Manus和它的“8000萬名員工”

本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議

迄今為止，所有關(guān)于Manus的公開討論，幾乎都未觸及核心。就連剛過去的周末，唐杰、楊植麟、林俊旸、姚順雨這四位“基模四杰”圍爐聊天，聊到Manus的意義時(shí)也只是避重就輕，一筆帶過。

這事兒有點(diǎn)反常。大概率是因?yàn)镸anus現(xiàn)在正處在風(fēng)口浪尖，大家不方便說太深。但放到今天來看，任何一場關(guān)于人工智能的討論，要是繞開了Manus，價(jià)值都會大打折扣。

維特根斯坦說過：“凡是可以言說的，都可以說清楚?！盡anus代表的技術(shù)演進(jìn)方向，正好就是能說清楚的那種——它不是一次普通的技術(shù)升級，而是AI應(yīng)用的“DeepSeek時(shí)刻”，標(biāo)志著人工智能從“只會生成內(nèi)容”轉(zhuǎn)向“能自主完成任務(wù)”的范式轉(zhuǎn)變。

就像當(dāng)年DeepSeek問世，把開源領(lǐng)域的大模型應(yīng)用門檻拉低，讓普通人也能用上大模型一樣；Manus的“多智能體系統(tǒng)”，靠大模型和虛擬機(jī)的巧妙結(jié)合，直接把AI變成了能自己搞定復(fù)雜任務(wù)的數(shù)字生產(chǎn)力。

其實(shí)不管是OpenAI、Anthropic，還是國內(nèi)的DeepSeek、字節(jié)跳動(dòng)，早就等著這么一個(gè)能把“AI應(yīng)用”說透的時(shí)刻了。無論 Manus 如何年少乖張、誤入歧途，但它摸索出的這條AI應(yīng)用路徑，哪怕只是靈光一現(xiàn)，也配得上“偉大”兩個(gè)字。

Manus模式的價(jià)值，核心就三點(diǎn)：

1.它是人類歷史上第一家擁有8000萬名以上“員工”的公司；

2.其本質(zhì)是一套“人工智能操作系統(tǒng)”；

3.它代表的技術(shù)模式最終一定會跑通，而這將意味著人類文明實(shí)現(xiàn)0.5個(gè)級別的躍升。

以上所言，并無虛妄。接下來，AI行業(yè)會迎來繼算力之后的又一場“囚徒困境”式戰(zhàn)爭。從各種模型新勢力，到BAT這些大廠，再到Meta、字節(jié)、OpenAI，還有Anthropic和DeepSeek，沒人能置身事外。

01

Manus的“8000萬名員工”

Manus對外披露的核心數(shù)據(jù)里，大家最關(guān)注的往往是它的年度經(jīng)常性收入（ARR）突破1億美元，還有累計(jì)處理了147萬億tokens的龐大規(guī)模。但真正能體現(xiàn)它模式核心的，是“創(chuàng)建超過8000萬虛擬計(jì)算機(jī)實(shí)例”這個(gè)指標(biāo)——外界常忽略這點(diǎn)，可這才是它的關(guān)鍵玄機(jī)。

拿移動(dòng)互聯(lián)網(wǎng)時(shí)代做個(gè)對比，就能看清它的顛覆性：

移動(dòng)互聯(lián)網(wǎng)時(shí)代，云計(jì)算是操作系統(tǒng)，支撐著數(shù)以億計(jì)的虛擬機(jī)（也就是云服務(wù)器），這些虛擬機(jī)都是靠人來操作的。人類精英在這些虛擬機(jī)上搭建起電商、社交、短視頻這些萬億級產(chǎn)業(yè)；

而Manus模式，是用編程語言當(dāng)核心調(diào)度規(guī)則，把Claude、GPT、千問這些第三方先進(jìn)大模型整合起來，在算力基礎(chǔ)上搭建了8000萬臺由AI自主操作的“虛擬機(jī)”。每一臺虛擬機(jī)都是一個(gè)獨(dú)立的數(shù)字工作單元，能做研究、搞開發(fā)、處理自動(dòng)化任務(wù)，本質(zhì)上就相當(dāng)于8000萬個(gè)功能不同的AI員工。

這標(biāo)志著核心操作者徹底變了：從人變成了AI。而支撐這種轉(zhuǎn)變的Manus系統(tǒng)，就是AI的操作系統(tǒng)——多智能體系統(tǒng)。

再往深想，Manus模式意味著人類正在迎來一次“文明級”的生產(chǎn)力飛躍。

首先，所有和數(shù)字經(jīng)濟(jì)相關(guān)的勞動(dòng)崗位，都能夠被AI接管，這本身就相當(dāng)于文明提升了0.5個(gè)級別；一旦算力更加充裕，AI員工從8000萬擴(kuò)展到8000萬億級別（當(dāng)然其中的系統(tǒng)復(fù)雜程度也將不可同日而語），它能迸發(fā)的能量會徹底重構(gòu)現(xiàn)有物理世界的所有生產(chǎn)工具。

到那時(shí)候，具身智能體（人形機(jī)器人只是其中一種）會在絕大多數(shù)領(lǐng)域取代人類，甚至取代現(xiàn)在的自動(dòng)化設(shè)備，那就能帶來一整個(gè)級別的文明躍升。

02

AI應(yīng)用的“DeepSeek時(shí)刻”

2024年初，Anthropic發(fā)布多智能體系統(tǒng)的研究結(jié)果時(shí)，一組數(shù)據(jù)小小地震撼了整個(gè)行業(yè)：在多智能體架構(gòu)下，Claude Opus處理復(fù)雜任務(wù)的性能，比單個(gè)智能體提升了90.2%。

這組數(shù)據(jù)背后藏著一個(gè)簡單卻深刻的道理：真正的智能從來都不是孤立存在的。

深度學(xué)習(xí)興起后，AI發(fā)展一直盯著“把單個(gè)模型做強(qiáng)”這條路——堆更多參數(shù)、用更大的訓(xùn)練數(shù)據(jù)、設(shè)計(jì)更復(fù)雜的架構(gòu)，似乎這是實(shí)現(xiàn)AGI的唯一正解。比如GPT-4的參數(shù)達(dá)到1.8萬億，Gemini Ultra搞了跨模態(tài)融合，Claude 3在長上下文理解上有突破。

但現(xiàn)實(shí)很殘酷，這條路已經(jīng)走到頭了，邊際效益越來越低。

多智能體系統(tǒng)走的是另一條路：不追求無所不能的“超級大腦”，而是打造分工明確、能協(xié)同工作的“智能社會”。在Manus的架構(gòu)里，規(guī)劃代理像戰(zhàn)略家，負(fù)責(zé)讀懂用戶需求、制定行動(dòng)方案；執(zhí)行代理像專業(yè)工人，各自調(diào)用工具完成任務(wù)；驗(yàn)證代理像質(zhì)檢員，確保每個(gè)環(huán)節(jié)的結(jié)果準(zhǔn)確。

這種分工帶來的效率提升很驚人。

Anthropic的實(shí)驗(yàn)顯示，處理那些需要并行推進(jìn)、信息量超出單個(gè)模型上下文窗口的任務(wù)時(shí)，多智能體系統(tǒng)的表現(xiàn)比單智能體好90.2%。更關(guān)鍵的是，95%的性能差距都能歸因于三個(gè)因素：token使用量（占80%）、工具調(diào)用次數(shù)和模型選擇。

也就是說，多智能體靠合理分配任務(wù)、調(diào)度資源，實(shí)現(xiàn)了“1+1>2”的協(xié)同效果。

理論上來說，AI發(fā)展能分成三個(gè)階段：第一階段是感知智能，比如圖像識別、語音識別；第二階段是認(rèn)知智能，比如理解語言、邏輯推理；現(xiàn)在正進(jìn)入第三階段——多智能。

多智能的核心不是單個(gè)智能體的能力，而是協(xié)作能力。人類文明能實(shí)現(xiàn)飛躍，就是從個(gè)體狩獵變成群體協(xié)作開始的。多智能體系統(tǒng)本質(zhì)上就是在數(shù)字世界里重演這個(gè)進(jìn)化過程：當(dāng)多個(gè)AI能像人類團(tuán)隊(duì)一樣分工、協(xié)作、糾錯(cuò)、優(yōu)化時(shí)，它們解決復(fù)雜問題的能力就會發(fā)生質(zhì)變。

其實(shí)之前已經(jīng)有很多單點(diǎn)突破證明了AI的實(shí)力：DeepSeek-Math在數(shù)學(xué)推理上贏了人類選手，AutoGPT能自己完成復(fù)雜項(xiàng)目，Devinci的代碼生成水平接近資深工程師。

而多智能體系統(tǒng)要做的，就是把這些“專家”組織起來，讓它們協(xié)同干活。這不是技術(shù)的簡單升級，而是能力的指數(shù)級爆發(fā)。

在專門評估AI處理現(xiàn)實(shí)復(fù)雜任務(wù)的GAIA基準(zhǔn)測試?yán)铮琈anus在所有三個(gè)難度級別都拿了最好成績，分?jǐn)?shù)超過OpenAI的DeepResearch，成了排名第一的AI助手。要知道，GAIA測試考的都是需要多步驟推理、調(diào)用外部工具、長遠(yuǎn)規(guī)劃的問題，能拿第一說明Manus的能力是實(shí)打?qū)嵉摹?/p>

商業(yè)上的表現(xiàn)更能說明問題。Manus推出不到一年，年度經(jīng)常性收入（ARR）就突破了1億美元，這個(gè)成績遠(yuǎn)超大多數(shù)SaaS初創(chuàng)公司的同期表現(xiàn)。現(xiàn)在還有250多萬人在排隊(duì)等著試用，它的兩個(gè)定價(jià)檔次——39美元/月的基礎(chǔ)版和199美元/月的專業(yè)版——也把商業(yè)化路徑走得很清晰。

這背后的邏輯很簡單：當(dāng)AI能真正代替人類完成從頭到尾的復(fù)雜工作，而不只是當(dāng)個(gè)輔助工具時(shí)，它的商業(yè)價(jià)值就從“提升效率”變成了“替代勞動(dòng)力”。

這標(biāo)志著AI應(yīng)用徹底告別了“玩具”“助手”階段，正式進(jìn)入“工作者”階段——這就是AI應(yīng)用的“DeepSeek時(shí)刻”。

02

多智能體系統(tǒng)的幾塊技術(shù)基石

多智能體系統(tǒng)能有這么強(qiáng)的能力，不是憑空來的，背后靠的是多重核心技術(shù)支撐：虛擬機(jī)提供的安全執(zhí)行環(huán)境、算力池化實(shí)現(xiàn)的高效資源利用，還有智能編排保障的協(xié)同工作流。

這些技術(shù)看著基礎(chǔ)，甚至古舊，卻是把多智能體從理論變成靠譜產(chǎn)品的關(guān)鍵。

1.虛擬機(jī)：AI的“獨(dú)立工作車間”

Manus會為每個(gè)任務(wù)創(chuàng)建獨(dú)立的云端虛擬機(jī)沙盒，這個(gè)設(shè)計(jì)解決了AI產(chǎn)業(yè)化的核心難題：安全和可靠。

傳統(tǒng)AI應(yīng)用常遇到“環(huán)境不兼容”的問題——生成的代碼換個(gè)地方就跑不起來，調(diào)用的工具和系統(tǒng)沖突，一個(gè)任務(wù)出錯(cuò)還會影響整個(gè)系統(tǒng)。虛擬機(jī)技術(shù)提供了完全隔離的執(zhí)行環(huán)境，讓每個(gè)任務(wù)都在“干凈”的環(huán)境里開始和結(jié)束，既保證了系統(tǒng)穩(wěn)定，也能讓結(jié)果重復(fù)驗(yàn)證。

更重要的是數(shù)據(jù)安全。企業(yè)用戶最擔(dān)心的就是敏感數(shù)據(jù)在AI處理時(shí)泄露或被污染。Manus的虛擬機(jī)架構(gòu)做了四級安全防護(hù)：網(wǎng)絡(luò)隔離防止數(shù)據(jù)跨任務(wù)流動(dòng)，任務(wù)完成后沙盒直接銷毀，確保沒有數(shù)據(jù)殘留，訪問權(quán)限按“最少夠用”原則分配，每個(gè)操作都有審計(jì)記錄。

到現(xiàn)在，Manus至少創(chuàng)建了超過8000萬臺獨(dú)立虛擬機(jī)，這個(gè)數(shù)字不僅體現(xiàn)了它的規(guī)模，更證明了這套架構(gòu)的穩(wěn)定性和可擴(kuò)展性。

從云計(jì)算的角度看，這種模式很有顛覆性?！碧摂M機(jī)是云服務(wù)的核心產(chǎn)品，隨著多智能體應(yīng)用爆發(fā)，它的需求肯定會大幅增長。而更重要的是，中國那些在云計(jì)算時(shí)代虛擬機(jī)技術(shù)上沉淀諸多的公司——百度、阿里、深信服們，將在新的技術(shù)競爭周期迎來又一個(gè)春天。

2. 池化與編排：聰明的“資源管家”

多智能體系統(tǒng)的另一個(gè)核心優(yōu)勢，是能智能管理資源。Manus用“分層推理”的策略，根據(jù)任務(wù)難度動(dòng)態(tài)匹配模型：簡單任務(wù)用Llama 3這種輕量級開源模型，復(fù)雜任務(wù)才動(dòng)用Claude 3.5這種重型模型。這種精細(xì)化調(diào)度，把單個(gè)任務(wù)的token消耗降到了行業(yè)平均水平的1/3。

池化技術(shù)的核心是打破“資源孤島”。傳統(tǒng)AI應(yīng)用常為每個(gè)功能單獨(dú)部署模型，導(dǎo)致資源浪費(fèi)。Manus建了統(tǒng)一的算力池和模型池，能全局調(diào)度、動(dòng)態(tài)分配資源。用戶提交復(fù)雜任務(wù)時(shí)，系統(tǒng)不會讓一個(gè)超大模型包攬所有事，而是從池子里調(diào)多個(gè)合適的模型和工具，讓它們各展所長、協(xié)同完成。

智能編排系統(tǒng)就是多智能體的“指揮中樞”，要解決一系列復(fù)雜問題：怎么把大任務(wù)拆成小任務(wù)？哪些小任務(wù)能同時(shí)做？哪些必須按順序來？算力不夠時(shí)怎么分配？任務(wù)出問題了怎么處理？

Manus的編排系統(tǒng)靠強(qiáng)化學(xué)習(xí)不斷優(yōu)化，分析了數(shù)千萬次任務(wù)執(zhí)行數(shù)據(jù)，持續(xù)改進(jìn)任務(wù)拆分和資源分配的算法。

Manus的技術(shù)博客里能看出來，它背后有很強(qiáng)的工程化能力——比如上下文管理、穩(wěn)定虛擬機(jī)環(huán)境搭建、外部應(yīng)用集成這些。這些看似“不核心”的工程問題，恰恰是多智能體系統(tǒng)能否穩(wěn)定運(yùn)行的關(guān)鍵。

大模型的上下文窗口限制是個(gè)大難題，就算最新的模型支持100萬tokens，應(yīng)對真正復(fù)雜的任務(wù)還是不夠。Manus用了個(gè)巧妙的上下文管理策略，只把必要的信息傳給每個(gè)智能體，既保證任務(wù)信息完整，又不浪費(fèi)上下文空間。

中國團(tuán)隊(duì)在工程實(shí)現(xiàn)上的優(yōu)勢很明顯。和硅谷公司側(cè)重算法突破不同，中國工程師更擅長把先進(jìn)技術(shù)變成穩(wěn)定靠譜的產(chǎn)品。Manus的工程能力體現(xiàn)在很多方面：能支持10萬+任務(wù)同時(shí)運(yùn)行，復(fù)雜工作流能自動(dòng)重試、找替代方案，響應(yīng)時(shí)間穩(wěn)定可預(yù)測。這些工程細(xì)節(jié)的打磨，是多智能體從“演示demo”變成“商業(yè)產(chǎn)品”的必經(jīng)之路。

以上邏輯上看，Manus無疑是DeepSeek之后最具突破性的AI公司。

03

下一場“囚徒困境”式AI戰(zhàn)爭

大廠必須跟進(jìn)的原因，其實(shí)就三個(gè)維度：

技術(shù)上，多智能體是大模型能力的“放大器”。單個(gè)大模型再強(qiáng)，處理復(fù)雜任務(wù)也有局限，多智能體靠協(xié)作能突破這個(gè)瓶頸，不跟進(jìn)的話，自家大模型的應(yīng)用價(jià)值會大打折扣；

產(chǎn)品上，多智能體重新定義了人機(jī)交互方式。從“人操作AI”到“AI自主完成任務(wù)”，這種轉(zhuǎn)變會催生出全新的產(chǎn)品形態(tài)，錯(cuò)過這個(gè)轉(zhuǎn)變，可能就像諾基亞錯(cuò)過智能手機(jī)一樣，從領(lǐng)導(dǎo)者變成旁觀者；

生態(tài)上，多智能體平臺可能成為新的生態(tài)中心。就像iOS和Android撐起了移動(dòng)互聯(lián)網(wǎng)生態(tài)一樣，多智能體平臺可能會成為AI應(yīng)用的開發(fā)、部署和運(yùn)行基礎(chǔ)，失去這個(gè)平臺地位，在AI時(shí)代就會被邊緣化。

從公開的專利、人員流動(dòng)和技術(shù)路線圖能清楚看到，全球科技巨頭都在加速布局多智能體：

國外這邊，Meta不僅收購了Scale AI增強(qiáng)數(shù)據(jù)能力，內(nèi)部的多智能體團(tuán)隊(duì)已經(jīng)把Llama系列模型和多智能體框架結(jié)合，在內(nèi)部管理任務(wù)中提升了30%的效率——雖然大模型很拉胯，但在認(rèn)知水平上Meta顯然是被低估的；

Google的Gemini項(xiàng)目本來就包含多智能體協(xié)作的思路，還公開了《AGENTS：多智能體語言模型系統(tǒng)開源框架》的核心架構(gòu)；

微軟通過Azure AI提供多智能體開發(fā)工具，還把這能力集成到Office和Dynamic 365里，想做“企業(yè)數(shù)字員工平臺”；亞馬遜的AWS Bedrock新增了多智能體編排功能，讓企業(yè)能基于多種大模型搭建自己的系統(tǒng)。

國內(nèi)市場也一樣熱鬧：

一年前，阿里千問團(tuán)隊(duì)就被傳出過于Manus存在合作，計(jì)劃用打造適合中國市場的Agent系統(tǒng)；騰訊引人姚順雨之后，目標(biāo)非常明確，直至智能體能力；百度作為強(qiáng)化學(xué)習(xí)時(shí)代的領(lǐng)導(dǎo)者，在“智能體編排平臺”技術(shù)領(lǐng)域有深厚沉淀，相關(guān)多智能體技術(shù)專利也已在2025年內(nèi)曝光；

字節(jié)跳動(dòng)的動(dòng)向雖顯神秘，但2026年繼續(xù)高強(qiáng)度提升算力水平，也在側(cè)面折射出其在智能體應(yīng)用上存在巨大需求——豆包手機(jī)或許只是個(gè)煙霧彈，正餐大概率會是多智能體。

與此同時(shí)，最可被寄以厚望的本土模型新勢力則是月之暗面（Kimi），它早在半年前就已經(jīng)快速入局多智能體（OkComputer項(xiàng)目）。近期，這家公司完成了5億美元的C輪融資，由IDG資本領(lǐng)投，估值達(dá)到30億美元。這次融資的主要用途之一，就是“加強(qiáng)多智能體系統(tǒng)的研發(fā)和產(chǎn)品化”，目標(biāo)是一年內(nèi)實(shí)現(xiàn)1億美元的ARR，復(fù)制Manus的增長路徑。

如果Kimi這個(gè)目標(biāo)能實(shí)現(xiàn)，就證明多智能體的商業(yè)模式是可復(fù)制的，到時(shí)候會有更多創(chuàng)業(yè)公司扎進(jìn)這個(gè)領(lǐng)域，競爭會更激烈。

當(dāng)然最重要的信號還是來自DeepSeek，多智能體系統(tǒng)的根據(jù)在于系統(tǒng)化AI編程能力——即AI的通用語言能力，當(dāng)前全球最強(qiáng)的AI編程模型公司是Anthropic，基于這一能力，Anthropic實(shí)則已經(jīng)超越OpenAI成為全球第一強(qiáng)的大模型公司。而據(jù)說春節(jié)前后DeepSeek將推出的新版本模型，即對標(biāo)Anthropic的模型編程能力。一旦如此，中國AI多智能體應(yīng)用便將少去所有技術(shù)上的后顧之憂，中國AI應(yīng)用的寒武紀(jì)便將完全爆發(fā)。

04

人類角色歷史性轉(zhuǎn)變：從操作者到管理者

多智能體系統(tǒng)帶來的一個(gè)深刻變化，很容易被低估：編程語言正在變成AI之間的“通用語言”，而人類和AI的關(guān)系，正在從“操作者-工具”變成“管理者-團(tuán)隊(duì)”。

觀察Manus的工作過程會發(fā)現(xiàn)一個(gè)有意思的現(xiàn)象：用戶用自然語言下達(dá)指令，但AI之間溝通，卻大量用結(jié)構(gòu)化、精確的“類代碼”語言。規(guī)劃代理傳給執(zhí)行代理的不是模糊的描述，而是包含函數(shù)調(diào)用、參數(shù)設(shè)置、條件判斷的“任務(wù)說明書”。

這是效率的必然要求。自然語言雖然表達(dá)豐富，但容易有歧義，多個(gè)AI要精準(zhǔn)協(xié)作，模糊的指令只會導(dǎo)致錯(cuò)誤和低效。代碼或類代碼語言能做到無歧義表達(dá)，確保每個(gè)AI都清楚自己該做什么、要達(dá)到什么標(biāo)準(zhǔn)。

比如用戶要求“分析公司財(cái)報(bào)并提取關(guān)鍵財(cái)務(wù)指標(biāo)”，規(guī)劃代理不會直接把這句話轉(zhuǎn)給執(zhí)行代理，而是轉(zhuǎn)換成一系列精確的操作指令。這種代碼化的任務(wù)描述，不僅精準(zhǔn)，還能驗(yàn)證、調(diào)試、重復(fù)使用。這背后是人機(jī)協(xié)作方式的根本轉(zhuǎn)變：人類不用再糾結(jié)“怎么干”，只需要說清楚“干什么”就行。

當(dāng)AI能用代碼級的精度理解和執(zhí)行創(chuàng)造性任務(wù)時(shí)，人類創(chuàng)造性勞動(dòng)的內(nèi)涵就變了。傳統(tǒng)的“創(chuàng)造性工作”里，其實(shí)藏著很多重復(fù)、模式化的內(nèi)容：市場分析師收集數(shù)據(jù)、設(shè)計(jì)師調(diào)整布局、程序員調(diào)試代碼、律師查閱案例。這些工作雖然需要專業(yè)知識，但本質(zhì)上是常規(guī)執(zhí)行。

多智能體系統(tǒng)能自動(dòng)化的，正是這部分“創(chuàng)造性工作里的執(zhí)行環(huán)節(jié)”。短期內(nèi)，它們不會取代人類的戰(zhàn)略判斷、審美選擇和價(jià)值取向，但能把人類從繁瑣的執(zhí)行里解放出來。

這會帶來兩個(gè)結(jié)果：一是初級、中級創(chuàng)造性工作的需求可能減少；二是高階創(chuàng)造性工作的價(jià)值會被放大。比如AI能完成80%的常規(guī)設(shè)計(jì)任務(wù)，人類設(shè)計(jì)師就能專注于那20%需要突破性創(chuàng)意的部分；AI能寫標(biāo)準(zhǔn)法律文件，人類律師就能更專注于復(fù)雜案件的策略和法庭辯論。

這不是職業(yè)消失，而是職業(yè)進(jìn)化。就像計(jì)算機(jī)沒消滅會計(jì)師，只是把他們從手工記賬里解放出來，變成了財(cái)務(wù)分析師和戰(zhàn)略顧問一樣，多智能體也會重塑每一個(gè)知識型職業(yè)。

生產(chǎn)力的飛躍一定會帶動(dòng)生產(chǎn)關(guān)系的調(diào)整。多智能體帶來的不只是效率提升，還有組織方式的根本變革。

傳統(tǒng)企業(yè)的層級結(jié)構(gòu)，是圍繞人類的能力限制設(shè)計(jì)的：需要管理層定戰(zhàn)略、中層傳指令、基層執(zhí)行，因?yàn)樾畔鬟f和處理能力有限。而多智能體能瞬間完成從戰(zhàn)略解析到任務(wù)執(zhí)行的全過程，企業(yè)的層級會變得越來越扁平。

更深刻的變革，在于生產(chǎn)資料所有權(quán)的重新定義。工業(yè)時(shí)代的核心生產(chǎn)資料是機(jī)器，信息時(shí)代是數(shù)據(jù)和算法，到了多智能體時(shí)代，“智能體團(tuán)隊(duì)”本身就成了核心生產(chǎn)資料。企業(yè)不用再雇傭大量人類員工組成團(tuán)隊(duì)，而是可以“租用”或“培養(yǎng)”AI智能體團(tuán)隊(duì)。

這種轉(zhuǎn)變已經(jīng)開始了。Manus的定價(jià)模式，本質(zhì)上就是“數(shù)字勞動(dòng)力租賃服務(wù)”：39美元/月能同時(shí)運(yùn)行2個(gè)任務(wù)，199美元/月能同時(shí)運(yùn)行5個(gè)任務(wù)。對中小企業(yè)來說，這意味著不用雇全職團(tuán)隊(duì)就能獲得專業(yè)能力；對大企業(yè)來說，就能靈活調(diào)整“數(shù)字員工”規(guī)模，應(yīng)對業(yè)務(wù)波動(dòng)。

而生產(chǎn)關(guān)系變革里，最大的挑戰(zhàn)可能是分配問題——當(dāng)AI創(chuàng)造了大量價(jià)值，這些價(jià)值該如何在企業(yè)、用戶和社會之間分配，目前還沒有明確的答案。

05

被低估的風(fēng)險(xiǎn)：數(shù)據(jù)主權(quán)與系統(tǒng)安全

多智能體系統(tǒng)高歌猛進(jìn)的背后，有兩個(gè)核心要素被嚴(yán)重低估：數(shù)據(jù)和安全。它們就像數(shù)字世界的暗物質(zhì)，看不見卻支撐著整個(gè)系統(tǒng)，一旦出問題，可能從基石變成致命弱點(diǎn)。

傳統(tǒng)AI里，數(shù)據(jù)主要是訓(xùn)練模型的“原料”——越多越好、越多樣越好。Meta花143億美元收購Scale AI 49%的股份，就是這個(gè)思路：靠高質(zhì)量、大規(guī)模的標(biāo)注數(shù)據(jù)提升模型性能。但在多智能體系統(tǒng)里，數(shù)據(jù)的角色徹底變了。

在這里，數(shù)據(jù)不只是訓(xùn)練原料，還是AI之間協(xié)作的“流通貨幣”，更是系統(tǒng)進(jìn)化的“記憶載體”。每個(gè)任務(wù)執(zhí)行過程中，規(guī)劃代理的任務(wù)分解策略、執(zhí)行代理的工具調(diào)用經(jīng)驗(yàn)、驗(yàn)證代理的錯(cuò)誤總結(jié)，都會以數(shù)據(jù)形式沉淀下來，變成系統(tǒng)的集體智慧。

Manus據(jù)稱通過聯(lián)邦學(xué)習(xí)建的“經(jīng)驗(yàn)庫”，已經(jīng)積累了2000多個(gè)行業(yè)任務(wù)模板和千萬級的任務(wù)執(zhí)行記錄。這些不是原始訓(xùn)練數(shù)據(jù)，而是結(jié)構(gòu)化、可復(fù)用的“工作記憶”。遇到相似任務(wù)時(shí)，系統(tǒng)不用從頭推理，直接調(diào)用優(yōu)化過的方案，效率最高能提升60%。

這種轉(zhuǎn)變帶來了新問題：數(shù)據(jù)的產(chǎn)權(quán)和價(jià)值分配變模糊了。用戶的任務(wù)需求、系統(tǒng)生成的執(zhí)行策略，到底屬于誰？用這些數(shù)據(jù)優(yōu)化系統(tǒng)、服務(wù)其他用戶時(shí)，怎么保障原用戶的權(quán)益？行業(yè)現(xiàn)在還沒形成共識，但這是多智能體商業(yè)化必須解決的根本問題。

還有個(gè)隱性風(fēng)險(xiǎn)是數(shù)據(jù)質(zhì)量的“馬太效應(yīng)”：優(yōu)質(zhì)用戶（能提出清晰復(fù)雜需求的專家）產(chǎn)生的數(shù)據(jù)質(zhì)量高，能讓系統(tǒng)在相關(guān)領(lǐng)域越變越好，進(jìn)而吸引更多優(yōu)質(zhì)用戶，形成正向循環(huán)；而低質(zhì)量數(shù)據(jù)會讓系統(tǒng)在某些場景下停滯甚至退化。這種分化可能加劇數(shù)字鴻溝，讓多智能體變成少數(shù)人的“特權(quán)工具”。

單智能體的安全問題主要是“輸入輸出安全”，比如防止惡意提示、輸出有害內(nèi)容；但多智能體的安全挑戰(zhàn)要復(fù)雜得多，涉及流程安全、協(xié)作安全和進(jìn)化安全三個(gè)層面。

流程安全是多智能體特有的問題。一個(gè)任務(wù)拆成多個(gè)子任務(wù)讓不同AI并行執(zhí)行時(shí)，可能出現(xiàn)意想不到的風(fēng)險(xiǎn)。比如財(cái)務(wù)分析任務(wù)里，“數(shù)據(jù)收集AI”不小心爬取了敏感信息，“報(bào)告生成AI”又把這些信息寫進(jìn)了最終報(bào)告，導(dǎo)致數(shù)據(jù)泄露。單獨(dú)看每個(gè)AI的行為都沒問題，但組合起來就出了安全漏洞。

Manus的虛擬機(jī)沙盒能提供基礎(chǔ)隔離，但解決不了AI之間的語義級安全問題。所以它加了“安全驗(yàn)證代理”，專門監(jiān)控任務(wù)執(zhí)行中的數(shù)據(jù)流和權(quán)限使用。但這會增加系統(tǒng)復(fù)雜度和成本——測試顯示，完全的安全監(jiān)控會讓任務(wù)執(zhí)行時(shí)間增加15%-30%。

協(xié)作安全更微妙。AI之間要通過通信協(xié)調(diào)工作，這個(gè)通信通道可能被攻擊者利用，搞“AI間攻擊”。比如攻擊者通過惡意提示控制了“文件管理AI”，再讓它給“數(shù)據(jù)發(fā)送AI”發(fā)偽造指令，把敏感數(shù)據(jù)傳出去。這種兩個(gè)授權(quán)AI之間的“合法”通信，傳統(tǒng)安全防護(hù)很難檢測。

進(jìn)化安全是最棘手的挑戰(zhàn)。多智能體系統(tǒng)能通過學(xué)習(xí)不斷優(yōu)化，但如果學(xué)習(xí)數(shù)據(jù)里混了惡意信息或異常模式，系統(tǒng)可能會“學(xué)壞”。更危險(xiǎn)的是，這種“學(xué)壞”是漸進(jìn)的、難察覺的，不會突然作惡，而是慢慢在邊緣場景出現(xiàn)偏差，最后在某個(gè)臨界點(diǎn)爆發(fā)問題。

Anthropic的研究顯示，多智能體的安全風(fēng)險(xiǎn)和AI數(shù)量呈非線性增長：從單智能體漲到三智能體，已知攻擊路徑增加5倍；漲到五智能體，攻擊路徑增加23倍。這種復(fù)雜度的爆炸式增長，讓傳統(tǒng)的安全審計(jì)幾乎失效。

數(shù)據(jù)和安全在多智能體系統(tǒng)里是“不可分割的共同體”：更多優(yōu)質(zhì)數(shù)據(jù)能提升系統(tǒng)能力，但也會擴(kuò)大攻擊面；更強(qiáng)的安全措施能保障可靠，但會限制數(shù)據(jù)流動(dòng)和系統(tǒng)靈活性。

現(xiàn)在行業(yè)在探索差分隱私、同態(tài)加密、可信執(zhí)行環(huán)境這些技術(shù)解決方案。Manus的企業(yè)版就有“隱私計(jì)算模塊”，能讓敏感數(shù)據(jù)在加密狀態(tài)下被處理，AI只能拿到結(jié)果，看不到原始數(shù)據(jù)。但這會犧牲性能——加密狀態(tài)下的計(jì)算速度可能下降40%-60%。

更深層的問題，是安全與效率的根本權(quán)衡。絕對安全的系統(tǒng)可能效率極低，高效的系統(tǒng)又可能存在安全漏洞。多智能體需要在兩者之間找動(dòng)態(tài)平衡點(diǎn)，而這個(gè)平衡點(diǎn)會隨應(yīng)用場景、數(shù)據(jù)類型、風(fēng)險(xiǎn)承受能力變化。

以上，這不僅是技術(shù)問題，更是治理和倫理問題。

06

多智能體的發(fā)展路徑已不可逆

Manus的八千萬臺虛擬機(jī)，不是冰冷的數(shù)字，而是一個(gè)新型生產(chǎn)力時(shí)代的信號。每一臺虛擬機(jī)都是一個(gè)潛在的“數(shù)字員工”，它們不知疲倦、可以無限復(fù)制、能瞬間協(xié)同，正在重新定義“工作”本身。

多智能體系統(tǒng)的成熟，標(biāo)志著AI從“替代人類特定技能”進(jìn)入了“替代完整工作流”的階段。但這種替代不是“機(jī)器取代人”的零和游戲，而是生產(chǎn)力關(guān)系的范式轉(zhuǎn)移。

歷史有過類似的啟示：ATM機(jī)的出現(xiàn)沒消滅銀行柜員，反而改變了他們的工作性質(zhì)。1985到2005年，美國ATM機(jī)從10萬臺漲到40萬臺，銀行柜員數(shù)量卻增加了10%。變化的是工作內(nèi)容——柜員從處理現(xiàn)金交易，變成了提供金融服務(wù)和解決問題的顧問。

多智能體時(shí)代也會重演這種轉(zhuǎn)變。當(dāng)AI能處理常規(guī)的流程化創(chuàng)造性工作時(shí)，人類的角色會向三個(gè)方向進(jìn)化：任務(wù)設(shè)計(jì)者（定義AI要解決的問題）、過程監(jiān)督者（確保AI工作符合要求）、價(jià)值判斷者（做需要倫理考量、審美選擇和戰(zhàn)略權(quán)衡的決策）。

站在現(xiàn)在往前看，多智能體系統(tǒng)的發(fā)展路徑已經(jīng)很清晰了：

短期1-2年，垂直領(lǐng)域的多智能體應(yīng)用會爆發(fā)。金融、法律、醫(yī)療、教育等行業(yè)的專業(yè)Agent會大量出現(xiàn)，它們不是通用AI的簡化版，而是針對特定領(lǐng)域深度優(yōu)化的專家系統(tǒng)。Manus的商業(yè)模式會被復(fù)制和改造，市場競爭會異常激烈。

中期3-5年，多智能體系統(tǒng)會從“工具”進(jìn)化成“平臺”。就像iOS和Android撐起了移動(dòng)應(yīng)用生態(tài)一樣，領(lǐng)先的多智能體架構(gòu)會成為AI應(yīng)用的基礎(chǔ)設(shè)施。

長期5-10年，人機(jī)協(xié)作會進(jìn)入“融合”階段。人類和AI的界限會變得模糊，不是靠腦機(jī)接口這種科幻技術(shù)，而是靠工作流程的深度整合。人類決策會融入AI的實(shí)時(shí)分析，AI執(zhí)行會吸納人類的即時(shí)反饋。到時(shí)候，工作不再是“人做的”或“機(jī)器做的”，而是人機(jī)系統(tǒng)共同完成的。

Manus的八千萬虛擬員工，本質(zhì)上是人類協(xié)作智慧的數(shù)字鏡像。人類文明的進(jìn)步，從來不是靠個(gè)體智能的飛躍，而是靠協(xié)作方式的革新——語言、文字、印刷術(shù)、互聯(lián)網(wǎng)，每一次媒介革命都擴(kuò)大了協(xié)作的規(guī)模和效率。

多智能體系統(tǒng)是這一進(jìn)程的再一次里程碑式延伸。它第一次讓機(jī)器具備了真正的協(xié)作能力——不是簡單的任務(wù)并行，而是基于共同目標(biāo)、分工協(xié)調(diào)、相互糾錯(cuò)的有機(jī)協(xié)作。當(dāng)機(jī)器學(xué)會協(xié)作，它們帶來的不只是效率提升，更是全新的可能性。

但這種可能性也伴隨著深刻挑戰(zhàn)。當(dāng)AI能自主協(xié)作完成復(fù)雜任務(wù)時(shí)，傳統(tǒng)的責(zé)任框架、監(jiān)管模式、倫理準(zhǔn)則都需要重新思考：誰為多智能體的集體決策負(fù)責(zé)？怎么確保它們的協(xié)作符合人類價(jià)值觀？如何在享受協(xié)作紅利的同時(shí)防范系統(tǒng)性風(fēng)險(xiǎn)？

這些問題沒有簡單答案，但它們定義了多智能體時(shí)代的核心議程。Manus和它的八千萬虛擬員工只是序幕，真正的故事才剛剛開始。在這場人類文明的歷史性重構(gòu)中，技術(shù)是推動(dòng)力，但人類的智慧、倫理和遠(yuǎn)見，才是決定方向的終極力量。