腾讯20亿美元回购Manus,大厂“卖旧买新”加速囤积AI筹码

能源管理基于MATLAB的企业最大需量预测模型:月内峰值追踪与超限风险模拟分析系统设计 项目介绍 MATLAB 企业最大需量预测|月内峰值追踪与超限场景模拟 内容概要:本文介绍了一个基于MATLAB R2025b的企业最大需量预测项目,旨在通过构建月内峰值追踪与超限风险识别模型,实现对企业电力负荷的精细化管理。项目综合考虑时间周期、环境温度、生产强度、特殊日期及随机扰动等因素,构建模拟数据集,并采用装袋回归树和岭回归等机器学习模型进行负荷预测。通过滚动峰值追踪机制,系统动态整合历史真实值与未来预测值,生成月内最大需量趋势曲线,并结合预设阈值实现超限预警。同时支持多场景模拟,如增产、高温、设备集中启动等,评估不同工况下的超限风险,为企业错峰生产、储能调度等决策提供量化支持。项目注重实用性与兼容性,输出形式包括可视化图表、风险等级标识和多格式数据文件,适用于能源管理教学、工业负荷研究及智能用电原型开发。; 适合人群:具备一定MATLAB编程基础,从事能源管理、电力系统分析、工业自动化或智能制造领域的科研人员、工程师及高校师生,尤其适合工作1-3年、希望深入理解负荷预测与企业用电成本控制的技术人员。; 使用场景及目标:①实现企业月内最大需量的动态预测与滚动追踪,提前识别超限风险;②通过多因素场景模拟评估不同生产与环境条件下对需量的影响;③为错峰生产、设备启停优化、储能调度等能源管理决策提供数据支撑;④构建可复现、可扩展的负荷预测分析框架,服务于实际电能管理系统开发。; 阅读建议:此资源以模拟数据为基础,重点在于模型架构设计与管理应用逻辑,建议读者结合提供的代码实例,在MATLAB环境中动手复现数据生成、模型训练、峰值追踪与可视化全过程,并尝试调整特征参数或引入真实数据以深化理解。 立即下载

腾讯牵头20亿美元回购Manus,大厂加速“卖旧买新”囤积AI筹码

阿里、腾讯、字节、百度等互联网大厂,正将智能体领域变成2026年最拥挤的战场。而在这四家集体All in之前,赛道里最早跑出来的现象级玩家Manus,正迎来成立以来最戏剧性的一次转折。

据多家媒体报道,2026年7月,腾讯正牵头组建中方资本财团,谈判以约20亿美元估值从Meta手中回购Manus全部股权。一旦交易落地,腾讯将成为这家公司的最大单一股东。而距离Meta以同样20亿美元收购Manus,才刚刚过去7个月。

作为通用AI Agent赛道的第一个现象级产品,Manus的起点是典型的中国式爆发。2025年3月,一段功能演示视频让它一夜破圈,“通用AI助手”的概念直接占领科技圈心智,邀请码一码难求。爆火仅一个月,它就拿到硅谷顶级风投Benchmark领投的7500万美元B轮融资,估值跃升至5亿美元。

但就在上升期,Manus做出了出乎所有人意料的选择。2025年6月,公司将总部迁至新加坡,官网屏蔽国内IP,切断了与国内市场的连接。不过这次出走没有拖慢它的商业化速度。发布仅8个月,Manus年度经常性收入(ARR)就突破1亿美元,成为全球史上从零到1亿ARR最快的初创公司。这样的增速直接打动了扎克伯格。2025年12月,Meta仅用10天就完成对Manus的20亿美元收购,这也是Meta史上第三大并购案。

如今,这笔闪电收购刚过7个月就面临转手,接盘方还是Manus当年主动避开的中国资本。更耐人寻味的是,腾讯3个月前才刚刚密集发布QClaw、WorkBuddy、CodeBuddy、QbotClaw四款自研Agent,覆盖消费、办公、编程几乎所有核心场景。在自研产品已经铺全的情况下,腾讯到底为什么还要花20亿美元买回一个“出走”过的外部产品?

腾讯不打算做亏本生意。这不是腾讯第一次站在Manus的股东席上。Manus母公司2022年成立,腾讯则在2024年11月的A轮就已进场,彼时公司投后估值仅8500万美元;2025年4月B轮,腾讯继续跟投,Manus估值也才刚到5亿美元。等于在Manus还没靠演示视频破圈、估值不到1亿美金的时候,腾讯就已经完成了低位布局。

2025年12月,Meta以20亿美元全资收购Manus时,腾讯作为早期股东已经完成了一次完美退出。从A轮进场到Meta接盘,一年多时间账面回报超23倍,赚走了第一波红利。而这次回购出现了新变化:Manus此前几轮融资中,腾讯只是跟投的财务方。但这次交易,腾讯成了牵头人,红杉中国、真格等老股东虽都参与出资,但腾讯将拿下最多股份,成为Manus最大单一股东。

敢站出来牵头拿最大份额,腾讯自然早就算过账。据The Information报道,这次中方财团总出价就是20亿美元(约合135亿元人民币),和Meta当初的收购价完全持平。乍看20亿美金是笔天价投入,但拆解估值来看,这个价格并不贵。

横向对比一目了然。2026年4月Anthropic年度经常性收入突破300亿美元时,估值一度摸到1万亿美元,对应30倍ARR;国内市场,2025年智谱全年收入7.24亿元时,市值一度冲到万亿港元(约9300亿元人民币),静态市销率超千倍。而且,这个4 - 5倍的低估值,对应的不是烧钱的半成品,Manus本身是一个被市场验证过的硬资产。

早在被Meta收购前,Manus就已经证明了自己的产品爆发力:上线8个月ARR就突破1亿美元。被Meta整合的这半年,尽管依托了Meta的全球流量和商业资源,但它的收入的确在半年内翻了4 - 5倍。一位AI应用从业者向Tech星球表示,Manus真正的稀缺性在于是全球第一个真正跑通的通用Agent产品,“现在所有大厂在推的任务流Agent模式,本质上Manus最早打样了产品框架”。

Manus难成腾讯“亲儿子”?

在腾讯近几年的AI投资版图里,其实一直是两条清晰的路线:一条是作为财务投资者博取一二级市场的差价,另一条是通过小比例入股,快速补全自身AI业务的边角短板。

今年6月,腾讯砸100亿挤入DeepSeek首轮融资,成为最大外部投资者之一,但截至目前,双方没有对外公布任何产品层面的合作或联动。而在已经跑出来的迅策、MiniMax、智谱身后,腾讯也都是重要的早期股东,这些公司普遍受到全球资本追捧,上市后给腾讯带来非常可观的账面回报。

回到Manus这笔交易,从目前披露的信息来看,腾讯虽然会成为最大单一股东,但不会控股,Manus将继续作为新加坡主体独立运营,不并入腾讯体系,未来明确以港股上市为目标。这意味着,在Manus这盘棋里,腾讯首先扮演的还是熟悉的财务投资者角色。至于能拿到多少业务和战略上的协同,目前还是未知数。

而且从产品角度看,Manus刚爆火时,市场确实处在通用Agent的空白期,但现在赛道里早已不缺玩家。腾讯自己今年也已经把Agent产品矩阵铺了开来,WorkBuddy、ClawPro等产品正在快速渗透办公、专业场景,并不缺一个能打的Agent产品。

行业里对Manus的落地有两种普遍猜测:一种认为腾讯会把Manus的能力整合进WorkBuddy,升级自家产品能力;另一种认为会把Manus作为AI出海的载体,毕竟从2025年3月爆火到现在,Manus已经攒下了百万级别的海外真实用户,搭建了销售、用户运营体系。

有从业者告诉Tech星球,Manus从上线至今定价一直偏高,“最早的低档位月费就接近200元,这点额度支撑不了一个月的工作需求,几个数据分析任务就能消耗完积分”,在他看来,Manus的高客单价模型,本身就更适合付费能力更强的海外市场,留在海外独立运营,比内卷Agent市场性价比更高。

但即便有出海协同的可能性,Manus要深度融入腾讯体系也并非易事。目前腾讯内部Agent相关业务产品线众多,微信、WorkBuddy等团队各有相关产品推出,内部存在一定的竞争和资源分配,作为一个外来产品,Manus如果加入腾讯体系,资源分配、产品边界都将是需要花费大量精力和资源去协调的难题。

比起这些需要跨部门磨合一两年、不确定性极高的业务协同,Manus所在的Agent赛道,反而是当下市场情绪的高地,一旦在港股的预期走通,投资方获利退出才会是看得见、摸得着的收益。

大厂加速“卖旧买新”,囤积AI筹码

大厂高举高打、自己下场做AI是一条路线,但光靠自己还不够。投资版图的切换,同样是这场竞争里的一环。

就在腾讯牵头回购Manus的消息传出前几天,一笔交易已经落袋。7月6日,腾讯通过场外大宗交易减持2.729亿股快手B类股,套现近120亿港元(约104亿元人民币),持股比例从年初的15.68%骤降至9.37%,正式退出快手主要股东行列。从2021年作为第一大机构股东持股超21%,到如今大幅减持,腾讯用五年时间走完了一整轮短视频投资周期。

阿里同样在坚决瘦身。2024年底以来,阿里先后出售银泰商业、高鑫零售,彻底斩断重资产的新零售旧梦;在二级市场接连减持Bilibili、圆通速递、华泰证券等持仓,套现数百亿元。进入2026年,阿里更被曝计划整体出售游戏业务主体灵犀互娱控股权,进一步剥离与AI和电商主业协同较弱的资产。自2023年蔡崇信与吴泳铭接棒以来,阿里已将战略锚点死死锁定在“用户为先、AI驱动”两大核心上,不在这条主线上的业务,一个个进入了待售清单。

这些被腾挪出来的资金,正迅速转化为AI领域的投资筹码。2024年开始,腾讯密集布局AI大模型、基础设施和智能体生态。Minimax、百川智能、月之暗面、智谱,腾讯悉数入局;芯片端押注燧原科技、摩尔线程等国产替代力量。2026年6月,腾讯更以100亿元人民币挤入DeepSeek首轮融资,成为最大外部投资者之一。如今牵头接盘Manus,是这条AI投资链上最新的落子。

阿里的棋局同样铺得广泛。据公开信息统计,近两年阿里已向AI产业链累计投入百亿元,覆盖大模型、AI视频、AI Agent、具身智能、芯片等几乎所有关键赛道,投中了智谱、MiniMax、月之暗面、长鑫、澜起科技等一批明星项目。

这些真金白银的投入,已经开始兑现可观回报。仅长鑫一笔,阿里前后投入本金约76亿元,按照券商对长鑫上市后估值的一致预期,其持有的股权对应价值超过1300亿元,浮盈将超16倍。腾讯这边,已经上市的智谱、MiniMax早已为其贡献超百亿账面浮盈,刚刚通过科创板IPO的燧原科技,也将带来新的一笔投资收益。

眼下AI是大厂投入的重地,短期自研业务还没赚到钱,那么通过投资在资本市场兑现账面回报,同样是一笔可观的生意。

Matlab实现使用遗传算法的混合能源系统优化.rar 立即下载

相关推荐

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

DXF、DWG工程制图文件查看器

DXF、DWG工程制图文件查看器。 可以在界面中进行测量(包括距离、面积、角度等等) 无需版权,放心使用。

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

在加性高斯白噪声和瑞利衰落信道上,针对BPSK_QPSK的误码率性能的MATLAB仿真,并扩展了相位优化的可重构智能表面辅助链路对比.rar

含分布式电源的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文围绕含分布式电源的配电网可靠性评估展开研究,基于Matlab代码实现相应的评估模型。研究内容涵盖分布式电源接入对配电网运行特性的影响,采用序贯蒙特卡洛模拟法等可靠性评估方法,对系统在不同运行场景下的供电可靠性指标进行量化分析。通过构建典型配电网模型,仿真分析分布式电源的位置、容量及出力特性对系统可靠性的影响机制,进而为提升配电网韧性与供电质量提供理论支撑和技术手段。研究不仅关注理论建模,还注重实际仿真流程的可操作性与结果的可视化呈现。; 适合人群:具备电力系统基础知识,从事配电网规划、运行与可靠性分析等相关领域的科研人员及工程技术人员,尤其适合研究生及从事新能源并网研究的1-3年工作经验的专业人员。; 使用场景及目标:①掌握含分布式电源的配电网可靠性评估基本理论与方法;②学习并复现主流可靠性评估算法(如蒙特卡洛模拟)的Matlab编程实现;③分析分布式电源接入对系统可靠性的影响规律,支撑配电网优化规划与运行决策。; 阅读建议:建议读者结合电力系统可靠性教材与本文Matlab代码同步学习,重点关注模型构建逻辑与算法实现细节,动手调试代码以加深对评估流程的理解,并尝试在不同网络结构和电源配置下进行仿真对比分析。

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave.zip

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

数字农业与乡村振兴行业可信数据空间应用规划方案(专项申报版).pptx

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了在Simulink环境中构建和仿真一个集成PWM控制的电压源换流器型高压直流输电(VSC-HVDC)链路的IEEE30节点电力传输系统的研究工作。该模型聚焦于利用PWM技术实现对VSC的高效、精确控制,以提升电力系统的传输效率、动态响应能力和运行稳定性。研究涵盖了系统整体建模、关键设备参数设计、PWM控制策略的实现、以及在标准IEEE30节点系统上的集成方法。通过一系列仿真测试,包括系统在正常运行、负载突变及故障条件下的动态响应,全面分析了VSC-HVDC链路对改善电网电压稳定性、优化潮流分布和增强系统可靠性的具体作用,充分验证了所提方案的有效性和工程应用价值。; 适合人群:具备电力系统分析、高压直流输电技术基础理论知识及Simulink/MATLAB仿真软件操作能力的高校研究生、科研机构研究人员和电力行业工程师。; 使用场景及目标:①作为教学案例,帮助学生深入理解VSC-HVDC的工作原理、控制策略及其在复杂电网中的集成应用;②为电力系统规划与运行人员提供一种可靠的仿真工具,用于评估新型输电技术对现有电网性能的影响,支持电网升级改造决策;③推动VSC-HVDC技术在远距离大容量输电、新能源并网和智能电网建设等领域的创新应用。; 阅读建议:建议读者在学习过程中,结合电力系统稳态与暂态分析的相关理论,重点关注PWM控制模块和VSC的建模细节,动手复现并调试所提供的Simulink模型,通过改变系统参数和运行工况来观察仿真结果的变化,从而深化对VSC-HVDC系统动态特性的理解。

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

Python 列表、元组、集合实验报告:切片删除陷阱、可哈希判定与保序去重

基于变频控制的多相交错LLC谐振变换器闭环仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于变频控制的多相交错LLC谐振变换器的闭环仿真设计,重点阐述了其在Simulink环境下的建模与控制策略。通过多相交错技术有效降低输出纹波电流,提升系统效率与功率密度,并采用变频控制(PFM)实现对谐振变换器输出电压的精确调节。文中构建了完整的闭环控制系统,包含电压外环与电流内环,确保系统在负载变化或输入波动等扰动工况下仍能稳定运行。同时,配套提供了仿真模型、参数设计计算书及参考文献,帮助读者深入理解系统设计流程与关键技术细节,具有较强的工程复现价值。该资源适用于电力电子、新能源变换器等相关领域的仿真研究与教学实践。; 适合人群:具备电力电子基础知识,熟悉Simulink仿真工具,从事电源变换器设计、新能源系统研发或相关专业的研究生及工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与变频控制机制;②学习并实现基于Simulink的闭环控制系统建模与仿真;③理解谐振参数设计、软开关实现及系统稳定性分析方法;④为科研项目、毕业设计或产品原型开发提供可复用的技术参考与仿真平台。; 阅读建议:建议读者结合提供的仿真模型与计算书,逐步完成系统搭建与参数整定,重点关注变频控制逻辑与闭环响应特性。在仿真过程中,可通过调整负载、输入电压等条件,观察系统的动态响应与稳态性能,加深对多相交错与谐振控制优势的理解。同时推荐参考相关文献,拓展对LLC变换器前沿控制策略的认识。

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

T03_eVTOL低空经济低空无人机AI识别自动处理图像项目设计方案_决策评审版.pptx

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开仿真研究,提出了一种基于上下电容电压差值补偿的中点电位平衡策略。该策略在传统电压电流双闭环PI控制的基础上,引入电容电压差值作为反馈信号,通过SVPWM调制中冗余小矢量的时间分配实现中点电荷的定向调节,从而在不改变主控制结构的前提下有效抑制中点电位偏差。仿真结果表明,该方法不仅确保直流母线电压稳定跟踪800V给定值,还能显著提升上下电容电压的均衡度,同时保持输入电流低谐波水平,验证了控制策略的可行性和有效性。; 适合人群:电力电子、电气自动化及相关专业的研究生、科研人员及工程技术人员,具备一定的MATLAB/Simulink仿真基础和电力电子拓扑知识背景者更佳。; 使用场景及目标:①掌握三电平VIENNA整流器的工作原理与中点电位波动的成因;②理解电压电流双闭环PI控制的设计要点与参数整定原则;③学习基于差值补偿的中点电位平衡控制策略及其与SVPWM的协同机制;④应用于充电桩、航空电源、通信电源等中大功率单向整流场合的控制系统设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行动手实践,重点关注中点电位平衡投入前后电容电压波形的变化,对比分析不同工况下的系统动态响应,深入理解控制策略的作用机理。同时可进一步探索在电网不平衡、轻载等复杂工况下的控制性能,以拓展应用场景。

两路半桥LLC谐振变换器软开关Simulink仿真(模拟谐振参数不同、分裂电容)

内容概要:本文详细介绍了两路半桥LLC谐振变换器软开关的Simulink仿真研究,重点模拟了不同谐振参数及分裂电容对系统性能的影响。通过建立精确的电路模型,分析了软开关实现条件、谐振腔参数变化对电压电流波形、效率及功率传输能力的作用机制,探讨了分裂电容结构在改善均流特性与提升系统稳定性方面的优势。仿真结果有助于深入理解LLC变换器的工作原理与动态响应特性,为高频高效电源设计提供理论支持与优化方向。; 适合人群:电力电子、电气工程及其自动化等相关专业的科研人员、研究生及从事开关电源设计的工程师。; 使用场景及目标:①掌握LLC谐振变换器的基本建模与仿真方法;②研究谐振参数(如谐振电感、电容)对软开关过程的影响规律;③分析分裂电容结构在多路并联变换器中的均流与稳定性作用;④为高频高效DC-DC变换器的设计与优化提供仿真依据和技术参考。; 阅读建议:建议结合Simulink模型逐步操作,关注关键波形的观测点,对比不同参数下的仿真结果,深入理解软开关的实现条件与系统动态特性,同时可进一步拓展至效率分析与热管理设计。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文针对“自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标”开展研究,提出一种基于Matlab的仿真方法,实现多机器人在动态环境中对移动目标的协同包围与持续跟踪。该方法综合考虑了机器人的运动学约束与传感器的视线(visibility)限制,设计了分布式控制策略与自适应编队算法,能够在复杂环境下有效维持编队结构的稳定性和任务执行的鲁棒性。研究详细阐述了系统建模过程、控制律设计原理、编队形成与保持机制,并通过Matlab代码实现了完整的仿真验证,展示了算法在不同动态场景下的适应能力与性能优势; 适合人群:具备机器人学、自动控制理论、多智能体系统等相关基础知识,熟悉Matlab编程语言,从事智能系统、协同控制、路径规划与自主导航等方向的研究生、科研人员及工程技术人员; 使用场景及目标:①应用于安防监控、环境探测、灾害救援等场景中的多机器人目标围捕与跟踪任务;②为多智能体协同控制、分布式编队保持、避障与可见性维护等关键技术提供可复现的算法框架与仿真平台;③辅助高校与科研机构在相关领域的教学演示与科研创新,深化对自适应控制与分布式协同机制的理解; 阅读建议:建议读者结合提供的Matlab代码逐模块分析其实现逻辑,重点关注控制律设计、约束处理与自适应机制部分,可通过调整机器人数量、目标轨迹、传感器参数等进行扩展性实验,以深入掌握多机器人协同系统的动态行为与优化方法。

数控基础知识数控加工工序的安排原则

数控基础知识数控加工工序的安排原则

patch_1.23.0.2584_game_No6.android.pak

patch_1.23.0.2584_game_No6.android.pak

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统地研究了无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)在非线性系统状态估计中的理论基础与实际应用,并结合Matlab代码实现进行了深入剖析。内容涵盖三种滤波算法的核心原理、数学推导及其在轨迹估计等工程问题中的具体实施方法。通过详尽的Matlab编程实例,展示了如何利用这些先进滤波技术解决如目标跟踪、传感器融合等复杂问题,并特别探讨了BP神经网络与EKF结合的优化训练策略以及粒子滤波在提高状态跟踪精度方面的潜力。该资料为希望掌握现代状态估计算法的研究人员和技术爱好者提供了一套完整的理论与实践指南; 适合人群:具备一定编程基础,尤其是熟练使用Matlab工具,且对控制理论、信号处理或相关工程技术领域有初步了解的研发人员和高校学生; 使用场景及目标:① 深入理解UKF、EKF和PF的基本概念及其在非线性动态系统中进行状态变量估计的应用;② 通过Matlab代码实践加深对各滤波器工作机制的理解,能够独立开发相应的算法以应对诸如轨迹预测、多源信息融合等实际挑战;③ 探索将BP神经网络与EKF相结合的新途径,以期提升模型的学习效率和预测准确性; 阅读建议:此资源不仅提供了坚实的理论支撑,还包括丰富的代码示例,建议读者按照文档结构循序渐进地学习,同时动手实现每一个案例,以便更深刻地把握各种滤波技术的关键细节。对于致力于深入研究状态估计领域的专业人士而言,这是一份极具价值的学习材料。

上一篇: AI浪潮下有机基板遇瓶颈,玻璃基板成半导体巨头集体押注新赛道!
下一篇: OpenAI窃密引发行业震动,苹果与移动互联网旧秩序何去何从?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值