科技圈热议：通用AI Agent Manus 引领新浪潮
昨晚苹果发布新品的同时，一款名为Manus的产品迅速席卷科技圈。这款被誉为全球首款真正意义上的通用AI Agent，凭借其独立思考、规划并执行复杂任务的能力，直接交付完整成果，引发了广泛关注。
相较于其他能够操作多任务或提供订餐、订酒店服务的Agent，Manus能够覆盖更广泛的领域，并实现更高质量的执行效果。它在权威的GAIA基准测试中，性能远超OpenAI的同类产品，刷新了纪录。
Manus的名字源自拉丁语“Mens et Manus”，意为“手脑并用”，这恰是麻省理工学院的校训，旨在鼓励学生将创意转化为实际成果。其创始人肖弘在产品发布前，于社交平台发布“高潮来临”的动态，并分享莎士比亚的一段摘录，预示着Agent（智能体）时代或将迎来真正的“高潮时刻”。
尽管现在断定Manus的出现是AGI（通用人工智能）的里程碑为时尚早，但它极有可能加速Agent时代的到来。
Manus：不仅仅是聊天机器人，更是自主智能体
Manus被官方定位为真正的自主智能体（Agent），它不仅仅是一个能够聊天的对话式AI工具。当其他AI还停留在生成想法的阶段时，Manus已经能够独立思考并采取行动。官方将其视为人机协作的新范式，甚至是通往AGI的一个窗口。
与Manus一同走红的，还有一段长达四分钟的演示demo。在这些案例中，Manus完全自主地完成从规划到执行的全流程，展示了其真正的Agent能力，而非简单的助手功能。
案例一：高效筛选简历
演示从人力资源常见的任务——筛选简历开始。Manus接收到一个包含10份简历的压缩文件，随即像专业的招聘人员一样开始高效工作。它先解压文件，然后逐页浏览每份简历，并记录重要信息。Manus还能异步处理文件，方便用户随时关闭电脑，并在任务完成后收到通知。
用户还可以随时向其发送新的指令。随后，继续上传5份简历。在认真阅读了所有15份简历后，Manus给出了排名建议，并提供了候选人资料和评估标准作为参考。更进一步，用户还可以让Manus生成电子表格，方便快捷。
由于Manus具备知识和记忆能力，因此下次执行类似任务时，它会直接以电子表格的形式交付结果。
案例二：纽约选房购房
在另一个演示案例中，结合家庭收入情况和孩子的上学要求，让Manus在纽约筛选一个安全、犯罪率低的社区，并购买符合标准的房产。
面对这类复杂任务，Manus同样能够有条不紊地将其拆解为多个步骤，并创建详细的待办清单：
搜索并阅读关于纽约最安全社区的文章。
研究纽约的中学情况。
编写Python程序来计算预算。
基于预算，在房地产网站上筛选合适的房源。
整合所有信息，撰写详细报告并整理相关资料。
案例三：股票分析师
在第三个案例中，Manus化身为专业的股票分析师，分析英伟达、迈威尔科技以及台积电在过去3年的股票价格之间的相关性。Manus通过API访问权威数据源，并在验证数据后，编写用于数据分析和可视化的代码。
在完成数据分析和可视化后，Manus还能基于这些数据创建一个网站，并在用户的授权下，将网站部署至线上，并提供一个可供分享的链接。
X网友@DavidAIinchina体验Manus后，给出了极高的评价——“令人难以置信的用例”。
官方表示，以上展示的内容仅仅是Manus能力的冰山一角。Manus还分享了更多处理现实世界任务的案例，包括个性化旅行规划、深度股票分析、保险政策比较、供应商采购、财务报告分析以及专业数据整理等。
尽管Manus尚未全面开放，但其热度已席卷全网，各大平台上的用户纷纷涌入评论区询问邀请码，可见其火爆程度。
在评估通用AI助手在解决现实世界问题方面的能力的GAIA基准测试中，Manus在所有三个难度级别上都达到了SOTA（State-of-the-Art）水平。为了确保结果的可重复性，Manus使用与其正式版本完全一致的配置进行评测。
除了基准测试，Manus还在Upwork和Fiverr等平台上解决真实世界的问题，并在Kaggle竞赛中证明了自己的实力。
这一切都离不开优秀的开源社区，因此官方也希望能回馈社区。Manus采用多重签名（multisig）系统，由多个独立模型驱动。今年晚些时候，官方计划开源其中的一些模型，特别是Manus的推理（postering）部分。
Manus背后的中国团队和技术哲学
Manus AI背后的创始人肖弘，是华中科技大学软件工程专业2015届校友。毕业后，他连续创业，于2015年创立夜莺科技，推出了“壹伴助手”和“微伴助手”，服务超过200万B端用户，并获得了腾讯、真格基金等投资。
肖弘身上另一个鲜明的AI产品是Monica。这是一款号称All-in-One的AI助手，最初以浏览器插件的形式推出。通过集成主流大模型（如Claude 3.5、DeepSeek等），Monica提供聊天、翻译、文案处理等功能，用户可以通过自然语言创建定制化工具，并共享至工具广场。
Monica同样早期以海外市场为主，用户规模突破百万，成为AI插件领域的头部产品。今年2月份，Monica的中文版（monica.cn）已开启内测，目前免费向国内用户开放。该版本基于DeepSeek R1和V3模型打造，具备深度推理思考能力，并支持记忆功能和实时联网搜索。
Manus奉行的技术理念是“less structure more intelligence”（更少的结构，更多的智能）。他们认为，当数据足够优质、模型足够强大、架构足够灵活、工程足够扎实时，computer use、deep research、coding agent等能力会自然涌现，无需被设计为特定的产品功能。
作为大力出奇迹的代表之一，GPT-4-Turbo在GAIA公开排行榜上的平均成绩不到7%，即使是使用复杂多智能体系统的解决方案也仅达到40%。Manus的表现可以说是“遥遥领先”。
创始人肖弘在最近的一次访谈中，提前谈到了当时还未发布的Agent产品Manus。“看上去它确实应该就是一个chatbot，这是很符合大家想象的，同时在应用侧却很复杂，和Monica不一样，光用好不同模型就挺复杂。”
肖弘还将目前AI应用分为两类：一是填补主要应用产品的空档的不足，二是为特定场景提供独特解决方案的应用。
比如Perplexity（提供联网搜索功能）和Monica（浏览器插件形态）都属于此类，它们填补了现有产品留下的空白。而模型驱动的新场景这类应用，主要出现在图片和视频领域，直接由模型技术的进步驱动。像Pika和Runway等产品利用模型能力创造了新的应用场景。
有用户调侃Manus是“极致的套壳就是牛逼”，实际上肖弘并不忌讳让用户知道自己的产品用的是别人的模型。早在去年，他就把Monica比作消费电子产品，并把ChatGPT的Logo打在官网。
人机交互新时代：理性看待Manus
2024年初，有预测指出，大模型将成为智能手机新的操作系统，自然用户界面（NUI）将逐步替代现有的图形用户界面（GUI）。而实现这种新交互的重要入口，就是Agent。
去年，很多手机发布会上都展示了类似的案例，如AI订餐的Phone GPT，华为鸿蒙的小艺和意图框架，荣耀的YOYO智能体，以及智谱的AutoGLM，核心都是一样的：让AI模仿人类的Plan-Do-Check-Act（计划-执行-检查-行动）循环，从而像人类那样去操作设备。
智谱AI CEO张鹏之前提到，目前的Agent能力更像是在用户和应用之间，增加一个智能的调度层，链接所有应用甚至是所有设备。这可以看做是大模型通用操作系统LLM-OS的一种雏形，将对人机交互形式产生极大的影响。OpenAI创始成员、AI技术大牛Andrej Karpathy也曾多次谈到大语言模型操作系统（LLM OS）。
他认为大模型某种程度来说就是一种新的计算机和操作系统，它可以连接各种软件和硬件，以及所有模态信息组成的外设，并通过函数调用执行各种任务。
传统操作系统中，需要围绕CPU构建一堆外设，比如鼠标和键盘、磁盘存储以及缓存空间等。而在LLM OS中，大模型本身就是中央处理器。
I/O外设也不再是鼠标和键盘，因为LLM可以兼容更多模态的数据输入和输出。同时大模型调用的外部工具也将从传统软件升级为智能体工具。
其中跨应用的操作是非常关键的一环，这意味着Agent能实现更加复杂的自主连贯操作，也可能走向真正的商业化落地。至于各家互联网公司提供的服务能否打通，可能是未来实现这种交互最大的障碍。
不过现在很多AI助手实现代操作的方式，实际上是调用手机的无障碍功能 (accessibility features) 的权限，来控制屏幕点击。
Manus的出现，意味着Agent模式下的AI能够理解需求后独立工作，直到任务完成。这无疑是人机交互领域的一大步，它让我们看到了AI从工具向伙伴转变的潜力。
但要说我们已经一只脚迈入了AGI大门，也还为时尚早。肖弘自己也提到，早期的Agent更像是“功能机”，需要不断迭代和完善。目前的Agent仍需依赖于模型能力的提升，以及更完善的虚拟环境支持，才能真正胜任各种长尾任务。
如果类比智能驾驶，大概也相当于从L2级升级到L3级的辅助驾驶。虽然Manus在GAIA基准测试中表现出色，但这并不意味着它已具备通用人工智能的全部特征。通往AGI的道路依然漫长，需要解决模型能力、自主学习、任务泛化等多重挑战。
但因为有了Manus在自主性与通用性上的突破，通往AGI的大航海中，又多了一颗照亮我们的星。
