AI Agent，還要再等等

作者 | 山竹

出品 | 鋅產業

就在昨天，又有兩個產品在國產AI圈刷屏。

一個是大廠阿里的QwQ-32B，另一個是“黑馬”Monica的Manus。

前者是性能打滿的開源推理模型，后者被官方稱為“首個通用AI Agent”。

二者共同之處在于，在昨天的傳播發酵過程中均對標DeepSeek，被稱為國產AI之光，尤其是后者，頂著“全球首個通用AI Agent”的頭銜，產品內測碼一度被炒到5萬一個。

我是在仔細翻看了官方演示視頻和一些媒體評測視頻后發現，Manus其實和去年年底Anthropic演示的computer use、智譜AI演示的AutoGLM原理上有幾分神似。

而這個被炒得沸沸揚揚的Manus，更像是大家對AI Agent的一場狂想，一個期望，一個知其必然，卻又在苦苦等待中的一絲光亮。

不過，要正視的是，Manus的產品力，在這次萬眾“造神”的運動中被放大了不少，就像今年CES上的Mirumi陪伴機器人一樣。

01 Manus不是DeepSeek

2025年春節期間，DeepSeek的橫空出世掀翻了大佬們的大模型牌桌。

從后來的產業變化來看，DeepSeek帶來了兩方面影響：

第一，DeepSeek對算力需求的下降，讓苦于GPU的國內大模型市場迎來了一波國產算力曙光。

國產芯片連夜適配DeepSeek成了這幾個月的常態，甚至不少國內芯片大廠、明星企業都沒能過一個安穩的春節，集體回公司加班適配DeepSeek。

與此同時，DeepSeek先是讓英偉達股價受挫，后又讓英偉達能夠賣到國內市場、算力大打折扣的H20（H20八卡服務器算力僅為H100的15%）芯片需求大增。

第二，性能對標OpenAI o1的DeepSeek R1，帶動了一波大模型開源熱潮。

在此之前，開源大模型在于閉源大模型路線之爭上并不占優勢是因為，開源大模型的性能往往與閉源大模型有著代際的差距。

這次，DeepSeek R1性能直接對標OpenAI o1，連這么能打的DeepSeek R1都全面開源了，那些矜持的大模型廠商，也就沒有了不開源的理由。

就連一貫奉行大模型閉源的百度，也在前不久選擇了開源。

而之所以能對人工智能產業帶來這樣巨大的震動，從技術層面來看，是因為DeepSeek R1在算法層面采用的混合專家模型架構（MoE）和改進的多頭潛在注意力機制（MLA），將顯存占用降到了主流大模型的10%左右，采用群組策略優化（GRPO）又進一步降低了數據標注成本，甚至強化學習也因此翻紅。

從大模型發展進程來看，信奉Scaling Law的OpenAI卡在GPT-5發布的節點上，遲遲未能再進一步，OpenAI前首席科學家Ilya Sutskever在2024年年底的NeurIPS大會上更是直言，規模法則已觸頂，大模型預訓練時代將結束。

李國杰院士在近日公開發表的文章中則指出，“DeepSeek的問世標志著人工智能訓練模式從‘大力出奇跡’的外延式發展階段，轉向集約化系統優化的內涵式發展階段。”

這是DeepSeek給我們帶來變化，堪稱一個歷史的轉折點。

再看昨天Monica發布的Manus，其實，某種意義上而言，可以說是DeepSeek的延續。

現在媒體上一個流行的說法是，DeepSeek是“建議者”，Manus是“執行者”。

這個說法我是認同的。

從Manus的官方演示視頻來看，它可以扮演HR的角色，為你篩選候選人的簡歷，你只需要上傳包含簡歷的壓縮文件，它就可以「解壓文件——打開文檔、逐頁閱讀——形成報告」，最終以報告的形式呈現在你眼前。

它也可以扮演股票經理的角色，為你形成股票對比報告，你只需要告訴它你要分析的股票，它就可以「通過API調用訪問股票數據——編寫量化分析和可視化呈現代碼——形成可視化分析報告——根據進一步指令創建網站頁面」。

我們可以看到，在這個過程中，Manus首先仍然是一個“建議者”，它會分析文本、對比數據，也會形成觀點，甚至報告。

不過，與DeepSeek不同的是，Manus可以執行諸如生成圖片、創建網頁、生成網站這樣的“動作”。

這樣來看，Manus確實是一個“執行者”。

不過，Manus并沒有如DeepSeek一樣用技術創造力來改變大模型的產業走向和格局。

02 我們都在期待AI Agent

就過往的大模型進化來看，多模態大模型已經具備文本、圖像、代碼三大生成式AI能力。

正因如此，在2024年，我們看到了多模態大模型的涌現，看到了文本、圖像、代碼已經成為通用基礎大模型的三大標配能力，我們甚至看到了Sora、Vidu這樣的視頻生成模型的涌現。

在大模型具備了這些基礎能力后，這才有了2024年年底Claude 3.5 Sonnet引入的computer use能力，智譜AI的AutoGLM的手機“自動駕駛”能力。

就手機自動駕駛而言，在2024年，榮耀前任CEO趙明就曾在周鴻祎直播間演示過“一句話點咖啡”的能力。

在那次演示中，趙明對著手機（的智能語音助手）說“點三杯美式咖啡”，手機就會自動完成「打開APP-搜索-下單」步驟，趙明只需要在手機上點擊確認下單就能完成整個操作過程。

這樣的大模型能力被榮耀集成到了2024年10月發布的MagicOS 9.0系統中，趙明發布會上豪言稱，“手機駛入了‘自動駕駛’時代?！?/p>

這樣的手機“自動駕駛”能力在隨后很快成了AI手機的標配，并在今年的CES和MWC上為眾人熟知。

看過手機“自動駕駛”能力演示的朋友，不難發現，Manus展現出的數據分析、模型應用、API調用能力與這類computer use、手機自動駕駛有著諸多相似之處。

在Manus官方演示視頻中，Manus任務執行邏輯也是在重復執行三個動作：思考中、使用終端、編輯文件，這樣擬人的動作，像computer use一樣完成了一個程序員的編程工作。

并將這樣的工作流以可視化界面展現了出來。

我更相信，Manus這樣由一個優秀的軟件開發團隊開發出的AI Agent，是真正擁有產品化能力的AI Agent涌現之前的一個中間形態。

就像computer use和手機自動駕駛一樣。

我也相信，2025年一定會有各種各樣讓人意想不到的AI Agent出現，這些AI Agent很可能會改變一代人的專業技能和生活方式。

這樣的改變，讓我們既惶恐，又期待。