「Agent代理人」将是AI竞赛新的破局者？
号称“全球首款真正意义上的通用AI Agent”的国产产品Manus风头十足，刷屏海内外社媒。Manus的名字来源于拉丁语Mens et Manus，意为“mind and hand”，即手脑并用，这也是麻省理工学院的校训。
值得注意的是，Manus在权威的GAIA（General AI Assistants，通用AI助手）基准测试中创下了新纪录，全部难度级别中的评分都超越了OpenAI的DeepResearch。Manus的出现标志着人机协作进入了一个新的范式，它可能是通向通用人工智能（AGI）的一个重要窗口。由于产品处于内测阶段，仅以邀请码形式开放使用，Manus急剧进入一个供不应求的状态。
经过2023年的百模大战，2024年的应用之争，行业淘汰赛加剧，2025年对于初创企业而言，落地路线的选择至关重要。Manus不仅仅是一个只会聊天的对话式AI工具，它是一个多模型、多智能体产品，拥有“独立思考”能力，能够对复杂的通用任务进行多步骤拆解并执行。只需要告诉它最终目标，Manus就可以灵活调用各类工具，自主执行浏览网页、操作网页应用、编写并执行代码等操作来实现。
「Agent代理人」有多强？
业内常规产品中，通行的逻辑是在平台内整合全球供应链企业信息，来帮助用户完成供货商/需求方匹配这件事。但在Manus的案例中，你能看到完全不同的实现方式。Manus与传统AI助手最大的不同在于自主规划与执行能力，从“被动响应”向“主动执行”的跨越，其核心架构通过多模型协作将复杂任务拆解为子目标，并调用外部工具逐步完成。例如，用户只需输入“分析特斯拉股票并制作PPT”，Manus会自动完成数据搜集、分析、图表生成及PPT排版，全程无需人工干预。类似任务如简历筛选、房产推荐等，Manus均能通过虚拟机技术分解步骤，模拟人类工作流。
打开Manus界面，有四部分构成，分别是浏览器、搜索、编辑器和终端，是把各类功能组合封装好的一款产品。具体来看，第一步跟ChatGPT一样有对话界面，用户需要提出具体的诉求，之后操作界面被划分为了两部分，左面是对话界面，右面是终端。当开始执行任务后，左面开始识别意图、制定执行步骤以及开始搜索、调用所需的各类工具，右面的终端相当于一个虚拟机，可以同步执行文件处理、代码生成、搜索浏览器等工作。
里面有一个小插曲，据说，Manus团队一开始的方向是AI浏览器。在偶然看到Arc被放弃后，他们才决定了终止AI浏览器的研发工作。现在在使用过程中，也能看到浏览器的痕迹。
Manus目前采用「Multiple Agent」架构，运行在独立的虚拟机中。通过规划型Agent负责任务拆解、执行型Agent调用具体工具、监控验证Agent跟踪任务进度和debug等多层代理分工协作机制，来大幅提升对复杂任务的处理效率，并通过并行计算缩短响应时间。此外，Manus还具备记忆能力，能够在执行类似任务时不断优化和提升自己的工作效率：例如若用户习惯以Excel接收结果，后续任务会自动优先生成表格。整个过程在云端异步完成，这意味着用户可以随时关闭电脑，等待结果生产。
在这个架构中，每个代理可能基于独立的语言模型或强化学习模型，彼此通过API或消息队列通信。同时每个任务也都在沙盒中运行，避免干扰其他任务。专用RL小模型负责系统中最关键的决策环节：意图识别、任务规划和工具调用。整个工作流程设计以一份todo.md文件为核心，它兼顾记忆和指挥，解决了AI Agent长期面临的上下文管理难题，并且能够保持执行反馈与todo.md之间的动态联系。
使用Manus过程中，用户能感受到的体验感更多是跨App操作能力及其可视化过程带来的，而输出结果的可用性完全有赖于基础模型的能力。最近几个月的一系列推理模型比如GPT o3、DeepSeek R1、QWQ、Claude 3.7 Sonnet等的发布甚至开源，一定程度上提升了路径规划能力、深度研究能力和代码写作的准确率，为更具生产力的agent提供了可能。
Manus的火爆加速了开源社区的创新进程，MetaGPT等团队迅速推出OpenManus、OWL等开源项目，通过复现核心架构推动Agent技术普惠化。开源社区的活跃表明，行业竞争壁垒正从单一模型性能转向工程化能力，包括工具链封装效率、场景适配性及用户体验优化。不过，实际应用仍需解决模型幻觉、响应速度等体验问题，这将是下一阶段技术演进的重点。
Manus存在的争议
在Manus的解释理虚拟机中的计算机应用并不多，主要体现在模拟用户点击、浏览和切换工具使用，意义不是十分大。因此Zengyi Qin（MIT博士）认为它在本质上还是一个预先设定的“workflow”，在无边界操作系统级环境（open-ended OS Level environment）中并未取得突破。官网上介绍的智能研究、高级数据分析、任务自动化三大功能其实也就是Manus的极限了。
Manus真正的杀手锏是它模拟人类方式工作方式的能力，它并没有做到哪些人类当前真正无法做到的事，这也就是为什么一些已经体验过的用户，形容Manus为“一个实习生”。而Manus团队本身并不自研大模型，而是基于业内大模型开发“套壳”产品，这也是Manus被不少AI业内人士认为不具备“护城河”、以及在技术层面并没有太多新东西的原因之一。
需要指出的是，根据参加过沟通会的行业人士表述，Manus并不讳言自己是一个“套壳”产品，其价值在于工程化创新 —— 通过逆向工程实现任务拆解逻辑的标准化，降低开发门槛，为行业提供了可复用的技术框架。这种将底层模型与工具调用深度集成的模式，或将成为Agent产品的通用范式。
一场产品经理式的成功
在Manus获得如此热度之后，就如同好奇DeepSeek团队成员一样，外界也开始关心这家应用层公司团队的来历。Manus团队主要成员包括创始人肖弘、产品合伙人张涛和首席科学家季逸超。其中，张涛曾在字节跳动负责国际化产品，随后在光年之外担任产品负责人，与肖弘、季逸超共同成立Manus AI并担任合伙人后，目前负责产品战略、市场沟通及用户体验优化，主导构建了Manus的多代理架构设计，提出“用户体验应从答案交付转向成果交付”的产品理念。
一个很明确的事实是，Manus诞生的必要前提是基座模型的性能提升，但这是过去两年来整个行业有目共睹的趋势，为什么率先让Agent获得注意力的会是Manus？从传播路径上来看，Manus与DeepSeek-R1一样，爆火是因为成功打出了用户体验上的低门槛和时间差。DeepResearch只有200美元/月的ChatGPT Pro用户才能够使用，因而Manus更容易在体验上形成冲击。
这是一场产品经理式的成功，考验的是产品设计能力和产品实现技能。这种能力，是Manus团队所擅长的，也是曾被市场所低估的。
Manus控股公司蝴蝶效应（Butterfly Effect Hong kong）成立于2023年，境内企业名为北京红色蝴蝶科技有限公司，还在武汉设有分公司。在Manus之前，主要有两款产品：2023年初推出号称All-in-One的AI助手浏览器插件Monica，接入了ChatGPT等工具的API，可为用户提供搜索、阅读、写作、翻译、创作等多种任务的协助，截至2024年年底，主打海外市场的Monica已经拥有了超过1000万的用户；另一款则是2023年收购而来的另一款插件ChatGPT for Google。
现在的Manus距离正式版想交付给大家的体验还差很远，像模型幻觉、交付物友好度、运行速度等方面都还有很大的提升空间。未来，Manus或将基于AHPU（Agentic Hours Per User）这一新指标打造出独属于AI的商业模式，即衡量用户委托AI完成任务的时间效率，目标是通过并行任务提升生产力，否则很难完成规模化。目前，Manus通过KV cache优化、推理时延压缩、执行流程精简等手段，实现了单次任务消耗控制在两美元左右的成本。但是，单次任务的成本可能只是一个平均数或中位数，许多动辄两小时的任务生成，其消耗成本应该不止于此。
AI的下一个关键阶段
2025年是AI Agent爆发的元年已经成为行业共识。根据麦肯锡等多份权威报告，在多元化需求驱动下，AI Agent市场呈爆发式增长态势，2024年全球AI Agent市场规模约为51亿美元，预计2030年将飙升至471亿美元，复合年增长率高达44.8%。
与GPT等对话式AI不同，AI Agent能像人类助手般独立规划任务、调用工具并交付成果。如果说大模型让AI长出了“脑”，那AI Agent就是让AI长出了“手和脚”。借用OpenAI前应用研究主管Lilian Weng的经典定义，一个合格的Agent需要三大核心能力：Planning（规划）、Tool use（工具使用）、Memory（记忆）。
AI Agent的热潮并非偶然，而是技术演进的必然产物。早在2024年红杉AI峰会上，吴恩达教授便预言“AI Agent是AI发展的下一个关键阶段”。实际上，市场对AI Agent更早的感知来自于OpenAI和Anthropic。
· 2024年10月，由OpenAI前研究副总裁达里奥·阿莫迪、大语言模型GPT-3论文的第一作者汤姆·布朗等人共同创立的企业Anthropic，推出了基于Claude模型的扩展功能Computer Use，用户能够像指挥人类一样指导Claude操作电脑，包括移动光标、点击按钮和输入文本。在国内，智谱是最早探索Agent的初创企业，同期推出自主智能体AutoGLM。
· 2025年1月，OpenAI推出基于Computer-Using Agent模型的了首款AI智能体Operator，可以根据用户指令，在云端执行任务，如订餐、制定计划、购物等。具体来说，CUA将GPT-4o的视觉能力与强化学习的高级推理能力相结合，经过训练可以与图形用户界面（GUI）交互，就像人类使用鼠标和键盘操作一样。如果遇到问题，Operator可以利用其推理能力自我纠正，遇到故障卡顿、需要帮助时，它会将控制权还给用户，就像自动驾驶一样。
可以预判的是，AI Agent是大模型公司不会错过的产品方向，凭借算力、数据等优势，大厂基本都是在模型端、应用端、智能体开发平台协同三个领域闭环发展，倾向于以MaaS（模型即服务）形式将Agent嵌入现有应用生态。大厂们的思路在于，利用AI智能体赋能业务，完善AI应用生态，提高业务及自身在AI时代的竞争力。垂类企业则聚焦行业Know-how，开发场景化解决方案：例如，工业软件厂商可基于Agent优化生产流程，而网络安全企业可增强威胁响应能力。
大厂现在几乎人手一个AI应用，有自研大模型，同时接入了DeepSeek-R1推理模型，RAG、联网搜索更是现成的，原地改造或者再造一个Manus几乎不是问题。而AI初创企业布局智能体的思路在于，推出更多可场景化的落地方案，寻找商业变现的路径。随着技术的不断发展和市场的逐渐成熟，AI Agent领域的竞争将愈发激烈，各企业的产品也将不断迭代升级，以满足用户日益增长的需求。
进入2025年，从Operator到Manus，从大厂到独角兽的竞相加速，一场围绕AI Agent的竞逐赛悄然拉开帷幕。就像比尔·盖茨曾说的，“谁能主宰AI Agent，那才是大事，因为你将永远不用去搜索网站或者亚马逊”。Manus的爆火出圈，反映的是大众对于以Manus为代表的这一类AI Agent产品的期待，抛开“套壳”带来的争议，当智能体的价值被更多人看到，智能体时代有望加速到来。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
