作者 | 兔子酱、奶茶 编辑 | 夕小瑶科技说
点击下方卡片，关注“自动驾驶之心”公众号
>>点击进入→自动驾驶之心『大模型』技术交流群
本文只做学术分享，如有侵权，联系删文
上周末，脖子突然抽筋坏了，比落枕难受100倍。所以停更了几天。做了CT，做了核磁，开了膏药，也开了口服药，这两天能动弹了。
一夜之间，被“中国团队做的通用 AI Agent 产品”——Manus刷屏了。
不少声音都在说“AI Agent 的 GPT 时刻”、“中国 AI 再次震惊世界”、“又一个 DeepSeek”，总之各种溢美之词扑面而来，帽子又高又帅！
Agent——
现在这个时刻，已经是一个说烂的词儿了，从 22 年底 ChatGPT 发布后的几个月开始，尤其是 AutoGPT（Agent 概念开始“火”起来的关键节点）火了之后，到现在一直没停过讨论。
那为啥这次 Manus 就火了呢？
这篇文章仅从我个人理解角度上，浅谈一下。
整体我觉得可以概括成三点：
1、是对 OpenAI 的贴身超越
2、是一次技术突破的集中爆发
3、与用户心理的精准共振
先看一个官方的 demo 视频——
任务是：Research the Rockefeller family relationships（研究洛克菲勒家族关系）
一段操作猛如虎，中间各种分析、整理、执行，最后生成了家族图谱。
首先看官方发布的榜单——
在衡量通用 AI 助手能力的基准 GAIA 评测中，Manus 的评分遥遥领先，超越了 OpenAI 的 DeepResearch，稳坐第一。
GAIA 基准由 Meta AI (FAIR)、Hugging Face 团队在 2023 年联合推出的，旨在评估 AI 助手解决实际问题的能力。研究团队提出了一系列问题，这些问题“对于人类来说在概念上很简单，但对于最先进的人工智能来说却具有挑战性”，共包含 466 个需要多步骤推理的复杂问题，分为 Lv.1、Lv.2、Lv.3 三个难度级别。人类在 GAIA 测试中的平均正确率高达92%，GPT-4 在 GAIA 测试中的综合正确率仅为15%，且在最高难度级别（Lv.3）的问题上表现更差，部分得分甚至为零。直到有了推理模型 +Deep Research 后，才拿下当时的 SOTA。
看榜单数据，Manus 从三个 level 上均超越了 Deep Research。
再来看几个 demo：
任务 1：充当 HR 的角色，筛选存放在压缩包里面装的 10 份简历
Manus 被塞过来文件后，就开始干活：
（1）解压文件，浏览简历，提取关键信息
（2）分析所有 15 份简历，给出专业的排名建议
（3）提供详细的候选人资料和评估依据
（4）根据用户的偏好生成电子表格形式的报告
任务2：用户想要在纽约购买房产，要求安全的环境，低犯罪率，要有不错的学区，而且还不能超预算。
看 Manus 的执行过程，它分成以下几步：
（1）分解为 todo：将复杂任务分解为待办事项列表，包括研究安全社区、识别优质学校、计算预算、搜索房产等
（2）搜索：网络搜索有关纽约最安全社区的文章，收集相关信息
（3）写代码：编写 Python 程序根据用户收入计算可负担的房产预算
（4）筛选：筛选房地产网站上相关的房价信息，根据预算范围筛选房产列表
（5）整合：整理所有收集的信息，撰写详细报告。
任务3：分析过去三年中英伟达、迈威尔科技和台积电股票价格之间的相关性
拿到任务就开干：
（1）通过 API 访问雅虎金融等信息网站，来获取股票历史数据
（2）交叉验证数据准确程度（这点很聪明严谨，让我很放心！）
（3）写 python 代码进行数据分析、可视化
（4）结合金融分析的工具生成综合分析报告，向用户反馈其中的因果关系
整个执行过程的输出很详细，有很多像人的操作，比如上下滑动、点击元素。
完全像一个人在完成任务的过程一样。
仔细看所有的任务，不外乎有几个核心的流程：上网搜索、编辑器、执行 Linux 终端命令、写代码。
更多感觉，它像一种“DeepResearch + Computer Use + Artifacts”多种现有技术的结合体。
这就是 Manus 区别于其他的关键。背后是靠一套云端的虚拟机环境支持。
比如 DeepResearch——
能联网检索、快速获取、整理和分析大量数据。
Claude 的 Computer Use——
更像是一个背后的操盘手，负责任务调度和执行、高效地管理和分配计算资源
Artifacts——
借鉴 Claude 策略，给 Manus 提供与现实世界交互的能力，最后的呈现结果直接在网页上立竿见影地看到。
综合起来，Manus 就变成了一个高效协同的整体，可以处理复杂的任务流程。
因为官方这次并没有放出来技术报告，一切猜测也仅是基于以往技术形态，所以我更倾向于把它看作是一个系统创新。
除了简历筛选、选房、炒股这三个案例之外， Manus 官网还展示了十多个 manus 能够胜任的场景，比如整理行程、个性化推荐旅游路线。
回到一个问题上来，Manus 为什么就突然火了呢？
回答之前，我们先回顾一下，OpenAI 的 规划的 AGI 路线图——
Level1: 常规的 chatbot 形态；
Level2: 对应目前的强推理模型；
Level3: 具备 agent 能力，基于指令，可以 take action 的 AI 系统
Manus 这个产品，就是来到了这个阶段。
就像官方对 Manus 的定义——
“Manus is a general AI agent that bridges minds and actions: it doesn't just think, it delivers results”
翻译过来就是——
Manus 是一款通用型 AI agent，它连接思想与行动：它不仅思考，更能交付成果。
再看“Manus”这个名字——
它来源是拉丁语单词 “manus”，意思是 “手”，象征着 行动、执行、操作。
和 Agent 的特点非常吻合——
就是能够自主地执行任务，将想法转化为行动，就像一只能够执行各种操作的 “手”。
你就理解成是，Manus 是一个能动手、交付结果的 AI 助理。
manus 网址：https://manus.im
但是，目前 Manus 还只能是少部分内测用户可以用，大部分用户都在求邀请码。网上大部分 case 也都是官方跑好放出来的。
但是实际效果怎么样，不知道。用户量上来后，使用体验也不知道。所以蹲一个后续表现吧。
单看 demo 视频，还是挺强大的。
但至少，此时此刻，Manus 让我们看到了 AI Agent 的实际应用方式以及未来的样子。
个人觉得，从大模型发展阶段和用户体验看，Manus 确实击中了心理共振点。
大模型作为单一工具 chatbot 已经很成熟了，像 deepseek R1 配合联网功能，回答精准，但是无法执行，没办法自动执行多步骤的任务。
比如让它能写代码给你分析数据，能给你思路，但是不能打开 Excel 操作啊。
用户心理上已经从“惊艳”转向了“期待更多”，我把任务丢给你，直接给我完成的结果多省事儿啊。这样就解放双手，顺便也解放了大脑。
职场打工人干的最多的事儿就是：从一坨 XXX，整理 + 处理 + 分析，到 word、Excel 这种结构化数据。
Manus 就是 match 了当下用户的这个心理共振点。
更惊喜的是，这次又是国产力量！来自于成立于 2023 年的 AI 创业公司。
宣发视频里的就是 Co-founder 季逸超，是一位 90 后连续创业者，早期开发过猛犸浏览器一度出圈，还获得过红杉资本和真格基金联合投资，成立 Peak Labs 实验室，徐小平曾公开表示“投的是季逸超这个人，支持他做最野的事”。
资料太有限了，只能用 deepseek 帮我生成了一些资料（AI 生成，不一定 100% 准确）
上面季逸超是联创，创始人是肖弘，毕业于华中科技大学，连续创业者，夜莺科技创始人，曾推出“壹伴助手”“微伴助手”等工具，近几年转型做的和 AI 相关的产品则是 Monica，定位是轻量级 AI 助手，Manus 是最新发布的 AI 产品，两者定位不同，为解决复杂任务执行，技术理念强调“Less structure, more intelligence”，通过多代理架构实现自主规划与执行。
这次 Manus 的发布，堪称是——
凤衔金榜出门来，平地一声雷！
开心的是，这是继 DeepSeek 之后，又一个中国 AI 的崛起。
从此不是追赶者的叙事，而是开启 Agent 新纪元的火种！
① 自动驾驶论文辅导来啦
② 国内首个自动驾驶学习社区
『自动驾驶之心知识星球』近4000人的交流社区，已得到大多数自动驾驶公司的认可！涉及30+自动驾驶技术栈学习路线，从0到一带你入门自动驾驶感知（端到端自动驾驶、世界模型、仿真闭环、2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、大模型，更有行业动态和岗位发布！欢迎扫描加入
③全网独家视频课程
端到端自动驾驶、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、CUDA与TensorRT模型部署、大模型与自动驾驶、NeRF、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）
网页端官网：www.zdjszx.com
④【自动驾驶之心】全平台矩阵
原文链接：https://blog.csdn.net/CV_Autobot/article/details/146109680?ops_request_misc=%257B%2522request%255Fid%2522%253A%25225fd9105e47f06e370c8a06f3f709a2fb%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=5fd9105e47f06e370c8a06f3f709a2fb&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-24-146109680-null-null.nonecase&utm_term=manus
