从刷屏到退烧仅150天，Manus的过山车式崩盘撕开了通用AI Agent的遮羞布：套壳空心、缝合臃肿、成本黑洞。文章复盘其极速陨落的三宗罪，并借GenSpark与Salesforce Agentforce的逆势增长给出正解——聚焦单一场景、深耕数据闭环、透明成本模型，才是Agent活下去的唯一路径。

当Manus那段「AI Agent自主完成任务」的演示视频刷屏的时，我确实被震撼了一下。那一刻我甚至觉得：哎，下一个ChatGPT时刻真的来了。

当时那个场面，简直像AI圈的狂欢节，预约用户挤破头、内测码被炒到天价、资本疯狂涌入；我也心动过，毕竟谁不想拥有一个能自动整理简历、筛选股票、规划旅行的全能助手？

但好景不长，还没撑过150天，这场热闹就迅速凉了。

第一批用户用完之后，问题就出来了；第二批用户甚至开始直接拆穿它的底裤，用一堆大模型API拼起来的“缝合怪”。

一旦遇到稍微复杂点的任务，比如电商比价、金融建模，或者生成一个“猫狗和谐相处”的视频，它立马就原形毕露。

更别提它那每月19到199美元的定价，跟实际效果一比，性价比简直差得离谱，用户不是傻子，花真金白银，结果买回来的可能是一个出错的模型拼接玩具，谁还愿意买单？

看着Manus热度迅速消退，再想想另一家明星Agent公司，澜码科技的处境：融资断了、工资发不出、还在找人并购……说实话，我一点都不意外。

Manus的失败，是整个通用AI Agent赛道眼下最痛的几个问题的集中爆发：

其一，设计套壳，技术空心化。

很多所谓的“Agent”，本质上给 GPT-4、Claude 这些大模型套了个壳，自己只做点简单的任务拆解和结果包装。

技术门槛低，上线快，结果，同质化严重，护城河几乎为零，一旦大模型接口涨价或者政策收紧，“套壳玩家”立刻就慌了。

其二，“缝合怪”难当大任，为了显得“全能”，强行把 RPA、爬虫、数据分析各种工具塞进一个产品里。

结果呢？系统臃肿，面对稍微复杂的真实场景就频频出错。比如麦当劳和IBM合作的那个餐厅Agent，上线没多久就被弃用了。企业投入不小，效率没提升多少，失望之下自然就放弃了。

要说第三点，我认为是商业模式的空中楼阁。

高昂的成本（依赖多个大模型 API，Token 消耗巨大）和模糊的价值点（用户到底为什么买单？），让商业模式成了致命伤。

很多公司还在用互联网时代的“先圈用户后变现”那一套，但Agent服务的成本结构完全不同。用户留存率低、转化率差，一旦融资跟不上，现金流立刻就崩。

Gartner预测，到2027年，40%的AI Agent项目会因为成本或商业模式问题被淘汰。智远甚至觉得，这个数字可能还要更残酷。

既然市场这么差，那是不是说，“Agent”这条路就彻底堵死了？我不这么认为。

我也看到了一些真正有希望的产品，比如：GenSpark和Salesforce的Agentforce，它们的成功，恰恰指明了另一条路。

GenSpark这家公司在美国、新加坡两地，成立时间不长，但他们的Super Agent产品上线45天就实现了3600万美元的年化收入。

靠的是什么？扎扎实实聚焦在办公自动化、数据分析、文件管理这些企业刚需场景上。他们不追求“万能”，把一个方向做到极致。

Agentforce 是 Salesforce 客户 360 生态的核心组成部分，它把Agent能力嵌入到销售、客服、医疗、金融等多个领域。关键是，它解决了企业的两个核心顾虑：信任和成本。

它让每个AI的判断都有迹可循，企业知道“AI为什么这么决策”，信任门槛就降低了。

比如：他们的医疗Agent PathChat，通过积累独家医学数据，把肿瘤识别准确率从78.1%提升到了89.5%；Salesforce开放平台，又让第三方开发者也能参与进来，丰富了产品生态，反过来又吸引了更多企业客户。

同时，它还提供按对话次数付费的灵活模式，让成本结构更透明。所以，真正有生命力的Agent产品，是在真实场景中不断学习、持续进化的。

这种数据反哺和社区创新，才是长期竞争的护城河。

所以我觉得，Manus的陨落，与其说Agent的末日，不如说是对整个行业浮躁与投机的一记警钟。

它用150天的过山车告诉我们，资本催熟的泡沫终会破灭，技术空心化的“缝合怪”难成大器，脱离场景、忽视用户真实需求和商业本质的“万能幻想”注定是空中楼阁。

那Agent的未来在哪里？我觉得，答案很简单也很朴素：

沉下去，聚焦一个具体的场景，扎扎实实地解决一个问题，清晰地证明你能帮用户省多少钱，或者赚多少钱；这条路肯定不容易，但我觉得，这是Agent该走的路。