不融资的办公agent，跑出千万美元ARR｜对话Kuse CTO徐雨豪

2024年农历新年前一周，深圳南山区一个出租屋里，徐雨豪和吴显昆等Kuse核心成员围站在一块白板前，从芯片聊到客户服务，从技术壁垒聊到大厂动向。窗外这座城市正在快速空下来，人们拎着年货涌向火车站和机场，而他们已经在小屋里闭关了整整7天。

最后那天傍晚，终于结束头脑风暴的他们走上街头觅食。店铺几乎全关了，走了快半小时，几人才在一处巷口找到一家还在营业的猪脚饭店，站在路边吃完那顿饭。

那时Kuse刚刚成立，他们还不太清楚自己要做什么，更未预料到Kuse在一年后会达到千万美金级ARR，被用户称为「用NotebookLM的方法做的Notion」或「用Claude Code的方法做Office 365」。

CTO徐雨豪今年刚满30岁，安徽人，16岁考上浙江大学计算机系，比同级生小两岁，本科毕业后赴美到CMU读软件工程硕士。毕业后，他加入Facebook，早期进过Stories团队，短暂做过元宇宙项目，后来又加入了「日本今日头条」SmartNews。

在Facebook，他的第一个正式项目是调整Stories在屏幕上的大小。工程上简单到只需要改几行代码，但他花了一两个月做跨部门协调、用户研究、数据评估。那是他第一次意识到：在大公司，一件事的影响力和它的技术难度往往是错配的。

他更在意另一类事。2020年疫情爆发，他在Facebook组织十几个同事做了个叫「COVID Info Hub」的项目，帮用户对抗假新闻、获取实时信息。2022年上海封城，他又在远程做了一张疫情地图，上线第一个小时访问量就破了百万，服务器全挂，他连夜扩容——这些都不是他的本职工作，甚至不在任何一个KPI里，他却很享受看到技术对用户的真切影响。

图解：在CMU校园的徐雨豪

2022年底，ChatGPT横空出世。徐雨豪在SmartNews搭建Infra、做AI审核，每天和新闻评论、自动化分类打交道。他向日本CTO提了离职，对方说建议他再待一段时间，可以做点探索。于是他有半年时间，一边挂着职，一边四处找人聊创业。

那是AI创业最疯狂的时候。他见过海内外蜂拥而至的人，创业过的、没创业过的，每个人都觉得眼前是一个比移动互联网更大的周期。他聊过AI BI、聊过跨境电商工具，甚至物色好了早期员工，但总觉得哪里不对。

转折来自一通电话。他在CMU时的好友张岩问他：我们想做一个新的AI项目，缺技术合伙人，你要不要来聊聊？

徐雨豪去了，见到了吴显昆。吴显昆做过设计师，在真格基金、蓝象资本待过，和离开了英伟达自动驾驶AI Infra团队的张岩，一起创立过为游戏行业提供AI解决方案的RCT AI。几人对话后觉得非常互补，决定一起组队后就开始找方向。

他们把自己关进了那间出租屋。

白板上写满了又擦掉。他们讨论芯片、模型、经济周期，讨论做什么才不会被大厂轻易碾过。一周过去，没讨论出最终答案——今天Kuse做的事和那时画的草图几乎毫无关系。但徐雨豪觉得那一周是必要的：「这很明显是我们这一代人第一次见到的大周期。我们的牌怎么打，在牌桌上占什么位置，是到今天还在讨论的事情。」

除了最早试水过营销邮件agent外，Kuse最明确的方向是做一个可以在「无限画布里操作的设计agent」，可惜做得太早、模型不跟手、销售也不顺。但无心插柳，他们发现有大量用户上传的不是设计稿，而是报表、合同、乱七八糟的PDF，会通过白板问问题、生成文件。

他们盯着用户行为看了很久。那些上传文件越多的人，留得越久。于是他们把白板慢慢往后放，把文件处理往前推，把「设计agent」这几个字彻底摘掉，在2025年10月，推出了以「AI Folder」为表现形态的Kuse 2.0，定位是「Agentic Office」，用户能把繁杂的资料生成为文档、PDF、PPT、Excel甚至网页。

图解：Kuse 2.0界面

今年初，他们又调了一次头。计价方式从按任务扣费，改成按token实际消耗。以前200积分的任务，现在有的变成20，有的变成1000。

有老客投诉，有人说没必要。但徐雨豪想得很简单：agentic office的token消耗是chatbot的100倍，如果继续补贴，毛利率永远做不正。

「我们得面向真实的世界。」他说，「哪怕短期有阵痛，也宁可把账算明白，倒逼自己去找真正高价值的场景。」

以下是「新物种Sinovum」和Kuse CTO徐雨豪的对话，欢迎进入走向「Chaos in, genius out」的故事。

「对话徐雨豪」

 01. 

从设计Agent到Agentic Office

新物种：你们团队是先组队后找方向的，在出租屋闭关的那周，都聊了什么？

徐雨豪：我们当时的判断是，全世界所有软件都会被重做。

我们从最重资产的芯片一直讨论到最上游的客户服务；聊做什么才不容易被大玩家占道；聊把所有公司数据接到一个地方，决策都依赖AI，不只做个chatbot；聊过怎么帮所有人更低成本接不同AI，就是OpenRouter那一路；包括生图、生视频甚至简单的套壳app，去流量洼地把AI推到渗透率更低的地方。

但核心还是看自己能做什么。

新物种：那你们先做了哪些方向？

徐雨豪： 最早的探索期时我们只有四五个人，做过一个EDM营销邮件agent，帮人发定制化销售邮件、cold reach，还有自动回访。做了demo，目标客户是跨境电商，但不是很成功。

然后因为显昆有很丰富的设计背景，我们就做了一个设计agent，但做得太早了——24年，模型并不是很ready。

我们做了个无限画布。用户只需要跟agent对话，它会自动挑选模型，持续修改至满意为止。我们花了很多功夫，加入了大量行业相关的workflow，才把这个东西勉强做到可使用的级别。即便如此，它的销售还是遇到了很大困难。

那时最合适的不是这样的agent，而是以大量人工参与的workflow或者ComfyUI这种。设计agent真正ready大概是24年年底到25年年初——Claude 3.5使其具备可能性，也能看到这个期间的Lovart做得很不错。

虽然我们和Lovart团队没有交流过，但大家的想法有共同之处，可惜我们开始时没有意识到技术没有真的ready。

新物种：所以你们后来不做设计agent，转做agentic office。

徐雨豪： 无心插柳柳成荫。

我们原本希望用户可以丢素材进来，让AI产出下一个设计。但我们发现，有很多人在这上传的是其他资料——不再做设计，而做资料的总结和格式转换，即便在无限画布上操作是很别扭的，因为它更适合做创意工作。

我们又经历了新一轮的小屋会议，跟客户、用户聊，了解他们为什么要用我们这个东西？觉得这个东西的好处是什么？同时我们也在不断尝试推广这个方面的场景。

然后我们意识到，好像找到些方向了。

新物种：那是哪个时刻，让你们决定放弃设计agent这个原点？

徐雨豪： 我不觉得有一个moment让所有人「啪」一下做出决定。它是由好几个瞬间组成的。

首先，在Kuse做设计的人越来越少——不是总人数，直到今天还是有人用，但占比越来越少。

其次，我们发现，上传非设计资料的数量和留存是正相关的。我们有个口头禅：文件超三个，AI用Kuse。用户上传的资料越来越多，他们在Kuse的留存越来越好。

它是一个慢慢迁移的过程。我们逐渐降低设计方面feature的开发和迭代，转而去把精力投到另一个方向，比如现在我们对PDF的处理和理解在业界是比较领先的，因为需要处理大量客户这种非结构化数据的上传和处理。

慢慢就会意识到，设计类工作的占比已经不重要了。

新物种：但放弃无限画布应该是一个比较艰难的决定。

徐雨豪： 这件事的冲击非常大。直到现在还有人在上周给我发邮件说，如果你们要抛弃无限画布，能不能把那个版本开源，他还要用。

但我们做这个决定还是因为用户人群塑造产品形态。

善用无限画布的人是什么画像？几乎跟Mac OS是高度相关的——用Macbook的人，设计师群体、科技公司产品经理、少量需要画diagram的程序员，包括部分教育用户、iPad使用者。

但当用户画像逐渐往更多传统企业的小企业主、白领、knowledge worker迁移，而且不再是做设计agent后，我们意识到，无限画布成为了阻碍而非帮助——既要教用户怎么用AI，又要教他们怎么用白板。

我们也花了很久功夫才下定决心，这不得不导致大幅度的退订和用户留存下降。在已经还不错的用户基础下，这对公司的阵痛还是很大的。

内部也有不舍，团队现在还留着原来的版本会自己使用。但这终归是对场景和客户的认知带来的决心，容易调头也是创业团队的好处，如果在一个大公司，这个产品已经进入稳定期，会很难做出这个决定。

 02. 

现在的AI已经是AGI了

新物种：你们的愿景是「Chaos in, Genius out」，除了做office相关的事，有考虑过社媒文案或者是视频等形式的「Genius out」吗？

徐雨豪：除了文档、PPT、Excel之外，其实现在不少人也会把繁杂的信息扔进来把它转换为帖文，这类工作流倒是挺常见。

而视频的确是我们一直以来较为纠结的事，内部也做过一个小的试用版，但我们不希望只是简单接一个如Seedance2.0这样的模型，用户直接去他们的官网使用是更便捷划算的，除非我们挖掘到一个合理的产品形态和场景，否则不会做。

当然如果我们下个月想到了好的idea，说不定就开始了，毕竟我们变化很快（笑）。

新物种：很多AI应用或agent停留在一次性对话，你们如何实现「越用越聪明」并让用户沉淀下来？

徐雨豪：我有个暴论：现在的AI已经完全是AGI了。

怎么定义？一开始AGI的标准是图灵测试，现在的AI早就超越了。你分辨不出来——当然会有语气问题，但你可以告诉它别用那种语气。后来有人觉得，这是人类为了脸面，把AGI定义得越来越难，比如必须突破物理定律才算。

在我看来，给AI足够多的环境和工具，它能完成99.9%人类能做的事。如果不计成本，虚拟世界里几乎没有它不能攻克的场景——除了现实世界，比如机器人。

所以在很多场景下，它已经是AGI了。问题在于资料的串接。它不认识你，比如你问「我喜欢什么」，如果没聊过天，它不可能知道。

这就是AI agent的方向：怎么把更多资料给到它。

技术上有两条路：一条是RAG，检索增强生成；另一条是把所有东西放进文件系统，让agent自己去搜。现在还没定论，我们觉得需要并行，因为它们解决的问题不一样。

所以Kuse两个都做。现在的架构，左边有一列文件夹，人和AI都能访问。对AI来说，就像操作一台电脑，去文件夹里找东西。它可以看文件名、搜关键词、做向量搜索——我们提供了多种方式，agent可以自由操作文件夹，通过各种搜索方式达成你的任务。

技术上是这么实现的，这带来的影响是：你工作相关的内容传得越多，它越有可能完成你想做的任务。

新物种：用户上传的文件很杂、格式不统一，你们是怎么处理的？

徐雨豪： 简单来说，一个是多媒体向量，RAG的常规做法，把所有输入转成向量空间可表达的方式，这样才能做搜索。

第二个方式——相信AI和agent的能力。现在的主流模型很会用文件系统，它会写脚本自己做探索和搜索。

我们就把客户的数据转成更适应这种格式的形态。标题要有意义，如果你的标题是一串乱码，我们就得在给AI之前，把它变成有意义的标题，再附一个summary。

行业里叫「渐进式阅读」。就像AI先翻一下图书馆的目录，找到线索就往下找，找不到就没了。如果你的书没放在合适的板块，名字也搜不到，那自然找不到。

新物种：我看到有人把Kuse比作「用NotebookLM的方法去做Notion」你怎么看这个评价？

徐雨豪：确实不止一个人这么说。

这也是我们转型的原因之一。去问用户Kuse对他意味着什么，很多人会拿NotebookLM来比——当时我们还是设计agent白板的时候，就有用户这么比喻了。

后来我们认真看了NotebookLM，发现它的画像、使用场景跟我们很像。只是我们更往工作场景、B端去靠——NotebookLM是Google的获客渠道，不需要靠它赚钱；我们作为创业公司，得从产品里赚到钱。

这个比喻很说明问题。所以在产品迭代、方向调整上，我们也跟这两个产品学了很多，吸收了它们的一些精华。

 03. 

 大厂培育心智，初创赢在柔软  

新物种：Claude最近推出了Claude Cowork，这类基模大厂下场，你们怎么办？

徐雨豪：其实Claude Cowork的出现对我们而言好处远远大于坏处，因为他们可以帮我们做很多用户教育。

我们是没资格说真正做用户教育的，作为初创很难说服不愿意尝试的人来用。我们的客户大多是对AI有一定了解、愿意赶上这辆火车的人。

Cowork是个非常好的信号：如果说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意味着，传统白领也会从agent里获得收益，因为agentic office是one shot，一条prompt帮你把事干了。

用户教育很难。它不像coding场景，程序员相对愿意接受新事物，推广速度非常快。knowledge worker场景则慢得多。这有个反常识：AI渗透率其实还很低，你以为大家都在用豆包、DeepSeek、ChatGPT，但其实基本停留在聊天层面。真正用AI解放生产力的方式，大多数人不知道。

Cowork让所有SaaS颤了一下。大家意识到，很多给人做的软件可能没意义了。现在已经有软件是给agent设计的，你做的不是给人看的界面，界面后面的事都是agent在做。这件事发生得比我们预期快得多。

我们是在一趟疾行的火车上。Claude是领头羊，带着我们去攻城略地。我们不觉得会被挤压，因为市场还没定下来。

新物种：有点像短道速滑，有人在前面帮你们挡风。

徐雨豪： Exactly，这是个更好的比喻。

新物种：你们最近调整了计价模式，改成按token消耗收费？

徐雨豪：对，过年前改的。

以前按任务计价，一个任务扣200积分。但在agentic office场景下，成本太不固定了——有的任务消耗极少，有的可能几十倍。用固定扣费，对谁都不公平。

现在有些简单的文档，可能只扣50分；但有人从20个PDF里提取信息生成新文档，1000分也合理。

我们做了这个调整——不补贴用户，保毛利率。确实有客诉。

但这事必须做。Agentic office体验好，但token成本高，不调整商业模式走不通。

它会倒逼我们做两件事：第一，找高价值场景——哪怕一次花20美金，用户得到的好处也远大于这个数。第二，计价透明，告诉你为什么这次扣1000分，而不是20分。

也在倒逼我们帮客户省成本——简单的任务，就该用性价比更高的模型。

Manus的Peak最近也聊过类似的观点。agentic产品消耗的token是chatbot的100倍，这让你有资格跟模型厂商谈怎么优化成本——更合理的cache，更合理的缓存。

我叫它「面向真实的世界」。以前有些情况在补贴用户，其实用户没觉得被补贴，因为他不知道真实成本是多少。

新物种：从改产品定位到改定价模式，为什么你们一直能这么果决？

徐雨豪：其实不够果决——半年前就该这样。Startup能成的唯一可能性，除非你有别人拿不到的资源，否则成功都来自你更好掉头、更柔软。你要说果断，其实这个行业的big tech也在做极大的改变。

我能猜到他们看到了一些小玩家看不到的东西。比如AWS、Azure、Google Cloud，今年会在算力投资上花掉几乎全部现金流。甚至可能——当然是大胆猜想——今年就会亏损。这对华尔街来说很难想象，他们一直被当成现金流机器。

为什么能下这么大决断？因为他们和我们一样，看到了接下来每一年，token的消耗量可能是前一年的十倍甚至一百倍。未来十年，是我们这代人没见过的基础设施大投资。上一个这种级别的全球基建，是互联网网络；再上一次，也许是铁路。

三家公司都能下这种决断，因为这是一个前所未见的机会。大家都明白：你的决断必须要快，不然落后得会非常快。

新物种：不过你们一直没有融资，为什么？

徐雨豪：融资是很合理的，但我们没融，有几个原因。

第一，时机不太一样。在这之前我们没完成足够的探索——AI创业怎么做，我们其实不懂，直到去年十月、十一月之后才算比较想明白。

第二，现在bootstrap（创业者仅依靠自己的初始资本或少量外部投资来启动和运营公司）比以前容易。生产关系的变化迅猛，所需的人少很多，我们现在也只有十几个全职员工。

第三，显昆他们从上一家公司退出之后有一定资源，可以投入进来。

当然，融资更合适的时机是scale up的时候。AI产品和以前的SaaS或互联网时代逻辑不太一样——过去你可以先烧钱获客，因为毛利率极高，边际成本趋近于零。服务一个人和一万人、一百万人，成本几乎不变。

但在AI产品上，你服务两个人就是一个人乘以二，服务一万个人就是一个人乘以一万。大头成本在token，而且是线性增长的。

所有AI公司都要回应这个问题。你需要更小心地挑选客户，很多人在这里做的尝试可能没有意义——至少在这个赛道，现状就是如此。

我们的回应是：更小心地获客，更节约地花钱。这个钱是自己的，所以更小心。

当然不是永远不融。等我们明白这个游戏怎么玩、怎么scale up的时候，融资就顺理成章了。

新物种：那ARR千万美金是在转型前还是转型后达到的？

徐雨豪：是在这期间实现，并非某一天前面的全停了、变成新的了。

我们在香港、台湾有不错的用户群体和客户群体，也有很多B端采购。也是为什么现在团队在深圳的一大原因，这样离客户更近，就更好去理解他们的问题是什么，怎么去帮忙做增量解决。

比如我们有很长时间，一个

feature

大概就吸引了很多客户：帮他们生成符合格式要求的

DSE

试卷（香港高考）。

 04. 

Agent「个人助手」元年已来  

新物种：你怎么看对于agent是套壳的评价？

徐雨豪：如果没抢占场景，它确实没门槛，但这事还没收敛。

25年年底，也就是两个月前，所有人都还觉得，all you need is reliable code——只要套上可靠代码，agent就能解决全世界几乎所有问题。

1月OpenClaw（原ClawBot）突然爆火证明了agent的架构没有收敛。大体架构如agent loop、REACT是收敛的，但其实现，因为设计不同，会产生完全不同的效果。

OpenClaw里面的memory实现就是跟其他所有agent的实现完全不一样的，也包括它的心跳机制。这导致这个agent可以做到自主化、主动去找你，也导致它对长期的个人助手方向上的记忆更连续——其他agent其实都做不到。

当然也不是说有多难，因为它也开源了。任何从业者学一小时大概也就明白是怎么做的了。

这件事表明了：在不同场景下你需要的agent的设计是不一样的。因为它是个人助手，别的场景下你可能就不会做成这种7x24小时连续的记忆——意义不是那么大，甚至可能是相违背的。你可能需要做成项目制的。我们的memory就更偏向项目制，而不是这种连续制。

更让我兴奋的是，随着OpenClaw的出圈，今年可能也是个人助手真正爆发的元年。

新物种：那agent的护城河在哪里？

徐雨豪：首先，我认为所有的AI公司——包括OpenAI——护城河都不是很深。因为竞争格局完全没有稳定，不然也就没有创业公司的机会，大家只能一直跟上。

其次，现在最需要关注场景。所有的agent设计是跟场景强绑定的，没有一个通用设计。能不能占住用户心智、用户数据、用户场景，是当下最重要的。并且硬烧钱是有限度的，能不能健康地做这个生意也很重要。

新物种：在你看来，现在的agent创业者容易陷入哪些误区？

徐雨豪：好问题。我不觉得我真的有资格去说这个事，但可以讲一个很明确的、从24年讨论到今天的分歧：现在到底该烧钱抢占市场机会，还是把它当成智能制造业去做并维持健康的毛利率？

我经常开一个玩笑：AGI的事业是制造业。进口了token，把它加工成产品卖给客户。

当然它并不是真正的制造业，因为毕竟还是个软件，没有压货问题。但因为大头其实是生产成本——token，所以整体财务或商业模式跟制造业确实有些相关性。

毛利率是最重要的指标之一。如果是负的毛利率，这事到底能不能做？一旦某天把毛利率调成5%，客户还能不能付这个钱？

我不能说这是一个误区，我只能说，我们更认同后者。

新物种：你们团队的平均年龄有多大？agent如何嵌入在工作流中？

徐雨豪：平均年龄24岁，我已经算大的了。

我们偏好年轻人，因为很多经验不work了。SaaS和互联网那套，对agent产品没什么帮助。以后做软件是给agent用的，跟以前完全不一样。

我们公司已经是agent化的存在。我经常问同事，你在操作几个agent干活？他说三个，我说你得赶快把三个变成十个，然后提拔一个当主管。

很多同事的工作方式已经完全是作为指挥官指挥AI干活。哪天AI服务器挂了，他就直接放假。比如说我们有自动测试agent、做视频的agent，收集反馈的agent等等，内部的生产关系已经被永久改变了。

新物种：三年或五年后，你希望Kuse成为一个什么样的公司？如果没有实现，问题可能出在哪里？

徐雨豪：我们没法规划三五年，甚至没法规划三个月，就希望Kuse能成为「人和AI协作的新方式」吧。

如果没成，大概率是执行出了问题。我不信这个方向是错的。要么是我们没真正实现到愿景，做的东西不是大家真想用的；要么是我们自己搞砸了，现金流没管好。我们之前赌的方向，事实都证明是work的。

上次跟投资人聊，他问：这些学生能接受这么用AI吗？我回答：这些学生从学习开始就是这么用AI的，他们已经没法想象不是这么用的时候的样子了。对年轻人来说，这是理所应当。

再举个做临时dashboard的例子。传统技术人眼里，dashboard要考虑数据、效率、对接、更新频率。我们有位年轻同事经常用Kuse做临时dashboard，我反驳他数据没法维持，他说两分钟就出来的东西下次可以再做一个。人类历史上，软件从来没有成为过这样的一次性用品。

文章来自于微信公众号 "新物种Sinovum"，作者 "新物种Sinovum"