這兩天國(guó)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(méi)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(shuō)相當(dāng)驚艷。很容易上手，整個(gè)過(guò)程對(duì)用戶透明不需要干預(yù)，結(jié)果很直觀。

? 采用模擬人類(lèi)瀏覽網(wǎng)頁(yè)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(lèi)型，未來(lái)有更大想象空間，好比類(lèi)人的機(jī)器人可以做更多的通用型任務(wù)。

? 可以對(duì)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(guò) 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(zhǎng)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(jué)識(shí)別文字圖表的方式，時(shí)間成本和資源成本都不低，通過(guò) 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(huà)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(lái)訪問(wèn)網(wǎng)頁(yè)

? 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(yè)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(qǐng)求，拆分成 ToDo List，我推測(cè)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(lái)說(shuō) 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(kāi)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(lèi)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(lèi)似于 OpenAI Operator 的網(wǎng)頁(yè)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(xiě)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(yè)程序。由于這一步要求有極強(qiáng)的推理能力和語(yǔ)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(lái)？Manus 的護(hù)城河在哪里呢？

對(duì)于現(xiàn)在的 AI 產(chǎn)品來(lái)說(shuō)，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(shuō) OpenAI 的 Deep Research，雖然開(kāi)源或者商業(yè)的競(jìng)品很多，但是效果比它好的還沒(méi)有第二家，因?yàn)樗脕?lái)規(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(wú)論是推理能力還是上下文長(zhǎng)度都超過(guò)了公開(kāi)的 Claude 3.7 Sonnet 模型，同時(shí)他們還基于 o3 針對(duì) 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(shuō) 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(shuō)經(jīng)常被比作是“套殼”的 AI 產(chǎn)品 Perplexity，模型比不過(guò) 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(lèi) 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(lái)越好。 相似的例子是Cursor，他們最開(kāi)始發(fā)布的產(chǎn)品，效果也沒(méi)有那么好，沒(méi)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(kāi)發(fā)者都在自來(lái)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(kāi)始動(dòng)手做，那么機(jī)會(huì)還會(huì)是 Cursor 的嗎？

吸引來(lái)用戶，留住用戶，形成口碑，把這些用戶數(shù)據(jù)沉淀下來(lái)進(jìn)一步提升用戶體驗(yàn)，以后隨著模型能力的升級(jí)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(jìng)品超越。

Manus 開(kāi)了個(gè)好頭，但挑戰(zhàn)還是不小的，開(kāi)源的實(shí)現(xiàn)、商業(yè)上的山寨版本應(yīng)該很快就要出來(lái)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？