今天小编分享的财经经验：没有秘密的Manus，是怎么成为顶流的？，欢迎阅读。
本文来自：凤凰网科技，作者：庄明浩，编辑：董雨晴，题图来自：AI 生成
本期内容的作者是一位特殊的朋友。庄明浩，互联网行业从业者，早期在经纬中国做投资，现任趣丸科技副总裁兼首席战略官，去年他开了一档播客栏目《屠龙之术》，产出了众多高质量行业报告（PPT）。
本期内容就基于其对 Manus 掀起的 AI Agent 热潮的观察。
值得注意的是，继国内热议之后，本周 Manus 在海外也再次掀起讨论，推特联合创始人 Jack Dorsey 用 " 杰出（excellent）" 来评价 Manus。AI 资讯平台 The RundownAI 的创始人 Rowan Cheung 在 X 平台上转发了 Manus 的介绍视频并写道：" 我认为中国的第二个 DeepSeek 时刻已经到来。"
以下是庄明浩的播客内容，播客首发于小宇宙 App《屠龙之术》，文章经凤凰网科技节选编辑发布。
作者 tips：距离我上一次讲述关于 DeepSeek 内容的 PPT 其实才过去半个多月，回头看之前的内容，我自己觉得关于 AI Agent 的部分其实有些假大空。因此当我看到 Manus，并且深度体验了之后，我知道那个之前一直飘在空中的 Agent 概念终于有了一个实打实的可以看到的东西，这或许也是 Manus 的意义所在。
接下来我们就来看看，Manus 究竟拨开了哪些迷雾。
一、OpenAI 定义的 AGI L1-L5
L1（chatbot）：以 ChatGPT 为代表，核心能力是 " 对话 "，用户感知到机器能流畅地 " 吐出文字 "。但问题显著：依赖复杂提示词工程，输出结果不稳定，存在幻觉等问题。
L2（推理）：OpenAI o1、DeepSeek R1 等，通过强化学习对结果激励（而非过程干预），实现逻辑推理能力跃升。典型场景如数学解题、代码纠错，用户感知到 "AI 会思考 "。
L3（Agent）：暂时还处于探索期，核心特征是自主规划、调用工具、交付成果。用户感知到 "AI 在工作 "，例如自动分析财报、编写程式、生成调研报告。
二、被泛化的 AI Agent 概念和那些已经问过无数次的问题
AI 搜索是不是就是搜索 Agent？
Perplexity 等产品的本质：高级版 " 搜索引擎 + 摘要生成器 "，依赖大模型重组信息。
垂直化悖论：医疗 / 法律等专业搜索工具面临数据孤岛问题，且无法突破 " 检索 - 呈现 " 模式，与 Agent 的 " 执行 - 交付 " 有本质差异。
AI 编程是不是 coding Agent？
搜索与编程的启示：当前很多 AI 应用其实都面临套壳质疑：依赖大模型能力，难以建立垂直壁垒。但 Agent 需突破 " 工具组合 " 思维，转向自主决策的通用性。
三、Manus 的核心逻辑与实现
给 AI 一个虚拟机：为 AI 配备完整数字环境（浏览器、数据库、编程接口），使其像人类员工一样操作设备。例如 Manus 执行 " 分析 YouTube 视频中企鹅种类 " 任务时，会暂停视频、截图识别、统计帧数，全程无需人类干预。
任务规划 - 执行 - 归纳能力：面对复杂任务（如 " 整理 AI 公司出海榜单 "），能自动拆解子任务、分配优先级、纠错迭代。例如首次结果遗漏中国公司时，Manus 会重新扫描官网、核对媒体报道，最终输出准确率超 80% 的清单。
零预设工作流：与 AutoGPT 等早期 Agent 工具不同，Manus 不内置任何任务模板（如 " 写邮件 " 流程）。其核心是通过强化学习，让模型自主探索工具组合方式。例如在 " 小米 su7" 任务中，模型自主决定先搜索维基百科、再调用设计模板、最后生成 PDF。
成本与商业化挑战
算力消耗暴增：单个复杂任务（如分析 100 家公司财报）成本达 2-20 美元，相较于传统对话可能增加 100 甚至 1000 倍。若用户日均使用 Agent 2 小时，年算力成本可能会超过当前 C 端付费意愿。
新指标 AHPU（Agentic Hours Per User）：替代传统 DAU/ 留存率，直接衡量用户依赖度，但如何将使用时长转化为收入（订阅制 / 任务计费）仍是难题。
四、Manus 的具体体验效果到底如何？
给 Manus、元宝、豆包一起发了个任务：分析风投机构 Andreessen Horowitz（a16z）发布的 2025 年全球 Top100 生成式 AI 应用榜单，核心目标是统计其中由中国公司或团队开发的应用数量。
总体来说，传统的产品错误更多，而 Manus 可以反复的排查，直到收到一个最接近真实的结果。
当然，也会有一些不好的地方，比如让它做一个带截图的 PPT，Manus 会特别简单粗暴地直接截一个网页的图，让它做示意图，画了一个非常难看的简笔画等等，但无论如何，看上去 Manus 似乎都在很认真地干活，只是干得不好。
综上所述，Manus 现阶段的确是一个实习生级别的能力水平。
五、行业暴论：创新还是泡沫？
" 套壳 " 争议的本质：首先，"Manus 只是套壳 " 的观点是傲慢的：工程化能力（如浏览器控制、多任务调度）和产品设计（用户感知工作流） 构成壁垒。类比 Perplexity 早期被质疑，最终以体验和场景定义阶段性也获得了不错的用户量和收入。
大厂与创业者的博弈：头部公司必将跟进 Agent（如最近刚刚发布新更新的阿里 - 夸克），但创业者視窗期仍在。技术 + 产品的双叙事 是关键：Manus 通过 " 组合式创新 "（搜索 / 浏览器 / 编程经验积累）实现爆发，验证了黑暗森林法则——敢为者先得红利。
给普通人的启示：AI 时代的生存法则
用户需要成为 " 好老板 "：普通用户需学会精准提需求、分配任务、过程干预，与 AI 形成协作闭环。Agent 的价值不在于完美执行，而在于降低复杂任务门槛。
行业的朴素真理：大厂恐惧错失风口，投资人纠结壁垒，创业者渴望复制成功，而用户只关心 " 这玩意儿到底能干啥 "。Agent 的终极考验是能否让非技术群体（如财务、教师）真正用起来，而非困在极客圈的自嗨。
