智東西AI前瞻（公眾號：zhidxcomAI）
作者 | 江宇
編輯 | 漠影
智東西8月7日消息，由前百度小度CEO景鯤和CTO朱凱華在美國聯合創辦的AI初創公司Genspark，在過去4個月內依托其核心產品Super Agent，將年化經常性收入（ARR）從1000萬美元（約合人民幣7178萬元）迅速拉升至3600萬美元（約合人民幣2.5億元）。
這款產品于4月2日正式上線，由一支約20人的小團隊開發，迄今已實現13項功能模塊更新，成為業內罕見的“周更Agent”。
據Genspark聯合創始人兼CEO景鯤在X平臺披露，Super Agent上線僅第9天，ARR即突破1000萬美元；5月初升至2200萬美元（約合人民幣1.5億元），5月中旬進一步增至3600萬美元。
Genspark在平臺上直言：“就年化經常性收入（ARR）而言，我們或將成為有史以來增長最快的初創公司。”
▲圖源：領英
背后支撐這一增長的，是他們幾乎每周上線一個新功能的產品節奏。那他們具體都上線了哪些功能，又是如何保持這樣的速度？可以看看Genspark過去4個月的完整更新動態。
一、從AI搜索轉型多Agent平臺，Super Agent四個月狂飆上線13項功能
Genspark最初于2024年6月由MainFunc孵化，起初聚焦AI搜索，用戶數很快突破500萬。但公司毅然轉向推出全新產品“Super Agent”——不再依賴靜態搜索流程，而是以任務導向的方式，動態調用最合適的工具或子Agent，在執行過程中實時調整策略。
Super Agent于今年4月2日正式上線，由Anthropic的Claude模型驅動。朱凱華稱，“我們仍然把它看作一種搜索，只是技術上更高級了。”這一產品能將白領一下午的工作壓縮至5分鐘內完成，包括打電話、下載文件、事實核查、制作播客、撰寫文檔、進行深度調研、生成表格和幻燈片等。
自上線以來，Super Agent幾乎保持每周一次的更新節奏，先后推出了一系列核心能力模塊：
4月22日：發布AI Slides，提供數百套演示模板
4月28日：上線可定制“性格”的Super Agent，支持多風格響應
5月8日：推出AI Sheets，一鍵生成可編輯表格
5月15日：發布AI Drive和下載Agent，用于文件管理和高速下載
5月22日：上線具備自動撥號功能的通話Agent
6月4日：推出AI秘書，可管理Gmail、日歷和Google Drive
6月10日：上線AI瀏覽器及工具市場MCP Store，拓展瀏覽能力
6月18日：發布AI Docs，支持文檔生成與編輯
6月25日：推出Design Studio，實現類Canva視覺創作體驗
7月10日：發布AI Pods，用戶可通過簡單提示生成播客
7月17日：AI Slides功能升級，支持多種高級編輯操作
7月31日：上線AI Slides 2.0上線，進一步優化交互與內容質量
8月1日：推出多智能體調度系統，單任務最多可并行10個Agent
二、Genspark怎么干？20人團隊組“復聯”，超八成代碼AI寫
Genspark把上述這種高頻交付的節奏稱為“gen speed”。背后的核心方法論，是一套“AI原生工作法”：沒有管理層級，每個成員都配備一組AI Agent當“助手”，可以獨立完成產品從設計到上線的全流程。
團隊內部將這種扁平協作的方式稱為“vibe working”。它借用了圈子里的“vibe coding”概念——后者主打“邊試邊寫”，不拘流程快速出活，而vibe working則將這種狀態擴展到整個產品開發過程，讓非工程師也能“帶著AI邊做邊試”。
朱凱華談到：“我們只需一支極小的AI原生團隊，像復仇者聯盟那樣開超級英雄模式。每個人都帶著一隊AI Agent當‘下屬’，一個人就能端到端把功能做出來。”在傳統公司，成百上千人的團隊往往需要多層管理、協調開會，效率被“流程”反復稀釋；而在Genspark，“這些摩擦幾乎為零”。
Genspark目前團隊規模僅約20人，超過80%的代碼由AI生成，再由工程師通過嚴格審查流程校驗質量。他們采用的是“少管控、多工具”（less control, more tools）的方式，避免傳統流程束縛。
不過，他也強調這不等于“vibe coding”式的隨意開發。Genspark依然堅持工程質量，只是在AI輔助下提高了整個團隊的交付速度。
事實上，Genspark早期也曾受到“固定流程”的困擾。當年Perplexity采用的三段式工作流（擴展關鍵詞→獲取網頁→重排摘要）在處理復雜任務時，“就像在迷宮里只能按固定路線走”，而Genspark一開始也走了類似路線，直到Super Agent上線后才真正跳出“既定路徑”的限制。
目前，Genspark基于MoE（Mixture-of-Experts）架構，接入了九種不同規模和專長的語言模型，能根據任務類型進行自動拆解、合理分配和交叉驗證。此外，平臺還配備80多種專用工具和十多個數據源，同時調動Claude、OpenAI、Gemini、DeepSeek、Grok等多個模型協同工作，并由匯總模型進行比對分析，挑選最優輸出路徑。
盡管也在自研前沿模型，但Genspark并不追求性能上的極致突破。朱凱華談及原因稱，“很多專有模型對于一些相對簡單的任務來說，太大、太慢、也太昂貴了。”Genspark的目標是讓模型承擔底層簡單但繁重的工作。
至于更大眾化的愿景，他提到了“vibe coding”的普及化，“很多非程序員覺得，‘聽起來酷，但我不會IDE、不會寫代碼’。但用Genspark，他們真的可以vibe起來。”
結語：AI原生公司如何跑出“gen speed”？
Genspark的案例展示了一種新的運作方式：小團隊、多Agent協作，全員成為自身產品的深度用戶（即“eat your own dog food”），再配合高頻更新和快速迭代的節奏。
在AI工具不斷泛化的背景下，這類模式或可為更多創業公司提供一條低人力高產能的路徑。Genspark給出了一個極端的參考值，但問題也隨之而來：這樣的節奏是特例，還是預示著一種新常態？
來源：VentureBeat
