解密Manus：靠垂直整合，搶在了AI大廠前頭

圖源：攝圖網(wǎng)

作者|麥思 來(lái)源|直面AI(ID：faceaibang)

AI圈正迎接新一輪的技術(shù)爆發(fā)期，DeepSeek以深度推理模型R1震撼海內(nèi)外，OpenAI、Anthropic、谷歌、阿里、字節(jié)、百度等紛紛推進(jìn)自家大模型的新動(dòng)態(tài)。模型層之外，應(yīng)用層也開(kāi)始多了些新變化。

最近的創(chuàng)新來(lái)自一家由中國(guó)90后創(chuàng)始團(tuán)隊(duì)推出的新產(chǎn)品——一款號(hào)稱通用AI Agent的應(yīng)用工具M(jìn)anus。

Manus的官網(wǎng)（https://Manus.im/usecases）給出了一些例子可以供我們更加直觀的了解Manus的能力，可以看到它的功能在官方演示中確實(shí)特別強(qiáng)大，目前Manus的使用需要提前獲取邀請(qǐng)碼。

有必要簡(jiǎn)單介紹一下Manus。與傳統(tǒng)AI助手相比，類似豆包、Kimi、DeepSeek這些，其局限于信息檢索與建議交互，而Manus首次實(shí)現(xiàn)“自主執(zhí)行復(fù)雜任務(wù)→交付完整成果”的閉環(huán)能力，填補(bǔ)了當(dāng)前市場(chǎng)空白‌。

另外一點(diǎn)是通用性定義的突破：跨領(lǐng)域處理復(fù)雜任務(wù)（如股票分析、旅行規(guī)劃、代碼生成等），打破垂直賽道AI的局限性‌，這是驚艷的前兩點(diǎn)。第三點(diǎn)是Manus是繼中國(guó)團(tuán)隊(duì)做出來(lái)DeepSeek之后的又一力作，定位為“手腦并用”的通用助手，強(qiáng)調(diào)“輸入需求→輸出結(jié)果”的無(wú)中介執(zhí)行模式，命名源自拉丁語(yǔ)“Mens et Manus”（意為手腦并用），技術(shù)理念主張“Less structure, more intelligence”，減少預(yù)設(shè)流程依賴，強(qiáng)化模型自主進(jìn)化能力。

01

Manus的優(yōu)缺點(diǎn)

總結(jié)一下Manus的核心優(yōu)勢(shì)：

全流程自主執(zhí)行：從需求分析（如簡(jiǎn)歷篩選）、任務(wù)拆解（如房產(chǎn)選購(gòu)規(guī)劃）到成果交付（生成Excel/PPT報(bào)告）無(wú)需人工干預(yù)‌。

多工具鏈整合：支持瀏覽器操作、編程工具調(diào)用、跨平臺(tái)數(shù)據(jù)抓取，實(shí)現(xiàn)復(fù)雜操作（如自動(dòng)解壓簡(jiǎn)歷包并分析）‌。

覆蓋教育（教學(xué)材料生成）、金融（股票關(guān)系分析）、人力資源（候選人分級(jí)）、企業(yè)服務(wù)（自動(dòng)化周報(bào)）等多領(lǐng)域‌。

跨領(lǐng)域協(xié)同：可同時(shí)處理比如簡(jiǎn)歷篩選與房產(chǎn)選購(gòu)兩類異構(gòu)任務(wù)，體現(xiàn)通用Agent特性‌。

多Agent協(xié)作系統(tǒng)：規(guī)劃、執(zhí)行、驗(yàn)證三模塊分立，云端虛擬機(jī)并行處理任務(wù)，提升容錯(cuò)率‌。

上面是Manus的優(yōu)勢(shì)，同樣Manus也有一些劣勢(shì)：

依賴預(yù)設(shè)流程框架：部分任務(wù)需在瀏覽器與操作系統(tǒng)間的“受限環(huán)境”執(zhí)行，無(wú)法適配未預(yù)定義的應(yīng)用程序‌。

執(zhí)行穩(wěn)定性問(wèn)題：用戶反饋存在崩潰前生成虛假結(jié)果（如偽造邀請(qǐng)碼）等不可控行為‌。

高炒作熱度導(dǎo)致早期用戶預(yù)期與實(shí)際能力落差，部分場(chǎng)景仍需人工修正輸出結(jié)果‌。

企業(yè)端部署成本：云端虛擬機(jī)運(yùn)行模式對(duì)算力需求較高，限制中小型企業(yè)使用‌。

自主簽署合同的法律效力尚未明確，隱私數(shù)據(jù)跨平臺(tái)調(diào)用可能引發(fā)合規(guī)爭(zhēng)議‌。

職場(chǎng)替代焦慮：80%中低頻白領(lǐng)工作（如簡(jiǎn)歷篩選、報(bào)表生成）面臨被低成本AI替代的風(fēng)險(xiǎn)‌。

02

Manus究竟做了哪些技術(shù)創(chuàng)新？

說(shuō)完優(yōu)缺點(diǎn)之后，我們?cè)僦攸c(diǎn)看一下使得Manus這么強(qiáng)的背后技術(shù)創(chuàng)新，究竟是什么。

1. 多智能體協(xié)作系統(tǒng)（Multi-Agent Collaboration）

三層架構(gòu)設(shè)計(jì)：

規(guī)劃代理（Planning Agent）：采用蒙特卡洛樹(shù)搜索（MCTS）算法動(dòng)態(tài)拆解任務(wù)優(yōu)先級(jí)，支持實(shí)時(shí)調(diào)整執(zhí)行路徑（例如在簡(jiǎn)歷篩選中優(yōu)先處理學(xué)歷匹配度）。

執(zhí)行代理（Execution Agent）：整合200+工具接口（瀏覽器、Office套件等），通過(guò)瀏覽器自動(dòng)化引擎模擬人類操作（點(diǎn)擊、滾動(dòng)、表單填寫），但受限于未開(kāi)放API的CS架構(gòu)應(yīng)用。

驗(yàn)證代理（Validation Agent）：部署對(duì)抗性測(cè)試模塊，檢測(cè)邏輯矛盾（如財(cái)務(wù)數(shù)據(jù)與行業(yè)基準(zhǔn)偏差超5%時(shí)觸發(fā)復(fù)核流程）。

多重簽名系統(tǒng)（Multisig System）：由多個(gè)獨(dú)立模型協(xié)同處理子任務(wù)，通過(guò)交叉驗(yàn)證提升結(jié)果可靠性（例如股票分析中，3個(gè)模型獨(dú)立計(jì)算行業(yè)關(guān)聯(lián)度，取置信度最高值）。

2. 動(dòng)態(tài)訓(xùn)練與優(yōu)化機(jī)制

實(shí)時(shí)反饋迭代：用戶可通過(guò)“動(dòng)態(tài)培訓(xùn)”功能修正輸出格式（如指定PPT模板）或調(diào)整執(zhí)行路徑（如跳過(guò)特定網(wǎng)站數(shù)據(jù)抓?。Ｐ图磿r(shí)更新策略。

崩潰恢復(fù)技術(shù)：任務(wù)中斷時(shí)自動(dòng)生成替代方案（如簡(jiǎn)歷解析失敗后改用關(guān)鍵詞匹配模式），并保留進(jìn)度至本地緩存。

3. 工具鏈深度整合

瀏覽器沙箱技術(shù)：在隔離環(huán)境中運(yùn)行跨平臺(tái)操作（如自動(dòng)登錄招聘網(wǎng)站抓取簡(jiǎn)歷），避免用戶隱私數(shù)據(jù)泄露。

記憶偏好系統(tǒng)：持續(xù)學(xué)習(xí)用戶習(xí)慣（如合同模板偏好），占用云端存儲(chǔ)資源形成個(gè)性化執(zhí)行策略。

4. 性能驗(yàn)證體系

GAIA基準(zhǔn)測(cè)試(https://zhuanlan.zhihu.com/p/669652697)突破：在三級(jí)測(cè)試中分別達(dá)86.5%/70.1%/57.7%，超越OpenAI的DeepResearch模型，接近人類水平（90%）。

真實(shí)場(chǎng)景驗(yàn)證：在Upwork平臺(tái)完成設(shè)計(jì)類任務(wù)（如Logo生成）、Kaggle競(jìng)賽中實(shí)現(xiàn)數(shù)據(jù)分析自動(dòng)化，驗(yàn)證跨領(lǐng)域執(zhí)行能力。

如果上面Manus的技術(shù)創(chuàng)新讓你眼前一亮，這個(gè)時(shí)候你是不是會(huì)有一個(gè)疑問(wèn)，為什么是Manus？其他AI廠商，尤其是科技大廠為什么沒(méi)有做出這樣的成果，是其他廠商不具備這樣的能力嗎？目前來(lái)看，原因或許有以下幾種因素：

1. ‌技術(shù)路徑依賴‌

‌模型規(guī)模優(yōu)先策略‌：OpenAI等廠商聚焦于擴(kuò)大模型參數(shù)量（如追求GPT-5），未將工具調(diào)用能力作為核心研發(fā)方向‌。

‌規(guī)則工程慣性‌：傳統(tǒng)AI產(chǎn)品依賴預(yù)設(shè)流程（如客服對(duì)話樹(shù)），難以適應(yīng)Manus倡導(dǎo)的“Less structure, more intelligence”理念‌。

2. 工程化挑戰(zhàn)

‌多工具接口適配成本‌：需為瀏覽器、辦公軟件等開(kāi)發(fā)專用驅(qū)動(dòng)，大廠不愿干臟活累活，其他小廠商又缺乏生態(tài)整合能力（如Manus團(tuán)隊(duì)耗時(shí)2年完成200+工具接口開(kāi)發(fā)）‌。

‌長(zhǎng)周期任務(wù)管理難題‌：傳統(tǒng)模型受限于會(huì)話式交互，難以實(shí)現(xiàn)“用戶離線后持續(xù)執(zhí)行跨日任務(wù)”的異步工作機(jī)制‌。

3. 市場(chǎng)定位差異

‌B端服務(wù)壁壘‌：微軟Copilot等產(chǎn)品聚焦Office場(chǎng)景，缺乏跨領(lǐng)域泛化能力（如同時(shí)處理簡(jiǎn)歷篩選與股票分析）‌。

‌倫理風(fēng)險(xiǎn)規(guī)避‌：頭部廠商忌憚自主決策引發(fā)的法律爭(zhēng)議（如合同簽署效力），選擇保守技術(shù)路線‌。

03

Manus的后續(xù)改進(jìn)和行業(yè)影響

針對(duì)目前Manus表現(xiàn)出的一些缺點(diǎn)，我們認(rèn)為它未來(lái)的改進(jìn)點(diǎn)如下：

增強(qiáng)環(huán)境適應(yīng)性：突破瀏覽器/操作系統(tǒng)的“夾層”限制，實(shí)現(xiàn)更底層的系統(tǒng)權(quán)限調(diào)用‌。

降低算力依賴：通過(guò)模型壓縮與邊緣計(jì)算結(jié)合，推動(dòng)中小型企業(yè)普及‌。

優(yōu)先落地場(chǎng)景：企業(yè)自動(dòng)化辦公（智能客服、合同審核）、教育個(gè)性化教學(xué)（動(dòng)態(tài)生成課件）‌。

開(kāi)源生態(tài)建設(shè)：開(kāi)放部分模型接口，吸引開(kāi)發(fā)者構(gòu)建插件生態(tài)（如第三方工具集成）‌。

建立AI執(zhí)行審計(jì)機(jī)制：對(duì)自主決策過(guò)程留痕，明確錯(cuò)誤結(jié)果的責(zé)任歸屬‌。

數(shù)據(jù)安全規(guī)范：限制敏感信息（如簡(jiǎn)歷、財(cái)務(wù)報(bào)表）的跨平臺(tái)流轉(zhuǎn)權(quán)限‌。

但不容忽視的是，Manus的出現(xiàn)肯定會(huì)對(duì)其他廠商帶來(lái)一些影響：倒逼OpenAI等廠商加速?gòu)?ldquo;對(duì)話式交互”轉(zhuǎn)向“任務(wù)執(zhí)行型”產(chǎn)品開(kāi)發(fā)的節(jié)奏，加速Agent技術(shù)迭代‌；推動(dòng)多模態(tài)交互（文字/圖表/代碼混合輸出）、工具調(diào)用API集成成為AI產(chǎn)品新基準(zhǔn)‌。

根據(jù)Manus計(jì)劃，后續(xù)官方還將開(kāi)源推理模塊，有望借此催生基于其技術(shù)棧的二次開(kāi)發(fā)社區(qū)‌。

Manus需求爆火，還可能帶動(dòng)邊緣計(jì)算設(shè)備需求激增，使得AI終端部署從云端向本地延伸‌，一批國(guó)產(chǎn)硬件廠商也有望從中受益。

AI的發(fā)展速度正推動(dòng)各行各業(yè)重新洗牌，未來(lái)不是屬于資產(chǎn)的時(shí)代，也不是屬于權(quán)力的時(shí)代，未來(lái)將是屬于科技的時(shí)代。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：直面AI(ID：faceaibang)，作者：麥思