← 返回洞察
2026 年 9 月 · 5 分钟阅读
Agent 成本治理进入执行层：Sapiom 3500 万美元的架构选择
关键定义
执行层成本治理 在 agent 实际执行动作的点上强制预算、权限与计量，而不是在事后仪表盘上观察。Sapiom 的 Router / Agent Studio / Runtime 三件套把「选路-预算-记录」放进执行路径内。
模型路由（Model routing） 每次调用根据任务复杂度、成本、质量、延迟与策略选择最合适的模型，而不是默认最贵。Sapiom 的 Router 把静态基础设施选择变成执行时的实时决策。
Agent FinOps 把云 FinOps 实践应用到 agent 推理与执行成本：预算前置、用量计量、成本归属。Sapiom 投资人称「CTO 正在扮演 CFO」——agent 成本治理正在成为基础设施采购。
agent 成本失控正在从「管理问题」变成「基础设施问题」。Sapiom 09-08 宣布 $35M Series A（Dragonfly 领投，累计 $50M），产品三件套 Router / Agent Studio / Runtime，核心是把成本治理放到 agent 的执行点：预算与权限先于执行强制、每次调用按成本-质量-延迟-策略实时选路、全量 metering 与完整审计轨迹。投资人 Haseeb Qureshi 说得直白：agent 正在变成没有经理、没有预算的员工，CTO 越来越像在扮演 CFO——这不是另一块仪表盘能解决的治理问题，是基础设施问题。
一个新品类：执行层成本治理
Sapiom 09-08 宣布完成 $35M Series A，Dragonfly 领投，Accel、Gradient、Coinbase Ventures、Operator Collective、Formus Capital、VanEck Ventures 参与；老股东 Okta Ventures、Menlo Ventures、Anthropic、Array Ventures 跟投。公司在成立 11 个月、种子轮 6 个月后拿到这轮，累计融资 $50M。
产品三件套：Router（每次模型调用按任务要求、成本、质量、延迟、可靠性与公司策略选路，不默认最贵）；Agent Studio（工程团队在本地代码库上下文里构建、测试、审查、部署 agent）；Runtime（托管生产执行：访问、路由、恢复、step 级可见性与控制）。
我们的判断：财务治理必须发生在执行点
我们的判断：方向是对的。agent 成本治理的三个关键动作——选路、预算、计量——都必须发生在执行路径上，而不是事后观察。这也是 Sapiom 区别于「治理仪表盘」类产品的根本：仪表盘在动作发生后记录，执行层在动作发生前强制。
这与我们一直主张的执行层控制一致：runtime enforcement 优于事后 dashboard promise。Dragonfly 的话把它说成了行业共识——「不是治理问题，是基础设施问题」。
三条可迁移的模式
对任何在跑 agent 的团队，Sapiom 的架构拆出三条可直接借鉴的模式：
1）预算先于执行：把预算与权限前置到 agent 执行路径，超预算动作被拦截或降级，而不是月末对账。
2）执行点实时选路：按任务复杂度与成本-质量-延迟约束选模型，不默认最贵；简单分类交给小模型。
3）全量 metering：每一步动作计量并进审计轨迹——成本归属、权限校验、执行记录三位一体。
怀疑清单：哪些是厂商声称
保持怀疑同样重要。「已处理 2.7 亿+ 交易、日 10 万+ agent runs、客户推理成本 -75%」都是厂商口径，需要独立验证。Gartner 的预测则是中立的背景板：40%+ 的 agentic AI 项目将在 2027 年底前被取消，成本是首要原因——这个市场的问题真实存在，但每个玩家的解法都刚起步。
对三类买方的含义
1）AI App lead：把「路由-预算-计量」当 agent 生产化 stack 的默认三层，而不是事后补的 FinOps 工具。
2）C-suite / CFO：agent 成本治理是基础设施采购，不是又一个 dashboard 订阅；结合 Deloitte 数据（48% 的 CFO 直接管 AI 成本、60% 需要更复杂的成本管理），这一层迟早进预算。
3）数字转型负责人：先在小范围试点里验证「省 75%」的真实性，用自己账单核对，再规模化。
数据来源与口径
- SVDaily（09-08 一手，融资与产品细节）：https://svdaily.com/2026/09/08/sapiom-scores-35-million-for-ai-agents/
- Gartner「40%+ agentic 项目 2027 底前取消」预测（Sapiom 引述口径）。
- 「推理成本 -75%」「2.7 亿+ 交易」「日 10 万+ agent runs」均为厂商声称，未经独立验证。
常见问题
Sapiom 是做什么的？+
一个把 agent 从 demo 带到生产的平台，产品三件套 Router / Agent Studio / Runtime。09-08 宣布 $35M Series A（Dragonfly 领投），累计融资 $50M。
「预算先于执行」是什么意思？+
每次 agent 动作在发生前就按公司策略与预算权限强制校验，超预算动作被拦截或降级，而不是月末对账后再发现。
模型路由真能省钱吗？+
厂商称有客户推理成本 -75%，这是厂商口径需独立验证；行业共识是路由能显著降低成本（不默认最贵、按复杂度分派），但要以真实账单与质量基准为准。
这跟「治理仪表盘」有什么区别？+
仪表盘在动作发生后观察；执行层治理在动作发生点强制策略。Dragonfly 投资人原话：「这不是另一块仪表盘能解决的治理问题，是基础设施问题。」
企业现在能做什么？+
三条可迁移模式：预算与权限前置到 agent 执行路径；按成本-质量-延迟做模型分层路由；全量 metering 保证每步可审计。先小范围试点，用自己的账单验证节省。
相关文章
NVIDIA 买下 HF：不可变审计，记在谁的边界里？
NVIDIA 以 129 亿美元收购 Hugging Face，同期发布 Secure Agent Workspace 参考架构：执行点、签名策略、不可变审计记录全部写进官方文档——但每一层证据都记在 NVIDIA 自己的边界内。垂直整合没有消除信任缺口，只是移动了它。
模型路由不是配置：闭环才是省钱的另一半
RouteNLP 生产试点（ACL 2026 Industry Track）：8 周、约 5000 查询/天，推理成本降 58%、p99 从 1847ms 到 387ms。我们的判断：静态路由只拿到一半省钱——把失败聚类→定向蒸馏→重训路由的闭环跑起来，收益才翻倍；没有 eval 门禁的路由是看不见赔率的赌局。
你未必需要专用向量数据库：2026 企业 RAG 选型框架
一篇 2026 年论文用 5 万文档对照基准给出硬数据：统一数据层（pgvector）带日期过滤查询延迟降 92%、租户隔离查询降 74%、同步不一致窗口归零。先回答 5 个问题再选引擎：规模、新鲜度、查询形态、权限、运营成本。
LLM 模型路由：推理成本降 40-80% 的真实条件
把每条请求路由到最便宜的可用模型，是 2026 年最大的成本杠杆：RouteNLP 试点降 58%、RouteLLM 基准降 85% 的背后，藏着三个条件——便宜模型占比过 50% 才复利、路由必须配评估闸门、闭环蒸馏比静态规则强一倍。