作者：路世明

Manus的出現(xiàn)，激起了科技與資本市場的雙重震蕩，一時(shí)間AIAgent相關(guān)概念股集體大漲，阿里、谷歌、微軟等科技巨頭密集發(fā)布智能體研發(fā)計(jì)劃......

而在這場熱潮的背后，是AI技術(shù)從“被動(dòng)應(yīng)答”向“主動(dòng)執(zhí)行”的范式躍遷。

盡管市場的評價(jià)褒貶不一，但不能否認(rèn)，Manus的突破性在于，它首次驗(yàn)證了通用型AIAgent在復(fù)雜場景下的商業(yè)化可行性。

傳統(tǒng)的大語言模型雖能生成文本，卻難以閉環(huán)執(zhí)行任務(wù)，而Manus通過“規(guī)劃-驗(yàn)證-執(zhí)行”的架構(gòu)，將AI大模型的認(rèn)知能力轉(zhuǎn)化為生產(chǎn)力工具。

根據(jù)麥肯錫等多份權(quán)威報(bào)告，在多元化需求驅(qū)動(dòng)下，AIAgent市場呈爆發(fā)式增長態(tài)勢，2024年全球AIAgent市場規(guī)模約為51億美元，預(yù)計(jì)2030年將飆升至471億美元，復(fù)合年增長率高達(dá)44.8%。

然而，這場“智能體浪潮”并非坦途。技術(shù)瓶頸與商業(yè)野心的碰撞，讓AIAgent的競爭既充滿想象力，又暗藏風(fēng)險(xiǎn)。破壁之戰(zhàn)

本質(zhì)上，AIAgent的是具備人類思維范式的數(shù)字勞動(dòng)力。

如果說聊天機(jī)器人還停留在“對話”階段，那么Agent則已經(jīng)開始“行動(dòng)”。簡單來說，可以理解為一種更智能、更自主的AI應(yīng)用，它不僅能回答問題，還能執(zhí)行任務(wù)、完成交易。

它們可以被應(yīng)用于各種場景，如客戶服務(wù)、金融分析、軟件開發(fā)等，極大地提高了生產(chǎn)力和效率。

以大語言模型為“大腦”，AIAgent不僅能理解指令表層語義，更能捕捉隱含需求。例如用戶說“找性價(jià)比高的酒店”，Manus會(huì)結(jié)合季節(jié)、當(dāng)?shù)鼗顒?dòng)等上下文推理出“預(yù)算敏感型”或“體驗(yàn)優(yōu)先型”需求。

而可以期待的是，隨著大模型在多模態(tài)能力上的持續(xù)突破，特別是多模態(tài)融合技術(shù)的迭代升級，AIAgent將能夠更精準(zhǔn)地解析并反饋用戶需求，逐步實(shí)現(xiàn)類人類的視聽感知與交互能力。

這將使得AIAgent可以應(yīng)用于更廣泛的領(lǐng)域，如醫(yī)療診斷、自動(dòng)駕駛、智能安防等。

此外，Manus發(fā)布后，券商PPT、分析師路演火速上線，不完全統(tǒng)計(jì)顯示，中金、華泰、招商、中泰等數(shù)十家券商研究所進(jìn)行了路演，其中有分析師上線了多場路演，路演內(nèi)容從技術(shù)原理、AI應(yīng)用、受益方向到落地場景、產(chǎn)業(yè)圈推演，內(nèi)容豐富。

當(dāng)然，在熱潮的背后，也有不同的聲音。不少業(yè)內(nèi)人士認(rèn)為，Manus屬于AIAgent初級的應(yīng)用，市場的反應(yīng)過大了。

事實(shí)也的確如此，AI會(huì)進(jìn)一步拉平信息差，大量收集信息、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(zhàn)在于：AI幻覺的幽靈始終縈繞不去。技術(shù)瓶頸

AIAgent的競爭，入口為王。

當(dāng)掌握更多用戶流量的廠商，有望實(shí)現(xiàn)“流量-數(shù)據(jù)-使用體驗(yàn)”的正向循環(huán)，且隨著開源模型能力升級彌補(bǔ)大廠及中小廠技術(shù)代差，AI產(chǎn)品工程化能力，或拉開產(chǎn)品使用體驗(yàn)差距。

可盡管展現(xiàn)出巨大的潛力，但AIAgent的爆發(fā)仍面臨多重障礙。從商業(yè)模式到技術(shù)瓶頸，從法規(guī)缺失到用戶認(rèn)知，每個(gè)環(huán)節(jié)都在考驗(yàn)著行業(yè)的耐心。

首當(dāng)其沖的原因就在于，現(xiàn)有技術(shù)還無法有效地解決AI幻覺的問題。

以當(dāng)紅的Manus來說，雖然在GAIA基準(zhǔn)測試中取得了優(yōu)異成績，但在實(shí)際應(yīng)用中，仍存在一些不穩(wěn)定的情況。

GAIA基準(zhǔn)測試排名來源：ManusAIX平臺(tái)

有實(shí)測用戶反饋，在處理復(fù)雜任務(wù)時(shí)，Manus偶爾會(huì)出現(xiàn)任務(wù)執(zhí)行失敗或結(jié)果不準(zhǔn)確的問題。在進(jìn)行股票數(shù)據(jù)分析時(shí)，Manus可能會(huì)因?yàn)閿?shù)據(jù)接口的臨時(shí)故障或數(shù)據(jù)格式的細(xì)微變化，導(dǎo)致分析結(jié)果出現(xiàn)偏差。

再以O(shè)penAI的GPT4.5來說，毫無疑問，這是目前最強(qiáng)的大語言模型。但在SimpleQA基準(zhǔn)測試中，GPT-4.5的準(zhǔn)確率為62.5%，幻覺率為7.1%，盡管這一成績要遠(yuǎn)優(yōu)于GPT-4o、OpenAIo1和o3-mini等模型，但是依然存在著相當(dāng)高的幻覺率。

而這種幻覺，在金融、醫(yī)療等高風(fēng)險(xiǎn)領(lǐng)域，任何一點(diǎn)誤差，都可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

假設(shè)某醫(yī)療診斷Agent，其誤判罕見病案例的概率為3%，客若應(yīng)用于千萬級用戶群體，那么潛在誤診人數(shù)將高達(dá)30萬。

除了幻覺，緊接著的是數(shù)據(jù)孤島與通用能力的矛盾。

AIAgent的效能高度依賴場景數(shù)據(jù)，例如金融風(fēng)控需要實(shí)時(shí)交易數(shù)據(jù)，而醫(yī)療診斷依賴患者病史庫，數(shù)據(jù)割裂會(huì)導(dǎo)致通用型Agent難以跨領(lǐng)域遷移。

最后是倫理與監(jiān)管的滯后性。AIAgent的自主決策涉及隱私泄露、責(zé)任歸屬等倫理問題，比如調(diào)用用戶健康數(shù)據(jù)、自動(dòng)駕駛事故等等，而全球監(jiān)管框架尚未成熟。

由此可見，AIAgent的破局路徑需從技術(shù)、生態(tài)與監(jiān)管三端協(xié)同推進(jìn)。而未來，誰能率先突破技術(shù)瓶頸并構(gòu)建合規(guī)生態(tài)，毫無疑問，誰就將主導(dǎo)這場智能體時(shí)代的“諾曼底登陸”。