引言
Genspark在2026年新加坡AGI Playground大会上亮相，不仅带来了新产品，还提出了一个关于AI应用未来走向的更广泛论点。
这款产品是GenOffice，一套面向Windows和macOS的开源桌面办公套件，支持文档、电子表格、演示文稿和PDF。Genspark表示，Alpha版本由一位工程师在一周内完成开发，使用了约10,000美元的模型token。
更广泛的论点来自Genspark联合创始人兼CEO Eric Jing与极客公园创始人兼CEO Jack Zhang的对话。
Genspark最初是一款AI搜索产品，随后转型为通用型Super Agent，此后又扩展为融合记忆、智能体、内容创作、办公工具和协作功能的AI工作空间。
Jing的核心论点是：一站式AI产品的持久价值并非仅仅来自将众多功能集成于一个界面之中，而在于将用户的工作上下文汇聚在一起，使不同模型和智能体能够理解用户想要完成的目标，无需反复询问相同的背景信息。
对话围绕四个主题展开：
- Genspark为何在获得超过五百万用户后离开AI搜索领域
- 为何“一站式”日益意味着共享上下文而非单一界面
- 为何应用型公司通过将原始模型能力转化为易用的产品来创造价值
- 为何Jing相信AI应用公司最终有望达到万亿美元规模
以下中文改编保留了这一递进逻辑，同时将Genspark自身的指标和预测与独立验证的事实区分开来。
- 用户会持续寻找更好的工具——原地踏步才是真正的风险
从搜索到完成整个任务
Jack Zhang： Genspark以AI搜索起家，据报道用户已突破五百万。为什么选择离开一个已经取得显著进展的产品？
Eric Jing： 我的职业生涯一直围绕连接人与信息展开。2006年我以软件工程师身份加入微软，此后近二十年的时光大部分都投入在搜索相关的工作中。
搜索看似是将人与信息匹配起来，但用户的真正目标很少是找到一个网页。人们搜索是因为他们需要完成某件事。
他们可能需要比较产品、准备演示文稿、规划旅行、撰写报告、联系供应商或做出决策。搜索往往只是更大任务中的一个步骤。
早期的搜索团队曾尝试朝这个方向推进。我们曾探索过让Bing更像一个任务引擎的想法，但当时的技术还无法可靠地完成
整个工作流程。
ChatGPT改变了这种计算。它表明，AI最终可能处理任务周围大量重复性工作，让人们专注于判断和创造。
这正是Genspark最初的雄心：一个能够从头到尾完成工作的自主代理。
AI搜索是务实的起点
底层模型的早期版本还不足以支撑这一完整愿景。
初创公司不能无限期地等待理想技术的到来。它需要利用当时可用的能力找到真正的产品市场契合点。
两年前，AI搜索是最清晰的机会之一。它提供了一个有用的产品、一种熟悉的用户行为，以及一个构建公司的务实起点。
Jing表示，转折点出现在Claude Sonnet 3.7让更长的端到端代理工作流程变得明显更加可行之时。
从公司的角度来看，从AI搜索转向代理并非对其最初方向的否定，而是朝着同一目标迈出的下一步：帮助用户完成任务，而不仅仅是寻找信息。
为什么放弃五百万用户并不觉得是最大的风险
Jack Zhang： 五百万用户已经是一个可观的基数。团队是否担心改变产品会摧毁已有的成果？
Eric Jing： 转型有风险，但原地不动风险更大。
用户不会仅仅因为熟悉就忠于一个劣质的工作流程。当一个新工具让重要任务变得容易得多时，人们通常会在体验差异后迁移。
转型相对顺利，因为用户获得了明显的升级。
他们不再需要阅读摘要并打开多个来源，而是可以直接要求一份完整的演示文稿。不再需要手动收集材料并整理到文档中，他们可以描述想要的结果，让代理执行更多流程。
对Jing来说，重要的教训不是产品转型本身是安全的，而是未能应对重大能力变化可能比颠覆现有产品更危险。
AI产品周期异常压缩
从聊天机器人到AI搜索、超级代理和AI工作空间的快速演进，发生在极短的时间内。
Jing将这种速度归因于两股力量。
首先，前沿AI能力正在以不连续跳跃的方式提升。传统软件通常通过渐进式的产品精进向前发展，而一次重大模型发布可能突然使全新的产品工作流程成为可能。
其次，数十年的数字化工作已经创造了AI所需的数据层。
现代组织积累了：
- 电子邮件
- CRM记录
- 会议记录
- 云文档
- 电子表格
- 项目管理历史
- 客服对话
- 日历
- 内部软件数据
这些系统多年来一直在生成工作上下文。
当更强的模型能够访问这些上下文时，代理不仅仅能回答通用问题。它能够推理用户的实际项目、同事、文档、历史和目标。
Jing将这种组合描述为
飞轮：
更多的工作上下文
↓
智能体能更好地理解任务
↓
智能体能完成更多有用工作
↓
更多工作和反馈进入系统
↓
上下文变得更丰富
模型很重要，但决定该模型对特定个人或公司有多大用处的是上下文。
- AI的“一站式”本质上是全栈上下文层
界面只是第一层
张杰克： 你一直支持一体化产品。这种理念在AI原生产品中如何变化？
井贤栋： 许多成功的产品都是集成式产品。搜索为信息提供了统一入口。智能手机将众多功能整合在一种交互模式背后。微信将通讯、支付、服务与内容融为一体，置于一个熟悉的环境中。
在AI时代，单一界面仍然具有价值。用户不想为每件小事学习不同的产品。
然而，更重要的集成形式如今发生在界面背后。
真正的问题是：产品的所有智能体和工具能否访问对用户工作的一致理解。
模型集成：选择正确的模型而不让用户做决定
井贤栋预计基础模型将变得越来越有竞争力，并随着时间推移愈发可互换。
不同模型可能在不同任务上表现更优，但用户不应在完成日常工作的过程中被迫理解每一个基准、价格表、上下文限制或架构细节。
在活动现场，井贤栋展示了一张幻灯片，指出前沿模型在许多任务上已变得强大，但价格差异仍然巨大。
这张幻灯片是公司演示文稿而非独立基准测试。其目的是说明产品层面的问题：模型选择对大多数用户和许多企业来说已经变得过于复杂。
井贤栋回忆了微软CEO活动上的一次匿名投票，高管们据称指出了两个反复出现的担忧：
- 他们不知道该选择哪家模型提供商。
- 他们担心员工在采购昂贵的AI服务后可能不会采用。
应用层可以解决这两个问题。
它可以基于以下因素将任务分发到不同的模型：
- 能力
- 成本
- 速度
- 模态
- 上下文长度
- 可靠性
- 企业策略
用户描述工作内容，平台决定应由哪个模型或模型组合来处理。
上下文集成：告别在应用程序之间复制工作
第二层比模型路由更加重要。
知识工作者的数据分散在众多服务中。用户可能需要将电子邮件中的信息复制到文档中，从电子表格中提取数据，从会议记录中恢复决策，然后再将背景信息提供给
几款人工智能工具。
共享的上下文层减少了这种重复。
Genspark 官方发布的 AI Workspace 6.0 架构通过四个层级来体现这一理念：
- SecondBrain（第二大脑）作为记忆层
- Super Agent（超级代理）作为智能引擎
- Build、Office 和 Content Suites（构建、办公和内容套件）作为执行工具
- GenTeam 作为协作层
SecondBrain 的设计目标是将来自电子邮件、会议、聊天、文档、应用程序以及 Genspark 项目中的材料汇集在一起。
预期的体验并非简单地“在一个网站中聚合众多 AI 工具”，而是一个统一的工作环境，其中各个工具共享足够的上下文，以保持行为的一致性。
全新的一体化定义
旧的一体化定义是：
一个应用程序
+ 众多功能
+ 一个界面
更新后的 AI 原生定义更接近于：
众多工作界面
+ 众多模型和代理
+ 一个持续共享的上下文
+ 一个编排层
用户仍然可以在熟悉的软件中工作，而不是频繁访问某个中心页面。
景（Jing）的餐厅类比在这里很有启发。
旧软件模式要求用户到访餐厅。而 AI 原生模式可以将餐厅设在用户身边，或直接将餐食送到用户手中。
代理可以出现在电子邮件、办公文档、桌面客户端或其他熟悉的界面中，同时仍将有用的上下文写回共享系统。
从 HTML 幻灯片到 GenOffice
Genspark 的幻灯片产品展示了用户反馈如何推动公司从单一格式走向更广泛的平台。
该公司最初生成的是 HTML 格式的 AI 演示文稿。
批评者认为，严肃的商业用户期望的是 PowerPoint 文件，而非网页幻灯片。
Genspark 认为 HTML 是语言模型的自然输出格式，因为它可以相对灵活地将内容和布局结合起来。
一些用户接受了这种在线格式用于内部沟通，特别是当他们更看重快速编辑和共享，而非原生文件时。
随后，产品演进过程如下：
- Genspark 创建了 HTML 幻灯片生成器。
- 用户要求提供在线编辑器。
- 用户希望继续在熟悉的本地办公软件中编辑。
- Genspark 开发了 Office 插件。
- 用户反馈插件维护可能缓慢且成本高昂。
- 团队构建了原生桌面办公套件。
该套件最终成为 GenOffice。
根据 Genspark 官方发布的信息，它是一款覆盖以下功能的 alpha 产品：
- 文档（Docs）
- 表格（Sheets）
- 幻灯片（Slides）
核心办公功能免费且无广告。AI 功能
使用 Genspark 积分。
官方 GitHub 仓库主要以 Apache 2.0 许可证授权，并为未来的企业目录设置了单独的例外条款。该仓库包含 macOS 和 Windows 的 Electron 应用、共享文档引擎、代理核心、文件解析器和模型提供商抽象层。
Genspark 表示，第一个 alpha 版本由一名工程师在一周内使用约 10,000 美元的模型 token 构建完成。这是公司自述的开发故事，并非经独立审计的工程基准。
邮件客户端的起点是个人痛点
Genspark 的邮件工作遵循了类似的路径。
Jing 重度使用电子邮件，经常苦于难以找回完成任务所需的确切消息、附件或决策。
产品问题因此变成：既然代理可以存在于邮件客户端内部并直接理解往来通信，为什么还要将其置于邮件旁侧？
在活动筹备期间，Jing 表示他使用邮件代理来：
- 回顾他之前与极客公园的往来沟通
- 重建完整的日程安排
- 从附带的 PDF 中提取信息
- 将活动添加到日历中
- 以类似于他自己的风格起草后续消息
这些单独来看都是小任务，但合在一起，它们代表了日常知识工作中相当重要的一部分。
当产品足够深入地进入真实工作流程并看到这些细节时，机会便出现了。
Genspark 的两条产品原则
Jing 将公司的产品哲学总结为两条规则。
- 打造团队真正愿意使用的产品
团队应该成为自己的第一个严肃客户。
员工需要扪心自问，产品是否真的能解决他们的工作问题，而不是假设别人会接受自己都不愿意使用的体验。
- 寻找众多相似用户共同面临的痛点
只有当足够多的其他人遇到相同问题时，个人的困扰才能转化为商业机会。
因此，开发逻辑是：
解决团队真正经历的问题
↓
在实际工作中使用产品
↓
倾听反复出现的外部反馈
↓
只有在需求真实存在时才扩展工作流程
- AI 产品价值存在于翻译层，而非仅存在于模型中
大多数人仍未使用高级代理
随后，讨论从前沿系统能做什么转向了有多少人真正会使用它们。
Jing 展示了一张说明性幻灯片，其中每个圆点代表约 320 万人。大多数圆点代表从未使用过 AI 的人；较小一部分使用过免费聊天机器人；更少一部分为 AI 付费；而只有极少数人使用高级代理。
该可视化应被理解为会议演示插图，而非全球 AI 使用的精确普查。
幾分鐘搭建展示站並增長獲客
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
其产品信息很明确：
技术发展的速度可以远超用户采用的速度。
一家只服务专家用户的公司，可能会构建出功能强大的产品，却无法触达更庞大的、不了解智能体配置、模型选择、令牌预算或复杂工作流的用户群体。
去用户已经工作的地方
景鲲认为，AI公司应当减轻用户的学习负担，而不是期望每个人都成为AI专家。
服务应该出现在用户熟悉的地方：
- 电子邮件
- 文档
- 电子表格
- 演示文稿
- 桌面应用
- 团队聊天
这也能提升产品对用户的了解。
当智能体参与到实际工作流中时，它能从周围上下文中学习，而不是只接收一次性的提示。
编程智能体是超级跑车，主流产品应像自动驾驶
景鲲将编程智能体比作高性能跑车。
它们在开发者和研究人员手中极为强大，但用户必须懂得如何操作。
Genspark希望以更接近自动驾驶的形态，提供类似的核心能力：
- 用户不必手动选择每个模型。
- 智能体应在云端运行，而非完全依赖本地算力。
- 工具应自动编排。
- 界面应隐藏不必要的复杂性。
- 用户应专注于想要达成的结果。
这就是“翻译层”。
它介于底层模型能力与试图完成工作的人之间。
该层负责转化：
- 将模型优势转化为任务路由
- 将API转化为易于理解的功能
- 将工具调用转化为完整的工作流
- 将非结构化上下文转化为有用的行动
- 将技术进展转化为易用的体验
智能体公司只是转售令牌吗？
张杰克： Genspark公司公布的ARR已超过2.5亿美元。批评者有时认为，智能体公司会沦为转售模型令牌的薄分销层。你如何回应？
景鲲： 我们不将Genspark定义为“智能体公司”。它最初是搜索产品，现在被描述为智能体或工作空间产品，随着产品形态演进，它还会继续变化。
更有用的定义是：一家围绕一体化上下文构建的AI公司。
景鲲也反对“分销天然低价值”的观点。
许多大型软件公司有相当一部分收入来自渠道和分销。触达客户、将产品融入工作流、让复杂技术易于购买和使用，这些本身就能成为护城河。
餐厅类比
景鲲用了餐饮行业的比较：
- 基础模型实验室就像原材料供应商。
- 专业编程产品类似于专注于单一菜系的高端餐厅。
- 路由平台类似于批发商。
- Genspark希望成为一家便捷的连锁餐厅，将多种食材变成适合顾客的餐食。
模型只是其中一种食材。
应用公司通过以下方面创造价值：
- 产品设计
- 上下文整合
- 工具
- 编排
- 文件系统
- 分销
- 支持
- 工作流知识
- 用户
体验
Jing将这一雄心与苹果在硬件领域的角色相比较。苹果采购许多组件，但用户并不会仅仅将其描述为芯片和显示屏的分销商，因为整合创造了最终的产品体验。
Genspark希望在模型层之上追求类似形式的整合。
- AI时代可能催生万亿美元规模的应用程序公司
全球产品需要共同基础与本地化优先事项
Genspark将美国、韩国、日本、法国、印度和巴西视为重要市场。
Jing表示，公司研究本地差异，但会尝试将其抽象为共同的人类需求。
对话中提到的例子包括：
- 纽约的金融密集型用户大量使用电子表格。
- 日本用户经常依赖演示文稿和长时间通勤。
- 韩国拥有浓厚的设计文化和高度频繁的创意工具使用。
表面行为各不相同，但每个市场中的人们仍然需要沟通、分析信息、准备文档和完成重复性工作。
产品可以调整功能优先级，而不必在每个国家成为完全不同的系统。
即使产品是全球化的，分销也可以是本地化的
Genspark也尝试了本地化营销。
Jing提到了纽约地铁中的广告投放——乘客经常在没有可靠移动网络的情况下度过时间，因此会注意到实体广告。
底层产品保持全球化，而分销策略则响应本地环境。
这反映了Jing在搜索领域的经验。
搜索产品可以在不了解用户个人的情况下服务大众，因为它将请求抽象为一个通用问题：将需求与相关信息匹配起来。
一个全球化的AI工作空间同样需要识别差异，同时不失去其下共同的结构。
应用程序公司能否达到万亿美元规模？
Jing仍然相信AI时代可以产生一家价值万亿美元的应用程序公司，尽管他反复强调大多数初创企业将会失败。
他的论点依赖于三个假设。
- 模型成本将持续下降
Jing预测，达到当今能力水平的模型，其使用成本在两年内可能降至约1%。
这是一个前瞻性的公司预测，而非既定的行业结果。
更广泛的方向——在固定能力水平下推理成本下降——是合理的，并且在市场部分领域已经可见，但精确的1%数字尚不确定。
- 模型供应将变得更具竞争性
随着闭源和开源模型的改进，公司在许多任务上可能有更多替代选择。
模型层仍然至关重要，但当多个提供商提供可比结果时，其经济性可能变得更像商品。
- 更多价值可以转移到产品层
如果应用程序公司能够结合：
- 多种模型
- 多种模态
- 持续的用户上下文
- 分销
- 工作流执行
- 企业管控
那么它可能与用户建立比任何单一模型发布更持久的关系。
该系统将变得越来越
有用，因为每完成一项任务都会创造上下文，从而改进下一个任务。
未来的工作日：批准或退回
静的长期愿景是，让智能体预先处理大多数重复性工作。
人类的工作日变得更偏向监督性质。
用户不再手动执行每一个步骤，而是主要做决定：
批准并执行
或
退回修改
这不是大多数组织目前的现实。这是 Genspark 正在为之设计的目标终点。
企业 AI 正在从 Token 扩张转向 Token 优化
在回答关于创始人年龄的问题之前，静补充了一项关于企业 AI 的观察。
企业讨论正从“使用更多 Token”转向“更高效地使用 Token”。
公司越来越关注：
- 每完成一项任务的成本
- 模型路由
- 开源模型的采用
- 避免依赖单一供应商
- 员工采用率
- 安全与控制
- 投资回报
当能力和定价可能快速变化时，很少有企业愿意把所有工作流放在同一个模型上。
静预计开源模型和闭源模型将共存于企业系统中，产品平台会根据质量和成本在两者之间进行选择。
创始人的年龄不如思想开放重要
最后一个问题涉及一些投资者对非常年轻的 AI 创始人的偏好。
静不把生理年龄当作主要标准。
他认为，当经验固化成一个拒绝所有陌生想法的过滤器时，它就可能变成劣势。然而，那些保持开放、精力充沛、并愿意直接接触新技术的有经验者，可以异常高效。
因此，Genspark 寻找的是：
- 开放性
- 自驱力
- 行动速度
- 好奇心
- 愿意重新学习
- 有用的行业经验
最强的组合并非仅仅是年轻。而是深厚的经验加上不封闭的心态。
对话中的关键要点
这段访谈可以缩减为几条产品原则，而不会失去其核心论点。
- 从现有能力出发，但保持更大的使命
Genspark 最初从 AI 搜索开始，因为当时这是切实可行的。当模型能力使更完整的智能体成为可能时，它就转向了。
- 集成的核心在于共享上下文
将许多工具放在一个界面里是有用的。让这些工具理解相同的邮件、会议、文档、决策和偏好，则更强大。
- 用户不需要成为模型专家
平台应该根据性能、成本和策略来路由任务，同时呈现一个易于理解的工作流。
- 应用层可以创造持久价值
上下文、编排、工作流设计、分发、文件处理和产品体验，并不是模型之上的琐碎层级。
- 在真实工作中构建
最好的机会往往只在工具进入用户实际的邮件、文档、演示文稿、电子表格或团队工作流之后才会显现。
- 把成本当作产品功能
一个强大的 AI 系统不仅应该完成任务。它还应该选择一条经济上合理的路径来完成它。
常见问题
什么是 Genspark？
Genspark是一个一体化的AI工作空间，从AI搜索产品演进为一个结合超级智能体、记忆、办公工具、内容创作、应用构建和团队协作的平台。其官方Workspace 6.0架构包括SecondBrain、Super Agent、多个工作套件和GenTeam。
为什么Genspark放弃了AI搜索？
Eric Jing表示，在基础模型尚不能可靠完成完整工作流程时，搜索是一个务实的切入点。随着更强大的模型使端到端智能体变得更加可行，Genspark从帮助用户查找信息扩展为帮助用户完成整个任务。
“一体化上下文”是什么意思？
这意味着电子邮件、会议、文档、项目、偏好和之前的工作可以汇入一个持久化的上下文层，供多个工具和智能体使用。其目标是让用户不必在每个应用中都重复相同的背景信息。
Genspark只使用一个AI模型吗？
不是。Genspark将其产品描述为编排多个模型和工具，并根据任务选择组件。实际使用的模型集合会随着提供商发布新系统而变化。
什么是GenOffice？
GenOffice是Genspark面向macOS和Windows的开源Alpha版办公套件。它包含文档、电子表格、演示文稿和PDF应用，并将Genspark AI功能集成到编辑器中。
GenOffice完全免费吗？
Genspark表示，核心办公套件免费、无广告、无水印。AI驱动的研究、生成和分析功能使用Genspark积分，仓库中包含对未来企业目录的单独许可例外条款。
Genspark的2.5亿美元ARR是否经过独立审计？
该数字是在访谈中公布的，并出现在公司访谈和外部报道中。除非发布经审计的财务报表，否则应将其描述为公司报告的年度经常性收入。
为什么Eric Jing认为AI应用公司可能价值达到1万亿美元？
他的论点是，模型成本将继续下降，而价值将转向那些集成多个模型、保留共享工作上下文、通过熟悉的工作流程触达用户、并能自动化日常工作中相当比例部分的产品的公司。万亿美元的结果是一种愿景和预测，并非有保证的市场结果。
相关工具
- Genspark AI Workspace：Genspark主要的一体化工作空间，用于智能体、记忆、办公、创作和协作。
- GenOffice：Genspark开源桌面办公套件的官方下载页面。
- GenOffice GitHub仓库：源代码、发布版本、开发命令、架构说明、许可和贡献指南。
- Genspark Super Agent：Genspark用于研究、内容创作、通话和多步骤工作的无代码智能体层。
- GenTeam：Genspark用于人与AI智能体在共享对话中协作的协作层。
- OpenRouter：一个多模型API路由服务，参考引用如上。
访谈中的分发层类比。
相关链接
- Genspark AI Workspace 6.0：Genspark 对 SecondBrain、Super Agent、工作套件及 GenTeam 的官方介绍。
- GenOffice 发布公告：关于 alpha 版本、支持的应用程序、定价方案及开源发布的官方详情。
- GenOffice GitHub 仓库：macOS 和 Windows 办公套件的官方代码库。
- OpenAI 的 Genspark 客户案例：Genspark 从搜索转向 Super Agent 及其使用多模态模型和工具的背景介绍。
- GenOffice 下载页面：官方 Mac 和 Windows 下载及产品信息。
- Genspark 博客：公司官方产品公告与更新。
- Artificial Analysis：独立的模型性能、速度和定价分析，在评估访谈中讨论的模型路由问题时很有用。
摘要
Eric Jing 的核心论点是，AI 最重要的集成形式不再是简单地将众多工具塞进一个应用程序。更深的机遇在于构建一个持久的统一工作上下文，能够支持多种模型、代理和界面。
Genspark 从搜索到 Super Agent、Workspace 6.0、GenMail、SecondBrain 和 GenOffice 的演进路径，正是这一论点的体现。每个产品表面都为系统提供了另一个完成工作的场所和另一个上下文来源——前提是数据在适当的用户控制、隐私和企业治理框架下进行处理。
该公司的营收数据、成本对比以及对未来模型经济性的预测，仍属公司声明或前瞻性判断。然而，产品战略是清晰的：让模型复杂性变得无感，在用户熟悉的工作流程中与之相遇，并通过编排、上下文与分发来创造价值。
在 Genspark 看来，胜出的全能型 AI 产品不会是有最多按钮的那一个，而是最懂相关上下文并将其转化为实际完成工作的那一个。
