
智东西AI前瞻(公众号:zhidxcomAI)
作者 江宇
编辑 漠影
智东西8月7日消息,由前百度小度CEO景鲲和CTO朱凯华在美国联合创办的AI初创公司Genspark,在过去4个月内依托其核心产品Super Agent,将年化经常性收入(ARR)从1000万美元(约合人民币7178万元)迅速拉升至3600万美元(约合人民币2.5亿元)。
这款产品于4月2日正式上线,由一支约20人的小团队开发,迄今已实现13项功能模块更新,成为业内罕见的“周更Agent”。
据Genspark联合创始人兼CEO景鲲在X平台披露,Super Agent上线仅第9天,ARR即突破1000万美元;5月初升至2200万美元(约合人民币1.5亿元),5月中旬进一步增至3600万美元。
Genspark在平台上直言:“就年化经常性收入(ARR)而言,我们或将成为有史以来增长最快的初创公司。”
▲图源:领英
背后支撑这一增长的,是他们几乎每周上线一个新功能的产品节奏。那他们具体都上线了哪些功能,又是如何保持这样的速度?可以看看Genspark过去4个月的完整更新动态。
一、从AI搜索转型多Agent平台,Super Agent四个月狂飙上线13项功能
Genspark最初于2024年6月由MainFunc孵化,起初聚焦AI搜索,用户数很快突破500万。但公司毅然转向推出全新产品“Super Agent”——不再依赖静态搜索流程,而是以任务导向的方式,动态调用最合适的工具或子Agent,在执行过程中实时调整策略。
Super Agent于今年4月2日正式上线,由Anthropic的Claude模型驱动。朱凯华称,“我们仍然把它看作一种搜索,只是技术上更高级了。”这一产品能将白领一下午的工作压缩至5分钟内完成,包括打电话、下载文件、事实核查、制作播客、撰写文档、进行深度调研、生成表格和幻灯片等。
自上线以来,Super Agent几乎保持每周一次的更新节奏,先后推出了一系列核心能力模块:
4月22日:发布AI Slides,提供数百套演示模板
4月28日:上线可定制“性格”的Super Agent,支持多风格响应
5月8日:推出AI Sheets,一键生成可编辑表格
5月15日:发布AI Drive和下载Agent,用于文件管理和高速下载
5月22日:上线具备自动拨号功能的通话Agent
6月4日:推出AI秘书,可管理Gmail、日历和Google Drive
6月10日:上线AI浏览器及工具市场MCP Store,拓展浏览能力
6月18日:发布AI Docs,支持文档生成与编辑
6月25日:推出Design Studio,实现类Canva视觉创作体验
7月10日:发布AI Pods,用户可通过简单提示生成播客
7月17日:AI Slides功能升级,支持多种高级编辑操作
7月31日:上线AI Slides 2.0上线,进一步优化交互与内容质量
8月1日:推出多智能体调度系统,单任务最多可并行10个Agent
二、Genspark怎么干?20人团队组“复联”,超八成代码AI写
Genspark把上述这种高频交付的节奏称为“gen speed”。背后的核心方法论,是一套“AI原生工作法”:没有管理层级,每个成员都配备一组AI Agent当“助手”,可以独立完成产品从设计到上线的全流程。
团队内部将这种扁平协作的方式称为“vibe working”。它借用了圈子里的“vibe coding”概念——后者主打“边试边写”,不拘流程快速出活,而vibe working则将这种状态扩展到整个产品开发过程,让非工程师也能“带着AI边做边试”。
朱凯华谈到:“我们只需一支极小的AI原生团队,像复仇者联盟那样开超级英雄模式。每个人都带着一队AI Agent当‘下属’,一个人就能端到端把功能做出来。”在传统公司,成百上千人的团队往往需要多层管理、协调开会,效率被“流程”反复稀释;而在Genspark,“这些摩擦几乎为零”。
Genspark目前团队规模仅约20人,超过80%的代码由AI生成,再由工程师通过严格审查流程校验质量。他们采用的是“少管控、多工具”(less control, more tools)的方式,避免传统流程束缚。
不过,他也强调这不等于“vibe coding”式的随意开发。Genspark依然坚持工程质量,只是在AI辅助下提高了整个团队的交付速度。
事实上,Genspark早期也曾受到“固定流程”的困扰。当年Perplexity采用的三段式工作流(扩展关键词→获取网页→重排摘要)在处理复杂任务时,“就像在迷宫里只能按固定路线走”,而Genspark一开始也走了类似路线,直到Super Agent上线后才真正跳出“既定路径”的限制。
目前,Genspark基于MoE(Mixture-of-Experts)架构,接入了九种不同规模和专长的语言模型,能根据任务类型进行自动拆解、合理分配和交叉验证。此外,平台还配备80多种专用工具和十多个数据源,同时调动Claude、OpenAI、Gemini、DeepSeek、Grok等多个模型协同工作,并由汇总模型进行比对分析,挑选最优输出路径。
尽管也在自研前沿模型,但Genspark并不追求性能上的极致突破。朱凯华谈及原因称,“很多专有模型对于一些相对简单的任务来说,太大、太慢、也太昂贵了。”Genspark的目标是让模型承担底层简单但繁重的工作。
至于更大众化的愿景,他提到了“vibe coding”的普及化,“很多非程序员觉得,‘听起来酷,但我不会IDE、不会写代码’。但用Genspark,他们真的可以vibe起来。”
结语:AI原生公司如何跑出“gen speed”?
Genspark的案例展示了一种新的运作方式:小团队、多Agent协作,全员成为自身产品的深度用户(即“eat your own dog food”),再配合高频更新和快速迭代的节奏。
在AI工具不断泛化的背景下,这类模式或可为更多创业公司提供一条低人力高产能的路径。Genspark给出了一个极端的参考值,但问题也随之而来:这样的节奏是特例,还是预示着一种新常态?
来源:VentureBeat