Emergent：六个月探索如何催生一家1亿美元ARR的公司

cover

摘要

本文整理自 Y Combinator 在印度举办的活动中，Emergent 创始人 Mukund Das 与 YC 合伙人的对谈。Emergent 是一个让没有任何编程知识的人也能构建、发布和变现软件的 AI 平台，上线仅 9 个月便积累了超过 850 万用户、构建了超过 1000 万个应用，并突破了 1 亿美元年化收入 (Annual Recurring Revenue, ARR)。Mukund 曾是印度知名即时配送公司 Dunzo 的创始人，将 Dunzo 做到月均 1000 万订单、近百万骑手的规模。在 Dunzo 的苦涩结局之后，他经历了长达六个月的低谷与自我反思，却在此期间纯粹出于兴趣地摆弄最新 AI 模型，最终洞察到"编程将被 AI 彻底颠覆"的趋势，与双胞胎兄弟 Madhav 共同创办了 Emergent。对谈涵盖了他的五次创业历程、从 Dunzo 学到的核心教训（攻克难题、极致关注客户、保持专注）、在 YC 期间如何通过攻克 SWE-bench 基准奠定技术基础、为何在众多竞品中选择"全栈自动化软件工程"而非前端 Demo 路线，以及对印度创业者的建议——从第一天起就放眼全球、相信直觉、敢于想大。整场对谈贯穿一个核心信念：AI 的进步将是指数级的，"生活在前沿" (Living at the Edge) 并预判未来六个月的能力，正是最好的创业优势。

正文

软件的力量与民主化编程的愿景

回顾过去三十年，全球绝大部分经济增量来自软件公司。如果从纳斯达克 (NASDAQ) 和标普 (S&P) 指数中剔除所有软件公司，增长曲线几乎是一条平线。这个事实引出了一个宏大的问题：如果能把构建软件的能力赋予世界上几乎所有人，将会怎样？全球有数十亿人怀揣无数想法，这些想法仅仅因为缺乏将之变为现实的工具和渠道而消亡。Mukund 与他的双胞胎兄弟兼联合创始人 Madhav 从 12 岁起就开始编程，对编程怀有极大的热情。他们深切感受到，让编程民主化——让每个人都能把想法变成可运行的软件——是一个意义非凡的使命。

Emergent 简介：9 个月做到 1 亿美元 ARR

Emergent 是一个让没有任何编程知识的人也能构建可发布、可使用、可变现的软件的平台。它乘着 AI 让编程变得更简单的浪潮而起。公司最初以研究实验室的形式起步，专注于构建编程智能体 (Coding Agent)，曾以仅四人团队登顶 SWE-bench——这是编程智能体领域的权威基准测试。随后团队开始思考：如果能把编程能力民主化，世界会发生什么？

上线约 9 个月后，Emergent 取得了令人瞩目的成绩：

850 万+用户在使用平台
1000 万+应用已被构建
1 亿美元+年化收入 (ARR)，成为全球增长最快的初创公司之一

平台的核心体验极为简洁：用户只需与智能体对话，Emergent 便负责从托管 (Hosting)、部署 (Deployment) 到维护 (Maintenance) 的一切事务，真正实现了"把想法变成现实只需一次对话"。

用户画像与全球覆盖

Emergent 的用户遍布全球 190 个国家。大量用户是没有技术团队的创业者，过去一直受限于技术获取而无法将自己的想法落地。收入主要来自美国和欧洲，印度贡献约 10% 的营收。Mukund 一直怀有一个强烈的信念：为什么印度不能诞生像 Google、Facebook 那样的技术驱动型全球公司？印度拥有大量顶尖工程人才，Microsoft、Google 等科技巨头的最高领导层中不乏印度人，但印度本土始终缺少一家技术先行的全球化企业。Emergent 正是他兑现这一信念的实践。

创业者的五次创业之路

Emergent 实际上是 Mukund 的第五次创业。他的个人经历丰富多彩：

成长背景：在印度中上阶层家庭长大，父亲是工程师。早年受 Steve Jobs 启发——2007 年观看初代 iPhone 发布会后立志"也要为世界带来类似的产品"。2008 年在西班牙实习时买了一台 iPhone 作为纪念品带回印度，尽管它在印度无法使用，还尝试破解让它工作。
赴美求学：2009 年赴美攻读博士学位，期间在 Google 实习。他发现 Google 已经提前两年完成了他计划研究的课题，于是决定退学加入 Google。
Google 搜索排名团队：他进入了仅 50 人、掌控 Google 全部搜索排名的核心团队，是团队中最年轻的成员。当时 Google 内部对机器学习 (Machine Learning) 持强烈反对态度，而他作为机器学习工程师，得以大胆质疑"为什么不在搜索中使用机器学习"，并最终推动了搜索排名的若干重大变革。
第一次创业——群体教育平台：离开 Google 后，创办了一个群体在线教育平台，获得了融资，但随后转型为 P2P 软件公司。他意识到自己的热情不在于教育领域，而是想打造消费者优先的产品，于是退还投资人的钱并关闭了公司。
第二次创业——习惯养成应用：创办了一家帮助人们培养好习惯的公司。同一时期结婚，妻子不愿搬到美国，他便回到印度，尝试远程管理纽约的工程团队，却痛苦地发现跨时区远程协作在当时几乎不可能。
贯穿始终的信念：始终相信直觉。当某个想法源于个人痛点时，反馈循环更短、对问题的理解更深、与客户的共鸣更强。

Dunzo 的辉煌与教训

Dunzo 是 Mukund 的第四次创业，也是印度互联网史上最具标志性的公司之一。它始于一个个人痛点：Mukund 搬到班加罗尔后，面对汽车保养、电力安装、燃气开通等琐碎事务，觉得应该有更便捷的方式。于是他建了一个 WhatsApp 群，把号码分享给朋友们——"有什么需要，在这个群里说，我们帮你搞定。"这就是 Dunzo 的起点：让城市生活更便利。

Dunzo 的规模令人印象深刻：

近 100 万骑手在地面配送
月均 1000 万订单
约 5000 家门店
是印度"快速商务" (Quick Commerce) 趋势的开创者——10 分钟送达模式的开路先锋
在巅峰期，Dunzo 成为印度最受欢迎的消费品牌之一，"Dunzo it"几乎成了一个动词

从 Dunzo 中，Mukund 提炼出三条关键教训：

攻克难题：Dunzo 启动时有 87 家公司做同样的事情——只需 WhatsApp 下单即可，门槛极低。但"最后一公里"配送才是真正的硬骨头：如何确保消费者收到完好无损的商品？Dunzo 选择亲自下场——早期 Mukund 自己骑着摩托车在夜间送单。这正是 YC 的经典格言"做不规模化的的事" (Do Things That Don't Scale) 的生动实践：亲自做事让你更接近客户、更深入理解痛点和价值。团队甚至曾为一位需要跨城配送的客户，让骑手搭乘飞机送包裹——这种对每一个客户的极致付出，创造了真正的用户热爱。在 Dunzo，每天晚间流量高峰时，所有工程师都会放下手头工作，上线做客服与用户聊天。他们还有一个叫"Watchtower"（瞭望塔）的团队，监控每一笔订单——运营如同作战室，所有事情都可能随时出故障。
保持专注：Dark Store（前置仓）模式当时效果很好，但 Dunzo 同时还在做 10 件其他事情——市场平台模式、取件配送等等。如果能意识到"这个模式跑通了，就该全力加码"，结果可能会大不相同。
运营严谨的传承：Dunzo 的运营严谨性被直接移植到了 Emergent——他们同样监控平台上所有正在构建的任务和应用，一旦出现问题立即标记。这种运营纪律成为两家公司共享的基因。

从 Dunzo 到 Emergent：六个月的修整与探索

2023 年，Dunzo 曾融资 1 亿美元，Mukund 甚至对联合创始人说过"我们已经大到不能倒了"——但故事的结局并非如此。2023 年 9 月离开 Dunzo 后，Mukund 陷入了深深的抑郁，半年内什么都不想做，只是反复反思"哪些事情本可以做得更好"。

幸运的是，AI 浪潮恰在此时席卷而来。ChatGPT 刚刚起飞，GPT-4 刚刚发布，新的语音模型和开源模型层出不穷。编程成了 Mukund 逃离现实噪音的出口——他每天坐在电脑前 10 到 12 个小时，纯粹出于兴趣摆弄各种新出炉的模型，没有任何目标。他甚至做了一个能在 Mac 上与自己对话的助手——类似于后来 OpenAI 高级语音模式的早期版本。他形容这就像小时候拿起一个新玩具就开始玩，纯粹是探索的乐趣。

正是这六个月毫无压力的"探索" (Tinkering)，让他获得了关键洞察：编程领域即将被 AI 彻底颠覆。当他开始创办 Emergent 时，所有在探索期获得的洞见都直接应用到了产品构建中。Mukund 总结道：当纯粹因为好奇心和解决问题的欲望而去构建东西时，你能够真正深入问题，获得其他方式难以企及的洞察。

"生活在前沿"：预见 AI 的指数级进步

YC 合伙人将 Mukund 的做法总结为"生活在前沿" (Living at the Edge)——模型当时还不太擅长写代码，VC 们说"模型还做不到"，但如果你把趋势外推，就能看到火花。最好的创业想法往往来自那些"目前还不太可能，但很快就会变得可能"的事情。

当 Mukund 向 10 到 12 家 VC 路演时，大多数都拒绝了他——因为他告诉对方"我们要自动化整个软件工程"，而 VC 们觉得这太疯狂了，"AI 还没到那一步"。但 Mukund 能看到模型的能力边界，只要稍作外推，模型目前失败的步骤完全可以通过训练来弥补。Emergent 从一开始就采取了一个大胆的假设：AI 的进步将是指数级的，我们要始终朝着 AI 的方向构建。 这引导他们从问题视角出发，选择"自动化整个软件工程"而非零敲碎打。

一个典型案例是 JSON 输出问题。Emergent 创立之初，大模型无法可靠地输出结构化 JSON，当时至少有 20 到 30 家 YC 公司在专门解决这个问题。Emergent 的判断是：下一代模型自然会解决这个问题，所以完全跳过它，直接构建智能体。事实证明这个判断完全正确。

技术深潜：多智能体系统与自研基础设施

Emergent 的技术架构远比表面看起来深邃：

多智能体协作系统 (Multi-Agent Orchestrated System)：不同的智能体在不同阶段介入执行不同任务——例如自动测试智能体 (Automated Testing Agent) 负责测试应用，设计智能体 (Design Agent) 负责设计界面。
大规模记忆系统 (Large Memory System)：协调所有智能体，并具有自我学习能力。每当一个新应用在 Emergent 上构建完成，智能体会自动提取可学习的要素存入记忆。因此，平台上每构建一个新应用，整个平台都会变得更好——这是一个强大的数据飞轮。
强化学习与微调：在收集的大量数据之上进行强化学习 (Reinforcement Learning, RL) 和微调 (Fine-tuning)。
全部基础设施自研：Emergent 自己构建了所有编程智能体和底层基础设施。例如，在创立初期，市场上没有人做深度容器技术 (Deep Container Technology)，他们不得不自己发明——为了支持多个并行智能体在同一快照上运行，他们自研了磁盘快照 (Disk Snapshotting) 和内存快照 (Memory Snapshotting) 技术。
并行智能体群 (Parallel Agent Swarm)：多个不同类型的智能体可以并行协作完成任务，这是他们对未来的方向判断。
系统三度重写：在 9 个月内，Emergent 已经因为新模型发布而重写了系统三次。每当新类别的模型出现（例如 Claude Opus），团队需要清空之前的经验，从新模型的视角重新想象可能性。这需要持续思考"新模型打开了什么新的可能性？6 个月后它又会在哪里？"

击败 SWE-bench 基准：YC 时期的转折点

Emergent 在 YC 时期的故事本身就是一段经典创业历程。进入 YC 时，团队原本在做测试智能体。但 Mukund 心中早已画好了蓝图——他在白板上画出"很快就能通过 AI 构建 Web 应用和移动应用"的愿景。第一天他就告诉 YC 合伙人"我们要做一个消费级应用构建公司"，对方回应"也许你应该考虑企业市场，这个目标太宏大了"。

于是在 YC 三个月的周期里，团队每周都冒出新想法——"AI 版 Zapier"之类的"本周创意"。每周都在转向，团队开始焦虑："你每周都有新想法，我们到底要做什么？"为了暂时安抚团队，Mukund 选择了当时最难的基准测试 SWE-bench，告诉团队"趁我搞清楚方向，先攻克这个基准"——因为解决更难的问题本身就有价值。

花了 3 个月时间，四人团队登顶 SWE-bench 全球第一。这个过程中，他们发现了日后成为 Emergent 核心竞争力的所有创新：并行测试时计算 (Parallelized Test-Time Compute)、记忆系统、智能体间通信机制——全部是在攻基准期间发现的。Mukund 总结道：把自己锚定在一个能显示进步的数字上，是推进目标和构建公司的好方法——它把你聚焦到正确的方向，给你清晰的反馈。

后发优势：为什么不是第一也能赢

Emergent 并非第一个 AI 网站构建工具。当它发布时，市场上已有不少玩家。这让人想起 Dunzo 启动时有 87 家竞争对手的故事。Mukund 解释了 Emergent 为何能在后发局面中脱颖而出：

竞品的局限：大多数现有平台专注于前端，擅长构建原型和演示 (Demo)，在"快速出效果"上找到了产品市场契合 (Product-Market Fit)。但用户的真正期望是可运行的、真实可用的软件——而当他们用提示词构建时，现有方案往往"起头容易收尾难"：没有真正的后端 (Backend)，没有真正的数据库 (Database)。
Emergent 的差异化：团队从"如果你要自动化整个软件工程，你会怎么做"的角度出发，几乎从零开始构建了一切。在实际测试中，同样的提示词在 Emergent 和其他平台上运行，Emergent 大幅领先。
GTM 策略：产品验证后，团队将增长问题转化为一道数学题——需要多少社交曝光、多少点击、多少转化才能达到目标用户数。他们判断网红营销 (Influencer Marketing) 是最适合的策略，因为产品已经足够好，核心是让尽可能多的用户看到它。

从印度走向世界：团队与招聘哲学

Emergent 95% 的团队在班加罗尔 (Bangalore)，几乎是完全从印度构建的全球化产品。近期在旧金山 (San Francisco) 开设了小型办公室，正在招聘。

Mukund 分享了招聘理念：看重学习斜率 (Learning Slope)——那些对解决问题充满热情、因挑战而兴奋的人。Emergent 区别于其他公司的一点是，团队中每个人都真正享受用 AI 解决问题——增长的快感当然好，但日常面对问题的复杂性和可能性本身就令人兴奋。

给创业者的建议：全球化、直觉与大志向

Mukund 基于两家截然不同的公司（Dunzo 面向印度本地，Emergent 面向全球）的构建经验，给出了三条核心建议：

从第一天起就放眼全球 (Think Global from Day One)：构建一家印度本地公司和构建一家全球公司，付出的努力是一模一样的——两者同样艰难。既然难度相当，不如选择更大的市场。如今互联网触手可及，技术是最大的公平器，每个人都能获取同样的技术，从印度也可以从第零天就触达全球客户。
相信直觉 (Follow Your Intuition)：作为创始人，你会收到大量建议，但直觉往往比外部建议更可靠——因为你对客户想要什么、需要什么有更深切的感知。
想得更大 (Think Bigger and More Ambitious)：你现在想到的，乘以 10 倍、乘以 100 倍。AI 时代一切都在剧变，现在不是攻击地板的时候，而是攻击天花板的时候 (It's not the time to attack the floor, it's the time to attack the ceiling)。你想得越大，成功的概率反而越高——因为更宏大的目标能激励更多人追随，也能激励你自己全力以赴。