文｜周鑫雨

編輯｜蘇建勛

2025年2月，OpenAI聯(lián)合創(chuàng)始人Andrej Karpathy金口一開，他提出的“Vibe Coding（氛圍編程）”就成了AI創(chuàng)業(yè)最性感的賽道。

在這個主打“忘卻代碼存在，靠與AI對話創(chuàng)作式編程”的賽道中，跑出了全球增速最快的AI獨角獸，ARR（年化收入）已達1億美金的Lovable。

在國內(nèi)，入局Vibe Coding的明星創(chuàng)業(yè)者眾多。不過，隱形冠軍卻出自一家深圳公司，DeepWisdom。

提起DeepWisdom，你可能會覺得稍顯陌生，但從中卻誕生了近幾年國內(nèi)最知名的幾個爆款開源項目：

GitHub上擁有近60k stars的多智能體框架項目MetaGPT，以及5名成員半夜僅用3小時就復刻出Manus的OpenManus。

旗下2025年2月發(fā)布的多智能體Vibe Coding產(chǎn)品MetaGPT-X（簡稱“MGX”），0投放，卻在發(fā)布一個月實現(xiàn)了全球50萬注冊用戶、100萬美金ARR的成績。

上線7個月以來，MGX依然保持穩(wěn)定的增速。官方數(shù)據(jù)顯示，截至2025年9月，MGX的月訪問量已達到120萬，每天生成應用數(shù)量超過1萬。

DeepWisdom創(chuàng)始人兼CEO吳承霖對我們透露，MGX是目前國內(nèi)Vibe Coding領域用戶規(guī)模最大的產(chǎn)品。

不僅如此，DeepWisdom也拿下了國內(nèi)Coding Agent賽道最高的融資金額。

《智能涌現(xiàn)》獲悉，2025年上半年，DeepWisdom連續(xù)完成了由螞蟻集團、凱輝基金、錦秋基金、BV百度風投、概念基金等機構(gòu)投資的兩輪融資，折合約2.2億元。

其實，在2024年之前，商業(yè)化和漂亮的收入數(shù)據(jù)，都不是DeepWisdom的核心目標。

比起一個商業(yè)化的公司，DeepWisdom的氣質(zhì)，更像是高校的實驗室。內(nèi)部鼓勵發(fā)論文，對幾乎所有成員開放核心代碼，也組織過數(shù)十場有關Self-play（自我博弈）和Reward Model（獎勵模型）的分享會。

吳承霖信奉“學術循環(huán)”的理念——只有經(jīng)過持續(xù)的學術積累和突破，才能獲得爆發(fā)性的成功。比如DeepSeek，如果沒有此前MLA、新MoE架構(gòu)、self-play等一系列創(chuàng)新，就不會有R1的突破。

兩年以來，他也保持著高強度的論文閱讀習慣。這期間，他掃完了Arivix上近20萬篇論文，著重梳理了其中2100篇，并標記了不到300篇重要研究。

“你必須明白世界發(fā)生了什么，以及什么事情是重要的�！眳浅辛馗嬖V《智能涌現(xiàn)》，“只要做重要的事，沿著規(guī)劃走，產(chǎn)品達成100萬美金ARR不是難事。”

對DeepWisdom而言，做出能給用戶帶來完整商業(yè)閉環(huán)的AI Coding工具，是當下最重要的事。

此前，吳承霖在華為、騰訊等公司有過十億級用戶、千億級數(shù)據(jù)的大規(guī)模復雜AI落地經(jīng)驗。2019年成立DeepWisdom后，他先是做了不少B端的AI Infra和機器自動化定制項目。

在這一過程中，他從定制化的累活中趟出的路徑是：用AI Coding解決徹底的定制化；更進一步，AI Coding工具的角色不僅是工程師，而是一家能幫助用戶商業(yè)化變現(xiàn)的公司。

為此，從開源的MetaGPT，到MGX，DeepWisdom都設計了一套多智能體框架，讓承擔調(diào)研、產(chǎn)品經(jīng)理、工程師等不同角色的Agent相互配合，找到一套合適的SOP，并不斷自我反饋和迭代。

2026年1月13日，DeepWisdom發(fā)布了新一代MGX，并且改名為“Atoms（原子）”。

相較于競品，吳承霖告訴我們，Atoms不像其他產(chǎn)品，只能生成“玩具”，而是內(nèi)嵌了登錄、數(shù)據(jù)庫、用戶認證、部署、支付等系統(tǒng)，5分鐘就可以交付能直接上線運營的完整網(wǎng)站。

另一個優(yōu)勢，則在于Atoms的高性價比。Atoms可以用20%的成本，達到超過市場競品45%的效果，性價比高于Lovable、Replit等競品�！坝脩粢廊皇莾r格敏感的�！眳浅辛乇硎尽�

△Atoms與競品的性價比對比。圖源：DeepWisdom

AI Coding，從“玩具”到幫用戶獲利

當下，AI Coding賽道火熱，但大多產(chǎn)品依然被詬病為“玩具”，關鍵在于生成的產(chǎn)品，還無法端到端實現(xiàn)前后端開放，也無法打通第三方支付等系統(tǒng)。

這就導致，大多Coding應用生成的是“預覽版”的單一網(wǎng)頁，無法做到為用戶實現(xiàn)真正的提效和獲利。

通過內(nèi)置的后端、數(shù)據(jù)庫、用戶認證、安全支付等，Atoms開發(fā)的是可直接上線運營的產(chǎn)品。

具體到效果，多智能體的架構(gòu)，能夠讓Atoms通過自然語言，實現(xiàn)“需求調(diào)研—需求文檔定義-原型設計-代碼開發(fā)-數(shù)據(jù)分析爬取“等完整的產(chǎn)品開發(fā)、交付流程。

在一個典型的開發(fā)流程中，Atoms會調(diào)用調(diào)研智能體（信息搜集）、產(chǎn)品經(jīng)理智能體（撰寫需求、功能對比文檔）、架構(gòu)師智能體（撰寫技術文檔）、工程師智能體（網(wǎng)站開發(fā)）、數(shù)據(jù)分析智能體（數(shù)據(jù)爬取與分析）。

△用Atoms搭建的在線課程平臺，配備視頻課程、可下載資源和學生進度追蹤功能。網(wǎng)址：https://mgx-2x5x65xztvp.mgx.world。圖源：企業(yè)官方

多智能體協(xié)作的優(yōu)勢，還體現(xiàn)在能夠解決AI Coding產(chǎn)品的三個卡點：從市場到用戶數(shù)據(jù)的深度調(diào)研、復雜功能支持、產(chǎn)品自動化測試反饋。

比如，為了滿足產(chǎn)品開發(fā)前后期的深度調(diào)研需求，DeepWisdom開發(fā)了一款名為“Iris”的研究Agent，能根據(jù)用戶研究主題形成摘要/音頻、數(shù)據(jù)圖表、社交媒體內(nèi)容/應用等形式的完整調(diào)研報告。

Iris。圖源：企業(yè)官方

在官方評測中，Iris的研究能力超過了Gemini-2.5-Pro、OpenAI、Kimi和Perplexity。

△Atoms-DeepResearch的能力評測。圖源：DeepWisdom

除了通過內(nèi)嵌Stripe等第三方支付能力解決產(chǎn)品的付款問題，Atoms還內(nèi)嵌了一個名為“Sarah”的SEO Agent。簡單而言，Sarah就是一個SEO專家。通過為用戶搭建的產(chǎn)品構(gòu)建自動化的SEO策略，Sarah可以幫助產(chǎn)品獲得搜索引擎的自然流量。

因此，通過Atoms構(gòu)建的產(chǎn)品，可以直接上線運營，并且實現(xiàn)獲利和自動化增長。

△用Atoms搭建珠寶電商網(wǎng)站的過程。圖源：企業(yè)官方

在DeepWisdom內(nèi)部，圍繞智能體，學術研究、開源、閉源商業(yè)化形成了一個閉環(huán)。

在吳承霖看來，學術研究，有助于團隊判斷產(chǎn)品和技術的迭代方向。

截至目前，DeepWisdom已經(jīng)向計算機領域的頂級會議NeurIPS投稿了9篇論文，中稿了5篇。在最具含金量的Oral（作匯報）環(huán)節(jié)中，DeepWisdom入選了3篇論文。

通過學術研究，DeepWisdom形成了一條構(gòu)建下一代Agent的思路：

通過多智能體的動態(tài)分工和合理路由，像人類項目管理流程那樣形成合適的SOP，同時逐步補齊自我評估、記憶管理和跨環(huán)境操作等關鍵能力。

后來，無論是DeepWisdom推出的第一代商業(yè)化產(chǎn)品MGX，還是爆火的OpenManus，都是在多智能體協(xié)作的思路下實現(xiàn)的。

如今發(fā)布的產(chǎn)品Atoms，也是在多智能體的框架下，通過多智能體團隊的協(xié)作，來實現(xiàn)產(chǎn)品經(jīng)營的全流程，包括市場調(diào)研、全棧開發(fā)（包括用戶認證、支付、數(shù)據(jù)庫后端能力）、部署運維、產(chǎn)品營銷 ，數(shù)據(jù)分析等環(huán)節(jié)。

△Atoms在開發(fā)產(chǎn)品過程中調(diào)用了7個角色不同的Agent。圖源：Atoms官網(wǎng)

而快速驗證技術和產(chǎn)品、獲得靈感的路徑，就是開源。

早期，DeepWisdom在2023年6月開源的智能體框架MetaGPT，就初步驗證了多智能體協(xié)作、SOP管理理念在編程上的可行性。這一項目發(fā)布后，不僅在GitHub上獲得了58.8k的stars，還為DeepWidsom社區(qū)帶來上萬的新成員。

鮮為人知的是，比Manus幾乎早了一整年，吳承霖和阿里通義千問技術負責人林俊旸，就推動了一項名為OpenDevin的開源Coding Agent項目，也就是后來在GitHub上獲得超6萬star的OpenHands依托的開源框架。

這一項目的基礎，也讓DeepWisdom的幾名實習生，半夜花了三個小時就復刻出了Manus。

目前，DeepWisdom的開源組織Foundation Agents，在GitHub上已經(jīng)擁有超過15萬stars。

在開源上的成功，也為DeepWisdom的商業(yè)化，打好了技術口碑。

2025年2月發(fā)布的商業(yè)化產(chǎn)品MGX，誕生在一個并不樂觀的時間點。

吳承霖回憶，彼時公司的融資還沒到位，賬上現(xiàn)金流吃緊，連服務器和大語言模型都是找UCloud和AWS賒賬的。MGX的宣發(fā)幾乎沒有預算，全靠成員剪輯宣傳視頻和社區(qū)成員轉(zhuǎn)發(fā)。

但此前積累的口碑，讓MGX的增長產(chǎn)生了超乎預期的效果——上線一個月，MGX在0投放的前提下，ARR（年化收入）靠訂閱就突破了100萬美元。吳承霖對我們透露，上線一年以來，MGX的ARR還在穩(wěn)步增長。

但想要追上Lovable 1億美金的ARR，MGX必須破圈增長。

吳承霖做了兩個關鍵決定，一是改名，二是針對產(chǎn)品性價比做優(yōu)化。

將一款具有50多萬用戶的產(chǎn)品改名，無疑有巨大的風險。但吳承霖認為，在英語語境下，MGX的發(fā)音對普通用戶而言并不友好，改名為“Atoms”，更易于C端的傳播。

至于高性價比的迭代方向，源自最為樸素的產(chǎn)品觀：能把握用戶心智的產(chǎn)品，一是幫助用戶賺錢獲利，二要多快好省。

官方測評結(jié)果顯示，Atoms在任意成本下，都能實現(xiàn)優(yōu)于Lovable、Replit等競品的效果。

高性價比的實現(xiàn)，源于通過DeepSeek、Qwen等多個開源模型組合的效果優(yōu)化。吳承霖告訴我們，這證明了在現(xiàn)階段，閉源模型還無法與開源模型拉開絕對的差距，“Claude的效果不是最優(yōu)的”。

△在花費同等成本的情況下，Atoms的性能優(yōu)于競品。圖源：DeepWisdom

通過打造高性價比和“一站到位”的開發(fā)流程，Atoms讓“編程小白”等更多的普通人，也能釋放自己的開發(fā)、經(jīng)營需求，并從中獲得回報。

讓DeepWisdom團隊印象深刻的Atoms用戶，是一名加拿大的修車工人。這名沒有編程背景的普通藍領，下班后用手機在Atoms上，就開發(fā)了一款包含劇情的2D機器人對戰(zhàn)游戲。

如今，他在Discord上建立了一個15-20名測試玩家的游戲社區(qū)，持續(xù)收集反饋，并且不斷迭代。

△加拿大修車工人開發(fā)的游戲。圖源：游戲官網(wǎng)

不要迷信“1人公司”神話

比起商業(yè)化和產(chǎn)品數(shù)據(jù)，吳承霖最有心得、花費大量時間推演思考的，反而是AI時代公司的組織形式。

在組織團隊的過程中，DeepWisdom一個反共識的觀點是：“一人公司”“十人公司”在當下AI賽道的高強度競爭中，大概率并不占有優(yōu)勢。

當下，Midjourney（初始團隊規(guī)模11人）、Cal AI（初始團隊規(guī)模4人）、OpenArt（約10人）等明星AI公司的增長神話，讓10人規(guī)模左右的“微型公司”，成為AI創(chuàng)業(yè)的主流敘事——

隨著AI工具的普及，業(yè)內(nèi)普遍相信，靠10人的規(guī)模，創(chuàng)業(yè)團隊能干20人，甚至50人的活。

但吳承霖不止一次在公開場合提到，當每個人擁有計算機時，就相當于無人擁有計算機。他在2025年的外灘大會上表示：“AI賦能意味著‘卷度’只會上升，不會下降。AI創(chuàng)業(yè)公司會更卷�！�

他對《智能涌現(xiàn)》舉了個例子：當下最火的瑞典AI Coding公司Lovable，規(guī)模從2024年末的15人，在2025年6月快速增長到45人，近8個月的時間擴張到了3倍。

與此同時，Lovable高強度的工作節(jié)奏也與北歐work-life balance的文化大相徑庭——吳承霖告訴我們，“996”才是Lovable的常態(tài)。

“卷”和“高速擴張”，是AI創(chuàng)業(yè)小團隊面對高壓競爭、保持產(chǎn)品高速迭代的一個選擇。比如，Lovable幾乎保持著一周3個features的迭代速度。

DeepWisdom不執(zhí)著于規(guī)模的小——公司已經(jīng)有80多人，并在持續(xù)擴充，預計在2025年底擴張至100-120人。

在吳承霖看來，保持高效和靈活的關鍵點，是管理。

在之前的工作經(jīng)歷中，吳承霖發(fā)現(xiàn)，分工的難度，會給組織帶來很高的隱形成本：“有的公司可能白天傳遞需求、相互吵8個小時的架，到了晚上才寫2個小時代碼，80%都是溝通成本�！�

因此，在他看來，AI不僅要提高人效，更應該解決組織管理的痛點。

當下用AI管理團隊的“尖子生”，是美國大模型獨角獸Anthropic（旗下大模型為Claude）。

Anthropic官方網(wǎng)站發(fā)布的“Anthropic團隊如何使用Claude Code”一文提到，員工的每個項目都會伴隨著AI搭檔的跟進。

比如，Data Infrastructure團隊在每個任務結(jié)束后，都會要求Claude總結(jié)成果并提出優(yōu)化建議，形成反饋循環(huán)；沒有機器學習背景的推理團隊成員，也能依靠Claude來結(jié)束特定模型的功能，將研究時間縮短了80%。

更進一步，隨著記憶能力的提升，和對足夠工作、員工個人（性格、能力等）數(shù)據(jù)的學習積累，吳承霖認為，AI的角色會是團隊的管理者：

“AI將識別你所有的歷史行為，識別你的技能體系，判定你的舒適區(qū)，再給你派超出舒適區(qū)一點點的任務——它能比人類構(gòu)建出最高效的團隊運作模式。”

不過，在AI能力尚且無法達到“管理者”標準的當下，吳承霖覺得，團隊需要更多融匯算法、產(chǎn)品、工程等能力的“通才”，去彌補協(xié)作中的隱形成本。

在DeepWisdom內(nèi)部，不到15名最核心的“通才”員工，組成了一個名為“ROOT”的組織。在計算機系統(tǒng)中，ROOT指代的是擁有最高權(quán)限的賬戶。

這個頗具實驗性的組織，沒有產(chǎn)品經(jīng)理、算法工程師之類的職權(quán)劃分，而是需要負責從前端、后端，到算法、測試的全棧開發(fā)，目的是避免傳統(tǒng)分工中冗長的需求傳遞。

為了篩選人才，不同于標準招聘流程，DeepWisdom的多數(shù)核心成員，來自用戶社區(qū)，以及吳承霖發(fā)起的Mini Hackathon。

在他看來，用戶在產(chǎn)品實操中的表現(xiàn)，比簡歷更能直觀體現(xiàn)出員工在產(chǎn)品全棧開發(fā)中展現(xiàn)的“通才”能力，還有“Critical Thinking”和“Motivation”，他最看重的兩種員工素質(zhì)。

讓吳承霖印象深刻的，是一名通過Mini Hackathon選拔，并參與公司絕大研究工作的成員。在加入DeepWisdom之前，甚至不會寫代碼，但在Mini Hackathon中思維非�；钴S。

“我們從Mini Hackathon中招的幾名人才，效果是所有員工中最好的�！眳浅辛馗嬖V我們，“但他們和早期的OpenAI團隊一樣，背景都不是主流意義上最好的。”

最近，DeepWisdom即將在硅谷擁有第一個海外Office——這一棟被維基百科標記為“the lucky office”的寫字樓，跑出過Google、Paypal、Logitech等公司。

增添一些玄學的力量外，吳承霖告訴我們，這一棟寫字樓與斯坦福大學僅有一墻之隔，團隊來到硅谷的主要目的，是找到更多來自全球的“通才”：

“在未來很長一段時間內(nèi)，第一梯隊AI公司的競爭，依然是人效的競爭。”

歡迎交流！