Genspark营收暴涨背后，是一套AI原生工作法。编译 | 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。01.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Agent6月4日：推出AI秘书，可管理Gmail、日历和Google Drive6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Agent02.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。”03.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
