聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

到目前為止，數(shù)字化轉型的關鍵階段還未到來。

撰寫文章：孟會緣

進行內容編輯：陳鄧新

負責排版：Annalee

在經(jīng)歷了DeepSeek風潮之后，國產(chǎn)AI領域又迎來了一個新的突破性產(chǎn)品——Manus。

自3月5日晚正式發(fā)布以來，圍繞全球首款通用AI Agent的相關消息，引發(fā)了廣泛關注："僅發(fā)布4小時，官網(wǎng)訪問量就突破了千萬""在微博、B站等社交媒體上迅速走紅""A股AI智能體指數(shù)單日暴漲超6%""相關概念股出現(xiàn)批量漲停""邀請碼價格一度飆升至數(shù)千至上萬元""……"

此外，各方也在觀察，盡管Manus目前僅提供測試版，但能否像DeepSeek那樣成功走紅，成為國產(chǎn)AI智能體的又一塊領地，仍充滿未知。

但隨著網(wǎng)絡曝光的測試樣本不斷增加，產(chǎn)品也迅速陷入了口碑崩盤、虛假突破、饑餓營銷等多重困境。

破圈意義遠大于實際能力

最近，通過官方演示和多方測試，業(yè)界對這款全球首款通用AI Agent的能力有了新的認識。

在官方演示中，Manus已經(jīng)開始能夠獨立完成簡歷篩選、股票分析等復雜任務。無需人工后期處理，可以直接交付完整成果，這一表現(xiàn)不僅超過同類產(chǎn)品，還創(chuàng)造了GAIA基準測試的新紀錄。

在遍地都是各種測評內容的網(wǎng)絡環(huán)境下，用戶似乎只需發(fā)送一個任務或文件，就能調用各類工具，從編寫和執(zhí)行代碼、瀏覽網(wǎng)頁、操作應用，到根據(jù)需求拆解任務、規(guī)劃和執(zhí)行復雜流程。

這也是Manus和DeepSeek之間最大的區(qū)別。

如果說DeepSeek是“知識型最強大腦”，專注于語言模型的極致優(yōu)化，擅長知識推理、文本生成、數(shù)學計算和代碼優(yōu)化，如法律合同潤色、學術論文撰寫、復雜語義分析等。

上一個AI爆款DeepSeek

那Manus就是“執(zhí)行型打工人”，核心能力是調用工具鏈自動執(zhí)行復雜任務并交付成果，如“從爬取財報到編寫代碼再到部署網(wǎng)站”的端到端自動化流程。

在C端的應用表現(xiàn)上，能實現(xiàn)跨領域協(xié)同的Manus，看起來才是那個可以解放普通人雙手，像人類一樣思考和行動的完美替代品。

業(yè)內人士分析稱：“Manus本質上相當于將deepseek R1、cline、cloud studio等功能融合在一起，是一個比較成熟且具有較強操作性的AI Agent，但它依然建立在底層大模型與工具鏈的協(xié)同調用基礎之上?！?/p>

這也導致了Manus的褒貶不一的口碑：支持者認為其生產(chǎn)力強大，能通過自動化處理財報分析、電商運營等任務，實現(xiàn)降本增效；而批評者則指出其運行的潛在風險和隱性成本，以及在復雜流程中可能出現(xiàn)的失控風險。

署名褒貶不一

基于Manus現(xiàn)階段的實際表現(xiàn)，將其視為“數(shù)字化的工具人”比“全能替代者”更加貼切。

華源證券指出，Manus的市場潛力遠超其當前的實際應用能力。

這一進展相比1.0時代的用戶體驗和能力邊界而言，呈現(xiàn)出全新的特點，因此我們有理由相信這標志著一個重要的產(chǎn)業(yè)發(fā)展趨勢。

Manus變體才是大殺器

盡管市場上對Manus的實際能力存在分歧，但其在產(chǎn)業(yè)中的意義更為重大。

如前所述，Manus并非通過底層模型的顛覆性突破來實現(xiàn)，而是通過工程化手段整合現(xiàn)有技術（如大模型、Agent框架、工具鏈等），構建出完整的任務執(zhí)行閉環(huán)。

Hugging Face的產(chǎn)品負責人Victor Mustar

Manus在開發(fā)過程中被用于制作一個飛機小游戲

國內初創(chuàng)公司DeepWisdom的MetaGPT團隊僅用3小時就利用開源框架復刻出了OpenManus；開源社區(qū)CAMEL-AI團隊在不到一天的時間內就復刻出了Manus的通用智能體OWL。Manus范式的啟示或許在于：Agent（智能體）的門檻并不高。

在這種模式下，Agent的開發(fā)應著重于高效整合現(xiàn)有資源，而非從零開始的技術突破。

換言之，是“如何用好現(xiàn)有技術”，而非“發(fā)明新技術”。通過工程整合、開源協(xié)作與用戶體驗優(yōu)化，中小團隊完全可能打造出實用的Agent產(chǎn)品。

然而，隨著關于Manus的測試樣本逐漸增多，其在實際應用中暴露的局限性也凸顯了這一賽道的技術壁壘。

相關報道指出，科技媒體TechCrunch對Manus進行了系統(tǒng)性評估，涵蓋了訂外賣、預訂餐廳位置、買機票等多個日常操作流程，結果發(fā)現(xiàn)所有流程均存在技術缺陷，導致操作中斷或服務質量不達標。

測試樣本數(shù)量持續(xù)增加

這表明，要實現(xiàn)真正的跨領域協(xié)同，仍需攻克核心技術瓶頸——多領域知識的動態(tài)融合與語義對齊問題。

其中，既要打破領域間的認知障礙，又要實現(xiàn)實時交互中的上下文一致性，同時還要兼顧任務目標的優(yōu)先級動態(tài)排布，以及資源的優(yōu)化配置，最終在復雜場景下確保決策的準確、及時和可解釋。

這對像Manus這樣的實用型智能體產(chǎn)品，在構建知識圖譜、理解上下文、實現(xiàn)多模態(tài)交互以及開發(fā)動態(tài)推理框架等方面，提出了更為系統(tǒng)性的要求。

而Manus的實際測試結果，為這一領域揭示了一個未來的重要發(fā)展趨勢：AI智能體的競爭將從單一功能型轉向生態(tài)構建能力的比拼。

短期來看，垂直領域內必將涌現(xiàn)出更多"Manus式"產(chǎn)品，即基于開源框架快速搭建領域化的智能體；長期而言，真正實現(xiàn)跨領域協(xié)同，需克服智能體操作系統(tǒng)誕生和人機協(xié)作范式重構兩大關鍵障礙。

當智能體不再局限于執(zhí)行既定流程的工具，而是能夠自主理解跨領域任務語義的"智能伙伴"，那么解放打工人生產(chǎn)力的那一天也就真正來臨了。