聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

隨著技術的不斷進步，人工智能已經(jīng)突破了僅僅理解人類語言的局限，能夠獨立完成復雜的任務。2025年3月，中國AI公司Monica正式發(fā)布了名為Manus的通用智能體。這款被稱為"全球首個通用AI代理"的產(chǎn)品，憑借其在"思考"與"行動"方面的能力，迅速引起了廣泛關注。

在一段時長約4分47秒的演示視頻中，Manus展現(xiàn)了其強大的自主性：當用戶上傳包含15份簡歷的壓縮包時，它不僅能自動解壓，還能逐頁分析并提取關鍵信息，最終生成候選人的排名和評估表。當面對"紐約購房"這一需求時，它會將任務分解、編寫Python腳本計算預算，整合社區(qū)的安全和教育資源數(shù)據(jù)，輸出一份質(zhì)量上乘的詳細報告。在金融分析方面，它還能調(diào)用相關工具，分析股票趨勢，并通過可視化圖表清晰地解釋因果關系。

Manus的設計理念源自拉丁語"Men et Manus"（心智與手），強調(diào)知識不僅要儲存在大腦中，更要轉化為實際行動。其定位遠超傳統(tǒng)聊天機器人或任務助手，核心能力是從目標設定到成果交付的全方位自主執(zhí)行。正如網(wǎng)友所言："ChatGPT是'紙上談兵'的軍師，Manus則是'披甲上陣'的將軍。"

Manus的獨特之處不僅在于它能夠理解語言、分析數(shù)據(jù)，更在于它能像人類一樣，實際操作、解決現(xiàn)實問題。這種能力突破了傳統(tǒng)大型語言模型（Large Language Model,簡稱LLM）僅限于文字生成的局限，展示了"大型行為模型"（Large Action Model,簡稱LAM）所蘊含的巨大潛力。此前，谷歌的Project Astra、微軟的Copilot Studio等已在智能體生態(tài)領域進行了布局。Manus和這些前沿產(chǎn)品一起，被認為是"AI智能體商業(yè)化"進程中的重要里程碑。

從"思維鏈"到"行動鏈"：大語言模型與大行為模型的演進

要理解LAM的核心價值，我們先從LLM談起。像ChatGPT、DeepSeek這樣的大型語言模型，通過海量文本數(shù)據(jù)的訓練，擁有強大的語言處理能力。它們能寫詩、解題、生成商業(yè)計劃書，甚至模擬心理咨詢。但當任務從"回答如何預訂機票"升級為"實際完成機票預訂"時，LLM便顯得力不從心。它更像一個"戰(zhàn)略顧問"，擅長提供建議，卻無法"擼起袖子"親自操作購票系統(tǒng)。LLM的局限性在于，它更多扮演的是一個"思維者"，而非"行動者"。

于是，大行為模型（LAM）應運而生。LAM不僅僅停留在語言生成和知識提煉上，更具備了通過計算、協(xié)調(diào)和實時行動的能力。它能思考問題，但更重要的是，它能夠行動、調(diào)整方案并付諸實踐。以Manus展示的"我要在紐約買房"為例，LAM像一個高效的私人助理，幫你從規(guī)劃到執(zhí)行，再到檢查優(yōu)化，完成所有任務。

規(guī)劃階段，當你給出購房需求，LAM就會把這個大目標拆解成一系列小任務——預算計算、房源篩選等，并生成一張動態(tài)的流程圖，確保每個步驟有條不紊。執(zhí)行階段，它開始動手，利用工具調(diào)取房產(chǎn)數(shù)據(jù)、編寫算法、生成報告等，確保每個環(huán)節(jié)都精準到位。驗證階段，通過強化學習，LAM會評估任務結果，核對房源的準確性和預算的匹配度，甚至自動調(diào)整并優(yōu)化方案。通過這三步，LAM不僅能"想得明白"，還能夠"做得精確"。更重要的是，它會在執(zhí)行過程中不斷自我優(yōu)化，像一個無時無刻不在調(diào)整的精密機器，確保最終結果完美無缺。

大語言模型（LLM）與大行為模型（LAM）的本質(zhì)差異，在于前者專注于語言的解析與生成，而后者則打破了語言與行動的界限，實現(xiàn)了從意圖理解到任務執(zhí)行的完整閉環(huán)。這不僅僅是技術架構的不同，更是AI從"思考者"到"行動者"的范式躍遷。正如德勤的報告所預測的，到2028年，15%的日常工作決策將由LAM驅(qū)動的智能體完成。如果說LLM讓我們獲取知識更加便捷，那么LAM則讓我們的行動更加高效、精準。未來的智能世界，不再是一個靜止的圖書館，而是一個不斷變動、不斷執(zhí)行的行動場。

LAM的核心優(yōu)勢：讓"行動"變得可控與智能

想象一下，你是一位企業(yè)決策者，每天面臨一系列復雜的戰(zhàn)略決策。傳統(tǒng)的人工智能決策輔助系統(tǒng)會為你提供大量的數(shù)據(jù)、預測和建議，但最終的決策權依然掌握在你手中。整個決策過程充滿了深思熟慮和權衡利弊，但執(zhí)行決策的主動權完全掌握在你手中。

然而，LAM（智能決策支持系統(tǒng)）的工作方式與傳統(tǒng)的人工智能決策輔助系統(tǒng)不同。LAM是一個虛擬的"決策執(zhí)行者"，不僅能為你提供決策依據(jù)，還能主動規(guī)劃并執(zhí)行每一項計劃中的任務。例如，當市場發(fā)生變化時，LAM能夠自動調(diào)整公司資源配置，重新分配員工任務，并在戰(zhàn)略執(zhí)行過程中進行實時優(yōu)化。這樣，你不僅能夠獲得決策支持，還能通過LAM的執(zhí)行功能將計劃轉化為具體的行動。無論是招聘、財務調(diào)整還是營銷策略，LAM都能精準地執(zhí)行并優(yōu)化。甚至在面對突發(fā)事件時，LAM也能迅速調(diào)整應對策略、制定應急預案。

這種卓越的執(zhí)行能力，正是LAM與傳統(tǒng)的人工智能系統(tǒng)的最大區(qū)別——LAM不僅僅停留在知識的表面，它深入到了行動的核心，具備了更多的"主動性"和"執(zhí)行力"。通過增強行動的智能性，LAM打破了"語言的巨人，行動的矮子"的桎梏，將人工智能技術從單純的理解和表達推向了更高級別的應用——實際操作和執(zhí)行。

商業(yè)、生活、城市治理：LAM帶來的全方位變革

LAM的魅力不僅在于它的技術原理，更在于它如何徹底改變我們的工作和生活方式。隨著技術的不斷發(fā)展，LAM將會在越來越多的領域中發(fā)揮重要作用。讓我們來看幾個典型的應用場景：

從"輔助工具"到"數(shù)字員工"

LAM驅(qū)動的智能體將不再是簡單的輔助工具，而是能夠獨立承擔完整工作流程的"數(shù)字員工"。例如，在市場營銷領域，LAM不僅能進行市場調(diào)研、數(shù)據(jù)分析、廣告投放，還能實時評估廣告效果，完成整個流程。而在財務部門，LAM可以自動處理發(fā)票、生成財務報告，甚至進行預算規(guī)劃和風險評估。在物流配送中，LAM能根據(jù)實時交通信息優(yōu)化路徑，確保貨物按時送達。這種從"輔助"到"執(zhí)行"的轉變，極大提升了工作效率，減少了人為錯誤。

個人助理：從提醒到全面執(zhí)行

想象有一天，你醒來時，身邊有一個虛擬助手，它不僅能提醒你今日日程、重要事項，還能根據(jù)天氣自動調(diào)整出行計劃、預訂符合健康需求的餐廳，甚至在你下班前啟動掃地機器人并預熱空調(diào)。LAM驅(qū)動的個人助理，已經(jīng)遠超傳統(tǒng)語音助手的功能。它不僅主動分析需求、協(xié)調(diào)事務，甚至在你未曾察覺時優(yōu)化你的時間安排。它的執(zhí)行力，不再局限于"提醒"或"建議"，而是全面滲透到你日常的決策與行動中。

聚會籌備無憂：從菜單到送餐的無縫銜接

在一場家庭聚會的籌備過程中，LAM系統(tǒng)能夠提前幫你完成多方面的工作。它會根據(jù)來賓的飲食偏好和過敏信息，自動調(diào)整菜單，并與送餐服務平臺對接，確保食物準時送達。在這一過程中，你只需要負責享受成果，而無需操心任何細節(jié)。LAM系統(tǒng)會從構思到執(zhí)行，全程包辦，讓你從"決策者"變成"驗收者"，體驗高效便捷的服務。

在城市治理的領域，LAM系統(tǒng)展現(xiàn)出更大的應用潛力。它能夠整合交通、能源、環(huán)境等數(shù)據(jù)，實時優(yōu)化城市運行。在極端天氣到來時，LAM系統(tǒng)能夠自動調(diào)度排水系統(tǒng)，調(diào)整交通信號燈配時，甚至為市民提供避險路線，確保城市在突發(fā)事件中的穩(wěn)定運行。在環(huán)境保護方面，LAM系統(tǒng)能夠?qū)崟r監(jiān)控城市空氣質(zhì)量、垃圾處理等環(huán)保指標，動態(tài)調(diào)整應對措施。例如，當空氣污染指數(shù)達到一定閾值時，系統(tǒng)會自動啟動應急預案，限制工業(yè)排放，并為市民提供防護建議。同時，LAM系統(tǒng)還能優(yōu)化垃圾清運路線，根據(jù)實際情況動態(tài)調(diào)整垃圾處理頻率，避免污染擴散。

LAM與LLM：兩者相輔相成，共同推動AI發(fā)展

盡管LAM和LLM在技術領域各自占據(jù)不同的位置，但它們并非對立，而是相互補充，共同推動人工智能的進步。LLM賦予AI強大的語言理解和生成能力，使其能夠與人類進行自然交流；而LAM則賦予AI行動力，使其能夠?qū)⒄Z言轉化為具體操作，實現(xiàn)"說""做"的完整閉環(huán)。

在醫(yī)療場景中，LLM可以與患者進行深入對話，準確理解癥狀并生成醫(yī)學報告，而LAM則將這份報告轉化為具體的治療方案，自動安排后續(xù)治療、檢查和藥物處方。兩者協(xié)同工作，才真正實現(xiàn)了從"理解"到"執(zhí)行"的無縫銜接，使醫(yī)療過程更加自動化和精準化。

這種"理解"與"行動"相輔相成的機制，正在推動AI向著"行動型"智能方向發(fā)展。正如一位優(yōu)秀的指揮官不僅要擅長指揮，還要帶領團隊去執(zhí)行，LAM與LLM的結合，是推動AI全面智能的重要里程碑。

LAM系統(tǒng)的挑戰(zhàn)：決策與行動的平衡

盡管LAM展現(xiàn)出巨大的潛力，但其應用過程中依然面臨諸多挑戰(zhàn)和難題。

首先，LAM的決策和行動高度依賴于數(shù)據(jù)的準確性和完整性?？梢哉f，數(shù)據(jù)是LAM的"感知器"，如果感知錯誤，行動就會偏離正確的方向。例如，在企業(yè)管理中，若LAM系統(tǒng)依賴于錯誤的市場數(shù)據(jù)，可能會做出錯誤的戰(zhàn)略決策，反而增加企業(yè)風險；在醫(yī)療場景中，錯誤的病歷數(shù)據(jù)可能導致誤診，甚至危及生命。因此，確保數(shù)據(jù)的精準與完整性，建立"數(shù)據(jù)輸入審核"和"行動結果核驗"的雙重機制，是LAM系統(tǒng)不可忽視的基礎保障。

其次，LAM對決策權的過度依賴可能導致"依賴性文化"的形成。當過多的決策權交由AI時，人們可能逐漸失去自我判斷的能力，甚至產(chǎn)生對系統(tǒng)過度依賴的現(xiàn)象。例如，某電商公司由于完全依賴LAM的定價系統(tǒng)，未能及時識別競爭對手的"偽裝數(shù)據(jù)"漏洞，導致季度虧損。人機協(xié)同的關鍵在于劃定AI的權限邊界。在復雜的決策場景中，人類的判斷力與直覺依然至關重要，尤其是在面對非標準化、不可預測的情況時，AI的決定不應完全取代人類的洞察力和決策判斷。

如何確保LAM的行為符合行為準則，是一個亟待解決的關鍵問題。如果在醫(yī)療方案執(zhí)行過程中出現(xiàn)失誤，責任應由誰承擔？是醫(yī)生、系統(tǒng)運營方，還是患者本人？如何防范AI失控風險，確保其始終服務于人類，而非造成傷害？這些問題涉及科技倫理的邊界，亟需通過行業(yè)規(guī)范和法律框架來界定。隨著AI的"智慧"提升，其"責任"也將隨之加重，如何在提升自主性的同時保持可控性，是未來發(fā)展的核心課題。

通過解決這些挑戰(zhàn)，LAM才能真正發(fā)揮其價值，既不失控，也不削弱人類的判斷力。未來的AI，應當是智慧與責任并重的"伙伴"，而非無條件的"執(zhí)行者"。

當AI不僅能提供"怎么做"的建議，還能主動"怎么做"，人機協(xié)作將邁入真正的共生階段。我們是否準備好將更多的"權力"交給AI？在追求效率與便利的同時，我們又該如何平衡掌控與信任的微妙關系？

或許，未來的某一天，當LAM技術更加成熟與完善，它將成為我們每個人的得力助手、企業(yè)的核心引擎，甚至是社會運行的"中樞大腦"。人類需要重新思考自己的角色——是成為全局的監(jiān)督者，還是細節(jié)的執(zhí)行者？答案或許在于找到那個微妙的平衡點：讓AI承擔重復勞動的重擔，讓人類牢牢掌控創(chuàng)新的主動權。

（作者胡逸為數(shù)據(jù)工作者，著有《未來可期：與人工智能同行》一書）

來源：胡逸