昨夜，AI Agent 产品 Manus 横空出世，瞬间点燃科技圈。此刻，所有 AI 爱好者都在疯抢 Manus 邀请码，甚至在某二手交易平台上，邀请码的价格已经被炒到 999 元到 5 万元不等。
作为全球首款真正意义上的通用AI Agent，Manus能够独立思考、规划并执行复杂任务，直接交付完整成果。其名称来源于拉丁语“Mens et Manus”，意为手脑并用。在权威的GAIA基准测试中，Manus取得了SOTA（State-of-the-Art）的成绩，性能超越OpenAI的同层次大模型。
从发布的视频演示来看，Manus在接到用户指令后，可以直接操作电脑完成一系列任务，如报告撰写、表格制作等，并最终导出符合用户需求的产品。与此前各类功能相对简单的人工智能助手不同，Manus拥有超强的学习能力和适应性的“数字大脑”，不再局限于单一任务，而是能够理解复杂指令、自主学习、跨领域协同，真正像人类一样思考和行动。
一些总结
Manus爆火之后，网络上对他的评价开始两级分化。一方面，许多业内人士和科技爱好者对这款通用AI Agent的出现充满期待，认为它代表了人工智能领域的重大突破。另一部分则指责Manus过度营销。一款新产品刚亮相，就让整个 AI 圈陷入“抢号大战”，究竟是技术革命的前奏，还是又一场饥饿营销的极致演绎？。
先说结论，Manus 是一个不错的产品。但**并不算是一项技术突破。**一是它主要依赖于预设的流程来执行任务。尽管在短期内确实能让系统表现得更好，这种预定义的流程会严重限制系统的上限性能 。它运行在一个相对受限的环境中，介于“浏览器”和“操作系统”之间。它只能在特定的软件工具范围内运行，而在预定义范围之外的应用程序中无法工作。
那么真正的创新应该是什么呢？一个能够在完全开放的操作系统级环境中运行，像人类一样执行大多数任务，并操作各种软件的 AI。
关于产品本身，综合业内几位KOL的评论，大概包括如下几点；
1. 产品本质：套壳再套壳，提升可用性
从技术实现角度来看，Manus的本质是 **“**虚拟机 + compute use + artifacts + 多Agent协同”，核心是对 现有Cursor类产品的再封装，降低使用门槛，让非技术用户也能更轻松地利用AI进行复杂任务编排。
换句话说，Manus做的事情是 在Cursor这类产品的基础上，再加一层“壳”，同时内置了一批小模型和Agent，从而实现更自动化的推理、规划和执行能力。Cursor等AI辅助编码工具虽然功能强大，但对于普通用户来说仍然有较高的上手门槛，而Manus试图在这条路上进一步降低技术壁垒。
然而，Manus的思路并非完全独特。比如 OpenDevin 团队也曾尝试类似的设计，本质上，Claude 3 在这类任务的处理能力已经很强，直接调用 20+个工具 也是常规操作。因此，从 “创新性” 角度来看，Manus并未带来完全颠覆性的突破，而是对 现有思路的进一步产品化和优化。
2. 产品定位：一个通用Agent，还是一个新型AI入口？
Manus的产品定位是 通用智能Agent，试图 通过DeepSearch（input增强）+ Artifact（output强化）+ Planning/Reasoning（类似Cursor） 进行整合，打造一个全能型AI助手。
然而，这里存在一个明显的矛盾：
-
**Agent是否可以通用化？**个性化的Agent需求往往千人千面，而Manus试图打造一个“一体化”的Agent体系，是否可行？
-
**最终是一个AI入口，还是一个孤立的工具？**Manus如果想做成一个真正通用的AI Agent，必须整合 各种Agent能力 + compute use，但这意味着极高的工作量，并不是一朝一夕能完成的事。
目前看来，最现实的路径可能是MCP（Multi-Agent Communication Protocol）聚合模式，即 整合不同Agent的能力，提供一个开放协议，让各类AI代理协同工作。如果Manus选择走这条路，或许能找到更长远的竞争优势。
3. 竞争对手：并非独一无二，且大模型可能会直接吞并这条赛道
Manus所处的Agent领域竞争激烈，且产品思路趋同。目前来看，Coze、Dify 这类产品在思路上高度相似，如果Manus的模式跑通，未来这些竞品也会推出类似的解决方案。此外，Agent的能力大概率 会被未来的大模型内化，成为基础能力的一部分。
目前，大模型的工具调用能力正在不断增强，Claude 3 已经可以 高效调用 20+ 个工具，GPT-5 预计会进一步提升这方面的能力。如果未来大模型本身就能直接 进行复杂任务的规划、推理和执行，那么Manus这类独立Agent产品是否仍有生存空间，值得深思。
4. 市场卡位：大众产品还是小圈子炫技工具？
从市场定位来看，Manus有可能成为 新型的通用AI模式，类似AI搜索的探索方向。但问题是：
-
比AI搜索门槛更高，普通用户是否能快速上手仍存疑。
-
“懂的人”可能觉得局限性大，不愿意用，例如技术用户可能更愿意直接调用Claude或GPT API。
-
“不懂的人”可能不会用，但在自媒体和极客圈会很火，类似于一些“装逼型”技术产品。
如果没有几个 真正爆款的应用场景，Manus的增长可能会受限在一个相对小众的圈层内。
5. 机会：成本优先的AI Agent？
在成本方面，Manus若能 优化Agent的操作路径和等待时长，单次调用的token消耗降至 1M以内，并让部分任务交由30B级小模型处理，可能能找到一条低成本AI****路径——即用更小的计算消耗，实现更高效的AI任务执行。
这是一个有潜力的方向，但核心仍然取决于能否真正优化任务执行流程，提高整体效率。
这又是一个本土团队的故事
肖弘，华中科技大学软件工程专业2015届校友，连续创业者，十余年技术创业经验的老将。早在校期间，他就展现出“折腾”精神，加入联创团队，带领团队推出志愿填报助手、咩咩、圈子集市等校园创新产品，为日后创业埋下伏笔。
第一战：夜莺科技——依附超级平台的商业验证
2015年毕业后，肖弘创立夜莺科技，专注于企业微信SaaS工具，推出了“微伴助手”“壹伴助手”，为企业提供高效的社交营销工具。这一模式不仅获得腾讯、真格基金等知名投资机构数亿元投资，还成功服务超200万B端用户，触达数亿C端用户。最终，该产品出售给明略科技。这一战役验证了“依附超级平台做垂直工具”的商业模式可行性，但也让肖弘意识到，技术创业的天花板并不止于此。
第二战：Monica——AI时代的新征程
2022年，ChatGPT的横空出世让肖弘敏锐捕捉到AI革命的风向。他随即成立“蝴蝶效应”公司，推出AI浏览器插件 Monica，主攻海外市场，意在避开国内巨头竞争，另辟蹊径。
Monica是一个 All-in-One 的AI助手，集成多个主流大模型，用户可以随时随地与其聊天、翻译、生成文案、作图等。它不仅是个浏览器插件，更是一个正在进化的 个性化AI助手，能帮助用户获取、处理和存储信息。肖弘的愿景很明确：让AI不仅仅是工具，而是每个人的智能伙伴。
在商业模式上，他不追求大模型的底层技术突破，而是借鉴苹果等消费电子公司的模式，通过 整合API+极致体验 实现差异化，重构应用层的价值。
2023年，Monica通过收购热门插件 “ChatGPT for Google” 迅速扩展用户规模。这款插件原本已积累300万用户，收购后，Monica构建起 AI****工具矩阵，满足不同场景需求。这一策略不仅节省了产品研发周期，还验证了“工具全家桶”模式的市场价值。目前，Monica累计用户已突破 700万，稳居AI Chrome插件第一梯队。
2024年7月，肖弘携张涛 、首席科学家季逸超共同创立 Manus AI，继续探索AI的未来。
张涛曾在字节跳动负责国际化产品，随后在光年****之外担任产品负责人。
季逸超，也是是一位备受瞩目的90后程序员和企业家。他在高中时期就读于北京大学附属中学，展现出对计算机编程的浓厚兴趣。在高二期间，他独立开发了“猛犸浏览器”（Mammoth），这款浏览器在苹果应用商店上线后，迅速获得了大量用户的青睐。截至2013年，猛犸浏览器已推出五个版本，下载量超过50万次，成为全球下载量最大的手机付费浏览器之一。
“套壳”不是终点，而是手段
无论是 Monica 还是 Manus，它们都代表了一种 “套壳到极致” 的产品思路。但在肖弘看来，“套壳” 不是贬义词，而是对资源的 优化整合。
作为一家专注于 AI****应用层 的公司，肖弘并不执着于自研大模型，而是 通过多模型动态调用（GPT-4、Claude 3、Gemini等）来提升AI的综合能力，实现“软硬结合”的最佳平衡。不过，Manus目前尚未透露其背后的具体大模型，但可以推测，其策略仍然是 结合多个基础模型 以匹配不同的任务需求。
但问题来了，“套壳” 真的是技术上的取巧吗？
在肖弘的商业逻辑中，大模型公司类似 芯片公司，专注于打造更优质、更具性价比的核心能力，而应用公司则更像 消费电子****公司，通过品牌、渠道、交互体验来与用户建立更紧密的联系。换句话说， 苹果不会自己造芯片，但它依然是全球最成功的消费电子公司之一。
对应用公司而言，核心任务不是拼参数，而是通过技术产品化（TPF）和产品市场契合（PMF）， 让AI真正落地到用户的日常场景中。在这个逻辑下，“套壳”不是简单地包装，而是 将复杂的技术封装为直观、易用、且高效的用户体验。
这也是 Monica 能够迅速崛起的原因。它不仅仅是一个AI助手，而是 一个能适应不同场景的智能工具。无论是在 YouTube、Twitter、Gmail 还是 The Information，Monica都能提供定制化的交互方式， 让用户以最低的学习成本享受到AI的强大能力。这一策略让Monica在海外市场 用户量翻番，同时保持可观盈利。
当然，关于 AI****应用层与基础层的优先级，业内仍然存在分歧。
在 2024年上海GDC大会 上，MiniMax副总裁 刘华 发表了一番“反雕花”言论。他认为， AI应用层不应过度打磨交互，而应注重大模型****本身的能力提升。MiniMax的观点很明确： 大模型能力比应用层“雕花”更本质。
但肖弘的看法不同。 “雕花”不是目的，用户体验才是”。他认为，无论是底层突破还是应用创新， 最终衡量标准只有一个——是否真正解决了用户问题。
在产品哲学上， Manus 进一步提出了 “less structure, more intelligence” 的设计理念。其核心观点是——“当你的数据足够优质、模型足够强大、架构足够灵活、工程足够扎实，AI能力将不再是一个功能，而是一种自然涌现的智能。”
这意味着， 未来的AI不再只是一个“工具”，而是一个“潜伏在后台的智能体”。例如，Manus支持 实时任务监控，你可以在移动端查看任务进展，而当你回来时，AI已经自动完成了你的需求。
这是一种 反直觉 的设计理念——用技术对抗技术，让AI技术变得“隐形”，从而让用户能专注于创造性工作。
最终，AI产品的演进方向可能不是 更多的按钮、更多的参数调整，而是 更少的干预、更直觉的体验。对于肖弘而言， “套壳”不是偷懒，而是高效利用资源，让技术真正服务用户。做到极致，“壳”也能成为核心竞争力。
DeepSeek vs. Manus：中国AI的两条进化路径
如果说 梁文锋 代表的是 中国AI的技术理想主义，孤注一掷地冲击大模型的世界之巅，试图在算力、数据和算法上与OpenAI、DeepMind正面交锋；那么 肖弘 走的，则是另一条极度现实主义的道路——他不专注于构建大模型，而是巧妙地在现有技术框架内，打造更高效、易用的AI产品。
模型和应用的发展路径，或许天然就是不同的。“套壳”也不一定是件坏事。Manus能成为下一个DeepSeek一样的现象级产品吗？现在下结论，还太早。让子弹再飞一会。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型落地应用案例PPT👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习
优快云粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈
扫一扫
98
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
