没有秘密的Manus，是怎么成为顶流的？

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、编写程序、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），但创业者窗口期仍在。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。

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4062550.html