這兩天國內(nèi) AI 圈最火的非 Manus 莫屬了.一句話總結(jié)，那么就是：交互上有非常大的創(chuàng)新，受限于模型與數(shù)據(jù)，目前沒有護(hù)城河。

優(yōu)點(diǎn)：

? Manus 在產(chǎn)品交互上有非常大的創(chuàng)新，可以說相當(dāng)驚艷。很容易上手，整個(gè)過程對用戶透明不需要干預(yù)，結(jié)果很直觀。

? 采用模擬人類瀏覽網(wǎng)頁的方式讓它更具有通用性，適用于通用任務(wù)而不是特定任務(wù)類型，未來有更大想象空間，好比類人的機(jī)器人可以做更多的通用型任務(wù)。

? 可以對獲取到的數(shù)據(jù)進(jìn)行分析生成漂亮的圖表。

? 生成的代碼直接可以在虛擬機(jī)運(yùn)行看到效果

不足：

? 通過 ToDo List 規(guī)劃的方式，雖然可以讓 AI 探索的路徑不至于太發(fā)散，但是會(huì)讓結(jié)果趨于平庸，畢竟稍微復(fù)雜一點(diǎn)的任務(wù)是需要根據(jù)獲得的信息做動(dòng)態(tài)調(diào)整的。

? 受限于模型的能力和上下文窗口長度，在資料的篩選，和最終資料的合并整理上，會(huì)有比較大損耗，最終生成結(jié)果和質(zhì)量大部分時(shí)候是比較平庸的。

? 使用目前模擬瀏覽器搜索、點(diǎn)擊、滾動(dòng)，再用視覺識別文字圖表的方式，時(shí)間成本和資源成本都不低，通過 OCR 獲取屏幕內(nèi)容也可能會(huì)導(dǎo)致信息缺失。

技術(shù)實(shí)現(xiàn)

一圖勝千言，圖1 大致畫了一下 Manus 的架構(gòu)圖（不代表真實(shí)實(shí)現(xiàn)，僅作示意參考），主要有幾個(gè)模塊：

1. 虛擬機(jī)：一個(gè) Linux 系統(tǒng)的虛擬機(jī)，安裝有

? Chrome 瀏覽器，用來訪問網(wǎng)頁

? Python 運(yùn)行環(huán)境，可以執(zhí)行腳本分析數(shù)據(jù)，可以啟動(dòng)一個(gè)網(wǎng)頁運(yùn)行環(huán)境

2. 任務(wù)規(guī)劃器：根據(jù)用戶輸入的任務(wù)請求，拆分成 ToDo List，我推測是 Claude 模型，因?yàn)檫@一步至關(guān)重要，必須要求模型有很強(qiáng)的推理能力，目前來說 Claude 3.7 Sonnet 應(yīng)該是很經(jīng)濟(jì)實(shí)惠的選擇

3. 任務(wù)執(zhí)行調(diào)度器：根據(jù) ToDo List 的任務(wù)清單，逐一執(zhí)行，根據(jù)任務(wù)去選擇最合適的 Agent。由于這一步重點(diǎn)是在 Agent 的選擇，所以不需要能力太強(qiáng)的模型，可以用開源模型比如 Qwen 稍微微調(diào)一下就可以用了。

4. 各種執(zhí)行不同類型任務(wù)的 Agents：Manus 內(nèi)置了很多 Agent，比如最復(fù)雜的應(yīng)該是類似于 OpenAI Operator 的網(wǎng)頁瀏覽 Agent，比如根據(jù)特定 API 檢索特定數(shù)據(jù)的 Agent，每個(gè) Agent 在完成任務(wù)后都會(huì)把任務(wù)結(jié)果寫到虛擬機(jī)。

5. 任務(wù)匯總生成器：當(dāng)每個(gè)子任務(wù)執(zhí)行完成后，任務(wù)執(zhí)行調(diào)度器就會(huì)通知任務(wù)匯總生成器，任務(wù)匯總生成器就會(huì)去虛擬機(jī)讀取 ToDo List 以及各個(gè)子任務(wù)的生成結(jié)果，把這些結(jié)果匯總整理生成最終結(jié)果，根據(jù)任務(wù)要求，可能是一份調(diào)研報(bào)告，可能是網(wǎng)頁程序。由于這一步要求有極強(qiáng)的推理能力和語言能力，所以必然要求一個(gè)很強(qiáng)的模型，所以我猜這里也應(yīng)該是 Claude 3.7 Sonnet。

Manus 的護(hù)城河在哪里？

如果連我這樣一個(gè)偽專業(yè)人士也能大致分析出它的技術(shù)實(shí)現(xiàn)，那么是不是其他團(tuán)隊(duì)也可以去馬上山寨一個(gè)出來？Manus 的護(hù)城河在哪里呢？

對于現(xiàn)在的 AI 產(chǎn)品來說，護(hù)城河主要就幾個(gè)點(diǎn)：

1. 模型 + 算力

2. 數(shù)據(jù)

3. 用戶體驗(yàn)

比如說 OpenAI 的 Deep Research，雖然開源或者商業(yè)的競品很多，但是效果比它好的還沒有第二家，因?yàn)樗脕硪?guī)劃任務(wù)、選擇工具、匯總的模型是他們家最強(qiáng)的推理 o3 模型，可能也是業(yè)界最強(qiáng)的推理模型，無論是推理能力還是上下文長度都超過了公開的 Claude 3.7 Sonnet 模型，同時(shí)他們還基于 o3 針對 Deep Research 做了大量的強(qiáng)化學(xué)習(xí)訓(xùn)練，讓模型在執(zhí)行任務(wù)和生成內(nèi)容都可以取得很好的效果，模型能力就是 OpenAI 的護(hù)城河。

比如說 Google，雖然模型不一定有 OpenAI 的強(qiáng)，但是它們家的數(shù)據(jù)搜索能力是最強(qiáng)的，可以獲取到優(yōu)質(zhì)的數(shù)據(jù)源，所以效果也不錯(cuò)，數(shù)據(jù)搜索就是 Google 的護(hù)城河。

比如說經(jīng)常被比作是“套殼”的 AI 產(chǎn)品 Perplexity，模型比不過 OpenAI，數(shù)據(jù)搜索比不上 Google，但是依然在 AI 搜索中占有很重要的地位，它依賴的是獨(dú)特的用戶體驗(yàn)，更懂用戶，更好的提供了用戶想要的搜索結(jié)果。

但這里的用戶體驗(yàn)，不是傳統(tǒng)意義上的用戶界面交互層面的體驗(yàn)，而是基于大量用戶使用數(shù)據(jù)而個(gè)性化優(yōu)化后的優(yōu)化體驗(yàn)，很懂用戶想要什么。

Perplexity 和 Cursor 這類 AI “套殼”產(chǎn)品的護(hù)城河，就在于它有大量用戶數(shù)據(jù)沉淀后的用戶體驗(yàn)。

要有一個(gè)生態(tài)占位思路，先推出產(chǎn)品，先占住這個(gè)生態(tài)位，然后不斷迭代，不斷提升能力，就能夠做得越來越好。 相似的例子是Cursor，他們最開始發(fā)布的產(chǎn)品，效果也沒有那么好，沒有那么驚艷，但是他們等到了 claude sonnet 3.5 這個(gè)模型的出現(xiàn)，于是全球各地開發(fā)者都在自來水推薦 Cursor 。 試想一下，如果 Cursor 等到了 claude sonnet 3.5 發(fā)布之后，才去開始動(dòng)手做，那么機(jī)會(huì)還會(huì)是 Cursor 的嗎？

吸引來用戶，留住用戶，形成口碑，把這些用戶數(shù)據(jù)沉淀下來進(jìn)一步提升用戶體驗(yàn)，以后隨著模型能力的升級一起更新迭代，就能真正形成自己的護(hù)城河，再難被其他競品超越。

Manus 開了個(gè)好頭，但挑戰(zhàn)還是不小的，開源的實(shí)現(xiàn)、商業(yè)上的山寨版本應(yīng)該很快就要出來了，用戶的熱度也會(huì)消散的很快，一旦有新的熱點(diǎn)馬上就會(huì)去追逐新的熱點(diǎn)了，就像你還記得 OpenAI 家的 Operator 嗎？