国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

從 7500 萬美元融資、5 億估值到 4 個月裁員 2/3，Manus 的急墜像一記耳光，打醒了“通用 Agent 萬能論”。文章復(fù)盤其流量腰斬、ARR 虛高、用戶吐槽“又慢又貴”的全過程，指出：在 LLM 幻覺與算力邊界未破之前，鼓吹零 Workflow 的宏大敘事只是泡沫；真正落地的 AI 必須回到垂直場景、結(jié)構(gòu)化流程和可驗(yàn)證價值。

一覺起來看到一則令人驚訝的消息：Manus裁員了！稍微思考一下，又覺得似乎理所當(dāng)然，這里先看一條時間線：

• 3月6日：爆火發(fā)布，一碼難求，科技圈不眠夜；
• 5月13日：開放注冊；
• 5月：獲得7500萬美元融資，估值5億美元；
• 6月：總部遷至新加坡，開始”國際化”；
• 7月8日：回應(yīng)裁員傳聞，”基于經(jīng)營效率考量”；

隨后在一些媒體如投資界看到了具體數(shù)字：

Manus目前在中國區(qū)的員工總數(shù)120人左右，除了四十多名核心技術(shù)人員遷往新加坡總部之后，其余員工都將會進(jìn)行裁員優(yōu)化，給予N+3或者2N的賠償。

再對比3月初Manus發(fā)布時慶祝的各種員工歡呼視頻，還是非常令人唏噓的…

這里配合來看另一組數(shù)字，大家或許會有不一樣的感受：根據(jù)非凡產(chǎn)研數(shù)據(jù)顯示，Manus 在 2025 年 5 月的年度經(jīng)常性收入（ARR）已達(dá)到 936 萬美元，增長勢頭強(qiáng)勁。

與此同時，其競品 Genspark 也交出了一份更為激進(jìn)的成績單。創(chuàng)始人景錕在 X 平臺上透露，Genspark 上線僅一個月，ARR 就突破了 2200 萬美元；上線第 45 天進(jìn)一步躍升至 3600 萬美元，展現(xiàn)出驚人的爆發(fā)力與增長效率。

但無論是 Manus 還是其競爭對手 Genspark，在經(jīng)歷了短期爆發(fā)式增長后，用戶流量正迅速回落。

根據(jù) Similarweb 數(shù)據(jù)，Manus 的月訪問量在 2025 年 3 月達(dá)到頂峰（2376 萬人次），隨后逐月回落至 2025 年 5 月的 1616 萬，略有反彈至 6 月的 1730 萬；而 Genspark 則從 3 月的 440 萬快速攀升至 4 月的 888 萬，5 月與 6 月則分別為 843 萬與 769 萬，呈現(xiàn)緩慢下行趨勢。

數(shù)據(jù)引用至 Z Finance 《Manus國內(nèi)裁員近2/3，訪問量連月下滑，通用AI Agent或迎來冷卻時刻》

至于原因，前些日子紅杉AI峰會已經(jīng)提出了：這兩年AI的機(jī)會在垂直領(lǐng)域。

如果非要為Manus類產(chǎn)品數(shù)據(jù)滑落找原因，我覺得應(yīng)該從宏觀回到微觀，這里是幾個核心問題：Manus像玩具一樣，又慢又不能解決問題，最后還死貴死貴的！

一位用戶的評價我覺得非常好：產(chǎn)品想象力已經(jīng)遠(yuǎn)超技術(shù)能實(shí)現(xiàn)的邊界，目前主要不是能否想到，而是能否實(shí)現(xiàn)，manus類的產(chǎn)品不多的一個原因就是技術(shù)還無法實(shí)現(xiàn)類似產(chǎn)品。

只不過這里有個點(diǎn)是錯的：Manus類產(chǎn)品還真多，但統(tǒng)一都不好用。

雖然如此，Manus類產(chǎn)品依舊留下了很多東西，這里我們先從市場教育和技術(shù)預(yù)測兩個方面進(jìn)行討論，首先是市場側(cè)：

CEO的普遍性焦慮

熟悉的同學(xué)會知道，我之前是做AI+企業(yè)管理方向創(chuàng)業(yè)的，其中有一部分工作就是用一套AI工作流低代碼平臺快速的為企業(yè)實(shí)現(xiàn)SOP的搭建，后來我創(chuàng)業(yè)失敗了，核心原因是：中小型企業(yè)的老板們并不買單！

因?yàn)楣芾眍惞ぞ咦罱K無非指向兩個點(diǎn)：

第一人效工具，是用于監(jiān)控團(tuán)隊、監(jiān)控項目、衡量人效、衡量項目ROI的，這種東西沒人喜歡；

第二效率工具，就是用來提升效率的，但所有的效率提升都意味著崗位裁員；

對于公司來說，除非一把手需要 + 團(tuán)隊確實(shí)長時間人力不足，否則很難有管理工具入場的可能，對于老板來說：

你完全可以自主加班解決問題，為什么需要我去買效率工具呢？你們可以自己買效率工具嘛！

大家不要笑，這種情況在中小型公司是非常常見的，你如果讓老板選擇是讓員工加班還是讓員工提效，他們大概率會選擇加班，這背后有很多的道道，包括文化考慮、包括服從性測試等等…

所以，一般的數(shù)字化轉(zhuǎn)型，甚至AI工作流根本“不入老板法眼”，但DeepSeek+Manus組合有些打破了這種格局，原因也很可笑：

中小老板一方面是好奇，另一方面是發(fā)現(xiàn)這東西可能可以完全干掉某些人，因?yàn)榇嬖谟谰眯詼p少某些成本的可能，于是他們是愿意給這筆預(yù)算的！

在這個基礎(chǔ)下，這些連Excel公司都用不利索的公司，居然開始風(fēng)風(fēng)火火的上智能體項目了，這其實(shí)源于CEO不切實(shí)際的期待，也是我做CEO數(shù)字分身這個AI管理項目的初衷：讓AI真的能輔助老板做思考，也能幫他干活…

于是乎AI工作流，換身皮再次出現(xiàn)在了老板們面前，老板們突然就很熱情了，只不過問題依然會進(jìn)一步發(fā)生：這個故事難以閉環(huán)！

大家想象一下：Excel都玩不明白的公司，他們有什么核心數(shù)據(jù)能夠支撐AI表現(xiàn)得很好呢？

所以，最終很多急功近利的中小公司的AI落地，最終又是一個互相坑的過程…

垂直領(lǐng)域才是未來

Manus類產(chǎn)品的收縮，不僅是一家明星公司的戰(zhàn)略調(diào)整，更像是戳破了通用AI Agent（智能體）在當(dāng)下技術(shù)條件下試圖“包打天下”的幻想。

CEO們焦慮驅(qū)動的短視采購（不做數(shù)字化，直接上AI），暴露了他們對AI能力的誤解；而技術(shù)無法兌現(xiàn)的承諾，最終導(dǎo)致了業(yè)務(wù)邏輯崩塌。

但這背后，隱藏著一個更根本、也更激烈的技術(shù)路線之爭：通用端到端Agent（所謂“零Workflow”）與 垂直領(lǐng)域結(jié)構(gòu)化Workflow（SOP），誰才是當(dāng)前更適合AI應(yīng)用的技術(shù)路徑？

面對Manus的困境，樂觀的通用派（Agent鼓吹者）可能會祭出強(qiáng)化學(xué)習(xí)之父Rich Sutton“苦澀的教訓(xùn)”中的觀點(diǎn)：算力碾壓一切，簡單通用的方法終將勝出。

他們憧憬著，如同AlphaGo或GPT-3那樣，依靠純粹的大模型能力和海量數(shù)據(jù)，就能讓Agent自主規(guī)劃、調(diào)用工具、解決一切問題，最終淘汰那些“笨拙”、“僵化”的垂直Workflow應(yīng)用。

然而，現(xiàn)實(shí)世界遠(yuǎn)比棋盤或文本序列復(fù)雜得多。 Sutton的理論有其真理內(nèi)核，但它需要一個關(guān)鍵前提：算力必須作用于能夠有效表征真實(shí)世界知識的正確架構(gòu)上。

當(dāng)前的LLM（大語言模型），其本質(zhì)是基于海量文本的“詞序列條件概率模型”。它學(xué)習(xí)的是“在特定上下文中，下一個詞最可能是什么”，這是一種強(qiáng)大的統(tǒng)計擬合能力，但遠(yuǎn)非真正的理解與思考。

這種架構(gòu)在面對復(fù)雜、模糊、依賴隱性知識的垂直領(lǐng)域時，存在短期內(nèi)難以逾越的鴻溝：知識的有損性。

1. 數(shù)據(jù)殘缺與表征瓶頸

以醫(yī)療為例，真實(shí)世界的診斷決策遠(yuǎn)非教科書上的癥狀-藥物對應(yīng)圖。

醫(yī)生依賴的是海量無法完全編碼的隱性知識：患者的微表情（疼痛忍耐度）、社會經(jīng)濟(jì)因素（支付能力、家庭支持）、倫理考量（生命質(zhì)量 vs 延長壽命）、跨科室協(xié)作的微妙平衡。

這些知識，大部分難以結(jié)構(gòu)化、難以用文字精準(zhǔn)描述，自然也無法被LLM充分學(xué)習(xí)和表征。

GPT-4能在醫(yī)學(xué)考試中取得高分，不代表它能處理臨床上的復(fù)雜特情，正如通過飛行理論考試不等于能處理空中險情。

2. 開放性問題 vs. 封閉規(guī)則

AlphaGo的成功建立在圍棋規(guī)則完全透明、狀態(tài)空間有限的基礎(chǔ)上。

而Manus試圖解決的企業(yè)管理、客戶服務(wù)、乃至更廣泛的“通用任務(wù)”，其邊界是模糊的（不同任務(wù)間相互影響）、狀態(tài)是動態(tài)演化的（用戶需求瞬息萬變）、價值是多元甚至沖突的（效率 vs 安全 vs 員工感受）。

這需要元認(rèn)知能力（反思自身決策的局限）和動態(tài)價值權(quán)衡，遠(yuǎn)超當(dāng)前LLM的“統(tǒng)計擬合”范疇。

3. 語言的局限性

更本質(zhì)的問題是，文字本身只能描述真實(shí)世界的30-40%。

大量的感知信息、情境信息、直覺判斷無法被有效編碼成訓(xùn)練LLM的文本數(shù)據(jù)。

多模態(tài)（圖像、聲音、傳感器數(shù)據(jù)）是方向，但其融合、理解與有效利用，距離支撐一個“零Workflow”的通用Agent，還有漫長的技術(shù)鴻溝需要跨越。

鼓吹在當(dāng)下就實(shí)現(xiàn)“零Workflow”的通用Agent，無異于讓一個剛學(xué)會認(rèn)字的孩子拿著醫(yī)學(xué)教科書去看病。

其結(jié)果，很可能就是Manus們所經(jīng)歷的：產(chǎn)品表現(xiàn)如玩具，又慢又貴，無法解決實(shí)際問題，最終被用戶拋棄。

開倒車

Workflow（SOP）的價值需要被重新審視，他甚至被一些激進(jìn)的Agent鼓吹者污名化為“開倒車”。這不僅是錯誤的，更可能是一種策略性的“入口之爭”。

Workflow的核心價值在于它是對抗當(dāng)前LLM局限性的“緩沖層”和“穩(wěn)定器”：

1. 確定性

在高風(fēng)險、高價值的垂直領(lǐng)域（金融風(fēng)控、醫(yī)療診斷、工業(yè)控制），預(yù)設(shè)的Workflow規(guī)則和校驗(yàn)節(jié)點(diǎn)是避免模型“幻覺”和不可預(yù)測行為的最后防線，它確保了輸出的可靠性和業(yè)務(wù)流程的可控性。

想象一下，一個銀行信貸審批Agent完全自由發(fā)揮，沒有基于監(jiān)管規(guī)則和風(fēng)控模型的Workflow約束，后果不堪設(shè)想。

2. 工程務(wù)實(shí)

與其讓Agent耗費(fèi)大量算力和Token進(jìn)行冗長且可能出錯的推理，不如直接調(diào)用預(yù)先設(shè)計好的、經(jīng)過驗(yàn)證的Workflow來高效完成任務(wù)。

這在處理大量重復(fù)性、規(guī)則性強(qiáng)的任務(wù)時，能節(jié)省90%以上的資源消耗。

3. 領(lǐng)域知識的有效封裝

Workflow本質(zhì)上是人類專家經(jīng)驗(yàn)和行業(yè)最佳實(shí)踐的結(jié)構(gòu)化封裝。

它把那些難以完全教給AI的隱性知識、行業(yè)黑話、特定場景的微妙判斷，通過流程、規(guī)則、工具調(diào)用的組合固化下來。

對于“Excel都用不利索”的中小企業(yè)，Workflow是它們接入AI能力的現(xiàn)實(shí)橋梁，而非障礙。

只不過很多企業(yè)連Workflow都梳理不出來，這個其實(shí)是個技術(shù)活…

4. 飛輪系統(tǒng)

Workflow的執(zhí)行過程會產(chǎn)生大量結(jié)構(gòu)化、高質(zhì)量的軌跡數(shù)據(jù)（用戶操作、決策節(jié)點(diǎn)、結(jié)果反饋）。

這些數(shù)據(jù)是訓(xùn)練和優(yōu)化基礎(chǔ)模型、提升其在特定領(lǐng)域能力的黃金燃料。

沒有這些來自真實(shí)場景的Workflow數(shù)據(jù)，通用模型的“垂直進(jìn)化”將是無源之水。

綜上，貶低Workflow，鼓吹在當(dāng)前技術(shù)條件下實(shí)現(xiàn)“零Workflow”，要么是脫離實(shí)際的技術(shù)浪漫主義，要么就是一場精心設(shè)計的“入口爭奪戰(zhàn)”。

如Genspark這樣的產(chǎn)品，雖然宣傳上高舉Agent大旗，但其實(shí)際改進(jìn)策略包括：引入專業(yè)數(shù)據(jù)源、并行搜索、多代理交叉驗(yàn)證、專家審核內(nèi)容、使用離線Agent確保準(zhǔn)確性。

本質(zhì)上就是在構(gòu)建一套強(qiáng)大的、隱性的Workflow系統(tǒng)！ 他們希望用戶最終完全依賴其平臺，將數(shù)據(jù)和能力入口牢牢控制在自己手中。

那些鼓吹垂直模型是“開倒車”的論調(diào)，往往出自擁有強(qiáng)大通用模型和平臺野心的巨頭之口。

但要注意的是：我們反對的是脫離當(dāng)前技術(shù)現(xiàn)實(shí)、貶低必要工程實(shí)踐的“零Workflow”激進(jìn)論調(diào)，而非Agent所代表的“更智能、更自主”的未來方向。

務(wù)實(shí)的技術(shù)演進(jìn)路徑應(yīng)該是：通用模型作協(xié)調(diào)層，垂直Workflow作執(zhí)行層，這種我們的工作場景中去年就實(shí)現(xiàn)了…

結(jié)語

Manus的裁員，是給整個AI行業(yè)敲響的一記警鐘：Attention is all you need 的時代已經(jīng)過去，靠注意力獲得的資源，也會因?yàn)闊o能沉淀流量而很快會的失去。

所以：在技術(shù)尚未成熟時，過度炒作“通用智能體”、貶低必要的工程化路徑（Workflow），只會催生泡沫，最終傷害用戶信任和行業(yè)發(fā)展。

其次，CEO們的焦慮需要被引導(dǎo)，而非被利用來兜售不切實(shí)際的幻想，否則一定會被反噬的…

未來的5-10年，AI落地的關(guān)鍵命題不是“Agent取代Workflow”或“Workflow阻礙Agent”，而是如何做出AI應(yīng)用爆品的問題，誰成功了我們用誰就行，這里可以直接用腳投票。

總而言之：AI應(yīng)用重工程，我們要敬畏技術(shù)邊界，重視數(shù)據(jù)工程，正視工程難度！Manus的故事可能只是開始，未來的路還長著呢！