作者｜路世明
編輯｜大 風
Manus的出現，激起了科技與資本市場的雙重震盪，一時間AI Agent相關概念股集體大漲，阿里、谷歌、微軟等科技巨頭密集釋出智慧體研發計劃……
而在這場熱潮的背後，是AI技術從“被動應答”向“主動執行”的正規化躍遷。
儘管市場的評價褒貶不一，但不能否認，Manus的突破性在於，它首次驗證了通用型AI Agent在複雜場景下的商業化可行性。
傳統的大語言模型雖能生成文字，卻難以閉環執行任務，而Manus透過“規劃-驗證-執行”的架構，將AI大模型的認知能力轉化為生產力工具。
根據麥肯錫等多份權威報告，在多元化需求驅動下，AI Agent市場呈爆發式增長態勢，2024年全球AI Agent市場規模約為51億美元，預計2030年將飆升至471億美元，複合年增長率高達44.8%。
然而，這場“智慧體浪潮”並非坦途。技術瓶頸與商業野心的碰撞，讓AI Agent的競爭既充滿想象力，又暗藏風險。
破壁之戰
本質上，AI Agent的是具備人類思維正規化的數字勞動力。
如果說聊天機器人還停留在“對話”階段，那麼Agent則已經開始“行動”。簡單來說，可以理解為一種更智慧、更自主的AI應用，它不僅能回答問題，還能執行任務、完成交易。
它們可以被應用於各種場景，如客戶服務、金融分析、軟體開發等，極大地提高了生產力和效率。
以大語言模型為“大腦”，AI Agent不僅能理解指令表層語義，更能捕捉隱含需求。例如使用者說“找價效比高的酒店”，Manus會結合季節、當地活動等上下文推理出“預算敏感型”或“體驗優先型”需求。
而可以期待的是，隨著大模型在多模態能力上的持續突破，特別是多模態融合技術的迭代升級，AI Agent將能夠更精準地解析並反饋使用者需求，逐步實現類人類的視聽感知與互動能力。
這將使得AI Agent可以應用於更廣泛的領域，如醫療診斷、自動駕駛、智慧安防等。
在單體智慧持續最佳化的同時，還可以想象的是，未來的AI Agent或許也能夠突破單機運作模式，透過協同機制重構複雜任務處理與決策鏈條。
這種多智慧體系統（MAS）透過角色定位機制，能夠使每個智慧體如同專業化分工的人類團隊。
舉例來說，在軟體開發的場景下，每個AI Agent都有自己的特長，有的擅長程式設計，有的擅長設計，還有的專門檢查質量，只要它們能很好的協作，就能一起完成一個高質量的軟體專案。
此外，MAS系統還能模擬人類的決策過程，就像人遇到問題時會找人商量一樣，多智慧體也可以模擬集體決策的行為，這樣就能為使用者提供更好的資訊支援，特別是在一些複雜的情況下。
比如遇到緊急情況，這些AI智慧體就能幫使用者模擬所有可能的情形，及時提供有用的資訊，讓使用者能更快更好的作出決定。
可以說，這種“類人”的智慧正規化，正在重構生活、工作的成本結構。而從Manus開始，似乎AI Agent已從概念驗證階段，邁入規模化落地的臨界點。
巨頭競速
AI Agent的熱潮並非偶然，而是技術演進的必然產物。
早在2024年紅杉AI峰會上，吳恩達教授便預言“AI Agent是AI發展的下一個關鍵階段”。事實上，2024年期間，便有不少科技巨頭佈局AI Agent。
如谷歌在2024年12月釋出了其最新版大模型Gemini2.0系列，並介紹了多個智慧體應用，如ProjectAstra。微軟也在2024年10月和11月分別釋出了多個面向銷售、運營等場景的AI智慧體，並推出CopilotStudio平臺支援使用者構建自主智慧體。
進入2025年，Manus的火熱，徹底帶動了市場的情緒。
海外，OpenAI近期公佈的商業化計劃進一步印證AI Agent的B端潛力。其“博士水平”Agent針對科研與軟體開發場景，每月服務費高達2萬美元，覆蓋從基礎分析到複雜任務的全鏈條需求。
國內方面，阿里千問QwQ-32B模型中也集成了與智慧體Agent相關的能力，使其能夠在使用工具的同時進行批判性思考，並根據環境反饋調整推理過程。
另一方面，開源社群已出現OpenManus、OWL等新產品，基於Manus進行復刻和創新，有望推動Agent產品百花齊放。
資本市場的狂熱更加印證了這一趨勢。
Manus釋出當天，A股超150只AI智慧體概念股漲停，立方控股、酷特智慧等漲幅超20%。
來源：東方財富
此外，Manus釋出後，券商PPT、分析師路演火速上線，不完全統計顯示，中金、華泰、招商、中泰等數十家券商研究所進行了路演，其中有分析師上線了多場路演，路演內容從技術原理、AI應用、受益方向到落地場景、產業圈推演，內容豐富。
當然，在熱潮的背後，也有不同的聲音。不少業內人士認為，Manus屬於AI Agent初級的應用，市場的反應過大了。
事實也的確如此，AI會進一步拉平資訊差，大量收集資訊、整理資料的工作可以交給AI，但真正距離生成投資決策，無疑還有很長的路要走。
其中，最大的挑戰在於：AI幻覺的幽靈始終縈繞不去。
技術瓶頸
AI Agent的競爭，入口為王。
當掌握更多使用者流量的廠商，有望實現“流量-資料-使用體驗”的正向迴圈，且隨著開源模型能力升級彌補大廠及中小廠技術代差，AI產品工程化能力，或拉開產品使用體驗差距。
可儘管展現出巨大的潛力，但AI Agent的爆發仍面臨多重障礙。從商業模式到技術瓶頸，從法規缺失到使用者認知，每個環節都在考驗著行業的耐心。
首當其衝的原因就在於，現有技術還無法有效地解決AI幻覺的問題。
以當紅的Manus來說，雖然在GAIA基準測試中取得了優異成績，但在實際應用中，仍存在一些不穩定的情況。
GAIA基準測試排名來源：ManusAIX平臺
有實測使用者反饋，在處理複雜任務時，Manus偶爾會出現任務執行失敗或結果不準確的問題。在進行股票資料分析時，Manus可能會因為資料介面的臨時故障或資料格式的細微變化，導致分析結果出現偏差。
再以OpenAI的GPT4.5來說，毫無疑問，這是目前最強的大語言模型。但在SimpleQA基準測試中，GPT-4.5的準確率為62.5%，幻覺率為7.1%，儘管這一成績要遠優於GPT-4o、OpenAIo1和o3-mini等模型，但是依然存在著相當高的幻覺率。
而這種幻覺，在金融、醫療等高風險領域，任何一點誤差，都可能引發系統性風險。
假設某醫療診斷Agent，其誤判罕見病案例的機率為3%，客若應用於千萬級使用者群體，那麼潛在誤診人數將高達30萬。
除了幻覺，緊接著的是資料孤島與通用能力的矛盾。
AI Agent的效能高度依賴場景資料，例如金融風控需要即時交易資料，而醫療診斷依賴患者病史庫，資料割裂會導致通用型Agent難以跨領域遷移。
最後是倫理與監管的滯後性。AI Agent的自主決策涉及隱私洩露、責任歸屬等倫理問題，比如呼叫使用者健康資料、自動駕駛事故等等，而全球監管框架尚未成熟。
由此可見，AI Agent的破局路徑需從技術、生態與監管三端協同推進。而未來，誰能率先突破技術瓶頸並構建合規生態，毫無疑問，誰就將主導這場智慧體時代的“諾曼底登陸”。