前百度高管赴美创业,做出“周更Agent”爆款,ARR冲上2.5亿

前百度高管赴美创业,做出“周更Agent”爆款,ARR冲上2.5亿

文章图片


智东西AI前瞻(公众号:zhidxcomAI)
作者 | 江宇
编辑 | 漠影
【前百度高管赴美创业,做出“周更Agent”爆款,ARR冲上2.5亿】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

    推荐阅读