Manus通用智能体为什么没被替代？技术架构、产品决策与市场增长分析

在近期的一场分享活动中，Manus联合创始人张涛首次系统地回应了自产品发布以来外界的主要质疑，并深度复盘了其创业历程中的关键决策与思考。

从AI浏览器到通用智能体：一个关键转折

张涛回顾了团队的创业起点。2024年初，团队在拒绝收购后，决定投入AI浏览器领域。经过七个月的开发，产品已趋近成熟，形态接近后来的Arc Search或Perplexity。

然而，在上线前一周，团队核心成员意识到一个根本性问题：AI非常擅长操控浏览器，但这种“共用一台电脑”的模式造成了糟糕的用户体验。“感觉就像AI在和用户争抢他们自己的电脑。”张涛表示。与此同时，现象级产品Cursor的出现带来了新的启示。它让不会写代码的普通人也能通过AI完成编程任务，例如转换视频格式。这促使团队思考：如何将AI编程的能力民主化，让非技术人员也能受益？

这两个洞察的结合，最终指向了Manus的雏形：AI不应该用用户的电脑，而应该拥有自己的运行环境（虚拟机）；并且，应该打造一个能让普通人使用AI完成任意任务的通用智能体。

回应技术性质疑：Benchmark成绩与公开的“秘密”

针对“一个周末就能套壳做出”的质疑，张涛分享了让他印象深刻的时刻：在Manus发布仅两周后，便出现在某顶尖ToB Agent公司的Benchmark对标榜单上，位列第二。此后，在包括Scale AI发布的RLI（远程劳动力指数）在内的多项评测中，Manus的多个版本长期保持领先。

张涛指出，评估Benchmark时，首次突袭发布的榜单最具参考价值，因为后续可能存在针对性优化。而在许多此类首发榜单中，Manus经常名列前茅。

“我们从未隐藏技术秘密，它就在官网左下角：Less structure, more intelligence (更少结构，更多智能)。”张涛解释道。在Manus发布前，行业普遍共识是设计预定义的工作流来指导AI。而Manus坚持“零预设工作流”，将任务拆解、步骤规划、工具调用（如打开网页、点击、创建文件、执行命令）等所有决策权完全交给智能体系统。这种将智能交还给模型的架构，使其能够处理大量长尾任务，并在多数场景下性能优于人工预设的流程。

爆款视频背后：产品力与正确时机

对于“擅长营销”的评价，张涛首次披露了发布视频的制作细节：在发布前六天临时起意，用借来的镜头、自己的相机，加上总计不到25美元的软件会员和背景音乐版权制作而成。

他认为，外界的关注本质上是产品与时机共同作用的结果。2025年初，行业在Chatbot之后期待新的AI产品形态，而Manus恰好交付了一个“在正确时间的正确产品”。巨大的自然流量和讨论度随之而来，甚至迫使团队不得不紧急采用邀请码机制来控制成本，“在最巅峰时，一天可能要烧掉50万美元”。

张涛提醒创业者，应学习本质而非表象。“很多人学到了要拍视频、做邀请码，但如果你的产品没有初始用户，邀请码毫无意义。”

核心产品决策：通用性与可分享性

在产品决策上，团队快速而坚定地选择了“通用”路线。张涛认为，面向消费者的Agent若过于垂直（如旅行规划），用户使用频次低，获客成本将难以承受。“必须让用户每天都能找到使用你的理由”。

另一项对早期传播至关重要的决策是加入了 Session Replay（会话回放） 功能。在邀请码限制体验的初期，用户可以通过回放他人分享的任务，直观感受Agent的完整工作流程，这极大地降低了体验门槛，助力了产品的病毒式传播。

基础架构选择：创业公司的务实之道

在底层基础设施上，Manus选择了与E2B合作。张涛阐述了创业公司的务实逻辑：对于一家初期仅40人的团队，时间是最宝贵的成本。与其抽调人手去自建不熟悉的K8s调度、容器化等基础设施，不如采用已被验证的成熟方案，将工程师资源集中在核心的Agent系统开发上。

他强调，一个健康的创业生态需要各层（Infra、中间件、应用）公司的分工协作。目前Manus已在E2B开源版上进行了深度定制，未来是否会完全自建将取决于业务发展的实际需求。

应用层 vs. 模型层：灵活性与系统竞争

当被问及如何应对模型公司（如OpenAI）的竞争时，张涛坦言，在ChatGPT Agent发布当日，团队感到“非常开心”，因为终于可以用事实说话。他们随即发布了对比视频，显示Manus在多项任务中胜出。

他认为应用层团队的优势在于两点：

1. 模型选择的灵活性：在模型百花齐放的当下，可以针对不同任务甚至任务的不同步骤选用最合适的模型（例如用Gemini搜索、GPT-5推理、Claude写代码），而非绑定单一模型。
2. 系统工程的竞争：Agent的比拼是完整的系统竞争，包括环境构建、工具链、上下文工程等，这里有巨大的工程创新空间。

未来展望与建议

展望未来，张涛指出了三个方向：

1. 扩展工具平台：从Linux虚拟机向Windows、Android等平台延伸，以调用更丰富的生态应用。
2. 实现持续推理：通过加固底层基础设施，为实现24小时在后台持续工作的“陪伴型Agent”做准备。
3. 增强主动性：探索让Agent主动接入用户上下文（如邮箱、日历），自主发现并完成任务，成为“眼里有活的助手”。

关于增长，张涛反思了过度依赖自然流量的“陷阱”。自然流量主要吸引创新者和早期采用者，但要跨越鸿沟进入大众市场，必须转向更系统、高效的市场营销，向大众清晰传递产品价值。

最后，他对在校学生的建议非常直接：“现在已经是2025年的最后一个月了。如果你还没真正用过一线的Agent产品，一定要在今年最后的时间里开始用起来，学会与它共处。” 他认为，掌握使用Agent的能力，就如同过去学会使用电脑一样，将成为一项基础而重要的技能。

张涛（右二）在迪拜组织Manus线下见面活动