聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

第48期窄播 Weekly 推出，本周關(guān)注的商業(yè)動(dòng)向是：Manus 發(fā)布的的戰(zhàn)略意義。我們認(rèn)為，Manus 的發(fā)布并非 DeepSeek 的又一次里程碑時(shí)刻，而是對(duì)即將到來的 AI Agent 競爭的提前布局——盡管一時(shí)成為全場焦點(diǎn)，卻尚未展現(xiàn)出成為冠軍的實(shí)力。

3 月 6日凌晨，Manus 以"全球首款通用型 AI Agent 產(chǎn)品"的身份登上舞臺(tái)。在前排觀眾的高度贊譽(yù)和官方案例效果的雙重加持下，Manus 突如其來的迅速成為營銷號(hào)和媒體的焦點(diǎn)。隨后由于邀請碼一票難求，用戶測試中出現(xiàn)了卡頓、遲緩、未完成任務(wù)等問題，導(dǎo)致其口碑急劇兩極化，陷入"套殼"質(zhì)疑的境地。

與此同時(shí)，國內(nèi)的 MetaGPT 和開源社區(qū) CAMEL-AI 兩個(gè)團(tuán)隊(duì)在短時(shí)間內(nèi)推出了對(duì) Manus 的開源復(fù)刻項(xiàng)目。MetaGPT 的 Open ManuS 在 GitHub 上收獲了 7000 多顆星，CAMEL-AI 打造的 OWL 在智能體測試基準(zhǔn)榜單 GAIA 上的得分為 57.7%。借勢 Manus，兩個(gè)團(tuán)隊(duì)各自收獲了一次破圈的機(jī)遇。

拋開流量層面的造勢、營銷、蹭熱點(diǎn)等行為不談，也不在沒有邀請碼的情況下對(duì) Manus 的實(shí)際效果進(jìn)行評(píng)判，僅從產(chǎn)品思路及影響來看，Manus 的這次提前布局將加劇 AI Agent 的競爭，并且讓"GPTs 類"智能體正式退出歷史舞臺(tái)。

一方面，AI Agent 在 2024 年已經(jīng)確定成為 2025 年 AI 競爭的重頭戲。知名投行巴克萊在最新的研報(bào)中，將其視為新時(shí)代的引領(lǐng)者。Manus 作為投入這一趨勢的鯰魚因素，大概率會(huì)促使各大企業(yè)加速布局 AI Agent。

進(jìn)入 2025 年，OpenAI 已經(jīng)發(fā)布了 Operator 和 Deep Research 兩個(gè) AI Agent。就在 Manus 走紅的當(dāng)周，微軟也推出了兩個(gè)新的 AI Agent。Meta 則為 Facebook 和 Instagram 推出了客服領(lǐng)域的 AI Agent。亞馬遜的 AWS 宣布組建了一個(gè)致力于 AI Agent 開發(fā)的新團(tuán)隊(duì)，旨在幫助人們實(shí)現(xiàn)自動(dòng)化生活。

另一方面，人們對(duì) AI Agent 的定位越來越清晰，無論是開發(fā)者還是用戶，都更加強(qiáng)調(diào)的是其任務(wù)執(zhí)行能力，而不是定制化的聊天能力。這也意味著，包括 OpenAI 在內(nèi)的諸多企業(yè)，都將逐漸放棄"GPTs 類"智能體，轉(zhuǎn)而致力于提升 AI Agent 的執(zhí)行效率。Manus 將會(huì)讓文小言和豆包中的"周易大師"們 quicker 和更迅速地淡出舞臺(tái)。

新的 AI Agent 競爭階段將呈現(xiàn)以下四個(gè)趨勢：

1、從與 AI 合作到監(jiān)督 Agent 工作；

2、好的 Agent 一定是合格的終端消費(fèi)品；

賦予編程平權(quán)將使執(zhí)行更加靈活；

以Agent為核心的統(tǒng)一大市場將成為建設(shè)的重點(diǎn)。

從與AI的合作，到對(duì)Agent工作的監(jiān)督

在2023年，人們將把具備專業(yè)背景的聊天機(jī)器人，由高級(jí)Prompt驅(qū)動(dòng)的智能體，統(tǒng)稱為GPTs級(jí)別的產(chǎn)品。人人都可以開發(fā)的智能體，實(shí)際上是根據(jù)不同場景定制化開發(fā)的聊天機(jī)器人，是人與AI協(xié)作完成對(duì)話任務(wù)的工具。當(dāng)時(shí)的OpenAI和百度都希望這些智能體能夠成為提升ChatGPT和文心一言使用市場的工具。

實(shí)際情況表明，低頻的聊天需求聚合，并不能顯著增加用戶使用時(shí)長。即使用戶選擇智能體，也是因?yàn)橄Ｍ岣咝?。?dāng)大模型具備足夠智慧時(shí)，人們召喚算命大師只需一句話，沒有人會(huì)再去從眾多智能體中挑選出最合適的算命大師。

GPTs們基于當(dāng)前技術(shù)狀態(tài)思考產(chǎn)品形態(tài)，而Manus則在構(gòu)建一個(gè)承載未來技術(shù)的載體——這也是Manus團(tuán)隊(duì)給予的寶貴建議。

開發(fā)AI產(chǎn)品與開發(fā)傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品存在顯著差異。傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品面對(duì)的技術(shù)與平臺(tái)相對(duì)穩(wěn)定，通過提升產(chǎn)品體驗(yàn)類似為智能手機(jī)增加了功能，而開發(fā)AI產(chǎn)品則需要具備前瞻性技術(shù)洞察力，據(jù)此設(shè)計(jì)出能夠"讓汽油更充分燃燒"的發(fā)動(dòng)機(jī)。

Manus之所以令人印象深刻，是因?yàn)樗宫F(xiàn)了一個(gè)監(jiān)督Agent執(zhí)行的未來圖景，無需依賴自我思考、自我規(guī)劃能力，這更能發(fā)揮AI的能力。

此外，Manus不需要像AI Agent程序員Devin那樣針對(duì)不同場景進(jìn)行定制，而是通過一句話啟動(dòng)不同領(lǐng)域的任務(wù)，從而提升了使用AI的效率。

不過，這種做法也存在潛在風(fēng)險(xiǎn)，面向未來技術(shù)能力的載體往往會(huì)在當(dāng)下暴露出不足。Devin發(fā)布后也遭遇質(zhì)疑，因?yàn)榧夹g(shù)仍需進(jìn)一步迭代。而本應(yīng)搶跑AI Agent比賽的Manus，既沒有做好全面開放給用戶使用的準(zhǔn)備，也缺乏通用AI Agent完美無缺的技術(shù)支持。

半黑半紅本身就是他們經(jīng)過慎重選擇的產(chǎn)物。

優(yōu)秀的Agent必須具備專業(yè)的消費(fèi)品素養(yǎng)。

Manus的成功在于，從用戶端的需求出發(fā)，構(gòu)建了一種高度靈活且低門檻的Agent服務(wù)模式。

在B端市場，客戶更愿意為優(yōu)質(zhì)的消費(fèi)品買單。而且，B端客戶對(duì)Agent的可靠性要求更高。因此，AI Agent在B端的探索通常是從某個(gè)垂直業(yè)務(wù)場景的優(yōu)化切入。由此催生了諸如Salesforce旗下Agentforce這樣的平臺(tái)，為企業(yè)提供按需搭建AI Agent的服務(wù)。

在C端市場，好的消費(fèi)品不僅要功能強(qiáng)大，還要操作簡便。首先，大部分用戶在對(duì)自身需求的認(rèn)知上仍停留在模糊狀態(tài)，只有在尋求AI幫助時(shí)才會(huì)明確需求。其次，即使用戶對(duì)需求清單有清晰認(rèn)知，也很難精通如何利用工具完成具體任務(wù)。

這種特點(diǎn)使得像字節(jié)扣子、騰訊元器這樣的平臺(tái)更像是一個(gè)服務(wù)提供者的工作流開發(fā)平臺(tái)，而不是直接解決C端用戶需求的工具。豆包+扣子、元器+元寶等組合雖然嘗試過，但始終未能形成一套完整的"需求對(duì)話+Agent執(zhí)行"組合拳。在OpenAI、Google、Meta等的嘗試中，我們?nèi)晕匆姷浇y(tǒng)一需求入口+多Agent能力的低門檻產(chǎn)品組合。

復(fù)旦大學(xué)的技術(shù)團(tuán)隊(duì)曾推出過名為AI2Apps的一站式AI員工開發(fā)與端側(cè)服務(wù)平臺(tái)。該平臺(tái)提供一套基于瀏覽器的Agent操作系統(tǒng)，集成了一整套開發(fā)工具，支持開發(fā)者像編程一樣編寫代碼。這是一款類似于Devin的高階版本扣子。開發(fā)者通過"建筑師Agent"的指導(dǎo)，可以完成特定崗位AI員工的構(gòu)建與組合。但這一平臺(tái)仍未能完全解決C端用戶的簡單使用痛點(diǎn)。

但在Manus中，用戶提出需求后，Agent會(huì)進(jìn)行分析拆解，然后分配不同的Agent執(zhí)行不同的任務(wù)，并調(diào)用相關(guān)API完成工作。同時(shí)，每個(gè)環(huán)節(jié)都會(huì)有Agent負(fù)責(zé)反思和校正。整個(gè)流程透明可見，用戶可以參與調(diào)整。

這是一個(gè)合格的消費(fèi)品應(yīng)有的素養(yǎng)，即把所有用戶視為外行，讓他們即使缺乏編寫網(wǎng)頁和調(diào)用API的基本技能，也能高效完成任務(wù)。

不過，Manus在具體任務(wù)的準(zhǔn)確性和精細(xì)度方面還有待提升。這是需要通過訓(xùn)練不同能力的Agent來不斷打磨的。

OpenAI也與"Manus"有類似的構(gòu)想。Deep Research團(tuán)隊(duì)的成員Josh Tobin指出，盡管目前的Agent是獨(dú)立運(yùn)作的，但未來的終極Agent可能會(huì)將網(wǎng)頁搜索、操作電腦以及執(zhí)行人類助手等常規(guī)任務(wù)外的多種功能自然融合，形成更全面的解決方案。

但OpenAI選擇了一條不同的道路，通過定制化模型訓(xùn)練出更適合執(zhí)行特定任務(wù)的Agent。其中，Operator側(cè)重于執(zhí)行和操作，而Deep Research更注重信息收集、整理和歸納。未來，可能會(huì)有其他類型的Agent出現(xiàn)，但它們很可能會(huì)成為ChatGPT團(tuán)隊(duì)中的成員。

編程平權(quán)將帶來更為靈活的執(zhí)行方式

如果說大模型帶來的主要提升是交互靈活性的增強(qiáng)，那么AI推動(dòng)的編程平權(quán)，則會(huì)通過更靈活的手段，為Agent執(zhí)行任務(wù)提供更多可能性。

Josh Tobin表示，一些公司構(gòu)建Agent時(shí)，會(huì)選擇由人來搭建整個(gè)工作流，并由工作流中的重要節(jié)點(diǎn)（通常由大語言模型來控制）來決定下一步的行動(dòng)。然而，這種方式構(gòu)建出來的Agent往往缺乏靈活性，難以應(yīng)對(duì)可能出現(xiàn)的各種突發(fā)情況。更明智的方式應(yīng)該是，利用先進(jìn)的推理模型，賦予其執(zhí)行工作生活中的工具和能力，直接針對(duì)期望結(jié)果進(jìn)行優(yōu)化。

因此，Manus強(qiáng)調(diào)"Less structure, more intelligence"，弱化對(duì)AI結(jié)構(gòu)化能力的依賴。基于大模型的能力，Agent可以在虛擬電腦上使用瀏覽器、編程工具等完成任務(wù)。隨著大模型能力的提升，對(duì)任務(wù)的理解和拆解會(huì)更加精準(zhǔn)。

在大模型作為總指揮的基礎(chǔ)之上，對(duì)編程能力的依賴，將帶來解決復(fù)雜問題的更優(yōu)方案。Manus的演示案例中，可以看到根據(jù)搜集到的信息自動(dòng)生成儀表盤的操作是通過編程解決的，還有用戶生成PPT的過程是先依靠編程能力編寫HTML5頁面，再將頁面轉(zhuǎn)存為圖片。編程平權(quán)帶來了執(zhí)行任務(wù)的更高可控性。

在本周，前谷歌DeepMind研究人員Misha Laskin和Ioannis Antonoglou創(chuàng)立的Reflection AI團(tuán)隊(duì)獲得了1.3億美元的融資，計(jì)劃開發(fā)超級(jí)智能。他們的第一步目標(biāo)是構(gòu)建一個(gè)自主編程工具，用于掃描代碼漏洞和優(yōu)化應(yīng)用程序內(nèi)存使用等場景。具備自主編程能力的Agent將是構(gòu)建AI工作團(tuán)隊(duì)的重要技術(shù)基礎(chǔ)。

Agent需要"統(tǒng)一市場"的構(gòu)建

然而，Manus的一個(gè)局限是，可以選擇調(diào)用不同的信息源和能力（通過API調(diào)用），但這種方法無法幫助Agent克服移動(dòng)互聯(lián)網(wǎng)的孤島效應(yīng)。在一些測試中，Manus能夠規(guī)避一部分平臺(tái)的人機(jī)驗(yàn)證機(jī)制，但在調(diào)用其他平臺(tái)的API時(shí)會(huì)出錯(cuò)，同時(shí)在某些平臺(tái)上收集信息也需要人類進(jìn)行身份驗(yàn)證。

作為小編，需要建立一個(gè)統(tǒng)一的市場機(jī)制。

簡而言之，用戶在使用Manus之后，若想充分發(fā)揮這一功能，需要具備一個(gè)基于單一賬號(hào)的廣泛連接機(jī)制。在國際市場上，谷歌（Google）已經(jīng)實(shí)現(xiàn)了這一目標(biāo)，而元宇宙（Meta）則尚未完全實(shí)現(xiàn)；在國內(nèi)，微信的連接范圍較為廣泛，但與谷歌相比仍有差距。

即使是在互聯(lián)互通的理念下，國內(nèi)互聯(lián)網(wǎng)產(chǎn)品的聯(lián)合登錄機(jī)制仍面臨巨大挑戰(zhàn)。因此，出現(xiàn)了基于圖形用戶界面（GUI）的Agent系統(tǒng)，通過讓AI解析屏幕信息，在更底層規(guī)避應(yīng)用程序之間的墻。AutoGLM、computer use等能力的開發(fā)，正是朝著這一方向進(jìn)行探索。

相比之下，Manus的AI+虛擬機(jī)方案雖然更加安全且易于實(shí)現(xiàn)，但其局限性較為明顯，無法深入底層。

更長遠(yuǎn)的目標(biāo)是，以Agent為核心構(gòu)建一個(gè)操作系統(tǒng)。正如Meta的首席AI專家楊立昆（Yann Lecun）所言，在短期內(nèi)，需要讓AI系統(tǒng)能夠執(zhí)行一系列操作，在長期則需要下一代AI系統(tǒng)的支撐。

這個(gè)操作系統(tǒng)本質(zhì)上是一個(gè)整合軟硬件能力的平臺(tái)，能夠協(xié)調(diào)不同模型的「大腦」協(xié)作。