Manus的出現(xiàn)如同一顆炸彈，瞬間炸醒了整個(gè)AI圈。這款能夠自主操控電腦、拆解任務(wù)并自動(dòng)執(zhí)行的Agent，不僅展示了AI在實(shí)際落地和應(yīng)用場景拓展方面的巨大潛力，也引發(fā)了關(guān)于AI未來發(fā)展的諸多思考。本文從Manus的技術(shù)特點(diǎn)出發(fā)，深入分析了其背后的工作邏輯，并對未來AI落地的趨勢做出了三個(gè)重要預(yù)判，供大家參考。

Manus 一夜刷屏，我的朋友圈都在瘋傳這款能自主操控電腦的 Agent。它不僅能夠幫助用戶回答問題，甚至可以根據(jù)用戶的問題，來拆解任務(wù)，制定解決問題的規(guī)劃，并自動(dòng)執(zhí)行。

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)用場景和適用人群方面的創(chuàng)造。

業(yè)內(nèi)普遍認(rèn)為，對答式的聊天機(jī)器人，最多能夠提供一些簡單的工作幫助，執(zhí)行復(fù)雜工作，最終還是需要通過搭建 AI Agent 的工作流。

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 來完成，于是，每一個(gè)用戶，通過簡單的自然語言對答，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，以及其對應(yīng)著的趨勢。所以這篇文章，我們就基于 Manus，對 AI 產(chǎn)品和 AI 落地，進(jìn)行深度分析和預(yù)判。

Agent 進(jìn)入第三階段，生產(chǎn)力變革即將到來

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，最終做出來的效果，肯定不會差。

比如讓 Manus 整理一份 OpenAI 的組織架構(gòu)圖，它不會直接去貿(mào)然干這個(gè)事兒，而是會先進(jìn)行一個(gè)任務(wù)拆解，來明確，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。

這個(gè)“直接可用”太重要了，如果過去真的深度使用過 AI，都知道，之前的聊天式 AI，看起來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，通過完成工作流的拆解，解決具體實(shí)際的問題。

Agent 中文名叫做 AI 代理或者智能體，說白了就是一個(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。

如果只是在 AI 對話框中進(jìn)行簡單的對話，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)。

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)營包含著多種不同的工種環(huán)節(jié)，很難通過一句話，就完成一個(gè)復(fù)合度相對較高的工作。

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：

• 學(xué)習(xí)公司業(yè)務(wù)的知識庫，了解公司的業(yè)務(wù)情況和過往內(nèi)容
• 通過可聯(lián)網(wǎng)的大模型，收集與業(yè)務(wù)相關(guān)的今日熱點(diǎn)新聞
• 通過大模型分析有哪些可以和業(yè)務(wù)結(jié)合的選題
• AI 為選題生成文案
• 通過大模型為文案的配圖，創(chuàng)作一個(gè)生圖的 Prompt
• 調(diào)用文生圖的大模型，使用 Prompt，生成配圖
• 將文案和圖片手動(dòng)發(fā)布至小紅書
• 通過發(fā)布的筆記鏈接，抓取點(diǎn)贊收藏評論數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析

在每個(gè)環(huán)節(jié)，AI 都只解決一個(gè)具體的問題，然后把許多個(gè) AI 的工作串起來，成為 AI 工作流。

所以，對話聊天的 AI，最多只是提供些靈感，真正要解決生產(chǎn)力的問題，就必須得靠融合了 SOP 的 AI Agent。

這也是我一貫的觀點(diǎn)，協(xié)作體系是人類社會改變生產(chǎn)力的利器，AI 只有通過工作流，才能夠完美融入人類的生產(chǎn)關(guān)系中。

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 這樣的對答式機(jī)器人，通過一問一答的方式，逐一解決問題。這個(gè)過程中，人類依然是主導(dǎo)，能否把 AI 用好，取決于提問人的水平，只有思路非常清晰、結(jié)構(gòu)化能力非常強(qiáng)的提問人，才能讓 AI 解決實(shí)際問題。

第二個(gè)階段，通過“扣子”這樣的智能體平臺，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 AI 問答，解決實(shí)際問題，那我們就把能解決問題的步驟，固定下來，讓 AI 每次都按照驗(yàn)證過的步驟逐一執(zhí)行，并且集成多種不同能力的 AI，讓 AI 只在自己最擅長的環(huán)節(jié)做事，這樣一來，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。

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，用戶又回到了簡單的問答模式。但問題簡單，AI 執(zhí)行的過程并不簡單，通用 Agent 能夠按照工作流的方式，高質(zhì)量完成問題，讓產(chǎn)出結(jié)果，達(dá)到可用狀態(tài)。

如果說過去 AI 大模型的火爆，大多數(shù)人只能湊個(gè)熱鬧的話，毫無疑問，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)際問題。只有解決實(shí)際問題，AI 對于生產(chǎn)力和生產(chǎn)關(guān)系的變革，才會真正來臨。

分發(fā) AI 的 AI，將成為 AGI 的入口

在 Manus 開發(fā)團(tuán)隊(duì)的介紹中，Manus 被稱為“多智能體系統(tǒng)”。

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。

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，都有自己所擅長的領(lǐng)域，比如 Claude 極為擅長編碼、DeepSeek 的推理模型對于中文的控制很強(qiáng)、豆包大模型對于語音識別獨(dú)步世界、可靈的視頻模型非常領(lǐng)先。

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，讓他們只做自己擅長的工作？這便是“多智能體”思路的來源。

事實(shí)上，在之前的探索和嘗試中，就有過這樣的先例。

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 萬張顯卡訓(xùn)練的 Gork3，就也才剛達(dá)到這個(gè)水平。

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，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，通過一個(gè)超強(qiáng)的分類系統(tǒng)，集合擅長不同領(lǐng)域的大模型，一起處理，最大限度解決用戶的實(shí)際問題。

AGI 的未來，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 來完成所有工作，無異于指望一個(gè)員工就撐起整個(gè)公司。

在這場變革中，中國將站在世界中心

這不是營銷號那種無腦亂吹，而是邏輯推理后的判斷。

邏輯是兩個(gè)：

1.中國有無窮多的應(yīng)用場景和商業(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)造越來越強(qiáng)的 AI。

2.幾十年辛苦播種，今朝終于開花結(jié)果。國民基礎(chǔ)教育，縱觀歷史幾千年，從未有過現(xiàn)在的高度和深度。而 AI 的根本，依然是人才，經(jīng)過幾十年的基礎(chǔ)教育，中國的人才密度，已經(jīng)超越世界上大多數(shù)國家，完全能和美國掰一掰手腕。

很多事情，都是量變引發(fā)質(zhì)變的結(jié)果。

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，完全替代了過去規(guī)則算法和知識圖譜的 AI 路線。

中國嘩然，大洋彼岸的美國，在 AI 軍備競賽上，居然領(lǐng)先這么多。當(dāng)時(shí)，大多數(shù)人對于中國的 AI 發(fā)展持悲觀態(tài)度，算力顯卡、技術(shù)封鎖，中國 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 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，同樣來源于中國。

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「壹伴助手」和「微伴助手」。

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。

有人說這是套殼 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。

我下午看到，有不少人對于 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，是在營銷，想要成為下一個(gè) DeepSeek。

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的一句話：

科學(xué)普及與科技創(chuàng)新同等重要?！?/strong>