又一 AI Coding 7 个月 5000 万美金 ARR，为小企业提供 “AI 员工”2 年 1 亿美金 ARR

AI Coding 领域已经有如此多的玩家，并且几个头部的收入都在很短时间已经到了 1-10 亿美金级的 ARR（Claude Code、Cursor、 Replit 以及 Lovable 等），没想到新出来才几个月的 Emergent 在 7 个月时间做到了 5000 万美金的 ARR。

并且 Emergent 前两天还宣布完成了 7000 万美金的 B 轮融资，由软银和 Khosla Ventures 领投，Prosus、Lightspeed 以及 YC 等跟投，投后估值达到了 3 亿美金，其宣称累计用户突破了 500 万。

与其他 Vibe Coding 类产品比较类似，Emergent 也是让你通过自然语言直接生成一个产品，但 Emergent 宣称自己有一些不同的地方，其技术基石是采用了一套多智能体（Multi-Agent）架构。

他们构建了一个由专业 AI 智能体组成的系统，这些智能体协同工作，模拟一个完整的工程团队，包括了：

• 规划智能体：将用户需求分解为可执行的步骤。
• 设计智能体：负责用户界面（UI）和用户体验（UX）。
• 编码智能体：生成前端和后端逻辑。
• 测试智能体：确保代码的可靠性和功能性。
• 部署智能体：将应用部署到生产环境，并集成数据库、API 和身份验证等 

多智能体协作架构与 Neo Agent OS 不同于单模型的单兵作战，Emergent 引入了基于 Node.js 运行时的 Neo Agent OS。它让这些专门化的智能体（Planning, Design, Frontend, Testing, Ops）像真实的工程团队一样在持久循环中协同工作。

这种系统级的方法解决了传统 AI 编码工具中存在的跨文件推理和上下文理解难题，彻底解决了单模型的“幻觉”问题，确保生成的每一行代码都经过了测试智能体的闭环验证，从而确保了最终交付的是 “生产级” 软件，而非简单的原型。

这些 AI Agent 会像真实的团队一样协作工作。比方说，当用户要求增加支付功能时，其后端代理会负责 API 集成，前端代理构建 UI，而测试代理在上线前验证流程。这种架构确保了输出的标准化和稳定性，远超单一模型的原型工具。

另一个地方是其 100 万 Token 的上下文窗口与“Forkchat”（对话分叉）功能，在处理大型项目时，AI 极易产生“记忆消散”。100 万 Token 的超大窗口让 AI 能在“共享脑”中维持对全量代码库的理解。而 Forkchat 功能允许用户在项目达到上下文极限时，自动总结当前状态并开启新对话，确保项目的长期持续演进。

再加上真正的后端能力和自动化部署与托管能力，因此相对于其他 Vibe Coding 产品来说，Emergent 创始人认为其核心目标是彻底消除技术门槛。其部署策略采用了托管 K8s / 云端全自动方式，通过内置的托管 K8s 基础设施，非技术用户可以一键将代码推送到生产环境，跳过了繁杂的云端配置流程。

同时 Emergent 引入了“代理化运维”的概念，将传统的运维工作（Ops）交由 AI 处理。实现了全天候监控：系统配备了专门的 Ops 代理，对已部署的应用进行 7x24 小时的实时监控。如果应用发生崩溃或报错，Ops 代理会自动介入进行调试和打补丁 (Patching)，尝试在无需人工干预的情况下恢复服务。

我简单测试了一下产品，能力确实还不错，一次描述基本上就完成了一个简单产品的完整构建，而且不需要做任何的配置。看来即使在这个非常拥挤的 AI Coding 市场，新来者仍然具有机会。

Khosla 创始人 Vinod Khosla 认为，当软件创建门槛快速下降时，行为模式会改变整个产业，而非单一产品。Emergent 的创始人 Mukund 和 Madhav Jha 是一对印度裔双胞胎兄弟，其中 Mukund 曾是 Dunzo 的联合创始人。

不过最近让我觉得非常有参考价值的一个 AI 产品，是一个专为那些小企业提供 “AI 员工” 的平台，不仅不到 2 年时间就从 0 做到了 1 亿美金的 ARR，而且也是 AI 帮助传统 SaaS 成功转型的一个经典案例，算是阐释了红杉之前所说的《AI 最大的机会，是用软件取代服务》。

它通过一个全天候、懂行业、能直接创造收入的 AI Agent，替代了人工完成