顾嘉时：Manus收购案被叫停背后，AI正由普惠工具变成战略资产

【文/观察者网专栏作者 顾嘉时】

在经历了年初的风波之后，原本已经陷入沉寂的Manus收购案迎来最新进展：4月27日，国家发展改革委发布消息，外商投资安全审查工作机制办公室依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。

这也是《外商投资安全审查办法》2020年实施以来，首个被公开叫停的AI领域外资收购案，也是该办法框架下最严的一档审查结论——办法明文规定，“对禁止投资的，不得实施投资”。

这件事之所以引发全行业震动，核心原因在于它打破了很多人此前对AI产业的固有认知：AI技术只是互联网式的普惠工具；而这一事件也警醒我们，AI早已不只是普通商业产品，尤其是通用AI Agent，一旦成为任务执行入口，就同时涉及模型能力、用户数据、业务流程、产业生态和技术控制权。

过去两年，“AI普惠平权”是最受欢迎的科技叙事，但从顶级模型封锁、订阅服务缩水、算力供给不足，到跨境收购触发安全审查，AI正在呈现出新的分层结构：对个人，是价格和体验的分层；对企业，是生产率和组织能力的分层；对国家，则是算力、模型、数据和Agent入口控制权的分层。AI正在成为国家战略资产，而真正的AI普惠，不可能建立在关键能力受制于人的基础上。

Manus收购案被叫停，AI已经不只是普通商品

4月27日，国家发展改革委发布消息：外商投资安全审查工作机制办公室依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。

Manus官网首页显示，“Manus现已成为Meta的一部分”

这条消息引发关注，不只是因为Manus是过去一年最受关注的AI Agent项目之一，更因为Agent不同于普通聊天机器人。它不只是回答问题，而是可以围绕一个目标拆解任务、调用工具、搜索网页、处理文件、运行代码并交付结果。过去我们说AI是“帮你说”，Agent则开始“帮你做”。

一旦这类产品进入工作流，它沉淀的不只是用户提问记录，更是任务链条、业务流程、行业数据、知识结构与组织运行习惯。因此，Manus被叫停不能简单理解为一笔跨境并购受阻。它释放出的信号是：当AI从工具变成入口，从应用变成基础设施，它就会进入核心技术、数据安全、产业控制权和国家安全交叉重叠的区域。

过去两年，人们习惯把AI理解成一种信息处理工具：写文章、做PPT、写代码、查资料、整理会议纪要。但更关键的问题在于：优质AI能力由谁掌握？谁能控制算力？谁能支配数据？谁能决定入口向谁开放、向谁关闭？

这也是为什么，AI不只是正在变贵、变稀缺、变分层，它更正在成为一种战略资产。

AI普惠叙事正在出现裂缝

过去两年，AI行业最流行的叙事是普惠平权。任何人打开一个AI聊天窗口，就能拥有近似专家助理的能力；普通个体也能写代码、做研究、生成图片、分析数据；中小企业不需要庞大IT团队，也可以接入模型提升效率。

这个叙事并不全错。生成式AI的确以惊人的速度扩散。圣路易斯联储关于美国生成式AI使用情况的研究显示，到2025年8月，18至64岁美国成年人中，已有54.6%使用过生成式AI；工作场景使用率为37.4%，非工作场景使用率为48.7%。这一扩散速度明显快于PC和早期互联网在相同阶段的普及速度。

但问题在于，使用过AI，不等于真正拥有AI能力。能打开一个免费聊天窗口，不等于能调用最强模型；能试用一个工具，不等于能稳定获得高质量、长上下文、高并发、高安全等级的AI服务。

过去一段时间，用户已经开始感知到几个变化。

第一，顶级的AI能力越来越不对普通公众开放。越接近网络安全、代码自主执行、关键基础设施、复杂推理和Agent任务链的能力，越容易被放进企业级、白名单、合作伙伴或安全审查体系中。

第二，身份验证和合规审查正在收紧。AI平台开始越来越重视使用者身份、地区、用途和风险类型。过去互联网产品强调“注册即用”，但高阶AI能力越来越接近“审核后使用”。

第三，订阅服务开始缩水。早期AI产品常见的体验是，交一笔固定月费，就能相对宽松地使用各种能力。但随着推理成本上升、调用量激增、上下文窗口变长，越来越多产品开始引入额度、速率限制、调用次数限制，甚至对不同模型、不同功能、不同场景分层计费。

第四，算力供给并不总是充足。部分国产高阶模型订阅计划一开放就被抢光，部分海外高阶模型在高峰期降速、排队、限制调用。用户以为自己购买的是完整的智能服务，但平台实际提供的，是受算力、成本、带宽与调度系统多重约束的有限服务。

第五，用户感知到的“模型降智”现象愈发普遍。很多人会发现，同一个产品在不同时间、不同账号、不同任务上的表现并不稳定。有时反应变慢，有时推理变浅，有时复杂任务处理得明显粗糙。这背后可能有模型调度、成本控制、负载均衡和安全策略等多重原因，但对普通用户来说，体验就是：我付了钱，却不一定知道自己到底调用了什么能力。

近期Claude Opus 4.6降智问题引发大量关注

封锁、认证、涨价、限额、降智——这些变化共同指向一个方向：AI正在从“人人都可平等调用的工具”，变成一种层级分明的能力体系。

为什么AI服务必然走向分层

AI服务走向分层，不只是因为大模型公司“变坏了”，而是因为这门生意的成本结构天然不同于传统IT行业。

传统软件和SaaS公司的核心特征，是边际交付成本相对较低。软件开发完成后，多服务一个用户，成本并不会同比例上升。因此，成熟SaaS公司获得70%至90%的毛利率并不罕见。

但AI不是这个逻辑。由于用户提问内容、使用场景各不相同，模型每一次应答都需要独立完成实时运算；上下文越长、模型越强、工具调用越复杂，消耗的算力和显存资源就越高。ICONIQ Capital 2026年AI报告显示，AI产品平均毛利率预计在2026年达到约52%，高于2024年的41%，但仍明显低于成熟SaaS常见水平。

也就是说，AI不是一次开发、无限复制。它更像是一种持续消耗算力的服务。每一次回答背后，都有芯片、电力、机房、网络、调度、推理优化和工程运维成本。

更关键的是，AI硬件本身也很昂贵。高端GPU和AI加速芯片价格高、迭代快、折旧压力大。现在的先进芯片，几年后可能就不再适合训练最前沿模型。对于AI公司来说，模型研发与算力布局并非一次性投入，而是需要长期持续投入资本的重资产基础设施。

这就决定了，平台不可能长期用同一个价格、同一个入口、同一个体验，向所有用户开放最高能力。它必然会做分层：免费版用于拉客户，基础订阅用于覆盖部分边际成本，企业版和API用于贡献收入，高级能力则被放进更贵、更受限、更可控的访问体系。

需求侧变现也不轻松。生成式AI虽然扩散极快，但C端用户付费意愿并不强。过去互联网长期形成“免费+广告”的用户认知，很多人已经习惯信息服务低价甚至免费。AI虽然更强，但用户未必愿意为此支付足以覆盖真实成本的价格。

于是，一个结构性矛盾出现了：一边是供给侧成本难以下降，一边是需求侧收入难以变现。结果就是，AI公司只能通过分层来维持商业模式。AI确实可以让更多人接触智能工具，但真正高质量、高稳定、高权限、高安全等级的AI能力，越来越不可能无差别开放。

企业竞争：Agent正在成为组织效率入口

如果说普通用户感受到的是价格和体验的分层，那么企业感受到的则是组织能力的分层。

AI Agent进入企业之后，作用不再只是“提高一点个人办公效率”，它可能连接邮件、文档、数据库、浏览器、代码库、财务系统、客户系统和供应链系统；它可以帮助企业完成资料检索、方案生成、代码开发、客户跟进、数据分析、风险检查和流程执行。换句话说，Agent一旦进入企业内部系统，就不只是外部工具，而开始成为组织工作流的一部分。

这也是Manus这类产品值得高度关注的地方。聊天机器人主要处理问答，Agent则更接近任务执行。前者更多改变信息获取方式，后者可能改变组织运行方式。一个企业如果只是把AI当作员工偶尔使用的工具，获得的是局部效率提升；如果把AI嵌入业务流程、数据系统和决策链条，获得的则可能是组织能力重构。将进一步拉大由此形成的企业发展差距。

头部企业通常拥有更完整的数据资产、更强的工程团队、更高的IT预算和更成熟的合规体系，因此更容易把Agent接入核心流程。普通企业即便能买到账号，也往往只能停留在写文案、做摘要、生成图片、辅助编程等浅层使用。表面上看，大家都在用AI；实际差距在于，有的企业是在“调用工具”，有的企业是在“重塑流程”。

长期看，AI带来的不是平均主义，而是强者恒强。因此，企业竞争中的关键问题，不再只是“有没有使用AI”，而是“AI是否进入了核心工作流”。这也是AI Agent不能被简单看成普通应用的原因：它一旦成为企业效率入口，就会自然牵涉数据沉淀、流程控制和产业影响力。

国家竞争：AI分层已经变成地缘政治博弈工具

如果说企业之间的AI分层改写了商业竞争，那么国家之间的AI分层则进入了更高维度：算力、模型、数据、人才和入口，正在共同构成新的战略资产。

第一道封锁是芯片。先进AI芯片的核心制造能力、EDA工具、先进封装、设备材料和供应链高度集中。美国通过出口管制限制高端AI芯片向特定国家和地区流动，直接影响谁能训练和运行顶级模型。没有足够先进的算力，就很难持续追赶最前沿模型。

第二道封锁是模型。越是强大的模型，越不会完全按照普通消费品逻辑开放。特别是涉及网络安全、代码自主执行、漏洞挖掘、关键基础设施、情报分析和军事辅助决策的能力，必然越来越受到访问控制。模型的可得性本身，正在成为地缘政治工具。

第三道封锁是生态。AI不是单个模型，而是一整套生态：开发者工具、云服务、芯片架构、推理框架、数据管线、安全标准、应用市场和Agent平台。一个国家如果长期被排除在主流AI模型、芯片、算力云和开发者生态之外，失去的不只是某个软件，而是参与下一轮生产率提升和数字贸易分工的资格。

Manus事件正好说明，AI竞争已经进入“技术—资本—数据—安全”一体化阶段。过去我们讨论AI竞争，更多看模型参数、跑分榜单、应用体验和融资金额；现在必须看一个更深的问题：关键AI资产的控制权是否会被跨境资本直接夺取？

我国《外商投资安全审查办法》明确，对影响或者可能影响国家安全的外商投资进行安全审查；其中，涉及重要信息技术和互联网产品与服务、关键技术等重要领域，并取得实际控制权的外商投资，应当依法申报。这意味着，在AI Agent、模型能力、核心算法、关键数据和产业入口高度重叠的场景下，跨境并购不可能只被看作一笔普通资本交易。

数据问题同样如此。《网络数据安全管理条例》自2025年1月1日起施行，围绕网络数据处理、重要数据、个人信息保护、数据出境等建立了更完整的制度框架。对AI企业来说，数据不是普通原料，而是模型能力、用户画像、产业理解和产品壁垒的重要来源。数据一旦深度融入Agent工作流，将沉淀形成高价值的专属行业知识与业务核心数据。

因此，Manus被叫停最重要的信号，不是简单反对企业全球化，也不是拒绝国际合作，而是划出一条边界：AI核心能力、关键数据、Agent入口和产业控制权，不能被资本运作轻易转移。

在这个意义上，AI已经不是传统意义上的互联网产品，而是类似芯片、操作系统、云基础设施、工业软件一样的战略基础设施。

真正的AI普惠，必须建立在自主可控之上

Manus事件之后，我们需要重新理解“AI普惠”。

过去谈AI普惠，更多是在谈价格：模型能不能更便宜，工具能不能免费用，普通人能不能打开一个聊天窗口。这个问题当然重要，但它还不是全部。更底层的问题是：这些能力由谁提供？基础设施由谁控制？关键入口由谁决定开放和关闭？

如果一个国家的AI普惠建立在别人控制芯片、别人控制模型、别人控制云服务、别人控制Agent入口的基础上，那么这种普惠并不牢固。今天可以开放，明天也可以限流；今天可以降价，明天也可以涨价；今天可以使用，明天也可以因为地缘政治、出口管制、平台政策或安全审查而被切断。

划定安全边界，不等于闭门封闭。对关键AI资产进行安全审查，不是反对开放，也不是拒绝合作，而是防止核心技术、关键数据和入口控制权在资本交易中无序外流，开放应当建立在边界清晰、规则明确、能力自主的基础上。

当然，仅仅守住边界还不够，真正的AI普惠，最终还要靠本土模型、本土算力和本土生态形成可持续供给。只有当模型能力、芯片适配、推理成本、API价格和应用生态形成闭环，AI才可能从少数人的高级服务，变成多数人的生产力工具。

从这个角度看，近期发布的DeepSeek V4与华为昇腾芯片体系的适配值得关注。DeepSeek定价说明称，受限于高端算力，目前V4-Pro服务吞吐仍有限，预计下半年昇腾950超节点批量上市后，Pro版本价格会大幅下调。

这件事的意义不只是某个模型降价，而是说明国产模型和国产算力之间的闭环正在形成：模型能力提升，需要算力支撑；算力规模化部署，有可能压低推理成本；推理成本下降，才有可能扩大AI应用范围；应用范围扩大，才能反过来推动生态成熟。

技术没有天然的道德方向，关键在于谁掌握它、如何使用它、由谁决定它的开放边界。AI也一样。它既可以成为少数人、少数企业、少数国家手里的高端工具，也可以在自主可控的基础设施支撑下，转化为更广泛的社会生产力。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。