出品 | 虎嗅科技组

作者 | 梁卡尔

编辑 | 苗正卿

头图 | 虎嗅拍摄

从 AI 知识库到 Agent OS，久痕科技只用了不到两年。故事变得更大了。

" 大模型是发动机，上下文是汽油。" 久痕科技创始人汪源将其战略化用为一个生动的比喻，" 我们未必需要造整车，但可以成为所有智能体都需要的基础设施。"

近日，汪源在和虎嗅的交流中，系统谈及公司调整的原因、现阶段的商业化进展，以及一家十人左右的创业公司如何寻找独立生存空间。

2024 年 6 月，网易服务 18 年、曾任集团副总裁及杭州研究院执行院长的汪源离职创业，成立久痕科技。公司最初打造的 remio，旨在将用户的网页、本地文档、会议录音及邮件等碎片化数据聚合为可供 AI 调用的个人数字记忆。而到了 2026 年 4 月，久痕科技推出了 Agentic OS "rOS" 以及运行其上的原生应用生态 App。

简单来说，很多 AI 助手可以回答问题，却不了解用户电脑里的文件，也很难持续替用户处理工作。久痕科技想解决的正是这个问题。remio 运行在桌面端，可以读取用户授权的文件、网页、邮件和会议记录，将它们整理成个人知识库，再由 Agent 帮助用户查找资料、生成内容和执行任务。它的产品有三个特点：桌面是入口，知识库负责记忆，Agent 负责干活。

这个市场其实并不缺玩家。国内有腾讯 ima、WorkBuddy 等产品，海外的 Anthropic、亚马逊也在探索类似方向。它们不都是 remio 的直接竞品，但都在争夺用户的个人数据、工作场景和 AI 入口。久痕科技目前只公开过一轮种子融资，尚未披露具体金额和投资方。

因此，对久痕科技来说，定位升级不等于商业壁垒成立。当科技巨头们不断将知识库、PPT 生成和 Agent 能力塞进超级应用，久痕科技必须向资本市场证明，上下文管理能否成为一个独立的产业层，而不是一项随时可能被平台免费提供的功能。

以下是虎嗅与汪源的对话，经编辑整理。

图片来源：久痕科技提供

服务 Agent 才是下一代软件的底层核心逻辑

虎嗅：市面上 Skill 和你们 rOS 的 aApp 有什么本质区别？哪些场景 Skill 做不了？

汪源：企业都希望自主搭建专属智能体应用，但市面上其他平台仅支持组合 Skill，这种打包出来的智能体只是工具集合，算不上完整应用。它没有独立数据库、专属数据存储，也不具备独立生命周期，无法长期后台持续运行。

以邮件自动处理场景为例，这个需求需要系统实时拉取新邮件，自动完成回复判断、邮件分类等工作。单纯依靠 Skill，理论上能实现，但必须额外配置每分钟轮询的定时任务，整套工作流全程依赖大模型反复调度，执行效率极低。我们 rOS 内置原生内容驱动机制，支持绑定多邮箱，系统会主动实时抓取新增邮件，并通过实时订阅、事件通知能力直接推送至 aApp 处理。这套底层事件驱动能力，是目前其他同类产品不具备的核心差异。

虎嗅：传统 Windows、MacOS 会被 Agent OS 取代吗？二者是什么关系？

汪源：我认为底层 PC、手机传统操作系统会长期存在，不存在被替代的关系，二者是分层叠加的逻辑。对于 Windows、Mac 这类底层系统，我们的 rOS 只是运行在其上的一款软件应用；但对于 rOS 之上的 aApp 智能应用，rOS 又是承载它们的超级运行系统。完全没必要重新复刻、取代传统底层系统。可以类比云计算，云操作系统搭建在 Linux 底层之上，二者相互配合而非互相替代，Agent OS 和传统操作系统也是同理的叠加关系。

虎嗅：给 Agent 设计软件，和给人设计软件有什么不同？

汪源：最直观的区别是，给 Agent 提供能力时，不需要复杂 UI，重点是工具、API 和命令行。

知识管理也会变化。过去给人使用的知识库，需要精细分类、打标签、重命名，否则人面对成千上万个文件时根本找不到内容。但 Agent 不一定需要这些整理工作，只要索引和排序足够好，它可以反复检索。这有点像雅虎和 Google 的区别。雅虎依赖人工分类网页，Google 则主要通过索引和排序解决问题。

Agent 不会让整理彻底消失，但会把人的知识管理上限从一千份资料提高到十万份。用户可能只需要精细整理其中最重要的一千份，剩下的交给索引和 Agent。

虎嗅：现在 Agent 赛道为什么只能做短期规划，很难做三到五年的长期规划？

汪源：作为创业者，没办法锁定三五年后的发展结果。AI 行业变化速度极快，机遇与风险同步存在，赛道不存在长期可落地的确定性。AI 技术迭代节奏太快，去年上半年都预判不出下半年智能体的落地形态，现在同样无法预知 2027 年的技术边界，因此我们只能制定半年到一年的短期规划。过去在网易主要做年度规划，而且到年中经常调整。Agent 赛道的可预判周期更短，我们只能看清半年内的清晰路线。

虎嗅：有些 AI 公司跟不上大模型 Agent 浪潮，但互联网巨头却能持续竞争，核心原因是什么？

汪源：巨头能持续参与大模型竞争，一个核心原因是资金储备充足。反观有些 AI 公司长期未能盈利，现金流紧张。想要跟上大模型、Agent 这波浪潮只有两条可行路径，要么拥有顶尖自研大模型实验室团队，要么是资金雄厚的巨头。巨头早期并没有完备的大模型人才队伍，但依靠充足资金能够持续重金投入研发；而这些 AI 公司持续亏损，难以承担大模型与智能体赛道长期高额的研发开销。

虎嗅：Agent 时代架构师价值有什么变化？AI 能否替代架构师？

汪源：在 Agent 时代，架构师的价值会愈发凸显。AI 仅能完成内容填充类执行工作，人类架构不可替代的核心价值，是搭建完整的任务框架、梳理业务流程、制定清晰的成果评判标准。如果使用者缺少架构层面的判断能力，很容易被 AI 生成的内容带偏，难以发现智能体输出结果里的漏洞和问题。顶层框架搭建、判定标准设计这类核心工作，是 AI 无法胜任的。

虎嗅：Agent 时代衡量用户价值、粘性，新增了什么核心数据指标？

汪源：我们依然沿用互联网传统的留存、激活、月活等数据指标，同时针对 AI 产品新增了核心观测维度 Token 消耗量。Token 消耗越高，说明用户深度使用智能体自动化能力，付费潜力更强。仅浅度试用产品的用户 Token 消耗很低，也很难转化为长期付费客户。

虎嗅：Agent 应用最终应该怎么收费？

汪源：主流模式应该还是按用量收费。智能体应用的 Token 成本占比很高，用户消耗多少资源、完成多少任务，最终应该反映到价格里。订阅制可能继续存在，但订阅套餐背后仍然要考虑用量和成本。

虎嗅：中美用户的付费能力差异会影响商业模式吗？

汪源：差异很大，但创业公司解决不了用户消费能力的问题，只能贴近当地市场设计产品和定价。我们的策略比较简单，海外主要做 To C，国内主要做 To B。海外企业员工自主购买软件的路径更通畅，不一定非要通过企业采购。在国内，To C 软件如果依赖投放，获客成本很高，To B 虽然回款不稳定，但企业仍有采购意愿。

虎嗅：你遇到的机构投资人如何评估 Agent 底层基础设施赛道，他们最关心什么核心问题？

汪源：纯功能垂直的智能体上下文基础设施，是否拥有独立生存空间，会不会被大厂全栈产品覆盖替代。

虎嗅：站稳 Agent 赛道需要多少全球种子用户？达到怎样的付费规模才能支撑团队？

汪源：全球有十万精准种子用户，付费率达到 6%-8%，就会拥有六千到八千付费用户。单用户年均付费 100 美金，年收入六十万至八十万美金，就够支撑精简研发团队的运转。

AI 技术快速变化，重构研发逻辑，也是创业最大的确定性

虎嗅：在网易工作了 18 年，为什么在 2024 年选择离开创业？

汪源：大致来看，2005 年至 2020 年是互联网的黄金时期。2020 年之后，互联网进入下半场，很难再找到特别大的增量空间。直到 ChatGPT 出来之后，可以比较明确地看到，未来相当一部分行业增长会从互联网转向 AI。摆在我面前的选择，一是加入一家 AI 公司，二是自己创业做 AI。考虑到过去多年积累的产品、技术和管理经验，创业是更自然的选择。

传统互联网业务很多时候提供的是娱乐和情绪价值，毛利也比较高。AI 应用更多是生产力工具，需要直接消耗模型和 Token，成本结构完全不同。现在很多头部 AI 产品看起来收入很高，但套餐本身未必赚钱，一些 Coding 产品的高价套餐甚至可能是亏损的。在大公司内部，用增长、毛利和收入体量这些标准去评价，未必适合一个早期 AI 业务。

虎嗅：为什么 2023 年至 2025 年是 AI 创业的重要窗口？

汪源：可以类比移动互联网。iPhone 和 3G 网络成熟之后，接下来的几年自然成为移动互联网的创业窗口。2022 年底 ChatGPT 带来技术突破，之后三年也是 AI 创业相对集中的窗口。如果现在再出来创业，很多主流赛道已经有人占据，创业者需要寻找更细分的市场。

但这一轮 AI 的产业尺度远大于上一轮计算机视觉。商汤、旷视所处的上一轮 AI 浪潮，很少有人会直接对标全球劳动力市场。这一轮大模型却可以。全球劳动力市场每年价值几十万亿美元，这意味着它的商业价值衡量方式完全不同。

虎嗅：创业时最大的确定性是什么？

汪源：最大的确定性，是我相信 AI 能力在未来几年仍会快速进步。

一个场景可能几个月前还不可用，几个月后就能用了。AI Coding 就是例子。两年前做不起来，去年上半年可能还不够好，到了下半年开始可用。今年，已经可以让 AI 以 Loop 的方式长时间执行任务，甚至在人睡觉时持续提交代码。

创业团队不需要保证三五年后一定是什么样子。技术变化越快，机会越多，风险当然也越大。创业者能做的是持续观察、快速动手。大公司发现机会后，还要经过层层汇报和决策，小公司转向的速度就是优势。

虎嗅：从个人知识库升级到 rOS，外界看起来像是换了一个商业故事。这算转型吗？

汪源：算转型，但不是把原来的东西废掉。Remio 最初聚焦数据层，主要通过知识库问答提供服务。后来我们在这个基础上增加智能体架构，再进一步做智能体应用架构。最近又重新投入上下文和 DSL（领域特定语言）的研发。这是一个持续扩展的过程。小公司的优势就是转向快，我们肯定会根据技术和需求不断调整。

虎嗅：投资人最关心你们什么？

汪源：在智能体赛道里，我们有没有独立生存空间。做医疗、法律、营销等行业垂直应用，大家比较容易理解。我们做的是功能垂直，聚焦文档、上下文和个人数据，投资人会更难判断。我们今年对外沟通较多的定位是 " 上下文基础设施 "。如果把智能体比作汽车，大模型是发动机，那么上下文就是汽油。我们未必需要制造所有整车，但可以成为智能体生态里的关键组件。

虎嗅：过去您管理过上千人的团队，现在公司只有十人左右，最大的变化是什么？

汪源：轻松很多。过去一周 70% 至 80% 的时间都在做管理。现在我应该是团队里写代码最多的人，终于可以重新自己写代码了。

虎嗅：AI 改变了软件团队的协作方式吗？

汪源：过去一个任务通常要经过产品经理、设计师、前端、后端，至少需要四个人协同。现在很多任务可以由一个人端到端完成。我们没有传统意义上的产品经理，也不严格区分前端、后端和算法。团队按照相对独立的模块分工，有人负责移动端，有人负责邮件，我主要做 PPT 和 Agent 应用框架。每个人负责的边界更完整，协同成本反而下降了。

虎嗅：您曾提到晚上睡觉时，AI 还可以继续写代码。怎么保证质量？

汪源：关键是先把 Loop，也就是自动化工作流设计好。这很像制造业的流水线。白天的工作不是简单地让 AI 写代码，而是设计生产线：明确规则、测试方法和边界，禁止 AI 执行需要人工审核的高风险操作。晚上再让它在有限范围内无人值守运行。

比如 PPT 里有 137 种 SmartArt，我们目前完成了不到 40 种解析，但已经覆盖数据集中约 70% 至 75% 的常用类型。解析不同 SmartArt 具有重复性，可以交给 AI 批量执行。第二天回来检查结果，再根据失败案例改进流水线。未来程序员会越来越像生产系统的设计者，而不只是流水线上的操作工。

虎嗅：既然 AI 让写代码变得更容易，AI 创业的技术门槛是在降低吗？

汪源：表层门槛降低了，但真正做产品的门槛反而在提高。2023 年做一个简单插件，可能就能获得一些用户，而现在如果拿不出更重量级的产品，用户根本不会用。AI 可以提高单个工程师的产能，但市场对产品完整度的要求也在提高。这也是为什么 AI 创业者普遍需要更强的技术背景。AI 可以完成模块，但创业者必须理解整个架构，知道怎么让 AI 跑通流程，并且有能力判断结果是否正确。

虎嗅：这意味着团队不会快速扩张？

汪源：至少未来一两年，我们的研发团队不会明显扩张。AI 技术能力增长的速度，目前高于市场需求增长的速度。今年一个工程师可能相当于去年的三个人，明年一个人又可能相当于今年的两个人。如果国内 To B 业务增加，我们可能会补充销售和解决方案人员，但核心研发团队没有必要快速膨胀。

虎嗅：目前商业化进展如何？

汪源：C 端从 2026 年 1 月开始商业化，B 端是最近两个月才开始。我们一直等到 Windows 版本基本可用才开始收费，因为目标用户中，大量咨询顾问和企业办公人群是 Windows 用户。早期只做 Mac 是我们走过的一个弯路。

目前按月订阅用户中，第二个月续费率在 80% 以上，第四个月仍有 60% 以上。当然，现在样本和周期都还有限。如果进展符合预期，到 7 月收入可能覆盖公司约 40% 的成本，但这个数字并不稳定，尤其 B 端订单的波动会比较大。