办公与垂直工作流

coding 已是最清晰的场景之一，因为 AI 无论辅助还是替代人，都要复现“边搜边干活”的习惯：边搜资料边写代码，而不是只依赖模型训练时已有的知识。
办公是第二个高频场景。昆仑天工的产品会先搜索、再做路径规划，决定每页 PPT 放什么，然后继续找图片和写总结；William 说当前过程像“一个高中生做 PPT”，模型提升后才会逐步达到职场交付水平。
垂直场景包括 AI 广告投放、规划旅游并完成订票，以及深言科技用个性化推送重做信息流。后者需实时抓全文、关联中英文资料，形态近似“AI Agent 版本的今日头条”。
William 的措辞仍有边界：这些案例显示 AI 正在改写和优化互联网产品，“但今天还没有到颠覆的程度”。真正的质变仍要看用户规模与留存。

13. 长期胜负取决于实时数据，而非再堆一层算力

对短期与长期市场格局，William 的诚实回答是“现在没有答案”。最重要的变量是 AI 原生应用能否在用户规模和留存上质变；若基础模型继续提升，他相信半年到一年内可能有部分场景找到更好的 PMF。
长期看，他预判算力会逐步达到共同基准，推理成为主要形式、训练占比下降；国产算力在推理上“并不见得会比英伟达有什么显著的差距”，因此数据的重要性将持续上升。
模型训练有三至六个月周期，无法涵盖持续变化的信息，Agent 必须接入实时动态数据。金融、新闻、医疗等垂直数据的来源、合规性，以及是否持续向中国厂商开放，将成为下一阶段 Infra 的重点。
头部模型厂可能自建前 1 亿或 3 亿条 query，这部分可能占据约 90% 的 query 量，再将分散于几十亿 query 的长尾通常交给第三方。模型厂质量要求高却利润薄；小宿真正的商业空间，是未来三至五年“百花齐放”的通用及垂直 Agent。

14. 从二级市场回到创业，William 换来了敬畏与更长周期

William 1990 年出生，清华航空航天工程与经济学双学位，做过咨询、百度、高瓴与红杉中国二级市场投资，也是红杉中国二级市场基金的第 1 号员工，后来任家族办公室 CIO。他解释职业选择的“双轮驱动”是：“兴趣是驱动，理性是盖房子。”
2011 年，他曾创办校园约会网站“亲约会”，在北京高校做到约 5 万用户并拿到投资；看到米聊、微信、陌陌兴起，加上自己不懂验证产品和调用资源，团队毕业时选择关闭。此次面对成熟 infra 基础、AI 浪潮和优秀创始团队，他只考虑一两天便全职加入。
二级市场中，每笔交易做对超过 51% 已属不错，代价通常只是止损；创业战略做错却会浪费人和资源，还要砍业务、预算甚至人员，把 CEO 最宝贵的精力耗在“擦屁股”上。因此他的原则是三思、先尝试，并保留试错过程。
创业也击碎了投资人的 arrogance：能活下去的生意已是“十里挑一”，做成上市公司更难。William 现在反而常在 11 点前睡觉，因为“To B 今天没拿下，下个月仍有机会”；真正的功课是接受生意从 0 到 0.1、再到 0.2，并适应客户按周甚至按天迭代认知的速度。

Surge CEO兼联合创始人 Edwin Chen：零融资做到10亿美元以上营收并购的本质 | 对谈云磬投资创始人立阳