免费看在线a黄视频|99爽99操日韩毛片儿|91停婷在线无码观看|日韩三级片小视频|一级黄片免费播放|欧美成人视频网站导航|亚洲日韩欧美七区|国产视频在线观看91|人成视频免费在线播放|国产精品成人在线免费观看

文 | 大模型之家

當(dāng)Meta試圖通過(guò)收購(gòu)，把一家中國(guó)背景的AI團(tuán)隊(duì)納入核心體系時(shí)，這已經(jīng)不是一筆單純的并購(gòu)，而是一種戰(zhàn)略選擇。

近日，據(jù)金融時(shí)報(bào)報(bào)道，Meta對(duì)人工智能平臺(tái)Manus的收購(gòu)交易正面臨相關(guān)部門(mén)的合規(guī)審查。據(jù)知情人士透露，相關(guān)審查聚焦于Manus團(tuán)隊(duì)及其技術(shù)從中國(guó)轉(zhuǎn)移至新加坡，其過(guò)程是否涉及敏感技術(shù)轉(zhuǎn)移及是否符合國(guó)家安全要求。

盡管審查仍處早期階段，但若認(rèn)定存在違規(guī)風(fēng)險(xiǎn)，相關(guān)部門(mén)或采取限制措施或要求調(diào)整交易條款。

當(dāng)把時(shí)間撥回2025年末，彼時(shí)Meta宣布完成對(duì)AI初創(chuàng)公司Manus的收購(gòu),交易對(duì)價(jià)超過(guò)20億美元(約合人民幣140億元)，成為Meta史上第三大并購(gòu)案。

在Meta持續(xù)加碼Llama、不斷擴(kuò)張算力投入的背景下，這樣一支以Agent工程見(jiàn)長(zhǎng)的中國(guó)背景團(tuán)隊(duì)進(jìn)入核心體系，引發(fā)了行業(yè)的猜測(cè)：這到底是一種怎樣的能力？為什么不是通過(guò)內(nèi)部孵化完成？

雖然審查讓Manus的收購(gòu)案充滿了不確定性，但在如今硅谷如今對(duì)于華人AI人才與團(tuán)隊(duì)的青睞，隱隱顯現(xiàn)出近幾年硅谷AI商業(yè)化進(jìn)程，正深陷于結(jié)構(gòu)性困境中。

01 當(dāng)Scaling Law不再回答所有問(wèn)題，需求開(kāi)始反向塑造能力

過(guò)去幾年，硅谷AI的發(fā)展路徑高度一致，幾乎所有頭部公司都圍繞Scaling Law（尺度法則）展開(kāi)競(jìng)爭(zhēng)。模型參數(shù)越來(lái)越大，訓(xùn)練成本越來(lái)越高，算力消耗以指數(shù)級(jí)增長(zhǎng)。這套邏輯在“模型能力快速提升”的階段，幾乎沒(méi)有遇到真正的挑戰(zhàn)。

然而，在大模型逐漸進(jìn)入商業(yè)落地階段后，行業(yè)發(fā)現(xiàn)：模型能力的提升，并不會(huì)自動(dòng)轉(zhuǎn)化為穩(wěn)定、可交付的產(chǎn)品能力。在實(shí)驗(yàn)室環(huán)境中表現(xiàn)出色的模型，進(jìn)入真實(shí)業(yè)務(wù)場(chǎng)景后，往往會(huì)暴露出穩(wěn)定性不足、流程不可控、失敗成本過(guò)高等一系列問(wèn)題。

因此，近兩年來(lái)，硅谷大廠的并購(gòu)和人才流動(dòng)，正在明顯從“模型研究”轉(zhuǎn)向“工程執(zhí)行”。

這一點(diǎn)在行業(yè)中并不鮮見(jiàn)。OpenAI在推出Plugins、Function Calling以及后續(xù)的工具調(diào)用體系時(shí)，本質(zhì)上也是在補(bǔ)齊模型到應(yīng)用之間的斷層。Anthropic在Claude體系中持續(xù)強(qiáng)化Tool Use，同樣是出于對(duì)復(fù)雜任務(wù)可控性的考慮。

Meta自身也面臨類似問(wèn)題。Llama在開(kāi)源社區(qū)的表現(xiàn)毋庸置疑，但當(dāng)模型被嵌入真實(shí)產(chǎn)品時(shí)，如何處理長(zhǎng)流程任務(wù)、如何避免中途失敗、如何在不確定性中收斂結(jié)果，仍然高度依賴工程系統(tǒng)。

在很多外界人看來(lái)，Meta“似乎”并不缺模型。Llama系列已經(jīng)在開(kāi)源社區(qū)中反復(fù)證明了其性能和可擴(kuò)展性；Meta也不缺算力，其長(zhǎng)期資本投入和基礎(chǔ)設(shè)施建設(shè)，決定了它在算力層面始終處于全球第一梯隊(duì)。真正的短板在于：如何把這些能力組織成一個(gè)可以反復(fù)執(zhí)行、持續(xù)交付結(jié)果的系統(tǒng)。

但事實(shí)真的是這樣嗎？

在所有結(jié)構(gòu)性問(wèn)題之上，Meta自身的AI戰(zhàn)略失序，也是一個(gè)無(wú)法回避的現(xiàn)實(shí)背景。

02 豪擲20億美元，Meta AI戰(zhàn)略被迫轉(zhuǎn)向

從公開(kāi)時(shí)間線看，收購(gòu)Manus并不是Meta在AI領(lǐng)域的首次重押。2025年6月，扎克伯格曾以約143億美元的價(jià)格收購(gòu)ScaleAI，并在此基礎(chǔ)上組建所謂的“超級(jí)智能實(shí)驗(yàn)室”，試圖以算力、數(shù)據(jù)與頂級(jí)人才的集中投入，快速拉平與OpenAI的差距。

但這一激進(jìn)策略很快暴露出內(nèi)部結(jié)構(gòu)性問(wèn)題。根據(jù)多方披露，AI部門(mén)內(nèi)部圍繞算力分配形成了事實(shí)上的派系分化：ScaleAI團(tuán)隊(duì)、原FAIR體系、以及后續(xù)引入的外部研究力量之間，長(zhǎng)期處于資源競(jìng)爭(zhēng)狀態(tài)。算力優(yōu)先級(jí)、項(xiàng)目話語(yǔ)權(quán)與研究方向選擇，頻繁引發(fā)內(nèi)耗。

隨著2025年末矛盾集中爆發(fā)，包括楊立昆（Yann LeCun）在內(nèi)的多位核心研究人員相繼離開(kāi)或被邊緣化，LLaMA論文作者中超過(guò)半數(shù)離職，F(xiàn)AIR實(shí)驗(yàn)室事實(shí)上被拆解重組。內(nèi)部統(tǒng)計(jì)顯示，2025年MetaAI相關(guān)團(tuán)隊(duì)員工保留率僅約64%，成為同期硅谷人才流失最嚴(yán)重的大型科技公司之一。

與此同時(shí)，戰(zhàn)略層面的搖擺同樣明顯。Meta一方面放棄代號(hào)為“Behemoth”的前沿模型方向，另一方面又選擇從頭啟動(dòng)閉源模型項(xiàng)目“Avocado”，原本服務(wù)于通用人工智能的基礎(chǔ)研究團(tuán)隊(duì)被解散，近一半資源被重新分配給目標(biāo)尚不清晰的新實(shí)驗(yàn)室。

模型研究尚未形成決定性突破，組織成本卻急劇上升。2025年Meta的資本開(kāi)支達(dá)到約720億美元，相當(dāng)于其上一年度凈利潤(rùn)的1.2倍，但AI業(yè)務(wù)的商業(yè)化路徑仍未清晰。

因此，20億美元收購(gòu)Manus，很難被視為一次“順周期”的能力補(bǔ)強(qiáng)。而是當(dāng)基礎(chǔ)模型路線短期內(nèi)難以自證成功，Meta需要一個(gè)可以快速指向應(yīng)用層、工程層和可交付結(jié)果的錨點(diǎn)。

也正是在這個(gè)層面，Manus找到了自己的位置。它并不是在與Meta爭(zhēng)奪“更聰明的模型”，而是在解決一個(gè)更具體、也更難規(guī)?；膯?wèn)題：如何讓通用模型真正“干活”。

對(duì)于Meta而言，這一選擇與其說(shuō)是對(duì)某種技術(shù)路線的篤信，不如說(shuō)是一種止損式轉(zhuǎn)向——從難以被短期驗(yàn)證的基礎(chǔ)研究，回撤到更容易被組織和市場(chǎng)評(píng)估的執(zhí)行體系。

03 Agent 的分水嶺，不在概念，而在工程化深度

從學(xué)術(shù)和概念層面看，AI智能體概念的提出，中國(guó)與硅谷在學(xué)術(shù)層面的的進(jìn)入并沒(méi)有明顯的“時(shí)間差”，而關(guān)于多智能體協(xié)作、工具調(diào)用，還是長(zhǎng)鏈路推理的系統(tǒng)性討論，硅谷研究機(jī)構(gòu)和學(xué)術(shù)界甚至還要略早于國(guó)內(nèi)。

然而，中國(guó)企業(yè)與硅谷企業(yè)在AI智能體領(lǐng)域真正迎來(lái)分水嶺，并不是現(xiàn)在概念階段，而是在工程落地階段。

在硅谷，智能體很長(zhǎng)一段時(shí)間被視為一種“能力展示”：它可以完成多輪對(duì)話，可以調(diào)用不同工具，可以生成復(fù)雜的推理路徑。這些能力在演示層面極具吸引力，但在真實(shí)業(yè)務(wù)中，往往面臨一個(gè)共同的問(wèn)題——不穩(wěn)定。

而在中國(guó)團(tuán)隊(duì)的實(shí)踐中，智能體從一開(kāi)始就被當(dāng)作一種工程系統(tǒng)來(lái)設(shè)計(jì)，其目標(biāo)非常明確：在復(fù)雜、不確定的現(xiàn)實(shí)環(huán)境中，盡可能穩(wěn)定地完成任務(wù)。

Manus在智能體工作流上的實(shí)踐，體現(xiàn)的正是這種高度工程化的思路。復(fù)雜任務(wù)被拆解為多個(gè)可驗(yàn)證的子步驟，每一個(gè)步驟都被假設(shè)為可能失敗，并提前設(shè)計(jì)了對(duì)應(yīng)的處理機(jī)制。這種設(shè)計(jì)并非為了展示“更強(qiáng)的智能”，而是為了提高整體系統(tǒng)的成功率。

這種差異并不是技術(shù)路線的高下之分，而是環(huán)境塑造的結(jié)果。在AI應(yīng)用日新月異的中國(guó)市場(chǎng)，AI產(chǎn)品往往更需要在極短時(shí)間內(nèi)證明價(jià)值，否則就會(huì)被迅速淘汰。在這種“生存壓力”下，開(kāi)發(fā)者Agent不僅停留于前沿概念，更是需要充當(dāng)解決現(xiàn)實(shí)問(wèn)題的工具，以向行業(yè)客戶與投資人展示價(jià)值。

中國(guó)AI創(chuàng)新的優(yōu)勢(shì)，正在模型之外顯現(xiàn)  

在英偉達(dá)最先進(jìn)架構(gòu)GPU受限的背景下，中國(guó)的AI團(tuán)隊(duì)很難沿著“無(wú)限堆算力”的路徑前進(jìn)。

這種逆境下的成長(zhǎng)，反而在很大程度上塑造了中國(guó)AI團(tuán)隊(duì)的工程方法論：如何在推理階段減少無(wú)效消耗，如何讓模型使用更少的Tokens完成復(fù)雜任務(wù)，都成為開(kāi)發(fā)者必須面對(duì)的問(wèn)題。

這迫使團(tuán)隊(duì)在任務(wù)拆解、邏輯控制和結(jié)果驗(yàn)證上投入更多精力。復(fù)雜問(wèn)題被拆分為多個(gè)小規(guī)模、低風(fēng)險(xiǎn)的子任務(wù)，每個(gè)子任務(wù)都有清晰的輸入、輸出和驗(yàn)證標(biāo)準(zhǔn)。這種設(shè)計(jì)方式，看似“保守”，卻極大提高了系統(tǒng)的可控性。

在長(zhǎng)期算力約束的環(huán)境中，中國(guó)AI企業(yè)反而在工程化路徑上積累了獨(dú)特優(yōu)勢(shì)。這種優(yōu)勢(shì)可以歸結(jié)為三點(diǎn)：對(duì)復(fù)雜業(yè)務(wù)場(chǎng)景的理解能力、對(duì)工程確定性的高度重視，以及對(duì)資源約束的系統(tǒng)性適應(yīng)。

這也解釋了為什么Manus并非計(jì)劃以“高級(jí)外包團(tuán)隊(duì)”身份進(jìn)入Meta。傳統(tǒng)意義上的外包，輸出的是標(biāo)準(zhǔn)化、可替代的勞動(dòng)；而Manus輸出的，是一套可復(fù)用的Agent架構(gòu)思路，以及圍繞真實(shí)場(chǎng)景打磨出的工程經(jīng)驗(yàn)。

在底座模型逐漸商品化的趨勢(shì)下，真正具備長(zhǎng)期價(jià)值的，不再是單一模型能力，而是連接模型與真實(shí)世界的中間層系統(tǒng)。這一層，恰恰是中國(guó)AI企業(yè)最有機(jī)會(huì)建立優(yōu)勢(shì)的地方。

Meta選擇“閃電收購(gòu)”Manus，它更像是一次清晰的驗(yàn)證：在全球AI競(jìng)爭(zhēng)中，中國(guó)AI企業(yè)完全可以繞開(kāi)最昂貴的戰(zhàn)場(chǎng)，在工程系統(tǒng)和應(yīng)用層建立不可替代性。

當(dāng)算力和模型逐漸成為基礎(chǔ)設(shè)施，真正決定競(jìng)爭(zhēng)力的，不是誰(shuí)擁有最多資源，而是誰(shuí)能把這些資源組織成穩(wěn)定、可擴(kuò)展、可落地的系統(tǒng)。中國(guó)在這場(chǎng)全球的AI發(fā)展中充分利用好自身的獨(dú)到優(yōu)勢(shì)，或?qū)⒊蔀樵诟?jìng)爭(zhēng)中掌握主動(dòng)的關(guān)鍵變量。