這次 AI 革命剛開始的時候，大部分 AI 產(chǎn)品可能只是簡單給用戶提供了一個和模型進行更方便輸入和輸出的交互界面，這確實符合「套殼」的定義。但是 3 年過去，最前沿的 AI 應(yīng)用早已經(jīng)不是那么簡單了。我們認為現(xiàn)代 AI 應(yīng)用帶給用戶的價值可以大致分為三層：

- 模型層：模型提供智力，是底層引擎的角色，但模型本身不能獲得最新的知識，也不知道用戶的上下文，更不能和外界進行互動。

- 上下文層：為了讓模型能夠發(fā)揮出最強的能力，我們需要給模型提供更多的 Context。如 Emergence Capital 所強調(diào)，All You Need is Context。這里面既包括用戶的意圖，也包括用戶的喜好，也包括各種與組織相關(guān)的專有數(shù)據(jù)和信息。

- 環(huán)境層：與此同時，像 Genspark 這樣的 General Agent 還需要使用不同的工具和越來越復(fù)雜的環(huán)境進行互動。這些工具和環(huán)境，也是需要由應(yīng)用本身來提供和存儲的。

打個比方，最原始的 AI 產(chǎn)品有點像「生魚片」，簡單由魚肉和芥末醬油構(gòu)成，客戶體驗中魚肉的新鮮程度占 95%，那么現(xiàn)在最先進的 AI 產(chǎn)品更像是「松鼠鱖魚」，魚肉的質(zhì)量仍然很重要，但刀工、火候、調(diào)料、服務(wù)等，是構(gòu)成一道美味菜肴的完整體驗必不可少的要素。

真格基金管理合伙人戴雨森

11 月 5 日，硅谷頂級風(fēng)投 Emergence Capital（專注企業(yè)服務(wù)軟件的投資，被認為「SaaS」這個行業(yè)的開創(chuàng)者之一，是 Salesforce， Zoom， Veeva 等公司的最早投資人）發(fā)布了一篇文章《All You Need Is Context》，開篇就強調(diào)：AI 需要的只有上下文。

文章指出，目前大模型已經(jīng)足夠驚艷：能寫、能編程、能總結(jié)、能推理，但它們天生面向「通用」。而真正的工作從來不是通用的，它扎根于每家公司獨有的團隊、流程、工具、系統(tǒng)與決策。因此，未來十年最有價值的 AI 應(yīng)用不會停留在大模型本身，而是要在模型之上構(gòu)建自己的 System of Context（上下文系統(tǒng)）。

11 月 21 日，Emergence 宣布參與完成 Genspark 的 2.75 億美元 B 輪融資。文章中寫道：「Genspark 是我們見過上下文系統(tǒng)最完整的一次落地?！?/strong>

一個上下文系統(tǒng)能夠掌握、組織并綜合上下文信息，讓 AI 不只「聰明」，而是真正能「執(zhí)行」。它從使用中不斷進化：每一次動作、輸出和判斷都會反哺系統(tǒng)，讓它更懂用戶、更懂任務(wù)、更懂環(huán)境。用得越多，你的系統(tǒng)就越快、越準，也越不可替代。

所以未來判斷一家公司能否建立長期優(yōu)勢的關(guān)鍵不在于用沒用 AI，而在于 AI 是否真正深度融入工作流。而 Genspark 正是模型從概念走向現(xiàn)實、從答案走向執(zhí)行的范例。不論意圖多復(fù)雜，結(jié)果都能一步到位。

Emergence 指出，一個清晰的模式正在涌現(xiàn)：未來的勝者不是擁有最強模型的人，而是能在模型之上構(gòu)建最完整系統(tǒng)的人。

沒有哪件事是 AI 做不到的，而 AI 需要的只是上下文。

以下是真格編譯全文。

Genspark：打造終極上下文系統(tǒng)

今天，AI 已經(jīng)滲透進所有軟件里。任何人都能套殼大模型、做個 Demo，就敢說自己在做「AI 產(chǎn)品」。但智能與真實影響之間依然隔著一道巨大的鴻溝——模型擅長生成答案，卻無法真正把事做完。

這也是我們發(fā)布《All You Need Is Context》這篇關(guān)于「System of Context（上下文系統(tǒng)）」文章的原因。真正能創(chuàng)造長期企業(yè)價值的一定是那些圍繞基礎(chǔ)模型搭建完整上下文系統(tǒng)的公司。上下文是腳手架，能把通用推理變成可執(zhí)行、可落地的結(jié)果。

Genspark 之所以一眼就被我們注意到，就是因為它已經(jīng)體現(xiàn)了這種轉(zhuǎn)變。上線五個月，公司 ARR 就突破 5000 萬美元，以 12.5 億美元估值完成 2.75 億美元的 B 輪融資。這樣的增長曲線只有一個前提：用戶看到的不是「潛力」，而是「它真的在把工作做完」。

這增長背后的原因不只是快。從 Day 1 起，它的唯一目標就是提升商業(yè)生產(chǎn)力。Genspark 不是企業(yè)版 ChatGPT，而是我們見過對「上下文系統(tǒng)」最完整、最成熟的一次落地。

從輔助走向結(jié)果

大多數(shù) AI 工具能減少一些勞動量，但不會替你承擔(dān)責(zé)任。它們能幫你寫、幫你分析，但引導(dǎo)、修正、拼接上下文的活兒依然落在用戶身上。系統(tǒng)始終沒真正理解用戶想達成的目標，所以你沒辦法真正「放手」。

Genspark 走的是完全不同的路。它全新的 All-in-One AI Workspace 是圍繞「意圖」（intent）來設(shè)計的。你只需要描述你要的結(jié)果，系統(tǒng)就能直接交付成品。無論是演示文稿、分析報告、表格、研究總結(jié)、財務(wù)模型、產(chǎn)品 brief，甚至更復(fù)雜的軟件開發(fā)，結(jié)果都會一次到位。

這種自主性來自成熟而龐大的底層架構(gòu)。Genspark 的 Mixture-of-Agents（多智能體混合，MoA）系統(tǒng)能夠智能調(diào)度 GPT、Claude、Gemini 及多種開源模型等 30 余個大模型、150 個自研工具和 20 套高質(zhì)量數(shù)據(jù)集。它能與知識工作者常用的工具深度集成，自動匯聚執(zhí)行任務(wù)所需的碎片化上下文，并在無需手把手指導(dǎo)的情況下完成整個流程。

輸入意圖，輸出結(jié)果。

系統(tǒng)背后的團隊

這樣的平臺不可能只靠理論堆砌出來，而是來自一個在大規(guī)模系統(tǒng)里打過很多次仗的團隊。Genspark 的創(chuàng)始團隊來自 Microsoft、Google、Meta、YouTube、Pinterest 等國際頂尖科技公司，在搜索、排序與 AI 系統(tǒng)建設(shè)上有數(shù)十年的深厚經(jīng)驗。

聯(lián)合創(chuàng)始人兼 CEO 景鯤是 Microsoft Bing 的早期核心成員，也曾在百度從零打造小度智能音箱；CTO 朱凱華在 Google 推出了首個用于生產(chǎn)搜索的深度神經(jīng)排序模型；COO 桑文曾創(chuàng)建并成功退出一家由 YC 和 Khosla Ventures 支持的企業(yè) SaaS 公司。

COO 桑文（左）與 CEO 景鯤（右）合影

這段經(jīng)歷浸潤在 Genspark 的產(chǎn)品、架構(gòu)與節(jié)奏中。B 輪的融資規(guī)模也反映了用戶與投資人對這個賽道、這個團隊，以及他們所選擇路徑的高度信心。

從模型到系統(tǒng)的時代演進

Genspark AI Workspace 的發(fā)布是企業(yè)級 AI 的一個決定性瞬間。它讓 AI 不再停留在「輔助層」，而真正進入「執(zhí)行層」。在這里，戰(zhàn)略意圖與實際執(zhí)行實現(xiàn)無縫銜接；個人、團隊與 Agent 在同一個空間協(xié)作；上下文在每一次行動的瞬間被捕捉；系統(tǒng)也會隨著每次任務(wù)的完成持續(xù)變得更強。

這就是從「模型」走向「系統(tǒng)」在現(xiàn)實中的樣子。