摘要：大学毕业就去了阿里，两年升两级，火速成长，很快成为部门的技术骨干。但随着业务的逐渐深入，他开始意识到，自己似乎太快就触碰到了在大厂的天花板，有种束手束脚的感觉。

在大厂做 Infra 的成泽毅，最开始并没有创业的打算。

大学毕业就去了阿里，两年升两级，火速成长，很快成为部门的技术骨干。但随着业务的逐渐深入，他开始意识到，自己似乎太快就触碰到了在大厂的天花板，有种束手束脚的感觉。

对于技术人来说，相比较于安稳，更追求的是证明自己的价值，寻找更好发挥自己能力的地方。

随后他开始不断地验证，自己的技术究竟是否有用？大厂之外还有没有他发挥的空间？会不会有人想要花钱购买自己的技术？

去创业公司是一种选择，他先后加入了两家推理加速初创公司。但创业公司对于商业路线的不确定，以及「等待」市场和客户需求的心态，又让成泽毅感受到了另外一种束缚。

最终， 依靠一个人完成的 10 万行代码的推理引擎，开始了自己的创业 ——WaveSpeedAI，一家为图片、视频生成提供推理加速的 AI Infra 创业公司。

25 年 2 月产品上线，3 月实现营收 5 万美元，4 月营收翻倍并开始盈利。预计年底可达千万美元。客户包括 Freepik、Replicate 等全球头部客户。融资方面，在 2025 年 4 月完成了数百万美元的天使轮融资。

在成泽毅看来，当下的 infra 能够创造更大的价值。最大众的用户其实感受不到模型生成结果的细微差别，但他们对价格和速度非常敏感——这就是推理加速的价值所在。

大学毕业后，成泽毅加入阿里，担任 toC 产品的 infra 工程工作。

他很快受到赏识，两年连升两级，作为技术专家，他像「一人军队」一样扛下项目的核心模块，致力于把性能优化到极致。

但很快，蜜月期结束了。「很显然，第三年我不可能再升一级了。」成长速度开始低于他的预期，原本负责的技术架构「做到了头」，已经「无活可干」。他开始接到一些不太合理的需求，那是 2022 年，AI 爆发的前夕。

成就感开始逐渐消失，随之而来的，是持续地低落。

在团队内部，他也察觉到大厂内部效率的困境：团队从 5 人膨胀到 100 人，产出却没有同等增长 。堆人头、堆流程、堆资金，反而稀释了个体的价值和能力体现。

「 存在疑问的时候，就用最低成本去验证 」。

离职后，他要验证的第一件事是：脱离大厂的光环，自己的能力是否依然「有市场」？

花六个小时写了一个新模型的推理框架，上传到 GitHub，第二天醒来他发现项目登上了热榜，一天涨了 700 star。

GitHub 地址：https://github.com/chengzeyi

那是技术人最爽的一刻，这也让成泽毅意识到：技术和他的价值，都不需要老板的认可或者大厂的背书。只要你能做出真正有用的东西，社区自然会给你最直接、最真实的反馈。

「 验证项目价值的方法就是直接开源一次。 」

但成泽毅也明白，问题的根源并不只是大厂对工程师个体的轻视，更深层次的原因在于，国内环境对 AI Infra 价值的普遍低估。

在国内 AI 圈，大多数公司更习惯「卷模型」：拼参数，用最新的模型做演示、跑分、上内测。

无止境的性能竞赛里，各家忽略了部署、推理和服务成本，最后业务落不了地，反而卷进了持续烧钱的内卷黑洞。

在成泽毅看来，这些企业忽视了真正支撑用户体验、商业化能力乃至盈利可能性的关键一环。

「大家都在讲模型、讲能力、讲效果。 但真正影响生成速度和用户体验的，其实是 Infra。 模型就像发动机，但 Infra 才是变速箱和底盘，是决定这辆车能不能跑得快、跑得稳的关键。」成泽毅说。

所以他决定寻找一个真正认可并需要 Infra 价值的地方。

离开大厂后，成泽毅先后去了国内和硅谷明星 AI 公司硅基流动和 fal.ai

然而，即使是聚焦于 Infra 业务的初创公司，他也感受到了一种「等待」的心态。公司更像是一个追随者，等着市场出新模型，等着客户提需求，缺乏抢占先机的紧迫感和明确的商业化路线。

成泽毅认为，这种心态错失了很多机会。

但也正是在这些项目里，他看到了 Infra 在国内外市场截然不同的境遇和潜力。海外市场让他感受到了期待的节奏与价值观——「 AI 基础设施上的突破可以在 24-48 小时内就为客户带来价值，并且能迅速在社交媒体和业界产生传播，服务可以被大量用户使用。 」

正是这些经历，让成泽毅意识到，Infra 不只是底层技术，更是 AI 商业化的突破口。他开始认真思考：如果 Infra 是一门生意，哪里才是更健康的土壤？

在成泽毅的观察里，国内 AI 基础设施领域存在一种「你能做，我也能做」的思维惯性，大厂更愿意招几个人「复刻方案」，或者索性提出「买断代码」的要求，却忽视了系统背后长期维护与优化的难度。

「很多人低估了推理优化的复杂性，实际上门槛很高。」成泽毅说。

更让他无奈的是，国内客户对他们在推理加速方面的能力理解不够深入，觉得这只是「做了点集成」，但实际上 WaveSpeedAI 做的是一整套调度系统的重构。

相比之下，海外市场更成熟也更现实。他们不关注你是不是全栈、用的什么架构、怎么实现的延迟优化，他们只问三个问题：能不能跑？跑得稳不稳？能省多少钱？

「海外客户知道 Infra 是自己的短板，他们愿意为一个稳定、好用、能接入自己平台的系统持续付费。」成泽毅说。

于是，在创业的第一天，成泽毅就确定了 全球化的策略 ，专注于最具现实需求的 ToB 场景。

需求出现了，市场锁定了，此时就差一个团队了。

「我就是想验证一下我说的这套思路到底有没有人买单。」成泽毅说。

他通宵做了一个 demo，第二天挂在国外论坛上，没过几天，就有人来问能不能商用。

成泽毅立刻把代码打包、上线、开放 API。这个项目成为了 WaveSpeedAI 的第一个客户，也为公司带来了第一笔收入。

这也给予了成泽毅极大的创业信心： 「今天之所以敢创业，是因为我们认为已有的市场能够支撑我们创业成功。」

WaveSpeedAI 的目标从一开始就很明确：做一套稳定、高效、低成本的推理基础设施系统，服务全球 AI 内容平台。

与许多「先融资、后建队」的创业公司不同，WaveSpeedAI 的逻辑是反过来的：先赚钱，再扩张；先验证，再融资。

团队配置是典型的「小快灵」团队—— AI 时代的新型组织形态实践。

WaveSpeed CEO 成泽毅 CTO 李样兵

规模小，核心成员不到 7 人，采用极致精简的分工：创始人做推理引擎，合伙人做工程和算力调度系统，其他人负责 API、Web、客户支持。 5 名远程全职，每个都是具备全栈能力的复合型人才，每个都是创新项目的发起者。

大家彼此之间是平等的合作伙伴，而不只是雇佣关系。

正因为小，所以人力和沟通成本都低、响应速度就快，调整起来也灵活。他们可以在几小时内响应客户需求，在一两天内上线一个功能。这种高效运行的模式，反而成了他们最大的竞争力。

高战斗力的团队有了，下一步，是如何打入市场的问题。

WaveSpeedAI 的破局策略，是用「利他思维」重构产业协同生态，打造差异化的合作模式。

「 初创团队像寄生植物一样长在树上就够了，不要想着自己另种一棵树再嫁接。 」成泽毅用这个比喻来形容 WaveSpeedAI 的策略：避开与大厂正面硬碰，不做平台，不造生态，只做最强的底层模块，把它插进大客户的系统中，再从大单中分一杯羹。

算力合作上，与 Datacrunch、Runpod、Novita 等厂商携手，通过算法授权，联合 IDC 服务商服务客户；模型合作上，和 Wan、Hunyuan、HiDream 等开源团队紧密协作，提升国产 AI 技术的全球声量；全面接入 Google Veo、Kling、Minimax、Vidu 等商业模型，并规划系统化的全球推广策略。

与 API 厂商 Replicate 的合作更是双赢的典范，WaveSpeedAI 的技术，帮助 Replicate 提升了模型的执行效率和响应速度，带来了更好的使用体验；而 Replicate 的 API 接口资源，让 WaveSpeedAI 可以快速整合前沿模型能力，完善自己的服务矩阵。

而对于上层应用公司，需要支持 ComfyUI 的时候，WaveSpeedAI 毫不犹豫。

这种实用主义，也贯穿了 WaveSpeedAI 的每一个技术决策，比如公司是轻的，但系统是重的。

成泽毅早就发现，很多推理工程师把大量时间花在将模型转换成 ONNX 或 MLIR 上，他认为这「只是把事情做得更复杂了」。既然所有大模型都基于 PyTorch，为什么不直接构建其上？

所以 WaveSpeedAI 选择「寄生」在 PyTorch 原生架构上，开发一套轻量级、可扩展的推理框架，这套系统不仅能适配最新硬件的推理系统，还要能兼容其他的模型。

维护这样的系统压力很大，但这也成为了 WaveSpeed 技术上的护城河。

与此同时，WaveSpeed 也拒绝成为一家「重资产公司」。他们没有大规模购买 GPU，而是与算力平台深度合作，根据任务进行弹性调度，最大限度控制资源支出。

「我们不是做最好看的 demo，而是做最便宜、最快上线、最容易用的产品。」

他们通过开源项目引流，看到了海外客户的需求，找到了赚钱的业务。在保证质量和速度的前提下，做到市场最便宜。

对 WaveSpeedAI 来说，只要收入能覆盖支出，公司就能活着。只要能活着，他们就有机会不断试错、不断验证、不断进化。

WaveSpeedAI 看到了一个正在爆发的市场——AI 视频生成，看到了市场当下的需求，看到了 Infra 的商机，也看到了自己在其中能承担的角色。

「当前已有的需求，已经足够支撑一家公司的运营。未来产生新的需求，我们再去做调整和优化。」成泽毅说道。

视频生成市场当下的核心需求是：降低成本。因为 AI 视频生成正处在一个「既要又要」的关键节点。

一方面，市场对 AI 视频的需求正在爆炸式增长。

根据市场研究机构的预测，全球 AI 视频生成市场规模预计将从 2023 年的数亿美元增长到 2030 年的数十亿甚至上百亿美元，年复合增长率惊人，这是一个高速增长的蓝海。

但另一方面，当下的 AI 视频生成，尤其是高质量视频的生成，实在是太贵了。

成泽毅举例说，像谷歌的 Veo 2 这样的顶级模型，生成一秒钟视频的成本可能高达 0.5 美元 。这意味着，生成一段短短 10 秒的视频，成本就达到了 5 美元。

高昂的成本直接扼杀了大规模应用的可能性。用户不敢用，企业不敢推，整个行业的发展速度因此受限 。

所以成泽毅敏锐地发现客户需要的不是「最好」，而是「更快、更便宜、更高效」。让最好的技术创新，最值的技术落地。

WaveSpeedAI 所做的，是将成本降到原有平台的 1/5。同时保有高画质与低延迟。

这种极致的性价比，正是当下视频生成行业最需要的答案。

与 DataCrunch 和 Freepik 的合作，是 WaveSpeedAI 提供极致性价比的代表性案例。

DataCrunch 是一家总部在欧洲的 GPU 推理基础设施公司，WaveSpeedAI 为其提供推理加速服务，并且双方通过软硬结合的方式服务更多客户。总部位于西班牙的设计资源平台 Freepik，正式得益于这套服务成功完成了 AI 转型。

Freepik 每天要生成 200 万张图像，推理成本极高，GPU 支出动辄每小时几千美元。因此，需求非常明确——「已有的商用模型太贵了，不可能大规模推给用户，他们需要性价比更高的方案。WaveSpeedAI 帮 Freepik 把生成延迟从 6 秒优化到了 2.4 秒，单位推理成本也大幅下降，且部署灵活性和开发效率显著提升。」

Freepik 的架构师 Alejandro Palma 后来说：「WaveSpeed 带来的最大价值是『更快、更便宜、更高效』，这让我们能在 AI 生成领域持续保持竞争力。」

这个案例不仅带来了商业回报，更验证了成泽毅的判断： 推理基础设施这件事，真的有客户愿意为之买单，并且能够持续复购。

而且双方也并不是零和游戏，而是「大家都能赚到钱，商业模式也比较健康。」

同时，成泽毅验证了他喜欢的那句话：「质疑他们最好的方式是自己搞一家公司，把他们比下去。」

技术过时、行业变革、位置被替代这些弥漫在创业团队的焦虑，在 WaveSpeed 会转化为一种乐观，因为混乱带来的是机会。

坚持主攻多模态图+视频方向，同时对技术和市场变化保持警觉。在每一次新趋势出现时，都会主动试验和调整， 把每一个小实验当作业务进步的契机 。

在变与不变中，把握机遇。

「每次新模型发布，行业就会洗一次牌。只要我们上线够快，服务够稳，就一定有客户。」

为了确保自己始终在牌局上，成泽毅选择多看几张牌，多试几次，但他也偶尔看错。

「过去一两个月，我被这种不知名创业团队开发的 SOTA 模型折磨得够呛，通宵好几次搞上线，结果一言难尽，最后确认不是我的 bug，我又被耍了。」说这话时，成泽毅并没有特别激动，更像是在陈述一件略感无奈但也早有预期的事。

当发现对方团队的技术是「纸糊」的时候，他马上又能自洽了，「对我来讲成本还好，对他们公司来讲可能是毁灭性的打击，（他们）不可能获得业界认可和营收。 」

他用了一种反向验证，确定了自己团队的价值。

所以即便被「骗了」，成泽毅依然相信验证的意义。这是他创业哲学的起点，也始终是 WaveSpeedAI 的生存方式。

这种执拗更像是一种近乎本能的判断机制：看见新方向，就要去跑一遍；不试完，不下结论，哪怕只是为了心安。

因为对他们来说，创业不是一场许诺未来的豪赌，而是一次次可以被验证的小实验。而 WaveSpeedAI，只是那些验证之中，幸存下来的一个。

WaveSpeedAI 的故事，始于一个简单的信念： 让多模态技术成为全球 AI 创新的基石。

WaveSpeedAI 已经吸引了超过一万名开发者——之中有独立黑客，也有全栈工程师，更不乏艺术家和摄影师。每个人都在这里寻找属于自己的可能性。为了让更多创意落地，WaveSpeedAI 设立了开发者计划，合格的创作者和创业团队每月都能获得算力支持。10 到 100 美元的额度不算巨大，却像是一块敲门砖，为那些刚起步的想法打开了现实的大门。

WaveSpeedAI 并不满足于此。

接下来，他们还将推出 Agent 生态、一键建站工具等一系列服务，试图为开发者和创作者打造更完整的支持系统。目标很明确——成为 AI 产业发展路上的关键推手，与全球创新者一起，书写属于这个时代的创新故事。

活得挺好的 WaveSpeedAI，开始慢慢成长为中国 AI 企业全球化的一个不一样的范本，成为了其他人眼中的「邻居家的好孩子」。

对于那些正处于起步阶段、渴望参与多模态 AI 浪潮的创业者来说，这不仅是一种鼓励，更是一种证明： 我们完全有能力以技术和产品在国际市场上赢得一席之地。

中国的 AI 创业者们，理应有更大的信心与抱负，在这一波的全球创业中留下自己的印记。

来源：晚晚的星河日记一点号