2025 年 3 月初，一款名为 Manus 的 AI 产品以迅雷不及掩耳之势席卷科技圈。社交媒体上，“AI Agent 的 DeepSeek 时刻”“重新定义人机交互” 等评价铺天盖地，却也夹杂着 “炒作大于实质”“技术套壳” 的尖锐质疑。这款将自己定位为 “全球首个通用 AI Agent” 的产品，用一场充满戏剧性的舆论风暴，掀开了 AI 应用层竞争的新篇章 —— 它既是行业对 AI Agent 落地的集体狂欢，也是一次关于技术创新与舆论泡沫的深刻思辨。

从 “数字实习生” 到 “通用 Agent”

Manus 的爆红，始于其对 “AI Agent” 的重新定义。区别于 ChatGPT 等以对话为核心的 “聊天机器人”，Manus 强调 “用行动与物理世界交互”：用户只需下达 “建一个网站”“筛选简历” 等指令，AI 便能自主规划流程、执行操作，并在反复交互中积累记忆、优化能力。

这种 “自主规划 + 自动执行 + 持续学习” 的三位一体模式，被团队称为 “Less Structure, More Intelligence”—— 摒弃预设工作流，让 AI 通过原生智能完成任务拆解。

从技术实现看，Manus 构建了一套轻量化的工具链：基于浏览器自动化、终端操作接口和文档解析能力，串联起代码编写、网页设计、数据处理等功能模块。

其演示视频中，AI 在无人工干预下完成 “根据用户需求生成商业计划书并同步制作 PPT” 的全流程操作，展现出超越单一工具的 “任务通吃” 能力。

这种 “通用型 Agent” 的定位，精准击中了行业对 AI 从 “辅助工具” 向 “生产力主体” 进化的期待。

团队创始人萧红的创业背景也为故事增添了注脚。作为早期 AI 套壳产品 Monica 的操盘手，他深谙用户体验优化之道。

Manus 的交互界面简洁得近乎 “反技术”：没有复杂的参数设置，用户只需自然语言输入，AI 便以可视化进度条展示任务推进 —— 这种 “去技术化” 的设计，让技术门槛极高的 Agent 产品首次呈现出消费级应用的亲和力。

高定位与 “半成品” 的错位碰撞

然而，Manus 的激进定位很快引发了 “造神” 与 “祛魅” 的激烈交锋。争议的核心，在于 “全球首个通用 AI Agent” 这顶桂冠背后的现实落差。

相关新闻

技术定义的行业分歧。 开幕 AI 创始人、牛津大学博士后国豪指出，从学术视角看，Manus 并非 “首个通用 Agent”。类似基于浏览器自动化的技术路径，早有研究团队探索，如 Onsopic 的 Computer User 项目。Manus 的突破在于产品化能力 —— 将开源工具整合为流畅的用户体验，但其 “通用性” 更多是任务场景的横向覆盖，而非真正意义上的跨领域自主决策。部分技术派认为，其 “无需预设工作流” 的宣传存在夸大，底层仍依赖规则引擎与模型调用的混合架构。

发布策略的舆论反噬。 Manus 采用了 “极少量邀请码 + 高规格媒体曝光” 的饥饿营销模式。3 月 6 日爆火当天，多数媒体与 KOL 并未实际体验产品，却以 “DeepSeek 级革命” 为标签迅速传播。这种 “先声夺人” 的打法，被质疑为 “用 Demo 视频制造技术神话”。对比 DeepSeek 当年通过开发者社区口碑发酵、逐步走向公众的路径，Manus 的 “网红式” 出圈显得根基不稳。当用户发现拿到邀请码后因服务器崩溃无法使用，期待迅速转化为失望，“炒作工具” 的批评甚嚣尘上。

相关新闻

套壳争议的深层矛盾。 有声音指出，Manus 依赖 GPT-3.5 等外部模型完成核心推理，本质是 “模型套壳 + 工具集成”。对此，团队回应称 “壳的价值在于将技术创新转化为用户可感知的体验”，并强调 “套壳并非原罪，生态需要分工”。但这未能平息技术原教旨主义者的不满 —— 当行业还在为大模型自主能力攻坚时，“轻模型、重集成” 的产品路径，被视为对底层技术创新的投机。

用户体验的现实落差。 澎湃新闻采访的体验者表示，Manus 在处理复杂任务时表现出强大的自主性，例如设计多国旅行攻略时 “全到令人震惊”，但处理速度慢、易中断的问题显著。用户需要等待数十分钟才能完成任务，且在未知环境中频繁出错，暴露出推理链路的缺失。这种 “性能强但不稳定” 的表现，让部分用户质疑其 “通用” 标签的真实性。

Manus 留给行业的真实遗产

抛开舆论浮沫，Manus 的行业价值正在被理性重估。它像一把双刃剑，既划破了 AI 应用层的沉闷，也暴露出行业对 Agent 赛道的认知盲区。

激活 Agent 赛道的注意力经济。 在 2023-2024 年大模型单一叙事后，Manus让资本与公众重新聚焦应用层创新。正如当年 DeepSeek 带动中国大模型被全球看见，Manus 让 “AI Agent” 从论文概念走向大众想象。跨克等巨头随即跟进发布 Agent 产品，开发者社区涌现出大量基于开源工具的复刻项目（如 Camo 框架），形成 “Agent 创业潮”。国豪坦言：“即使技术不是首个，Manus 也是第一个让 Agent 被广泛讨论的产品，这本身就是贡献。”

理清 Agent 的技术门槛与落地路径。 当 “3 小时复刻平替版” 的新闻刷屏时，Manus 团队公开表示：“用开源工具搭建框架不难，难的是 99% 的细节优化 —— 优质数据、模型调优、工程稳定性。” 其首席科学家 Pick 提出的 “四要素理论”（数据、模型、架构、工程），为后来者指明了方向：Agent 并非简单的工具堆砌，而是需要底层模型理解能力、任务规划算法与场景适配工程的深度融合。那些试图通过 “套壳 + 自动化工具” 快速复制的团队，很快发现用户体验的断层 ——AI 在复杂任务中频繁出错、缺乏上下文理解等问题，暴露了 “伪 Agent” 的本质。

引发对技术传播伦理的反思。 Manus 的案例揭示了一个行业真相：在注意力稀缺时代，初创团队难免借助传播策略突围，但 “技术神话” 的构建与消解，始终基于产品力的真实成色。当舆论热衷于造神时，理性的声音显得尤为珍贵 —— 正如媒体人骆一航所言：“开放测试比邀请码更有说服力，产品自信不应建立在信息差之上。”

看见技术演进的真实节奏

Manus 的爆火与争议，恰似一场浓缩的行业寓言：它既是 AI Agent 从实验室走向市场的破冰尝试，也是技术理想与商业现实的激烈碰撞。当 “全球首个” 的光环褪去，留下的是对 AI 应用层创新的深度思考 —— 真正的技术革命，从不是单一产品的神话，而是整个生态在试错中的螺旋上升。

有人将 Manus 比作 “一把火”，点燃了 Agent 赛道的热情；也有人视其为 “警示灯”，提醒行业警惕舆论泡沫对技术本质的遮蔽。但无论如何，这场风暴让所有人看清：AI Agent 的终极价值，不在于营销标签的争夺，而在于能否真正成为 “解放人类生产力” 的数字伙伴。

当潮水退去，那些沉下心打磨技术、理解用户需求的团队，终将在 Agent 的蓝海中找到真正的航向。

【内容来源于@卫诗婕商业漫谈的音频内容】