從Manus被收購，看2026年AI競爭轉向

賽格特約作者 閆曼

在2025年的尾聲，扎克伯格以20億美元的價碼，將Manus AI掃入Meta的版圖。在見慣了十億百億級別并購的硅谷和華爾街，這或許算不上是一筆特別具有轟動性的資本交易。也沒有直接撼動大模型格局，甚至在短期內，對Meta的核心業務影響都難以量化。

圖：Meta官方聲明

但如果把時間拉長，這可能會被視為人工智能產業敘事發生轉向的一個標志。它并未發生在模型層，卻在更深層次上改變了AI被理解和被使用的方式。

這筆交易傳遞出的信號十分明確：AI的價值評估體系，正在從“能說什么”轉向“能做什么”。

過去兩年間，AI產業幾乎被聊天能力所定義。大模型是否更聰明、回答是否更像人甚至更有同理心，成為了技術進步的核心指標。但隨著大模型能力趨于穩定，市場開始追問：當模型已經足夠聰明，下一步該往哪里去？

Manus所代表的AI Agent，或許給出了一個方向性的答案。

模型是大腦，Manus是四肢

長期以來，風投圈流行著一種對應用層創業者的輕視。凡是沒有自研基礎模型、構建在OpenAI或Anthropic之上的公司，往往被貼上“套殼”標簽，被認為缺乏護城河。

而現在，Meta愿意為Manus支付20億美元，說明市場對這類公司的理解已經發生變化。

從傳統視角看，Manus并不具備典型的高估值要素。它沒有自研模型，而是基于Claude、Qwen等模型構建。但Manus這類AI Agent的核心價值，并不在于模型本身，而在于它補齊了大模型長期缺失的執行能力。

它讓AI變成了一個能被放入工作流的執行單元。AI被分配目標后，能自行打開網頁、抓取信息、調用代碼、生成表格……這些操作非常貼近人類真實的工作狀態。

也正因此，這筆交易可以被放回到更大的行業背景里理解。過去兩年，科技巨頭瘋狂比拼“大腦”。ChatGPT之所以重要，是它第一次讓大眾意識到機器具備接近人類的通用認知能力，這種驚艷感推動了整個行業加速。

但接下來的問題在于：驚艷感很難穩定轉化為穩定的生產力?，F實工作里，大多數任務是一串瑣碎卻必須完成的操作：查數據、做表格、整理成可交付的文件?，F有大模型在這些場景中往往只能給建議，無法直接把整個流程自己走完。Manus的價值正在于補齊了大模型長期缺失的那只“手”。

換句話說，Meta買的不是“智能”，而是把智能轉化為行為的能力。在大模型能力趨于同質化之后，這種將認知落地的執行力，開始變得極度稀缺。

Agent之間將展開綜合競爭

從Meta的角度看，這次收購更像是一種順勢而為的判斷，而不是一次激進押注。

過去幾年，全球算力資源幾乎被持續投入到大模型訓練中。這是一個典型的燒錢換能力的階段，各家公司比拼的是參數規模、訓練方法，以及模型能力的上限。隨著時間推移，這一路徑的回報正在變得不那么線性：模型確實越來越聰明，但這種進步并沒有等比例地轉化為穩定、可持續的生產力。

也正因為如此，行業的關注點開始發生變化。進入2025年后，訓練端的重要性逐漸趨穩，而推理和應用端的投入正在上升。問題不再是模型還能不能再強一點，而是如何把已經具備的能力真正用起來，讓它進入現實系統，解決具體問題。

當大模型能力走到當前水平，繼續放大規模所帶來的體驗提升已經變得有限。相比之下，把現有模型與合適的工具、執行框架和業務流程結合起來，反而更容易帶來可感知的效率變化，甚至直接體現在產出上。

AI Agent的價值，正體現在這一層連接上。它所做的，并不是替代模型，而是讓模型真正“跑進”系統，承擔連續任務。這也在很大程度上解釋了為什么這個交易發生在現在，而不是更早。

當然，這樣的轉向也意味著風險隨之上移。當AI從給建議變成直接執行，失誤的代價被明顯放大。尤其是在企業和機構場景中，隨著Agent數量不斷增加，權限如何分配、責任如何界定、過程如何被監督，都會變成新的現實問題。

也因此，未來Agent產品之間的競爭，很可能不僅體現在誰執行得更快、更省成本，也體現在誰更容易被管理、被控制、被信任。

AI競爭的重心即將轉移

當AI競爭的重心發生變化，決定勝負的因素也會隨之調整。

在這個階段，算力和算法當然仍然重要，但它們已經不再是全部。越來越關鍵的是對工作流程的理解，以及對真實使用場景的熟悉程度。誰更清楚一項任務在現實中是如何被拆開、推進并最終交付的，誰就更有可能讓AI真正進入生產系統，而不是停留在展示效果上。

近期加盟騰訊擔任AI首席科學家的姚順雨，先后畢業于清華“姚班”和普林斯頓，曾在OpenAI任職研究員，他提出AI下半場將從"技術競賽"轉向"應用落地"的關鍵時期。屆時，Agent理解用戶意圖并執行的能力，將成為競爭的焦點。

Manus恰好提供了一個直觀的例子。它并未加入底層模型的競賽，而是把注意力放在“最后一公里”上。也正是在這一層面上，Manus的團隊背景顯得值得多看一眼。

盡管公司注冊地在新加坡，但Manus的核心團隊和工程方式，明顯帶有中國應用開發環境的影子。這種特征并非偶然。在長期的應用軟件和互聯網產品實踐中，中國團隊往往更習慣在復雜條件下推進工程，把分散的技術能力整合成可以落地的產品。這并不意味著底層技術一定更先進，但在執行效率和產品化速度上，逐漸積累了優勢。

如果把視角再拉高一些，這種差異也反映出全球AI競爭中正在出現的一種分工：在基礎模型研究和算力資源上，美國公司或許仍然占據主導；而在應用落地和產品迭代上，來自中國背景的團隊正變得越來越活躍。單純比拼模型參數的階段正在退場，比拼誰能更快把技術變成可用產品的階段，正在展開。

對普通人來說，AI的下半場未必會帶來劇烈的沖擊。我們依然需要上班、開會。但日常工作中那些最瑣碎、最重復、最消耗精力的部分，或許會被AI一點點接管。

當AI Agent開始真正進入工作流程，人類的角色也會隨之變化。我們不再需要親自完成每一步，而更多是明確目標、劃清邊界，并對最終結果負責。

也許，這才是AI真正進入現實生活的方式。