繼續衝擊模型智能上限，明確生產力工具定位。封面來源｜AI生成1月，一個瘋狂的模型大更新季度剛剛過去，剛剛發佈新模型K2.5的Kimi，來到一個關鍵節點。“智能湧現”獲悉，近期Kimi在和投資人的溝通中表示，公司的海外收入已超過國內收入，新模型K2.5發佈後，全球付費使用者已有4倍增長。這一變化恰好發生在新一代模型K2.5發佈後的短短幾天內。繼上一代模型K2發佈會後，K2.5繼續引發了海外熱潮。在Openrouter上，K2.5的排名已經來到第三位，僅次於Claude Sonnet 4.5和Gemini 3 Flash。事實上，前一代模型K2發佈後，Kimi從10月開始商業化，處理程序已經算很快。2025年末的內部信中，楊植麟提到，2025年11月以來，Kimi的海外API收入增長4倍。海外和國內付費使用者數月度環比增速超過170%。1月27日，Kimi發佈並開源K2.5模型，這是Kimi迄今最智能的模型，採用原生多模態架構，能力覆蓋視覺理解、程式碼生成、Agent叢集、思考與非思考模式。在HLE（人類最後考試）、BrowseComp、SWE-Bench Verified等基準測試中，K2.5都能達到開源SOTA，部分指標超越GPT-5.2、Claude Opus 4.5等閉源模型。如果說DeepSeek用R1證明了中國大模型在推理能力上的突破，那麼Kimi則在這個基礎上，去往一條特別的路——讓AI學會“團隊作戰”。從K1.5到K2.5，Kimi這一年的模型迭代路徑非常清晰：如何讓AI更像一個真正的智能體，而不僅僅是一個聊天機器人。如果說，K1.5時代，Kimi還是專注在讓模型能夠理解和生成更長的文字；K2是“Scale steps”——通過Agent任務能力的提升，讓模型能夠執行更複雜的操作。最新的K2.5，則是探索用Agent叢集的方式，讓AI學會“團隊作戰”。在實際應用中，K2.5可以調度多達100個Agent，平行處理1500個步驟，這極大拓展了Agent的實用性。在大規模資訊收集場景下，Agent叢集將效率提升了3到10倍。比如，一個Agent叢集的典型場景是檢索近三個月內所有關於叢集式agent的文獻，整理成Excel並提煉核心發現；從一段錄屏中識別UI互動邏輯，直接生成完整的前端程式碼；對Word文件進行批註修訂、Excel資料建模、PPT自動生成、PDF翻譯編輯等辦公自動化任務等等。為什麼會採用AI團隊作戰的方式？在1月29日的Reddit AMA（Ask MA Anything）中，楊植麟表示：“高品質資料的增長速度趕不上算力的增長，傳統的‘用網際網路資料預測下一個 token’的擴展方式帶來的改進越來越少。但我們可以通過其他方式擴展，比如 Agent Swarm——平行執行子任務的代理數量擴展。這可以被視為測試時擴展的一種形式，同時也提供了訓練時擴展的方式。”在K2.5發佈後，Kimi的路線已經越來越像Anthropic+Manus。在模型上，Kimi選擇對標Anthropic，專注基礎模型智能上限，通過開源建立技術影響力——從K2開始，Kimi的模型權重和工具鏈全部開源，開發者可以選擇本地或雲端部署。從成立至今，Kimi團隊僅有300人左右，這個團隊規模是不少大廠的十分之一。“用1%的算力資源，研發出全球領先模型”是Kimi的現狀。走Anthropic路線，演算法、效率創新是核心，這意味著技術路線的選擇會變得無比重要。創業公司的資源有限，也倒逼Kimi只能做那些最重要、最前沿的探索。比如此前全球首個在大規模LLM訓練中跑通Muon最佳化器、自研線性注意力機制Linear等等，都屬於這樣的創新。在產品上，Kimi已經形成了清晰的佈局：一方面，API端面向開發者，通過 Kimi API開放平台吸引全球開發者。而在C端使用者上，則明確了做生產力工具的定位。Kimi在有意將產品做得更通用，並且品牌也更集中。一個細節是，此前Kimi已經內測了面向C端使用者的Agent產品OK Computer，而在這一次的更新中，它被改名為Kimi Agent。在不少產品用例上，不難發現，Kimi正在試圖將產品做得更有品味，根據不同的主題做更好的風格化。比較突出的是複雜場景中的可編輯性，這更加依賴模型能力。比如在生成PPT、用Excel生成動畫後，使用者在Kimi中還可以自動拆分元素編輯，這進一步提升了可用性。在12月初，Kimi總裁張予彤曾表示：“要找到自己的敘事，找到自己真正擅長的事情。與資源更多的大公司競爭時，我們會刻意控制業務邊界，專注大模型層、邏輯層、Agent層，以及深入研究、PPT、資料分析、網站開發這類偏生產力、偏複雜任務的鏈路。”如今各家模型廠商都有自己押注的重點Agnet場景，Coding、Office都屬於此類。這些場景的特點是，都是剛需場景，一旦做好，商業化前景也比較明確，而且非常依賴模型能力的提升。對Kimi來說，要做“一方Agent”，挑戰依然不小，這意味要在基礎模型依然保持在第一梯隊的同時，還要將C端產品做得有品位，擁有獨特的使用者心智。 (36氪)

ClawdBot將成為擁有最多Mac電腦的企業也給AI硬體打開了一扇門這兩天ClawdBot這只龍蝦實在是太火了！堪比去年這個時候的Manus。不到一周時間這個項目的GitHub星標從幾百，直接上躥到當下的7萬，預計很快就能超50萬、直逼100萬！大量使用者用便宜的Mac mini來專門跑他，導致蘋果Mac mini直接賣斷貨！不過這個產品體驗下來有很多技術門檻，很多國內的朋友只能望洋興嘆，並不清楚到底是個什麼東西。實際上ClawdBot的很多能力，國內知名的字節扣子空間、Manus、Aipy、lemon.ai等產品早就能實現。什麼接入社交app、炒股，用程式碼指令碼操作其他應用，控制你家電腦作業系統底層，使用CLI終端命令列……這是我去年做的Aipy體驗視訊。更早的，2023年7月OpenAI推出的Code Interpreter程式碼直譯器就是這一切的祖宗！也是因為安全問題，OpenAI和Anthropic一直把它放在雲端沙盒裡運行，直到去年才逐漸升級出Skill、Cowork等功能。可為何ClawdBot這次能如此爆火呢？原因也很簡單，ClawdBot重點提升了一些能力的易用性。第一：特別是接入IM即時通訊app上，ClawdBot從一開始就整合了接入框架，並以此作為核心互動入口。使用者在任意硬體裝置上，都可以使用自己日常使用的IM即時通訊app，以聊天對話的方式進行遠端控制！第二：ClawdBot能夠直接通過指令碼接入你已經下載登陸的app應用，然後免費跨應用獲得花錢才能接入的資料！這歸功於ClawdBot底層Node.js，這是一個市佔率超過80%的後端框架，ClawdBot將Node.js海量的指令碼改造成適合大模型使用的Skill，直接接入本地應用獲取資料！第三：ClawdBot讓這些能力做到了常駐、即時運行、連續工作！這也是Node.js帶來的優勢。這三個能力帶來的效果就是：你可以直接在社交app裡，讓ClawdBot像個渣男一樣即時關注你女朋友的消息並像個渣男一樣聊得火熱！讓ClawdBot到股票應用裡免費獲取資料進行分析，即時將新的交易策略“微信”發你。而其他智能體產品，則選擇讓你去買專業的股票資料服務商的API Key。這一下子就讓發燒友們雙眼放光，瘋狂安利！但這麼多的“好處”、這麼多“紅利”，別家智能體怎麼就不知道用呢？原因很簡單，這麼操作只是湊合能跑，根本不實用也不安全。特別是AI炒股，通過程式碼指令碼在應用裡抓取的資料，質量很容易出問題。試想一想，AI智能體動不動就因為資料來源出問題把你賠得傾家蕩產，你還用不用？還有讓AI常駐持續運行即時服務，每天接入大模型的費用也夠讓你喝一壺！X上就有使用者發推，調侃ClawdBot在不到一天時間把自己股票帳戶裡的錢虧得精光。實際上，ClawdBot的產品思路早就被業內設想過。畢竟跨應用服務生態、免費可用，這些都是傳統網際網路服務著重強調的鐵律！不過在AI大模型時代，就根本靠不住！就一點，你的AI Agent智能體接入資料有問題，導致使用者賠錢，這事是不是你得負責？即便不用負責，其他應用也會用上各種手段，來阻止你的指令碼來免費獲取資料！所以大部分智能體一早就pass了這一方向。ClawdBot是少數嘗試去把這一設想實現的項目，而這樣的產品方案非常符合使用者審美和習慣，所以就理所當然爆了！實際上，ClawdBot這是一個知名的個人開發者Peter Steinberger所做的項目。他同時試水的AI智能體項目高達數十個！這完全是傳統網際網路孵化器創業的套路，實際上是不適合當下的LLM大模型時代邏輯的。但在大模型和智能體項目普遍受困於Momentum聲量問題的背景下，ClawdBot的爆火確實給了市場一些實用的策略：傳統網際網路的“使用者體驗為王”“以使用者為中心”依然是隱藏王炸！雖然ClawdBot有很嚴重的安全問題，但是否用一些警告、使用者協議和技術方案，阻止使用者在容易損失大量錢財的領域使用，就能解決？當下AI大模型的Eval評估、Guardrail防護欄技術就是在解決這些問題。事實上，ClawdBot+Mac mini的成功實踐也找出了一條本地大模型、個人AI裝置的發展路徑！直接在一台專用裝置上運行使用者的個人AI服務，雖然可能犧牲一定安全性和可靠性，但能快速將最新的AI服務體驗用最低的成本提供給使用者！實際上，這也並不是什麼新創意，Nvidia輝達的個人超級電腦DGX Spark就是這一思路，只不過實在是太貴了！ (AI頓悟湧現時)

模型與應用Kimi發佈K2.5開源模型，能自主建立Agent叢集處理複雜任務1月27日，月之暗面發佈並開源模型Kimi K2.5。月之暗面稱K2.5為原生多模態模型，同時支援視覺與文字輸入、思考與非思考模式。與半年前發佈的Kimi K2以及後續的Kimi K2 Thinking相比，K2.5實現了「程式碼×視覺」的深度融合，並首創「Agent叢集」能力。程式設計方面，K2.5支援以識別截圖或錄屏的方式生成前端程式碼。比如使用者可以直接上傳一段網頁互動的錄屏視訊，K2.5能夠通過視覺理解自動拆解視訊中包含的動態邏輯（如滾動觸發效果），然後直接生成能夠復現該互動體驗的專業程式碼，無需使用者用文字描述。處理複雜任務時，K2.5能自主建立多達100個分身組成團隊，平行處理1500個步驟，大幅提升長程任務的執行效率。比如在處理複雜的學術研究任務時， 使用者向Agent叢集提交40篇關於心理學和AI的論文，K2.5會自主「分裂」出多個子Agent平行負責不同章節的閱讀與撰寫，最後由主Agent彙總並為質量把關，生成一份長達幾十頁的PDF綜述。參考連結：https://mp.weixin.qq.com/s/Bhn43P1GnGXsvsh5MnN47QDeepSeek發佈並開源視覺語言模型DeepSeek-OCR 21月27日，DeepSeek發佈並開源了新一代視覺語言模型DeepSeek-OCR 2。模型包含一個新的視覺編碼器方案DeepEncoder V2，能讓模型不再按從左上到右下的固定網格方式「機械掃描」，而是能夠根據圖像的語義動態重排要關注的視覺內容，接近人類閱讀複雜文件時的視覺邏輯，即基於上一眼看到的內容決定下一眼看那裡。以往的模型按照固定順序閱讀圖像，在遇到表格、公式、穿插圖文這類並非基於「從左上到右下」邏輯的內容時，就容易出現理解偏差，因為模型「讀對了字」但「沒讀對結構與順序」。DeepSeek-OCR 2在升級之餘也嚴格控制了計算成本，其視覺Token數量被限制在256至1120之間，這一上限與Google的Gemini 3 Pro保持一致。參考連結：https://huggingface.co/deepseek-ai/DeepSeek-OCR-2混元3.0圖生圖模型發佈，生成後能通過互動修圖1月26日，騰訊混元發佈混元圖像3.0圖生圖模型。該模型支援圖片內容的增、刪、改，如消除或增加圖片中的物體或人物、給圖片增加文字等；可以更改圖片風格，如把照片變成漫畫風；還能夠多圖合成，比如把多張照片中的人物或元素提取出來合成照片。在騰訊之前，OpenAI、Google、字節跳動、阿里巴巴等廠商均已推出過類似功能。參考連結：https://mp.weixin.qq.com/s/hzgmBrBCN9wkV6KOAV4_FgMeta在Instagram上線Manus快捷入口1月26日，有報導稱，Meta計畫將近期收購的Manus納入訂閱計畫，一方面將它整合到Meta的產品中，另一方面繼續向企業銷售獨立訂閱。據經常發現未發佈功能的工程師Alessandro Paluzzi在X平台分享的截圖，Meta已經在Instagram上線了Manus的快捷入口。Clawdbot火了，使用者可以通過聊天軟體指揮它操控電腦去年年底，奧地利開發者Peter Steinberger推出了一個開源、可本地化部署的智能體Clawdbot，截至目前，該Agent在GitHub的收藏量超過5萬。Clawdbot相當於一個部署在電腦上的「AI員工」，除了呼叫大模型時需要聯網，資料和記憶都在本地。它能在電腦上執行瀏覽器控制、檔案讀寫、Shell指令碼編寫和運行等任務，具有連接日曆和信箱、設定清單到手機備忘錄等「Skills」，與近期發佈的Claude Cowork等桌面智能體助手功能近似。不同的是，Clawdbot無需在單獨的客戶端裡配置，而是可以通過「閘道器」和WhatsApp、Telegram、iMessage等多個聊天軟體連接起來，成為使用者聊天列表裡的一個「聯絡人」，使用者可以通過聊天軟體跟它對話，由此遠端控制自己的電腦，Clawdbot也能通過聊天軟體主動給使用者發消息。不過，Clawdbot的核心功能依賴於對系統底層權限的獲取，這帶來了一定的安全風險。如果使用者的聊天帳號被盜，攻擊者可以通過對話方塊直接接管整台電腦。AI幻覺也可能導致難以挽回的損失，比如有使用者發帖稱，「在自己的筆記型電腦上部署Clawdbot後，所有的錢都消失了」。Clawdbot的火爆意外帶起了蘋果小型台式主機Mac mini的熱度。儘管Clawdbot可以在任何能運行Node.js的裝置上部署，Mac mini憑藉低功耗、穩定運行、支援iMessage等macOS專屬功能，以及M系列晶片的性能優勢，成為讓Clawdbot「24小時線上」的熱門硬體選擇，社交平台上甚至有不少使用者發帖稱自己為運行Clawdbot專門購買了Mac mini。參考連結：https://github.com/clawdbot/clawdbothttps://www.macstories.net/stories/clawdbot-showed-me-what-the-future-of-personal-ai-assistants-looks-like/其他動態理想全員會上宣佈人形機器人計畫1月26日，有報導稱，理想汽車CEO李想當天召開了一場線上全員會，主要分享了他對AI發展趨勢的看法。李想表示，在汽車之外，理想汽車一定會做人形機器人。他認為，同時佈局基座模型、晶片、作業系統、具身智能等業務的公司，最終全球不會超過3家，理想汽車會努力成為其中一家。另外，他還判斷，今年是所有想要躋身AI行業頭部的公司「上車」的最後一年；L4級自動駕駛最晚2028年一定能落地。同日，理想汽車官方發佈了MEGA的最新銷量資料，自2024年3月開啟交付以來，截至2026年1月，MEGA已累計交付3萬台。參考連結：https://mp.weixin.qq.com/s/iN3zpnZuoxKZq0xNhcfgiA智譜仍在籌備A股上市根據中國證監會更新的公告，智譜的輔導機構中金公司已遞交了智譜的第三期IPO輔導工作進展情況報告，報告落款日期為2026年1月15日。這也意味著，在完成港交所上市、成為「全球大模型第一股」後，智譜仍在持續推進其A股上市計畫。智譜原計畫於A股上市，最初於2025年4月3日向北京證監局提交輔導備案，並於2025年4月14日獲得輔導備案受理，但之後它調整了計畫，於今年1月8日先行登陸港交所主機板。智譜港股上市首日開盤報120港元/股，較發行價高開3.27%，最終收漲13.17%，總市值約579億港元（約合522億元人民幣）。截至1月27日收盤，智譜港股累計漲幅達100.86%，市值1027.50億港元（約合836億元人民幣）。參考連結：https://mp.weixin.qq.com/s/KPLadCDbU3TVsA-_S_pXIQ階躍星辰融資50億元，印奇出任董事長1月26日，階躍星辰宣佈完成超50億元B+輪融資，刷新過去12個月中國大模型賽道單筆融資最高紀錄。參投方包括上國投先導基金、國壽股權、浦東創投、徐匯資本、無錫梁溪基金、廈門國貿、華勤技術等產業投資方，騰訊、啟明、五源等老股東跟投。同日，階躍星辰官宣印奇出任公司董事長，負責公司戰略與技術方向的制定。印奇同時還擔任千里科技的董事長。千里科技第一大股東是吉利汽車，2025年6月，吉利與千里科技、邁馳智行等合資成立千里智駕，各持股30%，吉利將極氪智駕、吉利研究院的智駕團隊與技術注入了該合資公司。特斯拉Robotaxi開始拿掉安全員上周，特斯拉在德克薩斯州奧斯汀市向公眾開放了無安全員的Robotaxi服務，不過車輛投放量極少。1月25日，有海外使用者在社交平台X上發帖稱，自己4天裡花了大量時間嘗試叫到無安全員的Robotaxi，一共試了38次，最終還是沒能成功。特斯拉原計畫在2025年年底前取消安全員，如今晚了差不多一個月。參考連結：https://x.com/DavidMoss/status/2015252404606836832?s=20 (新皮層NewNewThing)

本文彙編整理自張小珺對話季逸超。他是中國第一代軟體出海創業者，高中靠一款瀏覽器賺得 30 多萬美金；他深耕 NLP 十餘年，親歷從傳統 NLP 到大模型的技術巨變；如今帶著通用 AI 產品 Manus 橫掃海外，ARR 超 1 億美金。他就是 Manus（蝴蝶效應科技）的聯合創始人兼首席科學家季逸超（Pick）。最近，Manus被數十億美元收購的風波，引起不少人的討論。但我們更應該關注的，是這家公司的商業思考。在張小珺這場 3 小時的深度訪談中，季逸超分享了自己的創業故事、產品決策邏輯，以及對 AI 行業未來的底層思考。沒有晦澀術語，全是實戰乾貨，值得每一位創業者、從業者細讀。以下，是季逸超的自述精華版。一、三次創業 踩中時代紅利，也扛過技術顛覆1.第一次創業：移動網際網路蠻荒期的“意外驚喜”2009年，蘋果APP Store出現的第二年，我還在讀高中。那時候剛好趕上桌面網際網路向移動網際網路轉型，不管是國內的BAT，還是海外的大廠，大家都站在同一起跑線，沒有成熟的玩法，屬於移動網際網路的蠻荒期，這給了我這樣的個人開發者絕佳機會。我做了一款第三方iOS瀏覽器，叫猛獁瀏覽器（Mavericks Web Browser），商業模式特別樸素，賣軟體拷貝，每賣一份賺一份固定收入。沒想到這個簡單的模式，讓我在高二、高三期間賺了30多萬美金，也算成了中國早期軟體出海的創業者。那時候國內沒有成熟的支付管道，只能支援國際信用卡，國內使用者基本沒法付費。我就想了個辦法，破解自己的軟體，讓大家免費用，也算賺個吆喝，沒想到還吸引了資本關注，真格基金的徐老師當時就問我想不想創業。後來移動網際網路的商業模式變了，大家都開始“免費獲客 + 增值服務”，加上 iOS 系統不斷更新，我的瀏覽器慢慢不相容了，最後自然下架。這段經歷讓我早早摸清了產品變現和使用者營運的邏輯，也讓我深刻感受到 時代機遇對創業者的重要性。2.第二次創業：NLP深耕與大模型的“降維打擊”從瀏覽器業務裡，我發現了一個關鍵需求：當時行動網路速度慢，如果能預測使用者的下一次點選，提前載入內容，體驗會好很多。這個需求讓我一頭紮進了自然語言處理（NLP）領域，這一扎就是好幾年。2013年，Google推出了Word2Vec論文，能把自然語言文字高效轉化為稠密向量，這給了我極大啟發。我組建團隊做語義搜尋和知識圖譜，想打造“下一代 Google”—— 傳統搜尋引擎只給連結，我想直接給答案，通過自動化技術建構知識圖譜，解決使用者的核心需求。我們團隊從零開始訓練模型，從依存句法分析到Word2Vec向量化，再到 LSTM+Attention，最後跟進Transformer和BERT，整整熬了4年，做出了產品 Maggie。它能自動提取三元組、支援多語言，在最高置信度下的精準度能達到89%，比Google當時的產品還高，甚至能支援阿拉伯語這種反向書寫的語言。但2019年，GPT-3的出現給了我們致命一擊。我隨便寫個 Prompt（提示詞），它就能和我們訓了幾年的端到端模型五五開，而且它是通解，能搞定 NLP（自然語言處理）領域的各種任務，而我們只是垂直領域的解決方案。那一刻我意識到，垂直技術在大模型面前沒有優勢，最後決定賣掉公司。這段經歷讓我體會到垂直整合的痛苦：每天醒來都感覺海水在上漲，不知道什麼時候會淹到鼻子，模型迭代、資料標註、基礎設施搭建，每一步都要自己扛，那種壓力至今難忘。3.第三次創業：放棄AI瀏覽器，押注通用agent賣掉公司後，我在一家獨角獸公司做了一年半，主要工作是打榜贏算力資源，那段時間也讓我冷靜觀察了 AI 行業的變化。2023 年底，我被肖弘（Manus CEO）說服加入團隊，核心原因是他說的一句話：“Pick，你想不想在一個產品裡，把瀏覽器、搜尋引擎、語言模型重新做一遍？” 這句話一下子戳中了我。初期，我們基於Chrome外掛Monica的使用者資料，想做一款AI原生瀏覽器。Monica 當時已有1200萬美金 ARR，是正向現金流產品，但我們很快發現了問題：外掛的使用者滲透天花板太低 ，Chrome 有20億日活，而頭部外掛的活躍使用者也就5000萬左右，不到 1% 的滲透率，再怎麼發力也難有大突破。更關鍵的是，瀏覽器的遷移成本極高。人類歷史上只有兩次瀏覽器變革：從網景到IE，從IE到 Chrome，要麼靠管道分發，要麼靠技術漏洞，創業公司想顛覆太難了。而且當我們內部把瀏覽器產品打磨得差不多時，我突然覺得它“不是特別酷”——按我現在的話說，如果一個產品做完，你自己都覺得不酷，那沒人會覺得酷。其實做完一款產品，人難免會有慣性偏袒，那怕我們都是經歷過幾次創業的“中登”，也會下意識想說服自己產品沒問題。但隨著更多問題暴露出來，我們才慢慢趨向冷靜判斷。直到看到美國創業公司 The Browser Company 放棄瀏覽器產品 Ark，創始人說“連親戚朋友都不願意從Chrome換成Ark”，我才徹底下定決心放棄這個方向。其實那段時間特別寶貴，大家在自然而然形成共識的過程中放下了瀏覽器，處於一種幾乎無所事事的狀態。而當一群不太笨的人無所事事的時候，就會產生很多很好的想法。當時我們還在正常營運Monica，同時也會做一些別的實驗，那段時間已經有不少AI產品受到歡迎，尤其是coding領域，像Cursor、Windsurf，還有後來的Devin，都積累了很多使用者。我們作為工程師，自然會去體驗這些工具，可讓我們意外的是，公司裡很多非工程師居然也在用Cursor，要知道，Cursor的產品形態還是IDE（整合式開發環境），本來是寫給程式碼人才用的東西。我們發現，營運同事在用它寫部落格，資料分析同事用它做資料分析和可視化。於是我們特意站在他們身後觀察，發現了很有意思的一幕：Cursor左邊是程式碼區，右邊是和AI聊天的窗口，這些不會寫程式碼的同事根本不看左邊的程式碼，只是不斷跟AI交流，讓AI幫自己完成任務。原來AI是通過程式設計的方式，以程式碼為媒介，去幫他們完成這些非編碼任務。這讓我突然意識到：程式設計不是垂直技能，而是通用能力，真正的機會是把這種通用能力包裝起來，讓普通人也能用。於是我們把瀏覽器的技術積累搬到雲端，打造了通用agent產品 Manus：每一個會話背後都有一個獨立的虛擬機器沙盒，能幫使用者做網頁、做 PPT、批次處理檔案、深度研究，還能聯動 Notion、Slack 等工具，非同步處理長任務，不用使用者自己寫程式碼或複雜操作。2024年3月Manus 發佈，現在 ARR（年度經常性收入）已經超過1億美金。我們沒有對標任何產品，完全是使用者用出來的，大家喜歡用它做幻燈片、網頁和批次檔案處理，我們再針對性最佳化，這種由使用者塑造的產品，生命力才強。二、Manus 的產品邏輯不做工具，做 “人的延伸”1.為什麼堅定做通用agent，而非垂直工具？我之所以堅持做通用 agent，核心有三個判斷：技術層面：通用基座模型 + 虛擬機器（圖靈完備）的底層供給是通用的，垂直領域只是在上面加約束，反而會限制產品潛力；產品層面：使用者的需求是多樣的，通用產品能讓使用者按自己的想像力使用，我們團隊再通過觀察使用者行為捕獲頭部場景，既保留長尾能力，又能形成網路效應；商業層面：垂直工具的使用頻次太低，比如旅行規劃一年就幾次，很難讓使用者記住，而通用產品能覆蓋使用者多場景需求，提升使用頻次和使用者粘性。如果你做的是個垂直agent，你可能還是在做一種新的工具。但如果你在做一個通用agent，你其實在做一個人。我們現在經常跟使用者或其他人交流，他們常說 Manus 很像人，但我們從來不以替換人的思路來想這事 ，如果你給別人傳遞“要替換人”的心智，所有人都會從風險控制的角度考量，只要一個環節不通，整個產品就被否定。其實我們該抱著提升人（enhance people）的思路，讓高效的僱員或自驅的人，用了這個工具後產能再上一個台階，這才是更良性且現實的做法。比如你想做一個有內容的網頁，它能先做深度研究，再基於研究結果做網頁，最後還能分析網頁流量、做 PPT 發給投資人。2.初期用邀請碼，不是行銷是“無奈之舉”Manus發佈初期採用邀請碼機制，被很多人質疑“過度行銷”，其實這是我們的無奈之舉。當時我們跟所有雲廠商和模型廠商溝通後發現，世界上能立即到位的算力比想像中少太多。Agent 的算力消耗模式和 Chatbot 完全不同，輸入和輸出比例能達到100:1甚至1000:1，要是放開用，產品肯定會崩。直到一個月後，雲廠商和模型廠商適應了agent的工作負載，我們才取消邀請碼。可以說，我們是為行業趟了一條路，後來再用邀請碼的公司，我覺得就沒必要了，算力已經準備好了，沒必要再搞這種形式。3.商業化：不追求DAU，只服務高價值使用者Manus 的定價邏輯很簡單，參考 ChatGPT的20 美金/月，我們定了40美金 / 月的默認訂閱價，現在逐漸簡化為“免費方案+自由訂閱金額”。我們不追求 DAU（日活躍使用者數），而是關注“高價值使用者的高價值任務”。有的使用者一個月能給我們付幾千美金，因為他有大量高價值任務要跑，這比單純的使用者數有意義得多。目前Manus的使用者主要是三類人：網際網路公司非程式設計師的白領、自由職業者、金融和諮詢行業從業者。他們有強自驅力，任務價值高，對質量的敏感度也高 ，我們做過雙盲測試，悄悄換個模型，使用者滿意度就會明顯下降，所以我們必須保證每一次輸出的質量。三、AI行業的創業、競爭與決策邏輯1.模型與應用的終局：不再涇渭分明未來不會再分模型公司和應用公司。美國現在已經是這個趨勢，OpenAI既做模型也做產品，Google雙向都強，Anthropic 靠Cloud Code的成功也開始重視產品。對於應用公司來說，優勢在於“不用買模型彩票”。模型公司的創新是自下而上的，靠技術突破驅動產品；而應用公司能吸收所有外部創新，快速迭代，而且使用者的使用軌跡和反饋留在應用層，能形成獨特的資料飛輪，這是模型公司拿不到的優勢。2.決策機制：分階段混合模式，兼顧效率與多元創業公司在不同階段、解決不同事情時，需要不同的決策模式。雖然我們是連續創業者，但其實也都不成熟，最近在逐漸走向更理智的方式。我們總結了一套“GPA”決策框架，還會結合集權式和民主式兩種模式：G（Goal，定目標）：集權式決策由CEO肖弘作為“仁慈的終身獨裁者（BDFL）”拍板，直接把團隊核心目標定死，避免目標分散。P（Priority，定優先順序）：專制 + 民主結合先由核心決策者（比如CEO或對應領域負責人）牽頭，同時充分吸納團隊成員的專業意見，畢竟涉及不同領域的專業能力，多元輸入能讓優先順序排序更合理。A（Alternative，提方案）：充分民主鼓勵團隊成員自由提供各類可選方案，這個階段方案數量比質量更重要，足夠多的選項才能避免決策侷限，就像訓練模型不能侷限於狹窄的動作空間。其中，肖弘作為CEO，是產品方面的最終決策者。我們都比較相信與其懸而未決，不如趕緊試試。面對新領域時，過往經驗未必有用，過度思考只是基於自己“模型內部的參數化知識”，沒有額外資訊輸入，也沒有檢驗結果，再想太多不如先行動，拿到反饋再調整，避免無意義的內耗。3.競爭：不是零和博弈，而是生態聯動很多人問我，面對 OpenAI、Google 等大廠的競爭，我會不會焦慮？其實我並不焦慮。我們能用上市面上所有最好的模型，而大廠有自己的專長：Anthropic 的 coding 能力、Google 的多模態能力、OpenAI 的推理能力。我們的優勢是產品迭代快，而且服務的是對質量要求極高的使用者，這部分使用者不會因為品牌而妥協，他們要的是當下最好的體驗。AI行業的競爭不是零和博弈。Manus和 Notion、Microsoft、Slack都是聯動關係，我們串接這些工具，產生的價值比單獨競爭大得多。與其做一個比不過別人的垂直功能，不如讓大家一起把生態做好，這才是共贏。4.通用agent的未來：主動創造價值，而非被動響應我認為通用agent的下一個方向是“主動性（proactiveness）”。現在的 AI 還是被動響應使用者需求，未來要能主動完成任務。比如你面試完，Manus能自動看你的Notion記錄，把評價填到招聘系統裡，只讓你確認就行，真正解放使用者的注意力。同時，我也想給模型廠商提幾個建議：讓模型學會 “壓縮意識”，不用無限擴展上下文窗口；結合工具做推理，而不是純“缸中之腦”；支援使用者隨時插嘴，適應非同步互動；提升錯誤恢復能力，遇到問題不放棄、不陷入死循環，這些都是通用agent 落地的關鍵。5.AI創業的本質：不是賭一把，而是先行動對比我的三次創業，現在的AI創業和移動網際網路時代完全不同：移動網際網路的邊際成本低，能低成本試錯；而AI創業更像製造業，有固定成本，算力消耗就是很大一筆開支。所以，對於創業公司來說：第一，不要做垂直整合，除非你有足夠的資源；第二，不要糾結於要不要做，比較健康的做法應該是當你的產品已經初具PMF，且已經到了一個比較穩定的狀態之後，你以一種增加穩定性或降本或突破天花板的思路再去做模型；第三，團隊要身心健康、尊重常識，不要做“有賈伯斯的病，沒有賈伯斯的命”的偏執者。結語你準備好迎接未來了嗎？從高中時的瀏覽器創業者，到如今的通用AI先鋒，季逸超的三次創業始終圍繞技術落地和 使用者價值。他踩過垂直整合的坑，也抓住了 agent 的機遇，用 Manus證明了不做模型也能做出頂尖AI產品。在 AI 行業還在爭論模型至上還是應用為王的今天，季逸超的經歷給出了另一種答案：真正的機會，在於理解技術的邊界、使用者的需求，以及時代的趨勢，然後以理性的姿態，快速行動、持續調整。而對於我們每一個人來說，AI不是要取代人，而是要解放人，就像季逸超說的：“把不喜歡的事交給 AI，剩下的才是真正的自己。” (筆記俠)

兩條路徑，一種宿命清晨的科技圈被一條消息刷屏了：成立不久的 AI Agent 創業公司 Manus 被 Meta 以 20 億美金的價格收入囊中。創始人肖弘更直接獲封 Meta 副總裁。就在 Manus 在新加坡慶祝“技術套現”的同時，國內大模型領頭羊智譜清言也在同一時間啟動了香港上市的招股。招股書顯示，智譜預計市值超 511 億港元，但繁華背後卻是沉重的財務壓力——2025 年上半年虧損 17.5 億元，平均每月“燒掉”近 3 億。按此速度，帳上現金僅夠維持 9 個月。同樣是頂尖的華人技術團隊，一個在 Meta 的生態裡輕裝上陣，一個在資本市場的博弈中求生。這種巨大的體感差異，真的只是因為“出海”與否嗎？估值博弈：被“土壤”攤薄的價值我們將坐標拉長到全球視野。智譜即便頂著“中國 OpenAI”的光環，其市銷率（P/S）在 64 倍至 78 倍之間，相較於國內 AI 應用公司已是巔峰，但對比美國同行卻略顯落寞。大洋彼岸做企業服務的 Anthropic，2025 年營收預計超過 50 億美金，二級市場隱含估值高達 3500 億美金，更不用上篇文章提到的Palantir，市值已經突破4500億美金。就算有美股的泡沫和對AI價值的高估，可那又怎麼樣呢？泡沫的繁榮也是繁榮，總比理性的貧瘠強，普通人創業，首先要獲得市場和資本的認可，讓創始人和投資人先賺到錢。可為什麼智譜既有 Anthropic 的訂閱邏輯，又有 Palantir 的服務屬性，市值卻難以跨越數量級的鴻溝？答案不在技術指標，而在於中國企業級市場的“三大泥潭”：私有化部署、定製化開發、資料治理。這並非新鮮事，但為何難以破解？我曾經以為這不過就是中國企業現階段的無奈之舉，直到我無意中翻開一百多年前傳教士明恩溥的那本《中國人的性格》，才發現如今中國企服市場的每一個痛點，都能在百年前的社會心理中找到底層編碼。社會心理一：互相猜疑這種心理在企服市場中的體現就是猜疑的高牆與私有化的執念。明恩溥觀察到，中國民居最顯著的特點就是環城、環村、環房而建的高牆。這種防禦不是針對外敵，而是針對彼此。“據說，人與人之間之所以相互不信任，原因有兩個：一是不瞭解對方；二是太瞭解對方。”書中舉例：一個婦女聽到院內喧嘩便勃然大怒，認定人們在議論她；一個僕人被辭退，會固執地猜疑所有人都在背後中傷；中國人分錢時，大家很難相信既定方案，總覺得錢被別人剋扣了。這種深植骨髓的“不安全感”，完美對應在當下的數位化決策中。許多大中型企業不惜支付數倍溢價，也要搞私有化部署，理由如出一轍：“資料交給別人，我不放心。” 甚至有企業寧可雇上千人團隊從頭研發商業成熟產品，美其名曰“自主可控”，實則是擔心資料被外人窺視。在這些決策者心中，私有化部署等於絕對安全。這正如明恩溥描述的“高牆心理”——寧可把現金埋在自家的床底，也不願存入銀行。他們寧願相信月薪八千、三本畢業的自家維運，也不信大廠投入幾十上百億研發的技術能力和安全機制。這種心理帶來的效率損耗，正是中國企業軟體難以規模化增長的第一個病灶。社會心理二：“順而不從”與定製化黑洞為什麼中國企業的個性化需求如此之多？是因為業務真的特殊嗎？未必。更多時候，是為了遷就不合理的舊流程和人的操作習慣。明恩溥將其總結為“順而不從”。書中寫道：給苦力一把快鐮刀，他笑著接過，轉身卻繼續用那把鈍滯的舊刀，理由是“舊的更好用”；給洗衣工脫水機，他棄之不用，寧可手搓得破爛不堪；園丁不按吩咐修牆，反而插滿樹枝，被質問時還能講出一堆優越性。有位地方官命僕人去遠方取水，僕人卻私自到近處取甜水，只要結果滿意，官員便不追究其抗命這種“會捉老鼠就是好貓”的實用主義，在企業數位化中演變為對標準化軟體的天然抵制。管理層呼籲標準化，下級表面尊重，實際操作中卻繞過規則。如果上級持續施壓，壓力便逐級下移，直至消解，一切恢復如初。這種博弈導致廠商不得不針對每個企業、甚至每個部門開發特定的補丁。定製化開發不是在適配業務，而是在適配那些不願改變的“舊習慣”。社會心理三：漠視精確帶來的“資料負債”“大數對得上就行”，是中國企業資料治理的隱秘真相。明恩溥提到，中國人對數字的敏銳度往往讓位於“模糊的體面”。AI的底層邏輯是資料，而資料要求的是絕對的精確。但我們的傳統心理中，似乎自帶一層“模糊濾鏡”。明恩溥發現：說老人七八十歲，可能才滿七十；去看戲花了173弔錢，口述時一定是“兩百吊”，因為“沒區別”。這種對數字的無所謂，直接導致了企業內部的資料斷層。當年我代表就職的企業與合作方簽署了一個970萬的軟體合同，於是對方在簽約喜報中就體現了合作金額“千萬大單”，反正看起來接近1000萬就行，實際上還差了整整30萬。我服務過一家年營收數百億的集團，不管是集體總部還是眾多二級單位之間，的資料幾乎沒有一個能完全對上。真正用的好就一個財務系統，做核算出報表，你搞你的我搞我的，對不上就對不上，以財務資料為準。這種對精確性的漠視，導致了國內企業普遍面臨極高的“資料債務”。當 AI 進入這些企業時，面對的是一堆邏輯混亂、口徑不一的髒資料。為了讓 AI 說句“人話”，廠商不得不投入大量精力在底層治理上，這種苦活累活，讓任何業務都變得沉重且低效。結語：在鹽鹼地外尋找“增長範式”鹽鹼地裡固然能種出莊稼，但需要極高的改良成本。Manus的成功，本質上是利用了中國的工程師紅利，但在產品設計之初就對準了規則明確、生態成熟的海外市場。這為新一代軟體創業團隊提供了一個極其清晰的生存指南：跑出原型，然後快速融入國際化生態。而對於像智譜這樣根植本土的先行者，真正要獲得商業上的成功，還需要極大的戰略定力和資本支撐。未來相當長一段時間內，國內市場或許會繼續維持這種“高投入、慢回報”的常態，這是由社會心理和商業環境共同決定的。而那些希望快速兌現技術價值的團隊，出海不再是選項，而是必然。無論如何，還是要祝福Manus，他們證明了本土教育背景的技術團隊一樣能做出世界頂尖的產品，同時還能賺到錢；同時也要致敬智譜，走入資本市場，迎接更大的挑戰。 (岩聊數位化)

AI應用創業者搶灘變現。“Manus這回是真跑通了”2025 年被業內視為 Agent（智能體）元年，但現實卻是“雷聲大雨點小”。B 端雖有付費客戶，C 端卻因成本昂貴、自動化體驗差而遭遇瓶頸 。就在大家以為 Agent 今年將平淡收場時，12 月29 日，Meta 與 Manus 聯合官宣了收購消息 。據傳此次交易估值超 20 億美元，且是 Meta 在 Manus 尋求融資時主動接觸促成的 。支持者們認為，這釋放了一個強訊號：Meta 買下的不是 PPT，而是一台正在高速運轉的印鈔機 。那麼Manus是如何從一家“劣跡斑斑”的初創公司，逆襲成為足以媲美矽谷科創企業的世界頭部AI應用呢？從“套殼爭議”到“世界頭部” 回看 2025 年 3 月6 日，Manus 憑一支 4 分鐘的演示視訊引爆全網 。其名稱源自拉丁語 Mens et Manus（手腦並用），Slogan 是“Leave it to Manus”（把它交給 Manus 吧） 。視訊中，它展示了如同人類般的辦公能力：自動解壓簡歷、閱讀記錄、輸出評估報告 。在視訊中，團隊首席科學家Peak（季逸超）展示了Manus如何像人類一樣工作：收到一個包含10份簡歷的壓縮檔案後，它自動解壓、逐份閱讀、記錄關鍵資訊，最終輸出排名建議和候選人評估報告。Manus甚至主動宣傳自家是“全球首款通用AI智能體”，很難不讓人聯想到年初爆火的Deepseek R1如何攪動中美科技圈和資本市場的。難道這是又一個“Deepseek時刻”，很多自媒體文章也在有意無意往這邊靠，自然無形中把預期拉滿了。Manus這下要麼成神要麼就變成路邊一條。有技術團隊幾乎不過夜就復刻平替了它並且開源，證明Manus是門檻很低的“套殼”產品，各種功能其實已經在很多其他產品裡出現過。其核心能力完全依賴呼叫Anthropic的Claude模型API，再用MetaGPT等開源框架拼裝“自動執行”功能，本質是個“縫合怪”。與此同時，Manus測試碼一碼難求甚至翻到了幾萬十萬的地步，有網友戲稱“賣房囤碼可能是今年最賺錢的生意”。大量真實測評過的網友說Manus不少功能會被驗證碼和網站牆限制住，其號稱專業的金融分析能力也被評價為遠不如券商模型，用來偵錯Manus的時間可能比自己做的時間還長。但 Manus 很快通過訂閱模式證明了自己：每月 20 至 200 美元的定價，在通用與垂直、模型與應用的爭議中給出了商業化的初步答案 。現在，Manus已經處理過147兆token，建立超過8000萬台虛擬電腦，為全球數百萬個人和中小企業提供智能體服務的企業。Meta計畫擴展這項服務，為其數十億消費者和數百萬企業產品（包括 Meta AI）提供通用智能體。花數十億美元收購Meta在想什麼Meta花這麼高價格收購Manus還讓創始人肖弘出任副總裁，很多人質疑小扎是不是病急亂投醫腦子不好使了。實際上恰恰相反，小扎從來都是不做虧本買賣。Manus 僅用 9 個月，ARR 就突破了 1.25 億美元，增速刷新了 SaaS 行業的歷史記錄，甚至超過了早期的 Slack 和 Zoom 。目前全球 ARR 過億的消費級 AI 企業僅有 8 家，Manus 便是其中最年輕的成員之一 。這種標的在AI市場上屬於早期的稀缺品種——目前ARR過億美元的消費AI企業，僅有8家，它們在市場上的估值分別為：Perplexity: $200億；ElevenLabs: $66億；Lovable: $66億；Replit: $30億；Suno: $25億；Gamma: $21億；Character: $10億。據《晚點 LatePost》報導， Meta 一出手就是數十億美元，創下 Meta 成立以來第三大收購紀錄，僅次於 WhatsApp 和 Scale AI。能排Meta歷史收購第三，證明小扎絕不是一時衝動，在矽谷人才爭奪戰正在如火如荼。矽谷的人才爭奪戰幾乎持續了一整年，其中最具代表性的事件，發生在今年年中的Windsurf 收購案。這家AI程式設計工具公司，幾乎在三方巨頭之間完成了一次接力跑。先是業內傳出 OpenAI 計畫以 30 億美元 收購 Windsurf；緊接著，Google DeepMind 出手，以約 24 億美元的整體方案挖走了 Windsurf 的 CEO 及部分核心團隊；而在短短 72 小時內，剩餘的產品、IP 與業務主體，則被 Cognition 收入囊中。如果小扎還是猶猶豫豫，非要證明自家有能力孵化ARR應用過億的產品，那就很有可能錯過Manus。Meta 官方明確將 Manus 定位為 AI 戰略中的關鍵“執行層”元件，目標並非推出單一產品，而是要將這種具備端到端執行能力的智能體系統，逐步整合進其龐大的社交與企業服務平台。它的技術方案在真實世界的高負載下也得到了驗證：系統累計處理了超過 147 兆個 tokens，並支撐著逾 8000 萬台虛擬電腦的運行。這種工程韌性意味著 Manus 不再是停留在實驗室階段的演示模型，而是已經具備了為全球使用者提供持續、可靠交付服務的能力。嘲笑Manus技術含量不高極客3個小時就能手搓，沒有任何意義。難道Meta做不出這樣技術的產品嗎？技術只是基座但做成什麼樣的產品區別就大了，能把營收和使用者做到這個地步說一句國內外罕見並不算誇張。此次收購標誌著 Meta 從單一的 Llama 模型輸出者，轉向了具備端到端服務能力的 AI 平台營運商。Manus 提供的不僅是技術，更是 Meta 流量變現的新引擎 。投射到整個行業，Manus 的高價賣身，會直接利多同類型的 AI Agent 公司（如 Salesforce、ServiceNow 以及未上市的頭部 Agent 項目），在有了Meta的定價後，市場也會重新對國內外AI 應用進行估值重塑。屬於Manus的產品勝利法Manus 的創始團隊並非出身名門或大廠高管，而是從武漢的一間民居起步 。從壹伴、微伴到Monica，這支團隊深耕工具與外掛領域十年，擁有極強的產品敏感度 。創業起點在武漢，曾開發過兩款微信生態的外掛：微信公眾號排版工具壹伴和企業微信客戶關係管理工具微伴。作為多年使用過排版工具壹伴的人來說，算不上特別好用但對比同行應該是好很多的，而且更新迭代快，有接近兩百萬人的深度使用者，網傳在壹伴時代就已經實現盈利營運。這說明作為從底層殺出來的Manus創始人，始終有著較好的憂患意識和產品敏感度。Manus團隊慶功後來創辦的蝴蝶效應第一款產品是瀏覽器 AI 外掛 Monica，提供大模型驅動的聊天、搜尋、閱讀、寫作、翻譯等功能。那時行業裡更看好開發大模型的公司做產品，肖弘選擇在大模型基礎上開發外掛，被指為 “套殼”。但 Monica 是中國 AI 行業少有的盈利產品。2024 年初，Monica 剛開始高速增長時，字節跳動高層曾與肖弘在香港單獨會面，出價 3000 萬美元收購蝴蝶效應。同一年，Cursor、Devin 等呼叫大模型解決複雜任務的產品讓模型具備了更強的能力，成了他們開發新產品的靈感來源。然後就是一問世就名聲大噪的Manus的故事。在過去一兩年獨立創業者是否還要做Agent是一個被嚴重質疑的事，因為OpenAI、Google等廠商陸續加強原生Agent能力，甚至免費拿出來給用，那麼第三方創業者的空間在那裡？過去市場認為“套殼”沒有價值，但 Manus 證明了：如果能通過工程韌性（支撐 8000 萬台虛擬電腦 ）解決模型到使用者之間的“最後一公里”問題，應用層公司同樣能擁有極高的議價權。創始人肖弘曾表示，Manus 的目標不是展示模型能力，而是提升任務完成率 。這種從使用者視角出發、靈活整合各家模型優勢的策略，讓 Manus 在 GAIA 基準測試中甚至超越了 OpenAI 的原生產品 。雖然目前營收過億但淨利潤仍為負，且面臨高昂的 Token 成本，但這恰恰構成了與 Meta 合作的基礎：Manus 需要資金和資源，Meta 需要產品閉環與增長極 。寫在最後Manus的融資歷程，堪稱一部標準的“中國團隊創業、中國資本助推、最終美國巨頭收割”的當代科技劇本。有人認為這才是出路，有人認為這是對人才的浪費，難道只有被海外天價收購之後才能意識到我們錯過了什麼？筆者認為，倒也不必這麼悲觀，國內創業有著不同的節奏，尤其是非大廠系的創業者，一開始就要面對商業確定性的極致追求：是否有清晰付費場景、是否能盡快跑通現金流、是否可以被覆制進更多垂直行業。這麼卷才逼出了Manus這樣迭代極快、幾乎沒有短板的初創企業。或許可以換個問題，為何矽谷誕生不了Manus這樣的企業？這種“產品驅動”的模式，恰恰是目前許多隻懂演算法的矽谷初創公司所欠缺的。 (首席商業評論)

這支平均年齡不足30歲的團隊裡，有從史丹佛輟學的AI極客，有從華爾街轉行而來的量化交易員，還有在開源社區自學成才的程式設計少年——他們的集體履歷，或許通不過任何一家傳統科技巨頭的簡歷初篩。2023年初，當Manus AI的創始團隊在舊金山一間車庫改造的辦公室裡敲下第一行程式碼時，他們可能未曾想到，十個月後，他們的公司將帶著尚未完全成熟的產品，被Meta以數十億美元的天價收購。更令人深思的是這支團隊的構成——沒有一位成員擁有人工智慧領域的傳統博士學位，核心工程師中過半沒有完整大學學歷，他們的技術能力證明來自於GitHub上高星標開放原始碼專案，而非名校文憑。這起收購案如同一顆投入科技行業深水區的炸彈，其引發的漣漪正在重塑我們對“人才”的認知。Manus的創始團隊像是一幅當代科技人才的拼貼畫。聯合創始人之一亞歷克斯·陳，在麻省理工學院攻讀電腦科學兩年後選擇輟學，理由是“課堂進度跟不上AI領域的發展速度”。首席演算法設計師莎拉·米勒，之前在避險基金從事量化交易，完全通過線上課程和實戰項目自學機器學習。“我們只關心你能做什麼，而不是你從那裡學過。”早期投資人這樣描述團隊的招聘哲學。“團隊裡有人曾是美國國家機器人競賽冠軍，也有人是在Reddit上通過解答技術問題被我們發現的天才。”這種對“實戰能力”的極致推崇，成了他們閃電速度的核心引擎。這種“非典型”背景組成在傳統企業看來或許是冒險，但在AI領域，卻展現出驚人的適應性。團隊在短短三個月內建構出第一個可用的多模態AI模型原型，又在隨後的七個月裡迭代了十四個版本，最終產品在特定任務上的表現超越了多家大型科技公司的成熟產品。“他們不受傳統思維的束縛，能夠以全新的角度解決問題。”Meta收購團隊負責人如此評價。Manus的成功，像一束強光，照出了傳統人才評估體系在AI時代的裂痕。過去三十年間，名校學歷一直是科技行業招聘的黃金標準，但這一標準正面臨著前所未有的挑戰。AI工具指數級的進化速度重新定義了“知識”的價值。 一項研究顯示，2022年發佈的AI程式設計工具Copilot，能夠將初級開發者的生產力提升55%，這意味著“掌握現有知識”的重要性正在讓位於“快速學習新工具”的能力。在Manus團隊中，最受重視的技能不是特定程式語言的掌握程度，而是“模型思維”——理解AI如何思考、如何學習，並以此為基礎設計解決方案的能力。這種能力很少在傳統課程中教授，更多是通過實際建構、失敗和迭代獲得的。哈佛大學教育科技實驗室主任安娜·羅德里格茲指出：“我們正在見證一場從‘學歷認證’到‘能力認證’的轉變。在這個新範式下，一個人的GitHub貢獻歷史、Kaggle排名或具體項目成果，比學位證書更能說明問題。”一個可見的趨勢是：可驗證、可追溯的項目履歷，正在成為職場新的“能力護照”。在AI領域，這種趨勢尤為明顯。以Manus團隊招募工程師的過程為例，他們的篩選流程完全圍繞實際能力展開：第一階段：候選人需要在72小時內，使用指定的開源AI工具完成一個真實世界問題；第二階段：審查候選人過去六個月的程式碼提交記錄，關注程式碼質量、協作習慣和問題解決路徑；第三階段：團隊協作模擬，評估候選人與多元化團隊配合的能力。“我們發現，這種評估方式比學歷背景能更準確地預測一個人在真實工作環境中的表現。”Manus前技術總監解釋道。這種轉變正在催生新的教育形態。線上學習平台如Coursera和Udacity報告顯示，2023年專注於AI實踐技能的專業證書課程註冊人數增長了200%，而同期傳統電腦科學研究生項目的申請量卻出現了下降。“學生們越來越意識到，一個能夠展示真實能力的項目，比一份完美的成績單更有價值。”史丹佛大學電腦科學教授李飛飛在最近的演講中指出。Manus的故事對仍在依賴傳統招聘機制的企業構成了直接挑戰。一份來自矽谷人力資源協會的調查顯示，超過60%的科技公司仍然將“名校畢業”作為簡歷篩選的首要標準。然而，這套系統正在錯失越來越多像Manus團隊成員那樣的人才。“我們的研究表明，依賴學歷作為主要篩選標準的企業，錯過了大約40%的高潛力AI人才。”人力資源分析公司TalentScope的首席研究員表示。一些前瞻性企業已經開始調整。Google於2023年宣佈取消對80%技術崗位的學歷要求；蘋果則推出了“技能優先”招聘計畫，專門尋找那些有卓越項目經驗但沒有傳統學歷背景的候選人。“未來的招聘將更像職業體育的球探系統——關注實際表現和資料，而非背景。”Meta人力資源副總裁在一次行業會議上坦言，“Manus團隊的收購讓我們加速了這一轉變。”Manus現象引發了對高等教育根本價值的深層質疑。如果最前沿的AI知識與技能主要不在大學裡傳授，那麼高等教育的角色是什麼？“大學正在從知識傳播中心轉變為思維訓練營。”教育創新思想家肯·羅賓遜指出，“最重要的是培養適應變化的能力，而非傳授可能迅速過時的具體知識。”一些大學已經開始響應這一變化。麻省理工學院推出了“項目主導學習”計畫，學生50%的時間用於解決真實世界問題；密涅瓦大學則完全摒棄傳統課程結構，專注於複雜問題解決和批判性思維的培養。但更深層的挑戰在於，當能力證明越來越不依賴傳統機構認證時，大學學位本身的“訊號價值”正在稀釋。“我們需要重新思考高等教育的價值主張——它必須提供無法被線上課程或實戰經驗輕易替代的東西。”哈佛大學校長克勞丁·蓋伊表示。Meta收購Manus後，沒有要求團隊成員補任何學歷認證，而是立即將他們整合進最核心的AI研發部門。這支團隊的辦公室牆上掛著一行醒目的標語：“能力不來自證書，而來自創造。”當AI不斷重新定義可能性的邊界，我們對人才的認知也必須同步進化。在技能本位的未來，每個人都將有機會以自己獨特的能力組合，定義屬於自己的價值坐標系。這場重構或許會帶來陣痛，但它最終指向一個更加公平、更加注重實質貢獻的人才評估體系——在這個體系中，你的程式碼、你的創造、你解決問題的能力，才是你最真實的簡歷。 (留學生日報)

收購談判僅用十餘天推出僅僅9個月，一款由中國創業團隊研發的AI產品，被美國科技巨頭以數十億美元收購。2025年即將結束之際，這個消息震驚了中國科技圈。Manus是由中國創業公司研發的通用型AI Agent（智能體）產品，於2025年3月正式發佈。美國當地時間12月29日，Meta宣佈，Manus將加入Meta，其AI Agent技術會應用到旗下產品中。據“晚點latepost”披露，此次交易金額高達數十億美元。也有業內人士估計，此次交易金額或在40億—50億美元。實際上，早在今年3月，Manus剛推出後便成為焦點：內測碼一度被炒到10萬元，被視為“打響了國內 AI Agent的第一槍”。與聊天機器人只是給出答案和建議不同，Manus展示的智能體，只需一句口令，就能在短時間內自動呼叫多種工具，完成寫程式碼、制定旅行方案、分析股票等任務。據報導，此次交易完成後，其“90後”創始人肖弘也將出任Meta副總裁。Manus背後公司“蝴蝶效應”的天使投資機構真格基金公開表示，肖弘和早期合夥人沒有海外留學背景，也無大廠高管履歷，他們從一間民居起步，摸爬滾打，最終做出了令國內外科技公司競相模仿的產品。這條路徑，在國內創業團隊中並不多見。為何是 Manus？1992年出生的肖弘做對了什麼？蝴蝶效應創始人核心團隊。圖/真格基金官網9個月，值幾十億美元？真格基金合夥人劉元向媒體透露，此次收購同樣出乎Manus團隊預期，收購談判前後僅用十餘天，“快到還懷疑過這是不是一個假的offer”。劉元是肖弘的“伯樂”，自2016年起，5次投資肖弘的創業項目。劉元公開提到，肖弘身上有極致的產品思維和執行力。肖弘也曾表示，自己創業的目標，是“為人類打造好用的工具”。實際上，Manus發佈之初，受到追捧的同時也面臨質疑——被認為“沒有自研大模型、技術門檻不高”，發佈內測碼被認為是炒作。但如今回看，應用做到極致，同樣能帶來成功。肖弘是江西吉安人，2015年畢業於華中科技大學，有連續十多年的創業經歷。早在本科階段，就曾利用微信的公眾號程式設計功能，做出公眾號查天氣的項目，還研發出華科版微信校內漂流瓶、志願填報助手等應用。2015 年，他創立夜鶯科技，為微信公眾號營運者提供編輯和資料分析工具，累計服務超過200萬B端使用者，並獲得騰訊、真格基金等投資。ChatGPT推出後，肖弘也並未選擇主流的大模型底層研發，而是瞄準AI應用，推出瀏覽器AI外掛 Monica。在Manu之前，肖弘還嘗試做AI瀏覽器。劉元回憶，他當時看過演示的版本，沒看出瀏覽器的差異，肖弘回應他：“不是你沒發現，是產品還沒設計好。”但隨後，這項研發了七個月的項目被叫停。兩個月後，肖弘推出Manus。肖弘近期在接受騰訊採訪時提到，他當時給團隊的目標是：創造出讓人感到驚豔、願意傳播的產品，並且做到零市場行銷預算。在他看來，如果做一款產品，持續有大量的成本投入到廣告平台，未來的增長就會受制於網際網路巨頭的廣告平台。後來Manus在社交媒體上爆火，在肖弘看來，是因為他們“在某種程度上打造出了使用者預期的產品……實現了大家對未來AI產品的設想”。彼時，海外使用者早已經習慣ChatGPT。但這類Chatbot（聊天機器人）只能給一個答案，還需要人們再花兩小時把它變成結果。肖弘選擇的方向，是試圖直接交付結果，“使用者一眼就能感知到差異”。而且產品演示也基於真實的場景，讓使用者可感可知，能快速被接受。Manus在12月公開披露，在應用正式上線僅八個月後，Manus的年度經常性收入（ARR）突破1億美元，成為全球從零增長到一億美元ARR最快的初創公司。目前，公司的總收入年化運行率已超過1.25億美元。自Manus1.5發佈以來，公司保持著超過20%的月度複合增長率。產品推出僅9個月就被大公司收購，創始人進入Meta核心管理層。Manus在聲明中寫道：“這不只是一條新聞，更是對我們在通用AI Agent領域工作的認可。”在全球科技界，這種“變現”速度也堪稱神話。Manus的團隊成員中，還有“90後”的季逸超，畢業於北京資訊科技大學；“85後”的張濤，畢業於重慶郵電大學。這支平均年齡30歲的團隊，用不到一年時間走完了很多創業公司十餘年也走不完的路。在劉元看來，這對 AI 時代的新一代年輕創業者而言，將是莫大的激勵。屬於中國這一代年輕創業者的時代，已經到來。“風口”來了在此之前，Manus已經引起海外科技巨頭的興趣。Manus在11月曾宣佈，其AI Agent將整合到Microsoft Agent 365能力中，成為率先在該平台上推出相關能力的產品之一。使用者只需完成基礎設定，即可啟用Manus作為個人AI助理，用於開展市場調研、整理文件、回答問題等任務。Manus的走紅，趕上了AI Agent的風口。從去年下半年起，AI科技巨頭的關注點正在轉向一個更務實的問題：誰能讓AI真正執行任務？真格基金近期還提到，Meta創始人馬克·祖克柏告訴肖弘，他自己也是 Manus的長期使用者。另一方面，收購Manus，也是Meta調整AI戰略的縮影。在基礎大模型競爭中逐漸落後於Open AI、Anthropic等對手後，Meta今年改變了重心，開始在生態和應用層加速補位。祖克柏頻繁在公開場合強調“超級智能”的願景。他指的並非單一的模型能力，而是 AI與個人生活方式如何結合。圍繞這一方向，Meta對AI業務進行了多輪重組。外媒報導稱，今年10月，Meta AI部門裁員約600人，AI基礎設施團隊和基礎人工智慧研究部門均受到波及。在產品應用端，Meta傾向於通過外部合作，補強能力，並主動爭奪頂級AI人才。最受關注的一個案例是，Meta在6月斥資143億美元，收購了人工智慧資料標註和訓練公司Scale AI49%股權，並將其創始人Alexandr Wang招至麾下，擔任Meta首席人工智慧官。8月，Meta透露，計畫與AI圖像和視訊生成明星公司Midjourney合作。12月初，Meta又宣佈收購一家人工智慧可穿戴裝置初創公司Limitless Inc.，向AI硬體領域延伸。祖克柏描繪的“超級智能”藍圖，也包括 AI Agent。Manus正好踩中 Meta 戰略轉向的節點。據公開資料，“蝴蝶效應”將在公司、團隊和產品層面保持獨立營運。Meta也計畫，不僅將Manus的技術融入消費級產品，還將拓展至企業服務領域。 (中國新聞週刊)