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？