知识星球上，用户「隆中对」提问：
王老师，刚看到 Manus 被 Meta 收购的消息，很有些吃惊，这么短时间内。老师有没有用过？请问这个产品到底强在哪里？国内就没有有力的竞争对手？
我觉得这个问题很有时效性，也很有意思，咱们就一起来讨论一下。
首先我来介绍一下背景。当然我估计你今天早晨，可能已经在朋友圈、短视频或者新闻网站被刷屏了。
12 月 29 日，Meta 确认收购 Manus。Meta 不仅要把 Manus 收入囊中，还计划将其整合进 Meta AI，同时承诺继续独立运营 Manus 的服务。
背景介绍完了，我先回答星友的第一个问题。
「隆中对」问我是不是使用过 Manus？当然是使用过。
今年的春季学期，我在讲授《信息系统开发》课程。当时我在课上给学生们演示了三种不同的 AI Agent 系统，演示如何将学生的需求报告输入进去，直接生成系统原型。
当时使用的三种系统分别是：
从演示的效果来看，学生们对于 Manus 生成的结果最为满意。我也在另一门课《机器学习》尝试用 Manus 来制作课件，以交互式的方式给学生介绍各种机器学习模型。
我当时遇到的问题是：在最初发布时没有赶上邀请码免费试用。等我真正能用的时候，基本上已经开始收费了。月费最低是 $39，而且 Manus 的工作方式消耗 Token 飞快，我也只是浅尝而已。毕竟当时 Flowith 给了好几个邀请码，使得我可以连续免费使用月度会员，还赠送了几个给优胜组的学生。Flowith 也有各种大模型可以调用，经过快速迭代，学生们也挺喜欢用。
对于 Manus 能够以这么高的价格被收购，其实我是不觉得意外的。下面咱们来分析一下。
首先，我们要搞清楚，Manus 到底是什么？
如果你还把它当成 ChatGPT 那样的「聊天机器人」，那就错了。Manus 在官方文档里给自己贴的标签是 Autonomous General AI Agent（通用自主智能体）。
这就好比，别的 AI 是「陪你聊天的顾问」，而 Manus 是「自带电脑的虚拟员工」。
它的核心卖点不是「给答案」，而是**「给结果」**（Deliverables）。
Manus 拥有一个云端沙箱环境，里面是一台联网的虚拟电脑。它有持久化的文件系统，能安装软件，能像人一样使用浏览器和工具。当你给它一个任务，比如「调研全美 500 家牙科诊所并生成报告」，它不是在那儿跟你磨叽说一些人尽皆知的常识或是浮皮潦草应对，而是直接调动后台的浏览器去点击、阅读、汇总，最后把做好的 Excel 表格甩给你。
这就是**「云端劳工」与「对话模型」**的本质区别。在用户心智里，「能不能把活儿干完」，比「话说得漂不漂亮」重要一万倍。
在 Manus 宣布加入 Meta 的文章里，披露了一组让人叹为观止的数据：
上线数月，累计处理了 147 Trillion tokens，并创建了超过 80 Million virtual computers。
看到这儿，你可能会皱眉头：这怎么可能？ 147 万亿 Token？全人类说话都没这么多吧？这是不是在吹牛？
请注意，这绝不是我们理解的「用户对话量」。
这恰恰揭示了 Manus 的核心逻辑——「暴力推理（Inference Compute）」。
这就要提到 Manus 的杀手锏功能——Wide Research。当你在前台下达一个「调研 500 家公司」的指令时，你以为是一个 AI 在干活？不，后台可能瞬间启动了 500 个并行智能体（Virtual Computers）。
每个智能体都在独立地浏览网页、点击链接、阅读文档。它们之间不聊天，只干活。
这 147T Token，是机器自己在与互联网交互时流下的「汗水」。这是**机器对机器（M2M）**的消耗，而非人机对话的消耗。
Meta 看中的，正是这种能把「算力」直接转化为「生产力」的恐怖吞吐能力。这不再是拼模型的智商，而是拼谁能构建出让成千上万个 AI 同时协作的工程护城河。
下面咱们回答星友的第三个问题。国内就没有这么能打的产品吗？
如果你硬要找一个「长得一模一样」的 —— 面向全球、云端虚拟电脑、强端到端交付、并行多智能体 —— 确实不多。
但这不代表我们「技不如人」，而是路线不同。
国内的大厂，走的更多是 PaaS（平台即服务） 的路线。
所以，国内像 智谱 AutoGLM 这样的产品，选择了一条更接地气的路：直接替你操作手机 App。它不搞云端沙箱，而是直接在你的设备上帮你点外卖、发微信。
这没有优劣之分，只是因地制宜。
Meta 收购 Manus，标志着 AI 助理从「陪聊时代」正式跨入了「干活时代」。
对于我们普通用户来说，这带来的启示也很简单：集中注意力，去关注那些能真的帮你把任务跑完、能给你交付结果的工具。
希望上述讨论，能够解答星友「隆中对」的问题。
也祝你在 AI 时代，找到属于自己的合意「数字员工」。
如果你觉得本文有用，请充电。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。
点击这个链接加入少数派会员，立享 9 折优惠！获得专属会员内容、会员播客以及会员定制周边。在更多的领域和方向帮你打开脑洞，找到新的兴趣点。与少数派一起洞悉当下，探索新知。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。