AI news

对话景鲲:AI 产品的 All in One,是上下文的 All in One

By 连冉0 viewsSource: 极客公园
对话景鲲:AI 产品的 All in One,是上下文的 All in One

模型为王的时代,Genspark 是如何持续增长的?

The full text has not been translated yet. The Chinese original is shown below.

文章配图

模型为王的时代,Genspark 是如何持续增长的?

这是 Genspark 首次出现在 AGI Playground 的舞台上,创始人&CEO 景鲲还带来了他们的一款新产品。

一套支持文档、表格、幻灯片、PDF 的全功能 AI 办公套件 GenOffice,免费开源,且支持 PC 和 Mac 双端,开发周期仅为 1 名工程师、1 周时间。

从最早的 AI 搜索引擎切入,到果断转向通用 Super Agent,再到今天搭建起完整的 AI Workspace,Genspark 的每一步转型,好像都踩在 AI 技术迭代的关键节点上。

AI 正在重构生产力的底层逻辑,Genspark 要做的是一个「All in One」的 AI Workspace——让 AI 承接所有重复繁琐的事务性工作,把人释放回创造性的部分,最终实现「Work does itself」。

在景鲲的判断里,未来大模型的竞争会越来越激烈。在这样一个激烈的市场竞争下,大模型会变得商品化。而对于 AI 公司的长期壁垒将转变为捕获用户的工作上下文:当所有工作数据、使用习惯、场景信息都沉淀在同一个平台里,AI 才能真正懂你,成为能替你解决问题的「工作搭档」。

AI 产品的价值不仅在模型层,也有很多价值在应用层。Genspark 信奉的文化是向死而生,99% 的 AI 创业公司会死掉,只有那 1% 会活下来并成为一家伟大的公司。在景鲲看来,今天依旧是有机会的。

文章配图

8 月 3 日,在新加坡的 AGI Playground 2026 舞台,极客公园创始人 & CEO 张鹏与 Genspark 联合创始人兼 CEO 景鲲进行了一场对谈,聊了聊这家高速奔跑的 AI 公司一路走来的选择、判断与思考。

以下是对谈全文,由 Founder Park 编辑整理。

01

用户永远在寻找更好的工具,

停在原地才是风险

张鹏:先聊一下你们已经迭代掉的产品——AI 搜索。它是 Genspark 的起点,在做到超过 500 万用户的时候,你却判断 AI 搜索不是 Genspark 的终局,转而探索新的产品形态。能不能带我们回到那个决策时刻,说说你当时看到了什么,才下定决心做出这个转变?

景鲲:我先和观众们再补充一点背景。我 2006 年加入微软做软件开发,很长时间里都在做搜索相关的工作。到现在职业生涯整整 20 年,总结下来其实就是一句话:一直在做连接人与信息的产品。

搜索的本质就是人和信息的匹配。当初创办 Genspark 的之前,我处理过几十亿条用户查询,学习到一件事:用户用搜索不是为了搜索本身,也不是为了找网页,而是为了把事办完。大家其实都希望用更简单的方式完成全部工作,少在繁琐事务上花时间。

早年我们做搜索的时候,也试过各种办法优化体验,甚至团队尝试把必应定位成「任务引擎」,想帮用户把一整件事都做完。但不管是 20 年前还是 10 年前,技术都还没成熟到能实现这个愿景。直到 ChatGPT 出现的那一刻,我们突然意识到,这项 AI 技术或许真的能让梦想照进现实——AI 可以承接所有事务性工作,人只需要专注在创造性的部分。这就是我们创办 Genspark AI 的初衷。

最开始,我们就想做一个能够端到端完成任务的自主 Agent,但当时基础模型的能力还不够。作为创业公司,我们等不起,也不知道理想中的技术什么时候成熟,首先得活下来。

因此,我们必须基于当时的 AI 能力,寻找最基本、最现实的 PMF。两年前,AI 搜索是市场上最明确的 PMF 之一,所以 Genspark 从 AI 搜索切入。

直到 Claude Sonnet 3.7 出现,这是第一个让端到端全流程 Agent 成为可能的模型。看到这个信号的时候,我们就知道应该把 Genspark 往端到端完成工作的方向升级。外界说我们是从 AI 搜索转向 AI Agent,但对我们来说,这其实是自然而然的延伸——梦想中的技术终于成熟了,我们要第一时间把它落地,把 Genspark 变成真正的 AI 原生工作体验。

张鹏:对你来说,这是兑现公司使命的时机,但 500 万用户的体量对任何创业者来说都已经是相当可观的成绩了,你当时有没有评估过转型的风险?

景鲲:我不是觉得转型没有风险,而是认为停在原地、错过机会,是更大的风险。用户永远在寻找更好的工具——哪怕一开始有点陌生,只要试过之后发现比旧工具体验提升显著,自然会迁移过来。

我们的用户过渡非常平顺,因为这本质上是体验再往前迈了一步:不用再看 AI 总结、不用再翻网页,一句话就能生成完整的 PPT,就能把繁琐的文档工作做完。对用户来说这是体验升级,所以不管对我们还是对用户,整个转型过程都很顺畅。

张鹏:所以在你看来,风险根本不足以阻挡产品往下一个阶段迭代?

景鲲:没错。在我看来,停在原地、错过机会,才是更大的风险。

张鹏:说实话,过去两年 AI 产品的迭代速度快到让我觉得不真实——从chatbot、AI 搜索、通用Agent再到 AI Workspace,短短两年就走完了这么多阶段。我一直想理清背后的核心驱动力是什么:只是模型本身在进化吗,还是有其他因素在共同推动?

景鲲:我觉得 AI 这项技术,和过去二三十年我们见过的所有传统技术都不一样。过去整个数字世界的所有积累,都是从个人电脑出现开始,然后是 PC 互联网、移动互联网,我算是亲历了这几波技术变革。

过往的技术迭代逻辑都很相似:一群优秀的人在同一个赛道里,用同类技术持续打磨优化,每天进步一点点。但 AI 完全是全新的物种,进化速度太快了,每一次的新版本发布都可能解锁全新的可能性。相当于把过去电力革命百年的历程,压缩到了 5 年里走完。这就是为什么今天 AI 的变化快到让人目不暇接,而且它还在越来越快,没有停歇。这是第一点:技术本身的属性就和上一代技术完全不同。

第二点是,整个生态已经为 AI 准备好了。过去二三十年里,我们的日常工作已经被各类软件、各类服务承接了:用邮件处理沟通,用 CRM 管理客户数据和对话,用在线会议记录沟通内容……大量数据资产已经沉淀下来,这些工作上下文其实已经「酝酿」了 20 年,就在等 AI 时代的到来。

成熟的数据上下文,加上快速进化的 AI 技术,两者结合就形成了飞轮效应:给模型的上下文越多,模型解决日常任务的能力就越强。正是这种飞轮效应,推动着整个数字工作空间日新月异,用户每天的体验都和昨天不一样。

02

AI 产品的 All in One,

是上下文的 All in One

张鹏:我们认识很多年了,我知道你在产品理念上是坚定的「一体化(All in One)」信徒。但现在我看到的情况是,很多场景大家还是在用旧方式做事,而你做的是完全 AI 原生、从内到外重构的新产品,依然在坚持一体化的思路。这和你的一体化产品理念要怎么结合?

景鲲:我确实是一体化产品的坚定信奉者。我见过很多伟大的产品本质上都是一体化的:搜索是一体化产品,手机是一体化产品,微信也是一体化产品。这条路是被验证过的——可以在一个简单易用的界面里,不断叠加更多功能。

我认为 AI 时代,我们可能是最早把「AI 一体化」理念落地的公司之一,未来也会有越来越多的公司认同这个方向,一体化就是未来。

但我理解的一体化,核心是上下文的一体化。模型当然重要,但我们的判断是:未来模型会逐渐变成商品化的基础设施。

文章配图

给大家看一张图,这是两周前更新的一页材料。现在新模型层出不穷,现在已经出现了 Kimi K3、DeepSeek V4 等等;这张图的一面是目前每个模型都已经很好,但是擅长的任务可能有些许差别,但另一面是成本差异巨大——不同模型的成本最多能差出 50 倍。普通人根本分不清什么任务该用什么模型,企业也是一样。

三个月前我参加微软的一场闭门 CEO 峰会,现场有个匿名投票:当下 CEO 们的头号痛点,就是不知道该赌哪家的模型,因为 AI 迭代太快了。还有 24 位 CEO 提到,就算花大价钱采购了 AI 服务,也担心团队会不会真的用起来——前者是选型难,后者是易用性问题。

这些数字背后的现实是:现在市面上模型太多了,大家既没精力逐个试用,也没专业能力判断哪个好用。而且模型成本也越来越成为大家关注的因素。这就需要我们这样的公司站在中间,把模型的能力、参数转化成简单好用又足够强大的平台。

我们说的一体化,第一层就是模型的一体化:把所有模型整合在一处,针对不同任务匹配最优模型,既能帮用户省钱,又能保证高性能。

第二层是上下文的一体化。做一个统一的界面不难,但现在知识工作者的数据散落在各个软件、各个服务里,要在不同工具间反复复制粘贴工作内容。如果把所有上下文都集中在一个地方,平台能全方位了解你的工作习惯,再配合上面丰富的模型选型,它就能真正成为你的工作搭档。

当你想做一件事的时候,如果这个搭档掌握了你所有的工作上下文,就能低成本、高效率地帮你把事办妥。这就是我们相信的未来。

我们不断加功能、提能力,目标是为了不断沉淀更多更广的横向上下文。一体化的本质,是把工作场景里所有的横向上下文都汇聚起来;有了一体化的上下文、一体化的大脑,这个一体化平台就能低成本、高效率、自动化地为你产出高质量结果。这也是为什么我相信,AI 时代的一体化产品不仅会成立,还能给用户和企业创造巨大价值。

张鹏:也就是说,「一体化」这个概念本身也在演进。过去它意味着一个 App、一套 UI 里放进不同功能;现在更重要的是,所有产品背后共享同一个核心上下文。

景鲲:这是新一代的一体化理念。这个概念本身也在进化。过去的一体化,就是一个界面下集成多个功能,这个逻辑到今天依然成立——对 AI 产品来说,就是一个网页界面里包含有不同的子智能体的能力。

但就像我刚才说的,由于 AI 技术的属性完全不一样了:既然一个人一周就能做出一套功能完整的办公软件,那我们为什么非要等用户来 Genspark,而不是把服务送到用户家门口,把「餐厅」开到用户的社区里,把「外卖」送到用户的家里去?

也就是说,让用户在自己最熟悉的界面里就能完成任务,同时我们也能沉淀这部分工作的上下文。

张鹏:用技术创造更大的价值。这也是新时代带给所有创业者的新变量。

现在很多创业者都在找新的 AI 落地场景,挖掘新的用户价值。以你的经验,有没有哪些场景是一开始没想到,最后反而成了核心价值来源的?能不能也结合案例给我们讲讲?

景鲲:这样的场景其实非常多。

两年前我们是全球最早一批推出 AI 幻灯片产品的公司。刚发布的时候遇到很多人质疑:谁会用 HTML 格式做商业演示啊?大家都要 PPT 格式,那才显得专业。

但在我们看来,HTML 是大语言模型最适配的文件格式之一。用 HTML 做幻灯片,生成的内容质量高,排版设计也能做得很好。后来用户反馈,部分场景下用 HTML 版本完全可行——比如和同事同步信息,不在乎格式,但需要可在线编辑。于是我们就做了基于 HTML 的在线幻灯片编辑器。

再后来用户又提出,在线编辑器不错,但能不能用本地的 PPT 软件编辑这些 HTML 幻灯片?我们就做了 Office 插件。接着用户又反馈插件成本高、速度慢,我们就干脆自研了原生的 GenOffice。

我们不是闭门造车的团队,会认真倾听用户的反馈。每推出一个新功能,用户都会提出新的需求,推着我们把产品做得更好用。从最开始的在线版 AI 幻灯片,到现在功能完整的桌面端办公套件,我们就是这么一步步迭代过来的。

还有大家看到的邮件客户端,也是从用户真实痛点出发的。我自己每天用邮件沟通,邮件是我用得最多的应用之一,但我也经常头疼:想找某封重要邮件的时候,怎么都记不起相关信息。那我们为什么不直接把 Agent 做进邮件客户端里?

这个邮件客户端我们自己每天都在用。比如筹备这次活动的时候,我就让邮件 Agent 梳理我和极客公园的所有往来邮件,整理出完整日程,提取附件里的 PDF,把每场活动都同步到我的日历里,甚至还能模仿我的语气,给极客公园的同事发邮件沟通环节微调。这些都是很细碎但又非常核心的日常需求。

如果真正深入场景,倾听用户的真实痛点。这里面藏着大量机会,能让我们重新定义那些传统软件和传统服务。这也是我们一路走来的核心心得。

我们公司的产品哲学比较简单,就两条:

第一,做我们自己热爱且信任的产品。不是为别人做产品,而是先为我们自己做,并对自己真实坦诚。我们是自己产品的第一批用户,每天在工作中是不是真的喜欢使用它,它是不是能解决我们自己的真实问题。

第二,我们期待世界上有很多和我们一样的人有一样的痛点。如果定义的痛点越普遍、越有共性,就越能吸引到有同感的用户。

所以我们的逻辑是:先做给自己用让自己喜欢用,再期待更多人产生共鸣、用上这款产品。这就是我们做产品的方法论。

03

AI 产品的价值不仅在模型层,

也有很多在翻译层

张鹏:说到这里,我感觉「通用Agent」的定义其实也在变化。最开始大家聊 Super Agent,觉得它无所不能;但现在看起来,更重要的是把具体的事做好、做透。

景鲲:我们一直对新技术保持开放并且敬畏的心态,甚至试着忘掉过去 20 年积累的所有经验——因为新技术就是全新的物种,不能用老眼光看待。

文章配图

给大家看一组数据,这张图是今年 2 月在行业内传播很广的一张图:每个圆点代表 320 万人。灰色是地球上还没用过 AI 的人群,绿色是免费使用过 AI 的人群,黄色是每月花 20 美元付费使用 AI 的人群,而最右边的一个点——仅仅一个点,代表使用 Super Agent 和 Coding Agent 的用户。

这就是我做产品时面对的现实。我们想做一家能穿越周期的公司,我也清楚创业公司 99% 都会死掉,但即便知道挑战巨大,我们也想抓住那一点点成为伟大公司的机会。

看到这张图的时候我就在想:要让地球上绝大多数人都用上 AI,绝不能只做最前沿、只有极小部分专业用户能理解和使用的体验。你得走到用户所在的地方去,而不是让用户过来适应你。

过去的技术逻辑是:我开一家餐厅,邀请大家周末来店里吃饭。但现在有了 AI 技术,我可以把餐厅直接开在你家楼下,像外卖送餐一样,把服务直接送到你家里。

这就是我们内部的核心理念:到用户所在的地方去。现在做客户端产品比以前简单太多了,以前做一款客户端软件复杂度极高,现在门槛大幅降低。那我们为什么不顺应用户的使用习惯,用他们熟悉的界面提供服务,降低用户的学习成本呢?

而且用户使用产品的同时,我们也能沉淀工作上下文,把这些数据汇聚回来,形成一体化的大脑、一体化的上下文。所以我一直觉得,做好「翻译者」的角色至关重要。

我们公司还有另一个类比:Coding Agent 就像超跑,对开发者、研究人员来说功能极强,但它是单人座,只有专业用户能用得顺手。而我们想把 Genspark 做成一辆同样高速,但能自动驾驶的车——你可以任选模型,它在云端运行,算力不受本地限制,永远保持最前沿的能力,你根本不用操心「驾驶」这件事,它自己就能跑。

如果我们能把每款模型的特性都摸透,我们就能站在模型和用户的交叉点上。这个交叉点一边是模型,一边是用户。一边是消费级用户,一边是企业级市场。一边是软件,一边是硬件。站在这个交叉点上的玩家,能看到很多的上下文数据。

张鹏:这确实能建立独特的壁垒。正好我也想问这个问题,你们增长很快,目前年度经常性收入(ARR)已经超过 2.5 亿美元,还在持续增长。但现在行业里对Agent 公司有一些质疑,觉得这类公司最终只会沦为模型的分销层、赚个过路费,也就是帮模型公司卖 Token。你怎么看待这种说法?

景鲲:首先,我们认为自己不是一家「Agent 公司」,我们是一家 AI 公司。两年前大家叫我们 AI 搜索公司,今天叫我们 AI Agent 公司,明天可能就叫我们 AI Workspace 公司。

在我看来,AI 革命现在才刚刚开始,大概只走完了 10% 的路程,产品形态也会持续进化。我们想成为的,是一家以「All in One 上下文」为核心的 AI 公司。

对 AI 来说,我们认为最关键的就是持续沉淀复合上下文,形成上下文飞轮——往一体化的大脑里注入的上下文越多,这个大脑就越强大、越懂用户。

至于「分销」这件事,我跑过全球很多地方,去看去学很多公司的成功经验。像微软、谷歌的一些核心产品,有的市场分销渠道贡献了 80% 的收入。也就是说,分销本身就是一种壁垒,根本不是贬义词。如果我们能建立起企业级的分销能力,我觉得已经非常有价值了。

假设用一个类比来解释行业早期:大模型实验室就像渔业公司,最初负责提供原材料;Cursor 这类 Coding Agent,就像做高端日料的寿司店;OpenRouter 这类平台,就像渠道批发商;而 Genspark,是开在你家楼下的连锁餐厅,还能把餐送到你家里。鱼只是我们的食材之一,我们会把它做成不同的菜系,贴合你的口味。

也就是说,我们希望在模型之上做了大量的增值工作。没人会说苹果是硬件元器件的分销商,因为苹果在元器件之上做了大量的整合与创新。Genspark 也是一样:在一体化工作空间里,我们做了大量工具集、调度框架,还有自研的对智能体友好的文件系统。希望能学习像 Apple 这样的整合创新产品公司。

04

AI 时代有机会诞生

一家万亿美金市值的应用公司

张鹏:你们的全球化做得非常成功,不止在美国市场,在韩国、日本增长都特别亮眼。这背后的关键决策是什么?怎么做到的?

景鲲:目前美国、韩国、日本、法国、印度、巴西都是我们的核心市场。我跑遍了全球各地,能感受到不同市场的差异,但剥开表层看,底层都是人的需求,本质又是相通的。

比如在纽约,我们是最早在地铁投放广告的公司之一,在纽约地铁做了相当集中的广告投放。纽约这个城市很特别,很难想象大家坐地铁上班的时候经常没手机信号,这段时间就只能看广告,这是个非常精准的场景。

用户习惯也不一样:纽约很多用户是金融、投资背景,天天和 Excel 打交道;日本人通勤依赖地铁和出租车,重度使用 PPT;韩国设计产业发达,大家高频使用各类设计工具。这些都是表层的差异。

但底层逻辑是通的。我做搜索出身,对这点感触特别深:搜索是非常伟大的产品。我做搜索的时候,不在乎用户来自哪里、是谁、多大年纪,只看用户的查询需求,然后把需求和对应的网页匹配起来。只要做好这件事,就能满足无数人的需求,甚至不用认识你的用户。

那时候我就学会一个道理:伟大的产品承认差异,但要把差异抽象化,提炼出通用的解决方案。

纽约的用户也需要做幻灯片,韩国的用户也得处理表格。你只需要根据不同市场的特点,调整功能的优先级和权重就好。

我每到一个地方,和当地用户、企业客户交流,就会根据他们的需求综合调整优先级。最终做出的产品,是一个能适配全球的「世界公民」。我们就是这样一步步实现全球化扩张的。

张鹏:我们认识很久了,我还记得两年前聊天的时候你就说过,AI 时代有机会诞生万亿美金市值的公司。现在你还认为 Genspark 有机会走到那个高度吗?

景鲲:创业公 99% 的几率会死掉,Genspark 希望向死而生,尽最大努力希望活下来,我认为现在依然有一条很窄的路。我们会瞄准一个更大的万亿美金目标而奋斗。

我最近观察到一个趋势:如果以当前的模型智能水平为基准,两年之后,同等能力的模型使用成本会降到现在的 1%。

目前大家对行业有不同的预判,完全理解不同的观点。但在我们的判断里:我们观察到大模型竞争正在变得激烈,我们觉得在这样的情况下,模型的供给也会变得同质化和商品化。

当模型变成基础设施,价值就会向中间的「翻译层」、也就是产品公司转移,就像当年的苹果一样。如果我们能把七八十款顶尖的、不同模态的模型都整合在一个平台里,同时沉淀下一体化的用户上下文,足够懂用户,把这两种能力结合起来,站在所有角色的交叉点上,就能帮用户自动化掉大部分日常繁琐工作。

如果有一天能做到这一步,我们的价值就是一家真正懂用户、能帮用户解决问题的 AI 公司。

我帮你完成的工作越多,下一次帮你做事就越顺手。甚至未来有一天,你每天上班只需要做两件事:确认通过,或者打回修改——所有重复性的工作都已经由 AI 做完了,你只需要判断「可以执行」或者「不行,换个方式做」。

所以我认为,AI 应用公司是有机会成长到万亿美金规模的。

张鹏:最近这两年,VC圈特别热衷投资年轻创始人,逻辑是:年轻人没有过往经验的包袱,不会被旧的做事方式束缚,更适合新时代。但你是成功的连续创业者,不属于传统意义上的「年轻创始人」。我想听听你的看法:在 AI 创业里,年龄到底扮演了什么角色?比年龄更重要的是什么?

景鲲:在回答这个问题之前,我想先快速补充一点关于企业级 AI 的观察。

AI 迭代太快了。几个月前大家还在聊「堆 Token」、追求模型能力上限,现在美国已经开始流行「Token 优化」——说白了就是降本增效。

企业级市场里,没有哪家公司愿意把全部业务都押在单一模型上,因为模型迭代太快了。所以降本现在成了企业 AI 的主流话题,开源模型在全球也越来越受欢迎。

这些都是我们从市场上捕捉到的信号,也会据此调整我们的解决方案。未来我认为,闭源模型和开源模型会走向融合。企业用户的诉求是一致的:既看重模型能力,也看重成本。这就是当下的行业现实。

AI 变化太快,大家很容易被情绪带着走,但我认为还是要对 AI 保持开放、理性的心态。以上就是我对企业 AI 的一些观察。

回到年龄的问题。我们公司里既有很多年轻人,也有很多经验丰富的人。我看 OpenAI、Anthropic 这些公司的创始人,都不算传统意义上的年轻创始人,但都是经验非常深厚的从业者。

我看过一本书,里面的观点我很认同:大脑就像一个过滤器,随着年龄增长,这个过滤器会过滤掉很多东西。年纪越大,学习新事物的时候,经过过滤器之后,真正能进入大脑的新东西就越少。

但接触的人越多我越觉得,人和人的差异非常大。很多经验丰富的人,直到今天依然对新事物保持极度开放的心态,哪怕已经很成功了,还在自己写代码。这样的人战斗力极强。

如果一个人,一方面有深厚的行业积累,另一方面又像年轻人一样充满活力、思想开放——那他在 AI 时代就是「超人」一样的存在。

所以我们公司招人,生理年龄从来不是标准。心态年龄、思想开放度、自我驱动力、行动力,这些才是我们衡量人才的核心因素。

年轻人里,保持开放心态的人比例可能更高;有经验的人里,这个比例可能更低。但只要找到这种「经验+开放」兼备的人,产出会远超常人。这就是我选拔人才的标准。

张鹏:年龄不重要,心态才重要。感谢景鲲的分享,希望你在探索的路上能不断看到新的风景、收获新的发现,享受旅程的每一步。也欢迎明年再来 AGI,给我们展示你这一年的新成果。

*头图来源:AGI Playground 2026

文章来自于"极客公园",作者 "连冉"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)