Manus 不算是在基座大模型上的技術(shù)突破，而是在 AI 實(shí)際落地、增加應(yīng)用場(chǎng)景和適用人群方面的創(chuàng)造。
業(yè)內(nèi)普遍認(rèn)為，對(duì)答式的聊天機(jī)器人，最多能夠提供一些簡(jiǎn)單的工作幫助，執(zhí)行復(fù)雜工作，最終還是需要通過(guò)搭建 AI Agent 的工作流?！?/p>
但，Agent 的搭建，有門檻，不僅有技術(shù)上的門檻，更有認(rèn)知思維、結(jié)構(gòu)化能力上的門檻，并不是所有用戶，都有把工作拆解成詳細(xì) SOP 的能力。在 Manus 的邏輯下，創(chuàng)建工作流 SOP 這個(gè)最難的事情，由 AI 來(lái)完成，于是，每一個(gè)用戶，通過(guò)簡(jiǎn)單的自然語(yǔ)言對(duì)答，就能獲得接近于 Agent 的產(chǎn)出結(jié)果，幾乎就是直接可用的程度。
今天全網(wǎng)刷屏的文章，主要還都是 Manus 功能的簡(jiǎn)單介紹，熟悉我的朋友們都知道，我一貫主張不僅要分析產(chǎn)品，也要深挖產(chǎn)品背后的邏輯，以及其對(duì)應(yīng)著的趨勢(shì)。所以這篇文章，我們就基于 Manus，對(duì) AI 產(chǎn)品和 AI 落地，進(jìn)行深度分析和預(yù)判。
Manus 的特點(diǎn)是，它能夠自主進(jìn)行工作流的拆解，然后按照拆解的順序，每一步都調(diào)用最合適的大模型，進(jìn)行任務(wù)處理。
就好像一個(gè)非常卷的 J 人同事，每一項(xiàng)工作，都提前拆出詳細(xì)的執(zhí)行計(jì)劃表，然后按照計(jì)劃表嚴(yán)格執(zhí)行，最終做出來(lái)的效果，肯定不會(huì)差?！?/p>
比如讓 Manus 整理一份 OpenAI 的組織架構(gòu)圖，它不會(huì)直接去貿(mào)然干這個(gè)事兒，而是會(huì)先進(jìn)行一個(gè)任務(wù)拆解，來(lái)明確，做好這個(gè)事情，都需要哪些具體的細(xì)致的步驟，然后根據(jù)自己拆解的步驟，再逐項(xiàng)自動(dòng)執(zhí)行任務(wù)，最終產(chǎn)出用戶“直接可用”的結(jié)果?！?/p>
這個(gè)“直接可用”太重要了，如果過(guò)去真的深度使用過(guò) AI，都知道，之前的聊天式 AI，看起來(lái)洋洋灑灑一大段回復(fù)，但是實(shí)際要用，就發(fā)現(xiàn)很多地方不符合現(xiàn)實(shí)，還得人工大改。
所以 Manus 的工作邏輯，其實(shí)就是 Agent，通過(guò)完成工作流的拆解，解決具體實(shí)際的問(wèn)題。
Agent 中文名叫做 AI 代理或者智能體，說(shuō)白了就是一個(gè)能按照工作流，執(zhí)行實(shí)際的、專業(yè)的工作的機(jī)器人，解決實(shí)際的具體問(wèn)題，讓它按照適配公司業(yè)務(wù)的流程，進(jìn)行各種具體的工作，就好像一個(gè)真正的同事一樣?！?/p>
如果只是在 AI 對(duì)話框中進(jìn)行簡(jiǎn)單的對(duì)話，AI 能夠進(jìn)行的工作很有限，AI 的產(chǎn)出物也不太可控?；貧w到我們實(shí)際的工作中，任何工作都有一個(gè)流程和標(biāo)準(zhǔn)的限制，才能讓產(chǎn)出的結(jié)果，達(dá)到預(yù)定的標(biāo)準(zhǔn)?！?/p>
比如「為公司業(yè)務(wù)寫一條小紅書」這項(xiàng)工作，如果讓 AI 直接進(jìn)行工作，產(chǎn)出的結(jié)果基本是不可用的，因?yàn)槊}太大了，小紅書運(yùn)營(yíng)包含著多種不同的工種環(huán)節(jié)，很難通過(guò)一句話，就完成一個(gè)復(fù)合度相對(duì)較高的工作。
那如果想要 AI 完成好這項(xiàng)工作，其實(shí)得給 AI 規(guī)定好工作步驟：
在每個(gè)環(huán)節(jié)，AI 都只解決一個(gè)具體的問(wèn)題，然后把許多個(gè) AI 的工作串起來(lái)，成為 AI 工作流?！?/p>
所以，對(duì)話聊天的 AI，最多只是提供些靈感，真正要解決生產(chǎn)力的問(wèn)題，就必須得靠融合了 SOP 的 AI Agent?！?/p>
這也是我一貫的觀點(diǎn)，協(xié)作體系是人類社會(huì)改變生產(chǎn)力的利器，AI 只有通過(guò)工作流，才能夠完美融入人類的生產(chǎn)關(guān)系中?！?/p>
Manus 的出現(xiàn)，意味著 Agent 的發(fā)展，實(shí)際上進(jìn)入第三階段：
在第一個(gè)階段，ChatGPT 這樣的對(duì)答式機(jī)器人，通過(guò)一問(wèn)一答的方式，逐一解決問(wèn)題。這個(gè)過(guò)程中，人類依然是主導(dǎo)，能否把 AI 用好，取決于提問(wèn)人的水平，只有思路非常清晰、結(jié)構(gòu)化能力非常強(qiáng)的提問(wèn)人，才能讓 AI 解決實(shí)際問(wèn)題?！?/p>
第二個(gè)階段，通過(guò)“扣子”這樣的智能體平臺(tái)，搭建分步驟執(zhí)行的 Agent，這一階段也是當(dāng)前 AI 應(yīng)用層落地的主要方式。既然不是所有人都能通過(guò) AI 問(wèn)答，解決實(shí)際問(wèn)題，那我們就把能解決問(wèn)題的步驟，固定下來(lái)，讓 AI 每次都按照驗(yàn)證過(guò)的步驟逐一執(zhí)行，并且集成多種不同能力的 AI，讓 AI 只在自己最擅長(zhǎng)的環(huán)節(jié)做事，這樣一來(lái)，只要有一個(gè)人成功，那么其他人不需要結(jié)構(gòu)化能力，也能夠達(dá)到同樣的效果?！?/p>
第三個(gè)階段，在今天早上看到了黎明，就是以 Manus 為代表的通用 Agent。拆解工作流這個(gè)環(huán)節(jié)，也讓 AI 替代，用戶又回到了簡(jiǎn)單的問(wèn)答模式。但問(wèn)題簡(jiǎn)單，AI 執(zhí)行的過(guò)程并不簡(jiǎn)單，通用 Agent 能夠按照工作流的方式，高質(zhì)量完成問(wèn)題，讓產(chǎn)出結(jié)果，達(dá)到可用狀態(tài)。
如果說(shuō)過(guò)去 AI 大模型的火爆，大多數(shù)人只能湊個(gè)熱鬧的話，毫無(wú)疑問(wèn)，通用 Agent 是讓所有普通人，也能夠在具體工作中，用上易用的 AI，解決真實(shí)世界的實(shí)際問(wèn)題。只有解決實(shí)際問(wèn)題，AI 對(duì)于生產(chǎn)力和生產(chǎn)關(guān)系的變革，才會(huì)真正來(lái)臨?！?/p>
在 Manus 開(kāi)發(fā)團(tuán)隊(duì)的介紹中，Manus 被稱為“多智能體系統(tǒng)”?！?/p>
什么是“多智能體系統(tǒng)”？其實(shí)就是一個(gè)系統(tǒng)里面，集成了多個(gè)大模型，然后由一個(gè)調(diào)度中心，根據(jù)不同的任務(wù)，調(diào)用最合適的大模型。
幾家頭部大模型公司，都在不斷推出更強(qiáng)的 AI 大模型，前一天某個(gè)大模型剛剛登頂?shù)谝?，轉(zhuǎn)天就被下一個(gè)大模型超越，城頭變幻大王旗，你方唱罷我登場(chǎng)。
但是，單純的堆參數(shù)和跑分，其實(shí)與真實(shí)使用，還是有很大的差距。實(shí)際上，每一家的大模型，都有自己所擅長(zhǎng)的領(lǐng)域，比如 Claude 極為擅長(zhǎng)編碼、DeepSeek 的推理模型對(duì)于中文的控制很強(qiáng)、豆包大模型對(duì)于語(yǔ)音識(shí)別獨(dú)步世界、可靈的視頻模型非常領(lǐng)先?！?/p>
既然短期之內(nèi)，很難有樣樣都強(qiáng)的“水桶模型”，那何不根據(jù)任務(wù)的實(shí)際情況，讓大模型協(xié)作起來(lái)，讓他們只做自己擅長(zhǎng)的工作？這便是“多智能體”思路的來(lái)源?！?/p>
事實(shí)上，在之前的探索和嘗試中，就有過(guò)這樣的先例?！?/p>
前不久，Berkeley 伯克利搞了只有 7B 參數(shù)的小模型，在 Arena 全球模型排行中拿到了 1400 分，這個(gè)分?jǐn)?shù)，用了 20 萬(wàn)張顯卡訓(xùn)練的 Gork3，就也才剛達(dá)到這個(gè)水平?！?/p>
這個(gè) 7B 的小模型，其實(shí)就是一個(gè)分類器，它只做一件事，就是把用戶發(fā)給他的提問(wèn)，進(jìn)行分類篩選，然后去指揮 GPT、Gemini、DeepSeek 這些"大模型"干活，堪稱 AI 屆的牛馬領(lǐng)導(dǎo)。
這其實(shí)也是 Manus 的邏輯，通過(guò)一個(gè)超強(qiáng)的分類系統(tǒng)，集合擅長(zhǎng)不同領(lǐng)域的大模型，一起處理，最大限度解決用戶的實(shí)際問(wèn)題?！?/p>
AGI 的未來(lái)，一定不是單一模型一統(tǒng)天下，而是做好分工，融匯貫通。本質(zhì)上，現(xiàn)代公司的組織結(jié)構(gòu)，就是在構(gòu)建如同機(jī)器一般的協(xié)作結(jié)構(gòu)，指望一個(gè) AI 來(lái)完成所有工作，無(wú)異于指望一個(gè)員工就撐起整個(gè)公司?！?/p>
這不是營(yíng)銷號(hào)那種無(wú)腦亂吹，而是邏輯推理后的判斷?！?/p>
邏輯是兩個(gè)：
1.中國(guó)有無(wú)窮多的應(yīng)用場(chǎng)景和商業(yè)模式的積累，首先，AI 只有落地應(yīng)用才有真正的價(jià)值，其次，最開(kāi)始的 AI 可能誕生于實(shí)驗(yàn)室，但只有真實(shí)實(shí)踐中，才能創(chuàng)造越來(lái)越強(qiáng)的 AI。
2.幾十年辛苦播種，今朝終于開(kāi)花結(jié)果。國(guó)民基礎(chǔ)教育，縱觀歷史幾千年，從未有過(guò)現(xiàn)在的高度和深度。而 AI 的根本，依然是人才，經(jīng)過(guò)幾十年的基礎(chǔ)教育，中國(guó)的人才密度，已經(jīng)超越世界上大多數(shù)國(guó)家，完全能和美國(guó)掰一掰手腕。
很多事情，都是量變引發(fā)質(zhì)變的結(jié)果?！?/p>
2022 年底，ChatGPT 橫空出世，驚爆世界。同時(shí)，這也意味著，AI 技術(shù)的大模型路線，完全替代了過(guò)去規(guī)則算法和知識(shí)圖譜的 AI 路線?！?/p>
中國(guó)嘩然，大洋彼岸的美國(guó)，在 AI 軍備競(jìng)賽上，居然領(lǐng)先這么多。當(dāng)時(shí)，大多數(shù)人對(duì)于中國(guó)的 AI 發(fā)展持悲觀態(tài)度，算力顯卡、技術(shù)封鎖，中國(guó) AI 技術(shù)的前途，確實(shí)陰晴不定。
但站在 2025 年早春，這種陰霾已經(jīng)一掃而光，中國(guó) AI 的發(fā)展全球矚目，代表基座大模型能力的 DeepSeek 讓世界側(cè)目，如今，在應(yīng)用層大放光芒的 Manus，同樣來(lái)源于中國(guó)。
Manus 背后的創(chuàng)始人肖弘，是華中科技大學(xué) 2015 屆畢業(yè)生，在之前創(chuàng)業(yè)做過(guò)「壹伴助手」和「微伴助手」?！?/p>
這個(gè)團(tuán)隊(duì)還有一款更知名的產(chǎn)品，就是去年火爆全網(wǎng)的 AI 助手 Monica。這是一款瀏覽器插件起家的 AI 應(yīng)用，通過(guò)非常敏銳的需求洞察，讓用戶在瀏覽器中，使用 GPT 4o、DeepSeek R1、Claude 3.7 等模型，進(jìn)行一些非常具體的工作?！?/p>
有人說(shuō)這是套殼 AI，可 Monica 的理念，就是將 AI 前沿技術(shù)，找到應(yīng)用層的落地方式，實(shí)現(xiàn) AI 的真正落地。極致的套殼，同樣也是牛?！在這樣的理念下，這支團(tuán)隊(duì)，又搓出了 Manus。
我們很欣喜地看到，Manus 的出現(xiàn)，是讓普通人也用好 AI 的又一個(gè)大進(jìn)步?！?/p>
我下午看到，有不少人對(duì)于 Manus 的指責(zé)，指責(zé) Manus 在宣傳和推廣方面的積極，認(rèn)為 Manus 所謂的超強(qiáng)能力，是在營(yíng)銷，想要成為下一個(gè) DeepSeek?！?/p>
但事實(shí)上，Manus 和 DeepSeek 本身就是兩個(gè)不同的產(chǎn)品，一個(gè)專注于更好的落地應(yīng)用，一個(gè)專注于基礎(chǔ)模型的技術(shù)突破，這都很有價(jià)值。我想起在我在幾年前寫過(guò)的一句話：
科學(xué)普及與科技創(chuàng)新同等重要?！?/p>
這只是一個(gè)理念，只是一個(gè)起點(diǎn)，保持謙遜，多往前看?！?/p>
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論