Koji
欢迎收听十字路口，我们关注新一代AI技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻，形容它站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI正在给各行各业带来改变，我们寻找、访谈和凝聚新一代AI创业者和AI时代的积极行动者，和他们一起探索、拥抱新变化，新的可能性。我是十字路口的科技，联合创办了街旁、新世相和糖岛，发起了AI Hacker House这个新一代AI创业者的社群空间。我相信科技，尤其是AI，是我们这一代人最大的价值创造机遇。欢迎大家找我聊天，碰撞想法，链接下一个可能性。我是十字路口的融汇，在美元VC工作过，也做过五年的硅谷助战记者，关注科技发展和商业故事。也欢迎大家找我聊天和我交流。
Ronghui
Hello，本周十字路口的嘉宾是威廉·杜知恒，他是小宿科技的 CEO。小宿科技选择了 AI agent infra 这条创业道路，是因为他们意识到，当前即便最领先的 AI agent 厂商和产品，用户规模可能也还不到移动互联网时代头部应用的百分之一。这也意味着，AI agent 的市场至少还有 100 倍的成长空间。
威廉和我的缘分，是我当时创办街旁的时候，他那会儿是我们的实习生，可以说是团队里最活跃、最积极主动的同学之一。也因为做十字路口，我和很多老朋友重新建立了联系，发现大家都在各行各业发光发热。因此，非常开心威廉能够来做客十字路口，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一股力量。这一期十字路口也会同步录制为视频播客，发布到小红书、B站和视频号，欢迎大家关注。
好，我们还是从今天的快问快答开始。请问威廉，你的年龄？
威廉·杜知恒
1990 年生人，35 岁。
毕业院校？
威廉·杜知恒
清华大学，航空航天工程、经济学双学位。
你的 MBTI 和星座呢？
威廉·杜知恒
INTJ，白羊座。
可以用一句话介绍一下现在的公司和产品吗？
威廉·杜知恒
小宿科技是一个一站式的 Agent Infra 平台。核心产品其实是为 AI Agent 设计的小宿智能搜索，同时也在全球范围内做一个大模型 API 聚合平台，叫 Sky Router。
目前公司的融资情况？
威廉·杜知恒
A 轮在 close 中，具体金额和估值要看官方公告，估计年底会开 B 轮。
目前的收入和利润方面可以透露吗？
威廉·杜知恒
6 月份 ARR 已经超过 2,500 万美元，P&L 层面已经 break even。
目前的团队规模呢？
威廉·杜知恒
超过 100 人，大概 70% 是研发，剩下主要是市场和销售。
William，创业前在做些什么？可以介绍一下吗？
威廉·杜知恒
1. 从投资走向创业
我创业前是对冲基金的基金经理和家办的 CIO，也是红杉中国二级市场基金的第 1 号员工，所以有比较丰富的金融经验。再往前回溯，我本科读的还是航空航天相关专业，因此这个职业旅途感觉是非常跨界的：最早做咨询，后来在百度，再之后做二级市场投资、管家办，最后到创业。
所以，这一次决定创办小宿科技的时候，你看到的是什么样的机会？
威廉·杜知恒
创业之前，我在高瓴和红杉的对冲基金，后来又做家办，加起来工作了大概十几年的时间，也算经历了中国互联网的起起伏伏，看了非常多创业公司和成熟上市公司的起起伏伏。
最终选择创业，我觉得也是一个必然。对于我后来做家办，包括在红杉做二级市场基金，其实也是一种类似创业的状态，只是它不在 AI 领域。我的人生选择看起来比较跳脱：最早做咨询，后来在百度，再之后做二级市场投资、管家办，最后到创业。
但其实我的选择是比较双轮驱动的。不管是做投资还是创业，基本都是由我对未来的看法驱动的。现实和目标之间，我觉得隔着两个东西：一个是兴趣，一个是理性。现实到未来之间的桥梁，兴趣是驱动，理性是盖房子。这两个东西，对我的人生来说是双轮驱动。
我正式决定加入小宿、开始全职创业，是去年第三季度。当时公司已经有一部分出海基础设施业务，但是在 AI 上还没有找到商业模式，AI 收入非常有限。可我当时觉得，以我们的基础设施能力和创始团队的商业经验，肯定可以找到落地场景，所以就毫不犹豫地加入了。到现在，我们整体的 ARR 已经超过 2,500 万美元，我觉得增速还是非常快的。
刚才其实提到了一点，你们的业务可以再相对简单、通俗易懂一点，给不太了解这个领域的听众科普一下吗？
威廉·杜知恒
2. 搜索转向机器世界
我们做的事情，对比 To C 的 AI 产品来说，相对没有那么性感和好懂，因为我们其实是躲在这些 AI agent 后面的服务商。
简单来讲，我觉得主要是两件事。我们在看到联网搜索、AI 智能搜索，还有 Deep Research 这些与研究交互相关的能力出现时，发现除了模型能力之外，大家需要的其实是实时的信息和数据。实时的信息和数据在上一个时代最核心的体现方式就是搜索引擎，但搜索引擎在 AI 时代又有了新的体现形式。
人类调用搜索，是过去 20 年非常主流的一种形式：我们输入一个 query，然后在搜索结果里看哪个最抓眼球、最感兴趣，点进去看内容，同时可能还会点几个链接，筛选出自己感兴趣的信息。
但对 Agent 来说，越来越多的人通过 Agent 进行搜索之后，Agent 的搜索行为其实是机器对机器的搜索，过去更多是人对机器的搜索。这个过程中，我们发现了一个结构性的机会。
过去搜索的商业模式和形态都是面向用户的。用户会在乎内容的展现形式，所以会有各种各样的卡片；也会在乎前 3 条，尤其是第 1 条的点击率，因为这代表搜索推得准不准、能不能抓住眼球。除此之外，商业模式可能主要是卖精准广告，因为用户在这里输入了他此时此刻最关心的需求。
我们对 AI Agent 出现之后的一个判断是，过去 To C 的搜索引擎大概占据了市场 90% 甚至 95% 以上的份额，To B 的占比很低。但如果人类的内容消费倾向从直接搜索，变成通过 Agent 执行任务，那么 To B Search 会从个位数的占比，成长为 80% 到 90% 的信息获取方式。
除此之外，我们也观察到，对于一个通用 Agent，比如 Manus、昆仑天工来说，它在实现每一个任务时，都需要拆分 query，并且对每个 query 进行多轮搜索。所以即使只看当下的搜索次数，从人搜索变成 Agent 搜索，也会带来搜索次数的爆发。同时，刚才提到的 B 端比例也会大幅扩张。
这两件事合在一起，就让我们确定了搜索 API 的主要战略方向：为机器，或者说为 Agent 设计搜索 API。这就是小宿智能搜索产品的由来。
除此之外，我们也同步发现，在服务头部 Agent 客户的过程中，Agent 不只需要信息，它其实还需要很多一站式的基础设施服务。我记得 Koji 之前的播客中提到过一个观点：未来会有越来越多一人、三人、五人的公司，甚至有可能成长为独角兽。
对这些新时代的 AI Agent 公司来说，它们不会有大量的人力和资源投入在管理 Infra 上。所以除了智能搜索 API 之外，我们也提供一站式的大模型聚合平台，叫 Sky Router，方便这些一人公司、三人公司从 Day One 开始，就可以非常方便地、不受地域和用量限制地使用最领先的模型，实现 Agent 的产品目标。大概就是这样一个产品矩阵。
说到小宿智能搜索，我们知道国内也有一些做得不错的友商，他们对外也会说，比如 DeepSeek 是他们的客户。比较想知道的是，小宿智能搜索在你们看来，和他们相比，优势和差异化是什么？
威廉·杜知恒
3. 智能搜索经历三阶段
我觉得大家对于搜索 API 的认识，可能还停留在把过去的 C 端搜索打包成一个 B 端 API 提供服务。但实际上，我们做智能搜索的过程中大概经历了 3 个阶段，我觉得正是这 3 个阶段，形成了今天的小宿智能搜索。
第 1 个阶段，我们其实没有做搜索本身，因为我们发现头部大模型公司在提供 AI 搜索和联网搜索时，存在一个能力 gap。过去的搜索 API 返回的是 10 条或者 20 条搜索链接，加上一个短摘要。但摘要本身不能满足大模型或者智能搜索对结果的要求，因为它不够全面，而且太短。
所以我们从去年 9 月到今年 1 月做的第 1 个产品，是全网全文读取。它是配合搜索 API 使用的，最早就是配合 Bing 的搜索 API。Agent 调用 Bing 搜索 API 得到结果之后，我们的服务可以快速、准确地把全文内容，包括多模态内容抓取下来，交给客户的大模型进行进一步处理。
这是第 1 阶段。我们做的其实是一个全文检索和抓取服务，配合搜索 API 使用。
到了今年 2 月，DeepSeek-R1 火爆之后，我们发现了一个很大的问题：Bing 突然停止向中国的一些模型厂商，包括一些头部互联网公司提供 API 服务。
我们当时的判断是，我现在回头看，觉得这个判断领先市场 3 到 4 个月：包括 Bing 在内，全球范围内头部的搜索公司还都是以美国公司为主，它们会停止向中国 AI 行业提供服务。这个判断直接推导出了我们的第 2 步产品：自研搜索产品。
我们建立了一个上千亿规模的 index，自己做从 index 召回到粗排、精排的整套工作。这是搜索的第 2 阶段：自研建立一个可以替代 Bing Search API 的智能搜索 API。
这个判断在 5 月底得到了验证。5 月底，Bing 第 1 次正式对外宣布，将在 8 月 11 日于全球范围内 retire 它的 Search API，之后只能绑定它的云或者它的智能体一起使用。所以我们觉得，这个战略判断帮助我们提前 3 到 4 个月投入，做了原生搜索本身。
第 3 个阶段，我觉得是奠定今天智能搜索功能全面性的阶段。到了 5 月、6 月之后，特别是 Manus 和其他智能体开始爆发时，我们在服务头部智能体公司的过程中发现，相比过去的搜索 API 需求，智能体有更多、更复杂、更丰富的需求。
第 1 个需求就是刚才提到的全文能力。举个简单的例子，如果你用 Manus 或者昆仑天工的 App 做一个 PPT 或者产品文档，你会发现它不仅要进行很多文本搜索，还需要画图、图搜和视频搜索。多模态搜索能力，也是过去的搜索 API 不曾提供的。
同时我们也发现，这些智能体，特别是中国出海的智能体，Day One 就是 global 的。它们不像过去的创业者，会先把中国市场做好，再去做海外市场。所以除了中文搜索之外，英语、西语、葡语等主流多语言能力，也是新时代搜索 API 所需要具备的。
除此之外，还有很多定制能力。比如智能体中有大量对 URL 的点击，从 URL 点击到提取内容的 Markdown，再到去除广告、抓取核心内容，这些都需要处理。我们发现，新时代的 AI 智能体对搜索的要求更加丰富，而目前这些产品能力只有小宿科技、小宿智能搜索具备，因为我们是真正在服务头部 AI 智能体公司。
你提到的其他竞争对手，无论海外还是国内，绝大多数都只提供传统搜索 API。它们只是做文本搜索，然后以 API 的形式返回结果，所以我们不太把它们当作竞争对手。
刚才提到，你们在 2 月份看到了这个机会，才开始搭建研发团队做搜索。听起来，在这么短的时间里就能做出一个足够好用的 API，还是挺困难的。你们是怎么做到的？
威廉·杜知恒
4. 搜索壁垒正在形成
我觉得我们其实是站在巨人的肩膀上继续工作的。做出战略决定之后，除了自研之外，另一条腿其实是通过并购。市场上有一些做智能搜索或者 AI 搜索的团队和产品，之前已经做了非常多工作，只是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，把它作为我们产品的基石，然后在此基础上继续做全文、多语言等额外工作。
正好你问到这里，我觉得很有必要提一下，搜索产品的竞争壁垒到底在哪里。它其实是一个非常大的工程。如果要做一个为 Agent 设计的搜索引擎，我觉得壁垒主要体现在 3 个方面。
第 1 个方面其实不是钱和人，而是团队和人才。搜索人才在过去 10 年中没有什么新的人才被培养出来，因为搜索是一个很老、很传统的产品形态。互联网早期有很多优秀人才从百度、360 这些传统搜索公司被培养出来，但到了头条、TikTok 爆发之后，绝大多数年轻技术人才首先想到的，是毕业后去做推荐引擎，而不是搜索。
所以，搜索人才在中国是非常有限的一个小圈子。你很难作为一家创业公司或者外人，立刻组建起一个二三十人的研发团队。你必须找到研发团队的核心人员。
创业公司找人才其实是一个传销工作。你必须把核心的人找到，因为他对这个圈子里的人才有影响力和吸引力，你才有可能组建起这样一个团队。
所以，如果一家小公司告诉你，它只有 5 到 10 个人，做了一个原生搜索引擎，但这 10 个人中没有一个人在传统搜索公司做过某个领域的负责人，我觉得这件事情一定不现实，它一定做的是一个套壳产品。这是第 1 个大的壁垒。
第 2 个竞争优势，就是你刚才说的，要投入多少人、多少钱、多少计算资源，以及以多长时间做出第 1 个版本。通常需要以 6 到 9 个月为单位。我们通过并购跳过了这个阶段，并且基于并购团队的核心人才做出了现在的产品。这是第 2 个竞争壁垒。
第 3 个竞争壁垒，同样是创业公司面对的一个大难题：To C 产品不需要服务大客户，只要有用户使用，用户就会给你反馈，无论正向还是负向。
但给 Agent 做搜索，不能直接获取用户反馈，因为用户不会直接使用你的搜索结果。包括需要什么额外功能，也只能由客户告诉你。如果第 1 天只有一些小开发者客户，其实没有办法获得客户的指导。
Manus、Skywork，或者深言科技这样的头部 Agent 客户，会给我们的产品提出各种各样的要求，比如多模态、抓取全文、Markdown 等。所以第 3 个竞争壁垒，就是你有没有真正的 Agent 大客户，能不能让他们对你提要求、给 feedback。这是推动产品形成提升和改进闭环的主要方式。
前面提到的这个战略选择也很有意思：一方面是预判了接下来会发生的事情，包括微软的举动；另一方面是预判了 AI Agent 的爆发。你可以讲讲，当时有哪些线索让你看到这些事情可能会发生吗？
威廉·杜知恒
5. 搜索入口争夺战
我觉得微软对 Bing 的调整，在我们的判断中起了比较重要的作用。当时如果它不停止向中国大模型厂商提供 API，我们只会觉得地缘竞争可能会对未来的生意模式和可用性产生一些影响。但它果断、决绝地关掉了很多搜索 API 接口，让我们非常清醒地意识到，这件事可能很快就会发生。
我们也做了一些功课，和微软的一些战略团队聊过，发现他们内部有一些外人不知道的考量。
第 1 个考量是，过去 To B 提供 API，是微软生态的一部分。比如它给雅虎、浏览器，以及一些垂类大客户提供搜索 API。它站在产品背后，并不认为雅虎或者 DuckDuckGo 这些产品能够真正对它的搜索生态或者入口地位形成挑战。
但在过去一年，像 Perplexity，以及中国也出现了很多 AI 搜索产品之后，它发现搜索 API 让新兴 AI 行业的搜索竞争对手，以很低的成本获得了最好的基础设施，并用来和它争夺入口地位。
这也是我们在中国看到巨头接下来一个重要的战场：它一定要在 C 端巩固入口地位。因为如果未来 C 端用户的决策和行为都通过 Chatbot 或者各种 Agent 交互，那么今天这些所谓的入口 App 就会丧失入口地位，可能变成这些入口或者 Chatbot 背后的一个 API。
比如用户说，我今天要做一个旅游攻略，要去东京。Agent 可能先调用我们的搜索 API，获取相关的基础信息；搜索 API 返回的高质量内容里，可能有小红书、携程、马蜂窝。那它们就会变成不能直接面对客户需求的信息源。这是绝大多数巨头不愿意看到的，也是微软不愿意看到的。
所以微软觉得，停止搜索 API，可以有效减缓 Perplexity 这样的竞争对手对它的入口地位发起竞争的趋势。
第 2 个比较主要的考量是，既然搜索 API 对实时信息获取在 Agent 中有这么重要的竞争价值和战略价值，微软为什么不能把它和其他产品捆绑销售？
比如，如果你要继续使用 Bing Search API，就把整个云迁移到微软云上，我可以继续提供服务；或者不要使用直接的原生 API，而是把它和我的 LLM，也就是我的大模型绑定，由我的模型给你返回分析之后的结果。
捆绑销售变成了它接下来的一个主要策略。当然，涨价也是必要策略。它在过去两年中已经大幅涨价了两次，现在捆绑大模型的搜索 API 价格已经到了 45 美元，两年前其实是 5 美元。
这里有一个问题想插入一下：Google 没有提供这样的 API 吗？
威廉·杜知恒
严格意义上来说，Google 没有提供 To B 设计的搜索 API。它其实向中小开发者提供一个叫 Custom Search 的产品，但用量限制非常低，没办法用于 B 端商业化场景。
过去的竞争格局是，全球每天可能有 200 亿次搜索，其中可能只有 2% 到 3% 发生在 B 端。这 2% 到 3% 的生意里，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，会有 80% 甚至 90% 从 C 端直接搜索转移到通过 Agent 进行搜索。同时，Agent 本身会拆分 query，进行多轮搜索，导致搜索调用量本身也会以 10 倍为单位增长。这也是我们为什么非常坚决地投入，去做多语言、多能力的 Agent 搜索。
你觉得，为 Agent 提供一站式服务，会是同类型公司今年都会来抢占的一个市场吗？
威廉·杜知恒
我觉得今年是一个非常好的竞争机会。刚才也提到了，Bing retire 之后，海外竞争对手其实只有一两家。其中一家过去是做隐私浏览器的公司，现在在 AI 时代提供 AI 搜索 API 服务；另一家是美国 VC 投资的一个中国团队，但它没有大客户，是以开发者为出发点提供产品和服务的。
在中国范围内，我们观察到的竞争对手主要是之前拥有 C 端搜索能力的大厂，它们会提供搜索 API 服务。但我们觉得，我们和它们目前并不完全是直接竞争关系。
搜索大厂首先要做的，是维持自己在 C 端的入口地位，所以 B 端产品对它来说是一个 side business。同时，对 B 端来说，针对 Agent 客户做优化和功能完善会越来越重要。一个简单的 Web Search API，越来越不能满足通用或者垂直 Agent 的需求。
所以当下我觉得我们的竞争地位还是非常好的。第 1，大厂今年不会 all in 做这件事；第 2，我们已经服务了各个垂类里比较领先的 AI Agent，其中至少超过一半是我们的客户。我们是在满足客户要求的过程中实现产品进步和迭代的，我觉得这是一个比较好的状态。
你说的这些很符合创业公司早期抓住大厂战略调整窗口的机会。大厂可能会做一些 side project、side business，但它们并不是主营业务，在上面投入的人力和财力相对有限，这对创业公司来说就是机会。
但挑战也在于，你怎么样能够做得比它更好？
威廉·杜知恒
基础服务上要跟巨头打平，这是我们对搜索团队的要求。在相关性、时效性、权威性，以及时延和可用性这些内容质量和搜索质量指标上，我们要做到和 Bing 打平。
和 Bing 打平的标准，其实已经超过了绝大多数巨头在搜索 API 本身上的质量。除了在质量上和 Bing 打平，甚至在有些地方超越之外，我觉得更多的竞争优势来源于我们对 Agent 需求的理解。
每一个头部 Agent 提出的搜索周边产品能力要求，都是我们产品进步和完善的主要 driver。如果竞争对手没有服务这些头部 Agent，就不可能凭空造出 Web Search API 之外的搜索相关功能。
所以，逐渐建立壁垒的一个重要要素，就是完善和丰富这些对 Agent 很重要、又和搜索直接相关的功能。
你接触的这些 Agent 客户，听起来大家对搜索的要求其实还是比较简单：要全面、实时、权威。还有哪些来自 Agent、但大家可能想不到的搜索需求？
威廉·杜知恒
这是个很好的问题。第 1 个需求是全球化。现在中国创业者绝大多数都不想局限于中国市场，而是把全球市场当成 AI Agent 的 playground。
要做全球市场，第 1 天首先就要支持多语种。头部的十几种语言是非常必要的：在南美做生意要有西语、葡语，在东欧做生意要有俄语，还要有阿拉伯语；在全球其他区域做生意，至少要有英语能力。
所以，多语言能力是第 1 天就必须具备的。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 2 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，这方面有很高的要求，必须把数据本地化。
我们做这件事有很大的优势。小宿的兄弟公司，从名字其实也能听出来，是全球第 2 大 CDN 公司，在全球有 2,800 个可用节点。这些节点都有传统算力和很好的网络连接，也可以放 GPU 算力。我们能够帮助客户很好地满足数据合规要求。
所以，这两点是大家在全球化浪潮中选择搜索 API 时首先要考虑的因素。
除此之外，还有功能层面的要求。比如文搜图、图搜图能不能通过 API 方便地解决；抓取全文的过程中，能不能区分真正的全文内容、广告内容和相关推荐；抓下来的格式能不能满足客户在不同场景下的需求。这些都是能力上的补齐，但先决条件是多语言和数据合规。
除了刚才提到的这些，你们接触了这么多 Agent 公司之后，有没有觉察到他们还存在其他潜在需求？
威廉·杜知恒
6. Agent元年刚刚开始
随着 Agent 满足越来越多的产品需求，我们其实不能凭空发掘，或者自主定义需求。我们的需求基本来源于客户：客户在满足自己的 PMF、做好产品和流程的基础上，对我们提出要求。
所以对搜索功能的改善，我其实并不担心。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：今天其实只是 Agent 元年的 Day One，早上 6 点 05 分，太阳刚刚出来的时候。
你拿头部原生应用和移动互联网成熟阶段相比，从 DAU 的角度来看，现在还不到互联网真正繁荣时的百分之一。现在头部通用 Agent 的 DAU 也就是以十万为单位，Tier Two 或者比较垂直的 Agent，DAU 以几万为单位。
如果拿这个数字和移动互联网繁荣时期相比，甚至不到百分之一，可能只有几百分之一。所以从搜索功能上，我觉得它还会持续演化。我们只要跟住、服务好这些头部 Agent 就好了。
除了做好搜索，这也是我们为什么要做一站式 Agent Infra。我们发现，很多客户即使是上过科技节目、拿过优秀 VC 投资的知名公司，整个公司也就 10 个人、20 个人，真正负责 Infra 的可能只有 1 个人。
比如我们的客户、也是我的好朋友 Mindverse。它的主要产品是个人数字分身，也就是 AI 分身。它已经是一个比较成熟的 AI 公司，产品也在持续演进，迭代得非常好，但负责 AI Infra 的人也就 1 个。
它通过我们可以一站式调用各种大模型 API，甚至连账单都不用管理。每天都可以看到所有模型和搜索的用量与成本，这对它来说非常有帮助。
如果中间有一两天某个大模型宕机，我们会自动把它的模型调用路由到没有宕机、同时又能满足模型需求的 API 上，所以它完全不会受到某个大模型宕机的影响。
这是一个典型场景：客户会越来越把精力，或者从 Day One 开始就把精力放在产品和 Go to Market 上，把后端服务和 Infra 需求外包给我们这样的公司。这样对他们公司的效率和成功概率来说，都是很大的提升。
最早刚有 ChatGPT 的时候，也有一波 AI Infra 浪潮，出来了很多公司，其中不少都在做和今天 Sky Router 类似的事情。我记得当时还有一家叫 Martian，除了做 API 聚合之外，它还说可以帮大家择优路由，根据每个任务判断应该分发给哪个大模型，以最优地得到结果。
但后来好像发现，并不太需要它自动做这种优化选择，大家最后都比较容易选出一个长期稳定、最好的大模型。你们现在也做 Sky Router，国内的硅基流动感觉也很猛。面对这样的对比，如果客户问到，你们会怎么介绍自己的优势和差异？
威廉·杜知恒
7. SkyRouter的全球优势
做这件事背后有两个判断。第一个判断，也回答你刚才提到的那家公司：我们很早就观察到了它，但我觉得它做的时间和时机稍微早了一些。
我们去年开始做这件事时，有两个大的判断。第一个是，中国人和美国人会成为 AI 行业里的主要从业者。除了两国本地市场之外，全球其他地方都是这两个国家 AI 创业者的 playground。所以第 1 步，是找到服务好中国出海 Agent 和创业者的主要方式。
第二个判断是，2024 年如果看算力结构，还是训练大于推理；但从 2025 年开始会发生反转。2025 年会是推理需求显著超过训练算力需求的元年。同时，我们预计推理算力绝大多数的体现形式会是 API，而不是直接租算力。
这决定了我们为什么做 SkyRouter，而不是做 Fireworks 和硅基流动那样的产品。我们认为，在开源模型和商业模型中，绝大多数客户会选择当下在自己场景里最好的模型。我们判断，在一些领域，商业模型的能力长期一定会优于开源模型。
既然客户既要使用商业模型 API，又要使用多种 API，那么一站式服务就是很多创业者从 Day One 就需要的。
我们和硅基流动的关系其实也不错，但确实有两个显著差异化。第一个差异化是，它的产品销售主要以 DeepSeek 等开源模型的自部署为主要生意模式。它的产品和技术竞争力，主要是优化这些模型或者开源模型，提高算力利用率，让同样的算力产生更多 token。
而 SkyRouter 的竞争力主要来自 3 个方面。第一个，是你在全球是否有足够多的节点和分布式算力资源；第二个，是平台稳定性和自动路由等平台能力能不能做好；第三个，是你有没有资源运营能力，能不能提供折扣。
在我加入之前，公司已经有一些出海云服务业务，也是 AWS 在中国最大的 partner。我们和很多云平台都有紧密合作，非常清楚云厂商资源背后的运营规则。
这些运营规则带来的竞争优势是，我们不仅能提供一站式服务，还能以折扣方式提供服务。说白了，客户来我这里，不仅可以不受调用上限和地域限制地使用搜索 API，在很多主流 API 上我们也有不错的折扣，可以帮助客户降本增效。
如果从 OpenRouter 迁移到 SkyRouter，大概率模型调用成本至少可以省下 10% 到 15%。
从 OpenRouter 到 SkyRouter，成本主要是怎么省下来的？是通过你们和模型厂商谈判省下来的吗？
威廉·杜知恒
其实不是，主要源于过去 10 到 15 年全球云厂商之间的竞争。
回看这 10 到 15 年的竞争，每个云平台大概都有一半资源是通过 partner 合作的方式卖出去的。它们只覆盖最头部的云用量客户，更多像我们的出海客户，是通过小宿这样的 partner 来服务的。
云厂商通过 partner 和其他云厂商竞争时，会在资源上提供折扣、返点和各种规则，让客户从 Day One 就使用它，或者从其他云迁移过来。迁移的驱动力，绝大多数时候不是云厂商之间的质量差异，而是价格。
所以在建设这个生态的过程中，形成了不同区域、不同质量资源有不同折扣的行业环境。我们是中国最懂这个行业环境的人，因此能够在全球范围内，通过和原厂合作、和云厂商代理商合作，拿到各种不同质量、不同价格的资源，再根据客户需求调用不同折扣的资源。
所以，SkyRouter 比 OpenRouter 便宜，不只是大模型 API 便宜，而是你们提供了一整套打包服务，其中包括云服务。省钱主要省在云服务上，模型 API 本身也有折扣，对吗？
威廉·杜知恒
对。现在除了 Anthropic 和 OpenAI 自己提供 API 之外，还有很多 API 是部署在 AWS、GCP 等云厂商上的。云厂商部署了这些头部模型的 API，同时也卖自己的云服务，也卖 ChatGPT。
所以我们很多资源来自云厂商在全球范围内各个区域的不同折扣资源。我们拿到这些资源，再提供给客户。
ChatGPT 出现之后，AI Infra 也有过一波创业热潮。我记得当时看过红杉的一份报告，大家本来预期 2023 年会是 AI 应用爆发，但后来统计发现，资金都流向了 AI Infra，出现了非常多的公司。
能不能请 William 作为一个行业 insider，分享一下：从两年半之前开始，这个领域发生了哪些大的变化？现在 AI Infra 领域的公司，又在发生什么样的改变？
威廉·杜知恒
8. 从抢卡转向抢数据
我觉得最大的变化，是大家从抢卡变成抢数据了。
最早的这一波 Infra 厂商，包括 CoreWeave、Lambda，主要是在 IaaS 层工作，提供从数据中心、GPU 到 GPU 云化的基础设施服务，让最早能够投入大量资本和人力的大公司快速训练模型。
我觉得第 1 阶段的竞争，本质上是对算力资源的竞争。这些 Infra 厂商大部分集中在提供算力资源，以及如何更高效、更大规模地提供算力资源这一层。
到了去年到今年，我们观察到更多 Agent 厂商出现。Agent 厂商和大厂最大的区别是，它不仅要使用 IaaS，还希望你提供到 PaaS 层的全服务。
PaaS 层有几个主要组成部分。现在一部分是模型 API 本身，一部分是模型本身不具备的实时数据和信息，可能还有工具调用、多 Agent 协作等工具。
对我们来说，PaaS 层的竞争更适合我们。上一代 PaaS 产品里比较大的一类是 CDN，我们在 CDN 上做到了全球第 2。我觉得这个能力可以复用到今天的 AI PaaS 层。
所以我们现在提供的主要产品，包括 SkyRouter 和小宿智能搜索，其实都是 PaaS 层产品。我们会非常确定地不做 To C、不做 SaaS，也不和客户抢生意。同时，我们希望客户不需要自己管理下面 IaaS 层的东西，这样才能把客户效率提到最高。
我们觉得当前最大的挑战，反而不是 Infra 能力不够，而是我们的客户，或者整个 Agent 行业，还在寻找 PMF 的过程中。我希望客户可以尽快找到 PMF。找到之后，它们的用量会立刻起来。
对我们来说，这是一个很好的观察点，就像过去的 CDN 一样，是一个观察谁的流量起来了、谁的用量会起来的地方。所以我们对整个行业的期待是，头部 Agent 厂商能够尽快、更好地找到 PMF，这样对 Infra 能力和需求的要求也会持续快速提升。
现在你看到什么苗头了吗？
威廉·杜知恒
9. Agent开始找到真实场景
大家已经说了很多场景，真正跑通的场景，Coding 肯定是一个。
Coding 其实也会调用搜索。我是这样想的：不管是什么场景，只要是 AI 辅助人或者替代人，人的工作习惯一定是边搜边画 PPT、边搜边写代码、边搜边往里面放图片。所以我们看到的几个场景，都是能够辅助人类实现“边搜边干活”的能力。
Coding 是一个很清晰的场景。第 2 个场景是办公软件。像我们的客户昆仑天工，就是一个典型的希望用 AI 能力逐步替代 Office 的产品形态。
它无论是在写文档还是画 PPT，过程中都非常类似人类的行为：不断调用搜索，搜索完之后指导路径规划；路径规划之后决定每一页放什么内容；放完内容之后再去搜索，把图片放好，再把总结写好。这个过程非常像一个高中生做 PPT。
随着模型能力提升，大家肯定会逐渐达到职场人做 PPT、并且可以交付的水平。这个过程中，对模型和搜索的调用量也会有很大的驱动力。
除了 Coding 和办公场景之外，还有一些比较垂直的场景，我们看到了一些很好的 PMF。比如 AI 做广告投放，AI 给用户规划旅游路线并帮助订票，还有 AI 信息获取。
我们的一个客户是深言科技 DeepLang，也是我校友的一家公司。它做的事情有点类似 AI Agent 版本的今日头条，可以用推送的方式，根据你的定制化需求，把内容很好地推给你。
它背后需要实时抓取最新全文数据，还要关联中英文资料。这也是一个典型场景：AI 正在逐渐改写和优化过去一些互联网产品的能力，但今天还没有到颠覆的程度。
你觉得短期和长期来看，AI Infra 这个领域的市场格局会发生什么变化？
威廉·杜知恒
这个问题我现在没有答案。但我觉得，行业最重要的事情，还是 AI 原生应用能不能在用户规模和用户留存上实现质的飞跃。
这背后可能需要几个驱动力。一个是模型能力继续提升，另一个是这些创业者。我觉得最优秀、最厉害的创业者都已经在这个领域里了。只要基础能力能够持续提升，我觉得 PMF 一定会在很快的时间内，可能半年到一年，有一些场景达到更好的 PMF。
作为基础设施提供商，我要做的就是保证平台可用性，保证能够为中国出海的 Agent 提供一站式、高性价比的服务，让它们不会因为语言、海外市场和文化而遇到太大障碍。这是我们能做好的事情。
我非常相信这一天会很快到来，而且中国创业者会占据非常大的比例。就像移动互联网时代，我觉得在应用上，中国人或者中国市场其实甩开美国市场几条街；在 AI Agent 时代，也不会有本质变化。
长期来看，前面的逻辑会延续。算力竞争会变得没那么重要，因为大家的算力都会达到一个基准值。包括国产算力在推理上，我觉得不见得会和英伟达的算力有显著差距。
前面说过，推理会成为主要使用算力的形式，训练所占的比例会越来越少。我们的观察是，数据会变得更重要，尤其是实时的动态数据。
模型训练都有周期，通常是 3 到 6 个月。模型如果要有质的提升，演进或者迭代速度不一定会很快，所以要配合各种实时数据来使用。
这些数据是否合规，原始来源是否能够持续向中国厂商提供，包括金融、新闻、医疗等垂直领域的数据如何获取，以及如何与 Agent 更好地配合，我觉得都是数据驱动的 AI Infra 接下来需要重点考虑的事情。
你可不可以介绍一下，比如 OpenAI、Claude，或者国内的 Kimi、MiniMax，它们的 API 搜索都是用哪家的？还是自己做的？
威廉·杜知恒
我觉得这是个很好的问题。头部模型厂商一定会自建搜索，但不会自建全部搜索，因为搜索的 query 长尾效应非常强。
头部模型厂商一定会自建自己的核心 query，比如前 1 亿条或者前 3 亿条，因为这部分可能占据它 90% 的 query 量，自建的性价比很高。但后面 10% 的长尾 query，可能分散在几十亿个 query 里，这部分通常会调用第三方。
我觉得这就是我们一个很显著的机会。我们和头部模型厂商其实都在合作，有的已经合作，有的还在测试中。对于一些小众语言和小众 query，它们一定会调用第三方，因为对它们来说，自建的性价比很低。
那这样你们能赚到钱吗？如果只是做长尾，听起来服务器和算法算力要求都很高。
威廉·杜知恒
这是这个问题的另一面。第 1 面是，头部模型厂商一定会自建核心搜索。
但第 2 面是，我认为 AI Agent 的繁荣会非常个性化和丰富。头部模型厂商不会在 Agent 市场里占据非常大的份额。未来 3 到 5 年，一定是百花齐放的 Agent 成为市场主角，因为个性化和垂直化需求仍然非常强烈。
这些 Agent 才是我们服务的主要对象。模型厂商对我的质量和能力要求很高，但同时让我只能赚很少的钱。但通过服务模型厂商，帮助我们形成的这些能力，可以让我们去服务更多通用或垂直的非模型厂商 Agent，这才是我们生意的主要部分。
只是这个生态还处在刚刚起来的、Day One 早晨。
我们可不可以聊一下职业生涯选择的问题？我感觉身边最后去做二级市场的朋友，似乎都把它当成职业生涯的归宿。没想到你早早在二级市场取得了一些成绩之后，二级市场反而没有成为你的归宿，你又回到了水深火热的创业一线。这是出于什么考虑？
威廉·杜知恒
10. 重返创业一线
其实做二级市场的终点也是自己开基金，而自己开基金其实也是创业。对我来说，就是开基金和创业做 AI，哪一个性价比更高，或者哪一个更符合我的热情。
我的第 1 份实习是在街旁，和 Koji 一起工作，那是我大二时的第 1 份实习。我当时非常深地受到了 Koji 的影响，觉得创业真的很有趣，而且能够创造新的东西。
投资更多是分配资源，创业则是在制造新的生产力和新的资源。所以我大四时就做过第 1 次创业，当时做了一个学校里的约会网站。那是 2011 年，我们在北京市很多高校推广，大概做了 5 万用户，叫“亲约会”，是一个约会网站。
后来我们的核心创始人都毕业了，就把它关掉了。那时候也拿到过一笔投资，很多用户也找到了对象。但当时我们确实看到，米聊、微信、陌陌已经起来了。我们很早做的是移动网页加 App 的形式，但觉得自己的场景肯定会被这些头部 App 吃掉。
因为如果我自己不创业，可能都不会在我的网页上约别人做什么事情。另一个原因是，当时我们看到了能力瓶颈。我作为 CEO，不知道自己有哪些资源可以调用，也不知道产品选择到底对不对、应该怎么验证。这是我第 1 次创业无疾而终的前因。
后来在高瓴工作时，我们当时是 TMT 团队，不只做二级市场，也做一些一级市场。一级市场完全独立出去之前，我们也会看一级市场项目。当时我看文娱领域比较多，包括游戏、娱乐，也看全球市场。
我当时的想法是，二级市场和一级市场其实是不分家的。有一些 spin-off，比如虎牙从 YY 里 spin-off 出来，就是历史上非常成功的 deal。它带着母公司的能力，做了一个新的市场。
这个案例和小宿科技与兄弟公司的关系也很像：我们带着全球化的分布式基础设施资源，进入 AI 行业，做新时代的 CDN，或者说新时代的 PaaS 产品。
所以看到这个机会时，我非常激动。既有基础能力，又能赶上 AI 大潮，还能和非常好的创始团队一起工作。几个条件具备的情况下，我还是很有热情去创业的，所以没有过多考虑，考虑了 1 到 2 天就决定全职开始做这件事。
生活发生翻天覆地的变化了吗？
威廉·杜知恒
我觉得发生了翻天覆地的变化。做基金经理时，你的决策大部分是相对短期的，要看 1 个月、3 个月，甚至半年的 P&L。你要判断一家公司，特别是成熟公司的战略对不对、产品数据有什么变化，再猜测公司未来会走向哪里。
绝大多数事情不在你的掌控中。但创业的不确定性，来源不是能不能做这件事，而是做了之后能获取什么结果。所以我的主观能动性和做事的确定性变高了：只要想清楚、判断好，就可以投入资源和团队去做。至于最后做成还是不成，不在我的掌控之中。
一个很大的转变是，除了想战略之外，做投资时主要是想战略、猜结果；创业时还要搭团队、做执行。中间有大量细碎的工作，因为人与人之间有摩擦，事情和事情之间也有摩擦。
这个过程既需要投入大量精力，又非常有趣。从零开始 build 一件事，对我来说是非常有多巴胺的一件事，每天都有肾上腺素和多巴胺在分泌。
做投资时，可能只有业绩期会经常有汗毛倒竖、浑身起鸡皮疙瘩的状态。但创业之后，我在面对大客户、搞定大客户，或者产品有大迭代时，经常会有这种感觉：又迎来了一个 aha moment。
投资时也会遇到这种时刻，但比较稀少；创业过程中则会经常遇到。
做投资时，和项目聊天，和自己创业后作为创业者去和客户聊天，姿态的转变应该也挺大的。
威廉·杜知恒
我觉得你说得特别对。创业之后回头看，我觉得自己做投资时特别浅薄。其实我不知道公司在做什么，只能听 CEO 或 CFO 讲他们要做什么、现在做得怎么样，但真正的业务和投资之间隔了十万八千里。
做投资时还有一点，我觉得自己虽然在二级市场会好一点，但实际上仍然处于一种挺 arrogant 的状态：总觉得这个生意模式不够好，觉得 CEO 不够厉害，团队为什么不能完全按照你的战略去调整和部署。
但真正做了事之后，你会对生意充满敬畏。我觉得市场上能够活下来的生意已经是十里挑一，能够做成上市公司，哪怕是在二级市场看来生意模式很差、创始团队也不怎么样的上市公司，也已经非常难了。
我觉得自己的第 1 步，是成为一个合格的 CEO。距离合格的 CEO 还远远不够，更不用说成为一个厉害甚至伟大的 CEO。想到这里，敬畏之心一下就来了。
刚才我们说到一些从结果来看正确的战略选择，比如微软的动作、AI Agent 爆发的时期。创业之后，你也要做很多战略判断，这和以前做投资时需要做战略判断是相似的。
但我在想，你做投资时承担结果，和创业时承担结果，在自己的感受上有什么不同？能不能说说一些创业时晚上睡不着觉、会担忧的事情？
威廉·杜知恒
前面说到做错事的区别，我觉得最大的区别就是承担后果的区别。
做投资，特别是做二级市场投资时，做对和做错的概率大概是怎样的？做对的概率也就是 60%。如果每一笔交易中，超过 51% 是正确的，其实就已经做得很好了。
承担的结果无非是止损，然后把精力和时间投入到下一个决策的思考中。但创业完全不一样。如果战略决策正确，很有可能引导公司在一段时间，甚至长期走向成功；但如果错了，会有大量后果。
这个后果不只是人和资源的浪费，也包括怎么处理做错的业务，怎么砍掉业务、砍掉预算。因为我性格相对温和，做错事情之后还会面对大量冲突，比如开人、砍业务，以及大量沟通协调和精力浪费。
对 CEO 来说，我觉得当下最宝贵的是精力。你要把精力分配到不同事情上：首先想战略，然后搭团队，最后才是做执行。但一个错误决定，会让你在一段时间内耗费大量时间和精力，去做你知道是“擦屁股”的执行工作。
这是非常现实的痛苦，所以尽量要三思，多思考，先尝试再 OBE，一定要有这样一个试错过程。
至于睡不着觉，我觉得反而变少了。做投资时，特别是我们做多个市场，白天要看中国、日本、韩国，傍晚开始看欧洲，晚上看美国。睡不着觉其实很有节奏：每到业绩期，就不能很早睡觉，至少要盯着持仓组合里在盘前、盘后发布业绩的公司，还要做很多操作。
这会带来紧张和激动。比如一家公司明天发布业绩，而你有 10% 的仓位，但不是每次业绩都能清晰预判，这时就会睡不着觉。这个密度还很高，因为每个季度都会来一遍。好的基金经理会降低这个比例，但不能消除这个比例。
对创业来说，我反而更睡得着。每天躺在床上反思一下，最近一段时间在策略和执行上哪些做对了、哪些做错了，明天哪些需要短期调整，哪些要讨论之后再决定是否做长期调整。
所以我晚上反而更早睡。现在大部分时间 11 点前睡觉，早起开始一天的工作，晚上 9 点以后基本不开电脑，只处理一些思考和沟通。我觉得反而睡得更好，压力集中在白天。
这种状态确实比较少见。之前和我们聊的创业者，可能是在大厂工作、在大厂带业务，或者是从上一个创业项目进入下一个创业项目，他们的状态和你之前做二级市场投资时那种紧张状态，确实不太一样。
威廉·杜知恒
我觉得焦虑没有用。可能之前跟你们聊的更多的创业者，要么是在大厂工作、在大厂带业务，要么是从上一个创业到下一个创业，所以他们的状态和我之前，特别是二级市场的这种紧张状态还是不太一样的。第二个变化是，我的目标变得更长了。
做投资可能和做一级市场投资不太一样，一级市场投资需要比较清晰的长期 view；但二级市场很多投资虽然也有长期 view，短期却会对业绩产生很大影响。
创业之后，反而变成长期目标清晰，团队搭好，剩下的就是日常战术和执行。这让我更容易睡好，因为我知道，虽然某个客户会有拿下或者拿不下的差别，但 To B 生意的魅力就在于，即使今天没有拿下，如果产品改进得足够好，理解客户需求并建立更好关系，下一次、下个月仍然有机会拿下。
所以，如果这单没做成，或者客户当下没有使用我的服务，我不应该为这件事焦虑，而应该回头看：在测试中有哪些要求没有满足，产品还要做哪些改进，以及这个客户的场景是不是当前最高优先级要解决的问题。
这些应该在情绪平稳的状态下思考，而不是在紧张焦虑的状态下思考。所以我觉得，这份工作还蛮适合我的。
确实，我回忆了一下，好像之前没有做了二级之后回来创业的 founder 上过我们节目。可以想见，做过二级、感受过那样的状态之后，再来做创业这种比较长期主义的事情，再加上小宿科技做的也是 To B，本身也需要做时间的朋友，所以这对心态和平衡度来说，确实是件还不错的事情。
我不会因为生态还没有完全繁荣而焦虑。每当焦虑时，我就会想，AI 原生 App 现在也就几十万 DAU，最大的也就几十万到 100 万 DAU。它们已经是这条道路上最优秀的团队，有最丰富的资源。
除了等着它们长大、等着生态繁荣，同时优化自己的产品和客户覆盖，我其实不应该焦虑。因为焦虑没有用。客户已经足够优秀了，如果它们还有没有解决的问题，肯定需要时间和环境来迭代、解决。我只能放平心态，做好当下的事情。
创业了这段时间之后，有什么认知是你在刚开始创业时希望自己就知道的？
威廉·杜知恒
11. 战略选择决定命运
我学到最多的事情，是战略选择真的很重要。包括我们从之前辅助、配合 API 的形态转向自建搜索，包括自建过程中做并购，再到后来演化产品形态。我觉得战略选择看起来很虚，但实际上是真正决定一家公司长期命运的事情。这是我在过程中逐渐体会和理解到的一点。
除此之外，我觉得还有一件很重要的事：生意很难。做生意本身很难，它包括很多要素。除了产品质量和能力之外，还包括和客户的关系、客户所处的阶段，以及方方面面的事情。
绝大多数商业行为不是一个非黑即白的判断，更多是从 0 到 0.1，再到 0.2，逐渐深化的过程。所以不要很快下结论，要不断小步试错，通过服务客户不断理解需求。
我觉得我们整体策略上没有犯什么错误，所以没有什么大的教训。但经验来说，可能就是这两点。
还有一点是要持续保持开放心态，因为这个世界变化太快了。相比我刚入行、在百度进入互联网行业的时候，现在的变化速度至少快了 10 倍。
那时候我们做 PC 到移动的转型，整个公司 OKR 或 KPI 的调整是以年为单位。但当时移动云部门已经以季度为单位，时刻调整战略和 OKR，我觉得那时候已经很快了。
现在我们的客户是以周甚至以天为单位，迭代自己对产品的认知和想法。很多客户都做了转型，在自己的能力圈内寻找更好的机会，或者更适合自己的事情。所以我们自己也要保持非常 open 的心态，因为这个世界变化太快了。
好的，今天谢谢 William 的时间。非常期待小宿科技像你刚才提到的那样，以天、以周为单位持续迭代和改变，也期待在接下来的巨变中，看到小宿科技的各种新动作。再次谢谢 William。
威廉·杜知恒
谢谢 Koji，谢谢 Ronghui。拜拜。
如果你认为有朋友也会喜欢本期十字路口的内容，请转发微信推荐给他们。最后，欢迎你加入十字路口的会员群，我们鼓励大家在群里聊天互动、交朋友，寻找未来的同路人。