聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

在數(shù)字時代，數(shù)字同事尚未徹底解放生產(chǎn)力

撰文：孟會緣

編輯：陳鄧新

排版：Annalee

盡管DeepSeek的熱度尚未消退，但AI賽道又迎來了一款全新的國產(chǎn)創(chuàng)新產(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，在各類互聯(lián)網(wǎng)平臺持續(xù)引發(fā)關注與討論。包括"官網(wǎng)訪問量突破千萬"、"微博、B站等社交媒體一夜之間登上熱搜"、"A股AI智能體指數(shù)單日漲幅超過6%"、"相關概念股出現(xiàn)批量漲停"、"邀請碼售價攀升至數(shù)千至上萬元"等。

同時，各方高度關注這款產(chǎn)品的市場推廣情況。目前僅處于測試版本，它是否能夠像DeepSeek那樣成功，成為國產(chǎn)AI智能體的又一里程碑仍充滿未知。

但隨著網(wǎng)絡曝光的測試樣本數(shù)量增加，這款產(chǎn)品逐漸陷入口碑危機、虛假宣傳、饑餓營銷等多重困境。

破圈意義遠大于實際能力

近期，通過官方演示和多方實測，行業(yè)對這款全球首款通用AI Agent的能力有了新的認識。從官方演示來看，Manus已經(jīng)能夠自主完成簡歷篩選、股票分析等復雜任務，全程無需人工后期優(yōu)化，直接交付完整成果，其性能已超越同類產(chǎn)品，并創(chuàng)下GAIA基準測試新紀錄。

這一成果的實現(xiàn)，不僅展示了Manus的強大AI能力，也標志著在AI技術應用層面的一次重要突破。

但面對網(wǎng)絡信息的泛濫，從篩選簡歷、撰寫報告，到制作PPT、股票分析，這些工具的使用者似乎只需發(fā)送一個任務或文件，就能迅速調(diào)用各類工具，實現(xiàn)編寫和執(zhí)行代碼、瀏覽網(wǎng)頁、操作應用等，還能根據(jù)用戶需求來拆解任務，進行極度復雜的任務規(guī)劃和執(zhí)行。

這也是Manus與DeepSeek的核心區(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、復雜語義解析等。

上一個AI爆款DeepSeek

那么Manus就是“執(zhí)行型打工人”，核心能力是調(diào)用工具鏈自動執(zhí)行復雜任務并交付成果，如“爬取財報→編寫代碼→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，像人一樣進行思考和行動的完美替代品。

業(yè)內(nèi)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，是一個比較成熟且可操作性比較強的AI Agent，但是它的核心能力依然建立在底層大模型與工具鏈的協(xié)同調(diào)用上。”

這也導致了Manus的口碑褒貶不一：追捧者看好其生產(chǎn)力，通過自動化處理財報分析、電商運營等任務，能達到降本增效的目的；批評者則痛斥其存在突發(fā)性錯誤、隱性成本飆升，以及在復雜流程中可能出現(xiàn)的失控風險。

網(wǎng)友對Manus的口碑褒貶不一。

基于Manus現(xiàn)階段的實際表現(xiàn)，將其視為“數(shù)字化輔助工具人”比“全能替代者”更加恰當。

華源證券認為，Manus的突破性價值遠超其當前的實際效能。

這一創(chuàng)新不僅體現(xiàn)在用戶體驗的顯著提升，更在技術邊界上實現(xiàn)了質的躍遷，因此，這確實是一個不容忽視的產(chǎn)業(yè)轉折點。

Manus變體才是大殺器

市場對Manus的實際效能存在分歧，但其在產(chǎn)業(yè)中的意義更加重大。

如前所述，Manus并非通過底層模型的顛覆性創(chuàng)新來實現(xiàn)突破，而是通過技術整合，以模塊化的方式構建了完整的任務處理閉環(huán)。

Hugging Face的技術負責人Victor Mustar

他開發(fā)了一個基于Manus的飛機小游戲

國內(nèi)初創(chuàng)公司DeepWisdom的MetaGPT團隊僅用3小時就實現(xiàn)了對OpenManus的開源重構；開源社區(qū)CAMEL-AI團隊則在零星幾個小時內(nèi)就完成了對Manus通用智能體OWL的實現(xiàn)。Manus的模式對各家公司的主要啟示或許是：智能體的門檻并不高。

這種模式的關鍵在于高效整合現(xiàn)有資源，而不是從零開始的技術攻關。

換言之，是善用現(xiàn)有技術而非發(fā)明新技術。通過技術整合、開源協(xié)作和用戶體驗優(yōu)化，中小團隊完全有能力打造實用型的智能體產(chǎn)品。

但隨著關于Manus測試樣本的不斷增加，其在實際應用中暴露的問題也逐漸揭示了這一賽道的技術壁壘之深。

相關報道指出，科技媒體TechCrunch通過Manus進行了多項測試，包括外賣點餐、預定餐廳位置、購買機票等日常任務，但所有測試均未成功完成，導致任務終止或質量不高。

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，仍需突破核心技術瓶頸——多領域知識的動態(tài)融合和語義對齊。

其中，既要克服領域壁壘帶來的認知障礙，又要保證交互過程中的上下文一致性，同時還要兼顧任務目標的優(yōu)先級動態(tài)調(diào)度，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Agent產(chǎn)品，在知識圖譜構建、上下文感知算法、多模態(tài)交互協(xié)議及動態(tài)推理框架等方面，提出了更加系統(tǒng)性的要求。

而Manus的測試實踐結果，也為該領域揭示了一個未來的關鍵趨勢：AI Agent的競爭正在從單一產(chǎn)品功能轉向生態(tài)構建能力。

短期來看，垂直領域內(nèi)將涌現(xiàn)出更多"Manus變體"，即利用開源框架快速部署場景化Agent；長期而言，實現(xiàn)真正的跨領域協(xié)同，仍需跨越智能體操作系統(tǒng)誕生和人機協(xié)作范式重構這兩道關鍵門檻。

當Agent不再是執(zhí)行預設流程的工具，而是具備跨領域任務語義自主理解的"數(shù)字同事"，那么解放打工人生產(chǎn)力的那一天也就真的來了。