标签： AI投资

Vishal Sikka这个名字，在印度IT服务业里分量不轻。他曾在SAP待了12年，做出过核心产品，后来回国接掌Infosys——印度最大的IT服务公司之一——担任CEO（2014-2017）。卸任后又创立了企业AI公司VianAI，拿了软银Vision Fund 2领投的1.4亿美元。

现在他又出手了。6月24日，Sikka宣布他的新创企Hang Ten Systems完成3200万美元种子轮融资，由Mayfield领投，沙特Aramco的风险投资部门Aramco Ventures战略跟投，Yahoo联合创始人Jerry Yang也在董事会里。

用AI把IT服务重做一遍

Hang Ten做的事，说穿了就是用AI驱动的开发自动化来替代（或大幅压缩）传统IT服务公司靠人堆出来的定制化、集成和维护工作。客户有Siemens Gamesa Renewable Energy和Fresenius，都是比较大的工业和企业客户。

这个时机挺微妙的。IT服务行业自己也在吵：AI到底是会把市场盘子做大，还是会从根本上改变软件构建和维护的方式，把原来的玩家挤掉？

Jefferies的分析师今年早些时候写了一篇报告，说IT服务可能是第一个被AI实质颠覆的行业。但Infosys的主席Nandan Nilekani本周却说，AI能把IT服务的可寻址市场扩大到2030年的3000亿到4000亿美元。

两家说的都没错——市场可能在扩张的同时，赚钱的方式却完全变了。

Infosys自己的股价今年已经跌了超过35%。

传统服务按人头扩，Hang Ten想按项目积累杠杆

Mayfield的管理合伙人Navin Chaddha说，Hang Ten和VianAI不一样——VianAI做的是企业AI应用和分析工具，Hang Ten是一个”AI原生的IT服务公司”，靠智能体代码生成、可复用的AI技能和领域专长来交付项目。

传统IT服务公司的人效是线性扩展的——要多接活就得多加人；Hang Ten的设想是，每做一个项目，AI的杠杆率就增长一分。Chaddha说，Hang Ten”一个月前才刚启动”，但已经有客户了。

团队核心成员不少是Sikka在SAP、Infosys和VianAI时期的老部下，包括联合创始人兼CTO Navin Budhiraja、首席设计官Sanjay Rajagopalan和前部署工程高级副总裁Tao Liu。

公司总部在湾区，正在全球多地招人，覆盖交付、工程、销售和领导岗位。

一个人挑战一个行业

这件事最值得玩味的地方在于：一个在传统IT服务行业里做到顶尖的人，现在出来做一件可能颠覆那个行业的事情。如果Hang Ten成了，Infosys们要面对的问题就不是怎么用AI，而是AI会不会直接把他们的生意做了。

Sikka在宣布这家公司的博客里写，Hang Ten已经在帮大企业” hang ten on the biggest wave of our lifetimes”——在我们有生之年最大的浪潮上冲浪。这句话的自信倒是很符合他一贯的风格。

IT服务行业全球一年产值几千亿美元，Infosys、TCS、Wipro这些印度公司占了相当大的份额。如果AI真的能把这类工作的边际成本压到接近零，这个行业的游戏规则就要全部重写。Sikka这次赌的，就是这个过程已经开始了。

everyone都在造芯片，Sail说软件就够了。这家刚刚冒出头的初创公司本周宣布完成8000万美元融资，估值4.5亿美元，由Kleiner Perkins和Sequoia联合押注。它的主张听起来有点反潮流——当OpenAI在做Jalapeño芯片、谷歌有TPU、亚马逊有Trainium的时候，Sail说光靠软件优化就能把AI推理成本压到对手的十分之一。

长周期智能体才是主战场

Sail Research的平台专门跑”长周期”AI智能体——就是那些需要连续工作数小时甚至数周才能完成的任务。它在Linux虚拟机（叫Sailboxes）里运行智能体，开发者可以自定义每个虚拟机的软件环境。关键是，当智能体在等待外部系统返回数据时，Sail会把整个智能体关掉，不再烧钱，等数据回来了再继续。这个设计思路很直接，但确实能省不少钱。

他们在BrowseComp-Plus基准测试上拿了90.72%的分数，同时推理成本只有对手的十分之一。这个成绩单够亮眼，但真正有意思的是它背后的逻辑：大部分企业根本造不起自己的定制芯片，但它们可以在现有的英伟达GPU上跑Sail的软件层，达到类似的效率提升。

Sail的CEO Neil Movva说得很直白：人类用电脑最看重速度，但智能体最需要的是规模、可靠性和可持续的成本。这句话其实点出了当前AI基础设施争论的核心——我们到底是在为什么买单？

定制芯片 vs 软件优化，两条路都能走通

这一轮AI基础设施的竞争，某种程度上分裂成了两个阵营。一边是”算力派”，认为推理成本的根本解法是定制芯片——OpenAI找Broadcom做Jalapeño，谷歌继续迭代TPU，亚马逊推Trainium，都在走这条路。另一边是”效率派”，认为现有的GPU已经够强，问题出在软件层没有把硬件能力吃干榨净。

Sail属于后者。它改写了多个开源推理引擎，用了一套自己优化的算法来提升显存利用率。效果据称不错，但这个说法需要打一个问号：基准测试的跑分环境和真实生产环境往往是两回事，90.72%的分数能否在客户的实际工作负载上复现，还得等产品正式铺开才知道。

投资者阵容值得注意

这一轮的投资者名单里有两个名字很显眼：Intel CEO Lip-Bu Tan和Alphabet董事长John Hennessy。Hennessy的身份尤其微妙——他既是谷歌的董事长，又投了一家说”软件优化可以替代定制芯片”的初创公司。不管这在战略上意味着什么，至少说明业界对AI推理成本问题的关注度已经非常高了。

Kleiner Perkins和Sequoia同时进场也是一个信号。两家顶级VC在同一个轮次里联手，通常意味着他们判断这个赛道已经过了”要不要做”的阶段，现在的问题是”谁能先做出来”。Sail的4.5亿美元估值不低，但它面对的是一个实实在在的市场需求：企业用完AI之后发现账单比预期厚得多，它们愿意为任何能压低成本的技术方案付钱。

这一轮融资的时间点选得有点巧——正好是OpenAI官宣Jalapeño芯片之后没几天。两件事摆在一起看，像是一场关于”AI推理成本到底该怎么降”的公开辩论。OpenAI选了最难的路（自己做芯片），Sail选了最快落地的路（软件优化）。两条路都能走通，但受益的客户群不太一样：超大规模云厂商有能力做定制芯片，普通企业只能靠软件层省成本。