数十亿美元的秘密：Manus与它的8个“非共识”判断

今天，Manus 正式宣布加入 Meta。

据《晚点 LatePost》报道，这笔收购的金额高达数十亿美元，是 Meta 成立以来仅次于 WhatsApp 和 Scale AI 的第三大收购。

这是一场典型的“闪电战”。在 Meta 出手前，Manus 正以 20 亿美元的估值寻求新一轮融资，而 Meta 仅用了十余天就敲定了这笔巨额交易。交易完成后，Manus 创始人肖弘将出任 Meta 副总裁，其核心技术团队将整体并入 Meta AI 部门。

Meta 如此急迫地将这支团队收入囊中，看中的不仅是代码，更是他们对 AI 独特的思考方式。

回顾过去一年，Manus 团队像一群站在新大陆边缘的探险家，分享了许多充满洞见的声音，从产品哲学到竞争策略。

在这里，我们整理了8个最有价值、甚至有些“反常识”的观点。

为什么是 Manus？这数十亿美元的答案，其实早已写在他们过往的每一次表达里。

从浏览器到Manus

Manus 的诞生，其实源于一次昂贵的“试错”。

在此之前，团队曾开发了一款 AI 浏览器，产品形态酷似后来的 Arc Dia 和 Perplexity Comet，成熟度极高，甚至已经到了上线前一周。

在很多人看来，风口上的AI浏览器是一个更好的选择。但就发布的最后关头，这个项目被叫停了。

原因源于团队观察到的一个神奇现象：AI特别擅长操纵浏览器，甚至擅长到开始和人“打架”。

这就完全颠覆了AI浏览器的逻辑。这种感觉就像你的实习生不带电脑来上班，非要抢你的电脑干活。

于是第一条结论出现了：AI很擅长用电脑，但它不该用你的电脑，它应该用它自己的电脑。

这直接决定了 Manus 后来的样子：不仅仅是个聊天框，而是在云端给 AI 甚至配了个虚拟机。Agent 必须在云端有一个独立的运行环境，不干扰用户。

第二个关键刺激来自Cursor。

去年6月Cursor出现后，Manus合伙人张涛发现，不会写代码的同事、甚至家人开始用Cursor解决生活问题，比如他的妻子会用Cursor把一个视频文件从MP4转成MP3。

这让他们意识到一件事情：AI coding的收益第一次落到了非工程师的头上。

很多人看到Cursor就想做“更强的工程师工具”。他们的判断相反：世界已经有太多服务工程师的fancy（花哨）工具了，工程师并不需要另一个更fancy的工具。真正的大机会是把AI coding民主化，把编程这种调用世界的方式，交给每一个普通人。

于是第二条结论出现了：AI coding的潜能要被民主化，让非coder也能享受红利。

把这两条经验合起来，才最终勾勒出了Manus最初的形态：

AI要有自己的电脑（云端环境、虚拟机、可操控工具链），普通人也能用AI去写代码并完成更多复杂的任务。

做 Hao123 ，还是做百度

Manus 团队在立项之初就做了一个极其关键、在当时看来甚至有点反直觉的决定：坚持做“通用”Agent。

肖弘用了一个非常精妙的类比：

垂直 Agent 就像 Hao123： 是开发者预设好的一个个坑位。你把功能像链接一样堆上去，用户只能在圈好的地里打转。这种模式看似精准，其实很快就到了进化的天花板。

通用 Agent 就像百度： 先做一个能理解一切的“框”。让用户随便输，当发现几百万人都在搜“怎么订票”时，再反向优化出一个“订票卡片”。

这个认知在当时还是非常具有前瞻性的。当时，行业里充满了“垂直 Agent”的声音（比如旅行规划 Agent），但 Manus 团队笃定：Agent 必须先通用，才能真正存活。否则，垂直场景高昂的获客成本会压垮整个商业模型。

这个认知的种子，其实是在做 Monica 时埋下的。

有一次，肖弘跟有赞创始人白鸦交流，他说想把 Monica 的功能集成做到极致。白鸦回了一句非常有启发性的话：“Red，极致是不够的，个性化才够。做到极致你就是 Hao123，做到个性化你才是 Google。”

后来，Manus团队花了很多时间研究来研究这句话，并最终应用到了Manus上。

模型能力在进化，“壳”也需要进化

在今年3月的一个采访里，肖弘提出了一个深刻的行业观察：模型在进化，承载它的“壳”也必须进化。

在他看来，每一代模型能力的跃升，都需要一个新的产品形态来释放其价值。

• 最早的是Jasper ，交互是填空；

• ChatGPT 是对话框；

• Monica 是自带 Context 的侧边栏；

• Cursor 是能直接改写代码的 Editor；

• Manus 是拥有独立云端环境的 Agent；

这就是 AI 时代的“安迪-比尔定律”：硬件（模型）给出的红利，会被软件（产品形态）吃掉。 而 Manus，就是那个试图吃掉新一代模型红利的“壳”。

在“壳”设计里，产品的交互界面，被认为是决定用户接受度的关键。

在讨论 UI 时，团队对 Devin 的界面进行了批判性思考。Devin 把 Planner、Shell、Browser 一股脑堆在屏幕上，对非技术用户来说是巨大的认知负担。

Manus 提出了“渐进式披露”和“操作系统隐喻”的理念：

渐进式披露：默认界面应该极其简洁，就像 Google 的搜索框。随着任务展开，需要的工具（Shell, Browser）才像“浮出水面”一样出现。

操作系统隐喻:将不同的核心功能（如浏览器、表格、文档编辑器）设计成独立、平等的「一级应用」，而不是混乱地嵌套。用户可以在这些「应用」之间切换，就像在 Windows 或 macOS 中一样。这为未来的功能扩展提供了清晰、可伸缩的框架。

/ 04 /

信任的哲学：Less Structure, More Intelligence

在 Workflow 盛行的3月份，Manus 选择了另一条路：Zero Predefined Workflow（零预设工作流）。

产品经理很容易静态地去看现在的技术进展，只想说“我要去解决用户问题”。但在Manus 团队则更愿意用更发展的眼光去看问题，比如这个问题「下一代模型可能就搞定了」。

当你把智能真正交还给模型，魔法才会发生。AI处理长尾任务的能力，往往比人类精心设计的流程还要好。这是一个关于信任的哲学：与其试图控制 AI 的每一步，不如相信 Intelligence 本身的力量。

/ 05 /

Agent 的竞争，是系统的竞争

所有Agent 公司都面临一个终极拷问：OpenAI下场，你怎么办？

Manus 团队认为，模型公司下场并非稳操胜券。

直接原因是，模型公司只能用自己的模型，既是优势也是桎梏。

Manus可以在任务的每一步调用最适合的模型：搜索用 Gemini，推理用 GPT-5，写代码用 Claude。这种灵活性是 ChatGPT 的产品经理无法拥有的。

更深层次的原因是，他们认为，Agent 的竞争本质上是系统级的竞争。

Agent与AGI最大的不同是，它除了用户和模型，还引入了第三个关键元素——环境。

这个「环境」的概念会因智能体类型不同而变化，比如在设计型Agent里，环境可能是一个画布或一段代码；而在Manus这里，目标是让Agent出现在虚拟机甚至整个互联网中。

这意味着，Agent比拼的不只是模型能力，而是如何构建外围的环境、如何准备工具体系。

他们认为，这里面有太多工程工作可以做了。

举个例子，当前市面上 Agent 产品（如 Devin）最大的短板在于其「一次性」的会话机制。每次任务都是一个全新的、无菌的环境，这导致了大量重复工作和糟糕的用户体验。

在Manus 团队看来，实现登录状态持久化，就成了实现真正「代理」的基石。Agent 必须能够保持在各种网站上的登录状态，避免每次都需要用户手动介入。

这样一来，用户只需登录一次，Agent 就能长期代表用户进行操作。

/ 06 /

看见，比第一名更重要

Manus成功，在于在正确的时间交付了一个正确的产品。

Manus 在早期吃到了自然流量的红利，但也清醒地意识到其中的陷阱。

自然流量吸引的是“创新者”和“早期采用者”，他们宽容、好奇、热衷尝鲜。但要跨越鸿沟进入大众市场，规则完全不同。大众不关心你是不是“第一个通用智能体”，他们只关心：你能为我做什么？

那你就要思考，在什么媒体和渠道，用什么方式把最有效的信息传递给他们？做营销的关键是信息传递效率，而不是简单地花钱。

/ 07 /

产品体验，亲力亲为

在Manus 团队采访里，提到很关键的一点是，核心团队永远亲自抓住产品最核心的体验部分。

最初决定做这件事情来自于核心成员之间的共识，但在产品没有做出来前，这种共识只存在于我们几个人的脑海里。如果让更多人来执行，没有足够的上下文和直觉，就很容易走偏。

所以从写Manus第一行代码开始到开发前四十天，这个项目一共只有五个人。

这样做的好处就是高度对齐、沟通极其高效。无论是每个prompt怎么写，虚拟机的整体技术框架怎么设计，产品交互细节怎么打磨，都只在这五个人的范围里，非常顺畅。

/ 08 /

用博弈论思考，而非简单的逻辑推理

对于 AI 创业者，肖弘给出了一个终极建议：用博弈的方式思考，而不是逻辑推理。

逻辑推理是线性的：Google 技术最强，所以 Google一定会赢。

博弈思考是动态的：因为 OpenAI 的存在，Google 的策略被迫改变了；因为你的出现，巨头的决策逻辑也会发生变化。

创业不是在真空中解题，而是在一个多方博弈的生态系统中寻找生态位。

就像如果当年有一个强大的第三方做出了 ChatGPT，OpenAI 也许就会选择成为一家纯粹的 Platform Company。

Founder 必须具备这种上帝视角：看见变量，预判博弈，然后果断落子。

文/朗朗、林白

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。