不融資的辦公agent，跑出千萬美元ARR｜對話Kuse CTO徐雨豪

Kuse CTO徐雨豪

AGI的事業其實是制造業。

作者 /Oriana

Intro

2024年農歷新年前一周，深圳南山區一個出租屋里，徐雨豪和吳顯昆等Kuse核心成員圍站在一塊白板前，從芯片聊到客戶服務，從技術壁壘聊到大廠動向。窗外這座城市正在快速空下來，人們拎著年貨涌向火車站和機場，而他們已經在小屋里閉關了整整7天。

最后那天傍晚，終于結束頭腦風暴的他們走上街頭覓食。店鋪幾乎全關了，走了快半小時，幾人才在一處巷口找到一家還在營業的豬腳飯店，站在路邊吃完那頓飯。

那時Kuse剛剛成立，他們還不太清楚自己要做什么，更未預料到Kuse在一年后會達到千萬美金級ARR，被用戶稱為「用NotebookLM的方法做的Notion」或「用Claude Code的方法做Office 365」。

CTO徐雨豪今年剛滿30歲，安徽人，16歲考上浙江大學計算機系，比同級生小兩歲，本科畢業后赴美到CMU讀軟件工程碩士。畢業后，他加入Facebook，早期進過Stories團隊，短暫做過元宇宙項目，后來又加入了「日本今日頭條」SmartNews。

在Facebook，他的第一個正式項目是調整Stories在屏幕上的大小。工程上簡單到只需要改幾行代碼，但他花了一兩個月做跨部門協調、用戶研究、數據評估。那是他第一次意識到：在大公司，一件事的影響力和它的技術難度往往是錯配的。

他更在意另一類事。2020年疫情爆發，他在Facebook組織十幾個同事做了個叫「COVID Info Hub」的項目，幫用戶對抗假新聞、獲取實時信息。2022年上海封城，他又在遠程做了一張疫情地圖，上線第一個小時訪問量就破了百萬，服務器全掛，他連夜擴容——這些都不是他的本職工作，甚至不在任何一個KPI里，他卻很享受看到技術對用戶的真切影響。

在CMU校園的徐雨豪

2022年底，ChatGPT橫空出世。徐雨豪在SmartNews搭建Infra、做AI審核，每天和新聞評論、自動化分類打交道。他向日本CTO提了離職，對方說建議他再待一段時間，可以做點探索。于是他有半年時間，一邊掛著職，一邊四處找人聊創業。

那是AI創業最瘋狂的時候。他見過海內外蜂擁而至的人，創業過的、沒創業過的，每個人都覺得眼前是一個比移動互聯網更大的周期。他聊過AI BI、聊過跨境電商工具，甚至物色好了早期員工，但總覺得哪里不對。

轉折來自一通電話。他在CMU時的好友張巖問他：我們想做一個新的AI項目，缺技術合伙人，你要不要來聊聊？

徐雨豪去了，見到了吳顯昆。吳顯昆做過設計師，在真格基金、藍象資本待過，和離開了英偉達自動駕駛AI Infra團隊的張巖，一起創立過為游戲行業提供AI解決方案的RCT AI。幾人對話后覺得非常互補，決定一起組隊后就開始找方向。

他們把自己關進了那間出租屋。

白板上寫滿了又擦掉。他們討論芯片、模型、經濟周期，討論做什么才不會被大廠輕易碾過。一周過去，沒討論出最終答案——今天Kuse做的事和那時畫的草圖幾乎毫無關系。但徐雨豪覺得那一周是必要的：「這很明顯是我們這一代人第一次見到的大周期。我們的牌怎么打，在牌桌上占什么位置，是到今天還在討論的事情。」

除了最早試水過營銷郵件agent外，Kuse最明確的方向是做一個可以在「無限畫布里操作的設計agent」，可惜做得太早、模型不跟手、銷售也不順。但無心插柳，他們發現有大量用戶上傳的不是設計稿，而是報表、合同、亂七八糟的PDF，會通過白板問問題、生成文件。

他們盯著用戶行為看了很久。那些上傳文件越多的人，留得越久。于是他們把白板慢慢往后放，把文件處理往前推，把「設計agent」這幾個字徹底摘掉，在2025年10月，推出了以「AI Folder」為表現形態的Kuse 2.0，定位是「Agentic Office」，用戶能把繁雜的資料生成為文檔、PDF、PPT、Excel甚至網頁。

Kuse 2.0界面

今年初，他們又調了一次頭。計價方式從按任務扣費，改成按token實際消耗。以前200積分的任務，現在有的變成20，有的變成1000。

有老客投訴，有人說沒必要。但徐雨豪想得很簡單：agentic office的token消耗是chatbot的100倍，如果繼續補貼，毛利率永遠做不正。

「我們得面向真實的世界。」他說，「哪怕短期有陣痛，也寧可把賬算明白，倒逼自己去找真正高價值的場景。」

以下是「新物種Sinovum」和Kuse CTO徐雨豪的對話，歡迎進入走向「Chaos in, genius out」的故事。

01.從設計Agent到Agentic Office

新物種：你們團隊是先組隊后找方向的，在出租屋閉關的那周，都聊了什么？

徐雨豪：我們當時的判斷是，全世界所有軟件都會被重做。

我們從最重資產的芯片一直討論到最上游的客戶服務；聊做什么才不容易被大玩家占道；聊把所有公司數據接到一個地方，決策都依賴AI，不只做個chatbot；聊過怎么幫所有人更低成本接不同AI，就是OpenRouter那一路；包括生圖、生視頻甚至簡單的套殼app，去流量洼地把AI推到滲透率更低的地方。

但核心還是看自己能做什么。

新物種：那你們先做了哪些方向？

徐雨豪：最早的探索期時我們只有四五個人，做過一個EDM營銷郵件agent，幫人發定制化銷售郵件、cold reach，還有自動回訪。做了demo，目標客戶是跨境電商，但不是很成功。

然后因為顯昆有很豐富的設計背景，我們就做了一個設計agent，但做得太早了——24年，模型并不是很ready。

我們做了個無限畫布。用戶只需要跟agent對話，它會自動挑選模型，持續修改至滿意為止。我們花了很多功夫，加入了大量行業相關的workflow，才把這個東西勉強做到可使用的級別。即便如此，它的銷售還是遇到了很大困難。

那時最合適的不是這樣的agent，而是以大量人工參與的workflow或者ComfyUI這種。設計agent真正ready大概是24年年底到25年年初——Claude 3.5使其具備可能性，也能看到這個期間的Lovart做得很不錯。

雖然我們和Lovart團隊沒有交流過，但大家的想法有共同之處，可惜我們開始時沒有意識到技術沒有真的ready。

新物種：所以你們后來不做設計agent，轉做agentic office。

徐雨豪：無心插柳柳成蔭。

我們原本希望用戶可以丟素材進來，讓AI產出下一個設計。但我們發現，有很多人在這上傳的是其他資料——不再做設計，而做資料的總結和格式轉換，即便在無限畫布上操作是很別扭的，因為它更適合做創意工作。

我們又經歷了新一輪的小屋會議，跟客戶、用戶聊，了解他們為什么要用我們這個東西？覺得這個東西的好處是什么？同時我們也在不斷嘗試推廣這個方面的場景。

然后我們意識到，好像找到些方向了。

新物種：那是哪個時刻，讓你們決定放棄設計agent這個原點？

徐雨豪：我不覺得有一個moment讓所有人「啪」一下做出決定。它是由好幾個瞬間組成的。

首先，在Kuse做設計的人越來越少——不是總人數，直到今天還是有人用，但占比越來越少。

其次，我們發現，上傳非設計資料的數量和留存是正相關的。我們有個口頭禪：文件超三個，AI用Kuse。用戶上傳的資料越來越多，他們在Kuse的留存越來越好。

它是一個慢慢遷移的過程。我們逐漸降低設計方面feature的開發和迭代，轉而去把精力投到另一個方向，比如現在我們對PDF的處理和理解在業界是比較領先的，因為需要處理大量客戶這種非結構化數據的上傳和處理。

慢慢就會意識到，設計類工作的占比已經不重要了。

新物種：但放棄無限畫布應該是一個比較艱難的決定。

徐雨豪：這件事的沖擊非常大。直到現在還有人在上周給我發郵件說，如果你們要拋棄無限畫布，能不能把那個版本開源，他還要用。

但我們做這個決定還是因為用戶人群塑造產品形態。

善用無限畫布的人是什么畫像？幾乎跟Mac OS是高度相關的——用Macbook的人，設計師群體、科技公司產品經理、少量需要畫diagram的程序員，包括部分教育用戶、iPad使用者。

但當用戶畫像逐漸往更多傳統企業的小企業主、白領、knowledge worker遷移，而且不再是做設計agent后，我們意識到，無限畫布成為了阻礙而非幫助——既要教用戶怎么用AI，又要教他們怎么用白板。

我們也花了很久功夫才下定決心，這不得不導致大幅度的退訂和用戶留存下降。在已經還不錯的用戶基礎下，這對公司的陣痛還是很大的。

內部也有不舍，團隊現在還留著原來的版本會自己使用。但這終歸是對場景和客戶的認知帶來的決心，容易調頭也是創業團隊的好處，如果在一個大公司，這個產品已經進入穩定期，會很難做出這個決定。

02.現在的AI已經是AGI了

新物種：你們的愿景是「Chaos in, Genius out」，除了做office相關的事，有考慮過社媒文案或者是視頻等形式的「Genius out」嗎？

徐雨豪：除了文檔、PPT、Excel之外，其實現在不少人也會把繁雜的信息扔進來把它轉換為帖文，這類工作流倒是挺常見。

而視頻的確是我們一直以來較為糾結的事，內部也做過一個小的試用版，但我們不希望只是簡單接一個如Seedance2.0這樣的模型，用戶直接去他們的官網使用是更便捷劃算的，除非我們挖掘到一個合理的產品形態和場景，否則不會做。

當然如果我們下個月想到了好的idea，說不定就開始了，畢竟我們變化很快（笑）。

新物種：很多AI應用或agent停留在一次性對話，你們如何實現「越用越聰明」并讓用戶沉淀下來？

徐雨豪：我有個暴論：現在的AI已經完全是AGI了。

怎么定義？一開始AGI的標準是圖靈測試，現在的AI早就超越了。你分辨不出來——當然會有語氣問題，但你可以告訴它別用那種語氣。后來有人覺得，這是人類為了臉面，把AGI定義得越來越難，比如必須突破物理定律才算。

在我看來，給AI足夠多的環境和工具，它能完成99.9%人類能做的事。如果不計成本，虛擬世界里幾乎沒有它不能攻克的場景——除了現實世界，比如機器人。

所以在很多場景下，它已經是AGI了。問題在于資料的串接。它不認識你，比如你問「我喜歡什么」，如果沒聊過天，它不可能知道。

這就是AI agent的方向：怎么把更多資料給到它。

技術上有兩條路：一條是RAG，檢索增強生成；另一條是把所有東西放進文件系統，讓agent自己去搜。現在還沒定論，我們覺得需要并行，因為它們解決的問題不一樣。

所以Kuse兩個都做。現在的架構，左邊有一列文件夾，人和AI都能訪問。對AI來說，就像操作一臺電腦，去文件夾里找東西。它可以看文件名、搜關鍵詞、做向量搜索——我們提供了多種方式，agent可以自由操作文件夾，通過各種搜索方式達成你的任務。

技術上是這么實現的，這帶來的影響是：你工作相關的內容傳得越多，它越有可能完成你想做的任務。

新物種：用戶上傳的文件很雜、格式不統一，你們是怎么處理的？

徐雨豪：簡單來說，一個是多媒體向量，RAG的常規做法，把所有輸入轉成向量空間可表達的方式，這樣才能做搜索。

第二個方式——相信AI和agent的能力。現在的主流模型很會用文件系統，它會寫腳本自己做探索和搜索。

我們就把客戶的數據轉成更適應這種格式的形態。標題要有意義，如果你的標題是一串亂碼，我們就得在給AI之前，把它變成有意義的標題，再附一個summary。

行業里叫「漸進式閱讀」。就像AI先翻一下圖書館的目錄，找到線索就往下找，找不到就沒了。如果你的書沒放在合適的板塊，名字也搜不到，那自然找不到。

新物種：我看到有人把Kuse比作「用NotebookLM的方法去做Notion」你怎么看這個評價？

徐雨豪：確實不止一個人這么說。

這也是我們轉型的原因之一。去問用戶Kuse對他意味著什么，很多人會拿NotebookLM來比——當時我們還是設計agent白板的時候，就有用戶這么比喻了。

后來我們認真看了NotebookLM，發現它的畫像、使用場景跟我們很像。只是我們更往工作場景、B端去靠——NotebookLM是Google的獲客渠道，不需要靠它賺錢；我們作為創業公司，得從產品里賺到錢。

這個比喻很說明問題。所以在產品迭代、方向調整上，我們也跟這兩個產品學了很多，吸收了它們的一些精華。

03.大廠培育心智，初創贏在柔軟

新物種：Claude最近推出了Claude Cowork，這類基模大廠下場，你們怎么辦？

徐雨豪：其實Claude Cowork的出現對我們而言好處遠遠大于壞處，因為他們可以幫我們做很多用戶教育。

我們是沒資格說真正做用戶教育的，作為初創很難說服不愿意嘗試的人來用。我們的客戶大多是對AI有一定了解、愿意趕上這輛火車的人。

Cowork是個非常好的信號：如果說25年是coding agent的年份，那26年一定是agentic office的年份。Claude in Excel、Claude in PowerPoint意味著，傳統白領也會從agent里獲得收益，因為agentic office是one shot，一條prompt幫你把事干了。

用戶教育很難。它不像coding場景，程序員相對愿意接受新事物，推廣速度非常快。knowledge worker場景則慢得多。這有個反常識：AI滲透率其實還很低，你以為大家都在用豆包、DeepSeek、ChatGPT，但其實基本停留在聊天層面。真正用AI解放生產力的方式，大多數人不知道。

Cowork讓所有SaaS顫了一下。大家意識到，很多給人做的軟件可能沒意義了。現在已經有軟件是給agent設計的，你做的不是給人看的界面，界面后面的事都是agent在做。這件事發生得比我們預期快得多。

我們是在一趟疾行的火車上。Claude是領頭羊，帶著我們去攻城略地。我們不覺得會被擠壓，因為市場還沒定下來。

新物種：有點像短道速滑，有人在前面幫你們擋風。

徐雨豪：Exactly，這是個更好的比喻。

新物種：你們最近調整了計價模式，改成按token消耗收費？

徐雨豪：對，過年前改的。

以前按任務計價，一個任務扣200積分。但在agentic office場景下，成本太不固定了——有的任務消耗極少，有的可能幾十倍。用固定扣費，對誰都不公平。

現在有些簡單的文檔，可能只扣50分；但有人從20個PDF里提取信息生成新文檔，1000分也合理。

我們做了這個調整——不補貼用戶，保毛利率。確實有客訴。

但這事必須做。Agentic office體驗好，但token成本高，不調整商業模式走不通。

它會倒逼我們做兩件事：第一，找高價值場景——哪怕一次花20美金，用戶得到的好處也遠大于這個數。第二，計價透明，告訴你為什么這次扣1000分，而不是20分。

也在倒逼我們幫客戶省成本——簡單的任務，就該用性價比更高的模型。

Manus的Peak最近也聊過類似的觀點。agentic產品消耗的token是chatbot的100倍，這讓你有資格跟模型廠商談怎么優化成本——更合理的cache，更合理的緩存。

我叫它「面向真實的世界」。以前有些情況在補貼用戶，其實用戶沒覺得被補貼，因為他不知道真實成本是多少。

新物種：從改產品定位到改定價模式，為什么你們一直能這么果決？

徐雨豪：其實不夠果決——半年前就該這樣。Startup能成的唯一可能性，除非你有別人拿不到的資源，否則成功都來自你更好掉頭、更柔軟。你要說果斷，其實這個行業的big tech也在做極大的改變。

我能猜到他們看到了一些小玩家看不到的東西。比如AWS、Azure、Google Cloud，今年會在算力投資上花掉幾乎全部現金流。甚至可能——當然是大膽猜想——今年就會虧損。這對華爾街來說很難想象，他們一直被當成現金流機器。

為什么能下這么大決斷？因為他們和我們一樣，看到了接下來每一年，token的消耗量可能是前一年的十倍甚至一百倍。未來十年，是我們這代人沒見過的基礎設施大投資。上一個這種級別的全球基建，是互聯網網絡；再上一次，也許是鐵路。

三家公司都能下這種決斷，因為這是一個前所未見的機會。大家都明白：你的決斷必須要快，不然落后得會非常快。

新物種：不過你們一直沒有融資，為什么？

徐雨豪：融資是很合理的，但我們沒融，有幾個原因。

第一，時機不太一樣。在這之前我們沒完成足夠的探索——AI創業怎么做，我們其實不懂，直到去年十月、十一月之后才算比較想明白。

第二，現在bootstrap（創業者僅依靠自己的初始資本或少量外部投資來啟動和運營公司）比以前容易。生產關系的變化迅猛，所需的人少很多，我們現在也只有十幾個全職員工。

第三，顯昆他們從上一家公司退出之后有一定資源，可以投入進來。

當然，融資更合適的時機是scale up的時候。AI產品和以前的SaaS或互聯網時代邏輯不太一樣——過去你可以先燒錢獲客，因為毛利率極高，邊際成本趨近于零。服務一個人和一萬人、一百萬人，成本幾乎不變。

但在AI產品上，你服務兩個人就是一個人乘以二，服務一萬個人就是一個人乘以一萬。大頭成本在token，而且是線性增長的。

所有AI公司都要回應這個問題。你需要更小心地挑選客戶，很多人在這里做的嘗試可能沒有意義——至少在這個賽道，現狀就是如此。

我們的回應是：更小心地獲客，更節約地花錢。這個錢是自己的，所以更小心。

當然不是永遠不融。等我們明白這個游戲怎么玩、怎么scale up的時候，融資就順理成章了。

新物種：那ARR千萬美金是在轉型前還是轉型后達到的？

徐雨豪：是在這期間實現，并非某一天前面的全停了、變成新的了。

我們在香港、臺灣有不錯的用戶群體和客戶群體，也有很多B端采購。也是為什么現在團隊在深圳的一大原因，這樣離客戶更近，就更好去理解他們的問題是什么，怎么去幫忙做增量解決。

比如我們有很長時間，一個feature大概就吸引了很多客戶：幫他們生成符合格式要求的DSE試卷（香港高考）。

04.Agent「個人助手」元年已來

新物種：你怎么看對于agent是套殼的評價？

徐雨豪：如果沒搶占場景，它確實沒門檻，但這事還沒收斂。

25年年底，也就是兩個月前，所有人都還覺得，all you need is reliable code——只要套上可靠代碼，agent就能解決全世界幾乎所有問題。

1月OpenClaw（原ClawBot）突然爆火證明了agent的架構沒有收斂。大體架構如agent loop、REACT是收斂的，但其實現，因為設計不同，會產生完全不同的效果。

OpenClaw里面的memory實現就是跟其他所有agent的實現完全不一樣的，也包括它的心跳機制。這導致這個agent可以做到自主化、主動去找你，也導致它對長期的個人助手方向上的記憶更連續——其他agent其實都做不到。

當然也不是說有多難，因為它也開源了。任何從業者學一小時大概也就明白是怎么做的了。

這件事表明了：在不同場景下你需要的agent的設計是不一樣的。因為它是個人助手，別的場景下你可能就不會做成這種7x24小時連續的記憶——意義不是那么大，甚至可能是相違背的。你可能需要做成項目制的。我們的memory就更偏向項目制，而不是這種連續制。

更讓我興奮的是，隨著OpenClaw的出圈，今年可能也是個人助手真正爆發的元年。

新物種：那agent的護城河在哪里？

徐雨豪：首先，我認為所有的AI公司——包括OpenAI——護城河都不是很深。因為競爭格局完全沒有穩定，不然也就沒有創業公司的機會，大家只能一直跟上。

其次，現在最需要關注場景。所有的agent設計是跟場景強綁定的，沒有一個通用設計。能不能占住用戶心智、用戶數據、用戶場景，是當下最重要的。并且硬燒錢是有限度的，能不能健康地做這個生意也很重要。

新物種：在你看來，現在的agent創業者容易陷入哪些誤區？

徐雨豪：好問題。我不覺得我真的有資格去說這個事，但可以講一個很明確的、從24年討論到今天的分歧：現在到底該燒錢搶占市場機會，還是把它當成智能制造業去做并維持健康的毛利率？

我經常開一個玩笑：AGI的事業是制造業。進口了token，把它加工成產品賣給客戶。

當然它并不是真正的制造業，因為畢竟還是個軟件，沒有壓貨問題。但因為大頭其實是生產成本——token，所以整體財務或商業模式跟制造業確實有些相關性。

毛利率是最重要的指標之一。如果是負的毛利率，這事到底能不能做？一旦某天把毛利率調成5%，客戶還能不能付這個錢？

我不能說這是一個誤區，我只能說，我們更認同后者。

新物種：你們團隊的平均年齡有多大？agent如何嵌入在工作流中？

徐雨豪：平均年齡24歲，我已經算大的了。

我們偏好年輕人，因為很多經驗不work了。SaaS和互聯網那套，對agent產品沒什么幫助。以后做軟件是給agent用的，跟以前完全不一樣。

我們公司已經是agent化的存在。我經常問同事，你在操作幾個agent干活？他說三個，我說你得趕快把三個變成十個，然后提拔一個當主管。

很多同事的工作方式已經完全是作為指揮官指揮AI干活。哪天AI服務器掛了，他就直接放假。比如說我們有自動測試agent、做視頻的agent，收集反饋的agent等等，內部的生產關系已經被永久改變了。

新物種：三年或五年后，你希望Kuse成為一個什么樣的公司？如果沒有實現，問題可能出在哪里？

徐雨豪：我們沒法規劃三五年，甚至沒法規劃三個月，就希望Kuse能成為「人和AI協作的新方式」吧。

如果沒成，大概率是執行出了問題。我不信這個方向是錯的。要么是我們沒真正實現到愿景，做的東西不是大家真想用的；要么是我們自己搞砸了，現金流沒管好。我們之前賭的方向，事實都證明是work的。

上次跟投資人聊，他問：這些學生能接受這么用AI嗎？我回答：這些學生從學習開始就是這么用AI的，他們已經沒法想象不是這么用的時候的樣子了。對年輕人來說，這是理所應當。

再舉個做臨時dashboard的例子。傳統技術人眼里，dashboard要考慮數據、效率、對接、更新頻率。我們有位年輕同事經常用Kuse做臨時dashboard，我反駁他數據沒法維持，他說兩分鐘就出來的東西下次可以再做一個。人類歷史上，軟件從來沒有成為過這樣的一次性用品。

排版運營 /Teagan

- End -