編者按：本文來(lái)自微信公眾號(hào) 錦緞(ID：jinduan006)，作者：耀華，創(chuàng)業(yè)邦經(jīng)授權(quán)發(fā)布。

Manus成為AI頂流，似乎只用了一個(gè)晚上，另加一場(chǎng)不那么正式的發(fā)布會(huì)。一個(gè)邀請(qǐng)碼在某魚(yú)已經(jīng)炒到了5萬(wàn)。不用想，現(xiàn)在最慌的有兩批人——投資人，以及大廠。

Manus神奇在何處，是虛火炒作，還是貨真價(jià)實(shí)？

01可以做什么？

它可以全自主完成一個(gè)針對(duì)特斯拉的財(cái)報(bào)分析報(bào)告，也可以幫你生成一個(gè)完全可以正常交互的網(wǎng)站，甚至可以做一款可以直接上手玩的RPG游戲——它可以搭建開(kāi)發(fā)環(huán)境，自行寫(xiě)代碼，自己debug，自行編譯。

如果你想做一個(gè)地區(qū)人口調(diào)研報(bào)告，Manus還可以自己訪問(wèn)數(shù)據(jù)庫(kù)和自己搜索決定該用什么數(shù)據(jù)來(lái)完成。

Manus幾乎可以通過(guò)一個(gè)prompt來(lái)完成一個(gè)復(fù)雜的分析項(xiàng)目。官網(wǎng)顯示，在AI agent的評(píng)測(cè)標(biāo)準(zhǔn)GAIA benchmark基準(zhǔn)下，其表現(xiàn)更是高于OpenAI的 DeepSearch。

筆者分析了用戶在推特和國(guó)內(nèi)社媒上發(fā)布的使用案例，從執(zhí)行過(guò)程來(lái)看，完全比肩DeepSearch，每個(gè)流程的執(zhí)行代碼、產(chǎn)出文件都完全可見(jiàn)，分門別類整理好等待用戶檢閱。就特斯拉和英偉達(dá)的財(cái)報(bào)分析和估值結(jié)果來(lái)看，不遜色于雪球各種大V。

筆者覺(jué)得其中最為驚艷之處是，Manus通過(guò)自己搭建的虛擬電腦來(lái)執(zhí)行數(shù)據(jù)獲取、計(jì)算、開(kāi)發(fā)環(huán)境搭建和測(cè)試等一系列硬核環(huán)節(jié)，這幾乎將用戶從復(fù)雜的基礎(chǔ)工作中解放出來(lái)，一個(gè)新人完全可以零幀起手進(jìn)入工作。

02背后的團(tuán)隊(duì)

Manus引發(fā)如此大的聲量，除了其超高質(zhì)量的產(chǎn)出，作為土生土長(zhǎng)的國(guó)內(nèi)團(tuán)隊(duì)作品也是引燃社媒聲量的一個(gè)引線。AI領(lǐng)域，國(guó)內(nèi)團(tuán)隊(duì)的步伐和美國(guó)集結(jié)了全球人才的夢(mèng)之隊(duì)相比，似乎并沒(méi)有落后。

我們了解到，Manus是國(guó)內(nèi)AI創(chuàng)業(yè)團(tuán)隊(duì)Monica AI的另一產(chǎn)品。Monica AI是一款A(yù)I chatbot產(chǎn)品，不同于國(guó)外處于原生狀態(tài)的chatbot，Monica AI 并非僅僅提供一個(gè)模型使用入口，而是通過(guò)提供大量垂直向可以直接使用的API接口，用戶不需要擔(dān)心prompt調(diào)優(yōu)，上手即可使用。

創(chuàng)始人肖宏在這樣一款模式簡(jiǎn)單的chatbot產(chǎn)品上，已經(jīng)意識(shí)到了大模型和用戶之間交互方式的局限性。即，模型是優(yōu)秀的和具備一定“超能力”，可以在一系列調(diào)教下，完成一個(gè)復(fù)雜的項(xiàng)目。

但由于chatbot直接將用戶和大模型對(duì)接上，使得要完成某個(gè)任務(wù)的用戶，只能分批次將任務(wù)通過(guò)1v1對(duì)話讓模型分步驟產(chǎn)出。甚至，用戶可能都無(wú)法確認(rèn)輸入給模型的token是否是這個(gè)任務(wù)最優(yōu)的方案。

Manus讓人們繼續(xù)在對(duì)話框中，一步到位解決更復(fù)雜需要更高智能的任務(wù)了。站在這個(gè)角度考慮，Manus似乎更像是一個(gè)多個(gè)經(jīng)過(guò)規(guī)劃后的AI 任務(wù)集合。

團(tuán)隊(duì)刻意忽略顯示大模型神奇之處，轉(zhuǎn)而站在用戶角度，思考如何通過(guò)發(fā)揮模型的優(yōu)勢(shì)來(lái)完成日常任務(wù)。這是務(wù)實(shí)又珍貴的探索。

Manus的故事。讓人們看到了連續(xù)創(chuàng)業(yè)者對(duì)用戶需求的精準(zhǔn)把握能力和團(tuán)隊(duì)的超強(qiáng)執(zhí)行力。至于AI所需要的團(tuán)隊(duì)技術(shù)實(shí)力如何，我們稍后再講。

03產(chǎn)品的亮點(diǎn)

通過(guò)接近Manus團(tuán)隊(duì)的自媒體《賽博禪心》的文章透露，單條任務(wù)的成本在2美金左右是Deep Search的1/10。基于Claude 3.7 Sonet和國(guó)內(nèi)的Qwen模型基礎(chǔ)上，增加了自己的訓(xùn)練過(guò)程，這點(diǎn)是毋庸置疑的，創(chuàng)始人在播客訪談中透露，即使在做Monica的時(shí)候，他們也并不是僅僅作為prompt中轉(zhuǎn)站，直接將用戶的需求扔給模型，而是增加了產(chǎn)品調(diào)優(yōu)過(guò)程的。

就像一個(gè)天賦異稟骨骼清奇的練武奇才，需要經(jīng)過(guò)后天的努力才能成為笑傲江湖。

Manus任務(wù)自主規(guī)劃、思考和完成能力來(lái)自其混合模型的架構(gòu)?；赾laude 和Qwen，并非任務(wù)的某一個(gè)環(huán)節(jié)基于claude，另一個(gè)環(huán)節(jié)基于Qwen，manus打破了模型的“結(jié)界”，讓每個(gè)模型完成自己擅長(zhǎng)的任務(wù)環(huán)節(jié)。

多個(gè)大模型混合+manus虛擬云端執(zhí)行環(huán)境，實(shí)現(xiàn)了讓用戶只需要一次性敲鍵盤就可以完成往常chatbot多輪對(duì)話都未必能完成的復(fù)雜需求。

關(guān)于Mmanus執(zhí)行過(guò)程的猜測(cè)：

《賽博禪心》在其文章中提到的“工程驅(qū)動(dòng)創(chuàng)新”一詞，猜測(cè)Manus的任務(wù)執(zhí)行過(guò)程中，運(yùn)用了大量工程手段加模型能力來(lái)完成任務(wù)。結(jié)合多個(gè)社媒的案例分享，我們對(duì)manus的運(yùn)行機(jī)制做了簡(jiǎn)單猜測(cè)。

通過(guò)大模型（這一步猜測(cè)是Qwen）對(duì)于輸入進(jìn)行分析后，首先確定任務(wù)類型，manus內(nèi)部對(duì)于輸入應(yīng)該有一個(gè)類目劃分，如編程任務(wù)、多模態(tài)內(nèi)容生成、任務(wù)規(guī)劃類、建議咨詢類等等。其次，如輸入語(yǔ)言是英文，猜測(cè)可能任務(wù)執(zhí)行也以Claude為主。

具體到任務(wù)執(zhí)行層面，猜測(cè)過(guò)程如下：

1.接收到一個(gè)輸入后，大模型會(huì)首先進(jìn)行任務(wù)分類，決定后續(xù)任務(wù)執(zhí)行的模型選擇；

2.之后大模型將輸入拆解成多個(gè)帶有層級(jí)關(guān)系、優(yōu)先級(jí)和執(zhí)行順序的子任務(wù)；

3.按序執(zhí)行以后，上級(jí)任務(wù)的輸出，成為下個(gè)任務(wù)的輸入；

4.多個(gè)任務(wù)產(chǎn)出合并成一個(gè)最終分析結(jié)果。

對(duì)于每個(gè)子節(jié)點(diǎn)選擇什么模型來(lái)執(zhí)行，我們猜測(cè)，如果是編程任務(wù)后面執(zhí)行以Claude為主，如果是中文決策建議類就以Qwen為主；根據(jù)子節(jié)點(diǎn)的任務(wù)復(fù)雜度，執(zhí)行過(guò)程中單一任務(wù)甚至可能是Qwen和Claude混合，然后再用模型進(jìn)行效果對(duì)比，最終選擇保留效果最佳的一個(gè)。

從上述的分析可見(jiàn)，初始需求的輸入質(zhì)量決定了后續(xù)的任務(wù)類型判斷，以及子節(jié)點(diǎn)規(guī)劃和執(zhí)行效率，所以manus對(duì)于輸入的質(zhì)量要求很高，通常需要用戶詳細(xì)和完整的描述需求內(nèi)容（越詳細(xì)越好）。

這可能會(huì)成為Manus被詬病的一點(diǎn)，畢竟一個(gè)輸入的執(zhí)行是漫長(zhǎng)的，如果僅僅因?yàn)槊枋霾粔蚯逦敿?xì)而導(dǎo)致時(shí)間和算力的浪費(fèi)，會(huì)嚴(yán)重影響產(chǎn)品體驗(yàn)，屬于產(chǎn)品的不成熟，相信未來(lái)團(tuán)隊(duì)會(huì)改善這一點(diǎn)，畢竟一次任務(wù)執(zhí)行就要花費(fèi)一杯奶茶錢呢。

04當(dāng)前的問(wèn)題

從2022年到2025年，經(jīng)歷了三年多的大模型風(fēng)口一輪輪的認(rèn)知沖擊。人們對(duì)于大模型產(chǎn)品的使用體驗(yàn)，已經(jīng)基本走過(guò)了“AHA Moment”決定產(chǎn)品去留的階段。一個(gè)大模型產(chǎn)品，在效果驚人的基礎(chǔ)上，還必須要穩(wěn)定、要快，才能長(zhǎng)久抓住用戶。

效果穩(wěn)定性

回頭看manus，鑒于我們的Manus賬號(hào)尚在wishlist，從推特和國(guó)內(nèi)社媒的使用者反饋來(lái)看，略不同于DeepSeek的眾人交口稱贊，用戶對(duì)Mansu的產(chǎn)出穩(wěn)定性很不樂(lè)觀，甚至有不少弄錯(cuò)事實(shí)，讓人啼笑皆非的環(huán)節(jié)。

如果執(zhí)行中一個(gè)任務(wù)的數(shù)據(jù)或者事實(shí)用錯(cuò)了，就會(huì)導(dǎo)致最終產(chǎn)出變得不可信，從而浪費(fèi)這2美元的成本。

算力

除了效果不穩(wěn)定，單任務(wù)執(zhí)行時(shí)間過(guò)長(zhǎng)也是被詬病了另一個(gè)點(diǎn)，盡管Manus已經(jīng)展示出了其任務(wù)執(zhí)行邏輯和過(guò)程，但留給用戶的仍然有漫長(zhǎng)的等待，一個(gè)用戶發(fā)推說(shuō)，自己的任務(wù)執(zhí)行了4-5個(gè)小時(shí)。

這背后是團(tuán)隊(duì)對(duì)使用量的低谷，以及Manus本身架構(gòu)無(wú)法產(chǎn)生的大量算力需求。除以意外，用戶已經(jīng)被各大模型養(yǎng)刁了口味，習(xí)慣了分分鐘出結(jié)果的體驗(yàn)，對(duì)于長(zhǎng)達(dá)數(shù)小時(shí)的等待自然無(wú)法容忍。

其實(shí)，Manus如果能給用戶一個(gè)可預(yù)見(jiàn)的完成時(shí)間，也許可以減少等待的焦慮。畢竟對(duì)于一個(gè)復(fù)雜的分析任務(wù)，即使執(zhí)行時(shí)間長(zhǎng)達(dá)2-3個(gè)小時(shí)甚至半天的時(shí)間，恐怕也比現(xiàn)實(shí)中初級(jí)員工要快的多。

技術(shù)能力

如果說(shuō)，算力可以通過(guò)加卡來(lái)完成，那么團(tuán)隊(duì)技術(shù)能力可能短時(shí)間很難補(bǔ)齊。且不去對(duì)比DeepSeek那樣的夢(mèng)之隊(duì)，Manus的技術(shù)儲(chǔ)備可能更適合做一款日活百萬(wàn)級(jí)左右的用戶端產(chǎn)品。
連續(xù)創(chuàng)業(yè)者出身的團(tuán)隊(duì)可能優(yōu)勢(shì)更在于需求發(fā)現(xiàn)，并在短時(shí)間內(nèi)手搓出一個(gè)可以上線使用的產(chǎn)品，但用戶量大了怎么辦？需要技術(shù)升級(jí)是怎么辦，這些都是需要長(zhǎng)時(shí)間解決的問(wèn)題。當(dāng)前Mansu的用戶吐槽套殼和運(yùn)行速度太慢，任務(wù)卡頓就是這個(gè)問(wèn)題的外在體現(xiàn)（團(tuán)隊(duì)的道歉信中我們也看到他們沒(méi)想到這款產(chǎn)品這么出圈）。

Manus有了一個(gè)優(yōu)秀的起步基礎(chǔ)，有善于發(fā)現(xiàn)和抓住用戶需求的創(chuàng)始團(tuán)隊(duì)來(lái)把我研發(fā)方向，但還需要更多AI人才來(lái)讓manus成長(zhǎng)的更快更穩(wěn)定。畢竟目前的產(chǎn)品現(xiàn)狀，內(nèi)行人使用幾次之后就能大概了解產(chǎn)品架構(gòu)，被大廠拷貝一個(gè)出來(lái)是沒(méi)什么難度的。

05 Manus初步證明AI Agent的另一條路

市面上的Agent產(chǎn)品有2個(gè)方向，通用型和垂直應(yīng)用型。前者中知名度最高的2個(gè)產(chǎn)品，是來(lái)自2個(gè)大模型廠商O(píng)penAI的"Operator"和Anthropic 推出的 “Computer Use”。這個(gè)方向可以說(shuō)是通用型Agent的代表。

Anthropic的Agent軟件是通過(guò)一個(gè)特殊的API，開(kāi)發(fā)者可以知道Claude 模型來(lái)完成各種計(jì)算機(jī)基本的輸入、打開(kāi)文件等基本操作任務(wù)；OpenAI則是在此技術(shù)上擴(kuò)大硬件調(diào)用范圍允許通過(guò)API接口，在個(gè)人電腦上完成編程、預(yù)定旅行和購(gòu)物等操作。國(guó)內(nèi)智譜的AutoGLM在運(yùn)行模式上類似OpenAI的"Operator"。

垂直Agent，典型代表為cursor和devin。這兩款agent產(chǎn)品在程序員中口碑很好，但遺憾的是應(yīng)用領(lǐng)域窄很難推開(kāi)來(lái)。
Manus創(chuàng)始人肖宏在一則訪談中也表達(dá)了垂直和通用相比，顯然后者更具有普世價(jià)值，但前者更快走入了應(yīng)用。從實(shí)際情況看，我們周圍不少程序員朋友在用cursor編寫(xiě)基礎(chǔ)代碼了。

Manus定位為一款通用型AI agent。通過(guò)工程手段實(shí)現(xiàn)Agent架構(gòu)創(chuàng)新，將復(fù)雜的工作流程封裝在一個(gè)云環(huán)境上，融合多個(gè)大模型，通過(guò)任務(wù)規(guī)劃來(lái)自動(dòng)完成子節(jié)點(diǎn)需求處理，產(chǎn)出的是一個(gè)往常需要經(jīng)過(guò)多輪人機(jī)對(duì)話才能完成的復(fù)雜任務(wù)。

Manus達(dá)到了在部分任務(wù)上超越OpenAI DeepSearch的效果，代表了Agent的另一條可以選擇的路。

通用型agent產(chǎn)品，不可能依靠單一大模型實(shí)現(xiàn)，并且天然就是第三方開(kāi)發(fā)者的使命。

畢竟OpenAI和Anthropic的agent，幾乎不太可能通過(guò)競(jìng)對(duì)的模型來(lái)實(shí)現(xiàn)，這就決定了他們的產(chǎn)品研發(fā)進(jìn)度和工程手段無(wú)法和第三方相比。

同時(shí)Manus的應(yīng)用范圍相比通用型產(chǎn)品更加落地，相比垂直型有更廣闊的應(yīng)用領(lǐng)域。通用型agent所宣傳的幫助用戶購(gòu)票、規(guī)劃形成以及電商購(gòu)物的一系列操作，用戶自己操作也毫無(wú)門檻。但完成一個(gè)特斯拉財(cái)報(bào)分析報(bào)告，就需要很高的門檻了。通常有門檻的產(chǎn)品，其商業(yè)價(jià)值就更高。

互聯(lián)網(wǎng)界一直將AI Agent和通用型AGI鎖定起來(lái)，但Manus的出現(xiàn)告訴人們，即使尚未達(dá)到AGI，但 who cares，對(duì)普通用戶來(lái)說(shuō)能完成任務(wù)的同志才是好同志。

06三重啟示

一，有了AI助力，更需要獨(dú)立決策能力

即使今天和不遠(yuǎn)的明天Manus仍不能變成廣泛使用的agent產(chǎn)品，我們也能從不斷涌現(xiàn)的類似產(chǎn)品中明白看到一個(gè)核心問(wèn)題，即獨(dú)立思考和創(chuàng)新能力未來(lái)會(huì)是一個(gè)人的核心能力。

AI的確能幫人們做很多事，幫你分析實(shí)驗(yàn)結(jié)果、做實(shí)驗(yàn)報(bào)告，幫你完成案頭材料撰寫(xiě)等等，但AI不會(huì)幫你做實(shí)驗(yàn)，AI不會(huì)幫你想一個(gè)分析該從哪個(gè)點(diǎn)切入才能讓結(jié)果看起來(lái)更有亮點(diǎn)。
我們毫不懷疑在AI的介入下，人和人的差距會(huì)越來(lái)越大。

二、第一手消息更換了來(lái)源

上個(gè)互聯(lián)網(wǎng)風(fēng)口2010年前后，扮演攪動(dòng)風(fēng)云角色的是各大科技媒體，除了四大傳統(tǒng)互聯(lián)網(wǎng)門戶網(wǎng)站外，垂直領(lǐng)域科技媒體也起了舉足輕重的作用。AI風(fēng)口前，創(chuàng)業(yè)企業(yè)新的動(dòng)向往往來(lái)自自媒體、而后經(jīng)過(guò)社媒發(fā)酵，再被全民皆知。

“古典”時(shí)代，只要和記者保持溝通就不會(huì)錯(cuò)過(guò)重要行業(yè)動(dòng)態(tài)，但來(lái)到AI時(shí)代，投資人經(jīng)常陷于被動(dòng)，對(duì)突然冒出來(lái)的科技新秀一無(wú)所知。
不少風(fēng)投機(jī)構(gòu)通過(guò)設(shè)立孵化器來(lái)自己培養(yǎng)創(chuàng)業(yè)企業(yè)，但概率不理想，也很少有爆品產(chǎn)生。如何在一個(gè)社媒發(fā)酵模式下，抓住潛在甚至冒尖的機(jī)會(huì)，是機(jī)構(gòu)面臨的新課題。

三、大廠怎么辦

DeepSeek一枝獨(dú)秀的模型效果加開(kāi)源殺手锏，將字節(jié)、騰訊、百度等大廠從技術(shù)潮頭絀落。Manus又邁出了通用型agent走進(jìn)現(xiàn)實(shí)的第一步，又領(lǐng)先了大廠。這里我們都不敢將Manus的研發(fā)成本和大廠成本作對(duì)比，恐怕屆時(shí)將是對(duì)大廠的羞辱。
Agent，跟還是不跟？

參考資料

張小珺Jùn｜商業(yè)訪談錄：
https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0fhttps://pan.baidu.com/s/1KkGRdYdkf84vJygkFk2J5Q?pwd=n15q#list/path=%2F

賽博禪心：
實(shí)測(cè) Manus：首個(gè)真干活 AI，中國(guó)造（附50個(gè)用例 + 拆解）https://mp.weixin.qq.com/s?__biz=MzkzNDQxOTU2MQ==&mid=2247498251&idx=1&sn=f3a81f0f2a0f54c89ed51b2951b07da2&scene=142

賽博禪心：
關(guān)于 Manus 的一些獨(dú)家信息
https://mp.weixin.qq.com/s/oecpFKV0iog4mK5MNBvTfw
manus使用分享
https://manus.im/share/hRGARE7EBqtDhLHBGISLP7?replay=1

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問(wèn)，請(qǐng)聯(lián)系editor@cyzone.cn。