【1、AI Sheet 2.0：直接连企业数据库，这是真壁垒】

朱凯华（CTO）演示的这个功能最有意思。传统流程是你把数据导出成CSV、上传到工具、然后分析。AI Sheet 2.0通过MCP（Model Context Protocol）直接连接企业数据库，AI自动写SQL查询、执行分析、生成可视化。

现场演示了一个零售公司的场景：数据库里有5万条订单记录，横跨3年。有人问"上个月各subcategory的销售占比"，AI先查看表结构、写SQL aggregate数据、生成pie chart，全程自动。更复杂的任务是"对每个销售渠道，找出revenue share和growth rate都排名top的品类和SKU"，AI发起多次查询、交叉分析、最后给出actionable recommendations——"eBay和mobile app表现最好，应该double down这两个渠道"。

这个功能的价值很实在。过去data analyst要花几小时写SQL、清洗数据、做pivot table、写报告，现在全程自动化。关键是它连的是企业database，不是让你上传CSV——这对企业客户来说是刚需，因为大部分business intelligence工作就是从数据库里提取、分析、可视化数据。

ChatGPT、Claude、Perplexity都做不到直接query企业production database。这是Genspark真正的differentiation。但有几个技术细节没讲清楚：数据库权限怎么管理？如果AI写出个DELETE语句怎么办？复杂的多表join准确率有多高？这些都是production环境必须解决的问题。

【2、从数据到视频演示的全链路，showcase了"all in one"的逻辑】

凯华演示的workflow很完整：raw data in database → AI Sheet分析生成Excel → 自动生成PPT → 用AI podcast技术生成视频演示（每张slide配AI语音解说）。她说"maybe I have a meeting conflict or I just don't want to present"，所以让AI代替自己做presentation。

这确实展示了Genspark的产品哲学——"everything is connected"。如果用户分别用不同工具（SQL client查数据、Excel做分析、PPT做演示、Descript做视频），每个环节都要手动export/import。Genspark把整个workflow打通。

但我对这个场景持保留态度。AI生成的presentation video能达到什么质量？如果只是"读PPT内容"那没价值，真正好的presentation需要storytelling、强调重点、回应听众反应。这个功能更像demo feature，不是killer feature。

另一个演示是Jennifer 展示的Teams，展示了实时协作——多人同时编辑PPT、能看到每个人的光标、通过team chat讨论。但这个功能的differentiation不明显，Google Docs + Gemini、Notion AI都能做。Genspark的价值主张是"all in one platform"，但bundling strategy能不能work取决于每个单项功能是否足够强。如果PPT生成质量不如Gamma、协作体验不如Notion，用户为什么要切换过来？

【3、Enterprise traction：$650M demand但不是revenue】

桑文说了一个惊人数字："通过support@genspark.ai邮箱，我们收到了价值$650M的企业需求——亚特兰大的金融公司、硅谷的VC、中东的政府机构、德克萨斯的房地产公司都在问能不能给他们公司部署"。

但这里的措辞很careful——"demand"不等于"signed contracts"或"revenue"。这可能是各种企业inquiry的潜在合同价值总和，不代表这些企业真的会买。很多大企业会同时试用多个AI工具，最后只选一个。如果他们真的签了这么多单，会直接说"we have $XXM in ARR"。

不过这个数据至少说明两点：Genspark确实触达了enterprise buyers，不只是个人用户；企业有strong interest。他提到一个case："员工先用我们的产品，觉得好用，然后推动leadership team和IT部门来采购"。这种bottom-up adoption是最健康的SaaS销售模式。

他还讲了一个德州房地产公司的故事："我们试了市面上所有工具做财报分析和presentation，都不够好。但Genspark的output quality让我们觉得OK，this AI thing is real"。这说明产品质量确实打动了一些enterprise buyers。

现场还请了日本的公司ceo用户来展示，用户也是很热心了。

【4、技术架构：mixture of agents + 自研工具 + 付费数据】

桑文说：Genspark的技术栈分四层。

第一层是多模型编排（mixture of agents）——不是只用一个LLM，而是根据任务调用不同模型。OpenAI的做reasoning和planning、Anthropic（Claude）的做long-form content、其他模型做specific tasks。他说"我们深入理解每个模型擅长什么，在正确的时间选择正确的模型"。

这个策略make sense，但执行难度很高。你需要一个routing logic判断用哪个模型、一个fallback机制、一个cost optimization系统。而且模型API经常变，要持续维护这套系统。

第二层是自研工具，用于文档处理、图像生成、数据分析。这说明Genspark不是简单的"LLM wrapper"，而是有engineering depth。

第三层是接入20+付费数据库（Pitchbook、Crunchbase等），确保output基于权威数据。但这是固定成本，即使只有1个用户在用，也要付全额订阅费。

第四层是自研评估体系。他说"大模型厂商的benchmark主要focus在intelligence，但我更关注output quality"。所以Genspark自己建了evaluation system，用reward-based algorithm训练agents。但他没给具体数据（比如"我们的financial model accuracy比竞品高X%"），只说"我们focus on quality"。这种marketing话术需要实际数据支撑。

【5、合规进展：SOC2和ISO27001在路上】

他们正在做SOC2 Type 2和ISO 27001认证，预计今年内完成；GDPR合规在明年roadmap上。这对enterprise sales至关重要——大企业不会采购一个没有SOC2的SaaS产品。

但timeline有点紧。SOC2 Type 2通常需要6-12个月（要有3个月observation period），现在11月了，说"今年内完成"意味着几个月前就开始准备了。ISO 27001相对容易一些，但也要几个月。GDPR放在明年是合理的——如果现在主要客户在美国和中东，GDPR不是第一优先级。

【6、一笔带过的Scheduled Agent，和存在感不强的用户教育】

有意思的是，第一段巴西妹子讲的AI Inbox + scheduled agent是核心功能（每天早上9点自动扫描邮件、生成项目仪表盘），但第二段演示里完全没提scheduled agent。凯华讲的AI Sheet、Teams、招聘workflow，都是"用户发一个prompt，AI执行一次"，不是"每天自动运行"。

这说明scheduled agent可能还不够成熟，或者他们发现企业客户对"on-demand AI analysis"的interest比scheduled agent高。这也印证了我之前的判断：scheduled agent的用户教育成本太高——它要求用户提前设定规则、定义数据结构、理解workflow logic。对于普通knowledge worker来说是认知负担。

下面我讲讲用户教育和learningcurve这块，这是我研究比较多的领域

1）心智模型的断层：从"问答"到"自主运行"

现在大部分人对AI的理解还停留在ChatGPT式的对话范式——我问一句，你答一句。scheduled agent要求的是完全不同的心智模型：你提前设定好规则，AI每天自动跑，你只看结果。

具体场景：Mariana演示的"每天早上9点生成项目仪表盘"，背后需要用户明确：

• 哪些邮件算"项目相关"（关键词？发件人？还是AI自己判断？）
• 仪表盘里要哪些维度（timeline、tasks、risks？）
• task的status怎么定义（AI从邮件内容推断？还是用户手动标记？）
• 如果某天邮件里没有相关信息，是生成空白仪表盘还是沿用昨天的？

这些问题，对于power user（比如做过data pipeline的工程师）很自然，但对于普通knowledge worker是认知负担。Genspark的demo里没展示这部分——他们直接跳到了"agent已经设好、每天自动跑"的状态，但跳过了最难的那部分：用户怎么从0到1把agent设起来。

2）学习曲线的陡峭程度，取决于"template质量"和"智能推荐"

scheduled agent能不能推广，核心在于Genspark能不能把learning curve压平。

3）信任问题：用户愿意让AI自动处理多少事情

scheduled agent的核心价值是"autopilot"，但这恰恰是最难建立信任的地方。

对话式AI的信任门槛低：我问你答，如果答得不对，我不采纳就行，没有downside risk。

scheduled agent的信任门槛高：AI每天自动跑，如果某天提取错了信息、漏掉了重要邮件、或者把数据categorize错了，用户可能完全没察觉——直到出问题了才发现。这种"silent failure"是最可怕的。

4）企业推广的难度：不只是说服个人，还要说服团队

scheduled agent要在企业里推广，难度比个人工具高一个数量级。原因是：

问题A：跨部门数据权限

问题B：团队内的学习曲线不一致

问题C：ROI不好量化

参考数据：Zapier有500万+用户，但真正用multi-step automation的不到20%。大部分人停留在simple trigger。Scheduled agent比multi-step zaps还复杂。如果Microsoft用了10年都没把automation普及到mainstream users（比如PowerBI，Power Automate），Genspark凭什么能做到？

N8N的用户教育是通过海量模版，国内扣子是通过海量抖音视频教育，但似乎Genspark还没有开启类似的策略。

【7、在大模型吞噬应用层的背景下，Genspark的护城河在哪】

Gemini 刚展示了能自主操作Chrome的agent，OpenAI的Operator也快了。大模型能力提升正在快速吞噬应用层——你花6个月做的功能，可能下个月就变成GPT的原生能力。"AI写作助手"、"AI总结工具"作为category正在被commoditize。

但Genspark做的scheduled agent（虽然这次没重点展示）和AI Sheet 2.0，不是在拼model capability，而是在解决private data integration（上图左边）。大模型公司提供能力，Genspark负责把企业的private data管道接通、做workflow orchestration。

这条路能不能走通看两点：第一，Microsoft合作的深度够不够（如果只是API接入就没意思）；第二，能不能在Google/Microsoft自己做类似产品之前，把企业客户锁进来。

Genspark的时间窗口取决于Microsoft内部产品优先级。Copilot现在已经接入Outlook、Teams、SharePoint，scheduled workflow是自然演进。如果Copilot团队6个月后上线类似功能，Genspark就很被动。他们必须在12-18个月内拿到至少50家paying enterprise客户，证明这个需求存在且愿意为独立产品付费。

【8、Missing Pieces：pricing和go-to-market细节】

两场演示都没细说pricing。这可能意味着：他们还在测试不同pricing models（per seat? usage-based? enterprise flat fee?）；或者现在还在beta阶段，先积累用户再monetize；或者enterprise contracts都是custom pricing。

也没太细说go-to-market strategy：sales team有多大？主要通过什么渠道获客？average deal size是多少？sales cycle多长？这些是评估enterprise SaaS公司的关键指标。

可能是因为这是产品发布会不是investor pitch，所以focus在产品功能上。但如果我是analyst或potential investor，我会非常想知道这些数字。

【9、我的判断：AI Sheet有机会，但自动化Agent的execution risk很高】

Genspark的亮点很明确：AI Sheet 2.0连企业数据库是真正的differentiation；bottom-up adoption是最健康的增长模式；技术栈足够复杂（mixture of agents + in-house tools + paid data sources），不是简单的LLM wrapper；合规认证在进行中，说明他们serious about enterprise。

但风险也很明显：做workspace的难度远高于做point solution，要同时把很多功能做好；enterprise sales需要完全不同的能力（sales team、customer success、legal、security）；$650M demand能转化成多少revenue是关键；很多功能（Teams、Voice presentation）的differentiation不明显；pricing strategy不清晰。

如果我的客户问要不要试用Genspark，我会说：最高频的功能是搜索+PPT，在新功能里，如果你的team经常需要从数据库提取数据、做分析、生成报告，AI Sheet 2.0值得试试，这是killer feature。如果你只是想要个AI助手写邮件、总结文档，也可以尝试下最新的写邮件功能。

如果是investor问我，我会说：关键指标是Q1的enterprise revenue。如果他们能把$650M demand转化成$20M+ ARR，说明product-market fit很strong；如果只有几百万，说明还在early stage，需要更多时间验证。

40人的发布会说明他们还在打磨产品，没开始大规模push sales。这是好事，但也意味着6个月内看不到明确的traction数据。在Gemini 3、GPT-5密集发布的当下，留给应用层创业公司证明自己的时间窗口，可能比我们想象的更短。

【10、美国真大V对于Genspark的评价】

我又遇到推特50万大V robert了，他说他上午去看了微软的发布，Genspark比微软的创新快太多了，微软根本追不上。所以可能我的意见还是比较保守，或者说盯着google可能还好点。

我自己和genspark的朋友交流，我的观点是，他们用户教育，全球社区，还需要加把劲，功能做的很快，但是用户教育要跟上。上文说的很多疑惑的点，也可能是用户存疑的点。就算功能再厉害，也需要让大家用的放心。

本次直播的回放，感兴趣可以看看原文：

https://x.com/genspark_ai/status/1991645130403803578

本次发布会做的特别专业，据说只用了21天准备，是目前我在湾区参加过最专业的华人产品发布会了，无论是嘉宾邀请，设备，直播，餐点，空间设置，产品展示，采访环节。前面追平lovart，而最后的酒会和采访环节，超过了lovart，聊了后发现原来是湾区曾经做过爆款的超酷操盘手协助的。也是学到了，不枉我来回坐公交车3小时参加活动。

注：本篇1-9使用了AI辅助写作。

本文由公众号“郎瀚威 Will”授权转载｜ https://mp.weixin.qq.com/s/OjCRiyErBzCQoIou_vkGzw ｜（编辑：ZN）

⬆ 扫码加入AI产品交流社群，你有机会得到：

- 最值得关注的AI产品；

- 最新鲜的 AI 产品资讯；最实用的AI产品使用经验；

- 还有不定期赠送热门新品的邀请码、会员码。