輸入意圖，輸出結果，Genspark 如何構建終極上下文系統

這次 AI 革命剛開始的時候，大部分 AI 產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 應用早已經不是那么簡單了。我們認為現代 AI 應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，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的專有數據和信息。

- 環境層：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雜的環境進行互動。這些工具和環境，也是需要由應用本身來提供和存儲的。

打個比方，最原始的 AI 產品有點像「生魚片」，簡單由魚肉和芥末醬油構成，客戶體驗中魚肉的新鮮程度占 95%，那么現在最先進的 AI 產品更像是「松鼠鱖魚」，魚肉的質量仍然很重要，但刀工、火候、調料、服務等，是構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，硅谷頂級風投 Emergence Capital（專注企業服務軟件的投資，被認為「SaaS」這個行業的開創者之一，是 Salesforce， Zoom， Veeva 等公司的最早投資人）發布了一篇文章《All You Need Is Context》，開篇就強調：AI 需要的只有上下文。

文章指出，目前大模型已經足夠驚艷：能寫、能編程、能總結、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、系統與決策。因此，未來十年最有價值的 AI 應用不會停留在大模型本身，而是要在模型之上構建自己的 System of Context（上下文系統）。

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最完整的一次落地。」

一個上下文系統能夠掌握、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，讓它更懂用戶、更懂任務、更懂環境。用得越多，你的系統就越快、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勢的關鍵不在于用沒用 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實、從答案走向執行的范例。不論意圖多復雜，結果都能一步到位。

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

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

今天，AI 已經滲透進所有軟件里。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。

這也是我們發布《All You Need Is Context》這篇關于「System of Context（上下文系統）」文章的原因。真正能創造長期企業價值的一定是那些圍繞基礎模型搭建完整上下文系統的公司。上下文是腳手架，能把通用推理變成可執行、可落地的結果。

Genspark 之所以一眼就被我們注意到，就是因為它已經體現了這種轉變。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生產力。Genspark 不是企業版 ChatGPT，而是我們見過對「上下文系統」最完整、最成熟的一次落地。

從輔助走向結果

大多數 AI 工具能減少一些勞動量，但不會替你承擔責任。它們能幫你寫、幫你分析，但引導、修正、拼接上下文的活兒依然落在用戶身上。系統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）來設計的。你只需要描述你要的結果，系統就能直接交付成品。無論是演示文稿、分析報告、表格、研究總結、財務模型、產品 brief，甚至更復雜的軟件開發，結果都會一次到位。

這種自主性來自成熟而龐大的底層架構。Genspark 的 Mixture-of-Agents（多智能體混合，MoA）系統能夠智能調度 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 套高質量數據集。它能與知識工作者常用的工具深度集成，自動匯聚執行任務所需的碎片化上下文，并在無需手把手指導的情況下完成整個流程。

輸入意圖，輸出結果。

系統背后的團隊

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模系統里打過很多次仗的團隊。Genspark 的創始團隊來自 Microsoft、Google、Meta、YouTube、Pinterest 等國際頂尖科技公司，在搜索、排序與 AI 系統建設上有數十年的深厚經驗。

聯合創始人兼 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搜索的深度神經排序模型；COO 桑文曾創建并成功退出一家由 YC 和 Khosla Ventures 支持的企業 SaaS 公司。

COO 桑文（左）與 CEO 景鯤（右）合影

這段經歷浸潤在 Genspark 的產品、架構與節奏中。B 輪的融資規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。

從模型到系統的時代演進

Genspark AI Workspace 的發布是企業級 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「執行層」。在這里，戰略意圖與實際執行實現無縫銜接；個人、團隊與 Agent 在同一個空間協作；上下文在每一次行動的瞬間被捕捉；系統也會隨著每次任務的完成持續變得更強。

這就是從「模型」走向「系統」在現實中的樣子。