Genspark

定义

Genspark 是一个依托生成式人工智能的搜索与自动化平台,由美国初创企业 MainFunc 开发。它与传统搜索引擎的核心差别在于输出形式:用户输入问题后,系统不是给出待点击的网页清单,而是生成一个名为 Sparkpage 的知识页面,其中包含摘要、分节内容与参考资料。

在发展过程中,Genspark 的定位从 AI 搜索工具扩展到「一体化 AI 工作空间」,核心功能是超级智能体(Super Agent),可依据用户的一句指令自主规划并执行多步骤任务^[2]。Genspark 所属公司为 MainFunc,总部位于美国,创始人为景鲲与朱凯华^[3]。

原理

Genspark 的技术基础被其团队称为多智能体混合架构(Mixture-of-Agents,MoA)。与依赖单一大型语言模型的产品不同,该架构将同一个查询分派给多个模型或智能体并行处理,再由系统比对彼此结果、消除不一致之处,最后合并为一个答复。据外部报道,早期搜索功能曾调用 OpenAI、Anthropic 与 Google 等公司的模型。

在运行流程上,系统先解析用户查询的实体、任务类型与隐含约束,再把需求拆解为带依赖关系的子任务,由不同领域的智能体按需调用模型与工具完成,最终把结果组织成带来源标注的 Sparkpage^[4]。官方帮助文档把这一机制描述为「混合智能体」:根据任务自动组合模型,并将其输出综合成单一回答^[5]。

生成式搜索的可靠性依赖检索增强生成(Retrieval-Augmented Generation, RAG)式的信息核对,即先检索多个来源,再据此生成内容并对事实作交叉比对^[6]。超级智能体则进一步把流程扩展为「意图到交付」:围绕用户意图构建上下文系统,调用工具直接产出文档、表格或幻灯片等成品。

发展历程

Genspark 由景鲲与朱凯华于 2023 年联合创立,两人此前长期在搜索与语音智能领域工作^[3]。2024 年 6 月,产品 Beta 版上线,定位为 AI 搜索工具,主打无广告、不受搜索引擎优化影响的 Sparkpage 页面。同月,公司完成约 6000 万美元种子轮融资,投后估值约 2.6 亿美元^[7]。

2025 年 2 月,公司完成 1 亿美元 A 轮融资,投后估值升至 5.3 亿美元^[1]。同年 4 月,通用型智能体产品超级智能体上线,产品重心由搜索转向智能体。按公司披露,该产品上线 9 天年化经常性收入突破 1000 万美元,45 天达到 3600 万美元,首月付费用户留存率保持在 88% 至 92% 之间^[8]。

2025 年 10 月,Genspark 上线允许用户以一句话创建专属智能体的 Custom Super Agent,以及用于集中管理任务文件与上下文的工作空间 Genspark Hub^[3]。同年 11 月,公司宣布加入微软的 Agent 生态。至 2026 年,其产品线已扩展到桌面客户端、办公软件插件与工作流引擎等形态。

应用

在信息检索与研究中,Deep Research 功能用于处理复杂课题,由多个模型协同收集与分析网络信息并生成带引用的报告,代价是等待时间较长。该功能适用于市场动向、竞品分析与技术趋势等需要跨来源汇总的场合^[2]。

在内容与办公场景中,产品提供 AI 幻灯片、AI 表格、AI 文档等一组智能体,可依据提示生成演示文稿、结构化表格与专业文档,并导出为常见办公文件格式^[2]。其开发者智能体可生成网站与应用的原型,并与 GitHub 的工作流集成^[9]。

产品还包含图像、视频与音频生成能力,以及会议记录、通话代行等工具,用户可在同一界面内完成从调研到成品的多个环节^[2]。据公开报道,其主要用户集中在日本、美国与韩国,收入来源以订阅服务为主^[3]。

局限

Sparkpage 由 AI 改写并整合来源内容,这带来透明度的取舍:用户较难辨别哪些内容直接来自原始检索、哪些经过模型重写,信息呈现更平滑,却也更难追溯。早期报道还指出,Sparkpage 可被任何人复制、分享与编辑,当时也没有举报存在问题的页面的渠道。

多智能体与多工具协作会带来等待时间与资源开销。官方帮助文档说明,付费方案对 AI 聊天设有 5 小时窗口内的会话上限,且该限制与积分余额相互独立,不能通过购买积分解除^[5]。深度研究与视频生成等任务的成本明显高于文本任务^[10]。

此外,产品给出的结果并不能替代对原始信息的核对,涉及价格、规格、企业信息或法律内容时,仍需回到官方来源或一手资料确认^[2]。其主要流量来源集中在少数市场,用户规模与访问量也存在波动,尚未呈现持续增长的态势^[7]。

参见

• AI Agent —— Genspark 由搜索工具转型后所采用的产品形态。

• 大型语言模型 —— Genspark 的多智能体架构所调度的基础模型。

• 检索增强生成 —— 生成式搜索为降低错误率而采用的信息核对方法。

• Perplexity —— 同为 AI 搜索赛道的代表性产品。

• Manus —— 与 Genspark 常被并列讨论的通用智能体产品。