中国Coding Agent最大融资浮现，蚂蚁、凯辉、锦秋等投了

文｜周鑫雨

编辑｜苏建勋

2025年2月，OpenAI联合创始人Andrej Karpathy金口一开，他提出的“Vibe Coding（氛围编程）”就成了AI创业最性感的赛道。

在这个主打“忘却代码存在，靠与AI对话创作式编程”的赛道中，跑出了全球增速最快的AI独角兽，ARR（年化收入）已达1亿美金的Lovable。

在国内，入局Vibe Coding的明星创业者众多。不过，隐形冠军却出自一家深圳公司，DeepWisdom。

提起DeepWisdom，你可能会觉得稍显陌生，但从中却诞生了近几年国内最知名的几个爆款开源项目：

GitHub上拥有近60k stars的多智能体框架项目MetaGPT，以及5名成员半夜仅用3小时就复刻出Manus的OpenManus。

旗下2025年2月发布的多智能体Vibe Coding产品MetaGPT-X（简称“MGX”），0投放，却在发布一个月实现了全球50万注册用户、100万美金ARR的成绩。

上线7个月以来，MGX依然保持稳定的增速。官方数据显示，截至2025年9月，MGX的月访问量已达到120万，每天生成应用数量超过1万。

DeepWisdom创始人兼CEO吴承霖对我们透露，MGX是目前国内Vibe Coding领域用户规模最大的产品。

不仅如此，DeepWisdom也拿下了国内Coding Agent赛道最高的融资金额。

《智能涌现》获悉，2025年上半年，DeepWisdom连续完成了由蚂蚁集团、凯辉基金、锦秋基金、BV百度风投、概念基金等机构投资的两轮融资，折合约2.2亿元。

其实，在2024年之前，商业化和漂亮的收入数据，都不是DeepWisdom的核心目标。

比起一个商业化的公司，DeepWisdom的气质，更像是高校的实验室。内部鼓励发论文，对几乎所有成员开放核心代码，也组织过数十场有关Self-play（自我博弈）和Reward Model（奖励模型）的分享会。

吴承霖信奉“学术循环”的理念——只有经过持续的学术积累和突破，才能获得爆发性的成功。比如DeepSeek，如果没有此前MLA、新MoE架构、self-play等一系列创新，就不会有R1的突破。

两年以来，他也保持着高强度的论文阅读习惯。这期间，他扫完了Arivix上近20万篇论文，着重梳理了其中2100篇，并标记了不到300篇重要研究。

“你必须明白世界发生了什么，以及什么事情是重要的。”吴承霖告诉《智能涌现》，“只要做重要的事，沿着规划走，产品达成100万美金ARR不是难事。”

对DeepWisdom而言，做出能给用户带来完整商业闭环的AI Coding工具，是当下最重要的事。

此前，吴承霖在华为、腾讯等公司有过十亿级用户、千亿级数据的大规模复杂AI落地经验。2019年成立DeepWisdom后，他先是做了不少B端的AI Infra和机器自动化定制项目。

在这一过程中，他从定制化的累活中趟出的路径是：用AI Coding解决彻底的定制化；更进一步，AI Coding工具的角色不仅是工程师，而是一家能帮助用户商业化变现的公司。

为此，从开源的MetaGPT，到MGX，DeepWisdom都设计了一套多智能体框架，让承担调研、产品经理、工程师等不同角色的Agent相互配合，找到一套合适的SOP，并不断自我反馈和迭代。

2026年1月13日，DeepWisdom发布了新一代MGX，并且改名为“Atoms（原子）”。

相较于竞品，吴承霖告诉我们，Atoms不像其他产品，只能生成“玩具”，而是内嵌了登录、数据库、用户认证、部署、支付等系统，5分钟就可以交付能直接上线运营的完整网站。

另一个优势，则在于Atoms的高性价比。Atoms可以用20%的成本，达到超过市场竞品45%的效果，性价比高于Lovable、Replit等竞品。“用户依然是价格敏感的。”吴承霖表示。

△Atoms与竞品的性价比对比。图源：DeepWisdom

AI Coding，从“玩具”到帮用户获利

当下，AI Coding赛道火热，但大多产品依然被诟病为“玩具”，关键在于生成的产品，还无法端到端实现前后端开放，也无法打通第三方支付等系统。

这就导致，大多Coding应用生成的是“预览版”的单一网页，无法做到为用户实现真正的提效和获利。

通过内置的后端、数据库、用户认证、安全支付等，Atoms开发的是可直接上线运营的产品。

具体到效果，多智能体的架构，能够让Atoms通过自然语言，实现“需求调研—需求文档定义-原型设计-代码开发-数据分析爬取“等完整的产品开发、交付流程。

在一个典型的开发流程中，Atoms会调用调研智能体（信息搜集）、产品经理智能体（撰写需求、功能对比文档）、架构师智能体（撰写技术文档）、工程师智能体（网站开发）、数据分析智能体（数据爬取与分析）。

△用Atoms搭建的在线课程平台，配备视频课程、可下载资源和学生进度追踪功能。网址：https://mgx-2x5x65xztvp.mgx.world。图源：企业官方

多智能体协作的优势，还体现在能够解决AI Coding产品的三个卡点：从市场到用户数据的深度调研、复杂功能支持、产品自动化测试反馈。

比如，为了满足产品开发前后期的深度调研需求，DeepWisdom开发了一款名为“Iris”的研究Agent，能根据用户研究主题形成摘要/音频、数据图表、社交媒体内容/应用等形式的完整调研报告。

Iris。图源：企业官方

在官方评测中，Iris的研究能力超过了Gemini-2.5-Pro、OpenAI、Kimi和Perplexity。

△Atoms-DeepResearch的能力评测。图源：DeepWisdom

除了通过内嵌Stripe等第三方支付能力解决产品的付款问题，Atoms还内嵌了一个名为“Sarah”的SEO Agent。简单而言，Sarah就是一个SEO专家。通过为用户搭建的产品构建自动化的SEO策略，Sarah可以帮助产品获得搜索引擎的自然流量。

因此，通过Atoms构建的产品，可以直接上线运营，并且实现获利和自动化增长。

△用Atoms搭建珠宝电商网站的过程。图源：企业官方

在DeepWisdom内部，围绕智能体，学术研究、开源、闭源商业化形成了一个闭环。

在吴承霖看来，学术研究，有助于团队判断产品和技术的迭代方向。

截至目前，DeepWisdom已经向计算机领域的顶级会议NeurIPS投稿了9篇论文，中稿了5篇。在最具含金量的Oral（作汇报）环节中，DeepWisdom入选了3篇论文。

通过学术研究，DeepWisdom形成了一条构建下一代Agent的思路：

通过多智能体的动态分工和合理路由，像人类项目管理流程那样形成合适的SOP，同时逐步补齐自我评估、记忆管理和跨环境操作等关键能力。

后来，无论是DeepWisdom推出的第一代商业化产品MGX，还是爆火的OpenManus，都是在多智能体协作的思路下实现的。

如今发布的产品Atoms，也是在多智能体的框架下，通过多智能体团队的协作，来实现产品经营的全流程，包括市场调研、全栈开发（包括用户认证、支付、数据库后端能力）、部署运维、产品营销 ，数据分析等环节。

△Atoms在开发产品过程中调用了7个角色不同的Agent。图源：Atoms官网

而快速验证技术和产品、获得灵感的路径，就是开源。

早期，DeepWisdom在2023年6月开源的智能体框架MetaGPT，就初步验证了多智能体协作、SOP管理理念在编程上的可行性。这一项目发布后，不仅在GitHub上获得了58.8k的stars，还为DeepWidsom社区带来上万的新成员。

鲜为人知的是，比Manus几乎早了一整年，吴承霖和阿里通义千问技术负责人林俊旸，就推动了一项名为OpenDevin的开源Coding Agent项目，也就是后来在GitHub上获得超6万star的OpenHands依托的开源框架。

这一项目的基础，也让DeepWisdom的几名实习生，半夜花了三个小时就复刻出了Manus。

目前，DeepWisdom的开源组织Foundation Agents，在GitHub上已经拥有超过15万stars。

在开源上的成功，也为DeepWisdom的商业化，打好了技术口碑。

2025年2月发布的商业化产品MGX，诞生在一个并不乐观的时间点。

吴承霖回忆，彼时公司的融资还没到位，账上现金流吃紧，连服务器和大语言模型都是找UCloud和AWS赊账的。MGX的宣发几乎没有预算，全靠成员剪辑宣传视频和社区成员转发。

但此前积累的口碑，让MGX的增长产生了超乎预期的效果——上线一个月，MGX在0投放的前提下，ARR（年化收入）靠订阅就突破了100万美元。吴承霖对我们透露，上线一年以来，MGX的ARR还在稳步增长。

但想要追上Lovable 1亿美金的ARR，MGX必须破圈增长。

吴承霖做了两个关键决定，一是改名，二是针对产品性价比做优化。

将一款具有50多万用户的产品改名，无疑有巨大的风险。但吴承霖认为，在英语语境下，MGX的发音对普通用户而言并不友好，改名为“Atoms”，更易于C端的传播。

至于高性价比的迭代方向，源自最为朴素的产品观：能把握用户心智的产品，一是帮助用户赚钱获利，二要多快好省。

官方测评结果显示，Atoms在任意成本下，都能实现优于Lovable、Replit等竞品的效果。

高性价比的实现，源于通过DeepSeek、Qwen等多个开源模型组合的效果优化。吴承霖告诉我们，这证明了在现阶段，闭源模型还无法与开源模型拉开绝对的差距，“Claude的效果不是最优的”。

△在花费同等成本的情况下，Atoms的性能优于竞品。图源：DeepWisdom

通过打造高性价比和“一站到位”的开发流程，Atoms让“编程小白”等更多的普通人，也能释放自己的开发、经营需求，并从中获得回报。

让DeepWisdom团队印象深刻的Atoms用户，是一名加拿大的修车工人。这名没有编程背景的普通蓝领，下班后用手机在Atoms上，就开发了一款包含剧情的2D机器人对战游戏。

如今，他在Discord上建立了一个15-20名测试玩家的游戏社区，持续收集反馈，并且不断迭代。

△加拿大修车工人开发的游戏。图源：游戏官网

不要迷信“1人公司”神话

比起商业化和产品数据，吴承霖最有心得、花费大量时间推演思考的，反而是AI时代公司的组织形式。

在组织团队的过程中，DeepWisdom一个反共识的观点是：“一人公司”“十人公司”在当下AI赛道的高强度竞争中，大概率并不占有优势。

当下，Midjourney（初始团队规模11人）、Cal AI（初始团队规模4人）、OpenArt（约10人）等明星AI公司的增长神话，让10人规模左右的“微型公司”，成为AI创业的主流叙事——

随着AI工具的普及，业内普遍相信，靠10人的规模，创业团队能干20人，甚至50人的活。

但吴承霖不止一次在公开场合提到，当每个人拥有计算机时，就相当于无人拥有计算机。他在2025年的外滩大会上表示：“AI赋能意味着‘卷度’只会上升，不会下降。AI创业公司会更卷。”

他对《智能涌现》举了个例子：当下最火的瑞典AI Coding公司Lovable，规模从2024年末的15人，在2025年6月快速增长到45人，近8个月的时间扩张到了3倍。

与此同时，Lovable高强度的工作节奏也与北欧work-life balance的文化大相径庭——吴承霖告诉我们，“996”才是Lovable的常态。

“卷”和“高速扩张”，是AI创业小团队面对高压竞争、保持产品高速迭代的一个选择。比如，Lovable几乎保持着一周3个features的迭代速度。

DeepWisdom不执着于规模的小——公司已经有80多人，并在持续扩充，预计在2025年底扩张至100-120人。

在吴承霖看来，保持高效和灵活的关键点，是管理。

在之前的工作经历中，吴承霖发现，分工的难度，会给组织带来很高的隐形成本：“有的公司可能白天传递需求、相互吵8个小时的架，到了晚上才写2个小时代码，80%都是沟通成本。”

因此，在他看来，AI不仅要提高人效，更应该解决组织管理的痛点。

当下用AI管理团队的“尖子生”，是美国大模型独角兽Anthropic（旗下大模型为Claude）。

Anthropic官方网站发布的“Anthropic团队如何使用Claude Code”一文提到，员工的每个项目都会伴随着AI搭档的跟进。

比如，Data Infrastructure团队在每个任务结束后，都会要求Claude总结成果并提出优化建议，形成反馈循环；没有机器学习背景的推理团队成员，也能依靠Claude来结束特定模型的功能，将研究时间缩短了80%。

更进一步，随着记忆能力的提升，和对足够工作、员工个人（性格、能力等）数据的学习积累，吴承霖认为，AI的角色会是团队的管理者：

“AI将识别你所有的历史行为，识别你的技能体系，判定你的舒适区，再给你派超出舒适区一点点的任务——它能比人类构建出最高效的团队运作模式。”

不过，在AI能力尚且无法达到“管理者”标准的当下，吴承霖觉得，团队需要更多融汇算法、产品、工程等能力的“通才”，去弥补协作中的隐形成本。

在DeepWisdom内部，不到15名最核心的“通才”员工，组成了一个名为“ROOT”的组织。在计算机系统中，ROOT指代的是拥有最高权限的账户。

这个颇具实验性的组织，没有产品经理、算法工程师之类的职权划分，而是需要负责从前端、后端，到算法、测试的全栈开发，目的是避免传统分工中冗长的需求传递。

为了筛选人才，不同于标准招聘流程，DeepWisdom的多数核心成员，来自用户社区，以及吴承霖发起的Mini Hackathon。

在他看来，用户在产品实操中的表现，比简历更能直观体现出员工在产品全栈开发中展现的“通才”能力，还有“Critical Thinking”和“Motivation”，他最看重的两种员工素质。

让吴承霖印象深刻的，是一名通过Mini Hackathon选拔，并参与公司绝大研究工作的成员。在加入DeepWisdom之前，甚至不会写代码，但在Mini Hackathon中思维非常活跃。

“我们从Mini Hackathon中招的几名人才，效果是所有员工中最好的。”吴承霖告诉我们，“但他们和早期的OpenAI团队一样，背景都不是主流意义上最好的。”

最近，DeepWisdom即将在硅谷拥有第一个海外Office——这一栋被维基百科标记为“the lucky office”的写字楼，跑出过Google、Paypal、Logitech等公司。

增添一些玄学的力量外，吴承霖告诉我们，这一栋写字楼与斯坦福大学仅有一墙之隔，团队来到硅谷的主要目的，是找到更多来自全球的“通才”：

“在未来很长一段时间内，第一梯队AI公司的竞争，依然是人效的竞争。”

欢迎交流！