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？

来源：VentureBeat