MRR 呈 40 倍级增长，AI Agent 正迎来一个爆发式增长阶段

对 AI 能力的概括，我觉得可以从这两个方面来看：一方面是对（现有）数据的处理能力，另一方面则是生成（新数据）能力（包括文本、图片以及音视频等）。

因此也出现了创业公司两种完全不同的切入点，一种从处理现有数据切入再逐渐延展到生成这块，而另一种就直接从生成这块切入开始做。这个观点我在《Opus 用户破 600 万要做下一代智能 AI 编辑器，法律 AI Leya 又拿了 2500 万美金》里谈视频 AI 时曾简单提到过。

就目前阶段来看，处理现有数据的 AI 产品在收入方面表现更好，而生成新数据的 AI 产品在估值方面则要表现的更好一些，尽管大部分可能都还没有收入。

从确定性的角度来看，我觉得从现有数据的处理作为切入点要更好一些，可以说大部分 AI Agent 类产品聚焦的就是如何处理现有数据。

比方说我之前介绍过的用 AI 寻找销售线索的产品，虽然它一夜成名估值 5 亿美金，但在之前也花了 7 年才找到 PMF。

本质上它是通过 AI 抓取网络上的信息再对其进行一定结构化的过程，你只需要提供一个网站地址或者企业邮箱地址，它即可帮你获取并完善更多其它的信息。

由于在过去 2 年用户和收入都呈 10 倍级增长，最近完成了总计 6200 万美金的融资，估值达到了 5 亿美金。在其 7 年的寻找 PMF 过程中，创始人说的一句话让我印象非常深刻：

与很多其它产品不同的是，它面临的问题不是没有目标市场，而是目标市场太多了，也就是这个产品在不同领域都有需求，HR 表示产品非常有用、销售说很有需求，产品工程师也说很有价值。

但因为需求太过宽泛，反而导致团队兜兜转转花了 7 年时间才将其目标市场聚焦到销售线索这块，并基于这个目标从数据获取、数据整合再到基于数据做整个 GTM 的营销和销售。

这是一个聚焦的过程，当时我就在想，既然那么多领域都对其表示有需求和价值，那么类似这样的产品应该也是有机会在其它领域做，只是产品形态可能要根据所在垂直领域的需求做一些调整。

比方说对数据处理有大量需求的二级市场、金融投资机构、企业的市场研究甚至一级市场等，可以说每个行业都有对数据的需求，只是看我们以什么样的方式来提供。

像 a16z 最近领投的 Hebbia，就是通过改造非结构化数据，特别是像 PDF、PPT、电子表格以及邮件等文档类里的数据，其一开始瞄准的就是私募股权公司、对冲基金以及咨询公司等金融机构。

而最近两个拿了融资的 AI Agent 让我印象非常深刻，一个是 YC 创始人 Paul Graham、AI 版 YC AI Grant 两位创始人 Nat Nat Friedman 和 Daniel Gross 等一起投的 Reworkd。

它和上面两个产品的逻辑非常类似，本质上也是通过 AI 来抓取数据，然后再提供一个更加结构化的数据类型。

但是和 Hebbia 不同，它抓取的是网络上的数据，而非散落在各种无法检索到的私有文档，但两者的原理比较类似，都是利用 Agent Workflow 方式的方式。

这里同样有趣的一点是，Reworkd 这个项目开始于 AI Agent 最早开始流行的时候，团队做了一个叫 AgentGPT 的网络爬虫工具，这个工具非常受欢迎，很快就在 GitHub 上获得了 2.5 万颗星，并且在 3 个月吸引了 15 万月活用户。

当时团队就已经注意到了一个不断增长的趋势：企业越来越多地通过 AI Agent 寻求自动化。但是他们在构建 AgentGPT 的过程中发现了 3 个问题，一个出现的胡编乱造幻觉问题，其二是 AI Agent 无法理解上下文从而导致无效率循环，第三是每次都有较高的失败概率。

于是他们想到了通过将 AI Agent 与结构化工作流程系统相结合来解决这些问题。这是产品技术层面，而在市场这块，他们同样遇到了聚焦这个问题，就是 AgentGPT 是一个太过通用的产品，从行业的角度来说它能做的事情也非常宽泛，于是团队选择了将其作为一个工具的定位，提供网络爬虫，至于具体的行业应用留给用户。

后来其创始团队成员将 Reworkd 称为互联网的通用 API 层，也就是通过 AI 将任何网站以 API 的形式呈现出来，这和万维网创始人 Tim Berners-Lee 的愿景类似：计算机可以阅读整个互联网。虽然有些网站没有标记（markup），但是通过 LLM 大模型，它也能以与人类相同的方式理解网站。

Reworkd 会从公共网络中提取结构化数据，由于现在的 AI 支持多模态，因此无论这些数据是文本、图片还是文档都是支持的。在理解网站后，它会根据网站的结构自动生成代码来提取你想要查找的确切数据，你只需要提供链接（一个甚至成百上千个都可以）和想要提取的信息的描述即可。

最后会以一个结构化的方式来输出，比方说表格，另外通过 AI 的能力还可以对这个数据进行类似图表化方式做分析，整个过程完全端到端自动化方式实现。

因此我们仍然可以将其类比于以前的网络爬虫公司，只不过现在通过 AI 的方式大大提高了效率和质量，节约了大量成本，而且随着 AI 大模型能力的增强和成本越来越低，这类产品在能力变强的同时成本也变得越来越低。

另外随着 AI 的发展，企业对数据的需求也在快速增长，特别是企业对构建特定于其业务的定制 AI 模型这块的需求在不断增加，会导致对 Reworkd 产生极大的需求，这是其投资人最为看中的一点。

根据 Reworkd 网站上的一些演示，它被应用于类似获取政府在税收、法律、健康以及监管等领域的信息，另外还有就是 VC 或者企业的市场研究部门可以通过它快速获取各种企业信息等。

Reworkd 团队目前才 4 个人，投资人除了上面几位外，还包括了 SV Angel、General Catalyst 和 Panache Ventures，总的融资金额在 400 万美金。

而另一个 AI Agent 产品，给我的感觉有一种 Notion 与 Zapier 的集合体，通过 AI 让任何人都可以构建任何自动化工作流。
它更多在朝着一个平台而非工具的方向发展，其早期的 MRR 甚至呈 40 倍级增长。它开始于一个副业，团队目前才 3 个人，包括两位创始人和……

Memo: Signal, not noise!

扫码或点击「阅读原文」继续阅读