2025年3月5日，一款名为manus的ai agent产品横空出世，其内测邀请码在48小时内被炒至10万元天价，带动150余只ai概念股涨停，更催生了加密货币市场的同名代币投机浪潮。这场由华人团队引发的技术风暴，不仅让ai agent从实验室概念走向大众视野，更标志着该领域正式进入"去中心化竞争"时代——曾经的科技巨头垄断格局，正在被中小型创业团队的创新实践打破。
1 ai agent的进化史：从工具到智能体的蜕变
ai agent的概念可以追溯到上世纪60年代。1966年，麻省理工学院开发的eliza程序通过模式匹配技术模拟心理医生对话，虽然只是简单的规则引擎，却首次展现了人机交互的可能性。1970年代，斯坦福研究院的shakey机器人通过摄像头和传感器实现了简单的环境感知与行动规划，这被视为物理agent的雏形。
eliza界面
2010年后，随着智能手机的普及，siri、alexa等语音助手开启了agent的商业化进程。这些早期产品主要依赖预定义规则和有限知识库，只能完成查询天气、设置闹钟等单一任务。直到2016年，google assistant引入深度学习技术，通过端到端模型提升了自然语言理解能力，但依然受限于封闭的生态系统。
真正的转折点出现在2023年。openai推出的gpt-4模型在语言理解、逻辑推理和创造力方面实现质的飞跃，为agent赋予了核心智能。随后，anthropic的claude、google的gemini等大模型相继问世，形成了"基础模型+插件生态"的新架构。2024年，微软发布的copilot系统通过整合office全家桶api，首次实现了办公场景下的多任务协同。
manus的核心突破在于重新定义了"通用型ai agent"的产品形态。与传统生成式ai不同，它实现了从"思考"到"行动"的跨越式进化：当用户提出"规划日本深度游"需求时，系统会自主分解任务、调用机票比价api、分析签证政策、生成行程文档，甚至完成酒店预订的全流程操作24。这种端到端的执行闭环，使其在gaia基准测试中准确率超越openai同类产品，创造了智能体领域的sota（当前最佳技术指标）。
值得关注的是，manus团队选择了一条与巨头截然不同的技术路径。通过整合claude、阿里千问等第三方大模型，结合自研任务规划引擎和29个外部工具链，他们构建起一个"工程化编排优先"的开放架构。这种策略虽被质疑为"套壳"，却成功将ai agent的开发门槛降低到创业团队可承受范围。
2 基础模型的普惠化：技术平权运动的开端
manus的成功揭示了一个重要趋势：ai agent的核心竞争力正在从"自建模型"转向"模型应用能力"。根据crunchbase数据，2024年全球ai初创公司融资中，72%流向了基于开源模型的应用开发，而直接投资基础模型研发的比例降至18%。
基础模型的开源化浪潮始于2022年meta开源的llama系列。通过apache 2.0协议，开发者可以自由使用、修改和商业化llama-2模型。这引发了一场"模型民主化"运动：中国团队开发的moss模型通过gplv3协议开放训练代码，stability ai推出的stablelm采用creative commons协议，允许非商业用途免费使用。
这些开源模型的性能已逼近商业产品。根据hugging face的评测数据，微调后的llama-3-70b在数学推理任务上达到gpt-4的92%水平，而训练成本仅为后者的1/15。初创公司可以通过hugging face hub直接调用预训练模型，结合自身场景数据进行微调，将产品开发周期从18个月缩短至6个月。
这种技术普惠正在重塑行业格局。传统巨头的"数据壁垒"逐渐瓦解，初创公司通过垂直领域的数据积累形成差异化优势。例如，教育类agentmathmaster利用10万道数学题训练专有知识库，在解题速度上超越通用模型30%；医疗类agentmedgpt通过整合200万份病例报告，在诊断准确率上达到专科医生水平。
3 开源协议的蝴蝶效应：重构产业生态
开源协议的创新正在催生全新的商业模式。2024年，github copilot推出的"模型即服务"（model-as-a-service）平台，允许开发者按调用量付费使用微调后的模型。这种模式使小团队能够以每月200美元的成本启动ai agent项目，而传统自建模型的服务器成本每月超过5万美元。
不同开源协议的选择直接影响产业分工。采用agplv3协议的模型要求二次开发者公开修改代码，这推动了"模型开源社区+应用开发公司"的协作模式。例如，redpajama社区负责基础模型迭代，第三方公司基于其代码开发金融、法律等专业领域的agent。而采用商业许可的模型则催生了"模型供应商+解决方案商"的生态，如anthropic与salesforce合作开发crm专用agent。
插件生态的繁荣是开源协议带来的另一变化。截至2025年2月，hugging face的插件市场已有超过1200个第三方工具，涵盖电商比价、法律文书生成等垂直领域。初创公司可以通过组合不同插件快速构建复杂功能，而无需从头开发api接口。这种模块化开发模式将产品迭代周期从季度级缩短至周级。
4 新竞争格局下的生存法则
在这场技术民主化浪潮中，无论是巨头还是初创公司都面临着新的挑战。对于传统科技公司而言，其优势正从"技术先发"转向"场景渗透"，微软在manus发布一周内紧急推出2款ai agent，亚马逊组建专项团队应对自动化竞争。
初创公司的突围之道在于"垂直领域深耕"。2024年成立的agentedu通过分析2000万份学习数据，开发出个性化学习规划系统，在k12教育市场获得30万付费用户。其创始人李浩然表示："我们不追求通用智能，而是专注解决具体场景的痛点。"这种"小而美"的策略正在成为行业主流。
开发者社区的作用被提升到前所未有的高度。manus的成功很大程度上得益于其开源的对话插件框架，吸引了超过1.2万名开发者贡献代码。这种"用户即开发者"的模式正在重塑产品开发逻辑，用户不仅是消费者，更是产品进化的参与者。
5 写在最后
随着基础模型性能的持续提升和开源生态的完善，ai agent的应用场景正在呈现指数级扩展。在教育领域，虚拟教师可以根据学生的认知风格提供个性化辅导；在医疗领域，健康管家能够实时监测体征数据并提供预警；在工业领域，智能助手可以协助工程师完成复杂的设计任务。
技术伦理问题也成为行业关注焦点。欧盟《人工智能法案》要求所有商用agent必须通过可解释性认证，而美国nist正在制定ai agent的安全标准。这些法规将推动行业建立透明的模型训练和使用机制，确保技术发展与人类价值观一致。
manus的爆火只是这场革命的序曲。当基础模型的普惠性与开源创新形成合力，人工智能将真正走出实验室，成为每个人触手可及的智能伙伴。这个过程不会一帆风顺，但可以确定的是：未来的ai agent战场，属于所有敢于创新的参与者。
