1.Manus智能体展示了AI在简历筛选和面试过程中的应用，引发对人工智能替代人类工作的讨论。
2.然而，专家表示，尽管AI技术不断发展，但在目前阶段，它仍难以替代人类完成所有工作。
3.未来通用智能体可能采用多智能体协同驱动的决策，以提高效率和准确性。
4.此外，AI领域的投资方和manus智能体已达成合作，预示着其在行业内的应用前景。
以上内容由腾讯混元大模型生成，仅供参考
文|王鸿（信安数据高级副总裁）
本文由作者参加九派新闻直播九派圆桌《manus爆火，套壳还是创新》讨论时的发言整理而成，发布前经作者审阅
【1】manus更多是个营销事件
manus向普通的非专业人士很好的解释了什么是 AI 智能体，虽然人工智能比较火爆，但走入平常家庭有点远的。普通人一定关心的就是，你跟我的实际生活有什么关系。
它谈到说我可以看简历、筛简历，在很多企业里面，员工需要写简历， HR 需要看简历，经理层需要招人。大家一下子就能够理解到，原来一个智能体能做简历工作；以后我在面试的时候，过的第一关可能不是人，是 AI，让 AI 挑选，而不是人类挑选。如果 AI 这关都过不去，就没机会见到真人了。
另外，这个名字也挺好的，解释了智能体是什么，就是脑袋和手的关系。它是手的延伸，这个类比不一定准确，学术上经不起推敲，但不妨碍普通大众理解：你就是替我干活的，你就是替代我的双手的。
我们用的很多软件，不管是豆包，还是通义千问、智谱等AI 工具，都有一个界面叫智能体，你点开那个智能体，他跟你互动还是问答机器人，并不是完成一个任务，manus 告诉大家，智能体不是一个问答机器人，是帮你完成一件工作。
另外，它还卖了一个概念，叫全球第一个通用智能体，事实上，它离通用还差太远，实现 AGI还很远很远，但它把概念宣传出来，占了一个很好的身位，这样就引起了很多人的好奇，通用的人工智能来了，那我是不是被替代掉了？
它的爆火与 deep seek 是完全不一样的。DS是我拿任何产品过来，你来用，你觉得好，就推荐给别人。大家一起来用，它成了全球互联网产品用户增长最快的一个APP。manus 是反其道的，它知道如果硬搞，可能经不起太多的人来质疑、使用、破解，于是采用了一个邀请码的方法，设了一道饥饿营销的门槛，调取了很多人的好奇心。
一句话，我觉得更多是个营销事件。
从媒体报道来看，已经有投资方和manus接洽，我们也看到了阿里和它达成了合作。这是一件好事情，关于AI领域的投资，从投资人的角度来看，投资偏好不存在说技术崇拜或者是应用落地，只看投资回报。投技术，它就意味着投资大，风险大，受益大，投应用，他可能就会看，应用的门槛有多高？TO B 还是 TO C 的？二者的投资逻辑不太一样。
manus说他是一个应用落地的故事，非技术，一旦要谈 AI 的技术，就一定要谈三件事情：算力、算法、数据，如果这三个都跟你没关系，大概率技术跟你无关， manus 很少提到它在算力方面的优势，算法和数据的突破几乎都没有。更多是怎么去多场景的技术实现：做了大量的交互体验和公式化动作，这里的投资逻辑自然就是应用了。
manus自己的宣传是偏 to C 的，看起来的应该是个 C 端消费者的AI 助理 、AI 助手的角色。
不同的基金，不同的投资人，选择不太一样，朱啸虎比较坚定，投应用，他觉得在中国能够把应用做好是比较有把握的。但我们也知道，目前 AI 领域，中国最有价值的投资公司，肯定是深度求索。投资人不会因为说意识到热点，去改变太多投资逻辑。他会看领域里的方向，投资回报和能看得懂的商业模式。
很多人关心，机器会不会替代人，图灵奖获得者杨立昆教授，认为基于现在的 transformer 架构，不可能走向真正的通用人工智能，普通人也不要那么焦虑、紧张。虽然 ai 发展很快，但替代人，目前从技术底层上来说，做不到，没这个可能性，不要去信很多的那种博流量的言语，纯粹是贩卖焦虑。
但从工作的角度来说，我们很多人会感到恐惧，会不会被人工智能所替代，这里我的答案非常肯定：yes，而且已经发生、正在发生，有些工种会因为 AI 的出现消失掉，比如客服和接线员， 你接电话的那个对方是一个人还是一个人工智能，大部分人已经分不清楚了。
当然，AI 的出现也会创造出大量新的岗位。美国有个非常著名的公司，叫 salesforce，全球排第一的 crm saas 软件公司，市值大概是3000多亿美金，公司的CEO 2024年底宣布2025年不再招聘软件工程师，为什么呢？因为平台 agent force 已经提高了30%的工作效率，大部分工作， AI 就能完成。
但需要大量的招聘销售人员帮他卖agent force ，普通的大众要相信，如果不用 AI，就好像蒸汽机出现，大马路上已经有了奔驰车，你还当一个马车夫，干嘛不学一下开车？AI 带来的就是智力劳动效率的提升。
我们知道汽车工厂有汽车流水线，牛奶工厂有牛奶流水线。这些流水线核心是机器，人类属于配套，未来智力流水线如果出现了，工作的人可能就是 AI 的配套。但这并不意味着，人就没有工作了。还是有人要做汽车设计、规划、宣传。
【2】将来大概就是多智能体协同
AI 驱动的决策与之前系统驱动的决策有个不一样，就是端到端的能力。
什么叫端到端的能力？我举个例子，2016年， AlphaGo 打败了李世石之后，人类下棋再也下不过人工智能了。围棋有361个落点，每个落点的可能性是个天文数字，AI 来做决策，并没有说规划、理解，只把图案和规则告诉它，它就能告诉我们下一步，这就是端到端的能力。
未来通用智能体提供端到端的解决方案才是主流。我认为现在理解意图，再规划，再做执行的方案，这是一个经典的人类线性解决问题的方法，反应速度非常慢，而我们大脑解决问题是并发计算的，好多神经元连一块儿构成了认知体系。现在的智能体应用，靠网络并行计算，完了还得用线性方法再解释一遍，再接着处理，这就好比把本来运行得挺高效、像大海一样的网络体系，弄成了一条小水沟，效率显然不高，不经济，不划算。
最好的方法是多个大模型协同，一个综合的大脑决定哪些参数起作用，几个大模型协同给决策，将来大概就是多智能体协同。一个智能体把一切都搞定、很难，人类都有不同的专业分工，我们根据自己的能力都会有不同的擅长领域，未来的智能体也会如此，这里面就牵扯到多智能体协同，比如标准在哪里、如何定义标准，如何规范。
这是 manus 给我们提出的很重要的问题，一个系统智能的问题，不是单一智能的问题，针对人、机、环境三个环节，如果协同标准只是某一个，比方说纯粹的 AI 标准，不考虑人、不考虑环境，大概率不行，将来 AI 应用发展，这个越早确立，会越早地把资源优势发挥出来。
manus被说套壳，我觉得不是问题，核心问题是用了别人的基础大模型之后，做了什么？举个例子，有些人说我做行业大模型，需要另外提供一些数据集，根据我的场景需要，在别人的基础上再进行训练，从而调整为比较适合行业场景的大模型。它是一种微调技术，我不知道manus有没有做。目前公开数据没有，也没有宣传，如果没有做这件事情，纯粹用基模再加上提示词工程，再加上 python 的开发代码环境，就完成了工程化，坦率来讲，门槛太低。它关于意图识别任务、规划、执行的监督、价值观对齐，如果都只是用提示式工程来做，那大概率稍微复杂一点的任务就会协同不了。
当然，公众也不要小看 manus干的工作，工程化这件事情很难，有个测试基准GAIA（通用人工智能助手的测试标准），manus 的考试成绩不错，比 OpenAI的operator、 deepresearch要强，说明工程量做得很不错，至少提示词、工程技术，其他的小工具做的很好，这里折射出了另外一个创业的机会或者挣钱的机会。你挑一两个非常熟悉的领域，用现在的 AI 大模型，再加上提示工程和写代码的技术，你很可能做出一个非常好用的 AI 助手出来。
有人会问，测试基准的目的是什么？建立一个评测标准来评测 AI 的系统工具，测试智能体的，参与者有 meta。标准比较权威、严肃，但仅仅是一个标准而已。大家可以看一下 deepseek v3模型和 r1模型亮出自己考过的标准，你会发现他们的测试集可能有几十上百个，其中有个很重要的标准GPQA——博士研究生水平的基准测试，deep seek R1 模型考了70多分，人类相关领域的博士平均分数65分。如果不是相关领域的，可能只能拿到30多分，反过来看manus，它能拿出来 PK 的测试集特别少。
这就好比说我们去考试，有一个人说，全世界所有的考卷都来一遍。有人会说我就会一科。作为一个通用agent ，就给人感觉有点单薄。
从全球的角度来说，开源生态比较繁荣的往往都偏技术，不偏应用。比方说linux 开源社区，很厉害的，还有 java 开源社区、app ，这些都偏技术、太偏底层，但一旦到了应用层，往往很少开源。举个例子，我们说开源的 ERP、开源的办公协同软件，开源的 CRM 软件，这些在整个业界生态的声音很小。
linux一定是个很重要的主流操作系统之一，大量的人做贡献， AI 领域大概会遵循同样的逻辑，如果偏技术，开源会是一个不错的选择，如果智能体框架开源，我持保守的态度，智能体偏应用，这种产品闭源能够走得更远一点。
开源往往意味着程序员做贡献。程序员对于业务很多场景不那么了解，甚至不那么在乎，更愿意炫技，说算法多好，问题解决的可复用性、通用性多好、效率多高，这些东西在应用环节里，可能不是最重要的，好的客户体验才最重要。
【3】transformer 架构的能力已经压榨到顶点
AI 最先的哪个地方落地，得看投资回报，哪个地方投资回报最大，落地就最快。现在看，回报排第一的是金融，deepseek 的母公司就是幻方量化，做金融投资的私募股权基金。事实上很多基金公司，很早就大量使用机器学习、人工智能，在大语言模型还没有出来之前，当初的卷积神经网络或者说机器学习应用就非常多。
股票就是涨和跌。卷积神经网络根据大量的数据采集来做预测，预测明天是涨还是跌，第二个领域是生物制药、医疗。很多 AI 专家，实验室背后都跟制药、生物有关系， AI 教母李飞飞在斯坦福的实验室，就跟很多医疗机构有合作。她是三院院士，有个院士头衔就跟医疗有关，2024年诺贝尔奖获得者用deepfolder 发现了蛋白质折叠，本质就是生物医药的问题。
一个 agent要能够很好地完成任务，是挺耗算力的，需要烧很多 token 。我们知道某一个企业部署了一套deepseek，就希望通过它去卖钱，一个月亏了四个多亿。他发现这个账怎么算不明白了，这里意味着好东西是有代价的。
不知道大家有没有注意到，以前OpenAI每次发布产品，全球轰动，但最近上线了一个产品GPT4.5，热度实在不高。不如 manus。GPT4以后，transformer 架构的能力可以说已经压榨到了顶点了，4.5出来之后没有产生轰动效应、GPT5的难产，说明了一件事情，如果底层架构没有新的变化，将来后续的版本都不会发生量变，可能是一个微调的概念，不会产生数量级变化。
另外我想多说一两句，在AI时代，家长对于小孩的培养，首先，填鸭式的应试教育大概率是不行的，如果小孩被教育得没有童年、没有乐趣，厌学，您可以停手了，再教育下去这个孩子到高中阶段，会突然间一脚踏空，第二，让年轻人有想象力、有创造力，比他懂什么更重要，哪怕他调皮一点、捣蛋一下，不要去责怪他。乖孩子在 AI 时代，可能就是个没用的人，当然调皮下不是去危害社会。最后，让他有一个自己的爱好，有一个自己喜欢的事情，愿意长期干的事情。未来，人类的工作状态会是什么样子，我们真的无从知晓，但是我们知道，如果一个人干着他爱的事情，不管是工作还是生活，能够开心快乐，这也许是一种非常好的生活状态。
【来源：九派新闻】
声明：此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址：jpbl@jp.jiupainews.com