Koji
欢迎收听十字路口，我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻，形容他站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI 正在给各行各业带来改变，我们寻找、访谈和凝聚 AI 时代的积极行动者，和他们一起探索和拥抱新变化、新的可能性。我是主播科技杨元庆，联合创办了街旁、新世相和唐导。我相信科技，尤其是 AI，会在未来十年彻底改变社会，赋能人类。欢迎大家找我聊天，碰撞想法，链接下一个可能性。
三周前，Manus 发布，一夜之间在国内刷屏，紧接着它在海外也受到了高度关注。Twitter 的创始人和 CEO Jack Dorsey 也难得地发了一条推文，说到：“Excellent。”最新一期的《经济学人》杂志中，有 2 篇文章提到了 Manus，其中还有 1 篇是专门写 Manus 的。
在爆火之后，Manus 也引发了很多争议。今天的播客我们不是来聊争议的，因为我认为，不管此刻多么喧嚣震天、风雨满城，最终都会尘埃落定。尘埃落定之后，产品好才是真的好。
本周我们请到 2 位朋友，一起从 Manus 出发，用 20 个问题聊 Manus，但不止聊 Manus。我们更想聊的是 2025 年最热的话题之一——AI Agent。
这也是“十字路口的 20 问”这个专栏的第 3 期。前 2 期，我们分别用 20 个问题聊了 DeepSeek 和 AI 视频大模型。
本周播客开始之前，有一点利益相关声明。我自己是蝴蝶效应、Monica 和 Manus 这家公司的顾问，也是他们上一家公司的早期天使投资人。所以过去 9 年，我和肖弘一直保持着专业互动，也保持着友谊。因此，我的观点难免会有个人偏见的成分。
为什么我们用 20 问？因为我们认为，面对像 Manus 这样的爆炸性产品，以及面对今年 AI Agent 这样的重要概念，我们非常需要一个结构化的思考框架。
这 20 个问题不是一次简单的知识科普，而是我们精心编排的一条探讨路径。我们希望从历史脉络到技术突破，从现象解读到未来预测，用问答的形式，帮助十字路口的用户在信息繁杂的当下，建立起对 AI Agent 相对清晰、系统的认知。
尤其是在 Manus 带来的热度稍微退却之际展开这个讨论，相信能够让我们更加理性、更加全面，也不被短期情绪所影响。
本周我们的第 1 位嘉宾是郑灿，线性资本董事总经理。郑灿从去年上半年就开始非常关注 AI Agent，也在线性资本的公众号上发表过不少关于 Agent 的观点和文章。因为长期在投资一线看各种各样的项目，所以郑灿接触了大量尝试在 Agent 领域创业的 AI 团队，有着一手的信息和洞察。
本周的第 2 位嘉宾是鸭哥。鸭哥是 Samsara 的应用科学家，也是哥伦比亚大学的博士，曾经在 Pinterest 和微软等公司工作，发表过接近 40 篇国际顶会论文。他写了很多关于 AI 的博客，我们也在十字路口的公众号上发表过多篇他的文章。
今天很有幸请到鸭哥，是因为在 Manus 发布之后，他写了一篇非常高质量的关于 AI Agent 的文章，标题叫《Manus 爆火的背后：Agentic AI 产品如何构筑持久的竞争优势》。这篇文章我们前两天也转载到了十字路口的公众号，感兴趣的朋友可以去读一读。
感谢 2 位的时间，来十字路口和我们分享这一期很硬核的内容。我们从第 1 个问题开始。
1. Defining The AI Agent
第 1 个问题想问郑灿：当我们在讨论 AI Agent 的时候，到底在讨论什么？AI Agent 的定义究竟是什么？
Speaker 2
谢谢。我觉得 Agent 实际上是技术界长期以来一直在讨论的话题，或者说，是一个长期存在的概念。
从我的角度来看，Agent 最根本的能力就是 autonomous，也就是它能够自主地去做事。不管是 1 个 Agent 自主地把一件事做完，还是几个 Agent 各自擅长一些事情，再结合起来把事情做完，autonomous 都是它的要求，或者说最根本的性质。
但在 autonomous 的背后，要实现这件事，典型地需要几种能力。比如，它要有感知能力，能够从外界获取输入；它还要能够使用工具，否则就没法做事。
当然，背后还有一个能力，就是 planning，尤其是在处理复杂问题的时候，它要有长程规划的能力。这可能会对它底层的模型提出一系列要求：模型要有感知能力，要有多模态输出能力，要能够使用工具，还要能够进行长程推理。
从根本上讲，我觉得我们对 Agent 有这样的要求。另外一个附带的要求是，Agent 在做自己的工作过程中，应该能够越做越好，也就是能够从过去的成功和错误当中积累一些 know-how 和 best practice。我们把这个叫作 self-evolve，也就是自我进化。
从根本上讲，对 Agent 的要求和对人的要求其实是差不多的，这样想就好了。包括很多对于 Agent 的能力要求，以及对它的其他要求，其实也都是从人的专业分工当中推导出来的架构要求或能力要求。
Koji
我记得郑灿在去年 6 月有过一篇文章，里面提到“一千个人眼里有一千种 Agent”，所以这其实是一个非常泛的概念。
当我们聊 AI Agent 的时候，它确实很复杂。尤其在此时此刻，即便 Manus 的发布好像定义了一种新的 Agent 范式，但除此之外，我觉得对它的讨论仍然是比较模糊的。不过没关系，我们先把这个问题放到一边。
2. The Agent Year In Review
第 2 个问题想问鸭哥，请鸭哥带我们复盘一下最近 1 年，也就是 2024 年，Agent 的发展脉络，以及有哪些重大的突破。
Ronghui
这是一个非常大的问题。我觉得 2024 年 Agentic AI 的发展，可以主要分成 3 个方面：第 1 个是它的定义逐渐成熟，第 2 个是产品开始爆发，第 3 个是技术平台开始发展。
从定义的角度来说，正如郑灿刚才说的，一千个人眼里有一千种 Agent。2024 年刚开始的时候，很多人都在说 AGI，AGI，但其实每个人的定义都不一样。
到了 2024 年底，AGI 的定义基本上逐渐收敛到 2 个要素：第 1 个是使用工具，第 2 个是自主决策。虽然在这个基础上，每家公司还是有一些不同的解释，但最基本的定义比年初清晰了很多。
从产品的角度来说，有 2 个方向尤其引发了很多创业公司和投资者的注意。
第 1 个是调研类产品，包括 Gemini、OpenAI、Perplexity，都发布了名字甚至都一样的产品，叫 Deep Research。它们都号称可以用 agentic 的方式，像人类一样帮助用户浏览互联网，给出有深度的回答。
第 2 个是生成类产品，包括 Cursor、Windsurf 这样的 human-in-the-loop 的 agentic 编程产品，或者 Devin 这种更加 hands-off 的构建工具，以及 Gamma 这种用来生成 PowerPoint 的工具。
在 2024 年，这 2 类产品都有了快速发展和规模增长。
从技术的角度来说，Agentic AI 的构建工具也开始爆发，尤其是在 orchestration 方面。有意思的是，每一个工具背后，其实都代表了它们的团队对于 Agentic AI 的一种不同认知。
比如微软的 AutoGen，是最老牌、最经典的 Agentic 开发框架之一。它强调所有的东西都可以用一种异步的、基于订阅的消息流模式来表达。
而从 LangChain 发展出来的 LangGraph，则强调所有的 Agent 都可以用一个图来描述。
另一方面，Hugging Face 的 SmolAgents 特别强调，所有的 Agent 都可以用一个 coding agent 来表达。
所以不管是在定义、产品还是技术方面，我觉得 Agentic AI 在 2024 年都有了更多确定性，也有了更大的活力。
3. How GAIA Measures Agents
Koji
第 3 个问题是在 Manus 发布的时候，他们提到了一个标准。这个标准好像是衡量 Agent 的重要标准，叫 GAIA。
请鸭哥给大家介绍一下，GAIA 是什么标准？为什么大家都选择这个标准来衡量 AI Agent？
Ronghui
这是一个很有趣的问题。GAIA 是 2023 年底由 Meta 和 Hugging Face 的研究者提出的一个基准测试，全称是 General AI Assistant，缩写就是 GAIA。
Gaia 在希腊语里是地球的意思，也有英语国家的人读成“盖娅”，这是一个挺有意思的设计。
当时 AI 的发展有一个潮流：GPT-4 做入学考试题得分很高，又做律师考试题得分很高。这就引发了 AI 研究人员的思考：AI 到底应不应该往“做题家”的方向发展？
考试做题厉害，说明 AI 记忆力好，可以把法律条文和常见题型都背下来；还是说，它真的能够举一反三，能够推理，拥有很高的智能？
从这个角度出发，他们设计了 GAIA 这个基准测试。GAIA 里的题目并不强调你要记住什么，而是强调推理能力、多模态、网页浏览以及其他工具使用能力。
这些题目对人来说都非常简单。哪怕是普通人，也很容易达到比如 92% 的正确率。但即使是当时最先进的 AI，可以调用工具的 GPT-4，也只能拿到 15% 的正确率。
所以，它被用来作为衡量 AI 智能程度的基准。同时，因为它牵涉到工具使用和多模态理解，很多时候也被用来衡量 Agentic AI 的综合能力。
但是到这里故事还没完。在做题之外，衡量 AI 的能力还有一个挑战，就是数据泄露。
AI 的训练是不断进行的。如果你把一个基准测试的题目和答案都公开在互联网上，它一不小心就可能被纳入 AI 的训练数据集。最后，AI 又变成了背题目，而不是真的通过自己的推理能力得到答案。
为了避免这种情况，他们把 400 多道题分成了 2 部分。一部分包含 300 道题，这是测试集，只公布题目，不公布答案，所以没办法用它来训练。另一部分是 160 多道题，这是验证集，同时公布题目和答案，可以用来调参。
为了让整个测试过程能够自动化，这些题目都是客观题，也就是可以通过电脑程序验证的题目，没有太多歧义。
所以你可以看到它在各种设计上的考虑，包括题型设计，以及对数据泄露的抵抗。它确实是一个不错的、能够衡量 Artificial Intelligence 能力的基准测试，这也是为什么很多公司和产品都在上面测试自己的 Agentic AI 能力。
但是，这并不代表它是一个完美的测试，它也有一些坑。
第 1 个坑是，因为它有验证集和测试集，所以你看各个公司公布结果的时候，要留个心眼，看看它到底是在验证集上的结果，还是测试集上的结果。
比如 OpenAI 和 Manus 都说自己在 GAIA 上得到了 state-of-the-art 的结果，甚至是世界第一。但这些都是在那 160 多道题的验证集上得到的结果，他们其实并没有向官方提交测试集上的结果，也就是俗称的打榜。
换言之，他们的分数没有出现在 Hugging Face 的 leaderboard 上，这也引发了一定程度的争议。
但我也可以理解，因为打榜和刷分对公司来说，只是了解自己能力的一种手段，或者是做营销的一种手段，并不是最终目的。所以把它放在较低优先级，也是可以理解的。
另一方面，GAIA 的测试相对偏简单，主要是只要一两步就能做出来的场景。这对于现在越来越流行的长期记忆和大 context window 的 AI 来说，就不太能测出它们的优势。
像我个人觉得很有前途的方向，比如 Endless Learning——花几天甚至几周的时间，去彻底理解一个复杂的代码库或知识库——这种更前沿的方向，GAIA 就有点力不从心了。
Koji
郑灿有什么补充吗？
Speaker 2
鸭哥说得很对。GAIA 这样的标准，本质上是希望去衡量 AI 解决复杂问题、完成一件事情的能力。
比起做题家，说白了，把所有题都背下来就能做。GAIA 的提出，就是为了解决 AI“会做题但不会做事”的问题，或者说，会做见过的题和类似的题，却不会做没见过的题，也不会解决现实当中碰到的问题。
GAIA 是一个相对比较完整的测试集，测试了 Agent 的多方面能力，包括多模态理解、工具使用，以及长程规划。
类似的还有一个专门解决“AI 是背题还是真的在思考”的测试，叫 ARC。它主要用来测试模型的推理能力。
ARC 的一个很大特点是，你完全不可能通过背题来解决问题，因为它的每一道题的类型都不太一样，但实际上都是人类很容易解出来的题。比如给你 4 个不同的形状，让你去猜第 5 个形状应该是什么，这就是小时候大家都做过的智力题。
这一类测试，是为了解决模型能力本身的限制，和模型在刷榜中体现出来的高水平之间的矛盾，希望能够真正测试出模型的能力。
4. Why MCP Became Standard
Koji
我们继续第 4 个问题。这个问题是关于 MCP 的。
Anthropic 在去年 11 月发布 MCP 之后，很快就让 MCP 成为了 Agent 领域的某种行业标准。第 1 个问题是，想请鸭哥给大家科普一下 MCP 是什么；第 2 个问题是，很多人都会好奇，为什么它在这么短的时间内就赢了，赢的意思是，它好像已经在某种意义上成为了行业标准。
Ronghui
要回答 MCP 是什么，我们得先了解一下为什么会有 MCP，也就是 Model Context Protocol 这个东西。
它出现最直接的原因是，市场上有一大堆大模型，但是各家对于工具调用的格式都不一样。
比如 OpenAI 用的是一种基于 JSON 的格式。你用 JSON 告诉它，我有一个工具叫 ABC，它能做什么事情，输入格式是什么，类型是什么。通过这种方式告诉 GPT，你可以调用什么样的工具。
Anthropic 的格式和它类似，但细节上有一些不同。如果你直接把 OpenAI 的代码拿过去用，可能就会挂掉。尤其对于 reasoning model，它在安全处理方式上还有一些细节不一样。
Gemini 则完全是另外一种格式。所以，如果你想让不同的 LLM 使用哪怕同一个工具，都要去记忆和开发多种彼此不兼容的工具描述。这就是一个痛点，它会拖慢开发者产品上线的节奏。
为了解决这个问题，各家都在想，有没有一种方法能够打通不同的模型，做出一个统一格式？就像现在的 HTTP 协议一样，用一种通用协议，把模型如何调用工具这一核心交互统一起来。
这是一种入口，也是一种标准。对于公司竞争来说，这很有好处；同时，它也确实解决了开发者的痛点：一次编码，到处执行。这就是 MCP 背后的核心动机。
MCP 也不是市场上唯一的这种协议。比如 Open Web UI 使用的是一种基于纯 Python 的协议；像 Pydantic AI，它是基于 Python 的 decorator，用代码来实现这样的协议。
MCP 是 Anthropic，也就是 Claude 背后的母公司，针对这一标准协议给出的答案。所以可以看到，MCP 并不是市场上唯一的玩家。
要讨论它的竞争优势和劣势，我们得先退一步，看看这样一个协议，什么叫好，什么叫坏，它成功的标准到底是什么。
具体来说，我觉得这里面包含 4 个维度。
第 1 个维度是，它需要有一定程度的抽象，也就是 abstraction。这其实就是工具调用协议出现的最初动机：我希望不改代码，就能无缝适配各个流行的 LLM。
但在这个基础上，它还需要有另外一个维度，就是表达力要够强。不论是使用什么样的工具，还是用一定的模板来生成 prompt，有时候我希望 LLM 在调用工具的时候，还能得到这个工具的一些反馈。
如果某些功能是这个协议无法实现的，我可能就不用它，而会换一种更灵活的协议。所以表达力和灵活性也非常重要。
第 3 个维度是易用性。这里可以讲一个典型的反例：LangChain。
如果你用 LangChain 做过比较复杂的开发，就会发现它虽然确实做了抽象，表达力也很强，但这个抽象有点过度，有点 over-abstraction。
比如我要加一个自定义功能，经常要跟进 800 个抽象类，才能找到应该修改哪里的代码。所以，易用性对于协议之间的竞争也非常重要。
第 4 个方面是可调试性。这要求协议本身有良好的可视化，或者结构简单，出了问题能够快速定位。
MCP 的优势在于，它在这几个维度上实现了比较好的 trade-off。它提供了足够的抽象程度，但又没有过度抽象到损害 debug 能力。
它的表达力够强，不仅支持资源、提示词、工具等功能，甚至还能通过 sampling 这样的功能，让工具反向调用 LLM 来执行一些操作，这一点是其他协议中不常见的。
与此同时，它又没有变得过分臃肿和难用。所以总的来说，它在技术上是一个不错的协议。
同时，它背靠 Anthropic。这是一家足够强势、资源雄厚的公司。对于很多开发者或生态伙伴来说，这非常重要，因为它往往意味着更深刻的领域直觉和更稳定的支持。
当市场上还没有一个拥有压倒性技术优势的协议时，大家就会倾向于使用这种有资源而且可靠的产品，最终形成事实上的标准。
这其实是标准之争里很常见的现象。并不是因为 MCP 在技术上最完美，所以大家都使用它，而是因为它先占据了市场先机，凝聚了生态力量。它本身的认可度又带来了正向循环，所以目前占据了市场领先地位。
但有一点需要注意：虽然 MCP 现在被大家普遍使用，但从技术上说，它仍然有一些改进空间。其中，过度抽象和 debug 不便，是两个显而易见的痛点。
它虽然自己带了一个 Inspector，但相比其他协议，还是比较难定位问题究竟出在哪里。
所以，我们现在说 MCP 赢了，更多指的是它抓住了当前的时机和市场共识，在竞争中占据了一些先机。有了这层地位之后，如果它能够继续迭代升级，倾听社区反馈，就有可能真正巩固成为行业通用协议。否则，未来也有可能出现其他竞争者。
Koji
看到 MCP 的时候，我想起以前看过的一本书。这是 Bill Gates 某一年的年度书单中的一本，叫《集装箱改变世界》。
这本书讲的是集装箱的历史，确实很有趣。我在看之前，从来没有想过集装箱的标准也经过了大量博弈，包括商业上的、政治上的博弈，最终才形成了今天的样子。
这个博弈离我们现在也很近，是从上个世纪 50 年代，也就是新中国成立之后，标准的争夺才开始的。在此之前，大家在轮船、货车或火车上运东西都比较随意，几麻袋东西就扛上船开始运。
直到 50 年代，才有公司开始尝试搞一个统一尺寸的集装箱。但每个人都想成为标准的制定者，所以这本书讲的就是大家如何争夺最终的标准定义权。
过了 30 年，到 80 年代，再延续到今天，国际货运的标准才统一下来。所以不管是轮船、火车还是卡车，都采用同一套集装箱尺寸。
这也很像秦始皇统一度量衡，用这种方式降低贸易摩擦，改变全球化进程。看到 MCP 的时候，我就想起了这本书，还是挺有趣的。
5. What Manus Adds To Reasoning
第 5 个问题想问郑灿。我们看到，很多人认为 Agent 会是 AI to C 产品在 chatbot 之后，一次新的交互范式革命。
在你看来，以 Manus 为代表的 AI Agent，在推理能力上相比现在的 LLM——比如 GPT-4o 或 Claude 3.7——有哪些关键突破？
Speaker 2
我觉得这里可能还是得先分清楚几个概念。
Manus 是一个 Agent 产品，它的各项工作，从规划到执行再到验证，实际上都依赖模型。换句话说，它的推理能力来源于模型本身的推理能力。
所以我想把 Manus 本身和模型区分开来。就像我们谈 OpenAI 的时候，容易把模型和 ChatGPT 这个产品合到一起，但其实是两回事。
如果只是说推理能力，我们可以认为，推理能力基本上来源于模型本身。而且从去年到今年，模型在推理上发生了巨大的变化。
去年年底盘点时，我们说需要推理模型，需要加强模型的推理能力，后来就被 DeepSeek 迎面击中了。
去年真正具备强推理能力的模型可能只有 o1，但到今年，我们有了 DeepSeek，还有 Anthropic 的 thinking model、Gemini Thinking。大家都推出了自己的推理模型。
坦白讲，像 Manus 这样的产品能够具备长程推理能力，能够把一件事从头到尾规划完，大家看到它规划出来的 task list，这很大程度上都来源于模型推理能力的提升。
当然，今天的模型本身还不够强，推理能力还有很多欠缺，模型也有出错的可能性。
如果我要做 10 步，每一步都有一点失败的可能，10 步下来，事情基本就会失败。
Manus 很大的一个贡献在于，它要解决的是：如何保证一件事在一个很长的过程中不至于彻底失控，不至于做到最后，连自己要做什么都不知道。
这就需要规划、执行，以及非常重要的反思。
如果把 Manus 这个产品拿出来看，很大一部分工作就是在底层还不太确定的基础上，把一件事以相对确定的方式完成，最终达到目标。
相比去年，我觉得今天已经有了很大的变化。去年可能是先做一个规划，规划完发现规划错了，再进行反思；反思又错了，假设反思对了，再回来重新规划，重新规划可能又错了。
每一步的成功率只要提高 5%，比如从 85% 提高到 90%，最后的失败率就会大幅降低。因为很多个 85% 相乘，和很多个 90% 相乘，最后的结果差别非常大。
Koji
我们已经聊到 Manus 了，接下来进入第 2 个部分，聊一聊 Manus。
之前明浩老师在《屠龙之术》的播客里有一期内容叫《Manus 没有秘密》，我觉得这个标题起得非常好，这也是我的感受。
Manus 团队从一开始就很主动地和大家沟通他们的各种设想，甚至包括一些操作 Manus 的细节。
6. The Manus Product Breakthrough
第 6 个问题是，我看到鸭哥在好几个地方都提到 Manus 充满启发，所以想问鸭哥，你得到了哪些启发？其中什么启发让你觉得最惊艳？
Ronghui
在回答这个问题之前，我想先解释一下 Manus 不让我感到惊艳的地方是什么。
其实，和很多自媒体渲染的情况相反，Manus 的出现不是一个从石头缝里蹦出来、完全无迹可寻的东西。相反，就像我们前面提到的，2024 年我们已经看到了 2 种类似产品：一种是 Deep Research 这样的调研类产品，另一种是 Cursor 或 Devin 这样的代码生成类产品。
从 feature 的角度，一个简单的理解方式是，Manus 把这 2 种已经存在的产品揉到了一起。
但这件事比看上去更重要，因为它彻底改变了用户的使用体验。
比如，我现在没有 Manus，想做一些调研，再把结果可视化出来，这是一个非常典型、也很简单的需求。
但如果没有 Manus，我首先要思考一个问题：怎么样拆解任务，才能让每一个子任务足够独立，分给 AI 去做？每一个子任务又应该使用什么工具？我还要设计各个子任务之间的接口，让它们能够适当地衔接起来。
举个例子，我可能会把调研交给 OpenAI Deep Research，先拿到一份报告；然后把这份报告拷贝到 ChatGPT 里进行分解，生成面向 Cursor 的 prompt；再把一个个 prompt 贴给 Cursor，让它生成代码；最终运行程序，得到可视化结果。
但有了 Manus 以后，我要思考的东西就少了很多。我只要把所有东西一下子扔给 Manus 就可以了。我现在主要的精力，是尽可能详细地让 Manus 知道我的思路、背景和目标。剩下怎么分割问题、怎么执行，就让它去做。
这种使用体验比以前提高了很多。
另一方面，Manus 这个产品的完成度也很高。我之前也做过类似的、由 AI 帮我做调研的东西，但一个很大的痛点是，抓数据的时候经常抓着抓着就被识别成 bot，然后被封掉。
但 Manus，包括类似的 Devin，都没有这样的问题。即使面对 Zillow 这样有相当严格反爬机制的公司，它也能把数据下载下来；像知乎这样的站点，它也能正常抓取。这些都让它整体的可用性变得很高。
所以回到最初的问题，我觉得 Manus 让我惊艳的地方，主要是它把 Agentic AI 的初衷完成得特别好：我专心定义问题，AI 自主执行。这样就能用最短的时间、最短的链路达到目标，这才是我作为用户最关心的事情。
Koji
很多人也会吐槽说 Manus 没有创新。第 7 个问题想问郑灿：在你看来，Manus 有没有创新？如果有，它的核心创新是什么？
Speaker 2
从一个很简单的角度讲，把那么多工具和能力融合到一起，提供一种之前从来没有过的体验，我觉得这本身就是一种创新。
这其实才是产品最需要的创新。它里面可能用了各种各样的模型。刚才鸭哥也提到，我可能有一个复杂的工作流，这个工作流里需要用到各种工具：浏览器、图像理解、图像生成，以及其他工具。
在 browser-use 当中，我可能需要抓取数据，还可能要反爬。反爬本身可能就需要读取 CAPTCHA，也就是验证码。
这里面其实包含了很多不同的工具。要把它们融合到一起，同时还要保证不出错，成功达到目标，这是一种非常强的产品力。
我们之前聊过什么是产品力。我一直觉得，产品力就是让我用最简单的交互，刚刚好地达到我想要的效果。
在这里，我觉得 Manus 的目标、它的核心贡献，或者叫创新，其实是一回事：让我能够 hands-free 地完成一个非常复杂的问题，而且这种体验之前从来没有人提供过。
还有一件事大家不要忽视。今天产品的核心是大模型，这没有错；大模型能力的提升，提高了 Manus 这一类产品的上限，这也没有错。
但问题是，大模型本质上是不可控的。我们一直在说，大模型能力的提升，意味着它做对事情的能力越来越强，但本质上它依然不可控，每一步都有可能出错。
在一个不可控的东西上面做产品，不能说：“对不起，OpenAI 或 GPT 出错了，所以你的报告没有了。”用户不可能接受这样的答案。
这背后其实需要大量工作，而且在每一种新的产品形态上，都需要有人先把这些工作做出来。
Cursor 本质上也是类似的工作。Lovable、Bolt.new，它们提供的价值和创新，至少在第一天，也都是这一类创新。
Speaker 1
我看到 Manus 的时候有 2 个 aha moment，都让我觉得它特别像一个人，像一个真正的 Agent。
第 1 个是，它会让你看见它在做什么，就像一个同事不断向你汇报，事无巨细地告诉你它在做什么。你可以看到它在输入文字、推理、执行某个任务，甚至可以看到它拉出一个 to-do list，做完一项就划掉一项。
这会让你觉得，这个同事在认认真真、兢兢业业地做好每一个细节。
第 2 个 aha moment，是在任务进行过程中可以随时和 Manus 对话。大家知道，Manus 一个任务可能会做 10 分钟、20 分钟，甚至 30 分钟。
如果你等得不耐烦了，可以问它：“你在干什么？为什么这么拖拉？”但它不会停下手头的任务，而是像一个同事一样转过身告诉你：“你不要着急，我正在做什么，大概还要多久。”
这 2 个 moment，是我当时觉得特别有 aha 感的地方。
Speaker 2
我觉得 Manus 和 Deep Research 的区别在于，Manus 不光能做 Deep Research 这样的调研工作，还能做很多其他的生成类工作。
Speaker 1
就像鸭哥在第 2 个问题里提到的，Agent 产品有 2 类 use case：一类是调研类，另一类是生成类。
调研类可以是报告，Deep Research 和 Manus 都可以做。生成类以前可能更多是生成代码、生成 PPT，而现在 Manus 也可以做。
Manus 作为一个通用型 AI Agent，一开始出场时大家期待很高、评价也不错，这也是其中一个原因。很多很酷的工作，本身就是需要生成的。
7. The Three Compounding Effects
第 8 个问题想问鸭哥。Manus 让我们看到，AI Agent 是一个有复利的东西。这也是你在文章里提到的，你讲到了 3 种复利，分别是工具的复利、数据的复利和智能的复利。可以展开讲一讲吗？
Speaker 3
我觉得，刚才聊到的 Manus 让人惊艳的地方，背后还有很多值得分析的东西。其中一个尤其有启发的地方，就是复利，也就是 compound effect，这一点值得详细讨论。
为什么大家觉得 Agentic AI 很厉害，为什么愿意花时间去做？我觉得主要就是因为复利。
复利一般指一个东西具有积累效应：投入得越早，后期获得的回报就越大；或者说，它的增长像一条指数曲线，增长得越来越快。
Agentic AI 就有这样一个特性，尤其在 3 个维度上有复利：工具的复利、数据的复利，以及智能的复利。
注意，这 3 个维度不是平行相加的，它们更像乘法一样，彼此放大。
我们先讨论工具的复利，因为它最容易理解，也是 Manus 好用的关键。
Agent 的核心能力之一，就是可以调用工具。但是，能调用 2 个工具的 Agent，和能调用 10 个工具的 Agent，能够提供的价值远远不一样。
这主要是因为，当你给 Agent 增加一个可以调用的工具时，如果它本身已经有了丰富的配套工具，那么新工具和旧工具之间可以组合出更多爆炸式的体验提升。
举个简单的例子。最早，当 Agent 只能搜索和写代码时，我们额外加一个生成报告的插件，可能也就是在最后一步把已有结果包装一下。
但是，如果 AI 同时还懂得怎么做可视化、怎么做幻灯片、怎么做网站，这时候再加入一个生成报告或图像搜索的工具，就一下子能引爆很多创作方式，让 AI 真正从调研到内容发布一步到位。
所以 Manus 能火，工具的复利在里面起了很大作用。
但工具复利光看本身有一个问题，就是很容易被抄。假设我是 Manus 的竞争对手，想抄 Manus，其实并不难。
如果我是 Manus，我怎么避免被抄走？这就要提到数据的复利。
这里的数据，不是指大模型预训练时那种海量 token，而是指 Agent 和用户在长期协作过程中沉淀下来的数据库。
这个数据库一旦被整理并外化，变成显性的文档，就能让 AI 在后续交互中更快地锁定问题，少走弯路，也更能理解用户想要什么。
这就好比工厂里的老师傅，拍一下机器就知道问题在哪。新手还要挨个零件去检查，最后不一定能查到原因。
老师傅之所以能做到这一点，是因为他长期积累并归纳了工作流程、产品历史，以及之前尝试过哪些方案、成功率怎么样。这些东西都积累下来了，所以他排查问题的效率高很多。
对 AI 来说，它给用户的感觉就是：“AI 很懂我，AI 和我有默契。我一说是什么问题，它就知道可能是什么原因。”
这会形成一个正向循环：Agent 本身会越用越顺手，因为它学到了更多背景知识；这又让用户越来越愿意把更多数据共享给它，因为这样产出的效果会明显提升。
所以，像知识库一样的数据积累，是更重要、也更难构建的一种复利模式。
如果一个产品能够在端到端的形态里，让每个环节都利用好、积累好这些数据，自然而然就会形成核心壁垒。
最后一点是智能的复利。很多人容易忽略，但其实 Agentic AI 的自主思考程度，也会随着工具和数据的增长而放大。
比如，一个不太聪明的模型，可能只能机械地根据预置指令搜索网页、罗列结果，再拼接成报告。
但如果它的推理和举一反三能力足够强，就有能力根据搜索结果及时调整策略，比如调整关键词，或者预判用户后面可能需要哪些额外资料、哪些分析维度，从而自主决定去发掘更多资源。
真正聪明的 Agent，还可能和用户进行对话式的来回修正目标。它能够理解，虽然你表面上想问的是 A，但内心真正想问的其实是 B。
这种更高层次的思维能力，我有时已经在 o1 Pro 这类模型里体会到了。它非常重要，就像一个催化剂，可以让工具和数据带来的增长变得更加高效。
所以，如果一个企业有能力进行这种级别的 LLM 研发或 fine-tuning，就可以构成一个工具调度、知识积累和智能提升的闭环。
我想强调的是，归根结底，这 3 种复利是相互激发的，也就是我们之前说的乘法。
更多的工具可能产生更多可以沉淀的数据；更丰富的数据又能进一步支持更高阶的智能训练和发挥；反过来，智能提升又会提高多种工具的组合效率。
所以，一个好的产品在竞争时，应当尽可能走到这些复利曲线的右侧，有效构建壁垒，站到一个能够让复利快速显现的节点上，从而实现爆发。
Speaker 1
我觉得这个总结非常全面。这篇文章也是我看到鸭哥发表之后，就特别想请他来录这一期播客的原因。我觉得它在很短的时间内，就犀利地总结出了一些今天做 AI Agent 时，如何做出壁垒、如何做出护城河的关键点。
在这一点上，我不知道郑灿有没有从你的角度补充什么。
Speaker 2
我觉得鸭哥说得非常好。本质上讲，工具、数据和智能的复利加在一起，能够让产品在使用过程中，越来越多地找到解决各种问题的最佳方式，也就是 best practice。
比如用什么工具、从什么数据源拿什么数据、拿回来之后做什么样的处理，这一类 know-how 是 AI 没有的，或者说是模型本身没有的。它必须在 Manus 这样的工具被使用的过程中不断积累。
其实 Deep Research 也有一个很有意思的类似工作。你向它提一个很简单的问题，比如说：“我需要一份去年所有 YC 公司的报告。”
它会问你：“你想知道这些公司的哪些方面？比如公司的名字、网址、业务和产品吗？另外，你希望我用什么方式来分析？我可以列出 3、4 种分析方式。”
最后，它会让你回答这些问题。
其实这个时候，它就在向我要所谓的 best practice。当提出这类问题的人足够多之后，它发现大家都希望用某一种分析方式，就慢慢积累下了我们刚才讲的 best practice：分析这类公司时，最好用这种方式。
Manus 的工作过程中也会有很多反馈点。这些反馈点能够让它积累下来，找到完成这件事的最佳方式。我觉得这才是这一类产品的护城河。
Speaker 1
你刚好讲到，你是肖弘之前公司的天使投资人，也是他们的 advisor。特别好奇，从你的角度来看，为什么是他们做出了 Manus？
Speaker 2
首先我一点都不意外。我从他们想法开始酝酿，到最后发布，可能唯一感到意外的是，没想到会这么火，引发那么多后续舆论。
我之所以不意外，是因为即刻上有一位叫 Eric 的同学，之前在蝴蝶效应，也就是 Monica 和 Manus 这家公司工作过。他发过一条动态，我觉得引用他的话，非常能够解释为什么是肖弘、HiClaw 和 Pick 组成的核心团队做出了 Manus。
简单来说，就是他们一直在一线积极行动，非常有热情地尝试各种各样的可能性。
回头看，也像 Eric 提到的，他们在前年 9、10 月就已经在国内尝试各种 Agent 方案。其中一个 best practice，就是大家今天看到的 To-do List Markdown。
Manus 一开始就会做任务规划，会拉出一个 to-do list，帮助它完成各种复杂任务，做到有条不紊，一步一步严丝合缝地执行，很像一个工作能力非常强的人，在井井有条地完成任务。
到了去年的 3 月，Monica 又做了 GPTs 这样的平台。
去年一整年，他们也一直在尝试做一个类似 Arc 的浏览器。当然，最后这个浏览器没有发布，因为他们没有找到商业竞争的角度。但在这个过程中，团队积累了很多浏览器相关技术，这也为 Manus 给 Agent 配置虚拟机、操作浏览器，提供了非常好的实践基础。
前年 11 月，Monica 就已经可以支持联网搜索，这也为 Agent 联网获取信息的能力奠定了很多基础。
还有一些例子。比如去年 7 月，Monica 做了一个 Roast 产品。可能很多人不知道，但在海外，这是一个刷屏的 campaign，类似 Twitter Personality 这样的增长项目。
它发布之后，很快就病毒式传播。这个过程中，我相信团队也得到了很多社交媒体流量增长的经验。
当时，从这个项目发布到突破 100 万 UV，时间非常短。我也看到了这个过程，觉得非常激动，好久没有看到这样的刷屏了。
刚才说的项目很多、很杂，有大有小。每一个看起来好像都只是比较薄弱的一环，也像一块块积木。
但是，这些积木组合在一起，又碰上今天这样的市场窗口期，技术在各个方面不断进化、不断成熟，就把边界上的积木搭在了一起，形成了很强的组合创新能力。
这也很像王兴之前经常说的“有限游戏、无限游戏”：我们不要 play in the boundary，而是要 play with the boundary，不要只在边界之内玩，而是要努力在边界之上玩。
我觉得这很好地解释了 Manus。它虽然是“套壳”，但壳有壳的价值，因为它知道今天应该把哪些最新的、处在边界上的积木组合起来，搭出一个用户体验足够好、解决问题能力足够强的产品。
最后总结一下，我觉得 Monica 团队既有前瞻性的认知，执行速度也非常强，所以才能在这样一个关键窗口期，实现这样一个突破性的产品。
Speaker 3
我觉得很有意思的一点是，你刚才提到他们其实做了很多工具。在 Monica 这个产品里，也能看到很多工具。
这对他们做 Manus 应该有很大帮助。因为我们刚才说，Agent 要具备 tool use，也就是使用工具的能力。
在 Monica 里，他们已经做了很多工具，而且这些工具都是他们调教好的。很少有另外一家公司拥有这么多产品级工具，所以我觉得这本身就是他们的一个很大优势。
Speaker 1
这也会让人想起乔布斯经常说的那句话：connect the dots，连接历史上的各种点。
当你走过很多路之后，突然回头看，会发现自己做过的事情变成了一个个点。到了某个时间窗口，这些点突然可以连起来。连起来之后，很可能就会发生某种化学反应，催化出一些了不起的产品。
我觉得这件事挺有意思的。
第 10 个问题也想问鸭哥。我们知道 Manus 团队在做产品时有一个理念，叫 Less Structure, More Intelligence，也就是更少的架构，更多的智能。
能不能请鸭哥讲一讲，这个理念和方法意味着什么？
Speaker 3
这是一个很好的问题。这句话是一种实现 Agentic AI trade-off 的方法。
表面上看，它的意思是，当我们给 AI 的工作流程更少的结构化约束时，AI 就会体现出更高的智能。
比如，AI 在执行任务的过程中，我们尽量依赖它自己的认知和推理能力，而不是提前人为地用分支脚本、流程图或状态机去限制它。这样就可以让 AI 变得更聪明。
但我觉得，它背后还有另外一种含义，也是一种反过来的因果关系。
对于更笨的模型来说，我们可能确实需要更多的结构化约束，避免它跑偏。但是当模型变得更聪明时，我们就要减少结构化约束，才能让它发挥潜力。
所以，针对不同的基础 LLM 和产品目标，我们应当在结构化约束方面使用不同的 trade-off。
这和 Agentic AI 本身的发展也有关。比如在 AI 发展的早期，我们一般采取高结构化的思路。RAG，也就是 Retrieval-Augmented Generation，就是一个典型例子。
它的工作流程是固定的：第 1 步做 retrieval，第 2 步构建 prompt，第 3 步让 LLM 生成。
prompt 模板、步骤列表，甚至状态机，都是事先固定好的。这种做法的好处很明显，就是更可控。尤其在早期 LLM 还不太会主动调用工具时，这一点非常重要。
但坏处也很明显。和现在的 Agentic AI 相比，它牺牲了模型很多潜在的创造力，对于比较开放的场景，也没有办法有效应对。
现在的 Agentic AI 为什么 work？它的核心是允许 AI 自主决定下一步做什么。
我到底是换一个关键词继续搜索，还是根据当前的搜索结果开始回答问题？或者干脆直接告诉用户，我搜不到？
但 less structure 并不是说，只要给 AI 更少的结构化支撑，它自然就会变聪明。不是这样的，背后其实要下很多功夫。
除了我们刚才说的、针对工具调用进行更多训练的 LLM 以外，它还牵涉很多产品层面的支持。
比如对于 Agentic AI 来说，记忆处理得好不好，上下文窗口有没有得到有效管理，有没有给 AI 足够的信息，让它合理地选择最合适的工具，这些都是非常见功力的地方。
一旦这些工作做好了，我们会发现，整体用户体验上了一个台阶，自然而然就会往 less structure 的方向走。
当我们到了 less structure 这个 sweet spot 以后，用户的感受往往就像在和一个真正可以独立思考的智能体沟通，而不是和一个按部就班的脚本互动。
所以，Less Structure, More Intelligence 更多是说，当模型的智能程度和产品力达到一定阶段以后，在结构化约束方面，我们自然而然会向更少的方向发展，从而带来更好的体验。
它不是说拔苗助长，强行降低结构化支撑，就能让产品看起来更智能。本质上是一种误解。
Speaker 2
我多说一句。我觉得这是一个很有意思的点。
大家经常会问，模型在不断往前发展，做应用的朋友怎么办？会不会今天做完，明天就不需要了？
我觉得很大的一个点是，我们应该更多地去做发挥模型能力的事情，而不是限制模型能力、控制模型能力的事情。
换个角度看，当模型越强，如果你的产品就越强，你就不用太担心模型能力提升这件事。
其实“Less Structure, More Intelligence”这个哲学本身就是这样。
如果你花很多工作去 structure 模型的工作方式，那么当模型变聪明、不再需要这些 structure 的时候，你的代码就没用了，因为模型自己也知道该怎么去 structure 它的工作。
我觉得这就是这个方法论背后的一个重要认知。
Speaker 1
现在大模型不断发布新的版本，当模型能力进化时，作为创业者，你是感到兴奋还是焦虑？这其实很好地考验了你做的产品，到底有没有模型之外的生存空间。
Speaker 2
我觉得 Manus 本身就是模型利好的结果。换句话说，没有春节之后模型能力的提升，春节前可能都没有办法达到这样的体验。
Speaker 1
第 2 部分我们聊了 Manus。接下来进入第 3 部分，聊一下 AI Agent 的竞争与行业格局。
8. The Agent Competitive Landscape
第 11 个问题想问郑灿：你估计中国和硅谷的大厂，哪一家会最先发布一个类似 Manus 的 AI Agent 产品？
Speaker 2
这是个好问题。
如果我们说的是面向半专业应用的工具类 AI Agent 产品，我第一个想到的就是字节。好像我一觉醒来，字节已经发布了一个。我还没有核实，也还没有看过那个产品长什么样。
但如果你问我，我会觉得字节是最理所当然的，因为他们在半专业 Agent 工具上已经做过很多工作。像扣子、Trae，这些都是类似方向上的工具。
另外可以看到，所有模型厂商都推出了自己的 Deep Research 相关产品。不只是模型厂商，很多大的 AI 初创公司也推出了类似产品。Google 有自己的 Deep Research，Perplexity、xAI 也都有，OpenAI 原来就有。
从某种意义上说，这些都是调研方向的 AI Agent 产品。
我使用 Manus 更多是在使用它的其他功能。所以大家可能都会做 Deep Research，但 Manus 擅长的其他具体任务，比如帮我美化报告、顺便出一张图，这些显然不是模型公司的目标。
OpenAI 做的工作，更多也是发布工具箱，让大家更好地去完成这些工作。我觉得这的确不应该是模型公司的目标，尤其是在海外。
Speaker 1
从 OpenManus 到 OWL，也就是猫头鹰这个单词，最近出现了很多开源框架，整个领域非常热闹。也很期待在这个领域看到更多新的产品、新的突破，甚至新的交互范式。
第 12 个问题是，Manus 发布之前，AI Agent 本来就很火；它发布之后，一定会有更多人想在这个领域创业。
郑灿应该也聊了不少创业公司。你看到大家目前做 AI Agent，主要是在做哪些方向？
Speaker 2
我觉得比较明确的方向有几个，比如 coding，还有 sales 的整个 pipeline，包括 lead generation。
这些方向很典型，因为第 1 个，原来的成本可能很高，而且可能需要大量重复劳动；第 2 个，虽然是重复劳动，但需要有 know-how 的人来做，并不是每小时 20 块钱的最低工资劳动力就能完成的；第 3 个，它的价值很高，或者离钱很近。
Coding 不一定离钱近，但价值高；sales lead generation 离钱近，而且价值也高。所以这些方向，创业公司做得比较多。
还有一个点是，它要么容易验证，要么有一定容错性。
Coding 本身比较容易验证，可以通过 debug 等方式确定工作做得怎么样。
Lead generation 则有一定容错性。比如生成 100 个 leads，其中有 10 个不太奏效，我可能也能接受。
归根结底，今天模型本身还有很大的提升空间，工作结果存在一定不确定性。那些要求一定成功、需要很高成功率的事情，今天可能还未必合适，或者大家还在探索。
调研报告也是一样。如果一份报告里有一些问题，或者一系列报告中有一份质量不高，大家其实能够接受。因为它已经帮我省了很多钱，我要做的无非是把那一份打回去，让它重新做一遍。
这些都是可以接受的，也是目前大家做得比较多的方向。
Speaker 1
第 13 个问题，我们继续聊。既然这么多人在创业、想做 AI Agent，也想问问鸭哥：从长远来看，做 Agentic AI 产品的核心竞争点是什么？
哪些要素可能构成真正的竞争壁垒？哪些要素在你看来成不了护城河？
Speaker 3
这是一个很好的问题，我也花了很多时间去想。
如果我是 Manus 的竞争者，怎么样才能最快把它抄过来？如果我是 Manus 团队，又怎么样才能构建自己的护城河，不让别人抄走？
我觉得答案最终还是可以回到我们之前说的 3 种复利。
首先，从工具复利的角度来说，要想取得竞争优势，我们要尽早走到曲线右侧，尽早构建出多种工具。
但我们之前也提到，这其实很容易被抄。
第 1，现在大家都有 Agentic AI 编程工具，比如 Cursor，写代码很容易。第 2，如果我是 Manus 的竞争对手，拥有 10 倍于 Manus 的人力，因为每个工具彼此相对独立，抄起来也很简单、很快。
所以，单纯堆工具的广度和数量，并不能构建有效竞争优势。
但从数据复利的角度来说，护城河会更有效。
举个简单的例子。Manus 工作的过程中，如果你给它一些反馈，它会把反馈记到自己的数据库里。
比如我们公司内部做可视化时，主题色一般都用蓝色。Manus 被纠正过一次之后，就会把这个知识记到自己的知识库里。下次再做可视化时，它就知道要使用蓝色。
当我和 Manus 磨合一段时间以后，再去用其他竞争对手的产品，就要从头开始。我会觉得：“这个产品怎么这么傻？”Manus 很多事情不用交代，就已经有默契，知道我的可视化要使用蓝色，但其他产品不知道。
如果 Manus 能够有效地积累数据，这种事情发生得越多，它和我的默契就越大，我迁移到其他产品的难度也越高。
所以，一个类似的 Agentic AI 产品，如果能够有效积累并外化用户数据，比如个人偏好、团队流程、历史决策，并把它们利用起来，才算真正迈入数据复利阶段，也才能构建有效的竞争力。
第 3 点是智能层面。无论是 fine-tune LLM，还是进行大规模模型推理，对资源、资本和系统优化能力的要求都很高，所以通常是资源最雄厚的公司在这个角度竞争。
但高智能像一个乘数因子，只要提升一点点，就可以反过来作用于数据和工具。所以对于小公司来说，也不是完全无路可走。比如针对特定领域进行微调，也是一种有效的竞争途径。
从上面的讨论可以看出，在工具方面建立护城河不是特别可靠；在智能方面建立护城河，需要大量资源；从数据方面建立护城河，可能是最简便可行的方法。
但是，数据毕竟是可以拷走的。所以在数据沉淀之外，更重要的可能是如何进行沉淀，如何把流程和方法论构建好，系统性地把隐性知识外化，怎样进行结构化沉淀，怎样进行高效的数据管理。
这些东西是很难复制的。
这有点像企业文化。一旦形成了强大的数据管理、知识外化的方法论和流程体系，就算竞争对手把工具都复制过去，甚至把你的人都挖过去，也很难在短期内复制这种隐性的组织能力。
所以，在 Agentic AI 产品的长期竞争里，最难攻破的不是数据或智能的规模，而是这种关于数据和工具使用的体系化组织能力。
Speaker 1
刚才第 12 个问题，我们问到郑灿目前看到的 AI Agent 创业方向；刚才鸭哥又聊了核心竞争力如何构建。
第 14 个问题也想请郑灿补充一下：你认为今天一家新的创业公司应该怎么抓住 AI Agent 的机会？一方面可能要考虑护城河，另一方面还有没有其他建议？
Speaker 2
这里应该是指进入 AI Agent 这个领域创业。
我觉得首先，对于所有创业公司，甚至对于所有人来说，这个时代最大的红利，就是有很多能用的 AI Agent 工具。把这些工具用好，我觉得非常重要。
但如果说的是如何在 AI Agent 领域创业，或者做一家 startup，我觉得有几个点。
第 1 个，当然就是鸭哥刚才说的，这个其实适用于每一个 Agent 领域：找到一个场景之后，要思考在这个场景中，哪些环节特别需要人的 guidance；然后怎么收集这些人的 guidance，把人的输入和指导外化到工具里，让它变成工具的智慧。
我们经常问：你在这个领域做 2 年，和一个刚进来的人相比，有什么区别？你的产品在哪些方面毫无争议地比他强？
往往答案就在这些场景里。
另外，还有一类 startup 本身提供 service。我觉得很多提供 service 的企业，现在都应该考虑，能不能把自己的 service 变成由 Agent 提供的 service。
或者在找场景时，去寻找原来通过人提供 service 的场景，看看今天能不能通过 Agent 完成。
这是一件很有意思的事情，因为它让你找到一些本来就已经是 business 的场景。
有些事情，你还需要验证它是不是一门生意，能不能做，有没有人要。但有些事情不需要验证，因为它今天本来就是一门生意，而且可能是一个好生意。
只是因为有能力的人少，或者因为人力的缘故，你原来只能做其中一部分业务，往往是价值比较高的那一部分。
但如果今天把它变成 Agent 提供的服务，就可能从原来一件事情要几十美金、几百块钱，变成只需要几美金，甚至更少。
尤其当 AI 继续发展，成本可能越来越低时，这件事相比原来，第 1，提供速度可能更快；第 2，提供成本可能更低；第 3，你能够触达的客户和能够覆盖的范围也会更大。
这就可能变成一个很好的机会。这些都是大家值得去看的方向，至少我们现在非常积极地在思考这类问题。
Speaker 1
如果大家要创业，记得联系郑灿。
第 15 个问题，前面聊了很多创业公司，我们再聊一个很多人关心的话题。很多人都买了英伟达的股票，郑灿会认为 Manus 对英伟达有哪些影响？
Speaker 2
这是一个 million-dollar question。
我先讲事实。首先，我觉得这件事对英伟达的需求，长期讲是好事，短期讲其实没有太大影响。
这和 DeepSeek 类似，很多人也讨论过 DeepSeek 对英伟达的影响。
训练本身在今天可能会持续增长，但大家还没有看到特别明确的边界。更高效的模型架构，也都在研究之中。
在这件事上，我们可能不会看到英伟达的用量像原来一样不断增长 10 倍、100 倍。但 DeepSeek 出来之后，可以看一个很简单的例子：一个月之内，海外 H200 的租金涨了 10%。
很简单，因为大家都需要 host DeepSeek。原来你没得 host，有同等能力的模型是 o1，你只能购买 API；但现在你可以自己 host，也可以自己蒸馏。
而且这些蒸馏出来的模型，在 inference 中的用量比原来更多。
我们一直在说，inference 才是模型真正落地的大头。Training 只是在模型还不成熟的阶段，承担了英伟达收入贡献的很大一部分。
但在未来的 AI 时代，inference 的用量应该是 training 的 10 倍级，至少我先这样估计。
今天的 thinking model 都在大量消耗 token。Manus 这样的产品，也是通过 token 来完成自己的规划和输入输出，所以同样会消耗大量 token 和算力。
实际上，这可能正是这一类产品目前面临的一个问题。
但说回英伟达，与其思考这些东西对英伟达有多大影响，不如想想英伟达今天的估值中，有多少成分是它已经交付的量，有多少成分是对未来交付的预期，以及今天的交付量到底是太多还是太少。
还有一个有意思的数据：在 DeepSeek 出来之前，去年一整年的 inference 成本都在下降，H200 的价格不断下跌。
所以很有意思。去年你可能认为，某种程度上 H200 已经够多了；但 DeepSeek 出来之后，大家又囤了一波，尤其囤的是 H200，因为 H200 刚好一台机器可以部署满血版 DeepSeek。
但回过头，我觉得更值得讨论的是，今天这一类 Agent 产品面临的问题，是模型推理效率太低，或者说推理需要消耗太多 token。
我相信这个问题未来一定会被解决。今天的推理，基本上是模型自己和自己说话，通过预测吐出 token，再把吐出来的 token 当作 context 吃回去，用来做 planning。
我们俗称为“吐了吃”，这个效率其实很低。
思考完全可以在模型内部完成，只不过因为今天模型的架构设计，它必须把自己的思考通过 token 外显出来，再作为接下来步骤的指引吃回去。
如果它可以在内部完成思考，效率就会大幅提升，成本也可能大幅下降。
这不一定代表算力消耗会减少，但效率会提高。因为 token 输出还需要 I/O 时间。相比 token cost，我觉得时间 cost 可能是更大的问题。
今天让 Manus 做一件事，可能需要很长时间。但如果这些事情都在模型内部完成，不需要输出成文字、不需要变成 token，可能所需时间是现在的十分之一，甚至更少。
我觉得这是我们特别期待的事情：一种新的长程推理模型。
Speaker 1
郑灿上次来十字路口录播客，是去年年底的时候。我们做了一期 AI 出海公司的复盘。
短短一个季度过去，感觉已经发生了翻天覆地的变化。那个时候还没有 DeepSeek，也没有 Manus；Gemini 2.0 Flash Thinking 好像也还没有发布，更不用说现在还发布了可以用自然语言修改图片的多模态能力。
那个时候唯一的思考模型是 o1。
9. The Agent Era Arrives
第 16 个问题是一个比较 general 的问题：你觉得大家一直在说的 Agent 时代要来了吗？这是一个什么样的时代？
Speaker 2
我觉得一定会来。
所谓“要来了”，我去年也觉得它要来了，今年依然觉得它要来了。
去年的问题是，模型什么时候能变得更好。去年年底盘点时，我们对模型的一个展望，就是希望有更强的模型，让 Agent 真正落地，真正能够把事情做完。
这句话说完之后，DeepSeek 就迎面而来，然后各种 thinking model 也迎面而来，现在 Manus 也迎面而来。
终于能够看到这样的产品落地了。这背后实际上离不开模型的进步，所以我觉得这个时代一定离我们越来越近。
尤其是这一个季度，时代大幅靠近了。接下来我们会看到更多 Agent 产品，也会看到在各个专业领域中，由浅入深的 Agent 产品落地。
今天其实已经有一些地方是 by default 的了。Coding 就是一个非常好的 Agent 应用。现在 Cursor 这一类产品，已经基本上成为默认选择。
另一类是面向没有编程背景的用户，Bolt.new、Lovable 也都发展得非常好。这类产品已经变成相对更普罗大众的产品。
这主要是在程序创建领域。对于知识工作者做 research，我们有 Manus，也有一系列 Deep Research 产品。
我觉得这些都是在相关领域已经出现的兆头，也可以说是趋势。接下来在更多领域，我们都会看到类似产品出现，好像一夜之间千树万树梨花开。
Speaker 1
第 17 个问题也和这个有关。
在 Cursor、Devin、Manus 这一波 Agent 产品发布之前，我们说到 AI，好像都是 chatbot，都是 ChatGPT 或豆包这样的聊天软件。
但新的 Agent 交互形式，也让 to C 产品的形态发生了很多变化。在你看来，这些变化有哪些？对于创业者和开发者来说，又意味着什么机会或风险？
Speaker 2
这个问题很有意思。
首先，对我而言，chatbot 算是 AI 的一个意外之喜。它是个意外，当然这个意外也有必然性：有一个东西愿意像人一样和我聊天，当然很好玩，所以你能想象它会火。
但从 AI 能给我们带来什么的角度看，chatbot 本身其实是个意外。
我们原本期待 AI 带来生产力提升，真正落地的应该是 Agent。Agent 是一个很 general 的 term，但从 AI 落地、提升生产力的角度来看，主要来源应该就是 Agentic AI：真正帮我把事情干了，把一件有用的事情干了。
所以从某种意义上讲，这个演进过程是必然的。
原来只能做 chatbot，是因为它没有办法做事，也做不了事；即便做了，你也不放心。
本质上的变化，是模型能力终于够用了。这是非常重要的一件事。之前我们已经多次提到过，模型能力的提升，是 Agent 能够出现的基础。
Speaker 1
这里还有一个有趣的话题，也是第 18 个问题。
模型在不断变强。从 ChatGPT 3 的时候，就有一个观点叫“模型即产品”。当模型能力越来越强时，技术和产品的边界有时好像变得模糊；但有时，比如 Manus 一发布，边界又变得清晰了。
DeepSeek 出来时，大家觉得边界变模糊了：模型那么强，之前的产品好像都会被碾压。但 Manus 一发布，又觉得产品能力还是很重要。
在你看来，这个边界到底在哪里？有没有什么总结或提炼可以分享？
Speaker 2
我觉得我们真正使用的都是产品，所以这个边界其实很明显。
比如 DeepSeek 的模型本身，如果我们说它是技术，其实可以举一个例子。
DeepSeek 的 R1-Zero 可能是一个更强的模型，因为它是真正通过强化学习训练出来的、没有经过 alignment 的模型。
但当它变成聊天应用时，你希望对它进行 alignment。Alignment 包括很多事情，比如它要做对事情、说正确的话；要用比较通顺的语言说话；要尽量使用同一种语言。
DeepSeek 也提到过一个很有意思的事情：Zero 在学习时，输出会语言混杂，基本上像一个结巴，但它很聪明。
而我们实际看到的 DeepSeek Chatbot，说话很流利，没有这个问题。这本质上是经过了大量 alignment，以及一系列 bootstrap 工作。
这些工作某种程度上甚至降低了，或者说禁锢了模型的能力。
但回过头看，这就是产品对模型的控制。你希望它可控，不说你不想让它说的话，不说不合适的话，让用户体验更好，这就是产品部分的工作。
所以我们最后真正使用的，可以认为都是产品。
为什么大家有时觉得“模型即产品”？我的理解是，因为模型能力在今天很大程度上决定了产品的上限，也就是产品能力的上限。
就像去年，我们可能不会做 Manus 这样的产品。原因是做了也达不到今天的效果。
所以，模型决定了产品的上限，这非常重要。新的产品形态往往伴随着模型能力的大跃进：模型能力有一次跃进，产品就会出现一波井喷。
但不要忽视，有了模型之后，还需要大量工作把它产品化。产品化能力本身，会导致产品体验出现很大差别。
Lovable 和 Bolt.new 的产品体验有高下之分；Cursor 和很多类似 Cursor 的产品，体验也有高下之分。但它们背后依赖的模型能力可能是一样的。
这就像大家使用一样的电池和电驱系统，但造车能力差别很大，车好不好开，差别也很大。
所以我本质上认为，模型决定产品能力的上限，但需要产品力来确保模型提供的能力能够带来好的体验。
能力和体验之间的 gap，就是所谓的产品化。
Speaker 1
最后 2 个问题，一个想聊行业，一个想聊个体。
第 19 个问题也想问郑灿。刚才聊创业时，你提到，一方面可以做一个 Agent 产品；另一方面，也非常推荐大家思考，有了 Agent 之后，可以用它来做哪些之前效率很低、难度很高的事情。
所以这个问题是：你认为 AI Agent 会让哪些行业最先受益？又有哪些行业最可能被它颠覆？
Speaker 2
AI 落地的场景，简单想还是刚才的说法：成本高的场景，离钱近的场景。
最典型的场景，当然和创业者、日常创业关系不大，比如军事、国防。这些都是非常典型的应用领域，无论如何都要用。只要它能提供帮助，哪怕还不成熟，也会通过各种方法限制它、让它变得成熟，然后使用它。
在我们看得见的领域，coding 是一个很典型的场景。
你说 coding 是受益还是颠覆，我也不好讲。但这个行业原来的人力成本非常高，而且知识密集。
今天大家首先都受益了，包括我在内。我们开玩笑说，这是“中老年程序员的春药”：手不快了，但脑子可能还在，用 Cursor 可以极大提高效率。
用 Lovable，则可以让我这样一个原来完全没有审美的程序员，也做出一个像模像样的前端。
但回过头，它也有可能被颠覆。颠覆指的是这个行业的供需从此发生了极大变化。
以前你得有程序员才能写程序，但今天可能不用了。最开始可能是产品经理拿着 Lovable 直接做 demo，做出来之后告诉程序员：“你就这么做。”
再过几天，可能他不需要告诉程序员了，直接就可以把产品 ship 出去。
我们甚至在讨论，未来一个有需求、或者说有问题要解决的人，就可以写程序。
比如我是一个开店的人，希望给自己的店配一个电商系统，就可以用这样的工具写一个线上下单的小程序。咖啡店老板完全可以在今天写出这样的程序。
再往前，可能甚至不需要有明确的商业价值。
原来写程序有成本，所以我需要考虑它的商业价值。开咖啡店，做一个应用程序可能还有道理；但比如过年了，我想给大家发红包，想自己写一个红包程序，听起来就很荒谬，因为成本算不过来。
但今天也可以做。
未来甚至会出现大量用过即弃的程序，或者说，它们没有特别明确的经济价值。这就是我觉得这个行业可能被颠覆的地方：它的供需发生了巨大变化。
Speaker 1
最后一个压轴问题，也是我想每个人都会关心的问题。
10. Adapting To Agentic Work
前面聊的有些话题比较技术、比较硬核，最后一个问题轻松一点，想请鸭哥讲一讲：作为一个普通个体，在这样的时代，我们值得做哪些调整或变化，才能更好地拥抱它？
Speaker 3
这是一个特别好的问题，我也花了很多时间去思考。
首先，我觉得 Agentic AI 和传统的非 AI 时代，或者非 Agentic AI 时代相比，最大的特点是，我们人类的职责改变了。
我们更多需要定义问题，也就是告诉 AI what，而不是具体指导 AI 怎么工作，也就是告诉 AI how。
打个比方，在 AI 时代以前，比如我是一个程序员，我写代码。这有点像在一艘船上划桨。
作为程序员，我要学习很多编程知识，就好比要学习怎样把桨划得更快。我还要学习、打磨自己的工具，就好像要选择什么材料和形状的桨，才能实现划桨效率最大化。
这是一套传统、成熟的人才培养和筛选方案。比如大家招人，程序员要刷 LeetCode，要做白板编程；或者你去看 GitHub，看看平时有没有在打磨自己的桨。
但 AI 时代一到，蒸汽机出现了。人类不论划桨划得多厉害，也没有蒸汽机跑得快，也不能 24×7 不间断工作。
这会带来什么影响？工具、社会和公司所需要的人才，慢慢就不再是那些划桨划得快的人，而是那些能够给蒸汽机加煤、添水的人。
以前针对人类划桨打磨的那些桨，作用也会越来越小。我们要追求的，是为蒸汽机找到合适的工具，比如想办法发明螺旋桨。
所以，人才的核心职责会从划船，变成让蒸汽机尽可能高效地划船。
放在今天的讨论背景下，我们需要的是 AI enabler，也就是给 AI 赋能，让它尽可能发挥作用。这个任务比亲自下场划船更关键，这样的人才也是未来最需要的。
所以，如果大家想为未来做准备，需要着重培养的是 AI 赋能的能力。
不过大家也不用特别恐慌。AI 虽然是人类历史上第一次出现的东西，但在此之前，其实大家已经见过很多类似的技术。
举个最简单的例子，计算器。
我们上小学、上初中的时候，考试都不允许使用计算器。那时老师会担心，用了计算器之后，数学思维就没有了，不懂得如何思考和创新。
但后来大家真的工作了，会发现计算器真香，也没有出现之前担心的情况。相反，用了计算器之后，我从笔算和验算中解脱出来，反而可以去做更复杂的问题。
所以我觉得，生成式 AI 的革命，和汽车、电力或计算器进入生活，并没有特别大的区别。
很多时候，这种转变会自然而然地发生。但如果我们对未来趋势有自己的认知和准备，转变对个人来说就会更加平滑。
Speaker 2
我觉得这是一个很有意思的话题，我完全同意。
今天大家更需要的是找到问题，因为解决问题的办法已经有了，而且成本大幅降低了。
但 AI，或者说 Agentic AI，有一个很不一样的地方。
以前我们想象替代，通常觉得会从替代成本低的劳动密集型工作开始，因为过去技术的特点就是这样。
但今天不一样。知识密集型，或者技能密集型领域，可能会最先受益，也可能最先被颠覆。其实受到一定程度的受益之后，就会被颠覆，这件事很容易想明白。
它不是去受益或颠覆劳动密集型行业，而是去受益和颠覆知识密集型、技能密集型行业。
换句话说，原来更加偏白领、偏专业的领域，可能会最先发生变化。这一点非常不一样。
而且它还相对 general：各种专业领域，只要是需要花时间学习，需要花 3 年学习，有课本可学的东西，模型可能就能学会。
这也是我们感到兴奋的原因。但它带来一个很有意思的问题，就是寻找问题的能力变得更加重要了。
寻找人生动机的能力，也会变得尤其重要。
以前，我们每天很多行动都是被安排的。小时候被安排学语文、数学、地理，被安排学跳绳、跳远；工作之后，很多 OKR 也是从上到下安排下来的。
接下来，如何找到每天起床的动机、每天工作的动机，会变得尤其重要。
Speaker 1
今天就到这里。谢谢 2 位的时间，也希望你们再来做客十字路口。如果你认为有朋友也会喜欢本期十字路口的内容，请转发微信推荐给他们。最后，欢迎你加入十字路口的会员群，我们会在群里每天发送 AI 全球新闻，并且鼓励大家在群里聊天互动、交朋友，寻找未来的同路人。