一個 Agent（智能體）不夠用？Manus 乾脆給你拉來 100 個。今天凌晨，Manus 推出了一項新功能：Manus Wide Research。這項功能的核心亮點在於，使用者只需一鍵即可開啟大規模平行 Agent 協作，輕鬆處理原本需要耗費數小時、動用數百個資料來源的複雜調研任務。簡單來說，這類似於此前 Grok 4 Heavy 的多 Agent 模式——同時啟動多個 Agent 平行工作，最後整合輸出結果。不過，Manus Wide Research 的調度規模更為龐大，Agent 之間的協作也更加緊密。在官方的演示 demo 中，Mamus 展示了兩個典型的案例。第一個案例，是讓 Wide Research 對比分析 100 款運動鞋。從功能、定價、設計到銷量，Manus 會首先並行呼叫 100 個子 Agent ，每個負責一款產品，獨立抓取分析、彙總資訊。隨後，這批結果被自動彙總成 Excel 表格和網頁，交付清晰的最終排序和評估建議。第二個案例，是為即將舉辦的活動尋找海報靈感。Wide Research 能夠同時探索 50 種視覺風格，並自動生成匹配風格的完整海報圖樣。幾分鐘內，成品設計就能交到使用者手上。目前，這項新功能已率先向 Pro 使用者（199 美元/月）開放，並計畫逐步向 Plus（39 美元/月）和 Basic（19 美元/月）層級使用者開放。值得一提的是，系統會根據任務需求自動啟動 Wide Research，無需使用者手動設定或切換。X 網友 @LamarDealMaker 在體驗後發文稱：「manus wide research 是我最近用過的最好的工具之一。50 個 Agent 同時在網際網路上搜尋，收集 AI 新聞資料並填寫這張表格，現在我擁有了一個按需呼叫的個人 AI 蜂群，很興奮將其應用到我的日常工作流程中。」當然，Manus 的積分機制早就被吐槽「貴得離譜」，如今新功能大幅升級，積分的消耗速度勢必進一步飆升。Manus 聯合創始人肖宏也疑似在社交媒體上回應這個問題：AI 在開始時更像邊際成本很高的原子生意，然後(也許會)逐步轉變成為邊際成本更低或者接近於零的位元生意。和這個匹配的做法是1.製造超貴但是拓展人類能力邊界的 AI 產品。2.用 1 掙到的錢造價格實惠的 AI 產品。3.再用 2 掙到的錢造價格更實惠的 AI 產品。現在在階段 1，也才剛剛開始。下一個發佈，再來 100x Token 消耗量。就目前來看， Wide Research 的底層邏輯遠不止「多開 Agent」那麼簡單。其背後其實是一個系統級的平行計算機制——每個 Manus 會話都運行在一台獨立虛擬機器上，具備編排複雜雲工作負載的能力。而 Wide Research 把這套資源能力擴展到了百倍規模，試圖讓一個人調度一個 AI 雲端運算叢集。更重要的是，與傳統多 Agent 系統通過角色預設（比如設計師、程式設計師、分析師）進行分工不同，Wide Research 中的每個子 Agent 都是一個完整的 Manus 實例，能自主思考、自我執行，再集中交付任務結果。Manus 聯合創始人季逸超也在 X 平台發文，進一步解釋了這一架構的靈感來源：Wide Research 是我們在 Agent-Agent 協作方面的最新探索。基於我們的大規模虛擬化基礎設施，Manus 現在可以自主調度一支由同質 Manus Agent 組成的團隊平行工作，並彙總結果。在建構 AI Agent 的過程中，我們一直受到經典系統研究的啟發。Wide Research 直接受到了 20 多年前由 @JeffDean 和 Sanjay Ghemawat 提出的 MapReduce 範式的啟發。作為大規模分佈式系統的先驅，Google遇到了其他人尚未面臨的挑戰，並慷慨地與世界分享了他們的解決方案。如今，隨著 Manus 推動 AI Agent 的邊界，我們正遇到一類只有在大規模時才會出現的新問題。我們將繼續分享在此過程中學到的經驗。特別需要指出的是，儘管願景很宏大，Manus 並未提供足夠證據證明這種同時啟動數十甚至上百個子 Agent 的方案，是否真的比單個高容量 Agent 按順序完成任務更高效。子 Agent 如何分工、如何合併結果、在響應速度、精準率和成本上是否具備顯著優勢，官方尚未提供相關依據。 (APPSO)

過去大半年，Agent（智能體）是AI 產業最常被提及的概念之一。幾乎所有廠商都在講Agent，概念不缺，demo 也不少，但真正做到產品級落地，始終缺一套完整的執行系統——既能理解複雜目標，又能調用多種工具串聯任務流程，還要隨時支援任務中斷、修改與恢復，真正貼合任務流。就在剛剛，OpenAI 正式發布ChatGPT Agent 功能。透過整合Operator + Deep Research + ChatGPT 本體，使用者只需描述任務，ChatGPT Agent 就能自主判斷所需工具，自動存取網頁、擷取資訊、執行程式碼、產生PPT 或表格等，並可在執行過程中即時展示對應步驟、接受暫時中斷和修改指令。看到這，你或許有種似曾相識的感覺。 ChatGPT 這個新功能其實與3 月份大火的Manus 在體驗層面相當相似，而Manus 也正面回應了OpenAI 這位競爭對手的入場。凌晨發表會結束後，OpenAI CEO Sam Altman 在社群媒體上寫道：觀看ChatGPT Agent 使用電腦完成複雜任務，對我來說是一個真正的「感受AGI」時刻；看到電腦思考、計劃和執行，有種與眾不同的感覺。亮點如下：ChatGPT Agent 將Operator、Deep Research 與ChatGPT 本體三合一，建構了一個統一智能體系統；內建圖形/文字瀏覽器、終端機和API 呼叫器等工具，支援手機端使用，任務完成後可自動推送結果；可連接Gmail、GitHub 等第三方應用，深度嵌入使用者真實工作流程；在多項基準測試中表現領先，綜合性能位居行業前列；Pro 用戶每月享有400 條呼叫額度，其他付費用戶為40 條，並支援按需擴充配額；ChatGPT Agent 正式上線，可以購物，能寫PPT，你的瀏覽器要被AI 接管了今天開始，你可以在任何對話中，透過聊天介面左下角的「工具」下拉式選單，選擇「Agent 模式」來啟用這項功能。輸入你想完成的任務，ChatGPT Agent 就能瀏覽網站、篩選結果、在需要時安全提示你登入、執行程式碼、執行分析，PPT、電子表格等任務也都能信手拈來。整個執行過程是可視的——操作步驟會即時顯示在螢幕上，使用者可以隨時中斷、修改指令，甚至手動接管瀏覽器繼續操作，確保任務始終符合你的目標和需求。在今天凌晨的示範中，OpenAI 展示了ChatGPT Agent 在真實場景中的應用能力。例如，為即將出席的婚禮做準備，一直是個難題。現在只需發出請求，ChatGPT Agent 迅速搭建虛擬環境，自主判斷應調用瀏覽器、文本解析器還是終端，並開始依次調取婚禮日期、查詢場地天氣、推薦西裝搭配、篩選酒店。在這個過程中，模型可以與OpenAI 研究員進行互動，並在適當節點請求確認需求，而執行這樣一個任務只需十分鐘左右。更重要的是，用戶還可以隨時中斷任務。例如當Agent 在推薦西裝過程中，OpenAI 研究員臨時插入了「幫我找一雙9.5 號黑色正裝鞋」的請求，模型立刻暫停當前任務，轉而處理新需求。同樣地，當Agent 認為有必要時，也會主動向你請求更多信息，確保任務始終與你的目標保持一致。如果任務超出預期時間或出現卡頓，你可以選擇暫停任務、請求進度摘要，或直接終止任務並取得現有的部分結果。「這種可打斷、可多輪對話的機制，是我們這次訓練模型的重點之一，」OpenAI 研究員解釋道。這項能力背後，是ChatGPT Agent 對三大系統的統一整合：Operator 提供網頁互動能力，支援自動滾動、點擊、填表；Deep Research 擅長資訊整合與分析；ChatGPT 本體則負責自然語言理解與智慧推理。ChatGPT Agent 是透過強化學習在複雜的任務中訓練出來的，過去三者各有短板——前者難以深入分析，後者無法操作網頁，而Agent 將三者優勢整合為一體，並輔以瀏覽器、終端、API 呼叫器等工具，形成一個完整的執行系統。使用者不僅可以在桌面端啟動Agent 模式，在手機端也同樣適用。任務完成後也會自動推播結果通知。在第二個演示任務中，OpenAI 研究員在ChatGPT App 上傳了團隊吉祥物Bernie Doodle 的貼紙圖案，Agent 自動調用圖像生成API 設計貼紙樣式，透過瀏覽器訪問電商平台完成比價、樣式選擇、購物車添加，最終整理出定制500 份貼紙的下單明細。當然，為確保流程安全、靈活且清晰可控，面對涉及金額的支付環節，則只會由使用者手動接管瀏覽器完成。透過連接器，使用者還可將Gmail、GitHub 等日常應用程式接入ChatGPT，讓模型讀取郵件、日曆或程式碼庫等上下文內容，並執行諸如總結今天的郵箱內容或查找下周空閒會議時間等任務。一個更典型的應用情境是，OpenAI 研究員能夠讓ChatGPT Agent 總結自己在多個基準測試中的表現，並製作成PPT。收到命令後，Agent 成功呼叫Google Drive 連接器讀取資料文件，用終端機編寫程式碼繪製圖表，並完成任務。這類自動化能力，都是Agent 深度嵌入工作流程的體現。不過，可以看到，ChatGPT Agent 產生的PPT 在設計美學方面表現比較一般，並且，雖然可以上傳電子表格供ChatGPT 編輯或作為模板使用，但產生的PPT 暫不支援二次修改。需要說明的是，OpenAI 並不是讓Agent 像人一樣打開PPT或Excel 文件，透過點擊來插入文字方塊和公式，而是直接產生程式碼來建立文件。這種做法的好處是可以利用模型在程式碼編寫方面的天然優勢，避免因模擬點擊操作帶來的效率低或出錯，也降低了計算資源的消耗。The Information 報告指出，如果ChatGPT 要直接編輯PPT 或Excel 文件，就需要啟動一台「虛擬機器」（即透過ChatGPT 運行的虛擬電腦環境），這會佔用更多運算資源。而直接產生程式碼則是更輕、有效率。儘管潛力巨大，但就目前來看，這項功能短期內很難對微軟的Office 或Google Workspace 造成衝擊。對於ChatGPT Agent 功能，Pro 用戶將在今天之內獲得存取權限；Plus 與Team 用戶將在接下來的幾天內陸續開放；企業版和教育版將在未來幾周內陸續上線。Pro 用戶每月可使用400 次，主打一個量大管飽，而其他付費用戶每月可使用40 次，並可透過彈性積分方案購買更多額度。全線刷新「跑分」紀錄，Agent 戰場迎來最強對手ChatGPT Agent 能力的提升，也反映在「跑分」環節。在評估AI 解決跨學科專家級問題的基準測試Humanity's Last Exam（HLE）中，ChatGPT Agent 以41.6 的pass@1 得分刷新紀錄。在啟用並行執行策略後，該得分進一步提升至44.4。在目前被認為最具挑戰性的數學基準FrontierMath 中，面對難度極高、從未公開的題目，ChatGPT Agent 在具備終端代碼執行能力的前提下，取得了27.4% 的準確率，遠高於此前模型。在這複雜且高經濟價值的知識型工作任務的內部基準測試中，ChatGPT Agent 在約一半的任務中輸出品質已達到甚至超過人類水平，表現也顯著優於o3 和o4-mini 模型。在一個內部的投行建模任務基準中，ChatGPT Agent 的表現也顯著優於Deep Research 和o3 模型。每個任務都基於數百項關於公式正確性、格式規格等評分標準進行評估。此外，在公開評估模型資訊查找能力的BrowseComp 基準上，Agent 以68.9% 的準確率刷新記錄，較Deep Research 高出17.4 個百分點。在WebArena 評估中，其網頁任務執行能力也優於基於o3 的CUA 模型。從平台視角看，Agent 能力的底層接口，正是瀏覽器。在Perplexity AI CEO Aravind Srinivas 最近的訪談中，他表示瀏覽器將會是AI 的「殺手級應用程式」。在他看來，瀏覽器天然具備讓AI 真正「動起來」的全部條件。有別於傳統聊天機器人，AI Agent 的理想形態不是停留在對話框中生成文本，而是具備實際行動力——從訪問網頁、提取資訊、填寫表單，到執行跨平台操作。而這一切，瀏覽器恰好具備所需的操作權限和上下文取得能力。瀏覽器可以直接讀取頁面、模擬點擊、自動執行任務，幾乎無需額外授權。在這個過程中，使用者與AI 共處於同一個互動空間：AI 可以自動執行任務，使用者也能隨時中斷或接管，避免黑盒操作帶來的不確定性。這種可控性與透明度，是目前許多情境協議仍難實現的能力。如今，隨著ChatGPT Agent 能力正式上線，所有聲稱要做Agent 的廠商，恐怕都要重新審視自己的產品路徑。當ChatGPT 從語言互動工具，轉向具備協作、調度與承接任務能力的執行系統，開始接入用戶的真實工作流程，Agent 的可用性門檻，也在此刻被實質地拉高。(APPSO)

Agent是今年AI圈最大的共識，OpenAI自然也無法落後。台北時間2025年7月18日凌晨1點，Sam Altman和四位OpenAI 的研究員在直播中正式發布了ChatGPT Agent——一款通用型AIAgent。前有Manus、Lovart和Flowith，ChatGPT Agent所呈現的功能場景並不算特別驚艷，但它發布的意義，要超越其功能本身。ChatGPT Agent的革命性在於其獨特的技術路徑：它可以主動從工具箱中選擇代理技能，使用自己的電腦完成任務，使用者可以即時觀察AI在虛擬環境中的工作過程。這種交互界面雖與Manus等產品相似，但底層原理卻有著本質差異。Manus調用多個底層模型，類似於“外部縫合”，而ChatGPT Agent，是將Agent能力內化於模型，我們已經看到了端對端通用Agent的雛形。Manus的設計實質上是透過調用多個底層模型來實現"外部縫合"。相較之下，ChatGPT Agent是將Agent能力內化於模型本身。根據OpenAI介紹，為了開發ChatGPT Agent，他們將Operator和Deep Research團隊合併為一個統一的團隊，這個新團隊由20至35人組成。根據ChatGPT Agent的系統卡顯示，它是一個新的代理模型，與OpenAI o3同屬一個系列，採用了端到端的訓練方法。它是為代理任務開發的統一模型，而不是多個模型的工程化組合。根據OpenAI放出的對比PPT，我們可以看到，這項訓練基本上是透過強化學習過程完成的。和Grok4withtool的路徑應該差不多。經過再訓練，Agent結合了Deep research的多步驟研究和高品質報告產生能力、Operator透過遠端視覺化瀏覽器環境執行任務的能力、具有有限網路存取權限的終端工具，以及透過連接器存取外部資料來源和應用程式的能力。在執行完複雜任務之後，也可以交付給使用者一個可下載的一個PPT或一份文件。對Manus而言，OpenAI的這項新舉措無疑是巨大的打擊，甚至從定價上，兩者也差距不大：GPT的Plus套餐每月20美金即可使用ChatGPT Agent，而Manus的基礎計劃是每月19美金。底線重點：ChatGPT Agent：是能夠執行複雜、多工具任務的統一AI Agent。它整合了對文字瀏覽器、GUI 瀏覽器、終端和圖像生成工具的存取。支援與用戶進行互動式、多輪對話，允許打斷和澄清。安全防護升級：加強對網頁「惡意提示」攻擊的防禦；設定高風險任務自動拒絕；生物/化學風險也按最高等級安全堆疊處理。它在多個現實世界和基準任務中取得了最先進的結果。ChatGPT Agent概覽功能很像ManusChatGPT Agent的核心是一個統一的代理系統(unified agentic system)，整合並擴展了OpenAI 早期研究專案"Operator"（專注於網站互動）和"Deep Research"（專注於資訊綜合）的能力。這使得ChatGPT Agent 能夠在單一的對話流中，無縫地從推理思考切換到執行具體動作。虛擬電腦環境：ChatGPT Agent在一個為其特設的虛擬電腦上執行所有任務。這個環境是沙盒化的，確保了操作的安全性。它能夠在該環境中保存任務的上下文，即使用戶中途打斷或改變指令，也能從斷點繼續，而不會丟失進度。智慧工具箱：為了完成複雜工作流程，Agent 配備了四種工具，並能根據任務需求自動選擇最適合的工具：視覺化瀏覽器(Visual Browser): 用於與圖形使用者介面進行交互，例如點擊按鈕、填寫表單和瀏覽為人類設計的網站。文字瀏覽器(Text-based Browser): 用於需要高效推理和處理大量文字的網路查詢。終端機(Terminal): 允許Agent 運行程式碼、下載和處理文件。API 存取: 可以直接呼叫API 來獲取訊息，例如透過連接器存取Google Drive、Gmail 和GitHub 等應用程式的資料。新模型驅動：ChatGPTAgent由一個專門為其開發的新模型驅動。這個模型透過強化學習(reinforcement learning) 的方法，在需要使用多種工具的複雜任務上進行了專門訓練，從而學會瞭如何在不同工具之間流暢切換並協同工作。它有以下特性：自主任務執行: 使用者可以用自然語言下達指令，例如“分析我的日曆，並根據最近的新聞為我簡報即將到來的客戶會議”，Agent 能夠自主規劃並執行系列操作，如瀏覽網站、篩選資訊、運行程式碼分析，並最終產生可編輯的幻燈片或電子表格等成果。協作與互動性:它會在需要時主動詢問更多細節以完成目標。使用者可以隨時中斷、重定向任務或完全接管瀏覽器的控制權。安全性與權限控制: 安全性是其設計的核心部分。在執行購買、提交表單、發送郵件或處理個人資訊等具有實際影響的關鍵操作之前，Agent 會明確請求使用者許可。同時，它被禁止執行如金融轉帳或提供法律建議等高風險任務。 OpenAI 也內建了針對「提示注入」等惡意攻擊的防護措施。多項基準測試跑分“破紀錄”最難的HLE 達到41.6%（with tool）， 高於剛發表的Grok4（with tool）41.0%。在測量廣域知識與專家級提問的Humanity's Last Exam 上，單次作答準確率達41.6%；採用並行八路推理並選取置信度最高答案後可提升到44.4%。在極難的FrontierMath 數學基準上，借助終端運行程式碼後準確率提升至27.4%。在針對真實知識工作任務的內部評測中，ChatGPT 代理人在約半數案例裡已與人類持平或更佳；在現實資料科學任務DSBench 上，其分析與建模準確率分別達到89.9% 與85.5%，遠超過人類平均值。它對電子表格的直接編輯能力也領先：在SpreadsheetBench 中拿到45.5%，超過 Copilot in Excel 的20%。此外，它在BrowseComp、WebArena 等瀏覽評測裡均刷新了SOTA。（圖：評測方法：SpreadsheetBench的作者在Windows 環境下使用Microsoft Excel 對電子表格進行評估。我們則在OSX 環境中使用LibreOffice，這可能導致評分出現輕微差異。例如，作者報告GPT‑4o 在整體Hard 限制上的結果為15.02%，而我們得到13.38% 在整體Hard 限制上的結果為15.02%，而我們得到了13.912題目根據ChatGPT Agent自己做的PPT，在做PPT的能力上和上網衝浪能力上，Agent的能力都相比純粹的基礎模型有較明顯的提升。但離人類還頗有距離。不是期貨，今日可用自今日起，Pro 用戶可以馬上使用，Plus 與Team 用戶將在數日內陸續開通；Enterprise 與Education 版本將於數周後接入。Pro 每月可用400 則訊息，其他付費用戶每月額度為40 條，可透過彈性的按量計費追加。實際使用非常簡單：在任何對話中切到「代理模式”，描述目標，例如深入研究、製作演示或報銷。螢幕左側即時顯示它的操作流程；若需要登錄，系統會切換到「接管模式」安全輸入憑證。使用者也可以把完成的任務設為周期性執行，例如每周一自動產生指標報告。奧特曼親自提示風險：Agent很強大，也很危險值得注意的是，奧特曼在發布會之後，立刻發了一條長貼，提示使用ChatGPT Agent的風險。在「強調」過ChatGPT Agent處理複雜任務的強大能力後，特別鄭重地提示了產品的風險，並強調：我們尚不清楚具體會造成什麼影響，但不法分子可能會試圖「誘騙」用戶的AI 代理提供不該提供的私人資訊並採取不該採取的行動，而這其中的方式我們無法預測。模型可能會接觸使用者的敏感數據，或遭遇網頁中的惡意「提示注入」攻擊。為此，他們沿用Operator 期間的嚴格控制，並新增多項防護：關鍵動作前必須先得到使用者明確授權；部分高風險任務（如發送郵件）啟用「監督模式」要求使用者全程監控；碰到銀行轉帳等高風險指令會主動拒絕；使用者可一鍵清除瀏覽資料並登出全部會話，或在不需連網時停用連接器。在生物與化學安全方面，OpenAI根據Preparedness Framework 將該模型按高風險級別處理，上線了最全面的安全措施，並與政府、學界及安全機構合作開展紅隊測試與威脅建模，同時啟動漏洞賞金計劃，以便儘早發現並修補潛在問題。ChatGPT Agent夠遙遙領先嗎？ChatGPT Agent最大的創新在於首次在模型中直接整合了完整的虛擬機器環境，使用者可以即時觀察AI的操作過程，這是其它模型產品不具備的。但是，各主流模型公司都在「Agent即模型，模型即Agent」的路上越走越遠。例如，在coding agent能力上幾乎封神的Claude。眾多需要藉用底層模型搭建的Agent產品，甚至離開了Claude，就什麼也不是。剛上線的Kimi K2採用開源的混合專家模型架構，定位就為Agentic Intelligence，且價格僅有Claude 4的1/6左右。上線之後，token的採用量排名持續飆升。但從「模型即Agent」這條路來說，OpenAI並不能算是遙遙領先，僅僅能說邁出了一小步。OpenAI在官方文件中也特別謙虛地表示：需要注意的是，功能仍處早期：例如投影片產生功能現為beta，格式與美觀度仍待提升，現階段主要優化資訊結構與元素可編輯性；未來我們將繼續訓練新版本，以產生更精緻的文件。總的來說，隨著持續迭代，ChatGPT 代理的效率、深度和多樣性都會不斷提升，我們也會逐步調優用戶監督的力度，在易用與安全之間取得更好平衡。看著自家產品的展示，Sam Altman不禁又開始感嘆，「我感受到了AGI」。然而，在貼文後面還是有用戶留言問，說好的GPT-5呢？(騰訊科技)

【新智元導讀】AI初創公司Manus突然宣佈徹底撤出中國，解散全體在華團隊，並封鎖官網中國IP訪問。裁員、清空、遮蔽！爆火四個月後的Manus，以最極端的方式「宣告」了下一步的計畫。微博、小紅書帳號瞬間清零！官網拒絕一切中國IP訪問。與阿里的合作承諾也已成廢紙一張。這家如今宣稱總部位於新加坡的公司，用實際行動告訴所有人：它對中國市場，再無半分留戀。「欲戴其冠，必承其重」，Manus曾經被人們稱為是「下一個DeepSeek」，代表了國內AI產品超越國外產品的最有力證明。但在僅僅四個月後，Manus毅然離開中國，搖身一變，成了一家新加坡公司。留給所有人的，只有一片驚愕和一個決絕的背影。我們不禁想問，這算什麼？中國團隊，全部解散確鑿無疑的消息是，Manus在中國的全部團隊已經全部解散。畢竟，Manus最大的目標市場，從始至終都不在國內。最初，Manus就因CEO在介紹視訊中全程使用英文而引發爭議事實上，Manus的撤離行動早在今年5月就已初現端倪。彼時，公司三位聯合創始人——肖弘、季逸超和姜濤，以及其他高管，已經陸續從中國遷往新加坡。與此同時，Manus還在加州聖馬刁和東京設立了辦事處，積極拓展海外市場。6月18日，Manus聯創兼首席產品官張濤，在新加坡SuperAI大會的主題演講中明確指出，公司現在的總部就在新加坡。六月中旬，Manus的廣告開始亮相新加坡的公車站和地鐵站中國這邊，知情人表示，在上周，Manus背後的北京蝴蝶效應公司還有數十名員工，不過在本周，所有在華崗位已經全部撤裁。其中，部分員工將跟著遷往新加坡，但更多人已經離職。值得一提的是，在中國團隊徹底解散前，Manus就已在新加坡展開大規模招聘。涵蓋AI Agent、DevOps、移動平台、資料分析、前端、後端、測試、雲原生、資料庫等技術崗位，以及產品經理、社區、人力、法律、財務、行政、客服等非技術崗位。當地招聘平台MyCareersFuture顯示，Manus為AI工程師和資料科學家開出了每月8000至16000美元的月薪，部分崗位月薪可高達18000美元，換算成人民幣可高達13萬。關注這家公司的人不難發現，他們的戰略重心一直都是海外市場。與難產的國內版形成鮮明對比的是，Manus國際版的功能更新從未間斷。此外，Manus還在美國、英國、日本、新加坡等地積極組織線下活動，進一步鞏固其海外佈局。曾經爆火一碼難求，如今AU持續下滑4個月前，Manus一夜爆紅！它一度被看作是「下一個DeepSeek時刻」、甚至被寄予「領先OpenAI推出智能體」的厚望。而這也讓Manus的「體驗碼」變得一碼難求。是的，Manus在剛推出之際，釋放邀請碼的方式看起來很像「飢餓行銷」。（官方解釋是算力供不應求）有券商分析師為了盡快體驗產品，聲稱不能錯失「下一個DeepSeek時刻」，不惜花費數萬元重金求購。結果就是，Manus的邀請碼在二手市場上被一度炒到了9萬元的天價。開放註冊後，Manus更是推出了最高每月199美元的Pro服務，價格與OpenAI的ChatGPT Pro相當。然而，根據aicpb的統計，Manus的月活使用者卻從三月份的約2000萬降到了五月份的約1000萬。令人唏噓的是，Manus此次遷址新加坡，似乎並未發佈任何官方公告。他們「悄悄地」關閉了所有的社交媒體，並在官網上遮蔽了所有來自國內的訪問。而在中國的120名工程師中，只有40人能夠前往新加坡總部。從商業的角度來看，Manus的決策足夠「冷靜」：果斷裁員，果斷放棄中國市場。但對於那些相信了自媒體炒作，認為Manus將成為「下一個國運級產品」的人來說，這無疑是一記重重扇在他們臉上的耳光。畢竟，承載這一稱謂的DeepSeek，不僅讓全世界都見證了中國開源大模型的實力，甚至倒逼了OpenAI和大模型開放原始碼的商業路徑。為了拿融資，不得不低頭有不少人猜測，Manus遷出中國的舉動，是為了在當前政策收緊的背景下，更便捷地獲取輝達的晶片。不過，Manus僅僅是對大模型進行套殼的產品，本身並沒有研發大模型。更大的可能是，Manus需要應對融資資金審查。根據外媒爆料，就在上周，美國財政部正在審查一筆對Manus的7500萬美元投資，該輪融資由加州風投公司Benchmark領投。早在4月，就是靠著這筆融資就讓Manus的估值飆升了五倍，達到了將近5億美元。而現在，美國當局正在調查這筆投資是否違反了「對外投資安全計畫」，該規定要求任何美國實體或個人在投資可能損害美國國家利益的AI領域時，必須向財政部進行申報。因此，要想拿到這B輪的7500萬投資，Manus不得不採取迂迴戰略——也就是不再以中國AI公司的身份出現。現在Manus的的打法是，由在開曼群島註冊的母公司全資控股新加坡公司，形成一種「開曼-新加坡-中國」的三級架構，這樣，或許能利用新加坡與中美均簽署的稅收協定，來降低合規成本。可以說，Manus的被迫出走，也是在技術理想、商業現實、地緣因素等困境面前，不得不選擇的一種妥協。面對同樣狀況的中國公司，也並非沒有先例。比如去年遷往美國的HeyGen，以及前百度員工創立的Genspark。曾經那個被前員工眼裡「沒有人會比他更捨不得離開武漢」的創始人肖弘，曾經那個因為不想搬離武漢，拒絕了和面向海外市場的Monica合作的肖弘，如今這樣在即刻上寫道——「如果最後有不錯的結果，證明作為中國出生的創始人，也能在新的環境下做好全球化的產品，那就太好了。」好在，據說除了被安頓好的40多人核心團隊，剩下的80多人在被裁時，已經拿到了足夠的補償，賠償方案為N+3或2N。根據多家媒體的報導，Manus北京和武漢的辦公室，目前還有一些人在辦公。來源：長江日報（3月）2025年3月，Manus一碼難求；2025年7月，Manus在中國歸於沉寂。 (新智元)

Manus，真的從中國撤了？！4個月前一夜躥紅起飛的AI Agent產品Manus，剛被曝出背後公司一舉裁掉中國七成團隊。事實上，Manus總部已在5月搬到了新加坡，中國員工何去何從？現在答案終於落定，一言以蔽之：大刀闊斧地裁員。Manus中國團隊約120人，僅有核心研發團隊40人遷往新加坡，其餘約80名非核心員工被裁。據稱裁員補償待遇優厚，被裁人員能拿到N+3或2N的賠償。事實上，Manus的離開似乎十分絲滑和平靜。現在再來到Manus北京辦公室曾經所在地epark海淀花園路社區，園區人員並不知道這家公司撤離的具體時間，園區也不同於3月爆火時媒體往來與駐紮，一片喧囂模樣。當量子位問及相關事宜時，聯合創始人兼CEO肖弘以他昨日午後在即刻的一篇帖子作為回覆。其中寫道：想要在全球化的市場裡做好產品，有很多不是來自業務本身和使用者價值本身的煩惱。但這一切是值得的。一方面因為旅程本身就有很多開心的、讓自己和團隊成長的事情。另外一方面，如果最後有不錯的結果，證明作為中國出生的創始人，也能在新的環境下做好全球化的產品，那就太好了！Manus一夜躥紅後這125天，也真沒少幹活就大規模裁員傳聞，Manus官方對外給出的回覆是，“基於公司自身經營效率考量”，因此“決定對部分業務團隊進行調整”。不少人將這一回應解讀為Manus在華潰敗，以至於消息傳出後很多人表示疑惑，第一反應是：這麼快？不是還火得一塌糊塗嗎？是的，Manus火得一塌糊塗，而且從發佈起一直火到今天——天價邀請碼給予了大眾對這家公司最深刻的記憶烙印，以至於其它新聞關注者寥寥。其實梳理後不難發現，發佈至今的125天以來，Manus都持續在對外釋放好消息。3月，關鍵詞：一炮而紅3月6日凌晨，Manus突然上線，名稱取自拉丁語 “Mens et Manus”，意為大腦+雙手。它的定義為全球首款通用AI Agent產品，強調其獨立思考+任務執行能力。發佈3日內，等待名單突破200萬，官網因流量過大當機；發佈當周即超越OpenAI的DeepResearch等，登上GAIA基準測試榜首。由於採用邀請制內測，一碼難求，市場一度哄抬到10萬元/碼。部分內測人士開始發佈實測反饋，“套殼”“無護城河”等輿論開始發酵。3月10日，Manus聯合創始人兼首席科學家季逸超直接表示產品“基於阿里千問大模型及Claude等模型微調而成”，並強調這是自主整合框架，不懼“套殼”爭議。同日，也就是產品發佈後第五天，Manus官方宣佈與阿里通義千問團隊達成合作。一是宣佈計畫基於通義開源模型實現國產化替代。同時宣佈的還有接入QwQ-32B模型降低推理成本。當時，內測使用者日均呼叫成本已經來到2美元水平線。此後，Manus官網逐漸完全漢化。3月18日，聯合創始人兼首席科學家季逸超發推文透露，Manus這樣的Agent環境下，每個使用者的平均token消耗量是聊天機器人的1500倍，“這僅僅是個開始”。3月28日起，Manus開始推出付費訂閱計畫，Starter檔39美元/月，Pro檔199美元/月。3月底，Manus在舊金山舉辦了第一次線下使用者聚會。4月，關鍵詞：B輪融資整個4月上旬，Manus顯得比較沉默，但朋友圈裡可以看到創始團隊全球飛來飛去參加各種活動、論壇與交流會的身影。不過到4月下旬就有好幾個比較重磅的新消息傳出。一個是4月16日，Manus整合到了Google Drive，使用者點選上傳檔案按鈕，就能連接Google Drive開始使用。另一個是傳出了融資進展。彭博社稱Manus完成7500萬美元（約合人民幣5.5億元）B輪融資。領投的Benchmark是一家美國老牌VC，以少而精、長期陪跑著稱，曾投資過eBay、Twitter、Instagram、Uber、Snapchat，2024年募資後重點投向AI領域。此時，Manus估值已經較上一輪融資時翻了5倍，來到5億美元（約合人民幣36.5億元）。而此輪資金的主要流向之一，就是“主要用於擴張美國、日本、中東等海外市場”。5月，關鍵詞：開放註冊5月12日，翹首以盼的等待者們終於迎來了Manus向所有使用者開放。所有新使用者獲1000積分獎勵，此後每日免費贈送300積分。開放首日，Manus註冊量即破100萬。5月14日，市場出現該公司估值飆升至15億美元的傳聞，很快遭合夥人張濤否認。5月15日，關聯公司北京紅色蝴蝶科技有限公司發生工商變更，Manus聯合創始人兼CEO肖弘新任該公司法定代表人、經理、董事職務，同時該公司增資至2000萬美元。5月16日，Manus趁熱打鐵上線圖像生成功能。這是一個綜合性AI Agent圖像生成功能。不僅能生成圖像，還能理解使用者意圖，規劃解決方案，並知道如何有效利用圖像生成工具及其他工具來完成任務。緊接著，5月21日，Manus宣佈了與微軟的合作。與微軟/Azure AI Foundry之間協同，以期推動快速擴展並解鎖新的企業應用場景。6月，關鍵詞：總部遷徙6月4日，Manus針對付費使用者開放了原生AI視訊生成服務，強調輸出有故事性的視訊內容，單次生成片段約為5秒。6月8日，官推宣佈上線PPT功能。直到這個時候，一切看上去還是有條不紊，風平浪靜，其實暗流早已湧動——6月13日發佈的官網博文顯示，Manus在新加坡招聘AI工程師、資料科學家、軟體開發經理等崗位，月薪8000美元起步。同時，加州、東京也設有辦公室。6月18日舉辦的新加坡Super AI活動上，產品合夥人張濤表示：公司總部已經遷至新加坡。6月26日，Manus官網發表文章，披露：在過去三個月中，Manus通過架構增強和基礎設施最佳化，將速度提高了2倍，成本降低了5倍。7月，關鍵詞：中國裁員7月8日，網路平台傳出消息，稱Manus將裁掉中國約80位員工，佔中國員工總數七成左右。針對此消息，Manus方面回應澎湃新聞稱：基於公司自身經營效率考量，我們決定對部分業務團隊進行調整。公司將繼續專注核心業務發展，提升整體營運效率。看起來真走了，但說實話也不意外Manus真的走了嗎？先是張濤公眾場合公開表示總部已搬遷，後是裁員消息得到官方證實。雖然官方並沒有正式發佈任何“總部遷移”公告，但從各種訊號來看，Manus已經悄然完成了轉場。不過目前的工商資料顯示，截至推文發出，Manus背後的北京蝴蝶效應科技有限公司（後簡稱蝴蝶效應）、北京蝴蝶效應科技有限公司武漢分公司還處於存續狀態。但是日曆往前翻，Manus母公司蝴蝶效應在新加坡的實體Butterfly Effect Pte. Ltd.，早在Manus產品上線之前——2023年8月就完成註冊，並由開曼群島註冊的母公司全資控股。簡單概括結構：開曼控股公司→新加坡實體Butterfly Effect Pte. Ltd.→Manus產品團隊。這是一套典型的出海架構，用於便利海外融資、營運和拓展海外市場。所以Manus從一開始，就心放全球了。但中國市場該產品依舊線上，訂閱服務仍可購買，使用者並未被斷供。只不過約等於Manus終於明目張膽地表示，今後的資源和主力轉向了海外，這是一種典型的重心轉移。普通人或許沒有探究其背後各種公司註冊的運作，但一定能從最初的產品發佈視訊中發現線索。這家公司針對Manus推出的首個宣傳視訊，這個後來被無數Agent產品發佈時競相效仿的宣傳視訊，從頭到尾都在用英文介紹這款橫空出世的產品。說白了，Manus爆火4個月後的核心力量大遷徙，主攻海外，早就在與公眾見面的第一天就埋下了草蛇灰線。所以才說這種選擇毫不意外。一方面，Manus做的是通用AI Agent，驗證了標準化工具整合的可行性，這種與MCP類似理念的生態在海外更成熟。不論是模型的API可接入性，還是開發者生態、企業客戶付費意願，都更適合他們當前的產品形態。另一方面，中國使用者對ToC軟體的付費習慣依然較弱。那怕是AI應用，大部分仍傾向於“體驗為主”，使用者粘度不高。量子位智庫統計資料顯示，剛剛過去的6月，DeepSeek在Web端的中國總訪問量市場總佔比也持續下降至39%。名聲最盛且免費使用的DeepSeek尚且遭遇這樣的斷崖式使用者流失，更別提任何一個訂閱制的AI產品了。中國當下的環境，想要維護高粘性使用者群體，建立穩定訂閱，真的並不容易。更何況你也看到了，Manus一開始的野心就是全球市場，應該也從未有一刻想過放棄。選擇從一個更利於融資、開發、落地的地方出發，是現實驅動下的策略選擇。就像合夥人張濤昨日在即刻的發言：選擇正確的激勵函數，比函數值本身更為重要究其本質，Manus和所有做出海業務的公司沒什麼兩樣。只是這家由中國團隊攢局，並在全球打出一片天的AI Agent公司，在破圈式爆火125天後，間接宣判了自己的下一步：業務重心、核心人員和公司總部，從今以後一起“物理”出海去了。說白了，Manus現在優先賺外國人的錢，做給海外使用者用的工具，算不上潰敗，也不是跑路，更多是一種選擇。不過話說回來了，面向出海後就不捲了嗎？矽谷那邊最新的風投消息是，Agent創業賽道里，擠滿了中國人……哈哈哈哈。 (量子位)

「奔向AGI」欄目聚焦AI大模型、AI agent、AI應用、晶片、機器人等前沿、熱門的AI技術和商業創新。近期，OpenAI創始人山姆·阿爾特曼表示，2025年將是AI Agent大規模應用之年。“Agent作為‘數字員工’，將為各行業顯著節省時間，提升效率，創造可觀的商業價值。”他說。簡單而言，AI Agent可替人執行查資料、訂機票、做PPT、寫程式碼等任務，是能自主思考，替人幹活的“數字管家”。今年，OpenAI一口氣推出兩款AI Agent產品：Operator可自主操作瀏覽器完成複雜任務，例如線上訂餐、購物和訂票；Deep Research能在半小時之內輸出金融、科學、政策等領域的深度調研報告。它還花30億美元收購了程式設計AI Agent公司Windsurf。AI Agent也在中國火熱。Manus內測碼曾被黃牛炒至上千元，而後它又獲得矽谷VC領投的7500萬美元投資。字節跳動、阿里巴巴等網際網路大廠紛紛下場，Flowith、Lovart等AI Agent創業項目也紛紛湧現。華經產業研究院顯示，中國AI Agent市場規模將於2028年超過8500億元，年複合增長73%。在這瘋狂增長的藍海市場，有投資人認為創業機會在於垂直細分領域的AI Agent，而非定位於寬泛toC場景的通用AI Agent，矛頭直指定位於通用AI Agent的Manus。金沙江創投創始合夥人朱嘯虎在談及GoogleAI大模型正把產品全面AI Agent化時表示：“許多通用AI Agent的創業項目會被打穿，創業一定要遠離‘通用’概念，聚焦於垂直。”大廠入局通用Agent 創業項目打不過今年以來，AI Agent之風同時在國外和中國颳起。5月，微軟、Google相繼召開大會，AI Agent均成為兩家公司的重點。微軟CEO納德拉在大會上表示：“會讓Agent驅動更多微軟的應用程式。”GoogleCEO皮查伊則表示，Chrome瀏覽器、搜尋及旗下AI大模型Gemini將推出AI Agent模式。在中國，AI Agent也是被追逐的業界熱點。首先推出AI Agent產品的是中國創業公司，這些項目聚焦於泛C通用領域。Manus於3月火爆全網，之後其母公司蝴蝶效應獲得了新一輪融資，由矽谷VC benchmark領投7500萬美元。睿獸分析顯示，公司投後估值為5億美元。圖源：Manus另一款通用Agent產品——Genspark，近期也獲得資本關注。該產品由前小度科技CEO景鯤和CTO朱凱華聯合製作，公司已於去年6月獲得藍馳創投6000萬美元種子輪投資，今年2月又獲得1億美元A輪投資，藍馳創投也是投資方之一，據稱公司投後估值漲到5.3億美元。圖源：Genspark在此之後，多家更大型的公司在4月、5月密集發布了通用Agent產品：字節跳動推出扣子空間，可接入飛書雲文件、電子表格、高德地圖等；百度推出通用Agent產品“心響”，可支援簡歷製作、行程規劃、資料分析等200多種任務；崑崙萬維推出Skywork超級智能體，可按照要求，生成專業文件、Excel表格和PPT。隨著中國大公司紛紛湧入通用Agent賽道，通用類AI Agent的創業項目，被中國投資人看衰。金沙江創投創始合夥人朱嘯虎曾發多條朋友圈，看衰通用場景的AI Agent項目，看好垂直場景的AI Agent商業化潛力。明勢資本合夥人夏令就在播客中表示，距離AI大模型主航道太近的通用Agent創業有較大的失敗風險，相較而言，服務於精準人群的垂直Agent才是創業機會。創業邦從多方瞭解到，在大廠紛紛入局的情況下，通用Agent創業項目的成功機率不被看好。InAI Capital創始人竇玉梅解釋道：“通用Agent會面向規模龐大的普通消費群體，需要更多資源支援，更適合已有算力資源和AI大模型底座的大公司。以崑崙萬維為例，它既是算力基礎設施公司，也是最早一批自研大模型的公司，進入通用類Agent應用賽道可能會具有競爭力。”隨著中國大廠紛紛入局，通用Agent的創業機會將愈發縮小。並且，已有相對成熟通用Agent的創業項目，如蝴蝶效應的Manus，在沒有足夠算力儲備，也未自研大模型的情況下，若沒有持續密集的融資支援，難以在中國市場取得業務突破。目前，Manus和Genspark都把業務拓展重心放到海外市場。歐美使用者有較強的付費意願，對訂閱制接受度較高，可以驗證商業化潛力。Manus就宣稱最新融資的款項將用於拓展服務至美國、日本和中東在內的其它市場。蝴蝶效應和阿里巴巴合作的中文版Manus至今處於開發階段而未公佈。不過，通用Agent領域並非毫無機會。原圈科技CEO韓劍認為，使用頻度低的通用Agent產品，大廠做得更好。但是，如果創業者能找到使用頻度很高的通用場景，產品形成高使用者粘性，依舊有機會。“類似於Plaud Note這一創業產品的思路可供參考。它可吸附於手機背面，具備拾音功能，搭載多種AI大模型，可面向會議、醫療、教學等各類場景，進行轉錄、紀要、腦圖生成等功能。由於使用者體驗很好，累計出貨量已超10萬台。”韓劍說。多家垂直Agent今年已獲億元級融資今年以來，中國已有多起關於垂直Agent的千萬元級和億元級融資事件。2025年2月，Liblib AI獲得來自渶策資本和順為資本共同領投的數億元A+輪投資。它的海外團隊製作的產品Lovart一度爆火。該產品專門面向設計師的工作場景，可一句話生成logo、海報、音樂、動畫、品牌套件等全套品牌視覺體系，質量被認為是專業級。在此之前，明勢資本曾在2024年獨家投資了數億元A輪，天使輪由原始碼資本和高榕創投投資。使用者只需手動輸入一個簡單提示詞，Lovart就能在幾分鐘內生成一整套設計方案，而此前設計師需花一周時間。並且，和通用Agent相比，Lovart生成質量更高，所需時間更短。2025年3月，Shulex獲得盛大資本和北極光創投投資的億元級A輪投資。該公司發佈一款面向跨境電商的客服Agent，Solvea。Solvea可替代人工客服，為跨境電商顧客處理退換貨、物流追蹤、投訴管理等。這是該公司的首次公開融資。根據公司描述，公司已服務百家跨境品牌，並且Solvea在客戶意圖識別和客服問題解決等方面表現較好，且能滿足跨境資料合規要求。除上億元級別的融資外，還有多起數千萬元級融資。這些Agent創業公司主要面向面試招聘、醫療問診、市場行銷等垂類領域。例如，面向製造業場景Agent項目的智用開物在天使輪階段就獲數千萬元投資。“即使大公司具備算力、資本等資源優勢，做通用Agent項目更易成功，但是通用Agent無法獲取眾多垂直場景的工作流和資料資源。一旦某一創業團隊在某垂類領域積累深厚，他們創造出的垂類Agent產品，在相同垂類場景下會更加好用。”未盡研究創始人周健工表示。垂類資源賦能垂類Agent產品，這使得許多深耕垂類領域的SaaS公司，找到了新業務增長契機。“SaaS公司已有客戶基礎，懂客戶需求，在此基礎上研發垂類Agent，它的成功機率會比創立於AIGC時代的垂類Agent公司，要高。”周健工認為。不過，也有業內人士認為過往的SaaS經驗會成為研發垂類Agent的絆腳石。原圈科技是一家垂直於行銷領域的Agent創業公司。創始人韓劍於2017年開始聚焦於數位化行銷的創業，多年以來，公司一直專注於行銷SaaS領域，獲得靖亞資本、海納亞洲、常春藤資本的投資。2024年，韓劍重新建構了一套AI Agent的軟體架構，並計畫用這套架構“吃掉”此前研發多年的行銷SaaS軟體，使得原本的SaaS軟體成為該Agent的工具集。目前公司過半的年營收，就來自於垂類Agent產品的銷售。圖源：原圈科技“今天要做好垂類Agent，最好的選擇是把過去甩在一邊。如果過多思考過去，會讓我猶豫，而這種猶豫在徹底變革的AI時代是有害的。”韓劍說：“客戶案例、客戶資料等過往積累的優勢，都抵不過改變的態度來得關鍵。”垂直Agent終究會被 通用Agent打敗？生成式AI融入人們的工作生活越來越深。2025年第一季度，微軟旗下的AI平台的使用量（Token數量）同比增長5倍，總額超過了100兆。在中國，字節跳動旗下AI平台的使用量（Token數量）從2024年5月日均1200億，增長至2025年3月日均12.7兆，一年不到增長100倍。AI不僅持續融入日常生活，而且計算成本也正快速下降。“AI計算成本每年下降到原來的五分之二左右，並且Agent能力會隨大模型迭代和智能體框架創新而不斷變好。成本下降和性能提升疊加起來，再加上Agent在token消耗上的指數提升，未來Agent賽道的想像空間非常大。”一支菸花創始人皮皮認為。皮皮是一位AI虛擬人創業者。在如此富有想像空間的市場中，垂類Agent所構築的“護城河”，可能在長期會受到通用Agent不斷增強的AI泛化能力的威脅。東吳證券研報認為，雖然垂直Agent憑藉其深度領域知識和定製化能力在短期內具有發展空間，但是通用Agent的泛化浪潮對垂直Agent構成了長期且顯著的威脅。不過，韓劍認為未來並非一定會如此演變。“AI強化學習已是如今AI應用的主流技術範式，通用Agent難以做好某一垂直領域的強化學習，所以它的生成結果比不上垂類Agent。就像目前AI大模型無論通過何種方式訓練，在圍棋領域也無法打敗Alpha Zero，因為Alpha Zero是運用全球頂尖圍棋選手資料，並迭代出一套專門用於圍棋領域的演算法而成的。”周健工則認為，不論通用Agent攻入垂直領域，還是垂直Agent進入通用範疇，都有機會。“通用和垂直的邊界是不斷動態變化的。正如紅杉資本所言，現在使用者需要的是結果，而非工具。但凡能提供最好結果，使用者不會在意這一結果是通用Agent或是垂直Agent做的。” (創業邦)

最近一段時間，曾經在中國內部網路非常火爆也爭議巨大的Manus，除了之前看到了獲得海外主流基金7500 萬美元融資的新聞，似乎討論的熱度降低了不少。不過這幾天圈子裡傳出未經官方認證的消息：Manus 已經近1 億美金ARR，並站到了20 億美金的估值上。Manus 面世後，中國和國外評價反差龐大。今年3月在國內聲量突起，但很快就出現了大量質疑和批評。由於極客公園比較早地報導了Manus，並且給予了較高評價，當時不止一個人說我“你們極客公園這是賭上了15 年聲譽，去捧一家公司啊！”有道是三人成虎，這沒來由的話弄得我一度很惶恐，甚​​至反思我們的判斷是不是真的「業餘」了？後來我發現，還真沒什麼需要反思的，因為當我把視線投向海外，尤其是矽谷，就發現Manus 雖然沒有像在國內那樣被集體熱烈討論，但總體上那邊AI 圈子裡的人卻趨向好評。特別是最近我去了一趟美國，在和OpenAI、微軟、Google 等內部人員的交流裡，發現這些巨頭都非常認真地看待Manus。例如Google內部對Manus 極為重視，已經有工程師近乎常駐Manus 團隊，協助與Gemini 模式更好融合。而微軟那邊，CEO 納德拉都已經和Manus 團隊做了面對面的交流，並且頗有讚許，也在積極推進合作。說他們是最近兩個月最被海外巨頭喜歡的Agent 創業團隊一點都不為過。這樣一個源自中國，相對早期的創業公司，憑藉被國內創業圈眼中一度「不過如此」的產品，為什麼在國內被質疑，但能在全球AI 產業生態裡光速「出圈」，這很值得做些深入的思考。「沒有模型」卻帶來了增量遊戲「沒有自己的模型」是Manus 在國內最常被詬病的一點。但換個視角，站在Google、微軟這些擁有強大基礎模型的巨頭立場上，他們看到Manus 可能恰恰相反會眼前一亮：「嘿，這傢伙沒模型，居然也能做出這樣的東西！讓我的模型又多了一個token 消耗出口啊。」如果AI Agent 這條路，最終只有擁有自家模型的巨頭才能玩，那這個遊戲確實就太窄了，無非是幾家巨頭之間的「存量遊戲+零和遊戲」。但這個世界上真正的大公司，他們能夠成為巨頭靠的都不只是自家的某個業務、某個產品「自給自足的小農經濟」，而是他們都建構起了一套包含了「貿易與分工」的生態。他們的一些核心能力帶動了十倍甚至百倍於自身業務的更多「外部性」價值，這意味著他們分給別人價值的時候，自己也可以獲得更大收益。所以，投入了巨大資源開發了模型的巨頭們，也希望看到一個繁榮的應用層生態。如果有人能用他們的模型，解決更多實際問題、創造出更豐富的應用場景、消耗更多的token，自然多多益善。Manus 這樣的產品，背後連接著所有的頂級模型，每多一次任務執行，都在消耗著背後大模型的token、雲廠商的算力。如果真的Manus 的ARR 已經接近1 億美金，那你算算有多少其實是給到模型背後的巨頭們的價值？受到重視自然就顯得合理了。這件事讓我突然覺得，有時候創業者也不能太猶豫於「我這件事巨頭是不是也會幹？」的終局思考。思維都是環境的產物，極客公園過去15 年陪伴創業者，與他們一起經歷了太多“巨頭PTSD”，我覺得自己的思維上可能也習慣了網際網路時代巨頭的“贏者通吃”，有著巨大的“存量思維”慣性。其實現在看來，海外巨頭，包括內部明確認為Manus 等產品是值得關注的「同行」的OpenAI，整體上心態開放，基本上都是早期積極幫助，長期近距離觀察。畢竟現在Manus 還是個早期階段，並且呼叫API 和雲端服務不是壞事。由於海外巨頭在模型領域的掌控力確實存在，也是他們目前彼此死盯的核心，而產品化他們總體上可以“敢為天下後”地求穩，那麼他們會樂於看到生態里長出這麼一棵有活力的新苗，如果這棵苗能長成擴展生態圈的大樹，對整個生態都有好處。如果這棵樹未來真被看清楚了有獨木成林的價值，那麼，這些近距離觀察的巨頭是否會開出足夠優厚的條件把這個「增量」變成自己的「新存量」，就取決於發展期裡這個新苗的發展速度、自己探索出的壁壘，以及巨頭對其未來價值天花板的判斷。這種增量思維，不僅創業者值得藉鑑，對國內的大廠更是值得復盤。其實Manus 的團隊之前在做Monica.im 的時候已經被國內巨頭看到了，他們想要探索通用Agent 的思路大機率巨頭們也知道，甚至之前有巨頭已經開出過收購的明確邀約，但從極客公園團隊反饋給我的國內巨頭們這邊的內部消息也知道，甚至之前有巨頭已經開出過收購的明確邀約，但從極客公園團隊反饋給我的國內巨頭這邊的內部消息看，是想提早干編、現在就給自己和價值，或者尋求相對的價值和未來價值。這可能需要改改了。在AI 時代，大廠更需要做好大廠該做的東西，不是一上來就跟創業者搞存量遊戲。以更開放的「增量思維」重新思考和創業者的關係，是必要的。「量子穿隧」與「勢壘改變」如果說Manus 被產業巨頭點贊是可以理解的「業務邏輯」的話，那為什麼其作為一個還不夠成熟的前沿產品，可以快速獲得那麼高的ARR，以及為什麼海外資本會給予那麼高的估值認同？不管今天Manus 的產品是不是足夠完善，是不是有人也可以做出來，但必須看到其的確獲得了巨大的「先發紅利」。甚至，後續其他相對較好的類似產品出現的時候只要不是「跨世代」的提升，都很難復現類似的超額紅利了。我覺得量子物理學中的「量子穿隧效應」和其帶來的「勢壘改變」，可以很好地類比這個問題的答案。先說「量子穿隧」。想像一個小球要翻越一座高山。依照經典物理，如果小球的動能不夠，它就無法翻過去。但在量子世界，粒子具有「波粒二象性」──它既是一個實體，也是一種機率波。因此，即便能量不足，它仍有一定機率「穿隧」過去，就像憑空出現在山的另一邊一樣。這個看似違反直覺的現象，正好可以用來解釋許多創業公司的突破路徑：它們資源有限，看似不可能撼動產業格局，但某些創新卻能讓它們「穿透」壁壘，完成市場突破。而更神奇的是，一旦有粒子成功穿隧，整個競爭格局就會發生結構性變化──這就是量子物理學中所說的「勢壘改變」。首先，壁壘的「高度」會降低－先行者驗證了市場需求和技術可行性，讓後來者更容易復現類似的產品。例如OpenAI 推出ChatGPT 後，大模型創業門檻大幅下降，各家迅速跟進。但與此同時，壁壘的「寬度」卻增加了——先行者積累的使用者、資本和生態優勢，讓後來者除非實現「跨代創新」，否則很難真正顛覆其地位。特斯拉也是典型案例：在它率先突破電動車市場後，雖然新勢力崛起更快，但至今仍難以撼動其產業主導權。Manus 的路徑與此類似。在通用AI Agent 尚未成熟時，它沒有等待巨頭行動，而是以工程化能力「穿隧」技術壁壘，獲得了先發紅利。那麼本身沒有那麼多能量的創業者們，怎麼能獲得這樣的「量子穿隧效應」呢？其實量子物理也有解釋，那就是類似以「機率雲」的方式——因為粒子是「波粒二象性」的，你看似一個粒子的自身能量不夠穿透（小團隊沒有突破巨頭能力的能量），但是有時它就會以「波」的形式神奇的繞過去了（就是做出了巨頭沒想到或者做出的技術或產品）。而這個粒子質量越小，加上初始能量越高，再加上面對的能量勢壘寬度越窄，穿透機率越大。這不就是極客公園這麼多年見過無數次創業團隊的「高效+銳利+聚焦」的創新突破的打法嗎？回到Manus，我覺得Manus 的成果，還是源自於敢於率先死磕一個別人還在觀望的目標。其極其堅決的目標選擇，全力以赴的工程化投入，加上過去在Monica 上的有效實踐積累，帶來了創業團隊裡較高的“初始能量”。我還專門在極客公園社區的文章和討論裡查了一下，早在去年春天，其實業界對Agent 的討論就已經開始了，整個2024 年Coding、Computer Use 的進展也都是明牌，垂直領域的Agent 甚至都開始有ARR 了，但是絕大部分人都在等待巨頭但其實這時候的「能量勢壘」並沒有想像的那麼高。模型能力的快速發展，雖然還不能直接實現通用Agent 的能力，但到2025 年初已經距離“通用Agent 概念機”就還差一大坨工程問題了，創業者沒人能以“粒子”（模型能力）擊穿，但誰先用“波”（工程強化）的方式穿過去，那麼“量子隧穿”就在眼前穿。可以說，Manus、Genspark 等團隊可以說就是首先一批「自不量力」選擇了這個大多數人等待「巨頭」來實現的目標，然後開始馬力全開地「手搓」，「以工程替代魔法」​​，並先後給出了階段性的明確結果。這當然會有市場給予的強烈正向回饋。寫到這裡，我突然想起《蝙蝠俠大戰超人》那個電影裡有句台詞，蝙蝠俠對超人說：「You are not brave，Men are Brave」（你並不勇敢，人類才勇敢）。他的意思是：超人的「勇敢」是他接近神的超級能力的副產品，而凡人的知難而進，才是更大的勇氣。在全球AI 領袖們，甚至是中國網路巨頭這種有超級能力的「神族」面前，Deepseek 是當之無愧的「蝙蝠俠」——一位凡人超級英雄（也符合梁文鋒像蝙蝠俠真身布魯斯少爺一樣，有一定資源支援自己信念的事實）。而Manus、Genspark 等團隊大概就算是令人驚嘆的「真‧平民英雄」了。而他們當然也值得掌聲。以前，中國創業團隊鮮有能在這麼早期階段，就這麼快在全球技術和商業生態的核心地帶獲得如此高規格待遇的。這應該讓中國創業者看到了另一種可能性。這甚至也是對中國創業者群體都很有意義的貢獻。例如最近矽谷對於中國創業家在AI 領域的產品和工程能力越來越感興趣和有信心，這無形中是為後來者也鋪下一條新路。所以，中國創業家從這裡看到的不應該是「戰術級」刻舟求劍，也要看到這確實是一個利用時代變革機遇，瞄準更高的「能量躍遷」目標的機遇時刻。這需要一些「凡人的勇氣」，也需要能站在全球技術生態的更大世界觀裡思考問題。Manus 們接下來的目標該是什麼？接下來該說說挑戰了，因為Manus 們的挑戰依舊是巨大的。我覺得接下來的關鍵，是在其通用的AI Agent 底子上，一波又一波、不斷去塑造能讓使用者看到實效、不斷主動參與進來的爆款場景。這讓我聯想到當年的抖音。它是怎麼火起來的？就是不斷激發大家模仿某個熱門舞蹈、某個挑戰，一波一波捲入新使用者。然後平台中又不斷湧現新的玩法，吸引更多人參與。從最早的主動運用，到後來的系統湧現。現今的技術還在不斷進步，也仍需不斷進步，這決定了使用者的轉化不可能在某個「完美時刻」一瞬間統一完成，必然得是一個漸進的過程。所以接下來需要的是能帶得動使用者的能力，一群一批地把更多的使用者捲入進來。其實在Manus 之前，2023 年我和肖弘在AGI Playground 大會上討論他們的AI 瀏覽器外掛Monica 時，還感覺它更像是「功能機」——加入功能就是增加管線。每誕生一個新熱點，可能都代表一套新產品的開發邏輯、也是一個全新的項目。但到了今天，Manus 有了一個通用的底子，更像是一個「智慧手機」了——可以在這個通用的底座上，更有效率地創造出層出不窮的好應用。可以不需要大量招募工程師、建造無數多項目條線，而是去觀察使用者在那些場景下用得好，以做「減法」，優化這些被驗證的路徑，讓交付結果更好更確定，讓運行效率更高。這樣，先發優勢結合使用者回饋，就能形成正向循環──一個場景火了、出圈了，繼而帶動整個平台的成長。而且可以不斷出圈、不斷增長。其實觀察下高用戶量的「AI 通用產品」，例如無論是ChatGPT 還是國內的DeepSeek 上的使用者問答需求，就可以看出來絕大部分需求沒有那麼深層和復雜。在Agent 領域也是一樣，其實沒有那麼多使用者腦子裡有那麼高頻的複雜任務，很可能是80% 的使用者的80% 最常用的任務，在某種程度上是可以收斂的。而率先把這裡兩個80% 疊加的任務都能交付好80%，你就是他們心中的「通用Agent」。這個需求收斂模型帶來的實際震驚結果是只要覆蓋半數核心場景即可觸發「通用感」了。所以雖然有傳聞Manus 的ARR 收入已經1 億美元了，但我覺得不要用傳統ARR 看今天收入的意義。更大的收入當然首先代表更多的使用者捲入，而更多同類任務的反覆token 消耗帶來的收入，會更有意義，這意味著有效鎖定了使用者的“工作流”和“生活流”，這種留存才是關鍵。今天不要搞「自給自足的小農經濟」，例如這個階段你要有能力提升使用者的有意義的token 消耗，而不是整天思考如何降低token 消耗來增加自己的利潤，你才在AI 產業中扮演對其他方力量的正向作用。AI 技術的水平和技術的成本是一定會隨時間一邊升高一邊降低。結果就是你在今天優化成本對未來的意義並不高。而與此同時，使用者的心智，以及大模型時代帶來的使用者Prompt 習慣、個性化的數據、工作流程和生活流的鎖定，這些都是在先發優勢上很容易獲得，但是從長遠來看會越來越貴才能去獲得的資源。所以，對於通用AI 產品，只要有資源，唯一正確的策略，就是在前面提到的「需求收斂模型」上，用不斷的創新成果和更好的交付，形成對使用者的捲入，只有使用者是壁壘，是不斷增值的資產。所以Manus 拿到這7500 萬美元看起來不少，其實肯定是不夠用的。而越不夠用，就越要最有效地花出去。最不應該的花法可能是直接去大筆地買量、投廣告，給巨頭們交「創業稅」。有效的投入應該是去「不計成本」地交付超越使用者想像的體驗，持續實現那些「Amazing 的目標」。歸根結底商業的樸素邏輯就是：當別人都做不到的時候，你做到了，你才最值錢，你也最容易以較低的成本獲取使用者。畢竟創業者永遠需要在技術擴散曲線與市場需求曲線的交集中尋找機會。對於的「套殼」的討論，可以翻篇了最後，讓我們說說「套殼」的問題。前兩天我和出門問的創始人李志飛聊天，他提到了一個很好的觀點。電腦作為一個系統，除了CPU，很重要的就是要有處理程序管理、記憶體管理、外設管理等一系列的管理系統能保證其有效地運作。但今天如果把大模型看成是個新的CPU，這些外設系統還有大量的問題沒有被解決，這其實才是目前的重大阻礙。這引發了我們的思考：如果我們把AI Agent 當作個人計算的革命，也就是個人計算的目的不再是提供一個數字世界的各種工具的工作台，而是可以input 需求，直接output 最終的結果交付。那麼只靠大模型（類比CPU）本身是不夠的，還有大量的相關管理系統要建造。而這裡面有大量工程問題需要認真地解決。例如更好的虛擬機器、更長上下文、大量的MCP、甚至智慧合約…等等一系列工程問題都是巨大的需求。經過過去2 年多的產業狂奔，我們應該已經清楚看到大模型本身的進步依舊是最大的推動力。但一如既往，人類每一次技術進步突破後都會發現，「提升工程的精度」依舊對技術發展有巨大的價值。Manus 完全可以不在乎「套殼」這種說法，你可以說每台蘋果手機都是CPU 的套殼，但這個殼也可以是複雜精緻的產品工程。這當然有意義，而且一定會經歷百花齊放、百舸爭流，其中也一定會產生有足夠價值的公司。在這個世界觀下，機會也一樣屬於更多的創業者。 （張鵬科技商業觀察）

大廠造平台，初創拼應用：Agent浪潮下的雙軌敘事。“大廠傾向於推出AI化的‘全家桶’，而初創企業更熱衷於原生型Agent。”一位產品經理向「市象」總結：“前者是用AI重做舊產品，後者是用AI重生新產品。很難說那種路徑更優，但市場總愛聽屠龍少年的故事。”自網際網路敘事向AI轉軌，科技巨頭們也在爭相為自己貼上“Agent”標籤。過去一個月，國內的騰訊、百度，海外的微軟、Google，幾乎每一家大型企業在發佈會上都強調：要做Agent，要搭建Agent基建平台。但是另一方面，據AI Agents Directory統計，截至2025年4月7日，全球已上線的AI Agent數量達1211個，覆蓋57個垂類領域。具體來看，Agent開發平台有136個，生產力Agent94個，客戶服務Agent66個，個人助手Agent50個。這意味著，Agent的開發者工具快要趕上落地的應用數量了。一邊是過去數月各大公司推出的Agent相關產品，大多是平台型基礎設施：字節跳動發佈了“扣子空間”，騰訊上線“騰訊雲智能體開發平台”，微軟提出“Open Agentic Web”，Anthropic則圍繞Claude 4搭建Agent系統介面。另一邊是在應用落地層面，憑藉邀請碼機制一炮而紅後，Manus最近的多個動作主要圍繞商業化進行，在Agent的產品功能更新方面沒有進一步出圈的動作推出。熱潮背後，Agent的實際能力邊界也正在被逐步驗證。2024年發佈的RE-Bench基準測試資料顯示：在2小時短任務中，頂尖Agent的表現可達人類專家的4倍；但在32小時長任務中，Agent則明顯掉隊——人類展現出更強的戰略規劃和動態適應能力。這組資料揭示了一個核心矛盾：Agent可以很快、很準，但還不夠持久。它仍未掌握複雜任務所需的韌性與穩定性。在這個意義上，Agent浪潮距離“通用智能”的實質性突破尚遠。正如一位業內人士所言：“OpenAI普及了大模型的通用性，DeepSeek實踐了‘思維鏈+強化學習’的路徑，而Agent目前還沒有出現那個可以‘定格行業時間線’的關鍵節點。”相比那些改變技術歷史的里程碑式事件，當下的Agent更像是一種商業現象級話題。能夠以一種產品概念講融資故事的時代，似乎又來了，往前數十年，國內市場的上一次類似情況還發生在移動網際網路時代。如果說百模大戰時代需要的技術研究型創業者，那麼Agent時代可能更需要的是AI需求封裝者。01 千元起的Agent定製生意技術永遠在更迭，不變的是傳統的賺錢模式。“開發一個小紅書Agent1萬元，可以實現選題、撰寫、發佈的自動化。涉及到外部平台的多種互動，這個難度比較大。如果只是簡單的內部效率型工具Agent，最低可以做到2000左右，從給到需求到出產品，大概需要一周左右。”Agent個人開發者李祥對「市象」稱。在他看來，和市場上傳播的“GitHub爆火、VC搶投”的Agent敘事不同，實際在和大多數客戶接觸時，最終的對話還是會回到傳統軟體外包時期的兩個核心：多少錢能做，都能實現什麼功能。當技術落地到商業應用階段，ROI成為衡量Agent生產力有效性的直接資料。李祥說之前圈子裡面有個調侃Agent生產力的段子：“呼叫1美元的token，產出1元的價值。”直戳許多是難以產出可交付成果的Agent產品。所謂大道至簡，個人開發者面對的客戶用ROI衡量Agent生產力的關鍵問題，也間接呼應了紅杉提出的下一輪AI共識“賣的不是工具，而是收益”。簡單地說就是進入AI的生產力階段，token付費模式不再有效，按效果付費成為真假Agent的判斷核心。但是熱潮之下，泡沫總是有的。在Agent私人定製的中介王磊看來“Agent還是比傳統外包好做一些，基本明確需求以後，依託一些外部的Agent開發平台2-3天就可以搭建一個可交付的個人定製產品。”同時因為往往是To C的個人定製化產品，不少定製的人都是出於嘗鮮的目的，或者想瞭解一下Agent的能力邊界，所以即使沒有達到想要的效果，也沒有太多的售後維權扯皮發生，整個行業目前也沒有傳統外包那麼卷。相比私人定製的Agent嘗鮮生意，企業級的Agent需求，才是紅杉口中的兆市場規模核心。但是在行業相關人士來看，因為需要可控性、穩定性，企業級的需求，目前多數還是被之前在傳統SaaS行業擁有資源的人拿走了。同時，傳統的SaaS企業也在全面向Agent轉型融合。本質上AI只是讓產品更新換代一遍，但是並沒有讓To B的資源重新流動分配。對於Agent的共識，國內外是一樣的。在Reddit海外社區，一個深耕企業級Agent開發者直言不諱地指出：“現在定製AI代理的需求激增，但市面上90%的代理都是垃圾。”問題的根源在於，開發者們沉迷於花裡胡哨的UI互動，而非專注於解決具體問題。這位曾為多家初創企業搭建過的Agent系統的開發者經驗是，企業不在乎AI用了那個模型，而在乎它是否能帶來明確的ROI。他說得直白：“建構Agent只是整件事的30%，部署、維護、更新API才是最耗精力。”技術堆疊並不能換來客戶滿意，真正有價值的是“每周能節省xx個小時”的實打實回報。所謂Agent，最終還是回到商業效率本身。02 摸著Kimi過河的Agent明星們對於市場買單的Agent產品有共識，但是這並不意味著ROI是Agent產品走紅的關鍵。在一個尚未統一答案的行業裡，滿足大眾的想像，往往比滿足企業的預算更重要。“什麼是Agent？”每個人都有自己的解釋。但從技術路徑上拆解，Agent=大模型+工作流規劃+記憶系統+工具呼叫。它不是某種全新形態，而是一種對AI能力的“打包式交付”。因此當Mauns等產品火起來時，也引發了不少技術圈的質疑：只是“AI套殼”，並不創新。但問題在於，“套殼”未必無效。打包的最大價值，是滿足了人們和AI互動的想像路徑。一位AI測評愛好者這樣形容傳統AI使用體驗：想做一份PPT，先用ChatGPT消化資料、總結要點；然後把這些要點丟進WPS生成初稿；接著用圖庫配圖，再自己逐頁調整。流程鏈條可能涉及十多個網頁、三五個不同產品。但是在Agent的產品理念中，是把這一整套操作“串起來”包裝成一鍵式體驗。使用者點一次，Agent幫你從讀資料到生成PPT全部搞定。“這種一鍵生成的產品體驗，是初創企業向使用者預支的Agent信任。”AI傳播人士章邯認為，儘管最終產出的成果不一定可交付，但是這種革命性的工作流程重塑還是會告訴市場什麼是Agent式體驗。畢竟相比大廠，在大模型基建、資本能力、生態資源方面都不具有優勢，而一鍵生成，恰好滿足了使用者對“Agent”的科幻想像。這種打法，和當年Kimi憑藉“一次喂完《紅樓夢》”在百模大戰中脫穎而出是一個道理。不是多模態的能力，也不是生成效果最好，而是選對了一個“最能傳播”的點。這也是當下，不少明星企業共同遵循的一套Agent商業敘事。如今在Kimi鋪出來的路徑上，還有更多的Agent產品在探索“滿足想像力”的新方式。比如flowith最新推出的“無限Agent模式”，支援無限步驟、無限上下文、無限工具鏈，理論上可以完成以“年”為單位的任務執行過程。只要帳號不封、網路不斷、token充足，它就能無限執行任務——因此也被稱為“數字生命”的Agent雛形。這類產品，並不著眼於當下的效率提升，而是激發使用者對Agent式未來的預期。正如Kimi把“長文字”變成記憶力的象徵，Agent產品也在努力將“執行力”變成它的新神話。無論一鍵生成，還是無限流，本質上都不是注重降本增效，而是先搶注意力——走紅的不是功能，而是敘事。革命不是通過生產力發生的，而是通過敘事結構引發的，也成為不少Agent賽道創業明星的商業底色。03 降本增效的大廠Agent和初創企業熱衷講述“屠龍少年”的故事不同，大廠對於Agent的態度更符合ROI的Agent需求共識。儘管在Manus走紅後，百度推出心響，字節也上線“扣子空間”，甚至字節還借鑑了Manus的“邀請碼”策略，但是在定位上，大廠更傾向於建構Agent開發平台。對於字節旗下的扣子，一些技術人員更傾向於基於通用大模型增強的舊產品。比如字節扣子的Agent開發路徑是基於通用大模型，使用者自主搭建workflow，這種LLM＋workflow的實現路徑，本質是一種類Agent。其中通用大模型作為流程中的工具人，僅處理特定環節，無自主決策能力。流程規劃由人工預先編排，各模組獨立運行，缺乏動態協作。本質是開發者基於通用大模型，部署並定義的靜態工作流。但是人工自訂，也意味著可以更快的融入到已有的工作流，對傳統工作流實現大模型的增強提效。根據《特工宇宙》調研資料，第一波下場做智能體的創作者收入主要來源於四部分，知識付費、定製開發、比賽獎金、範本分成，場景以私域行銷，自媒體營運為主，收入在1w至100w不等。其中字節扣子的範本創作，在閒魚、小紅書等多個平台，買扣子的工作流範本，也成為不少Agent嘗鮮者賺到的第一筆錢。這也間接呼應了大廠對於Agent的態度，不在於概念更在於實際帶來的產出。相比字節的工程路徑，美團則更顯“冷靜”。在最新財報會上，美團CEO王興對“Agent”字眼並無過多著墨，僅將近期推出的AI程式設計平台“NoCode”歸類為“無程式碼工具”。他更強調：“我們重點關注的是AI在實際場景中如何支援中小商戶數位化轉型。”截至目前，美團員工基於NoCode平台已建立9410個應用，其中超過1600個活躍使用。在內部研發流程中，約52%的新程式碼由AI生成，一些團隊的AI使用率已超過90%。此外，62%的產品經理和28%的業務分析師也在使用該平台開發效率工具和原型應用，覆蓋HR、財務、產品等多個崗位，實現全員參與的智能工具生態。在騰訊的AI戰略中，“務實”同樣是關鍵詞。正如CEO馬化騰在財報電話會議所言：“AI能力已對效果廣告與長青遊戲等核心業務產生實質性貢獻，同時我們也在加大對元寶應用及微信AI生態的投入。”其中，騰訊正在推進兩類Agentic AI戰略：一類是通用型Agent，具備鏈式思考和複雜任務執行能力，可與外部API和系統互動，正在“元寶”等原生AI產品中迭代推進；另一類是嵌入微信生態的專屬Agent，借助微信的社交關係鏈、小程序體系和內容分發網路，探索具有“社交嵌入感”的差異化助理產品。馬化騰強調，這兩類Agent代表不同路徑，後者尤其有潛力建立騰訊在AI助手賽道的獨特護城河。但是至於怎麼做，什麼時候上新Agent應用，手握AI基建、資金、以及生態優勢的大廠並不著急。說到底，Agent就是AI的自動駕駛。放到汽車行業同樣成立，只有新勢力講激進的自動駕駛故事，老牌車廠講的還是穩定、安全、省錢。對於Agent這波浪潮同樣推出，講好“故事”的是初創公司，真正把AI變現的，仍是那些慢而穩的大玩家。 (市象)