Manus的收购案撕开了AI创业的残酷真相：在算力垄断的时代，独立通用Agent的梦想终成泡影。本文深度剖析这家估值20亿美金的明星公司为何不得不‘投靠’Meta，揭示通用智能体背后触目惊心的经济黑洞，并指出垂直领域才是AI创业者最后的诺亚方舟。

序言：一场没有香槟的“胜利”

2025年底，硅谷传来震荡。曾被誉为“AI时代的微软”、通用智能体（General Purpose Agent）的领头羊——Manus，正式被美股七姐妹之一的科技巨头Meta，收入囊中。

消息传出的那一刻，我的朋友圈撕裂成了两个平行宇宙。

在一级市场的投资人群里，是满屏的“恭喜”和“Exited”。对于VC而言，在AI泡沫逐渐挤干的2025年寒冬，能以独角兽的高估值全身而退，这无疑是一场教科书式的资本胜利。

但在我们这些在人工智能一线摸爬滚打近10年的AI产品经理和开发者群里，气氛却近乎“葬礼”。

我们沉默，不是因为嫉妒，而是因为一种深深的无力感。Manus 曾是我们心中的“屠龙少年”，它许诺了一个不被巨头垄断的未来——一个由独立的、通用的 AI Agent 充当操作系统的未来。

Manus 的“上岸”，标志着这个理想主义时代的终结。 它用最昂贵的代价证明了一个残酷的真理：在算力和模型被寡头垄断的今天，应用层的“独立王国”也许本身就是一个伪命题。

图：Manus的工作原理展示

1、估值20亿美金的闪电交易，与算不过来的“账”

为什么 Manus 必须卖？是因为产品不行吗？

恰恰相反，Manus 的产品体验达到了行业的天花板。它能像人一样理解模糊指令，自主规划长链路任务。但作为产品经理，如果我们剥开它惊艳的UI，深入到底层的Unit Economics（单体经济模型），你会看到一个触目惊心的黑洞。

整个谈判过程只用了短短10余天闪电完成。去年12月初，Manus宣布年度经常性收入突破1亿美元，但随之而来的是指数级增长的算力账单。

1.1 智能的代价：指数级爆炸的推理成本

通用Agent不同于ChatBot。ChatBot 是“你问我答”，是一次性的 Token 消耗。而 Agent 是“你吩咐，我干活”，这是一个循环递归的过程。

经整理的manus Agent架构图，赤裸裸地展示了“智能”的重量：

这就好比你雇了一个极度严谨的德国工程师。哪怕你只是让他“写个贪吃蛇游戏”，他的大脑（Agent Loop）并不是马上开始敲代码，而是要先遍历一遍左侧那密密麻麻的“员工手册”：

• 查阅Browser Rules：网页能随便点吗？不行，得防爬虫。
• 调用Planner Module：先拆解任务，制定Todo。
• 遵守Sandbox Environment：代码不能在真机跑，得进沙盒。
• 执行Error Handling：报错了怎么自愈？查手册。

每一次简单的交互，其实都是右侧“规划大脑（Planner）”与左侧“执行手脚（Rules）”之间的高频博弈。这种“全副武装”的系统级调度，每一秒都在燃烧 Token，不仅贵在算力，更贵在它为了“不犯错”而加载的那些繁重的规则枷锁。

从场景拆解来看：

用户指令：“帮我调研一下2025年中国新能源出海的数据，写个简报。”

人类操作：打开谷歌 -> 搜索 -> 浏览5个网页 -> 复制数据 -> 粘贴到文档。

Agent 操作（后台逻辑）：

• Planning（规划）：调用 GPT-4 级模型分解任务（消耗 Input Token）。
• Browsing（浏览）：读取网页内容。注意，现在的网页充满了垃圾信息，Agent 需要读取数万字的 HTML 代码（消耗海量 Context Window）。
• Reasoning（推理）：发现数据不一致，触发Self-Correction（自省机制），重新搜索（成本翻倍）。
• Writing（生成）：最终输出。

来源Google Research论文：Agent的“思考-行动”循环 (ReAct Pattern)

这就是死结。为了维持“聪明”的体验，Manus 必须调用最昂贵的 SOTA 模型。用户付的订阅费（SaaS模式），根本覆盖不了指数级增长的算力成本（Token模式）。

1.2 巨头的“降维打击”

这种“赔本赚吆喝”的生意，只有谁能做？——拥有自家矿山的煤老板（Meta）。

对于 OpenAI 或 Google 来说，Token 的边际成本接近于零（因为算力是沉没成本）。他们可以把 Agent 功能免费送给用户，以此作为入口。而 Manus 每跑一次任务，都是在给巨头打工。

Manus 的出售，本质上是“逃生”。 在资金链断裂之前，投靠一个有无限算力的“富爸爸”，是产品延续下去的唯一路径。

2、护城河的幻觉——当“套壳”遇到“原生”

过去两年，无数 AI 创业者（包括我自己）都在讲一个故事：

“虽然模型是巨头的，但我们有 Workflow（工作流），我们有 Memory（记忆），我们有独特的用户交互，这是我们的护城河。”

Manus 的倒下，无情地刺破了这个泡沫。我们所谓的“中间层技术”，在模型能力的指数级进化面前，薄如蝉翼。

2.1 上下文窗口的“吞噬”

Manus 引以为傲的一项技术是“记忆管理”——通过向量数据库，让 AI 记住用户之前的操作。

然而，当 Google Gemini 1.5 Pro 推出了 200万+ Token 的上下文窗口，当 GPT-5 实现了无限记忆时，Manus 辛苦搭建的这套“外挂记忆系统”，瞬间变得多余。

Andrej Karpathy著名的“LLM OS”架构图，展示大模型（CPU/RAM）正在吃掉原本属于应用层的空间

2.2 操作系统的回收

Manus 的愿景是成为“AI 时代的 OS”。但真正的 OS（Windows, macOS, iOS）会允许一个第三方 App 接管系统底层权限吗？

答案是否定的。Apple 推出了 Apple Intelligence，微软推出了 Copilot，他们直接在系统内核级（Kernel Level）集成了 Agent 能力。

微软 Copilot 可以直接读取你的 Office 文档、你的 Teams 聊天记录。Manus 作为一个第三方 App，需要不断地申请权限、适配接口，甚至面临被系统“封杀”的风险。

这一课很痛：不要在巨头的后院里盖别墅，因为地契是他们的。

3、AI 创业的终局推演——从“通用”到“垂直”

Manus 的谢幕，宣告了“通用 AI Agent（General Purpose Agent）”这条赛道的窗口期正式关闭。

未来的格局已经清晰：

• 神仙打架层：OpenAI、Google、Anthropic。他们垄断模型、算力和通用入口。
• 被收编的禁卫军：像 Manus 这样优秀的通用 Agent 团队，成为巨头生态的一部分。

那么，留给我们这些普通创业者、AI产业的机会在哪里？

答案只有一个：垂直（Vertical）。

3.1 为什么“垂直”能活？

Manus 输在“太全能”。它什么都能干，就意味着它在任何一个具体场景下，都干不过专精的专家。

未来的机会在于“重业务逻辑，轻通用能力”。

• 不做“AI 员工”，因为那是巨头的战场。
• 做“AI 牙科前台”：连接牙科诊所的 SaaS 系统，懂牙齿的术语，懂预约的潜规则。
• 做“AI 跨境电商选品员”：对接亚马逊 API，懂 ROI 计算，懂库存周转。

图：通用 vs 垂直的市场机会 (Horizontal vs Vertical Agents)

这些垂直场景，巨头看不上（市场太小），模型够不着（缺乏私有数据）。这才是 Manus 留给我们的最后一张藏宝图。

结语：致敬先驱，然后转身挖矿

作为 OpenAIer 的一员，我对 Manus 的创始团队致以最高的敬意。

他们是真正的技术先驱，他们在荒原上通过工程化的力量，让我们提前看到了 AI Agent 的雏形。他们的技术变现，是对创新的最好奖赏。

但对于还在路上的我们，请擦干眼泪，放弃“做平台”的幻想。

AI 的下半场，不再是“拿着锤子找钉子”的技术狂欢，而是“为了钉子造锤子”的产业深耕。

Manus 上岸了，它证明了大海的惊涛骇浪。而我们，也许更适合回到岸边，去开一家服务渔民的酒馆，或者去深山里，挖那座只有我们知道位置的金矿。