OJO获近亿元天使轮融资：AI设计Agent能否真正实现“设计平权”？

当代码不再稀缺，设计判断成了新的缺口

过去两年，AI Coding 把“能不能做出来”这件事的门槛压到了地板。一个独立开发者用自然语言描述需求，配合 Claude、Cursor 或 v0 之类的工具，能在几小时内拿到一个可以运行的应用。但“能运行”和“能用”之间的距离，正在成为新的摩擦点。界面是否清晰、信息架构是否合理、视觉是否达到可交付水准，这些过去由设计师承担的判断，并没有随着代码生成能力的提升而自动消失。

一个具体的场景是：非设计背景的开发者用 Coding Agent 生成了一款 Fintech 落地页，功能逻辑跑通了，但字体、间距、配色和交互反馈都停留在“模板感”层面。他可以继续向模型描述“更高级一点”“更专业一点”，但这类模糊指令很难被转译成具体的设计决策。软件生产的瓶颈，正在从“实现”迁移到“实现之前的判断”和“实现之后的完成度”。

OJO 的融资消息正是在这个节点上被放出来的。据公司披露，8月25日，AI 设计 Agent Team 平台 OJO 宣布完成近亿元天使轮融资，由顺为资本和联想创投联合投资，高鹄资本担任独家财务顾问；具体融资金额未披露。公司由前剪映国内业务负责人张琪智（Kiki）创立，产品从数字产品设计切入，试图用可组合的 Agent Teams 与 Skills 覆盖从创意、交互、视觉到交付的全过程。与多数从 Coding 往前补设计能力的产品不同，OJO 把顺序倒了过来：先理解用户、定义问题，再组织产品结构与视觉语言，页面和代码只是最后的执行结果。

把“设计总监”拆成三层架构，但审美能否被工程化仍是问题

OJO 的产品架构由 Agent Team、Agent 和 Skill 三层组成。Agent Team 负责判断任务方向，目前提供需求分析、产品原型、设计优化和游戏设计四类；Agent 在具体方向上推进分析、决策、执行和检查；Skill 则是更细颗粒度的专业能力单元。据公司披露，OJO 已积累 200 多个 Skill，覆盖需求分析、产品定义、字体、视觉、交互、动效和开发等环节。据科技区角报道，部分 Skill 被赋予了具象名称，例如“鲁迅”用于检查需求中的空话和真实问题，“达芬奇”从结构和创造性上审视方案；该 Skill 名称及功能描述来自科技区角对 OJO 团队的采访转述，公开材料未显示其为 OJO 官方正式命名口径。名字承担了用户理解能力的入口，底层是一组提供给 Agent 的知识、方法、工具和约束。

这套架构的逻辑前提是：复杂设计项目很难由一句 Prompt 完整定义，它更接近视频制作——脚本、分镜、素材、剪辑和动效存在先后关系，前面的判断会影响后面的结果。据科技区角报道，OJO 的产品流程是：用户提出“我想做一个电影资料库”之后，系统会追问产品服务谁、内容按导演还是演员组织、更接近专业数据库还是社区空间；这些讨论被整理成 Product Brief，然后系统给出多个产品与视觉方向，用户确认后再推进信息结构、Design DNA、UI、交互和动效，最终生成可编辑的产品原型。

但这里存在一个尚未被验证的假设：把设计判断拆解成可调用的 Skill，是否真的能覆盖“审美”这种高度语境化、强依赖经验与品味的能力。据投资界发布的稿件，张琪智称：“模型的能力上限已经足够高，应用层真正需要解决的，是如何理解用户目标、调度专业能力，并把模型上限转化为稳定、高质量的交付结果。”这个判断的推理链是清晰的：如果底层模型能力不是瓶颈，那么瓶颈就在组织与调度层。但“组织与调度”能否真正替代资深设计师在模糊需求面前的判断力，目前只有早期用户反馈作为初步信号，尚缺乏更大规模、更多场景下的验证数据。

48小时过万用户，但付费验证的“超出预期”没有具体数字

OJO 于北京时间 8 月 20 日在海外上线。据公司披露，官方内容在 X 平台发布 24 小时内获得超过 50 万次观看，登上 X News 热搜，吸引超 40 位科技领域头部创作者转发互动；上线 48 小时内新增用户过万，并实现“超出预期的付费验证”。据科技区角报道，截至 8 月 18 日前后，X 上的首发帖已获得约 53 万次浏览；该数字为科技区角基于 X 平台公开页面信息的转述，与公司披露的“24 小时内超 50 万次观看”存在统计口径和时间节点差异，公开材料未提供可交叉核验的原始数据。

这些数字放在一个天使轮产品的冷启动语境里，确实构成了一个信号：设计工具的需求不是伪需求，至少有一批早期用户愿意尝试。但“超出预期的付费验证”这一表述是公司单方面披露，且缺乏具体数据支撑。可验证但尚未披露的指标包括：付费用户数、付费转化率、客单价、复购率。从已披露的 48 小时过万新增用户和 50 万次观看来看，OJO 完成了一次有效的注意力捕获；但从注意力到付费、从付费到持续使用的漏斗效率，目前没有公开数据可以判断。据投资界稿件，OJO 已被多位 AI 创作者用于生成 Fintech 落地页、3D 动态网站、技术出版物页面，甚至可直接运行的家庭机器人控制 App，该使用案例属于公司披露口径。

另一个值得注意的细节是：OJO 的爆发发生在 X 平台，这是一个以技术早期采用者和 AI 创作者为主的社区。编辑推测：这个人群对新产品有较高的容忍度和好奇心，但他们的使用行为能否代表更广泛的非设计专业人群，仍然是一个开放问题；该推测基于 X 平台用户构成与 OJO 已披露冷启动渠道的公开信息，但 OJO 未披露用户构成数据。一个在 X 上被科技创作者叫好的设计工具，距离被独立开发者、市场运营人员、硬件创业者等目标用户日常使用，中间还有相当长的验证路径。

与 Figma、Claude Design 和 v0 Design Mode 的路线差异

OJO 进入的赛道并不空旷。据科技区角报道，Claude Design、v0 Design Mode 等产品都在尝试填补设计环节的缺口，它们的设计能力是作为 Coding 工作流的补充和优化存在的。OJO 的差异化在于流程起点：它不从代码生成出发，而是从需求澄清和产品定义出发，把设计判断前置到页面生成之前。

这个差异在理论上成立，但在商业上意味着不同的竞争压力。OJO 没有选择正面替代 Figma，而是瞄准非设计专业人群——AI 创作者、独立开发者、来自市场运营硬件等领域的产品生产者。编辑推测：这个人群的规模在 AI Coding 普及后确实在扩大，但他们的付费意愿和付费能力，与专业设计师群体相比仍是未知数；该推测基于 OJO 已披露的目标用户定位，但公开材料未提供该人群的付费数据。OJO 需要说服用户的是：设计判断值得用一个独立的、前置的、专门的平台来完成，而不是在 Coding Agent 里顺手解决。

从产品形态看，OJO 的“无限画布”是一个关键设计。据公司披露，策略、PRD、页面结构、UI 和可点击原型都沉淀在同一画布中，用户可以随时查看中间决策，通过评论、区域编辑和风格调整持续收敛结果。这与 Figma 的画布逻辑有相似之处，但 OJO 试图把画布上的内容从“设计产出”扩展到“设计决策过程”。这个扩展是否真的能形成差异化壁垒，取决于用户是否愿意把需求澄清和产品定义也放进同一个工具里，而不是在文档、聊天和设计工具之间来回切换。目前没有公开数据表明用户在这个画布上的停留深度和跨环节使用率。

编辑推测：OJO 与 Figma、Claude Design、v0 Design Mode 的竞争位置，目前只能从产品路线差异进行定性判断。可比较但尚未披露的指标包括：各产品的用户规模、付费转化率、用户从 Figma 或 Coding Agent 迁移至 OJO 的实际数据、以及 OJO 在需求澄清环节相对竞品的用户留存差异。这些数据缺口使竞争分析停留在路线描述层面，无法形成量化结论。

顺为与联想创投的合投逻辑：工具出海与端侧想象

顺为资本和联想创投的联合投资，放在 OJO 的团队背景和产品方向上，有两条可以追溯的逻辑线。编辑推测：顺为资本长期关注工具类产品和中国团队出海，OJO 选择海外上线、以 X 平台为冷启动主阵地，符合这条投资脉络；联想创投的参与则可能带有端侧设备和 AI 应用生态的考量，联想在 PC、平板和 AI 终端上的布局，与设计工具之间存在潜在协同空间。但需要明确的是，这两条逻辑线是编辑基于投资方公开投资风格和 OJO 已披露信息的推断，投资方并未在公开材料中说明具体的投资理由和估值逻辑。Crunchbase 页面仅记录了顺为资本的参与，未提供更多细节。

从资本结构看，近亿元天使轮由两家机构联合投资，高鹄资本担任独家财务顾问，这是一个相对标准的天使轮配置。但“近亿元”的具体数字未披露，这使得本轮估值、稀释比例和资金实际到账节奏都无法判断。对于一家产品刚上线 48 小时的公司来说，天使轮金额的模糊表述并不罕见，但它也意味着外界无法从资本结构本身读出更多信号——比如投资方对团队背景的溢价、对产品方向的信心程度，或者是否包含对赌或里程碑条款。

团队背景是这轮融资中信息量最大的一个变量。张琪智的剪映履历——前剪映国内业务负责人——意味着她经历过一款创作工具从冷启动到规模化增长的全过程。据投中网报道，张琪智曾深度参与剪映 0-1 和 1-100 的发展过程，推动剪映及 CapCut 多端产品上线和规模化增长，曾管理百人以上产运团队；加入字节之前，她作为 FaceU 核心成员推动轻颜相机 DAU 从 0 到 1,500 万增长。剪映的核心方法论是把专业创作能力拆开、封装、再交给普通用户，OJO 试图把同样的逻辑迁移到设计领域。这个迁移的合理性在于：视频剪辑和产品设计都是“专业判断密集型”的创作活动，都存在“实现门槛下降后判断成为新缺口”的结构性变化。但迁移的风险同样明显：视频剪辑的结果评价相对直观，设计的好坏则更主观、更依赖场景和受众，封装成 Skill 的难度更高。

资金用途指向全球市场，但商业模式仍在探索早期

据公司披露，本轮融资资金将主要用于核心产品开发、Agent 与 Skills 能力建设、全球市场拓展和核心人才引进。这四个方向中，“全球市场拓展”值得特别关注。OJO 从第一天就选择了海外上线，官方内容的爆发也发生在 X 平台。编辑推测：这意味着团队需要同时解决产品迭代、社区运营、跨时区支持和多语言适配等问题，而这些问题对于一个天使轮团队来说，每一项都是资源消耗型任务；该判断基于 OJO 已披露的海外上线事实，但团队实际资源配置尚未公开。

商业模式方面，OJO 披露的方向是“探索结果付费、Skill 调用分成及平台服务等商业模式”。这是一个典型的平台型叙事：先积累用户和 Skill 生态，再通过能力分发和结果交付变现。但“探索”一词本身就说明了商业模式尚未定型。结果付费意味着用户只为满意的设计结果买单，这对产品的交付质量和一致性提出了极高要求；Skill 调用分成则依赖第三方设计师和行业专家愿意把自己的经验沉淀为可调用的专业能力，这需要平台先证明自己有能力带来足够的调用量。两者都建立在用户规模和 Skill 生态达到一定密度之后，而 OJO 目前仍处于冷启动后的第一个验证周期。

从已披露的 200 多个 Skill 来看，OJO 的 Skill 库已经具备了一定的内部积累，但这些 Skill 中有多少来自团队自建、多少来自外部贡献者，以及它们的质量分布和调用频率，均未披露。如果 Skill 主要来自团队自建，那么“开放平台”的叙事还停留在规划阶段；如果已有外部贡献者，那么平台需要回答为什么这些贡献者愿意把专业能力沉淀在一个尚未证明商业价值的平台上。

待验证的假设：设计判断能否脱离人而稳定交付

OJO 的核心假设可以概括为：设计判断可以被拆解、封装和调度，从而让非专业用户在 AI Agent Team 的协作下，稳定产出高审美、高质量、可投产的设计结果。编辑分析：这个假设包含三个子命题——第一，设计判断可以被结构化；第二，结构化后的判断可以被 Agent 和 Skill 有效执行；第三，非专业用户能够通过这个系统获得与专业设计师相当或接近的交付质量。该分析的前提是 OJO 已披露的三层架构和 200 多个 Skill 的公开信息，结论边界限于当前早期产品阶段，不构成对设计行业整体可工程化的判断。

第一个子命题是最大的不确定性所在。设计判断中有一部分确实可以结构化——字体选择、间距规范、色彩对比度、交互反馈的触发时机，这些都有相对明确的规则和最佳实践。但另一部分判断——什么风格适合这个品牌、什么信息架构符合这个用户群体的心智模型、什么视觉气质能形成辨识度——高度依赖语境、经验和品味。OJO 的 Skill 体系能否覆盖后者，目前没有足够证据。据科技区角报道，部分熟练用户仍然会主动选择字体、动画和视觉风格等 Skill，OJO 希望从这些 Good Case 中理解任务与 Skill 的组合方式，再逐步把选择权交给系统。这意味着在现阶段，系统的自主判断能力仍然有限，用户的选择行为本身是系统学习的数据来源。

第二个子命题涉及技术架构的稳定性。Agent Team 之间的上下文传递、Skill 调用的准确率、多步骤任务中的错误累积，这些都是 Multi-Agent 系统尚未完全解决的工程问题。据科技区角报道，OJO 团队在采访中提到会同时优化上下文控制、模型路由和产品流程，不同复杂度的任务使用不同档位的模型以降低积分消耗和等待时间；但“具体能降低多少 Token，我们还在系统验证”这一表述说明，连成本控制这个相对基础的问题都还没有确定的答案。

第三个子命题则直接关系到商业化的天花板。如果 OJO 的交付质量只能达到“比模板好，但不如专业设计师”的水平，那么它的目标用户可能被限制在对设计质量要求不高的长尾场景中。如果它能在某些垂直场景中达到或接近专业水准，那么它有可能切走一部分原本流向设计外包或模板市场的预算。这两种可能性对应着完全不同的市场空间和估值逻辑，而目前的早期用户反馈无法区分这两种情形。

竞争加剧与技术迭代的双重压力下，天使轮只是一个起点

投资界稿件在风险提示中写道：“行业竞争加剧可能影响其市场拓展；技术发展迅速，需持续更新产品。”这是融资公告中常见的风险表述。编辑推测，放在 OJO 的具体处境中，这两条风险有更具体的含义：竞争方面，据科技区角报道，OJO 的 X 首发帖评论区很快将 OJO 和 Figma 放在一起比较，用户期待 AI 能把设计师从 Figma 工作流中“解救”出来；这一用户反馈说明 OJO 在冷启动期就被置于与 Figma 的替代性讨论中，但公开材料未提供 Figma 用户实际迁移至 OJO 的数据。编辑推测，OJO 的窗口期取决于它能否在竞品完成设计能力补课之前，建立起足够深的用户习惯和 Skill 生态壁垒，但公开材料未提供竞品迭代节奏或 OJO 用户习惯形成的数据。技术方面，底层模型的能力演进可能直接改变应用层的竞争格局；如果未来的模型在多模态理解、设计推理和长程任务规划上取得突破，OJO 的三层架构可能被更简洁的端到端方案绕过，如果模型能力停滞，OJO 的调度层价值反而会更加凸显。上述竞争与技术判断属于编辑推测，公开材料未提供竞品迭代节奏或模型能力演进的量化依据。

从已披露的信息看，OJO 完成了一次有效的冷启动，拿到了两家机构的资金支持，并提出了一个与主流路线不同的产品叙事。但从 48 小时的爆发到可持续的商业模式，中间隔着用户留存、付费转化、Skill 生态冷启动、交付质量稳定性、竞品挤压和模型演进等一系列关卡。天使轮融资解决的是“能不能把产品做出来并初步验证需求”的问题，而 OJO 现在面对的问题是“能不能把设计判断变成一种可规模化的生产力”。这个问题的答案，需要比 48 小时更长的时间来揭晓。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：OJO 的叙事之所以值得关注，不在于它又拿了一轮天使轮，而在于它把“设计判断”这个 AI Coding 浪潮中被忽视的缺口摆到了台面上。当代码生成不再稀缺，谁能把“做出来之后是否好用、好看”这件事工程化，谁就可能握住下一段工具链的入口。但工程化审美是一条比工程化代码更难走的路——代码有明确的运行结果，审美没有。OJO 的三层架构和 200 多个 Skill 是这条路上的第一步，真正的考验在于：当用户说“我想要高级一点”的时候，系统能不能给出一个比“高级一点”更具体的答案。