在大廠做 Infra 的成澤毅，最開始并沒有創業的打算。

大學畢業就去了阿里，兩年升兩級，火速成長，很快成為部門的技術骨干。但隨著業務的逐漸深入，他開始意識到，自己似乎太快就觸碰到了在大廠的天花板，有種束手束腳的感覺。

對于技術人來說，相比較于安穩，更追求的是證明自己的價值，尋找更好發揮自己能力的地方。

隨后他開始不斷地驗證，自己的技術究竟是否有用？大廠之外還有沒有他發揮的空間？會不會有人想要花錢購買自己的技術？

去創業公司是一種選擇，他先后加入了兩家推理加速初創公司。但創業公司對于商業路線的不確定，以及「等待」市場和客戶需求的心態，又讓成澤毅感受到了另外一種束縛。

最終，依靠一個人完成的 10 萬行代碼的推理引擎，開始了自己的創業——WaveSpeedAI，一家為圖片、視頻生成提供推理加速的 AI Infra 創業公司。

25 年 2 月產品上線，3 月實現營收 5 萬美元，4 月營收翻倍并開始盈利。預計年底可達千萬美元。客戶包括 Freepik、Replicate 等全球頭部客戶。融資方面，在 2025 年 4 月完成了數百萬美元的天使輪融資。

在成澤毅看來，當下的 infra 能夠創造更大的價值。最大眾的用戶其實感受不到模型生成結果的細微差別，但他們對價格和速度非常敏感——這就是推理加速的價值所在。

超 6000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產品曝光渠道

01

去社區驗證價值

大學畢業后，成澤毅加入阿里，擔任 toC 產品的 infra 工程工作。

他很快受到賞識，兩年連升兩級，作為技術專家，他像「一人軍隊」一樣扛下項目的核心模塊，致力于把性能優化到極致。

但很快，蜜月期結束了。「很顯然，第三年我不可能再升一級了。」成長速度開始低于他的預期，原本負責的技術架構「做到了頭」，已經「無活可干」。他開始接到一些不太合理的需求，那是 2022 年，AI 爆發的前夕。

成就感開始逐漸消失，隨之而來的，是持續地低落。

在團隊內部，他也察覺到大廠內部效率的困境：團隊從 5 人膨脹到 100 人，產出卻沒有同等增長 。堆人頭、堆流程、堆資金，反而稀釋了個體的價值和能力體現。

「存在疑問的時候，就用最低成本去驗證」。

離職后，他要驗證的第一件事是：脫離大廠的光環，自己的能力是否依然「有市場」？

花六個小時寫了一個新模型的推理框架，上傳到 GitHub，第二天醒來他發現項目登上了熱榜，一天漲了 700 star。

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

那是技術人最爽的一刻，這也讓成澤毅意識到：技術和他的價值，都不需要老板的認可或者大廠的背書。只要你能做出真正有用的東西，社區自然會給你最直接、最真實的反饋。

「驗證項目價值的方法就是直接開源一次。」

02

Day One 就全球化

但成澤毅也明白，問題的根源并不只是大廠對工程師個體的輕視，更深層次的原因在于，國內環境對 AI Infra 價值的普遍低估。

在國內 AI 圈，大多數公司更習慣「卷模型」：拼參數，用最新的模型做演示、跑分、上內測。

無止境的性能競賽里，各家忽略了部署、推理和服務成本，最后業務落不了地，反而卷進了持續燒錢的內卷黑洞。

在成澤毅看來，這些企業忽視了真正支撐用戶體驗、商業化能力乃至盈利可能性的關鍵一環。

「大家都在講模型、講能力、講效果。但真正影響生成速度和用戶體驗的，其實是 Infra。模型就像發動機，但 Infra 才是變速箱和底盤，是決定這輛車能不能跑得快、跑得穩的關鍵。」成澤毅說。

所以他決定尋找一個真正認可并需要 Infra 價值的地方。

離開大廠后，成澤毅先后去了國內和硅谷明星 AI 公司硅基流動和 fal.ai

然而，即使是聚焦于 Infra 業務的初創公司，他也感受到了一種「等待」的心態。公司更像是一個追隨者，等著市場出新模型，等著客戶提需求，缺乏搶占先機的緊迫感和明確的商業化路線。

成澤毅認為，這種心態錯失了很多機會。

但也正是在這些項目里，他看到了 Infra 在國內外市場截然不同的境遇和潛力。海外市場讓他感受到了期待的節奏與價值觀——「AI基礎設施上的突破可以在 24-48 小時內就為客戶帶來價值，并且能迅速在社交媒體和業界產生傳播，服務可以被大量用戶使用。」

正是這些經歷，讓成澤毅意識到，Infra 不只是底層技術，更是 AI 商業化的突破口。他開始認真思考：如果 Infra 是一門生意，哪里才是更健康的土壤？

在成澤毅的觀察里，國內 AI 基礎設施領域存在一種「你能做，我也能做」的思維慣性，大廠更愿意招幾個人「復刻方案」，或者索性提出「買斷代碼」的要求，卻忽視了系統背后長期維護與優化的難度。

「很多人低估了推理優化的復雜性，實際上門檻很高。」成澤毅說。

更讓他無奈的是，國內客戶對他們在推理加速方面的能力理解不夠深入，覺得這只是「做了點集成」，但實際上 WaveSpeedAI 做的是一整套調度系統的重構。

相比之下，海外市場更成熟也更現實。他們不關注你是不是全棧、用的什么架構、怎么實現的延遲優化，他們只問三個問題：能不能跑？跑得穩不穩？能省多少錢？

「海外客戶知道 Infra 是自己的短板，他們愿意為一個穩定、好用、能接入自己平臺的系統持續付費。」成澤毅說。

于是，在創業的第一天，成澤毅就確定了全球化的策略，專注于最具現實需求的 ToB 場景。

需求出現了，市場鎖定了，此時就差一個團隊了。

03

輕公司，但重系統

「我就是想驗證一下我說的這套思路到底有沒有人買單。」成澤毅說。

他通宵做了一個 demo，第二天掛在國外論壇上，沒過幾天，就有人來問能不能商用。

成澤毅立刻把代碼打包、上線、開放 API。這個項目成為了 WaveSpeedAI 的第一個客戶，也為公司帶來了第一筆收入。

這也給予了成澤毅極大的創業信心：「今天之所以敢創業，是因為我們認為已有的市場能夠支撐我們創業成功。」

WaveSpeedAI 的目標從一開始就很明確：做一套穩定、高效、低成本的推理基礎設施系統，服務全球 AI 內容平臺。

與許多「先融資、后建隊」的創業公司不同，WaveSpeedAI 的邏輯是反過來的：先賺錢，再擴張；先驗證，再融資。

團隊配置是典型的「小快靈」團隊——AI時代的新型組織形態實踐。

WaveSpeed CEO 成澤毅 & CTO 李樣兵

規模小，核心成員不到 7 人，采用極致精簡的分工：創始人做推理引擎，合伙人做工程和算力調度系統，其他人負責 API、Web、客戶支持。 5 名遠程全職，每個都是具備全棧能力的復合型人才，每個都是創新項目的發起者。

大家彼此之間是平等的合作伙伴，而不只是雇傭關系。

正因為小，所以人力和溝通成本都低、響應速度就快，調整起來也靈活。他們可以在幾小時內響應客戶需求，在一兩天內上線一個功能。這種高效運行的模式，反而成了他們最大的競爭力。

高戰斗力的團隊有了，下一步，是如何打入市場的問題。

WaveSpeedAI 的破局策略，是用「利他思維」重構產業協同生態，打造差異化的合作模式。

「初創團隊像寄生植物一樣長在樹上就夠了，不要想著自己另種一棵樹再嫁接。」成澤毅用這個比喻來形容 WaveSpeedAI 的策略：避開與大廠正面硬碰，不做平臺，不造生態，只做最強的底層模塊，把它插進大客戶的系統中，再從大單中分一杯羹。

算力合作上，與 Datacrunch、Runpod、Novita 等廠商攜手，通過算法授權，聯合 IDC 服務商服務客戶；模型合作上，和 Wan、Hunyuan、HiDream 等開源團隊緊密協作，提升國產 AI 技術的全球聲量；全面接入 Google Veo、Kling、Minimax、Vidu 等商業模型，并規劃系統化的全球推廣策略。

與 API 廠商 Replicate 的合作更是雙贏的典范，WaveSpeedAI 的技術，幫助 Replicate 提升了模型的執行效率和響應速度，帶來了更好的使用體驗；而 Replicate 的 API 接口資源，讓 WaveSpeedAI 可以快速整合前沿模型能力，完善自己的服務矩陣。

而對于上層應用公司，需要支持 ComfyUI 的時候，WaveSpeedAI 毫不猶豫。

這種實用主義，也貫穿了 WaveSpeedAI 的每一個技術決策，比如公司是輕的，但系統是重的。

成澤毅早就發現，很多推理工程師把大量時間花在將模型轉換成 ONNX 或 MLIR 上，他認為這「只是把事情做得更復雜了」。既然所有大模型都基于 PyTorch，為什么不直接構建其上？

所以 WaveSpeedAI 選擇「寄生」在 PyTorch 原生架構上，開發一套輕量級、可擴展的推理框架，這套系統不僅能適配最新硬件的推理系統，還要能兼容其他的模型。

維護這樣的系統壓力很大，但這也成為了 WaveSpeed 技術上的護城河。

與此同時，WaveSpeed 也拒絕成為一家「重資產公司」。他們沒有大規模購買 GPU，而是與算力平臺深度合作，根據任務進行彈性調度，最大限度控制資源支出。

「我們不是做最好看的 demo，而是做最便宜、最快上線、最容易用的產品。」

他們通過開源項目引流，看到了海外客戶的需求，找到了賺錢的業務。在保證質量和速度的前提下，做到市場最便宜。

對 WaveSpeedAI 來說，只要收入能覆蓋支出，公司就能活著。只要能活著，他們就有機會不斷試錯、不斷驗證、不斷進化。

04

當下是視頻生成爆發的前夜

WaveSpeedAI 看到了一個正在爆發的市場——AI 視頻生成，看到了市場當下的需求，看到了 Infra 的商機，也看到了自己在其中能承擔的角色。

「當前已有的需求，已經足夠支撐一家公司的運營。未來產生新的需求，我們再去做調整和優化。」成澤毅說道。

視頻生成市場當下的核心需求是：降低成本。因為 AI 視頻生成正處在一個「既要又要」的關鍵節點。

一方面，市場對 AI 視頻的需求正在爆炸式增長。

根據市場研究機構的預測，全球 AI 視頻生成市場規模預計將從 2023 年的數億美元增長到 2030 年的數十億甚至上百億美元，年復合增長率驚人，這是一個高速增長的藍海。

但另一方面，當下的 AI 視頻生成，尤其是高質量視頻的生成，實在是太貴了。

成澤毅舉例說，像谷歌的 Veo 2 這樣的頂級模型，生成一秒鐘視頻的成本可能高達 0.5 美元 。這意味著，生成一段短短 10 秒的視頻，成本就達到了 5 美元。

高昂的成本直接扼殺了大規模應用的可能性。用戶不敢用，企業不敢推，整個行業的發展速度因此受限 。

所以成澤毅敏銳地發現客戶需要的不是「最好」，而是「更快、更便宜、更高效」。讓最好的技術創新，最值的技術落地。

WaveSpeedAI 所做的，是將成本降到原有平臺的 1/5。同時保有高畫質與低延遲。

這種極致的性價比，正是當下視頻生成行業最需要的答案。

與 DataCrunch 和 Freepik 的合作，是 WaveSpeedAI 提供極致性價比的代表性案例。

DataCrunch 是一家總部在歐洲的 GPU 推理基礎設施公司，WaveSpeedAI 為其提供推理加速服務，并且雙方通過軟硬結合的方式服務更多客戶。總部位于西班牙的設計資源平臺 Freepik，正式得益于這套服務成功完成了 AI 轉型。

Freepik 每天要生成 200 萬張圖像，推理成本極高，GPU 支出動輒每小時幾千美元。因此，需求非常明確——「已有的商用模型太貴了，不可能大規模推給用戶，他們需要性價比更高的方案。WaveSpeedAI 幫 Freepik 把生成延遲從 6 秒優化到了 2.4 秒，單位推理成本也大幅下降，且部署靈活性和開發效率顯著提升。」

Freepik 的架構師 Alejandro Palma 后來說：「WaveSpeed 帶來的最大價值是『更快、更便宜、更高效』，這讓我們能在 AI 生成領域持續保持競爭力。」

這個案例不僅帶來了商業回報，更驗證了成澤毅的判斷：推理基礎設施這件事，真的有客戶愿意為之買單，并且能夠持續復購。

而且雙方也并不是零和游戲，而是「大家都能賺到錢，商業模式也比較健康。」

同時，成澤毅驗證了他喜歡的那句話：「質疑他們最好的方式是自己搞一家公司，把他們比下去。」

05

創業是一次次可被驗證的小實驗

技術過時、行業變革、位置被替代這些彌漫在創業團隊的焦慮，在 WaveSpeed 會轉化為一種樂觀，因為混亂帶來的是機會。

堅持主攻多模態圖+視頻方向，同時對技術和市場變化保持警覺。在每一次新趨勢出現時，都會主動試驗和調整，把每一個小實驗當作業務進步的契機。

在變與不變中，把握機遇。

「每次新模型發布，行業就會洗一次牌。只要我們上線夠快，服務夠穩，就一定有客戶。」

為了確保自己始終在牌局上，成澤毅選擇多看幾張牌，多試幾次，但他也偶爾看錯。

「過去一兩個月，我被這種不知名創業團隊開發的 SOTA 模型折磨得夠嗆，通宵好幾次搞上線，結果一言難盡，最后確認不是我的 bug，我又被耍了。」說這話時，成澤毅并沒有特別激動，更像是在陳述一件略感無奈但也早有預期的事。

當發現對方團隊的技術是「紙糊」的時候，他馬上又能自洽了，「對我來講成本還好，對他們公司來講可能是毀滅性的打擊，（他們）不可能獲得業界認可和營收。 」

他用了一種反向驗證，確定了自己團隊的價值。

所以即便被「騙了」，成澤毅依然相信驗證的意義。這是他創業哲學的起點，也始終是 WaveSpeedAI 的生存方式。

這種執拗更像是一種近乎本能的判斷機制：看見新方向，就要去跑一遍；不試完，不下結論，哪怕只是為了心安。

因為對他們來說，創業不是一場許諾未來的豪賭，而是一次次可以被驗證的小實驗。而 WaveSpeedAI，只是那些驗證之中，幸存下來的一個。

06

賦能全球創造者

WaveSpeedAI 的故事，始于一個簡單的信念：讓多模態技術成為全球 AI 創新的基石。

WaveSpeedAI 已經吸引了超過一萬名開發者——之中有獨立黑客，也有全棧工程師，更不乏藝術家和攝影師。每個人都在這里尋找屬于自己的可能性。為了讓更多創意落地，WaveSpeedAI 設立了開發者計劃，合格的創作者和創業團隊每月都能獲得算力支持。10 到 100 美元的額度不算巨大，卻像是一塊敲門磚，為那些剛起步的想法打開了現實的大門。

WaveSpeedAI 并不滿足于此。

接下來，他們還將推出 Agent 生態、一鍵建站工具等一系列服務，試圖為開發者和創作者打造更完整的支持系統。目標很明確——成為 AI 產業發展路上的關鍵推手，與全球創新者一起，書寫屬于這個時代的創新故事。

活得挺好的 WaveSpeedAI，開始慢慢成長為中國 AI 企業全球化的一個不一樣的范本，成為了其他人眼中的「鄰居家的好孩子」。

對于那些正處于起步階段、渴望參與多模態 AI 浪潮的創業者來說，這不僅是一種鼓勵，更是一種證明：我們完全有能力以技術和產品在國際市場上贏得一席之地。

中國的 AI 創業者們，理應有更大的信心與抱負，在這一波的全球創業中留下自己的印記。