对话景鲲：AI 产品的All in One，是上下文的All in One

本文来自微信公众号： Founder Park ，作者：Founder Park，编辑：万户，原文标题：《对话景鲲：AI 产品的 All in One，是上下文的 All in One》

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。

以下是对谈全文，由Founder Park编辑整理。

作者｜连冉

编辑｜万户

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。

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。

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。