这次 AI 革命刚开始的时候，大部分 AI 产品可能只是简单给用户提供了一个和模型进行更方便输入和输出的交互界面，这确实符合「套壳」的定义。但是 3 年过去，最前沿的 AI 应用早已经不是那么简单了。我们认为现代 AI 应用带给用户的价值可以大致分为三层：
- 模型层：模型提供智力，是底层引擎的角色，但模型本身不能获得最新的知识，也不知道用户的上下文，更不能和外界进行互动。
- 上下文层：为了让模型能够发挥出最强的能力，我们需要给模型提供更多的 Context。如 Emergence Capital 所强调，All You Need is Context。这里面既包括用户的意图，也包括用户的喜好，也包括各种与组织相关的专有数据和信息。
- 环境层：与此同时，像 Genspark 这样的 General Agent 还需要使用不同的工具和越来越复杂的环境进行互动。这些工具和环境，也是需要由应用本身来提供和存储的。
打个比方，最原始的 AI 产品有点像「生鱼片」，简单由鱼肉和芥末酱油构成，客户体验中鱼肉的新鲜程度占 95%，那么现在最先进的 AI 产品更像是「松鼠鳜鱼」，鱼肉的质量仍然很重要，但刀工、火候、调料、服务等，是构成一道美味菜肴的完整体验必不可少的要素。
真格基金管理合伙人戴雨森
11 月 5 日，硅谷顶级风投 Emergence Capital（专注企业服务软件的投资，被认为「SaaS」这个行业的开创者之一，是 Salesforce， Zoom， Veeva 等公司的最早投资人）发布了一篇文章《All You Need Is Context》，开篇就强调：AI 需要的只有上下文。
文章指出，目前大模型已经足够惊艳：能写、能编程、能总结、能推理，但它们天生面向「通用」。而真正的工作从来不是通用的，它扎根于每家公司独有的团队、流程、工具、系统与决策。因此，未来十年最有价值的 AI 应用不会停留在大模型本身，而是要在模型之上构建自己的 System of Context（上下文系统）。
11 月 21 日，Emergence 宣布参与完成 Genspark 的 2.75 亿美元 B 轮融资。文章中写道：「Genspark 是我们见过上下文系统最完整的一次落地。」
一个上下文系统能够掌握、组织并综合上下文信息，让 AI 不只「聪明」，而是真正能「执行」。它从使用中不断进化：每一次动作、输出和判断都会反哺系统，让它更懂用户、更懂任务、更懂环境。用得越多，你的系统就越快、越准，也越不可替代。
所以未来判断一家公司能否建立长期优势的关键不在于用没用 AI，而在于 AI 是否真正深度融入工作流。而 Genspark 正是模型从概念走向现实、从答案走向执行的范例。不论意图多复杂，结果都能一步到位。
Emergence 指出，一个清晰的模式正在涌现：未来的胜者不是拥有最强模型的人，而是能在模型之上构建最完整系统的人。
没有哪件事是 AI 做不到的，而 AI 需要的只是上下文。
以下是真格编译全文。
Genspark：打造终极上下文系统
今天，AI 已经渗透进所有软件里。任何人都能套壳大模型、做个 Demo，就敢说自己在做「AI 产品」。但智能与真实影响之间依然隔着一道巨大的鸿沟——模型擅长生成答案，却无法真正把事做完。
这也是我们发布《All You Need Is Context》这篇关于「System of Context（上下文系统）」文章的原因。真正能创造长期企业价值的一定是那些围绕基础模型搭建完整上下文系统的公司。上下文是脚手架，能把通用推理变成可执行、可落地的结果。
Genspark 之所以一眼就被我们注意到，就是因为它已经体现了这种转变。上线五个月，公司 ARR 就突破 5000 万美元，以 12.5 亿美元估值完成 2.75 亿美元的 B 轮融资。这样的增长曲线只有一个前提：用户看到的不是「潜力」，而是「它真的在把工作做完」。
这增长背后的原因不只是快。从 Day 1 起，它的唯一目标就是提升商业生产力。Genspark 不是企业版 ChatGPT，而是我们见过对「上下文系统」最完整、最成熟的一次落地。
从辅助走向结果
大多数 AI 工具能减少一些劳动量，但不会替你承担责任。它们能帮你写、帮你分析，但引导、修正、拼接上下文的活儿依然落在用户身上。系统始终没真正理解用户想达成的目标，所以你没办法真正「放手」。
Genspark 走的是完全不同的路。它全新的 All-in-One AI Workspace 是围绕「意图」（intent）来设计的。你只需要描述你要的结果，系统就能直接交付成品。无论是演示文稿、分析报告、表格、研究总结、财务模型、产品 brief，甚至更复杂的软件开发，结果都会一次到位。
这种自主性来自成熟而庞大的底层架构。Genspark 的 Mixture-of-Agents（多智能体混合，MoA）系统能够智能调度 GPT、Claude、Gemini 及多种开源模型等 30 余个大模型、150 个自研工具和 20 套高质量数据集。它能与知识工作者常用的工具深度集成，自动汇聚执行任务所需的碎片化上下文，并在无需手把手指导的情况下完成整个流程。
输入意图，输出结果。
系统背后的团队
这样的平台不可能只靠理论堆砌出来，而是来自一个在大规模系统里打过很多次仗的团队。Genspark 的创始团队来自 Microsoft、Google、Meta、YouTube、Pinterest 等国际顶尖科技公司，在搜索、排序与 AI 系统建设上有数十年的深厚经验。
联合创始人兼 CEO 景鲲是 Microsoft Bing 的早期核心成员，也曾在百度从零打造小度智能音箱；CTO 朱凯华在 Google 推出了首个用于生产搜索的深度神经排序模型；COO 桑文曾创建并成功退出一家由 YC 和 Khosla Ventures 支持的企业 SaaS 公司。
COO 桑文（左）与 CEO 景鲲（右）合影
这段经历浸润在 Genspark 的产品、架构与节奏中。B 轮的融资规模也反映了用户与投资人对这个赛道、这个团队，以及他们所选择路径的高度信心。
从模型到系统的时代演进
Genspark AI Workspace 的发布是企业级 AI 的一个决定性瞬间。它让 AI 不再停留在「辅助层」，而真正进入「执行层」。在这里，战略意图与实际执行实现无缝衔接；个人、团队与 Agent 在同一个空间协作；上下文在每一次行动的瞬间被捕捉；系统也会随着每次任务的完成持续变得更强。
这就是从「模型」走向「系统」在现实中的样子。
