从AI知识库到Agent OS，久痕科技只用了不到两年。故事变得更大了。

“大模型是发动机，上下文是汽油。”久痕科技创始人汪源将其战略化用为一个生动的比喻，“我们未必需要造整车，但可以成为所有智能体都需要的基础设施。”

近日，汪源在和虎嗅的交流中，系统谈及公司调整的原因、现阶段的商业化进展，以及一家十人左右的创业公司如何寻找独立生存空间。

2024年6月，网易服务18年、曾任集团副总裁及杭州研究院执行院长的汪源离职创业，成立久痕科技。公司最初打造的 remio，旨在将用户的网页、本地文档、会议录音及邮件等碎片化数据聚合为可供AI调用的个人数字记忆。而到了2026年4月，久痕科技推出了Agentic OS “rOS”以及运行其上的原生应用生态App。

简单来说，很多AI助手可以回答问题，却不了解用户电脑里的文件，也很难持续替用户处理工作。久痕科技想解决的正是这个问题。remio运行在桌面端，可以读取用户授权的文件、网页、邮件和会议记录，将它们整理成个人知识库，再由Agent帮助用户查找资料、生成内容和执行任务。它的产品有三个特点：桌面是入口，知识库负责记忆，Agent负责干活。

这个市场其实并不缺玩家。国内有腾讯ima、WorkBuddy等产品，海外的Anthropic、亚马逊也在探索类似方向。它们不都是remio的直接竞品，但都在争夺用户的个人数据、工作场景和AI入口。久痕科技目前只公开过一轮种子融资，尚未披露具体金额和投资方。

因此，对久痕科技来说，定位升级不等于商业壁垒成立。当科技巨头们不断将知识库、PPT生成和Agent能力塞进超级应用，久痕科技必须向资本市场证明，上下文管理能否成为一个独立的产业层，而不是一项随时可能被平台免费提供的功能。

图片久痕科技提供，经由AI处理

01

服务 Agent 才是下一代软件的底层核心逻辑

虎嗅：市面上Skill和你们rOS的aApp有什么本质区别？哪些场景Skill做不了？

汪源：企业都希望自主搭建专属智能体应用，但市面上其他平台仅支持组合Skill，这种打包出来的智能体只是工具集合，算不上完整应用。它没有独立数据库、专属数据存储，也不具备独立生命周期，无法长期后台持续运行。

以邮件自动处理场景为例，这个需求需要系统实时拉取新邮件，自动完成回复判断、邮件分类等工作。单纯依靠Skill，理论上能实现，但必须额外配置每分钟轮询的定时任务，整套工作流全程依赖大模型反复调度，执行效率极低。我们rOS内置原生内容驱动机制，支持绑定多邮箱，系统会主动实时抓取新增邮件，并通过实时订阅、事件通知能力直接推送至aApp处理。这套底层事件驱动能力，是目前其他同类产品不具备的核心差异。

虎嗅：传统Windows、MacOS会被Agent OS取代吗？二者是什么关系？

汪源：我认为底层PC、手机传统操作系统会长期存在，不存在被替代的关系，二者是分层叠加的逻辑。对于Windows、Mac这类底层系统，我们的rOS只是运行在其上的一款软件应用；但对于rOS之上的aApp智能应用，rOS又是承载它们的超级运行系统。完全没必要重新复刻、取代传统底层系统。可以类比云计算，云操作系统搭建在Linux底层之上，二者相互配合而非互相替代，Agent OS和传统操作系统也是同理的叠加关系。

虎嗅：给Agent设计软件，和给人设计软件有什么不同？

汪源：最直观的区别是，给Agent提供能力时，不需要复杂UI，重点是工具、API和命令行。

知识管理也会变化。过去给人使用的知识库，需要精细分类、打标签、重命名，否则人面对成千上万个文件时根本找不到内容。但Agent不一定需要这些整理工作，只要索引和排序足够好，它可以反复检索。这有点像雅虎和Google的区别。雅虎依赖人工分类网页，Google则主要通过索引和排序解决问题。

Agent不会让整理彻底消失，但会把人的知识管理上限从一千份资料提高到十万份。用户可能只需要精细整理其中最重要的一千份，剩下的交给索引和Agent。

虎嗅：现在Agent赛道为什么只能做短期规划，很难做三到五年的长期规划？

汪源：作为创业者，没办法锁定三五年后的发展结果。AI行业变化速度极快，机遇与风险同步存在，赛道不存在长期可落地的确定性。AI技术迭代节奏太快，去年上半年都预判不出下半年智能体的落地形态，现在同样无法预知2027年的技术边界，因此我们只能制定半年到一年的短期规划。过去在网易主要做年度规划，而且到年中经常调整。Agent赛道的可预判周期更短，我们只能看清半年内的清晰路线。

虎嗅：有些AI公司跟不上大模型Agent浪潮，但互联网巨头却能持续竞争，核心原因是什么？

汪源：巨头能持续参与大模型竞争，一个核心原因是资金储备充足。反观有些AI公司长期未能盈利，现金流紧张。想要跟上大模型、Agent这波浪潮只有两条可行路径，要么拥有顶尖自研大模型实验室团队，要么是资金雄厚的巨头。巨头早期并没有完备的大模型人才队伍，但依靠充足资金能够持续重金投入研发；而这些AI公司持续亏损，难以承担大模型与智能体赛道长期高额的研发开销。

虎嗅：Agent时代架构师价值有什么变化？AI能否替代架构师？

汪源：在Agent时代，架构师的价值会愈发凸显。AI仅能完成内容填充类执行工作，人类架构不可替代的核心价值，是搭建完整的任务框架、梳理业务流程、制定清晰的成果评判标准。如果使用者缺少架构层面的判断能力，很容易被AI生成的内容带偏，难以发现智能体输出结果里的漏洞和问题。顶层框架搭建、判定标准设计这类核心工作，是AI无法胜任的。

虎嗅：Agent时代衡量用户价值、粘性，新增了什么核心数据指标？

汪源：我们依然沿用互联网传统的留存、激活、月活等数据指标，同时针对AI产品新增了核心观测维度Token消耗量。Token消耗越高，说明用户深度使用智能体自动化能力，付费潜力更强。仅浅度试用产品的用户Token消耗很低，也很难转化为长期付费客户。

虎嗅：Agent应用最终应该怎么收费？

汪源：主流模式应该还是按用量收费。智能体应用的Token成本占比很高，用户消耗多少资源、完成多少任务，最终应该反映到价格里。订阅制可能继续存在，但订阅套餐背后仍然要考虑用量和成本。

虎嗅：中美用户的付费能力差异会影响商业模式吗？

汪源：差异很大，但创业公司解决不了用户消费能力的问题，只能贴近当地市场设计产品和定价。我们的策略比较简单，海外主要做To C，国内主要做To B。海外企业员工自主购买软件的路径更通畅，不一定非要通过企业采购。在国内，To C软件如果依赖投放，获客成本很高，To B虽然回款不稳定，但企业仍有采购意愿。

虎嗅：你遇到的机构投资人如何评估Agent底层基础设施赛道，他们最关心什么核心问题？

汪源：纯功能垂直的智能体上下文基础设施，是否拥有独立生存空间，会不会被大厂全栈产品覆盖替代。

虎嗅：站稳Agent赛道需要多少全球种子用户？达到怎样的付费规模才能支撑团队？

汪源：全球有十万精准种子用户，付费率达到6%-8%，就会拥有六千到八千付费用户。单用户年均付费100美金，年收入六十万至八十万美金，就够支撑精简研发团队的运转。

02

AI技术快速变化，重构研发逻辑，也是创业最大的确定性

虎嗅：在网易工作了18年，为什么在2024年选择离开创业？

汪源：大致来看，2005年至2020年是互联网的黄金时期。2020年之后，互联网进入下半场，很难再找到特别大的增量空间。直到ChatGPT出来之后，可以比较明确地看到，未来相当一部分行业增长会从互联网转向AI。摆在我面前的选择，一是加入一家AI公司，二是自己创业做AI。考虑到过去多年积累的产品、技术和管理经验，创业是更自然的选择。

传统互联网业务很多时候提供的是娱乐和情绪价值，毛利也比较高。AI应用更多是生产力工具，需要直接消耗模型和Token，成本结构完全不同。现在很多头部AI产品看起来收入很高，但套餐本身未必赚钱，一些Coding产品的高价套餐甚至可能是亏损的。在大公司内部，用增长、毛利和收入体量这些标准去评价，未必适合一个早期AI业务。

虎嗅：为什么2023年至2025年是AI创业的重要窗口？

汪源：可以类比移动互联网。iPhone和3G网络成熟之后，接下来的几年自然成为移动互联网的创业窗口。2022年底ChatGPT带来技术突破，之后三年也是AI创业相对集中的窗口。如果现在再出来创业，很多主流赛道已经有人占据，创业者需要寻找更细分的市场。

但这一轮AI的产业尺度远大于上一轮计算机视觉。商汤、旷视所处的上一轮AI浪潮，很少有人会直接对标全球劳动力市场。这一轮大模型却可以。全球劳动力市场每年价值几十万亿美元，这意味着它的商业价值衡量方式完全不同。

虎嗅：创业时最大的确定性是什么？

汪源：最大的确定性，是我相信AI能力在未来几年仍会快速进步。

一个场景可能几个月前还不可用，几个月后就能用了。AI Coding就是例子。两年前做不起来，去年上半年可能还不够好，到了下半年开始可用。今年，已经可以让AI以Loop的方式长时间执行任务，甚至在人睡觉时持续提交代码。

创业团队不需要保证三五年后一定是什么样子。技术变化越快，机会越多，风险当然也越大。创业者能做的是持续观察、快速动手。大公司发现机会后，还要经过层层汇报和决策，小公司转向的速度就是优势。

虎嗅：从个人知识库升级到rOS，外界看起来像是换了一个商业故事。这算转型吗？

汪源：算转型，但不是把原来的东西废掉。Remio最初聚焦数据层，主要通过知识库问答提供服务。后来我们在这个基础上增加智能体架构，再进一步做智能体应用架构。最近又重新投入上下文和DSL（领域特定语言）的研发。这是一个持续扩展的过程。小公司的优势就是转向快，我们肯定会根据技术和需求不断调整。

虎嗅：投资人最关心你们什么？

汪源：在智能体赛道里，我们有没有独立生存空间。做医疗、法律、营销等行业垂直应用，大家比较容易理解。我们做的是功能垂直，聚焦文档、上下文和个人数据，投资人会更难判断。我们今年对外沟通较多的定位是“上下文基础设施”。如果把智能体比作汽车，大模型是发动机，那么上下文就是汽油。我们未必需要制造所有整车，但可以成为智能体生态里的关键组件。

虎嗅：过去您管理过上千人的团队，现在公司只有十人左右，最大的变化是什么？

汪源：轻松很多。过去一周70%至80%的时间都在做管理。现在我应该是团队里写代码最多的人，终于可以重新自己写代码了。

虎嗅：AI改变了软件团队的协作方式吗？

汪源：过去一个任务通常要经过产品经理、设计师、前端、后端，至少需要四个人协同。现在很多任务可以由一个人端到端完成。我们没有传统意义上的产品经理，也不严格区分前端、后端和算法。团队按照相对独立的模块分工，有人负责移动端，有人负责邮件，我主要做PPT和Agent应用框架。每个人负责的边界更完整，协同成本反而下降了。

虎嗅：您曾提到晚上睡觉时，AI还可以继续写代码。怎么保证质量？

汪源：关键是先把Loop，也就是自动化工作流设计好。这很像制造业的流水线。白天的工作不是简单地让AI写代码，而是设计生产线：明确规则、测试方法和边界，禁止AI执行需要人工审核的高风险操作。晚上再让它在有限范围内无人值守运行。

比如PPT里有137种SmartArt，我们目前完成了不到40种解析，但已经覆盖数据集中约70%至75%的常用类型。解析不同SmartArt具有重复性，可以交给AI批量执行。第二天回来检查结果，再根据失败案例改进流水线。未来程序员会越来越像生产系统的设计者，而不只是流水线上的操作工。

虎嗅：既然AI让写代码变得更容易，AI创业的技术门槛是在降低吗？

汪源：表层门槛降低了，但真正做产品的门槛反而在提高。2023年做一个简单插件，可能就能获得一些用户，而现在如果拿不出更重量级的产品，用户根本不会用。AI可以提高单个工程师的产能，但市场对产品完整度的要求也在提高。这也是为什么AI创业者普遍需要更强的技术背景。AI可以完成模块，但创业者必须理解整个架构，知道怎么让AI跑通流程，并且有能力判断结果是否正确。

虎嗅：这意味着团队不会快速扩张？

汪源：至少未来一两年，我们的研发团队不会明显扩张。AI技术能力增长的速度，目前高于市场需求增长的速度。今年一个工程师可能相当于去年的三个人，明年一个人又可能相当于今年的两个人。如果国内To B业务增加，我们可能会补充销售和解决方案人员，但核心研发团队没有必要快速膨胀。

虎嗅：目前商业化进展如何？

汪源：C端从2026年1月开始商业化，B端是最近两个月才开始。我们一直等到Windows版本基本可用才开始收费，因为目标用户中，大量咨询顾问和企业办公人群是Windows用户。早期只做Mac是我们走过的一个弯路。

目前按月订阅用户中，第二个月续费率在80%以上，第四个月仍有60%以上。当然，现在样本和周期都还有限。如果进展符合预期，到7月收入可能覆盖公司约40%的成本，但这个数字并不稳定，尤其B端订单的波动会比较大。

（：AGI接口）