Manus上岸了，其他人呢？

出品｜虎嗅科技组

作者｜宋思杭、陈伊凡

编辑｜苗正卿

头图｜视觉中国

12月30日，对于中国AI创业者而言，是一个节点时刻：Manus被Meta以数十亿美元收购，成了2025年底AI行业年末的“炸裂”新闻。

在一些AI圈知名创业者和投资人而言，这个发生于“AI应用大爆发的前夜”的新闻，更像是某个未来趋势的预兆：

“2026年注定是AI应用大爆发之年，Manus的故事让更多中国创业者去思考‘抱团’的可能性。”

“一个中国团队，选择在海外创业，最终通过硅谷巨头变现，这个剧情可能会给未来AI圈的中国主角们很多启发。”

蛛丝马迹，不只藏于“Manus上岸”的剧情里，让我们把时间“倒回”二十余天前。

2025 年 12 月 7 日，一个寒冷的冬日下午，北京中关村国际创新中心里聚集了上百位 AI 创业者。他们从不同城市赶来，带着对 AI 时代的热忱与憧憬，走进同一场路演。

人群中，有投身于AI游戏的多年历史爱好者，也有四处留洋归来的 00 后连续创业者，试图做 AI coding 界的“多邻国”；还有年轻团队，希望用 AI 宠物去回应“孤独一代”的情绪需求。

与上一个云计算周期不同的是，AI 时代的创业者正在明显年轻化。在这场奇绩创坛 2025 年秋季路演日上，Z 世代（1995—2009 年出生）几乎成为绝对主力。他们并不执着于底层技术的宏大叙事，而更关心产品、用户和真实场景。

同样地，距离中关村一千多公里外的上海模速空间，一场围绕 AI 的路演正在进行。创业者轮番登台，展示各自对未来世界的想象。这里同样鲜少出现关于 Scaling Law 的讨论，取而代之的，是一个个深入行业毛细血管的 AI 落地案例，正在悄然生根。

这场属于AI时代的盛宴绝不仅限于国内。

在硅谷，氛围甚至更加火热。今年的YC Demo Day之后，硅谷创业者们在酒吧、会议室、咖啡厅讨论的关键词已悄然改变。不再是“我们应该用哪个模型”，而是“应该如何把AI嵌入到产品和用户增长里”。更夸张的是，AI创业项目在2025年几乎统治了Demo Day的主题和资本关注。

一场全球范围内的AI应用爆发，正在加速成形。

值得注意的是，国内今年终于出现了两个MAU破亿的AI应用，它们分别是豆包和DeepSeek。放在移动互联网的发展语境中，这往往意味着一个应用形态开始走向大众化与成熟期。

据 Xsignal 统计，2025 年中国 AI 应用月活规模已突破 5 亿，年度增长率高达 130.19%；而在海外市场，AI 应用的扩张速度更为迅猛，MAU 规模已达 15 亿。

过去两年，国内AI创业更像是在回答“谁能把模型做出来”，但进入到2025年后，尤其是在基座模型开始进入到淘汰赛阶段后，越来越多的AI创业者开始被迫直面一个问题：如果基座模型已经进入到“三分天下”的时代，那么应用究竟应该靠什么建立壁垒？

这种变化首先体现在创业者的语言体系里。在越来越多的路演、闭门交流和投资讨论中，“参数规模”“自研模型”出现的频率正在下降，取而代之的是用户增长曲线、留存率、单位 Token 产出、以及是否具备真实付费能力。创业者们开始意识到，AI 不再是一个可以单独被讲述的技术故事，而必须被嵌入到具体产品、具体场景、具体用户行为中，才能成立。

其次，国内创业者对“团队规模”和“组织效率”的理解，也在被重塑。YC Demo Day 上那种“不到 50 人跑出接近 1 亿美元 ARR”的案例，在国内的语境下，也并没有那么遥远。今年大部分的AI创业项目都形成了一种组织形态的新共识，即用小团队，并依靠 AI 放大人效。

但与硅谷不同的是，国内 AI 创业者面对的，是更为复杂的环境。市场规模、资本周期、付费习惯，以及大厂在产业链中的位置，这些都决定了这股趋势在国内会呈现出不同的形态。硅谷讨论的是“如何被生态并购”，国内更多讨论的是“如何与生态共存”；前者强调退出路径，后者更强调在体系内持续生存。

也正是在这样的背景下，虎嗅科技组在今年密集走访并交流了70多位AI创业者。围绕 2025 年全球AI创业项目中不断显露的结构性变量，我们尝试判断2026 年 AI 应用可能呈现的五大趋势。

趋势一：海外正成为中国AI应用最热诞生地

为什么 ARR 破 1 亿美元的 AI 应用，几乎只会诞生在海外？

国内关于 Manus 的讨论，终于在今年年中那场风波后逐渐降温，又在2025年即将画上句点之际，迎来新的、最后的爆发。

12月17日晚，Manus联合创始人在即刻发文称，“Manus ARR 已经突破 1 亿美元”。而后不到半个月的时间，Manus就传出被Meta收购。值得注意的是，Manus是在短期内迅速爆发，又在短期内迅速商业化的一家AI应用公司。

从时间线上来看，今年3月，Manus在海内外市场几乎同时爆发，3月底开始商业化，到12月，还不到九个月的时间，ARR破1亿美元，最终才走向被收购的结局。

如果换一个问题来问：如果Manus没有选择出海，它还能否在如此短的时间内走到今天？

把 Manus 放进一个更大的参照系中，答案会变得更清晰。放眼全球，目前已被广泛确认 ARR突破1亿美元的 AI 应用公司包括：OpenAI、Anthropic、Cursor、Lovable、Otter.ai、Glean、Sierra、AI21 Labs、Cohere、Suno，以及 Manus。

全球AI应用ARR超过1亿美元的公司，虎嗅制图

在这份名单中，只有Manus是中国团队。

这也让 Manus 几乎成为了国内AI应用出海必参考案例。

但问题也随之而来：为什么 ARR 破 1 亿美元的 AI 应用，几乎只会诞生在海外？

Xsignal创始人刘震将其归结为是“根”的问题。在他看来，国内与海外资本市场，对 AI 应用的期待从一开始就并不相同。国内资本更关注的是短期商业确定性：是否有清晰付费场景、是否能尽快跑通现金流、是否可以被复制进更多垂直行业；而海外资本更愿意为非线性增长下注，关注的是产品是否具备全球化扩张潜力、是否有机会形成网络效应，以及能否成为下一代平台型工具。

这种差异，会直接影响创业公司的生长方式。当资本周期偏短、容错率偏低时，创业者往往更早进入“证明自己能赚钱”的阶段；而在更长期主义的环境里，创业公司被允许先把产品推向更广阔的市场，再回头验证商业模型。

从Xsignal的数据来看，中国AI应用出海样本中，有11个月活破1000万的，23个MAU破500万的和59个MAU破100万的AI应用。从MAU来看，这些出海AI应用表现都远超过在国内运营的AI应用。

也正因如此，虎嗅了解到，今年已经有越来越多的AI应用公司，在成立第一天就将注册地放在海外，其中，新加坡成为最常见的选择之一。它们并不是赚完国内的钱再出海，而是从一开始就做好了一个假设：真正能撑起AI应用天花板的市场，不在国内。

趋势二：抱团成为活下去的方式

国内 AI创业至少比美国慢了五年？

硅谷的人才争夺战几乎持续了一整年，其中最具代表性的事件，发生在今年年中的 Windsurf 收购案。

这家AI编程工具公司，几乎在三方巨头之间完成了一次接力跑。先是业内传出 OpenAI 计划以 30 亿美元 收购 Windsurf；紧接着，Google DeepMind 出手，以约 24 亿美元的整体方案挖走了 Windsurf 的 CEO 及部分核心团队；而在短短 72 小时内，剩余的产品、IP 与业务主体，则被 Cognition 收入囊中。

故事情节跌宕起伏，却并非偶然。这起交易也一度被视为硅谷AI应用并购进入白热化的标志性事件。事实上，像 Windsurf 这样的案例，在今年的硅谷并非孤例，还包括Meta收购Manus。值得注意的是，2025年，Meta共完成收购4家AI公司。

总之，在硅谷，AI 应用今年的叙事已经足够明显，其已经成为巨头之间争夺生态主导权的重要抓手。

但与之形成鲜明对比的是，今年在国内几乎没有类似的并购案例上演。国内市场上，也尚未出现出价数十亿美元、专门收购一家 AI 应用公司的交易。一位 VC 机构合伙人对虎嗅表示：“国内 AI 至少比美国慢了五年，也没有那种不计代价抢人的基因。”

但这并不意味着国内大厂缺席这轮变局。相反，它们正在以更符合自身惯性的方式入局。

以腾讯为例，2025 年内，其分别在 4 月、9 月和 10 月投资了 Manus、Born 和 Genspark，覆盖了 Agent、C 端陪伴与搜索等不同应用形态。相比大手笔买下一家公司，腾讯更倾向于通过小额股权+生态协同的方式，提前占位。

与此同时，另一条更具中国特色的路径正在成形——合作而非收购。例如字节跳动与弋途科技的业务合作，将AI能力嵌入到具体行业场景；腾讯与拓竹的合作，则是通过模型与平台能力，直接接入3D打印与创作者生态。

这些交易虽然并不发生在股权层面，却同样完成了生态绑定。把这些现象放在一起，会发现一个正在显现的趋势：2026 年，很可能不是 AI 应用公司单打独斗的一年，而是与大厂抱团生长的一年。

对此，刘震对虎嗅表示，“一些AI应用公司与大厂可以形成共赢，一方面，AI应用公司借用大厂的生态优势，赚取流量入口，另一方面，大厂也能将各类AI公司纳入生态伙伴中，扩大自己的大模型和云的份额。”

在硅谷，这种“抱团”表现为并购、挖人与资本强绑定；在国内，它更有可能表现为投资+深度合作+平台化接入。或者更准确地说，在国内的AI叙事背景下，谁能更早被纳入生态、谁能更深地嵌入平台，或许将直接决定其在下一阶段竞争中的生存空间。

趋势三：增长策略变得越发重要

GEO赛道已经拥挤不堪，但增长大战才刚刚开始

在与虎嗅交流之前，硅谷创投机构UpScale X合伙人AlanZong刚从最近一次的YC Demo Day上回来。这个由美国最大的知名孵化器发起的Demo Day，成为了全球创投圈的最大盛事之一，投资人们在上面寻觅“猎物”。

在过去的一年，AI创投圈充斥着高增长的故事。成立两年半的AI招聘公司Mercor，完成了C轮融资后，估值直接飙到了100亿美元；被称为“医疗版ChatGPT”的OpenEvidence，最新估值达到了120亿美元；跑得早的AI编码公司Cursor，去年已经达到了290亿美元的估值，今年进入了疯狂的收购期……

从全球来看，圣克拉拉谷聚集满了十亿、百亿的AI巨兽。

曾经，虎嗅在与一位投资人的会面中，他刚结束与一家初创公司创始人的会面，那是一个典型的技术背景出身的创始人，这位投资人结束之后问了他的投资经理，技术上不怀疑，但你认为这个团队在增长方面的能力如何？

这个切面，是当下AI创业的缩影之一。增长，在如今火爆的AI赛道中变得越发重要。

“行业对AI应用的总体预期越来越高。”UpscaleX合伙人Alan Zong说，在过去一年里，投资人被这些飞速成长的案例教育了一番，现在对初创公司有了更高预期。

所以在AI2.0时代，究竟什么是增长？

前不久，AI编码公司Lovable的增长总监在一次播客采访中提到，传统SaaS时期，依靠转化漏洞、运营动作实现的高增长已经在AI时代不奏效。AI时代的增长对创新、高频产品迭代的要求更高，Lovable的发布速度极快，这位增长总监表示，这是一种用户“召回”策略，同时他们在社区上也拥有数十万用户，并运营活跃。

Alan表示，2025年的一个愈发清晰的趋势，是初创项目更需要证明能在短短几个月时间内爆发成长到一定规模，市场只有看到动量，才会愿意持续推进。如果成长速度慢，且半年内这个赛道就有同类项目，很容易在激烈竞争中被市场冷落甚至遗忘。

增长的背后，是高PMF（产品-市场匹配）与业务支撑。SaaS的时代，做的是工具的生意，解决一层薄薄的需求，Agent时代，则看中的是全链路端到端的解决方案是否迅速被行业采纳。Alan说，无论在中美，都有一批高估值的初创项目，由于高度共识，产品还没出来，已经估值不菲，但在美国市场，如果没有进一步的业务数字证明其PMF，很难能拿到下一轮的机构的钱。

一个典型细分赛道，就是GEO（基于生成式AI的搜索营销），在过去的一年里GEO赛道已经拥挤不堪。我们曾在“AI原生100”栏目的一篇文章中分析过这个模式，Profound已经成为这个赛道跑出来的公司。但彼时投资人对GEO的看法并不乐观，他们试图寻找和证明GEO作为一个商业模式，往下走究竟能给市场带来什么独特价值？GEO的模式是一把双刃剑，你可以获得用户，同时也会把用户导到竞争对手那里。

不过Alan说，在去年上半年，他还在主动寻找GEO的团队，但到了下半年，一下子冒出了几十家GEO公司。他看到一些团队正在针对每一个细分垂类需求，提供创新性的端到端解决方案。“如果你只是提出要从GPT，Gemini这些大流量客户端中获得更多客户和点击量，那GEO更多只是一种工具。”Alan说。他今年下半年投了两家公司，一家专门服务美国本土的线上零售商提升自身AI search基建，让GEO吸引回来的用户能留在自家平台，另一家专门服务20多岁美国本土年轻人创立的品牌，提供全流程的TikTok解决方案，不仅给品牌提供实操工具，自动化运营社交平台、进行自动化销售、带货、达人对接和沟通，最终完成销售的闭环。

趋势四：ARR不再重要

Token消耗能否转化为切实收入更重要

ARR，年度经常性收入，这个指标在SaaS时期一度被视为衡量一个产品商业化健康程度的重要指标，是SaaS公司的“命根”，它把每个月的订阅费乘以12，作为年经常性收入。ARR，1亿美金，在SaaS时期是一个极为重要的门槛。Manus在不久前宣布，ARR破亿。不仅是Manus，今年我们也看到了许多ARR高增长的神话。

这些令人兴奋的增长故事的背后，业界开始清醒，ARR是否是一个虚幻的假象？AI2.0时期的商业化是否应该被重新定义？

这个疑问的核心在于，如果AI时代商业模式的核心结构与SaaS截然不同，ARR的相关度还有多高？

首先，这是一个会计游戏，一些AI公司为了刷高ARR，会把客户的一次性预付款乘以12，作为ARR。另外，ARR之所以存在，是因为假设明年还有这笔钱，但这件事在AI时代成了“玄学。第三个陷阱是，如果客户的订阅费是每个月200元，但却需要跑出上万美元的推理成本，从ARR上看，这是一笔健康的收入，但利润表上，却惨淡得惊人。

“如果要看ARR的话，我就用充值送手机来一波营销，立刻给你做到1亿ARR的增长。“一位创业者如是说，但这有意义吗？

如果不看ARR，现在的AI应用公司更加被看重的AI能力是什么？虎嗅与多位业内投资人聊过这个话题，相比之下，Token的消耗量是否能够转化为实际的营收，是当下一个关键的衡量指标，再往下翻译一层，就是利润率和用户的留存率。

Alan提到了一家公司Genspark，其本质是模型能力的提升，让原来做不了的事情，现在能做的很好。尽管Genspark看起来是一家通用Agent公司，但其实质是解决垂类问题的思路，例如订票、语音、PPT等细分场景。更关键的是，每一次模型升级，Genspark的用户反馈、体验升级的可视化程度都很高。Alan说，今年在几场硅谷Genspark的活动上，都会看到全球一线的AI算力，模型和企业服务公司的人出席。迄今为止，能大规模将token转化为用户付费的公司，在全球都是稀缺的，一线AI公司都希望能够把更好的AI基础能力卖给GenSpark这样的客户。

在今年10月DevDay中，OpenAI泄露了一份Top100+客户清单，这份清单中，有超过30家公司的Token消费量突破1万亿。Genspark赫然在列，Genspark竟然能够进入OpenAI的Top30客户，说明其不仅在C端实现用户增长，更重要的是，在其自身的业务中深度使用AI。

因为Genspark使用的模型不止OpenAI一家，还有Claud、Gemini等。Genspark的CEO 景鲲今年10 月在LinkedIn上发文称Genspark的首月付费用户留存率为 88%–92%。

另一家将Token消耗转化为可用的产品是HiggsField，其在此前公布的月收入留存率为86%。

他们的商业模式值得考究，可以概括为“积分制的分层订阅+超额再购”的模式。免费层送25积分，基础版本每个月9美元，大约是15支视频，当月积分用完后，可随时一次性加购 100/300/500 点“提速包”，价格高于订阅折算单价，形成第二段收费；未用完的积分月底全部作废，以此逼用户持续续费。此外，他们还有一个月底清零机制让用户不得不持续付费，从而把 token 成本波动转化为稳定循环收入。

也就是说，如果能够用更少的Token消耗，获得更多的营收，就证明这个AI应用的商业模式是成功的。

趋势五：传统行业正在通过“AI原生”，被重做一遍

AI创始团队可能要比企业本身更懂业务

“如果你不知道能做什么？就用Palantir的模式，帮企业做咨询项目，协助做全栈式AI改造，把自己的PMF找到。“这是今年许多初创公司寻找自己PMF的方式。

Palantir，这个在2004年就成立的公司，在AI大模型到来之际迎来自己的高光时刻。Palantir最早为美国情报机构服务，帮助整合反恐情报，后来它把这套能力搬到商业世界。

Palantir的模式给ToB垂直AI创业公司提供了一个反常识的启示：做“重”才有壁垒。

Alan看到，如今在创投圈，许多25岁以下的年轻人正在做着传统行业老兵做的事——用AgenticAI重新改造最传统的行业，“这就像移动互联网时代，移动原生的创业者，把传统商业模式重做一遍一样。”他说，而这些传统行业里，藏着巨大的机会，甚至许多传统行业，直接跳过SaaS，进入Agentic AI阶段。

都说2025年，是AI Agent的爆发之年，做垂、做深、做厚，是今年AI的趋势。通用型AI已经成为大厂的游戏，垂类AI是创业公司的生存之道，但这对于创业公司的要求是——创始团队可能要比企业本身更懂业务。今年我们也看到了许多本身就是某一个行业的从业者出来创业的创始人，他们深知行业痛点和knowhow。

初创公司要解决的是更具体的问题，做垂、做深。更关键的是，在垂类中把核心客户的收入做高，这样利润就可以越做越好。

在不少投资人看来，未来这类的案例将会越来越多。

语核科技是一家做售前AI数字员工的企业，我们在半年前，与其CEO翟星吉有过交流，他说，他们只和客户聊三件事，你的核心业务流程是什么？痛点是什么？我们能帮你解决，愿不愿意付费？

在寻找PMF的时候，他们每周聊4个客户，一个季度聊100个，寻找合适落地的场景，最后他们选择了先从制造业入手。当第一个客户在自己的售前业务中上线了语核的AI Agent后，销售转化率从5%提升到7%，营收扭亏为盈，翟星吉知道，这个模式走通了。

在我们聊完后的半年，语核科技进入了一个快速增长阶段，新增了20多家客户，再与翟星吉沟通时，语核科技2025年的营收已经突破1000万元，团队在迅速扩容。

还有一些AI应用公司，正在将原来SaaS并没有改变的行业，直接用AI进行改造。

比如，有一家叫做Kirana AI的公司，为实体杂货店打造AI商店经理的产品，通过实时警报、数据分析，提高零售商的安全性和运营效率。

这家公司的两位创始人是哈佛的校友，其中一位创始人Nicholas Sleeper的家族在美国缅因州经营了一家100年历史的杂货铺，在亲眼目睹父亲亲自运营杂货店后，他发现，经营一家独立杂货店，利润微薄。例如，他们会因为缺货导致销售额损失增加，员工会因为在工作时滑倒等危险增加了店铺的责任风险，影响了销售额，诸多琐事分散了门店经理在优先事项——客户服务。

因此，Kirana AI的AI门店经理能够直接和杂货店的摄像头系统集成，用于全天候的盗窃检测、安全监控以及即时缺货通知，另外，他们还将很快引入代理工作流程来管理杂货商最繁琐的任务之一——查找竞争对手的价格。

虎嗅最近还聊了一家叫做Mizzen AI的公司，他试图改变的是拥有百年传统的用户研究行业。Mizzen Insight是这家公司的第一个用于用户研究的产品，用过这个AI用户研究的主持人Agent，可以让传统的用户研究速度提升100倍，成本下降到十分之一。

创始人孙克强告诉虎嗅，用户研究这个行业尽管有百年历史，却是一个“劳动密集型”的行业，需要靠一个个人类主持人一个用户一个用户聊。这在过去即便是SaaS时期，这个行业的问题依然没有被解决。但如今的AI，则可以实现高速并发的生产，把原来单线程、低并发的人力服务，提升到成百上千量级的并发，产能直接提升两个数量级。在孙克强看来，这里存在着平台级的机会。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4822254.html?f=wyxwapp