非与智能成立三个月获超千万美元融资，推全栈私有化企业智能体平台

企业级AI正从“能对话”迈向“会干活”，而如何让企业真正拥有而非租用智能，成为新一轮竞争的关键分野。成立于2026年7月的非与智能（Firmior AI），在短短三个月内连续完成种子轮与天使轮融资，累计金额超千万美元，其提出的全栈私有化企业智能体平台路径，已获得资本市场与早期客户的双重验证。

据公开信息，天使轮由锦秋基金与香港高才创业投资基金共同领投；种子轮则吸引多位来自全球重点行业的领军人物以个人身份投资，并出任战略顾问。更关键的是，公司成立首个季度即实现商业化落地——某企业客户付费采购全套平台，并在使用一个月后追加订单。该客户使用期间，智能体日均Token调用量在两个月内增至初始值的5倍，连续30天活跃率达92.5%。这些数据虽来自单一客户，但作为产品可行性的早期信号，具有显著参考价值。

非与智能的核心策略是构建“贯通式”技术栈：底层为FEAS（Firmior Enterprise Agentic Server），即面向企业智能体推理与运行的一体化服务器系统，负责模型部署、推理优化与异构算力适配；中间层Firmior OS承载企业记忆、知识技能、工作流编排、模型调度与安全治理；上层则推出三款垂直应用：Firmior Code切入软件研发任务，Firmior Work拓展至通用知识工作场景，Firmior Expert则服务高管与核心岗位，打造数字员工能力。

这一架构回应了当前企业AI落地的现实瓶颈。Gartner指出，相比基础聊天机器人，具备推理能力的智能体执行任务时，服务商承担的推理成本至少高出5倍，复杂任务差距更大。一次完整任务往往涉及多轮推理、工具调用、模型切换与结果校验，链路越长，对系统性能、可靠性与成本控制的要求越高。非与智能选择全栈协同，正是为了在端到端流程中实现可控优化。

“主权”是非与智能反复强调的概念。它并非泛指数据安全，而是具体指向企业对模型选择权、数据边界划定、知识资产沉淀、工作流定义及算力成本规划的自主掌控能力。企业无需从零训练基础模型或自建整套系统，即可灵活引入业界最新模型与技术，在清晰边界内完成定制化部署。部署方式支持一体化服务器、自有数据中心、私有云或专属VPC，适配不同企业的基础设施现状。

公司创始人兼CEO柳钢（Leo）拥有SAP、Oracle、微软等跨国科技企业高管履历，后任商汤科技集团首位副总裁及商业化负责人，主导推动营收突破15亿元并参与赴港上市筹备。过去三年，他担任GitLab中国合资公司CEO，深入软件工程与代码平台的AI转型一线。以此为核心，非与智能汇聚了来自国家级AI实验室、头部AI公司、基础软件平台及高校研究机构的复合型人才，覆盖智能计算、推理优化、智能体工程与大型企业交付等多个关键领域。

前SAP首席营收官罗旭凯（Scott Russell）作为公司顾问指出：“企业不应在采用先进AI与掌握自身业务能力之间做选择。随着AI融入日常运营，信任、灵活性以及清晰的业务价值实现路径，将与模型性能同样重要。”这一观点直指当前企业AI落地的核心矛盾：技术先进性不等于业务适配性。

商业模式上，非与智能采用分层订阅制：智能体应用按席位年度订阅；Firmior OS作为共享平台层一次性收费，按部署规模计费；FEAS服务器则按硬件选型单独报价，客户可按需组合。但挑战同样明确：私有化项目易陷入“一客一项目”的重交付陷阱，系统集成、数据治理与运维需求高度碎片化。

对此，柳钢表示，平台设计的关键在于区分“通用能力”与“客户特有适配”。Firmior OS所沉淀的企业记忆、知识库与工作流模板，构成跨任务复用的公共资产；而客户特有的流程与环境，则在明确边界内进行轻量级适配。通过标准化平台能力与模块化交付方案，非与智能试图将定制成本控制在可接受范围内。

值得注意的是，非与智能的融资节奏与产品验证路径，折射出当前资本对企业级AI的新判断逻辑。与早期追逐“大模型参数”或“通用Agent概念”不同，如今的投资人更关注三点：一是团队是否兼具底层技术理解与产业落地经验；二是是否有真实客户买单并持续使用；三是产品能否在可控成本下形成可复制的交付范式。

这一点在近期多家AI初创公司的融资动态中得到印证。例如数巅智能凭借清华-斯坦福背景创始人与产业资本双重背书，完成数亿元融资；具身智能领域新锐如昆仑行机器人、墨奇智能等，也因创始团队源自华为、理想、元戎启行等智驾一线，迅速获得顶级机构认可。资本正从“故事驱动”转向“确定性驱动”，而“能跑通闭环”的企业智能体平台，恰好处于这一趋势交汇点。

非与智能目前主要面向金融、能源、先进制造、政府与央国企、软件及专业服务等行业。其长期目标是为全球十万家先进企业提供全栈私有化智能体平台。在模型能力日趋同质化的背景下，系统集成能力、工程化落地效率与客户主权保障，正成为企业AI竞争的新护城河。