在大模型工具层爆发之后，真正的问题逐渐清晰：我们并不缺能“生成文本”“画出图”的 AI 能力，而是缺一个能承载任务、连接角色、组织流程的系统。在当前多数产品仍围绕“输出内容”进行打磨的背景下，协作的逻辑、语境的保留、流程的延续，反而成了被忽视的基础设施。
这也是为什么，一类新产品开始选择从系统底层出发，而不是再叠加更多功能。Agnes AI 正是其中的代表之一。
诞生于新加坡国立大学（NUS）体系的 Agnes，是一家总部位于新加坡的AI创业公司。它并没有选择深耕某一类内容生成场景，而是从一开始就将目标对准“AI 如何参与协作”这一更高层的问题。它不是拼装 ChatGPT + Canva + Notion 的工具集合，而是试图将生成、结构、创作、团队协同整合进一个统一空间——一个真正 AI-native 的工作现场。
展开剩余87%相比“任务完成后再跳平台协作”的传统路径，Agnes 提供的是“任务在协作中完成”的新流程：内容生成即知识构建、设计迭代即版本管理、用户交互即团队语境。这种协作方式的变革，使用户不必在多个系统之间复制粘贴或反复协调，而是可以在一个平台中自然流转。
截至 2025 年 7 月，Agnes 注册用户已突破 10 万，日活稳定在 2.3–2.5 万，主力用户来自内容创作者、初创团队、学生研究者与中小企业团队。这类“高频协作+跨任务迁移”的使用方式，也推动其在资本市场获得积极反馈。目前 Agnes 正以 1 亿美元估值开放新一轮融资，并考虑因数据表现超预期而上调估值，用于加速面向东南亚、拉美等新兴市场的拓展。
在资本侧，Agnes 也引发了关注。目前其正在以 1 亿美元估值开放新一轮融资，并因近期数据增长迅速，已有机构建议重新评估估值窗口，以提前为全球化扩张储备资源，尤其关注东南亚、拉美等 AI 应用潜力市场。
AI Design 上线：让生成不止于内容，而进入设计共创
8 月 1 日，Agnes 上线了新功能 AI Design。相比以往侧重文本生成的模式，这一功能进一步拓展了系统在图像、视频与结构化表达方面的能力。它的核心不在于“生成更多”，而是推动协作流程中任务结构的演化。AI Design 并不试图取代设计者，而是降低跨工具、跨角色的协作摩擦，使生成更具上下文，并嵌入实际工作流中。
与强调风格或画面美感的传统 AI 绘图工具不同，Agnes Design 更关注的是三个维度：是否能被实际使用、是否便于修改、是否适合协作。它并不定位为“会画画的工具”，而是作为嵌入内容生产流程、服务表达目标的一个系统节点。
Agnes Design 的核心特征，在于它打通了“从研究到视觉表达”的完整链路。用户在 Agnes 内完成 Deep Research 后，系统可自动提取要点，生成风格统一、语义连贯的图像素材；接着，这些素材会被结构化编排为 PPT 幻灯片，过程无需跳转平台，也无需借助第三方软件，降低了跨工具协作的复杂度。
AI Design 目前支持的能力包括：
基于文字生成图像：根据语义自动匹配风格，输出多组视觉素材；
图层级修改：将图像分解为语义图层，支持更精准的调整与替换；
图文驱动视频生成：依据语义进行镜头拆解与初步剪辑；
与Deep Research 模块联动：实现“研究-图像-PPT”全链路的结构化输出。
基于文字生成图像：根据语义自动匹配风格，输出多组视觉素材；
图层级修改：将图像分解为语义图层，支持更精准的调整与替换；
图文驱动视频生成：依据语义进行镜头拆解与初步剪辑；
与Deep Research 模块联动：实现“研究-图像-PPT”全链路的结构化输出。
这套设计思路背后，是 Agnes 对“AI 在任务流中扮演何种角色”的系统性思考：协作不应只是多工具的线性拼接，而应在统一空间中实现内容、媒介与人的同步联动。
从执行层面看，Agnes Design 可以被视为一个“能理解语义、响应快速、支持修改”的 AI 协作助手；从系统层面看，它试图将视觉创作从孤立任务转化为结构化协作的一部分，成为多角色内容工作流中的承载节点。
在实际测试中，Agnes 的生成效果与协作能力同样令人惊艳，充分体现了其“从研究到表达”的一体化能力。
案例一：当用户提出围绕“火星移民”展开调研的需求时，系统首先通过 DeepResearch模块对资料进行深度整理与语义理解，自动提取出关键结构与内容脉络。随后，Agnes 可基于这些要点生成风格统一的视频，并将图文内容结构化编排为 PPT 幻灯片，实现内容的可视化表达。整个流程无需跳转平台，支持团队在线协作与实时修改。
案例二：针对“具身智能”研究主题，用户希望生成一份用于学术汇报或内部研讨的演示文稿。Agnes 依据输入内容，自动生成清晰有逻辑的内容结构与配图，最终产出风格统一、适配场景的完整 PPT。
查看示例：https://app.agnes-ai.com/share/1754118941944890
协作重构：从系统视角看 AI 的下一站
随着生成式 AI 从单点能力走向复杂流程，行业的关注也逐渐从“生成效果”转向“协作结构”。越来越多从业者意识到，决定 AI 能否真正落地的，不是回答是否准确，而是系统是否能承载任务、组织流程、维持状态。
OpenAI 联合创始人 John Schulman 曾指出，未来高价值的 AI 应用，将取决于是否能在多步任务中持续理解上下文与组织目标。红杉合伙人 Konstantine Buhler 也判断，应用层的下半场将围绕“协作系统”展开：谁能构建出真正可嵌入企业任务流的结构，谁就掌握了平台红利。
Agnes AI 创始人 Bruce Yang 是这一系统转向的坚定支持者。相比强调模型本身的智能，他更关注 AI 是否能“接得住”任务，承担任务的延续、转化与协同，而不仅是一次性的响应。他在 WAIC 2025 提出，“我们真正缺的，不是功能，而是结构。协作不是功能的堆叠，而是一个能支撑共识建立、上下文共享与任务流动的系统。”为此，Bruce 在多场论坛中持续强调两个关键词：Agentic Workspace与 Multi-Agent System。
在《财经》采访中，Bruce 被视为“超级个体”的代表——既懂技术、通产品，又能解构复杂协作关系并重构任务路径。他所信奉的协作观并非“AI 替代人”，而是“AI 作为结构共同体的一部分，与人协作完成任务的延续性流动”。他提出，真正强的 AI 系统，未必生成最好，但一定最“能衔接”。
尾声
从“能生成”到“能协作”，AI 工具正经历一次底层转向。效率不再是唯一指标，结构才是决定落地的关键。
Agnes 所代表的，不是一个功能集合，而是一种将任务、语境与角色组织在一起的系统尝试。它的出现回应了一个更根本的问题：我们真正需要的，不是更多工具，而是能“接得住”工作的操作空间。
这类系统仍在早期，但方向已愈发明确。AI 想进入真实世界，协作能力将是绕不过的门槛。平台如何组织协作，将决定它能走多远，也将决定它，是否值得被长期使用。
来源：
[1]
[2] https://arxiv.org/abs/2507.03254
发布于：浙江省科元网配资提示：文章来自网络，不代表本站观点。
