Genspark Agent 9 天突破 1000 万美金 ARR，AI Agent 时代真的来了

AI Agent 在 2025 年正在迎来一个爆发式的增长阶段，Manus 引发的关注我觉得加速了市场对 Agent 的投入，根据 Browserbase 的工程师 Kyle Jeong 最近透露的数据，截至 3 月底 Manus 的 Waitlist 里仍然有 300 万用户。

之所以没有全部放开用户使用，他说瓶颈主要在 GPU，没有足够的 GPU 来支持这些代理，因为其代币成本平均比聊天机器人要高出 1000 倍，因此如果把所有用户都放出来，Anthropic 的服务器可能无法支撑。

Kyle Jeong 说，Manus 已经放弃了 DAU 这个指标，而是采用了每小时代理使用量（Agentic Usage Per Hour）这个指标来衡量是否成功的核心指标。

与此同时，由百度前高管创立的 AI 搜索引擎 Genspark，9 天前正式发布了 Super Agent。今天，联合创始人兼 CEO Eric Jing 宣称，Genspark 的 Super Agent 发布 9 天时间，其 ARR 已经达到了 1000 万美金。按照其 20 美金/月的定价来推算，Genspark 的 Super Agent 在这 9 天时间吸引了 1 万多的付费用户，可以说非常快了。

Eric Jing 说，目前的状态还只是他们进度的 10%，两周后他们将推出一个更加激动人心的功能。此次发布 Super Agent，团队直接把之前已经拥有 500 万用户的 AI 搜索产品砍掉转到 AI Agent，现在 Genspark 的网站首页已经从之前的搜索换成了 Super Agent。

我自己也简单体验了一下，比方说让它帮我做一个产品，实现的效果同样非常出色，基本上就几句话就能做出一个可以直接使用的产品。

因此发布的 Super Agent 这个产品，可以说让 Genspark 完全从之前的 AI 搜索引擎变成了一个更加 General 的 AI Agent 产品，这转变还是非常大的，和 Manus 的定位也越来越接近了。

而我最近跟 Replit Agent 负责人做了一个对话，同样展现了往 General Agent 演变的趋势（这个对话内容还在整理中，下周会发出来）。

根据 Eric Jing 之前的介绍，Genspark 的 Super Agent 是一个多合一的超级代理，使用各种工具自动为你的日常任务服务，它具有自主思考、计划、采取行动和使用工具来处理所有日常任务的能力。其技术架构有 3 个核心：

1. 多语言模型 ：采用“混合代理”设计，9 种不同的代理协同工作；
2. 广泛的工具集 ：集成了 80 多种用于各种任务的专用工具；
3. 专有数据集 ：利用 10 多个精选数据集来提高性能；

这种架构允许 Genspark 根据复杂性、速度和准确性要求，为每个任务动态选择最佳模型。与 OpenAI Operator不同点在于，Genspark 使用直接 API 集成，而不局限于基于浏览器的操作，从而实现更结构化、更快速的数据检索。

通过之前的 Demo 演示，Genspark 的 Super Agent 可以通过研究目的地、制定行程、计算步行距离、绘制公共交通选项，甚至通过语音通话预订餐厅来规划完整的行程。

而 Genspark 之所以要放弃之前的 AI 搜索转到 Super Agent，核心原因是他们认为传统的 AI 搜索方式已经过时了。联合创始人兼 CTO Kay 在其官网博客里说，传统 AI 搜索流程固定，核心是拆解关键词、抓取网页结果和总结回复，这种方式对简单问题还行，但遇到复杂任务（如比较技术方案、深度调研）就不够用了，相当于“只能按照规定路线走迷宫”。

Genspark 试图改进，做了这些工作：

• 加入专业数据源（如学术、财经、旅游等）
• 并行搜索处理复杂问题
• 多代理交叉验证信息避免幻觉
• 引入专门的深度调研 Agent

但本质问题没变：流程还是预设好的，缺乏灵活性。而解决方案就是：Super Agent 的新范式。Genspark 构建的Super Agent，不再依赖固定流程，而是根据任务灵活制定策略，它可以：

• 自主规划步骤，调用合适的工具或子代理
• 根据结果实时调整策略，像人一样“试错解决问题”
• 输出形式也可定制（直接回答、文章、PPT、图片、互动网页，甚至打电话）

这种灵活性既体现在广度（从哪些数据源或 API 中提取数据），也体现在深度（进行多少次迭代改进）。对于简单的任务，它不会在不必要的步骤上浪费时间；对于更复杂的任务，它可以不断深入，直到找到令人满意的答案。它还可以根据每个用户的需求定制输出——无论是直接答案、Sparkpage（文章）、演示文稿、生成的图像、交互式 HTML页面，甚至是电话通话。

目前 Super Agent 的三大核心能力：

1.动态协调多模型（LLM）

• 采用“多代理混合架构”，8 个专精模型协同工作
• 每个模型在特定任务上最优，保证输出稳定高效

2.丰富的工具与子代理库

• 包含自动生成 PPT、写 Python 代码、发邮件、打电话等工具
• 可组合使用，处理复杂任务而不陷入流程限制

3.可信的数据来源

• 使用高质量数据源、专家审核内容
• 数据由离线 Agent 审核，确保准确性，避免信息冗杂和虚假

他们从中学到的核心经验就是：更少的控制，更多的工具（Less Control, More Tools）。

在我们从一个僵化的 AI 搜索引擎转变为一个流畅、适应性强的超级代理的过程中，我们发现了一个重要原则：减少控制，增加工具。过于结构化的工作流程限制了创造力和深度，而允许多个专业代理处理问题的不同方面，并赋予他们选择和切换各种工具的自由，则能释放出更大的能力。

适应性计划、多样化的工具支持和审查的数据的融合使 Genspark Super Agent 比任何常规的 AI 搜索产品都更加灵活和可靠，这是他们选择放弃 500 万用户 AI 搜索转型到 Super Agent 的核心原因。

今天，Sequoia 和福布斯发布了 AI 50 名单，其核心结论也非常类似，就如 Sequoia 在标题里所说的 AI Agents Move Beyond Chat。

另外，我之前关注过的一个 AI 产品，5 个人的团队现在 ARR 已经做到了 500 万美金，据说正在跟 Sequoia、Benchmark 以及 a16z 等机构谈投资，其创始人说他们增长的核心是通过各种 AI Agent 帮他们实现的，而它做的事情看起来很简单，但是一个非常庞大的刚需市场，就是通过 AI 来生成