2025-03-06 Manus.2025，AI Agent即将引爆
Refer To：《对话“Manus”两位创始人：2025，AI Agent即将引爆》。
DeepSeek 之后，又一个科技圈的不眠之夜。
3 月 6 日凌晨，Monica.im研发的全球首款AI Agent 产品“Manus”正式面世，引起全球范围内的行业关注，邀请码被一抢而空。
“Manus”成了AI圈今天所有人的话题！
“Manus”能够解决各类复杂多变的任务。与传统 AI 助手不同，Manus 不仅能提供建议或答案，还能直接交付完整的任务成果。
Agent真的能帮人类做事了。
它不仅整合旅行信息，还为用户创建定制旅行手册；它可以进行深入的股票分析，对股票进行全面的洞察；它可以为中学教师创建视频演示材料，帮助教师更有效地教学；它可以帮你筛选简历，整理表格对候选人进行评估……
用一句话来总结就是，“Manus”是你在数字世界中，字面意义上的“代理人”。
在两周之前，混沌邀请了
Monica.im产品合伙人张涛“Manus”首席科学家，原Magi创始人&真格基金EIR季逸超混沌创新领教、云九资本合伙人任鑫混沌创新领教、洪泰基金董事总经理潘杨
一同参加混沌圆桌探索流，深聊了《创新范式转移，AI革命下，创业何去何从？》。
这次圆桌探索流有两位“Manus”背后的创业者参与，有助于我们深入了解这家公司的底层逻辑。
潘杨：关于AI“抢”人类的“饭碗”怎么看？
张涛：我们预测今年将是人类历史上AI产出代码首次超过人类工程师的一年。在我们公司，目前约40%的代码由AI生成。然而，我们的工程师并不担心失业。他们不仅不担心，反而越来越得心应手。原因在于寻找问题和需求的能力变得前所未有的重要。
如果过去你的工作是被动接受任务、解决问题，那么在未来可能会面临挑战。但如果你的工作本就是主动寻找问题、解决问题，只是现在借助AI将解决问题的时间从8小时缩短到8分钟，那么你的能力就会被放大。任何技术变革都会带来短期的冲击，但从长远来看，生产力会得到提升。就像纺织机的出现。
在这个时代，你应该思考自己是否是那个能够发现问题、解决问题的人。如果是，AI将成为你的放大器。所以，你需要锻炼这种能力。观察组织中谁在发现问题、解决问题，如果自己目前不具备这种能力，更要主动学习。因为未来重复性工作可能会被取代，没有人能靠躺平被时代带着走。
潘杨：怎样控制一个AI创业项目的试错成本？
季逸超：很多人觉得AI创业成本高，是因为一开始就没从小目标做起。其实，现在很多热门的AI产品，最早都只是个人开发者的小项目。就像我十几年前刚开始做iOS独立开发者的时候，也没想着一开始就拿融资，高举高打。我只是先找到自己真正想用的东西，先做出一个初步的产品，验证它到底有没有市场。等验证成功了，再考虑扩大投入。所以，创业其实没有所谓的“高试错成本”。无论是十年前的互联网创业，还是现在的AI创业，都是个人开发者的好机会。
潘杨：基于大模型的创业怎么构建核心壁垒？
张涛：我有个很深的感触。对于非技术从业者而言，他们在面对新技术时反而可能有独特的优势。我们技术从业者很容易陷入技术原理和技术层面的细节，而忽略了技术的本质价值——到底能解决什么问题。而正是因为非技术从业者不懂底层原理，反而会跳过这些细节，把新技术当作黑盒看待，直接关注它的实际输出和表现能力，从而思考它能为行业带来什么价值。这种从需求出发的思维方式，反而更容易发挥想象力，挖掘出技术的真正用途。
我发现AI正在变成像电和水一样的通用商品，这种趋势是必然的，而且已经成为现实。它的普及使得技术优势不再局限于少数机构或企业手中，而是向全社会开放。事实上，大多数创业公司失败并非因为缺乏技术或产品开发能力，而是因为没有找到真正可规模化复制的市场需求。就像电和水是家家都有的基础设施，但为什么不是每一家奶茶店都能成为霸王茶姬或蜜雪冰城呢？这些成功品牌的背后，有很多共通的商业逻辑值得研究。
补充一点，还是全世界打通的资源。
潘杨：如果大家技术都差不多，技术不再是核心壁垒，那壁垒到底在哪里？
季逸超：创业时我们常犯的一个根本性错误，就是对壁垒的判断对不对。我自己也反复思考过这个问题，最后发现其实就是山姆·奥特曼说的话的道理：当OpenAI或者别的公司发布新模型时，你是开心还是紧张？如果你开心，说明你在做自己的事，不受影响；如果你紧张，那可能就不该做这件事。
其实，过去一年里很多不太成功的尝试，都是因为大家在现有模型能力的基础上，试图去弥补它的不足，这是不对的。我们要相信AI能力会不断进步，你的应用应该和模型能力是独立的。也就是说，模型能力提升时，你的应用能在另一个维度上持续投入，并从中受益。不要因为现有模型的不足，就去优化它，这是典型的“过早优化”，也是AI创业中最大的误区。
非常好的视角。
任鑫：核心壁垒并非凭空存在，而是在发展过程中逐渐形成。就像水电煤气一样，其渗透过程是不均匀的。比如倒水时，水面会均匀上升；但如果倒的是粘稠的蜂蜜，它会先堆成一团，然后慢慢平铺开。在这个缓慢渗透的过程中，企业可以抓住红利。以ChatGPT为例，虽然人人都能用，但它的渗透需要时间。Monica通过套壳ChatGPT并添加模板（如翻译功能），让那些处于渗透边缘的用户先尝到甜头，这就是抓住了红利。虽然ChatGPT创造了市场势能，但Monica通过这种方式获得了用户基础。Monica积累了一定用户后，其壁垒逐渐形成。比如，假设我有一个创意，可以让浏览器一键切换到护眼模式，即使这是个好点子，当我试图推广时，Monica可能已经有1000万用户。他们要么直接购买我的创意，要么将其功能整合到自己的产品中，从而进一步加固了自己的壁垒。关键在于动态把握机会。第一步不是直接构建壁垒，而是先抓住一小块红利，积累力量。当红利转化为自身实力后，壁垒也就自然形成了。
潘杨：AI时代参与竞争是更容易还是更难了？
张涛：常年做创业项目（startup）的同学应该有这种感受：如果一个项目做了一年，却没有任何竞争对手，反而会让人不安。你会开始怀疑：我选的市场是否真的有问题？为什么连竞争对手都没有？从推演的角度和实际入局的视角来看，感受截然不同。比如，我们已经投入半年，还在犹豫是否继续时，突然有大厂进入，很多人可能会觉得慌张。但其实，我们只会觉得庆幸——终于证明我们的方向是对的。所以，在局中时，感受真的会非常不一样。
安全感的火可以慢慢烧起来，越烧越大，一开始不害怕是最重要的。
潘杨：如果学习能力跟不上AI的来势汹汹，普通人该如何自处呢？
季逸超：我可能是一个更纯粹的技术进步主义者。我认为，虽然AI一定会替代很多工作，但没必要过于恐慌。因为AI有一个无法解决的问题——它无法替代人类承担责任。比如程序员虽可能是受AI影响最大的群体，但公司不可能完全没有程序员，因为即使代码由AI生成，仍需人类去审核和承担相应责任。其次，现在有很多一人公司，一人公司是一个人带着很多AI，但人是法人，这种责任是AI无法取代的。此外，AI的学习和理解能力再强，也依赖于人类的输入。在传统公司里，层级架构依然重要。大家不妨转变心态，别担心工作被AI取代，而是想想如何利用AI提升自己的价值。
这一段不够清晰，技术进步类似于图片的放大，放大10倍有10倍的细节，放大10000倍有10000倍的细节，细节是越来越多的，生活上的体验也是一样的，100万有100万的需求，1个亿有1个亿的需求，不能说钱多了就没有需求了，常识是钱越多事情越多，而不是相反。
任鑫：解决问题的工作容易被AI取代，因此要向产业链上游、甲方或领导靠近，调整自身定位。在这个过程中，不必过于担心工作问题。大家真正担心的不是工作被抢，而是工资受影响——这是两个不同的问题。
潘杨：组织内的AI进化如何发生？比如对于偏向传统企业企而言。
季逸超：我觉得首先不要硬上。比如最近网上有个“传统企业加AI”的梗，就像在肥皂上插个洗手液按头一样，这种做法很可笑。很多时候，企业考虑AI转型是因为老板或CEO的焦虑，这其实很危险。一定要从自身业务的小处着手，不要盲目追逐Buzzword（流行），比如现在很火的DeepSeek系列。虽然我们讲了很多关于DeepSeek的内容，但我一直呼吁大家保持冷静。DeepSeek并不是万能的。具体问题要具体分析，比如要做Function calling（函数调用），选择千问模型可能更合适。
张涛：我之前在神策数据工作四年，当时大数据的浪潮和如今AI的热度相当。我们的服务模式是年费制，续费留存率是公司最重要的经营指标之一。因为企业续费的前提是感受到产品在一年内的实际价值。从这个视角出发，我们发现一个重要的观点：自上而下的“一把手工程”通常会失败。原因在于，CEO虽然决策引入系统，但实际使用者是一线员工，而维护者可能又是IT部门。这三者——决策者、使用者和维护者——信息不对称，动机不一致，导致项目推行困难。
不是问题的本质。
为此，我们调整策略。虽然CEO是项目的主导者，但我们会在企业中挑选一些重点培养的苗子，比如有上升空间的总监或小组长。我们不再做大规模培训，而是改为一对一的陪伴式服务。通过精准辅导，让他们在公司内部汇报时展现出不同视角和能力提升，从而引起上级关注。这种“示范效应”很快会吸引其他部门主动寻求合作。因为人不患寡但患不均。
实际上，大部分人是先看见才能相信。这有点像种子传播的模式，先在核心群体中播种，再逐步影响周围人，从而推动整个组织的变革。而不是从上到下强行改变机制，让大家每天必须使用10次，这种做法很难奏效。
我这两年在搞AI时感触很深。过去十几年的工作经验给我带来了太多思维负担。每次思考问题，那些旧知识都会干扰我。然而，我在上海、杭州和那些刚毕业或还在读书的年轻人交流时，发现他们没有这些负担。他们用AI原生的思路解决问题，很多想法让我惊叹：“这也能用AI做？”虽然我曾觉得效率很低，但他们真的做到了。所以，大家一定要相信年轻人，相信那些没有过去经验负担的头脑。他们创造的创新，是我们坐在这里永远规划不出来的。
潘杨：对于传统广告营销公司，想要通过AI实现组织架构的变革，该如何去操作？
季逸超：人同AI的协作在在哪里？无论是语言生成或者是图像生成，都存在一个颗粒度问题，颗粒度就是你在跟AI交付任务的时候，最后谁来完成“改”的这个环节，如果还跟AI是拿语言作为这个接口，很难达到最后满意的效果，团队中还是需要一个人去完成最后的工作。人可能还会在一段时间内扮演AI到最后交付的最后一公里，因为这是颗粒度问题所导致的，这种现象在广告行业尤其明显。
张涛：广告行业拥抱AI是特别积极的，但是需要明确几个事项。首先，公司人员肯定是没有什么变化的，更多的还是赋能。比如，早期客户的brief过来之后，公司需要考虑如何切入需求，广告行业要拿着需求去投标，传统小工作室的方式就是老板带着几个核心员工一起商量，这个环节其实特别适合现在的AI去做，一是有Reasoning models（推理模型）它的思维方式更多，二是现在大部分的AI产品都和搜索进行了结合，当公司去解决客户的需求的时候，一定要对客户进行研究，查清客户的背景和真实需求，甚至AI可以查清用户近期关注的事项，从而进行快速的信息整合，传统工作室就做不到这点。基于AI提供的信息报告，再研究通过哪种方式去打动客户，会更加有效。就现在的AI大模型的能力而言，在策划和产生方案领域，AI已经能取代很多非顶级的广告策划了。对于文案和图像视频生成等问题，用AI来做内部的概念验证和客户沟通是完全足够的。但是短期内不要寄希望于AI可以交付商业级别的作品，这方面还是要靠专业人士。
潘杨：如何划清人和AI的权责边界？
季逸超：举个例子。你不会把影响公司命运的重大决策完全交给实习生吧？实习生的作用是辅助决策，而不是替代决策。同样，现阶段AI也应被视为决策辅助工具，而不是最终决策者。我认为这种由人工进行最终审核的模式会长期存在。因为目前的人工智能和机器学习本质上无法保证绝对正确，这并非技术进步能完全解决的问题。
不一定符合事实。
张涛：季总以前是做自然语言处理（NLP）的，对计算机视觉（CV）应该也有所了解。计算机视觉是AI的重要领域，但过去在应用落地方面一直缺乏好的方向。后来，我了解到一家公司，他们将国家安全生产的条文每一条转化为一个特征（feature）。比如，有一条规则是“炼钢炉启动时，该区域禁止人员进入”，他们将其转化为一个特征。整套条文有100多条，每条都是一个特征，组合起来就成了一个非常好卖的产品。当时我问了一个问题：如果出现漏检，责任该由谁承担——公司、工厂还是算法？对方提出了一个有趣的观点：不要总是用兜底的思路去思考。以前，即使安排真人盯着100多路Video（视频），也很难做到全面监控，因为这是真实的需求。现在，技术从“做不到”变成了“能做到”，虽然不能保证100%准确，但至少可以预警。过去，人工预警需要两个小时一轮，现在则可以做到秒级预警，将危险信号抛出后由真人确认。所以，我认为这是一个完全不同的场景。大家在思考业务流程时，也应该从预警的角度出发，而不是一味追求责任交付。这种思路其实更合理。
潘杨：人类在使用AI大模型时，到底让渡了什么权利？
任鑫：首先，我不认为人有什么天然的权利。比如我希望孩子能研究红蚂蚁，但这只是我的期望，如果生产力不足，他凭什么拥有这种权利呢？这种想法大多是YY。其次，我认为这个问题无解。只要某种事物存在，无论是否进行对齐，都会有问题。在互联网上，留下痕迹多的内容自然会更受关注，这是无法改变的。所以，最终只能通过市场经济的方法解决。当你有更多选择时，就像唐太宗“兼听则明”一样，你可以选择不同的平台，了解它们各自的价值观偏好，而不是把自己绑定在某一个平台上。这样，我让渡的权利就会更少。一旦我绑定在某个平台上，哪怕它完全符合我的需求，我也已经让渡了某些权利。
张涛：其实自古以来，人类就有一种习惯，会把使用的工具神化，赋予它们一种崇拜的色彩。但动态地看，这种现象只是暂时的。比如最近淘宝上有些卖家会在商品详情页写“DeepSeek推荐”，并附上一张截图，声称某产品是被AI推荐的。这其实是一种工具的异化过程。但这种状态是短暂的。
以我们这一代接近40岁的人为例，小时候总觉得科技产品和数码设备，只有美国或日本生产的才是好的，比如索尼的Walkman。当下来说，如果要买无人机或便携摄影设备，大家首先想到的一定是大疆，而不是美国品牌。这说明随着技术的发展和市场的变化，人们的认知也在改变。
现在很多人还没接触AI，或者对AI还不熟悉。但再过一两年，当AI的文字表达变得常态化后，真正有价值的、有深度的人类思考反而会变得更加稀缺。人们也会逐渐形成一种审美观念，能够区分“标准的AI回答”和“有深度的人类思考”。这种变化反而会让人类的思考变得更加高级。
潘杨：是否可以认为在这种看似智力升级的幻想背后，隐藏着对普通人更多的认知剥夺？
张涛：我认为这种情况是必然会发生的，并且不仅仅存在于AI时代。在上一代的搜索引擎时期就已经开始了。但我想强调的是，任何事物都符合熵减定律，所以人们一定要努力对抗熵增的过程，一定要每天根据收集的信息进行思考，不要认为不努力就可以实现目标，这是人类的一个恒久命题。
季逸超：用户问AI的问题，AI也是要进行上一层搜索，它可能搜索的是某一个媒体小编写的一篇文章而已，中间隔了太多层的东西。所以，无论有没有AI，人们都要掌握溯源的能力，这一点非常重要，国外写文章还保留着超链接这个特别朴素的习惯，文章引用的哪句话都可以通过链接寻找到根本源头。在实操阶段，如果我需要AI回答一些问题的时候，一定会让它引述原文，我觉得这是人们所能做到的极限。
某些地方没有不是什么阴谋，而是某些终极原因的结果。
任鑫：大家可以把AI当做一个人，他帮你提供了更好的信息，还能帮你做参谋，这个时候再谈论让渡或者牺牲你的权利，好像有点说不太过去。我并不觉得大部分人是被AI剥夺了信息，反倒是得到了更多信息。比如我们要做美国某个特定市场的一个调研，deep research在10分钟内帮我出了四五份不同维度的报告，看上去感觉虽然不太好，但如果我自己要写出一份类似的报告，可能至少要三个小时，大量的时间都会消耗在点击关键词和搜索方面，但是deep research节约了我大量的无意义的手工劳动，最后我获得的信息量是更全面和更有效的。
潘杨：对于今年DeepSeek引爆应用市场，后续的发展趋势，您是如何看待的？
季逸超：首先可以确定，AI在中国的热潮可能是DeepSeek带起来的，我觉得这非常好。之前在国内，大家一直没有一个非常好的开源大模型，但如果具体到agent和infra的话，其实还有需要探讨的方面。
第一点，DeepSeek的模型（无论V3还是R1）本身更侧重推理能力，在多模态、函数调用、长期规划等能力上并不出众。这可能是因为DeepSeek团队前期将资源集中于推理优化，对多模态采取了战略性后推策略。如果专注于智能体领域，可以借DeepSeek的东风，但需避免过度绑定其技术路线，需等待其多模态能力的进一步发展。
第二点，因DeepSeek的爆发，国内外对Infra的要求显著提升。从DeepSeek最近的V3论文看，其架构已与传统MA-like模型有显著差异，但除官方外，国内推理厂商的Infra优化普遍不足，仍需大量工作。若要将智能体与 Infra结合，2025年将是一个关键机遇。传统算力关注点主要在训练阶段，但智能体带来的24小时持续推理需求将彻底改变格局——交互时长延长导致Token消耗量剧增，且多轮对话中上下文不断累积，进一步推高资源需求。今年因DeepSeek母体模型的成熟，Infra有望迎来爆发。
NVDA的投资逻辑，包括几家云计算的公司，以下是我们对NVDA的最新评价，参考：《I.C.S.307.Capital.TECH.NVDA.Close》。
NVDA的经济前景和Token深度绑定，参考：《What are tokens and how to count them?》，处理Token的需求越大GPU的需求越大，但两者之间的关系是不稳定的，算力（硬件）和算法（软件）都能造成很大的影响，NVDA能不能独占算力上的优势也很难讲，竞争对手很多。
除此以外，算力本身可能存在技术上的迭代，又是一层不确定，参照巴菲特对Intel的评论，巴菲特不看好的原因是《只有偏执狂才能生存》，书中描述了战略拐点，但他说：“安迪·格罗夫和其他一些人一起完成了转型。不过，这种事情并不是每次都会发生。”。需要偏执狂才能经营的企业或者行业不是好的选择。
最后一个负面因素来自商业模式对心理状态的影响，长期从事To B也会影响人的判断能力（很多场合下不能正确表达自己的想法）。
潘杨：最后，请各位嘉宾分享一个关键词。
季逸超：从自身的感受出发，我的关键词是恐惧。人一定要活在恐惧之中，我觉得自己已经不年轻了，今年是我做AI或者自然员的第十三年了，一直驱动自身能够坚持学习的根本原因就是压力和恐惧。人不能沉浸在温柔乡中，一定要经常吓吓自己。
张涛：我的关键词是好奇，我之前做了8年的C端产品，做了5年的TOB业务，近两年又完全投身AI行业，最大的动力驱使就是我想弄清楚它是什么，为什么是这个样子，未来会发生什么事情？好奇心会驱使我去做很多事情。在一个不具有确定性的领域中，如果没有底层的好奇心趋势，很难真正学到东西，也很难前进。
任鑫：我建议大家想开一点，人类大概有一半的概率会被AI消灭掉，如果这种情况没有发生，我们将会是最幸运的一代，可能享受到疾病被完全消灭、肉身上网、星际旅行等事情，现在AI为未来的这些可能带来了概率，所以要想开一点，注重身体，努力看到那一天。
热门主题
Related Articles
2025-02-01 Shuchao.2025，AI路往何方？
Refer To：《2025，AI路往何方？｜对话OpenAI 课代表 2/3》。 Shuchao: 我觉得这个 OpenAI 是没有特别好的归代。 课代表: 当有一天 AI 可以开发 AI 了以后，会不会人类就灭绝了？ Shuchao: 我觉得很多能力还不存在，并不代表这些东西很难做出来。 课代表: 但是这个东西落到我们的感知上的话，我觉得反而感知也不是那么明显。 Shuchao: Reinforcement Learning 就是我们组合另外一个团队合作做的。 课代表: 你还打算工作 80 ...2024-07-23 Mark Zuckerberg.Open Source AI Is the Path Forward
Refer To：《Open Source AI Is the Path Forward》。 In the early days of high-performance computing, the major tech companies of the day each invested heavily in developing their own closed source versions of Unix. It was hard to imagine at the time that ...2023-03-16 Satya Nadella: The Future of Work with AI Thursday
Satya Nadella - Chairman & CEO; Jared Spataro - CVP, Modern Work & Biz Apps; Sumit Chauhan - CVP, Office; Charles Lamanna - CVP, Biz Apps & Portfolio; Akosua Boadi-Agyemang - Marcomm Manager; Jaime Teevan - Chief Scientist; Jon Friedman - CVP, Design ...2023-03 Ilya Sutskever.AI Today and Vision of the Future
Refer To：《Fireside Chat with Ilya Sutskever and Jensen Huang: AI Today and Vision of the Future》。 Jensen Huang: Ilya, unbelievable. Today is the day after GPT-4. It's great to have you here. I'm delighted to have you. I've known you a long time. 黄仁勋： ...2024-12-03 Visa Inc. (V) UBS Global Technology and AI Conference (Transcript)
Visa Inc. (NYSE:V) UBS Global Technology and AI Conference December 3, 2024 10:55 AM ET Company Participants Chris Suh - Chief Financial Officer Conference Call Participants Timothy Chiodo - UBS Securities LLC Timothy Chiodo … to be the first one, ...