编辑｜万户
这是 Genspark 首次亮相 AGI Playground，创始人兼 CEO 景鲲同步发布了全新产品——GenOffice。这是一套支持文档、表格、幻灯片及 PDF 的全功能 AI 办公套件，免费开源且兼容 PC 与 Mac 双端，其开发周期仅需一名工程师耗时一周。
从最初的 AI 搜索引擎切入，果断转型通用 Super Agent，再到如今构建完整的 AI Workspace，Genspark 的每一步战略调整均精准踩中 AI 技术迭代的关键节点。
AI 正在重构生产力底层逻辑。Genspark 致力于打造一个"All in One"的 AI 工作空间，让 AI 承接所有重复繁琐的事务性工作，将人类释放回创造性领域，最终实现"Work does itself"。
景鲲判断，未来大模型竞争将日趋激烈，模型本身将逐渐商品化。AI 公司的长期壁垒将转变为对用户“工作上下文”的捕获能力：当所有工作数据、使用习惯及场景信息沉淀于同一平台，AI 才能真正理解用户，成为解决问题的“工作搭档”。
AI 产品的价值不仅在于模型层，更在于应用层。Genspark 秉持“向死而生”的文化，坚信在 99% 的 AI 创业公司将被淘汰的背景下，唯有那 1% 能脱颖而出成为伟大企业。景鲲认为，当下依然充满机遇。
8 月 3 日，在新加坡举行的 AGI Playground 2026 大会上，极客公园创始人张鹏与 Genspark 联合创始人兼 CEO 景鲲展开深度对谈，探讨了这家高速发展的 AI 公司在战略选择、市场判断及未来思考上的核心逻辑。
01 用户永远在寻找更好的工具，停在原地才是风险
张鹏：Genspark 以 AI 搜索起家，在拥有超 500 万用户时，你却判断这并非终局，转而探索新产品形态。能否回顾当时的决策时刻，是什么促使你做出这一转变？
景鲲：我职业生涯的前 20 年主要在微软从事搜索相关工作，核心始终是“连接人与信息”。搜索的本质是人与信息的匹配。处理过数十亿条用户查询后，我深刻认识到：用户搜索的目的不是为了搜索本身或寻找网页，而是为了“把事办完”。用户渴望用更简单的方式完成工作，减少在繁琐事务上的时间消耗。
早年我们曾尝试将必应定位为“任务引擎”，试图帮用户完成整件事，但受限于当时的技术条件未能实现。直到 ChatGPT 出现，我们意识到 AI 技术或许能让梦想照进现实——由 AI 承接事务性工作，人类专注创造性部分。这正是创办 Genspark AI 的初衷。
最初我们想打造端到端的自主 Agent，但当时基础模型能力尚显不足。作为创业公司，生存是第一要务。两年前，AI 搜索是市场上最明确的产品市场契合点（PMF），因此我们由此切入。
随着 Claude Sonnet 3.7 的出现，端到端全流程 Agent 成为可能。这一信号表明，将 Genspark 升级为端到端工作完成平台的时机已成熟。外界视此为从 AI 搜索向 AI Agent 的转型，但对我们而言，这是梦想的 naturally 延伸——技术成熟，即刻落地，打造真正的 AI 原生工作体验。
张鹏：对于已有 500 万用户的体量，转型风险巨大，你当时如何评估？
景鲲：转型当然有风险，但停在原地、错失机会才是更大的风险。用户永远在寻找更好的工具，只要新工具的体验提升显著，用户自然会迁移。我们的用户过渡非常平顺，因为这是体验的升级：无需再看 AI 总结或翻阅网页，一句话即可生成完整 PPT 或完成文档工作。
张鹏：过去两年 AI 产品迭代极快，从 Chatbot、AI 搜索到通用 Agent 再到 AI Workspace，背后的核心驱动力是什么？
景鲲：AI 技术与过往任何技术都不同。传统技术迭代是线性优化，而 AI 是全新物种，每次版本发布都可能解锁全新可能性，相当于将百年电力革命压缩至五年完成。
其次，整个生态已为 AI 做好准备。过去二三十年，日常工作数据已沉淀在各类软件和服务中，这些“工作上下文”酝酿了 20 年，静待 AI 时代的到来。成熟的数据上下文加上快速进化的 AI 技术，形成了飞轮效应：上下文越丰富，模型解决任务的能力越强，推动数字工作空间日新月异。
02 AI 产品的 All in One，是上下文的 All in One
张鹏：你一直是“一体化（All in One）”理念的信徒。在现有场景多沿用旧方式的背景下，坚持 AI 原生的一体化思路有何深意？
景鲲：伟大的产品往往是一体化的，如搜索、手机、微信。AI 时代，我们是最早落地"AI 一体化”理念的公司之一。但我所理解的一体化，核心是上下文的一体化。
模型固然重要，但未来将逐渐变为商品化的基础设施。当前新模型层出不穷，成本差异巨大（最高可达 50 倍），普通用户和企业难以判断何时该用何种模型。我们需要站在中间，将模型能力转化为简单好用的平台。
我们的一体化包含两层含义：第一是模型的一体化，整合所有模型，针对不同任务匹配最优解，兼顾成本与性能；第二是上下文的一体化。将散落在各软件中的数据集中于一处，让平台全方位了解用户工作习惯，配合丰富的模型选型，真正成为用户的“工作搭档”。
一体化的本质是汇聚工作场景中所有的横向上下文。拥有一体化的上下文和大脑，平台便能低成本、高效率、自动化地产出高质量结果。
张鹏：这意味着“一体化”概念也在演进，从功能集成转向核心上下文共享？
景鲲：是的。新一代一体化不仅是界面集成，更是服务的主动触达。既然一名工程师一周即可开发全套办公软件，我们为何不将服务送到用户家门口？让用户在最熟悉的界面完成任务，同时沉淀工作上下文。
张鹏：有没有哪些一开始未预料到，最后却成为核心价值来源的场景？
景鲲：此类场景众多。例如 AI 幻灯片产品，初期因采用 HTML 格式备受质疑，但随后发现其在在线协作和编辑上的优势。基于用户反馈，我们逐步推出了在线编辑器、Office 插件，直至自研原生 GenOffice。
邮件客户端亦是如此。针对查找邮件难、整理日程繁琐等痛点，我们将 Agent 嵌入邮件客户端，实现自动梳理往来邮件、提取附件、同步日历甚至代拟回复等功能。
深入场景、倾听痛点，能让我们重新定义传统软件。我们的产品哲学很简单：第一，做我们自己热爱且信任的产品，先解决自己的真实问题；第二，期待世界上有更多人面临同样的痛点。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。
03 AI 产品的价值不仅在模型层，也有很多在翻译层
张鹏：“通用 Agent"的定义似乎在变化，从无所不能转向把具体事做好、做透？
景鲲：我们对新技术保持开放与敬畏，甚至需忘掉过去 20 年的经验，因为 AI 是全新物种。
数据显示，目前使用 Super Agent 和 Coding Agent 的用户占比极低。要让绝大多数人用上 AI，不能只做前沿且高门槛的体验，而应走到用户所在的地方。过去的逻辑是邀请用户来“餐厅”，现在的逻辑是把“外卖”送到用户家中。
我们内部的核心理念是顺应习惯，降低学习成本，同时在用户使用过程中沉淀上下文，形成一体化大脑。做好“翻译者”角色至关重要。
Coding Agent 如同超跑，适合专业开发者；而 Genspark 旨在打造一辆能自动驾驶的高速车——用户在云端任选模型，无需操心算力与驾驶细节，它便能自动运行。
我们站在模型与用户的交叉点上，一边连接消费级与企业级市场，一边融合软件与硬件，从而掌握丰富的上下文数据。
张鹏：行业有质疑称 Agent 公司终将沦为模型分销层，仅赚取 Token 过路费，你如何看待？
景鲲：首先，我们定义为一家 AI 公司，而非单纯的 Agent 公司。AI 革命仅走完 10%，产品形态将持续进化。我们的核心是以"All in One 上下文”构建壁垒。
关于“分销”，这本身就是一种壁垒。若类比早期行业：大模型实验室是渔业公司，提供原材料；Cursor 是高端寿司店；OpenRouter 是批发商；而 Genspark 是开在社区并能送餐上门的连锁餐厅。鱼只是食材之一，我们将之加工成符合口味的菜肴。
我们在模型之上做了大量增值工作，包括工具集、调度框架及自研文件系统。正如苹果并非元器件分销商，Genspark 也致力于成为整合创新的平台。
04 AI 时代有机会诞生一家万亿美金市值的应用公司
张鹏：Genspark 在全球化方面表现亮眼，关键决策是什么？
景鲲：美国、韩国、日本等均为我们的核心市场。尽管各地用户习惯存在差异（如纽约重 Excel、日本重 PPT、韩国重设计工具），但底层需求相通。
伟大的产品承认差异，但能将差异抽象化，提炼出通用解决方案。我们根据不同市场特点调整功能优先级，打造出适配全球的“世界公民”产品。
张鹏：你曾预言 AI 时代将诞生万亿美金市值的公司，Genspark 有机会达到这一高度吗？
景鲲：我们正为此目标奋斗。观察显示，两年后同等能力的模型成本或将降至目前的 1%。在大模型竞争加剧、供给同质化和商品化的趋势下，价值将向中间的“翻译层”即产品公司转移。
若能整合顶尖模型并沉淀一体化上下文，真正懂用户并自动化大部分繁琐工作，AI 应用公司完全有机会成长至万亿规模。未来，用户每天只需确认通过或打回修改，其余重复性工作均由 AI 完成。
张鹏：VC 圈偏爱年轻创始人，作为资深创业者，你认为年龄在 AI 创业中扮演什么角色？
景鲲：当前企业级 AI 关注点已从单纯追求模型能力转向"Token 优化”与降本增效。闭源与开源模型的融合将是趋势。
关于年龄，大脑随年龄增长可能形成过滤机制，阻碍新知进入。但许多经验丰富者仍保持极度开放的心态，这种“经验 + 开放”的组合在 AI 时代极具战斗力。
因此，我们招人从不以生理年龄为标准，心态年龄、思想开放度、自我驱动力和行动力才是核心考量。找到兼具深厚积累与开放思维的人才，其产出将远超常人。
张鹏：感谢分享，期待明年看到 Genspark 的新成果。