用微信掃碼二維碼

分享至好友和朋友圈

出品 | 網(wǎng)易科技態(tài)度欄目

像一顆巨石投入湖水，Manus發(fā)布濺起的水花雖已逐漸退去，但激起的漣漪還在不斷擴(kuò)散。

Manus會(huì)開(kāi)啟元年嗎？怎么理解Agent及其壁壘？當(dāng)前是不是Agent的發(fā)展機(jī)會(huì)點(diǎn)？不同玩家如何迎接Agent的浪潮？當(dāng)前Agent能代替實(shí)習(xí)生嗎……

3月8日，網(wǎng)易科技邀請(qǐng)了兩位大廠離職，在 AI 創(chuàng)業(yè)一線(xiàn)的嘉賓——李博杰和彭康偉，分享他們的判斷與思考。

李博杰，華為“天才少年”出身，曾任華為計(jì)算機(jī)網(wǎng)絡(luò)與協(xié)議實(shí)驗(yàn)室副首席專(zhuān)家，學(xué)者獎(jiǎng)得主。2023年投身AI創(chuàng)業(yè)，目前是 PINE AI 首席科學(xué)家，致力于為每個(gè)人和每個(gè)組織構(gòu)建類(lèi)似《Her》 里面 Samantha 的通用智能助理。

彭康偉，曾在騰訊0-1打造過(guò)月活破億的C端產(chǎn)品，2023年離職創(chuàng)業(yè)，成立夢(mèng)馬智能，正在做新一代的AI內(nèi)容平臺(tái)。

作為AI浪潮下的，他們?nèi)绾卧诰蘩酥袑ふ曳较?？透過(guò)他們的視角，又能看到一個(gè)怎樣的Agent未來(lái)？網(wǎng)易科技整理了他們對(duì)十個(gè)關(guān)鍵問(wèn)題的回答。

李博杰：Agent 的概念其實(shí)非常早，早在上世紀(jì)60年代人工智能剛出現(xiàn)時(shí)，就已經(jīng)有了 Agent 的概念。Agent 的本質(zhì)其實(shí)很簡(jiǎn)單，就是它是一個(gè)中介或者說(shuō)代理。Agent 能夠感知世界，并基于感知進(jìn)行規(guī)劃，然后采取行動(dòng)。

在如chatgpt的傳統(tǒng)ChatBot 里，用戶(hù)輸入一個(gè)問(wèn)題，系統(tǒng)給出一個(gè)答案，問(wèn)答結(jié)束。但 Agent 不一樣。你把一個(gè)任務(wù)交給Agent后，它不僅會(huì)回答，還會(huì)主動(dòng)收集各種資料，利用周?chē)母鞣N資源，最終幫你把事情辦成。這就是ChatBot和Agent 的核心區(qū)別。

比爾·蓋茨其實(shí)很早就看重這個(gè)方向。我在微軟工作的時(shí)候，Office 2003里就有一個(gè)小回形針助手（Clippy），它會(huì)彈出來(lái)問(wèn)你需要幫助嗎？這其實(shí)就是早期探索 Agent 的嘗試。但當(dāng)時(shí) AI 技術(shù)不成熟，最終在 Office 2007里就取消了。

后來(lái)像 Cortana、Siri 之類(lèi)的助手，也可以看作是早期的 Agent，能幫用戶(hù)完成一些小任務(wù)。再往后發(fā)展，現(xiàn)在的 Agent（比如 Manus）真的可以幫助用戶(hù)完成長(zhǎng)時(shí)間、復(fù)雜的任務(wù)，甚至長(zhǎng)達(dá)半小時(shí)到一小時(shí)。

Agent 的神奇之處在于它具備“腦、手和交付”三種能力：LLM 提供認(rèn)知和思考能力，相當(dāng)于 Agent 的“腦”；Agent 的“行動(dòng)”能力體現(xiàn)在它能調(diào)用瀏覽器、搜索信息、執(zhí)行指令等，相當(dāng)于它的“手”；而“交付”能力則體現(xiàn)在它最終能給出完整的成果，不管是文檔還是網(wǎng)頁(yè)展示。

在 Manus 的界面中，你可以清楚看到它的工作過(guò)程：左邊是它的瀏覽和操作記錄，右邊是它的思考過(guò)程。最終，它還能以文檔或網(wǎng)頁(yè)的形式完整地展示成果。對(duì)于實(shí)際業(yè)務(wù)來(lái)說(shuō)，這種能力的價(jià)值非常高。

二、Manus為什么能夠出圈？

李博杰：我覺(jué)得 Manus 出圈主要有兩個(gè)原因。一方面，媒體的傳播確實(shí)給了他們特別大的影響力。

另一方面，我覺(jué)得 Manus 的設(shè)計(jì)也很巧妙。它通過(guò)展示電腦操作過(guò)程，讓普通用戶(hù)更容易理解 Agent 的工作原理。以前很多產(chǎn)品會(huì)隱藏中間的操作過(guò)程，直接呈現(xiàn)最終結(jié)果。但 Manus 不一樣，它直接用屏幕動(dòng)畫(huà)一步步展示操作過(guò)程，比如如何瀏覽網(wǎng)頁(yè)、執(zhí)行任務(wù)。

雖然這種“視覺(jué)操作”方式在效率上可能不如直接訪問(wèn)網(wǎng)頁(yè)，但展示效果更直觀，讓用戶(hù)更容易理解 Agent 的實(shí)際能力。

彭康偉：補(bǔ)充一下，我覺(jué)得Manus 之所以能出圈，是因?yàn)樗堑谝粋€(gè)提出“通用型 AI Agent”概念的產(chǎn)品。

以前有不少優(yōu)秀的工具能幫助開(kāi)發(fā)者寫(xiě)代碼，但 Manus 將 Agent 的能力擴(kuò)展到了更廣泛的領(lǐng)域，讓普通人也能使用它來(lái)完成各種任務(wù)。這是它的第一個(gè)亮點(diǎn)。

第二個(gè)亮點(diǎn)是 Manus 的工程能力提升明顯。以?xún)r(jià)格比對(duì)任務(wù)為例：在電商場(chǎng)景下，要找到最優(yōu)價(jià)格，需要檢索大量信息，涉及不同的供應(yīng)鏈和成本結(jié)構(gòu)。Manus 能夠整合這些復(fù)雜的信息，進(jìn)行多層次的檢索和分析，最終給出最佳方案。

這種跨場(chǎng)景、跨領(lǐng)域的通用能力，正是 Manus 與早期 Agent 產(chǎn)品的最大區(qū)別。

彭康偉：我覺(jué)得從技術(shù)角度看，Agent 的本質(zhì)其實(shí)可以用剛剛“手”和“腦”來(lái)比喻。大模型相當(dāng)于“腦”，而“手”就是調(diào)用各個(gè)網(wǎng)頁(yè)和工具的能力。從技術(shù)上講，復(fù)現(xiàn)這種交互能力其實(shí)并不難。

但真正的壁壘在于實(shí)現(xiàn)每個(gè)具體場(chǎng)景下的工程部署和優(yōu)化。比如，面試、電商、編程等具體場(chǎng)景中，前后端的聯(lián)調(diào)部署和代碼集成都需要大量的工程工作。這種在不同場(chǎng)景下的定制化實(shí)現(xiàn)，才是建立壁壘的關(guān)鍵。

李博杰：我非常同意康偉的看法。Agent 的核心挑戰(zhàn)不在于調(diào)用大模型或開(kāi)放接口，而是能否在專(zhuān)業(yè)領(lǐng)域中積累工程經(jīng)驗(yàn)。

對(duì)于通用任務(wù)，比如規(guī)劃一份日本7日游行程單，Agent 可能表現(xiàn)很好。但在專(zhuān)業(yè)領(lǐng)域，比如醫(yī)療，Agent 需要具備專(zhuān)業(yè)知識(shí)和領(lǐng)域積累，而這些知識(shí)可能并不在公開(kāi)語(yǔ)料中。因此，單靠通用模型的數(shù)據(jù)集，可能無(wú)法滿(mǎn)足專(zhuān)業(yè)需求，仍需進(jìn)行特定的微調(diào)和后訓(xùn)練。

此外，復(fù)刻別人已經(jīng)完成的東西，其實(shí)是一個(gè)下限很低，上限很高的事情。比如我在用 Manus 做調(diào)研報(bào)告時(shí)，發(fā)現(xiàn) openai 的模型效果往往優(yōu)于 Manus，因?yàn)?OpenAI 可能使用了自己未公開(kāi)的模型，經(jīng)過(guò)專(zhuān)門(mén)針對(duì)調(diào)研場(chǎng)景的后訓(xùn)練優(yōu)化。Manus 團(tuán)隊(duì)目前無(wú)法打造出這種規(guī)模的專(zhuān)有模型，因此只能在開(kāi)源模型基礎(chǔ)上做調(diào)優(yōu)。

即便有開(kāi)源解決方案，比如 Owl 等的開(kāi)源模型，但由于工程調(diào)優(yōu)的能力不足，其實(shí)效果仍然與 Manus 有差距。

四、Manus未來(lái)如何盈利？發(fā)展方向？

彭康偉：從 Manus 團(tuán)隊(duì)之前做 Monica 的經(jīng)驗(yàn)來(lái)看，他們?cè)跒g覽器和插件領(lǐng)域積累了大量用戶(hù)和使用場(chǎng)景，具備對(duì)用戶(hù)需求的深刻理解。因此，打造一個(gè)“入口級(jí)”產(chǎn)品可能是一個(gè)合理的方向。

“入口級(jí)”意味著像抖音、微信這樣的平臺(tái)，吸引大量用戶(hù)并建立生態(tài)。比如，打造一個(gè)類(lèi)似 GitHub Copilot 的 Agent 平臺(tái)，允許用戶(hù)上傳和共享專(zhuān)業(yè)領(lǐng)域的 Agent——比如電商、教育、法律等領(lǐng)域的細(xì)分 Agent。這不僅能夠滿(mǎn)足具體需求，還能通過(guò)用戶(hù)和開(kāi)源社區(qū)的力量，形成良性循環(huán)，完善整個(gè)生態(tài)。

即便 Manus 無(wú)法成為入口級(jí)產(chǎn)品，當(dāng)前的市場(chǎng)熱度也會(huì)推動(dòng)開(kāi)源生態(tài)的發(fā)展，讓更多人將 Agent 技術(shù)應(yīng)用到各行各業(yè)，創(chuàng)造真正的商業(yè)價(jià)值。

李博杰：我也認(rèn)為打造入口級(jí)產(chǎn)品是最大的機(jī)會(huì)。但對(duì)于我這種資歷更淺的創(chuàng)業(yè)者來(lái)說(shuō)，直接挑戰(zhàn)大廠和成熟產(chǎn)品并不容易。因此，更現(xiàn)實(shí)的路徑可能是專(zhuān)注于客單比較高的垂直領(lǐng)域，打造高附加值的行業(yè)解決方案。

一些垂直領(lǐng)域客戶(hù)對(duì) AI 賦能有強(qiáng)烈需求，但自身技術(shù)儲(chǔ)備不足。這就為 Agent 在行業(yè)場(chǎng)景中的落地提供了空間。此外，垂直領(lǐng)域的用戶(hù)往往能承擔(dān)更高的使用成本。

比如，當(dāng)前 Manus 的模型推理成本較高，一次執(zhí)行可能需要2美元以上。如果是日常使用，每天用5次就要花10美元，個(gè)人用戶(hù)可能難以負(fù)擔(dān)。但對(duì)于法律、金融等高附加值行業(yè)，AI 賦能后的增值足以覆蓋這部分成本。因此，Manus 在商業(yè)化上可能更適合面向高附加值領(lǐng)域。

五、當(dāng)前是不是Agent發(fā)展的機(jī)會(huì)點(diǎn)？

彭康偉：我認(rèn)為當(dāng)前確實(shí)是 Agent 發(fā)展的重要時(shí)機(jī)。Agent 早就出現(xiàn)了，但由于模型能力有限，加上調(diào)用成本高，之前的發(fā)展受到了限制。

但隨著模型和推理技術(shù)的優(yōu)化，以及調(diào)用成本的不斷下降，Agent 的應(yīng)用場(chǎng)景也變得更為廣泛了。

李博杰：我補(bǔ)充一下。除了成本降低，模型能力的提升也是關(guān)鍵因素。早期的模型在面對(duì)復(fù)雜任務(wù)時(shí)往往很“笨”，即使配備了工具（如搜索網(wǎng)頁(yè)、發(fā)郵件、計(jì)算器等），模型可能也不知道如何正確使用。

但今年的新模型，比如國(guó)內(nèi)的 DeepSeek 等，已經(jīng)解決了這一問(wèn)題。模型在不確定時(shí)，能夠主動(dòng)調(diào)用外部工具，做出更可靠的判斷。

此外，模型在解決復(fù)雜任務(wù)時(shí)的穩(wěn)定性也在提升。假設(shè)某個(gè)任務(wù)需要10個(gè)步驟，每一步的準(zhǔn)確率從90% 提升到99.9%，整體成功率就會(huì)從35% 提升到90%以上。這個(gè)穩(wěn)定性提升，使得 Agent 在商業(yè)環(huán)境中的可用性大幅增強(qiáng)。

這正是為什么大家普遍認(rèn)為2025年是“Agent 元年”。之前的模型太慢、太笨，難以滿(mǎn)足實(shí)際需求。而今年的模型在推理速度、調(diào)用工具的能力和穩(wěn)定性上都有了突破，才讓 Agent 真正具備了廣泛落地的條件。

目前，Agent 在編程領(lǐng)域的應(yīng)用已經(jīng)較為成熟，我認(rèn)為今年這種能力會(huì)擴(kuò)展到更多行業(yè)，真正實(shí)現(xiàn)跨領(lǐng)域應(yīng)用。

六、模型能力提升會(huì)覆蓋掉Agent能力嘛？

李博杰：我自己的感覺(jué)是會(huì)的。我理解這個(gè)問(wèn)題是說(shuō)，一些Agent通過(guò)精細(xì)調(diào)參或策略?xún)?yōu)化形成的功能性提升，是否會(huì)被更強(qiáng)的模型能力取代。比如，Manus 其實(shí)現(xiàn)在就是一個(gè)典型的“多 Agent 系統(tǒng)”，其中不同的 Agent 負(fù)責(zé)搜索、寫(xiě)代碼、操作電腦等。

在過(guò)去，我們通常會(huì)基于人類(lèi)的工作流程來(lái)設(shè)計(jì) Agent，比如讓它們先做 A，再做 B，這樣可能效果更好。但如果模型能力提升，很多這些基于工程優(yōu)化的 Agent 可能就不再需要。

我自己就吃過(guò)這個(gè)虧。之前在某個(gè)項(xiàng)目上做了很多優(yōu)化，結(jié)果新模型一出來(lái)，之前做的精細(xì)化工程全都被淘汰了。我猜康偉在創(chuàng)業(yè)過(guò)程中可能也有類(lèi)似的經(jīng)歷。

但從技術(shù)發(fā)展的角度看，功能性?xún)?yōu)化仍然有價(jià)值。因?yàn)槲磥?lái)每個(gè)人都能獲得同樣強(qiáng)大的模型，誰(shuí)能在模型的基礎(chǔ)上做出更好的工程優(yōu)化，誰(shuí)就能占優(yōu)勢(shì)。

彭康偉：我覺(jué)得這可能要分短期和長(zhǎng)期來(lái)看。

長(zhǎng)期看，很多技術(shù)團(tuán)隊(duì)和算法團(tuán)隊(duì)都認(rèn)為，最終模型能力會(huì)覆蓋掉 Agent 的能力。因?yàn)閺娜说囊庵境霭l(fā)，我們自然希望模型能夠發(fā)展得足夠強(qiáng)大，最終實(shí)現(xiàn)這一目標(biāo)是大概率事件。

短期看，工程化優(yōu)化仍然是必要的。我們?cè)趧?chuàng)業(yè)中所交的“學(xué)費(fèi)”或“代價(jià)”是必須的，因?yàn)槎唐趦?nèi)模型不可能快速覆蓋所有具體的行業(yè)場(chǎng)景。因此，做好工程化優(yōu)化，既能形成壁壘，也能讓產(chǎn)品更好地服務(wù)用戶(hù)。

舉個(gè)例子，這波大模型出來(lái)后，之前在 NLP 和 CV 領(lǐng)域積累豐富經(jīng)驗(yàn)的公司，會(huì)更容易快速應(yīng)用大模型，結(jié)合行業(yè)壁壘和經(jīng)驗(yàn)，形成競(jìng)爭(zhēng)力。

七、中小企業(yè)如何迎接Agent浪潮呢？

李博杰：如果是初級(jí)企業(yè)，對(duì) AI 了解不多，可以先用低代碼（low-code）工具或 DFI 系統(tǒng)，搭建基礎(chǔ)的知識(shí)庫(kù)，然后在此基礎(chǔ)上構(gòu)建一個(gè)簡(jiǎn)單的 Agent。低代碼工具通過(guò)拖拽的方式，能快速搭建出 Agent 系統(tǒng)。

如果是有一定技術(shù)積累的公司，可以嘗試“后訓(xùn)練”（fine-tuning）的方法，把行業(yè)知識(shí)和經(jīng)驗(yàn)融入模型中。

這種方式相當(dāng)于把知識(shí)“內(nèi)化”到模型中，而不是每次都依賴(lài)知識(shí)庫(kù)去查詢(xún)。內(nèi)化讓模型知道大致的方向，但在面對(duì)具體問(wèn)題時(shí)，仍需要借助知識(shí)庫(kù)來(lái)確認(rèn)細(xì)節(jié)。

企業(yè)在搭建知識(shí)庫(kù)時(shí)，檢索能力至關(guān)重要。比如，谷歌的搜索效果明顯好于必應(yīng)，就是因?yàn)楣雀杌谟脩?hù)反饋和排序算法，能更好地保證搜索結(jié)果的相關(guān)性。企業(yè)在搭建知識(shí)庫(kù)時(shí)，也要注意優(yōu)化檢索算法，提升相關(guān)性和用戶(hù)體驗(yàn)。

八、Agent發(fā)展是大廠游戲嗎？

彭康偉：我覺(jué)得這個(gè)問(wèn)題對(duì)創(chuàng)業(yè)者來(lái)說(shuō)其實(shí)沒(méi)那么嚴(yán)峻。Agent 本質(zhì)上是為具體行業(yè)和產(chǎn)品服務(wù)的。

首先，Agent 不是終點(diǎn)，而是加速產(chǎn)品和服務(wù)的工具。其次，產(chǎn)品能否成功，更多取決于市場(chǎng)和用戶(hù)反饋，而不是 Agent 本身的技術(shù)水平。

大廠雖然有資源，但它們不會(huì)做所有事情。我想說(shuō)，大家也不必覺(jué)得過(guò)于焦慮，其實(shí)我們能做的事情很多，大廠的射程也是有限的，不然也不會(huì)出現(xiàn)那么多的上下游的公司，所以創(chuàng)業(yè)公司能做的事情還是有很多的。

李博杰：康偉說(shuō)得很好。因?yàn)槲乙苍诖髲S待過(guò)，我能感受到大廠往往在創(chuàng)新性產(chǎn)品上比較謹(jǐn)慎，只有當(dāng)成本降低、準(zhǔn)確度提高，產(chǎn)品成熟到“用戶(hù)用了不會(huì)出錯(cuò)”時(shí)，才會(huì)推出。而創(chuàng)業(yè)公司沒(méi)有這些顧慮，可以更靈活地迭代和試錯(cuò)。

比如，在 AI 輔助編程領(lǐng)域，微軟等大廠可能早有原型，但因?yàn)閾?dān)心破壞現(xiàn)有商業(yè)模式或成本過(guò)高而未發(fā)布。這就給創(chuàng)業(yè)公司留下了空間。

九、Agent元年的標(biāo)志性會(huì)是什么？

李博杰：我自己感覺(jué)標(biāo)志性事件可能會(huì)是一個(gè)能夠綜合調(diào)用視覺(jué)、聽(tīng)覺(jué)、語(yǔ)言等多種模態(tài)，能獨(dú)立使用電腦、手機(jī)，甚至打電話(huà)，幫助用戶(hù)完成日常任務(wù)的產(chǎn)品。如果這種能力在2025年實(shí)現(xiàn)，我覺(jué)得就可以稱(chēng)為 Agent 的元年。而且我也希望我能夠做出來(lái)這件事情。

對(duì)于 AI Agent 而言，我認(rèn)為它涉及兩個(gè)核心層面：一個(gè)是多模態(tài)理解。就像剛才提到的，Agent 能夠同時(shí)理解和處理視覺(jué)、聽(tīng)覺(jué)、語(yǔ)言等不同模態(tài)的信息。

另一個(gè)是多任務(wù)協(xié)同。這涉及我們所談到的各種 Agent 場(chǎng)景，不論是在電商、制造、金融，還是在編程領(lǐng)域，Agent 都能高效完成任務(wù)并交付成果。

關(guān)鍵不只是完成任務(wù)的動(dòng)作本身，而是在沒(méi)有人類(lèi)干預(yù)的情況下，能夠高質(zhì)量地完成任務(wù)交付。這與實(shí)習(xí)生完成任務(wù)不同，實(shí)習(xí)生在執(zhí)行過(guò)程中可能會(huì)出錯(cuò)，需要人來(lái)糾偏（無(wú)論是目標(biāo)上的調(diào)整，還是行動(dòng)上的修正）。但 AI Agent 的目標(biāo)，是在無(wú)需人為干預(yù)的情況下，自動(dòng)調(diào)整并交付高質(zhì)量的結(jié)果。

從這個(gè)角度看，我也很期待 AI 在任務(wù)交付和目標(biāo)達(dá)成上的“智能涌現(xiàn)”時(shí)刻，這將標(biāo)志著 AI 在任務(wù)理解和執(zhí)行效率上，真正達(dá)到新的高度。

十、Agent當(dāng)前能替代實(shí)習(xí)生嗎？

李博杰：其實(shí)問(wèn)題的關(guān)鍵還在于“記憶”。目前的 Agent 仍然停留在“事實(shí)性記憶”層面，比如“今天吃了什么”這種簡(jiǎn)單信息。但涉及“過(guò)程性記憶”（比如騎自行車(chē)的動(dòng)作記憶），AI 仍然很難做到。

目前，基于知識(shí)庫(kù)、檢索和總結(jié)的方法，效果還是不如人類(lèi)的記憶。AI 如果無(wú)法解決“記憶”問(wèn)題，就無(wú)法真正替代人的長(zhǎng)期學(xué)習(xí)能力，就相當(dāng)于一個(gè)實(shí)習(xí)生在這個(gè)公司里干了一天和干了一年沒(méi)有區(qū)別。

彭康偉：在特定領(lǐng)域（比如編程），Agent 已經(jīng)可以替代部分實(shí)習(xí)生的工作。企業(yè)可以通過(guò)使用 Agent，或者讓每位正式員工“帶幾個(gè)編程 Agent”，來(lái)實(shí)現(xiàn)降本增效。

在重復(fù)性、流程化任務(wù)中，Agent 的確有助于提高生產(chǎn)力。

出品 | 網(wǎng)易科技態(tài)度欄目

二、Manus為什么能夠出圈？

四、Manus未來(lái)如何盈利？發(fā)展方向？

五、當(dāng)前是不是Agent發(fā)展的機(jī)會(huì)點(diǎn)？

六、模型能力提升會(huì)覆蓋掉Agent能力嘛？

七、中小企業(yè)如何迎接Agent浪潮呢？

八、Agent發(fā)展是大廠游戲嗎？

九、Agent元年的標(biāo)志性會(huì)是什么？

十、Agent當(dāng)前能替代實(shí)習(xí)生嗎？