4 月 27 日中國國家發改委一紙通報，直接叫停了一筆 20 億美元的跨國收購。消息一出美國媒體集體炸鍋。彭博社哀嘆一個時代結束了，華爾街日報抱怨手伸太長，還有人直接扣上破壞自由市場的帽子。可只要稍微往前翻一翻，就會發現這場指責有多諷刺。這次被收購的 Manus，是去年橫空出世的中國國產通用 AI 智能體。它的核心技術是中國團隊研發的，核心人才全是中國人，成長過程也完全依託中國的 AI 基礎設施和產業環境。它只是悄悄把註冊地遷到了新加坡，裁掉了中國大部分團隊，遮蔽了中國 IP，就想換個馬甲賣給美國的 Meta。很多人以為這樣就能繞開監管。但監管部門早就盯上了這筆交易。從 1 月 8 日啟動調查到 4 月 27 日下達禁令，整整用了 109 天。全程嚴格按照法律程序走，給足了雙方申訴和整改的機會。可對方始終避重就輕，一門心思指望境外殼公司矇混過關。最終的叫停決定，完全符合中國的外商投資安全審查辦法。而美媒口中的自由市場，在美國自己那裡早就成了笑話。美國的國家安全審查機制 CFIUS，早在 1975 年就成立了，比中國早了整整 46 年。全球商界都叫它併購粉碎機。最典型的例子就是幾年前的 Magnachip 收購案。中資智路資本出價 14 億美元，收購這家韓國晶片公司。這家公司的生產研發全在韓國，銷售也基本不在美國。就因為它在紐交所上市，CFIUS 直接以國家安全為由否決了交易。沒有公開證據，沒有正式聽證，智路資本最後還被迫支付了 7020 萬美元的終止費。類似的操作美國做過無數次。圍剿 TikTok 四年拿不出任何證據，逼著字節跳動要麼賣要麼關。輝達的先進晶片說斷供就斷供，連聽證會都不開。還直接出台規定，禁止美國風投向中國 AI 領域投一分錢。這是中國 2021 年實施審查辦法以來，首次公開叫停 AI 領域的外資收購。而美國 CFIUS 公開否決的中資科技收購，早就不止三筆了。美媒真正憤怒的根本不是自由市場被破壞。他們生氣的是，過去只有美國能用國家安全當藉口卡別人，現在這個規則居然被別人用了。很多人有個誤區，覺得公司註冊在那，它就是那的。但對科技公司來說，核心技術在那，核心團隊在那，它的根就在那。換個馬甲就能把國家培育出來的核心技術打包賣掉，這種空子本來就不該存在。自由市場從來不是沒有邊界的自由。任何主權國家，都有權保護自己的核心利益和國家安全。美國自己玩了幾十年的規則，現在輪到別人用了就跳腳罵街。這不是中國不講自由，這是用美國的鏡子，照出了它自己的雙標真面目。 (科技直擊)

廣受關注的美國科技巨頭Meta收購中國AI公司Manus一事有了最新進展。27日，中方發佈資訊，外商投資安全審查工作機制辦公室（國家發展改革委）依法依規對外資收購Manus項目作出禁止投資決定，要求當事人撤銷該收購交易。這一決定合理、合法、必要，既是中國政府履行監管職責的體現，也符合國際社會在戰略技術領域加強安全審查的通行做法。2025年3月，蝴蝶效應公司推出Manus。作為全球首個通用AI智能體，Manus憑藉一段演示視訊一夜爆火，體驗碼一度被炒至數萬元人民幣。Manus也因此一度被業界視作“第二個DeepSeek”。短短數月後，Manus將總部遷至新加坡，大幅裁減國內團隊，僅保留核心技術人員，徹底停止中國境內服務與營運。去年12月，Meta高調宣佈以約20億美元收購Manus，成為Meta史上第三大併購案。這起併購案自曝光之初就充滿爭議。最大的質疑點在於，Manus作為一家依靠中國工程師和基礎設施環境發展起來的AI公司，在獲得美國投資後突然與中國元素進行“切割”，當時業界就有不少聲音認為這可能是一次逃避管制的“洗澡式出海”。此外，這一併購案也引發了“併購式招聘”的質疑，認為併購的主要估值指標是人和團隊。一家美國律所指出，人才留用是這類交易的核心條款，併購實際是招聘手段。由於這起併購案涉及到中國、美國、AI等元素，中方的決定引發外界關注，也出現了一些過度解讀。儘管中方目前尚未披露叫停併購案的具體原因，但在這當中，有三點是非常明確的。第一，中方有權對這起併購案依法依規實施干預。一些聲音認為，目前Manus沒有團隊在中國國內，也沒有面向國內市場的實際產品，只是項目早期產品在中國開發而已，因此給中方叫停併購案扣上“長臂管轄”的帽子。所謂“長臂管轄”，是以本國法律延伸至境外，以國內法制裁第三方實體的做法。但中方叫停Manus併購案完全不是這種情況。儘管在Meta宣佈併購Manus時，後者已經成為“新加坡公司”，但中方是否有權干預，核心不在於該公司當前的註冊地或營運團隊所在地，而在於其技術、人才、資料與中國的關聯性，以及交易是否可能危害中國的產業安全與發展利益。Manus早期研發在中國落地，核心資料取自中國，這些關鍵特徵決定了其人員、技術、資料的流動必然與中國利益產生關聯。根據《外商投資安全審查辦法》《中國禁止出口限製出口技術目錄》以及新修訂的《中華人民共和國對外貿易法》，此類技術的出口、跨境轉移及相關投資活動，必須依法接受安全審查、評估，直至獲得許可。中方對這項交易行使管轄權有著充分且堅實的法律基礎。第二，中方叫停這次交易，符合國際慣例。有西方媒體宣稱，中方此舉是出於對美競爭的地緣政治考慮，針對美國企業而做出的。這種說法頗有些“賊看誰都像賊”的意味。在全球範圍內，涉及AI、資料、演算法、關鍵軟體、核心團隊和敏感技術的跨境併購，從來都不是普通商業交易。近年來，各國普遍加強了投資安全審查，審查對象不僅包括併購項目、還包括新設項目等綠地投資，審查範圍還涵蓋了生物醫藥、裝備製造等多個領域，中國的監管完全符合國際通行做法。第三，叫停這起併購案，絕非意味著中國營商環境“收緊”。中國持續最佳化外商投資環境，2024年以來多次縮減負面清單，服務業、高端製造等領域外資准入持續放寬。禁止一單AI敏感併購，與鼓勵外資在華興業投資並不矛盾。恰恰相反，明確安全邊界，才能讓合規外資吃下“定心丸”，增強長期信心。越是開放程度提高，越需要規則更加完善、邊界更加清晰、預期更加穩定。歐盟、美國、日本均有類似機制，卻未阻擋其成為全球投資熱門地。中國作為全球第二大外資流入國，依法開展安全審查與擴大開放合作相輔相成，缺一不可。AI是全球新一輪產業變革的核心賽道。依託超大規模市場優勢、完整的產業鏈配套、海量應用場景以及持續完善的政策體系，中國AI產業已步入高速發展期，創新活力持續迸發，中國也成為全球AI創新的沃土。希望包括Manus在內的更多科創企業，都在中國這片藍海中找準位置，安心發展，做大做強，實現更好的發展與超越。 (環球時報)

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)

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)

今日，Meta宣佈完成對通用自主AI智能體公司Manus（蝴蝶效應）的收購。根據公開資訊，這筆交易金額達數十億美元，也成為Meta成立以來規模第三大的收購案，僅次於收購WhatsApp以及此前對Scale AI的戰略性投資。圖片來源：視覺中國Meta收購Manus的消息出現得很突然。Manus產品去年9月剛剛上線，關於本次收購，似乎也沒有經歷長時間的拉扯。有投資人回憶，談判周期極短。對一家規模龐大、內部流程嚴密的公司而言，這種速度本身就值得注意：它更像一次基於窗口期的決策。更關鍵的是，Meta買下的並不是一家訓練大模型的公司。Manus不以底層模型為核心資產，它的價值更接近一種應用層能力：把現有模型與工具組織起來，形成可以持續完成任務的產品形態。對一家以平台分發和使用者規模見長的公司來說，這樣的併購更像一次戰略補位，而非簡單的功能補充。理解這筆交易，首先需要理解Manus到底在做什麼。與大多數對話式AI產品不同，Manus並不是試圖讓系統“更會聊天”，而是讓它成為一個能交付結果的智能體。在常見的使用場景中，使用者仍停留在“問—答—修訂—再問”的循環裡，而 Manus試圖把互動向前推進一步：使用者只需給出目標，例如完成一份行業研究、整理競品資訊、生成結構化備忘錄，系統會自行拆解任務、呼叫工具、校驗輸出，並在過程中不斷調整計畫。這類產品的難點，並不在於第一次能否給出正確答案，而在於出錯之後能否繼續向前推進。因此，Manus的設計重點更多放在工程與流程上：任務狀態需要被保存，中斷後可以恢復，目標變化時能夠重新計算，錯誤也能被使用者以較低成本糾正。對使用者而言，這意味著不必反覆從頭開始，而是像管理一名初級員工那樣，把事情一步步推向完成。Manus官方披露的營運資料，包括累計處理的token數量和虛擬計算環境規模——更像是一種側面說明：這套系統已經在真實世界的壓力下運行過，而不僅僅停留在演示階段。這種對“持續完成任務”的執念，並非從AI時代才開始形成。把時間線往前撥，壹伴這款用於提升微信公眾號編輯效率的瀏覽器外掛同樣出自這批人。壹伴解決的是排版、編輯、發佈效率等高度具體的問題，它的成功並不依賴宏大敘事，而在於“每天都有人用”。在商業產品中，這類工具型成功往往意味著團隊具備對真實工作流的理解，以及對細節體驗的長期打磨能力。壹伴之後，該團隊又推出了微伴，一款圍繞企業微信生態的工具，服務對象從內容編輯擴展到銷售和企業營運人員，開始處理更複雜的協作、流程和資料連續性問題。這一階段，產品從個人效率工具，演進為組織流程工具，目標也從“好用”轉向“可靠、可控、可複製”。從壹伴到微伴，再到Manus，表面上跨越了不同賽道，但核心高度一致：把重複、繁瑣、需要人持續盯著的事情，逐步交給系統穩定完成。這條路徑，也解釋了為什麼 Manus 會在產品設計中，把“任務持續性”放在如此核心的位置——它更像一家長期做工具的公司，在 AI 時代終於獲得了足夠成熟的技術條件。從團隊背景看，Manus具有明確的中國創業公司起源。創始人肖弘和早期合夥人來自中國本土高校，早期創業與試錯主要發生在中國網際網路環境中，產品方法論偏向務實、節制、貼近使用者。但在進入AI應用階段後，公司逐步將主體與核心營運轉向新加坡，並以新加坡為總部面向全球市場。今天，從法律和營運層面看，它更像一家總部位於新加坡的國際科技公司；從團隊基因和產品文化看，它仍然是一家中國創業者主導的公司。這種結構在當下並不罕見：既滿足國際化營運與合規的現實需求，也為進入全球平台生態預留空間。對潛在收購方而言，這意味著更低的整合摩擦。如果說Manus的價值在於“已經跑通了一種應用形態”，那麼Meta的動機則更像是對多重結構性壓力的回應。將這筆併購簡單理解為“巨頭害怕落後”並不精準。更現實的情況是，AI技術的演進正在壓縮產品窗口期。一旦模型能力跨過可用閾值，使用者預期會迅速從“會回答”轉向“能完成”，競爭重心隨之從模型本身下移到產品化與交付效率。對Meta來說，內部孵化並非不可行，但周期更長、跨部門協同成本更高。併購的意義，並不是買到獨家技術，而是獲得一套已經在真實使用者中跑通的產品範式，從而節省數年的試錯時間。與此同時，入口形態也在發生變化。Meta長期的優勢在於分發，但AI時代的新入口未必表現為某個功能按鈕，而更可能是一種新的互動方式，即使用者把任務交給系統，在後台完成。如果AI Agent成為下一代工作與生活的默認入口，平台價值將被重新分配，Meta顯然不願在這一階段只充當流量提供者。組織層面的壓力同樣存在。當AI從研究走向產品，挑戰往往不在單點技術，而在端到端協同：模型、產品、工程、商業化、合規和安全需要同時推進。大型組織在這一階段反而容易被自身複雜性拖慢，而Manus這樣的團隊，已經在真實使用者中完成了一輪端到端交付的磨合，這類經驗很難通過內部指令快速複製。競爭敘事的變化，也在強化這種緊迫感。Google推出Gemini 3，更像一枚訊號彈：模型能力正在穩定提升並逐步可用，差異優勢正從“更強模型”下沉到“更快把能力變成結果”。交易體量進一步說明了Meta的判斷。Meta收購WhatsApp和ScaleAI幫助這家巨頭在移動網際網路時代完成了使用者結構躍遷，後者被視為其在AI基礎設施和資料能力上的關鍵補位。與這兩筆交易相比，Manus的特殊之處在於，它既不直接對應使用者規模擴張，也不直接對應底層技術突破，而位於兩者之間——應用層的執行與交付能力。這在某種程度上意味著，Meta此次併購的核心考量並非買下已經確定的回報，而是為正在形成的入口形態提前鎖定位置。這是一筆典型的“用時間定價”的交易：資本所購買的，是縮短學習曲線和產品落地周期的能力。併購完成後仍強調獨立營運，也並非姿態。對Meta來說，Manus最關鍵的資產不是程式碼，而是其產品節奏與工程習慣。一旦完全納入大公司流程，這種節奏反而最容易被稀釋。從壹伴算起，Manus團隊做工具已經接近十年。這些產品很少成為行業話題中心，卻反覆出現在使用者真實的工作流程中。它們的共同特徵並不複雜：穩定、可預期、能夠在出錯後繼續向前推進。AI的出現，並沒有改變這家公司想解決的問題，只是讓這些問題第一次有了更合適的技術條件。對Meta而言，這筆併購也不必被解讀為一次激進下注。在模型能力趨同、窗口期縮短的階段，用資本換取確定性，是一種典型的大公司策略。接下來真正值得觀察的，並不是Meta是否能把 Manus 整合進自身產品線，而是這種以“交付結果”為中心的產品節奏，能否在更大的平台體系和更複雜的組織結構中被長期保留下來。這也將決定Manus最終被記住的方式：是一次突然的併購，也是Meta在人工智慧時代重新理解“入口”的起點。 (財富FORTUNE)

12月30日，Meta宣佈完成一筆重量級併購，以數十億美元的價格收購AI Agent產品Manus背後的公司“蝴蝶效應”。這是Meta成立以來金額排名第三的收購，僅次於WhatsApp和Instagram。交易完成後，蝴蝶效應將保持獨立營運，其創始人、騰訊青騰校友肖弘將出任Meta副總裁。這筆交易的推進異常迅速。多位接近交易的人士透露，從雙方正式接觸到最終達成協議，整個談判周期僅十餘天。據悉，在收購發生前，蝴蝶效應正以約20億美元的估值推進新一輪融資。Meta對Manus的興趣並非偶然。祖克柏及多位Meta核心高管均為Manus的長期使用者。在Meta近期重組AI研究體系、高薪引入頂尖研究人員，並持續加大算力投入的背景下，這筆收購被視為其推進“超級智能”戰略的關鍵一步。蝴蝶效應成立於2021年，早期以瀏覽器AI外掛Monica切入市場，成為中國AI行業中少數實現盈利的應用產品。2024年3月，公司推出通用AI Agent產品Manus，能夠調度多種工具完成複雜任務，上線後迅速在國內外引發關注。其發展勢頭在2025年達到新的高峰：同年11月，Manus位列“全球最具潛力創業公司”榜單亞洲區第一。值得注意的是，其風靡全球的演示視訊，是團隊用借來的鏡頭、基礎的剪輯工具，在不到一周時間內趕製而成，體現了公司“在本質上重注，在形式上極簡”的極致效率文化。今年12月，公司宣佈年度經常性收入（ARR）突破1億美元，旋即迎來了Meta的收購邀約。對Meta而言，這並非一次單純的產品或團隊併入，而是一項圍繞AI應用形態的戰略佈局；而對這家源自中國的創業公司而言，Manus也由此被正式納入全球科技巨頭的核心體系之中。Meta超級智能實驗室（MSL）負責人Alexandr Wang（汪韜）轉發了相關消息，並配文稱，Manus團隊在探索當今大模型“能力過剩”問題上處於世界領先水平。此外，該實驗室正在新加坡擴展團隊，Manus原有約100名成員已加入其當地組織。獲得如此評價的Manus團隊，其發展路徑卻充滿非常規的選擇。過去兩年，肖弘主導了三次反共識決策：關乎“生死”，叫停研發七個月的AI瀏覽器項目，轉向為AI配獨立電腦；關乎“快慢”，在流量昂貴時堅持零市場預算，押注算力換體驗；關乎“組織”，推動80%程式碼由AI生成，探索“AI 時代公司形態”的未來。從連續創業者到Agent賽道領跑者，肖弘如何思考行業競爭與未來？近日，他與騰訊集團高級管理顧問、騰訊青騰教務長楊國安在《一問》欄目中展開深度對話，復盤Manus的取捨，並分享了他對AI時代產品邏輯及組織進化的思考。以下是對話整理，經精編如下：範式之變：當AI從“給答案”變成“給結果”楊國安：未來10年，AI對你所在行業最大的改變是什麼？肖弘：核心在於產品開發模式的重塑。軟體研發將更多由AI系統主導。在AI輔助下，我們能以更精銳的團隊，極大縮短開發周期。對生活的影響有兩點：一是產品迭代速度將快得超乎想像，衝擊各行各業；二是AI能力將普及化，每個人都需學會高效運用AI以實現自我提升。楊國安：你們相信“模型能力會外溢，應用是價值核心”，如何形成這個判斷？肖弘：這源於我們此前的連續觀察。做Monica（瀏覽器外掛）時，我們發現“上下文”是關鍵，於是讓外掛自動抓取網頁資訊，免去使用者複製貼上。後來Cursor火了，它證明當模型編碼能力成熟時，Chatbot並非最佳產品形態，需要一個更貼合編碼工作流的載體。這兩個案例讓我們意識到，技術能力一直在進化，但產品形態常常滯後。去年底，我們看到“Agent”這種能進行複雜規劃和自主執行的新能力出現，判斷它同樣缺乏好的產品化形態。這就是我們的機會：抓住模型能力外溢的窗口。楊國安：從給答案的Chatbot，到給結果的Agent，最本質的變化是什麼？肖弘：Chatbot給你一個答案，可能需要你再花兩小時把它變成結果。Agent則試圖直接交付那個結果。比如，做一個研究並生成精美的PPT，全程無需干預，只需幾分鐘。這帶來三個深遠變化：一是成本驟降，過去只有諮詢業能做的定製PPT，現在房產中介也能用AI生成；二是多樣性爆發，Agent可平行生成多個版本供你挑選；三是容錯性增強，任務失敗後它能自動反饋、重試，提高了完成率。楊國安：這會如何改變組織形態？肖弘：我們有一個更大膽的展望。一些用好了AI的大公司會變得更強大，但同時會出現大量微型個體。在AI的賦能下，一兩個人就能成就一項過去需要公司才能運作的事業。因為AI替他們省去了搭建組織、管理流程等複雜事務，直接交付結果。楊國安：我在“數智革新楊五環”的1.0版本研究集中在傳統行業的標準化、數位化、智能化，以實現降本增效和精準決策。但你剛才的觀點讓我很興奮——Agent能處理非標任務，這比標準化流程的潛力更大。若真實現，那些行業會受最大衝擊？肖弘：關鍵在於理解Agent是“思考+執行”。AI拓寬思考的廣度與深度，人則負責最終判斷與選擇。因此，衝擊將首先席捲高度數位化的“案頭工作”領域。給AI配一台“電腦”，而非“搶滑鼠”楊國安： Manus採用“大模型+雲端虛擬機器”的架構，核心優勢是什麼？肖弘：這是我們最關鍵的判斷之一。我們思考的終極問題是：AI的終極“外殼”是什麼？答案是：電腦。在數字世界裡，電腦是人類處理一切事務的終端。那麼，給AI配一台專屬電腦，它理論上就能像人一樣完成所有工作。虛擬機器的最大優勢，是能處理海量長尾任務。無論是安裝特定軟體，還是運行自己編寫的程式碼，AI都能在自己的虛擬環境裡完成。我記得第一次感到震撼，是看到Manus執行git clone命令，將開放原始碼專案下載到自己的“電腦”裡來解決問題——這像極了人類“使用工具”的行為。挑戰在於速度和資源消耗，但長期看這些問題會解決。而它能解決通用方案無法處理的長尾問題，這本身就構成了我們的護城河。楊國安：你們曾經投入七個月探索 AI 瀏覽器，但最終決定放棄。為什麼？肖弘：這確實是我們非常關鍵的一次戰略取捨。我們在2024年初立項做AI瀏覽器，在當時看來是一個非常順理成章的判斷。您可能知道，我們在Manus之前有一款產品叫Monica，它是一個瀏覽器外掛。當時我們想，既然我們在瀏覽器外掛上已經做得不錯了，為什麼不直接做一款瀏覽器呢？有了瀏覽器之後，一些任務就可以直接在瀏覽器內幫助使用者執行和完成。想到這個Idea 時，我們非常興奮，覺得它突破了瀏覽器外掛的天花板。我們大概花了六個多月時間去開發這款瀏覽器，從底層技術開始，我們自己編譯了開放原始碼的Chrome核心，然後將AI能力部署上去，讓它能夠在某些任務上實現自動化執行。但是，最終放棄的決定，是基於兩個核心原因：一個宏觀的戰略判斷；一個微觀的產品體驗問題。楊國安：那些改變公司命運的重大決策（如放棄瀏覽器、選擇全球化），背後的思考原則是什麼？肖弘：決策本身的邏輯很清晰：永遠從“技術能解決使用者的什麼根本問題”出發，再推導商業模式。真正的難度不在於分析，而在於有無勇氣堅持清晰的答案，並克服內部慣性，將其變為全組織的共識與行動。思考可能只需一個月，但落地執行往往更耗心力。楊國安：Agent技術落地的臨界點將取決於什麼？肖弘：我覺得可以從兩個層面來看。第一類，是您剛剛提到的核心基礎能力的提升。比如成本、速度、更長的上下文、以及在長上下文的指令遵循能力。這些都至關重要。成本和速度直接影響了產品是否能被更多使用者負擔和使用。指令遵循和上下文處理則影響了任務的完成率。這些能力我們一直在密切關注，一旦有新的突破，肯定會立即應用到產品化中。第二類，有一項能力是我個人比較期待的，它雖然已經被應用，但我預測在今年內或明年初會有比較大的突破，就是通用的電腦使用能力。這意味著AI自己能夠識別並掌握如何使用一個軟體。這項能力一旦突破，像Manus這種自帶虛擬機器的產品，就能夠完成更多專業軟體或特定行業軟體的應用。我們可以想像，未來你拿起手機，通過Manus就能讓它去完成一個本來需要在電腦上用行業專業軟體才能完成的事情。我認為這項能力即將實現突破。根據我們與研究員的觀察和交流，一旦突破，將解鎖更多的應用場景。楊國安：如果Agent能直接呼叫現有軟體，繞過人工操作，會帶來什麼變化？肖弘：最大的變化是“解放值守”。許多需要人坐在電腦前操作專業軟體的任務，未來可以由Agent自動完成。AI已能處理其中的基礎判斷。即使遇到關鍵節點，也可像手機安裝App時請求授權一樣，由人一鍵確認。這最終將徹底顛覆現有軟體的操作邏輯和人們的工作方式。用昂貴的算力換取增長楊國安：PC時代有“安迪-比爾定律”——硬體（英特爾）的提升總被軟體（微軟）消耗掉。這是否說明，價值是由“技術能力”和“應用能力”共同創造的？肖弘：是的，這正是我們的核心參照。“安迪-比爾定律”建立在摩爾定律之上，意味著算力增長必然催生更耗資源的應用。微軟當年就是依據對未來算力的預測來規劃Windows的。這直接啟發了我們的產品思路：在技術飛速進化的當下，我們是否可以暫時忽略成本與速度，只專注於打造極限質量的產品？我們跟蹤最前沿的模型，不計代價地追求最佳體驗。這與傳統網際網路平衡質量、速度、成本的思路截然不同，也是我們敢於將昂貴算力轉化為核心競爭力的原因。楊國安：你們堅持“產品驅動增長”，零市場預算，這種打法的持續性如何？肖弘：這個思考來源於我們做Monica時的觀察。我記得當時與一位企業家交流時，他提到今天AI產品的成本結構，以Monica為例：在2024年，約三分之一的成本是員工薪資，三分之一是Token（大模型呼叫）費用，另外三分之一是投放在網際網路廣告平台上的增長費用。那次對話對我的啟發很大。我就在想：如果我們做一款產品，持續有大量的成本投入到廣告平台，那麼我們的增長就很可能被網際網路巨頭廣告平台所定義。我記得當時的情況是，一旦我們快要盈利、有了好的利潤空間時，廣告平台就會立即漲價，這種模式幾乎是可計算的。這與消費品行業通過廣告平台獲取增長後面臨的問題是相似的。所以我當時思考：有什麼東西是今天很貴，但未來會很便宜的？以及有什麼東西是今天很便宜，但未來會越來越貴的？結論是：AI API（Token 成本）今天很貴，但從長期來看，受摩爾定律和底層技術發展的驅動，它一定會變得更便宜。網際網路使用者的價格卻在不斷上漲。在早期，使用者願意探索，但一旦產品與市場契合，現有玩家就會通過廣告平台來獲取使用者，推高整個行業的使用者獲取成本。基於這個判斷，我給團隊設定的目標是：我們能否做出一個讓使用者覺得非常厲害、願意主動告訴朋友的產品？在某種程度上，我們就將原本昂貴的Token成本轉化為我們的使用者獲取成本。隨著 Token成本越來越便宜，而使用者獲取成本越來越貴，這個模型就具備了長期可持續性。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Manus上線的前一周，我們開了一次內部會議，正式確定必須是零市場預算。所以，今年年初大家看到Manus在社交媒體上火爆，是因為我們在某種程度上打造出了使用者預期的產品。像一些意見領袖之所以轉發，正是因為它確實擁有令人震驚的體驗，實現了大家對未來 AI 產品的設想。楊國安：為何首選服務C端“獨狼型”使用者，而非B端？肖弘：底層判斷是技術階段匹配。AI Agent技術仍處早期，迭代極快。大企業需要確定性和穩定性，而個體用戶、自由職業者更能容忍變化、擁抱創新。在技術快速變化的早期，最大化發揮迭代速度優勢的，正是C端市場。楊國安：Manus的生存戰略是與巨頭合作共生。許多巨頭包括Anthropic、OpenAI、Google等，已經有可能會推出自己的Agent。那麼，你們如何在這些巨頭中找到合作共生的機會呢？肖弘：我們的策略是合作共生，扮演“最佳體驗整合者”。底層模型競爭激烈，沒有一家能持續壟斷所有能力。Manus作為應用層，可以靈活整合各家最優模型，理論上能為使用者提供比任何單一家都更極致的體驗。這類似手機廠商與晶片廠商的關係：我們雖不造晶片（模型），但憑藉對使用者需求的深度理解和巨大用量，能反推模型最佳化，形成共贏。楊國安：如何讓Manus突破早期使用者，被普通大眾廣泛接受？肖弘：關鍵在於兩點：一是產品體驗的絕對差異化。在ChatGPT已成習慣的海外市場，我們必須讓使用者一眼感知到不同。比如，Manus不僅給答案，還會主動生成一個可互動的網頁，讓“Agent給結果”變得可視、可感。二是進行“場景化”的市場傳播。我們正跳出AI圈，與各垂直行業的博主合作，讓他們基於自身真實需求使用Manus，並向其受眾展示具體的使用場景，用他們熟悉的語言來定義Manus的價值。當“一個人成為一家公司”楊國安：當AI全面重構工作流，組織的核心任務似乎正在發生轉變。從你們的實踐看，這是否意味著傳統以管控和協作為主的模式需要被重新定義？你們強調“增強”並借此做出顛覆性決策，這套新模式的底層邏輯是什麼？肖弘：我們的實踐正是對這三個問題的同步回答。首先在組織上，我們正回歸一種更緊密的協作形態。即便公司規模擴大，我們幾位核心合夥人最近又重新坐在一個小房間裡工作，並設立每天固定的“無會議時段”專注討論產品。這背後的啟示是：當AI極大提升個體效率後，組織最核心的任務不再是管控流程，而是保障最關鍵的決策單元能進行高強度、高質量的思考與共識形成。其次，這也正是“增強”而非“替代”的落地體現。AI負責執行與拓寬思路，而人不可或缺的價值在於最終判斷、對齊預期與把握場景。組織創造這樣的深度溝通空間，就是為了強化“人”在戰略與審美上的最終決策權。最後，那些顛覆性決策正源於此。無論是砍掉項目還是All in新方向，邏輯都始於“技術能解決用戶的什麼根本問題”。真正的挑戰從來不是分析，而是在答案明確後，有無勇氣打破內部共識與路徑依賴，並將新共識堅決地付諸實踐。高頻、高質量的面對面碰撞，正是我們凝聚這種戰略勇氣、確保共識堅固的關鍵熔爐。楊國安：你認為100分的“AI原生組織”是怎樣的？肖弘：我們給自己打60分，因為很多工作慣性仍沿用舊方式。100分的組織，是AI深度融入每一個工作環節，成為員工的“第一反應”。就像遇到問題先Google一樣，未來員工會本能地先問AI。在新增任務上，我們會優先問：“這個能不能直接交給AI做？” 這才是真正的AI原生工作流。楊國安：我知道你在招聘時，也在努力識別那些真正具備AI原生思維的人才。你是如何識別這些人的？肖弘：我的方法是看他如何實際使用AI。我會請對方展示日常使用AI的痕跡。真正的AI原生者，使用量會遠超常人，AI已深度嵌入其工作流。“There’s No Software”的激進實踐：用AI吞食舊世界楊國安：你曾經提到過“There's No Software”的觀點。你認為Agent的發展將對軟體產業帶來那些影響？肖弘：根據我的觀察，這種影響已經開始形成，主要分為兩大部分。第一部分，是對軟體工程師和技術人員的影響。像Cursor或是Claude Code這樣的產品，已經讓軟體工程師的工作方式發生巨大變化。以我們公司為例，Manus主要的幾位工程師基本上不再親自手寫程式碼。我觀察他們的工作狀態，他們會打開多個Coding Agent窗口，像在與人聊天一樣進行協作。統計發現，我們公司接近80%的程式碼都是由AI生成的。工程師現在做的更多是梳理業務需求、審查程式碼質量、以及架構設計等工作。所以對軟體工程師來說，這種變革是正在發生且會更加徹底。我很難想像幾年後軟體開發會是什麼樣子，或許真的會像科幻片裡那樣，通過自然語言描述就能快速生成一個優秀的產品。第二部分，是對非技術崗位和組織內部IT系統的影響。很多組織內部的非工程師崗位也需要資訊系統支援。過去他們需要搭建內部IT團隊或尋求外部外包服務。我的觀察是，未來這種內部系統或非工程師崗位的資訊系統需求，一定能直接通過 AI Agent來完成。這種變革是巨大的：迭代周期會比外包更短，需求的個性化程度更高，你告訴Agent需求，它能立刻給你實現。這種變化在今天被低估了。Manus在這方面也有投入，我們近期會發佈相關產品。楊國安：AI將如何改變未來的SaaS行業？肖弘：我們的觀察和分析是，也許會分化為兩條路徑：對於存量SaaS，關鍵在於能否成功進行AI化改造。有頂級併購基金判斷，約一半的現有SaaS公司可能無法完成這一轉型。對於新增市場，創業者不必複製舊模式，而應基於已驗證的客戶需求，用AI原生的思維重新建構產品，這將是更大的機會。楊國安：隨著AI Agent有越來越強大的自主性，未來員工人數可能會減少。你是怎麼思考這種技術進步對行業帶來的社會影響？你在產品或技術上有沒有考慮倫理、安全等邊界問題？肖弘：這是一個必須長期思考的問題。一次測試中，Manus為查詢火車時間，在發現官網因罷工無資料後，竟試圖尋找聯絡方式、起草詢問郵件。這讓我們既震撼又警惕。但最後它沒成功，因為它沒有信箱，但它甚至準備去註冊一個信箱。那一刻，我覺得既驚訝又有些害怕。我們的原則是：一是利用好模型廠商已有的安全護欄；二是在關鍵節點設定使用者確認機制，防止AI“過度代表”使用者。作為創業者，我們的責任是釋放技術潛力，同時對其深遠影響保持敬畏與審慎。 (深網騰訊新聞)

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)

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)