Manus会开启Agent元年吗？和大厂离职的两位AI创业者聊了聊

出品 | 网易科技态度栏目

作者 | 袁宁

编辑 | 丁广胜

像一颗巨石投入湖水，Manus发布溅起的水花虽已逐渐退去，但激起的涟漪还在不断扩散。

Manus会开启Agent元年吗？怎么理解Agent及其壁垒？当前是不是Agent的发展机会点？不同玩家如何迎接Agent的浪潮？当前Agent能代替实习生吗……

3月8日，网易科技邀请了两位大厂离职，在 AI 创业一线的嘉宾——李博杰和彭康伟，分享他们的判断与思考。

李博杰，华为“天才少年”出身，曾任华为计算机网络与协议实验室副首席专家，微软学者奖得主。2023年投身AI创业，目前是 PINE AI 首席科学家，致力于为每个人和每个组织构建类似《Her》 里面 Samantha 的通用智能助理。

彭康伟，曾在腾讯0-1打造过月活破亿的C端产品，2023年离职创业，成立梦马智能，正在做新一代的AI内容平台。

作为AI浪潮下的创业者，他们如何在巨浪中寻找方向？透过他们的视角，又能看到一个怎样的Agent未来？网易科技整理了他们对十个关键问题的回答。

以下内容经《网易科技》不改变原意的编辑：

一、怎么理解Agent？

李博杰：Agent 的概念其实非常早，早在上世纪60年代人工智能刚出现时，就已经有了 Agent 的概念。Agent 的本质其实很简单，就是它是一个中介或者说代理。Agent 能够感知世界，并基于感知进行规划，然后采取行动。

在如ChatGPT的传统ChatBot 里，用户输入一个问题，系统给出一个答案，问答结束。但 Agent 不一样。你把一个任务交给Agent后，它不仅会回答，还会主动收集各种资料，利用周围的各种资源，最终帮你把事情办成。这就是ChatBot和Agent 的核心区别。

比尔·盖茨其实很早就看重这个方向。我在微软工作的时候，Office 2003里就有一个小回形针助手（Clippy），它会弹出来问你需要帮助吗？这其实就是早期探索 Agent 的尝试。但当时 AI 技术不成熟，最终在 Office 2007里就取消了。

后来像 Cortana、Siri 之类的助手，也可以看作是早期的 Agent，能帮用户完成一些小任务。再往后发展，现在的 Agent（比如 Manus）真的可以帮助用户完成长时间、复杂的任务，甚至长达半小时到一小时。

彭康伟：在我看来，之前的大语言模型（LLM）更像是一个咨询专家，能解答疑难问题。但 Agent 更像是一个高智商的实习生，能帮助我们完成具体任务。

Agent 的神奇之处在于它具备“脑、手和交付”三种能力：LLM 提供认知和思考能力，相当于 Agent 的“脑”；Agent 的“行动”能力体现在它能调用浏览器、搜索信息、执行指令等，相当于它的“手”；而“交付”能力则体现在它最终能给出完整的成果，不管是文档还是网页展示。

在 Manus 的界面中，你可以清楚看到它的工作过程：左边是它的浏览和操作记录，右边是它的思考过程。最终，它还能以文档或网页的形式完整地展示成果。对于实际业务来说，这种能力的价值非常高。

二、Manus为什么能够出圈？

李博杰：我觉得 Manus 出圈主要有两个原因。一方面，媒体的传播确实给了他们特别大的影响力。

另一方面，我觉得 Manus 的设计也很巧妙。它通过展示电脑操作过程，让普通用户更容易理解 Agent 的工作原理。以前很多产品会隐藏中间的操作过程，直接呈现最终结果。但 Manus 不一样，它直接用屏幕动画一步步展示操作过程，比如如何浏览网页、执行任务。

虽然这种“视觉操作”方式在效率上可能不如直接访问网页，但展示效果更直观，让用户更容易理解 Agent 的实际能力。

彭康伟：补充一下，我觉得Manus 之所以能出圈，是因为它是第一个提出“通用型 AI Agent”概念的产品。

以前有不少优秀的编程工具能帮助开发者写代码，但 Manus 将 Agent 的能力扩展到了更广泛的领域，让普通人也能使用它来完成各种任务。这是它的第一个亮点。

第二个亮点是 Manus 的工程能力提升明显。以价格比对任务为例：在电商场景下，要找到最优价格，需要检索大量信息，涉及不同的供应链和成本结构。Manus 能够整合这些复杂的信息，进行多层次的检索和分析，最终给出最佳方案。

这种跨场景、跨领域的通用能力，正是 Manus 与早期 Agent 产品的最大区别。

三、Agent的壁垒是什么？

彭康伟：我觉得从技术角度看，Agent 的本质其实可以用刚刚“手”和“脑”来比喻。大模型相当于“脑”，而“手”就是调用各个网页和工具的能力。从技术上讲，复现这种交互能力其实并不难。

但真正的壁垒在于实现每个具体场景下的工程部署和优化。比如，面试、电商、编程等具体场景中，前后端的联调部署和代码集成都需要大量的工程工作。这种在不同场景下的定制化实现，才是建立壁垒的关键。

李博杰：我非常同意康伟的看法。Agent 的核心挑战不在于调用大模型或开放接口，而是能否在专业领域中积累工程经验。

对于通用任务，比如规划一份日本7日游行程单，Agent 可能表现很好。但在专业领域，比如医疗，Agent 需要具备专业知识和领域积累，而这些知识可能并不在公开语料中。因此，单靠通用模型的数据集，可能无法满足专业需求，仍需进行特定的微调和后训练。

此外，复刻别人已经完成的东西，其实是一个下限很低，上限很高的事情。比如我在用 Manus 做调研报告时，发现 OpenAI 的模型效果往往优于 Manus，因为 OpenAI 可能使用了自己未公开的模型，经过专门针对调研场景的后训练优化。Manus 团队目前无法打造出这种规模的专有模型，因此只能在开源模型基础上做调优。

即便有开源解决方案，比如 Owl 等的开源模型，但由于工程调优的能力不足，其实效果仍然与 Manus 有差距。

四、Manus未来如何盈利？发展方向？

彭康伟：从 Manus 团队之前做 Monica 的经验来看，他们在浏览器和插件领域积累了大量用户和使用场景，具备对用户需求的深刻理解。因此，打造一个“入口级”产品可能是一个合理的方向。

“入口级”意味着像抖音、微信这样的平台，吸引大量用户并建立生态。比如，打造一个类似 GitHub Copilot 的 Agent 平台，允许用户上传和共享专业领域的 Agent——比如电商、教育、法律等领域的细分 Agent。这不仅能够满足具体需求，还能通过用户和开源社区的力量，形成良性循环，完善整个生态。

即便 Manus 无法成为入口级产品，当前的市场热度也会推动开源生态的发展，让更多人将 Agent 技术应用到各行各业，创造真正的商业价值。

李博杰：我也认为打造入口级产品是最大的机会。但对于我这种资历更浅的创业者来说，直接挑战大厂和成熟产品并不容易。因此，更现实的路径可能是专注于客单比较高的垂直领域，打造高附加值的行业解决方案。

一些垂直领域客户对 AI 赋能有强烈需求，但自身技术储备不足。这就为 Agent 在行业场景中的落地提供了空间。此外，垂直领域的用户往往能承担更高的使用成本。

比如，当前 Manus 的模型推理成本较高，一次执行可能需要2美元以上。如果是日常使用，每天用5次就要花10美元，个人用户可能难以负担。但对于法律、金融等高附加值行业，AI 赋能后的增值足以覆盖这部分成本。因此，Manus 在商业化上可能更适合面向高附加值领域。

五、当前是不是Agent发展的机会点？

彭康伟：我认为当前确实是 Agent 发展的重要时机。Agent 早就出现了，但由于模型能力有限，加上调用成本高，之前的发展受到了限制。

但随着模型和推理技术的优化，以及调用成本的不断下降，Agent 的应用场景也变得更为广泛了。

李博杰：我补充一下。除了成本降低，模型能力的提升也是关键因素。早期的模型在面对复杂任务时往往很“笨”，即使配备了工具（如搜索网页、发邮件、计算器等），模型可能也不知道如何正确使用。

但今年的新模型，比如国内的 DeepSeek 等，已经解决了这一问题。模型在不确定时，能够主动调用外部工具，做出更可靠的判断。

此外，模型在解决复杂任务时的稳定性也在提升。假设某个任务需要10个步骤，每一步的准确率从90% 提升到99.9%，整体成功率就会从35% 提升到90%以上。这个稳定性提升，使得 Agent 在商业环境中的可用性大幅增强。

这正是为什么大家普遍认为2025年是“Agent 元年”。之前的模型太慢、太笨，难以满足实际需求。而今年的模型在推理速度、调用工具的能力和稳定性上都有了突破，才让 Agent 真正具备了广泛落地的条件。

目前，Agent 在编程领域的应用已经较为成熟，我认为今年这种能力会扩展到更多行业，真正实现跨领域应用。

六、模型能力提升会覆盖掉Agent能力嘛？

李博杰：我自己的感觉是会的。我理解这个问题是说，一些Agent通过精细调参或策略优化形成的功能性提升，是否会被更强的模型能力取代。比如，Manus 其实现在就是一个典型的“多 Agent 系统”，其中不同的 Agent 负责搜索、写代码、操作电脑等。

在过去，我们通常会基于人类的工作流程来设计 Agent，比如让它们先做 A，再做 B，这样可能效果更好。但如果模型能力提升，很多这些基于工程优化的 Agent 可能就不再需要。

我自己就吃过这个亏。之前在某个项目上做了很多优化，结果新模型一出来，之前做的精细化工程全都被淘汰了。我猜康伟在创业过程中可能也有类似的经历。

但从技术发展的角度看，功能性优化仍然有价值。因为未来每个人都能获得同样强大的模型，谁能在模型的基础上做出更好的工程优化，谁就能占优势。

彭康伟：我觉得这可能要分短期和长期来看。

长期看，很多技术团队和算法团队都认为，最终模型能力会覆盖掉 Agent 的能力。因为从人的意志出发，我们自然希望模型能够发展得足够强大，最终实现这一目标是大概率事件。

短期看，工程化优化仍然是必要的。我们在创业中所交的“学费”或“代价”是必须的，因为短期内模型不可能快速覆盖所有具体的行业场景。因此，做好工程化优化，既能形成壁垒，也能让产品更好地服务用户。

举个例子，这波大模型出来后，之前在 NLP 和 CV 领域积累丰富经验的公司，会更容易快速应用大模型，结合行业壁垒和经验，形成竞争力。

七、中小企业如何迎接Agent浪潮呢？

李博杰：如果是初级企业，对 AI 了解不多，可以先用低代码（low-code）工具或 DFI 知识库系统，搭建基础的知识库，然后在此基础上构建一个简单的 Agent。低代码工具通过拖拽的方式，能快速搭建出 Agent 系统。

如果是有一定技术积累的公司，可以尝试“后训练”（fine-tuning）的方法，把行业知识和经验融入模型中。

这种方式相当于把知识“内化”到模型中，而不是每次都依赖知识库去查询。内化让模型知道大致的方向，但在面对具体问题时，仍需要借助知识库来确认细节。

企业在搭建知识库时，检索能力至关重要。比如，谷歌的搜索效果明显好于必应，就是因为谷歌基于用户反馈和排序算法，能更好地保证搜索结果的相关性。企业在搭建知识库时，也要注意优化检索算法，提升相关性和用户体验。

八、Agent发展是大厂游戏吗？

彭康伟：我觉得这个问题对创业者来说其实没那么严峻。Agent 本质上是为具体行业和产品服务的。

首先，Agent 不是终点，而是加速产品和服务的工具。其次，产品能否成功，更多取决于市场和用户反馈，而不是 Agent 本身的技术水平。

大厂虽然有资源，但它们不会做所有事情。我想说，大家也不必觉得过于焦虑，其实我们能做的事情很多，大厂的射程也是有限的，不然也不会出现那么多的上下游的公司，所以创业公司能做的事情还是有很多的。

李博杰：康伟说得很好。因为我也在大厂待过，我能感受到大厂往往在创新性产品上比较谨慎，只有当成本降低、准确度提高，产品成熟到“用户用了不会出错”时，才会推出。而创业公司没有这些顾虑，可以更灵活地迭代和试错。

比如，在 AI 辅助编程领域，微软等大厂可能早有原型，但因为担心破坏现有商业模式或成本过高而未发布。这就给创业公司留下了空间。

九、Agent元年的标志性会是什么？

李博杰：我自己感觉标志性事件可能会是一个能够综合调用视觉、听觉、语言等多种模态，能独立使用电脑、手机，甚至打电话，帮助用户完成日常任务的产品。如果这种能力在2025年实现，我觉得就可以称为 Agent 的元年。而且我也希望我能够做出来这件事情。

彭康伟：我觉得这更像是垂直领域的大爆发，类似于2022年底 AI 能力爆发的那种感觉。那时候我们能真切地感受到，AI 在智能水平上的突破，与上一代 AI 相比有了质的飞跃。这也是“为什么称之为大模型”的原因——关键就在于“大”本身，代表着智能程度的显著提升。

对于 AI Agent 而言，我认为它涉及两个核心层面：一个是多模态理解。就像刚才提到的，Agent 能够同时理解和处理视觉、听觉、语言等不同模态的信息。

另一个是多任务协同。这涉及我们所谈到的各种 Agent 场景，不论是在电商、制造、金融，还是在编程领域，Agent 都能高效完成任务并交付成果。

关键不只是完成任务的动作本身，而是在没有人类干预的情况下，能够高质量地完成任务交付。这与实习生完成任务不同，实习生在执行过程中可能会出错，需要人来纠偏（无论是目标上的调整，还是行动上的修正）。但 AI Agent 的目标，是在无需人为干预的情况下，自动调整并交付高质量的结果。

从这个角度看，我也很期待 AI 在任务交付和目标达成上的“智能涌现”时刻，这将标志着 AI 在任务理解和执行效率上，真正达到新的高度。

十、Agent当前能替代实习生吗？

李博杰：其实问题的关键还在于“记忆”。目前的 Agent 仍然停留在“事实性记忆”层面，比如“今天吃了什么”这种简单信息。但涉及“过程性记忆”（比如骑自行车的动作记忆），AI 仍然很难做到。

目前，基于知识库、检索和总结的方法，效果还是不如人类的记忆。AI 如果无法解决“记忆”问题，就无法真正替代人的长期学习能力，就相当于一个实习生在这个公司里干了一天和干了一年没有区别。

彭康伟：在特定领域（比如编程），Agent 已经可以替代部分实习生的工作。企业可以通过使用 Agent，或者让每位正式员工“带几个编程 Agent”，来实现降本增效。

在重复性、流程化任务中，Agent 的确有助于提高生产力。