3月6日凌晨，AI创业公司Monica.im发布了通用型产品Manus，产品名源自拉丁语“手”，象征着将AI从理论思维延伸至实际操作。Monica.im强调，Manus的设计目标是突破传统对话式AI的局限，通过“自主执行”能力，它不仅能够理解用户需求（听懂复杂指令进行推理），更能独自完成从任务规划到实际操作的全过程（顺滑对接完成该任务的各个环节，将最终结果给到用户），从创建网站、规划旅行到分析股票，Manus都能很好完成，呈现出较好的通用性和执行力。
随后在众多科技博主的评测下，这款被冠上了“全球首款通用AI Agent（AI智能体）”的产品迅速小范围出圈，引发市场关注。
AI Agent，又被称作AI智能体，即一种能通过对环境的感知，进行思考决策并执行的智能体。与GPT等应用相比，AI Agent在思考与行动方式上和人类很相似，就像一个能感知、能理解、能行动的AI助手。
Agent概念，并不是当今的产物，而是人工智能不断进化的结果。经过几年的淬炼，用户对AI的期待早已超越简单问答，他们恰就需要这样一个能主动思考的助手，这种供需错位给了AI Agent爆发的机会。
Manus创始人肖弘在Manus发布的前几个小时，在即刻平台上发文“高潮来临”。很难现在就判定Manus的诞生就是AGI的里程碑，但它很有可能将让Agent时代真的进入“高潮时刻”。
与DeepSeek的破圈不同，围绕着Manus的正负声量都很大：有人认为这是继DeepSeek后的又一场技术革命，也有人认为它不像DeepSeek那样在底层技术上实现了重大突破，也没有自研模型，而是“套壳”了Claude和阿里的通义模型。
从技术角度看，Manus本质上是基于基座大模型的系统性工程优化，通过构建多智能体协作框架，将任务划分为“规划-执行-验证”三个阶段，由不同AI代理接力协作，模拟人类处理复杂任务的流程。同时针对不同应用场景设计了多层次环境适配机制，最终形成面向复杂任务的高度工程化整合方案。
在交互体验方面，Manus的核心能力体现在对用户需求的洞察，它最后交付的不仅仅是文字，而是借助代码生成了各类契合任务需求的结果，涵盖了文档、网页、图标甚至是视频。由此，用户能够更加直观地获取到自己想要的结果，还能在过程中对最终的交付结果进行验证。
执正方观点的业内人士表示，Manus是用工程能力去挤压出了模型可完成的最复杂的任务，构建出一个远超单一模型调用的多模型协同网络，展现出了非常出色的系统集成能力,“很接近数字版AI Agent的样子”，为用户带来了更强的掌控感与丝滑的体验感。
例如，在利用Manus生成市场报告时，它能自动调用数据分析工具和设计平台完成全流程，形成“端对端”解决方案。再比如，让Manus筛选简历，只需将存有多份简历的压缩包直接发给它，它会自动解压，浏览找出重要信息，给出候选人评估结果，甚至还能将候选人姓名和重要信息做成表格，方便用户查阅。
与普通大模型不同，Manus不只是提供想法，还能帮用户把想法变为现实，解决实际问题。这背后的核心竞争力在于其全链路自主执行能力——Multiple Agent架构。用户不需要去对话引导，也不需要提供建议，只需要等待Manus直接交付完整的任务成果。
而反方认为，Manus没有发布任何官方详细的技术报告，交互界面类似Devin和Artifact，只不过是个超级缝合怪，而且它的技术并不成熟，存在不少事实性错误。连带着，对Manus的邀请码饥饿营销（人脉炫耀）+KOL尖叫体测评（“人类输了！”等等）+借势其它明星产品（绑定DeepSeek）的一系列营销手段都大表反感。
但不论观点为何，Manus的意义是不容抹杀的，它代表的，其实是另一场竞赛——AI应用。
在多位业界大佬的眼中，2025年都有望成为AI Agent元年。推理大模型涌现出让人惊叹的深度思考能力，这将推动人工智能的一个重要应用方向，即“AI智能体”的落地。如果说大模型让AI长出了“脑”，那AI Agent就是让AI长出了“手”和“脚”。
据Root analysis预测，全球AI Agent市场规模，将从2024年的52.9亿美元，增长到2035年的2169亿美元，期间复合年增长率将达到40.15%。
广阔的市场空间背后，围绕AI应用，在全球范围内，大模型厂商间的角逐无疑将进一步走向激烈。
肖弘这样回应关于“套壳”的争议：所有突破都是模型带来的，基本上是模型先驱动、模型先行。壳是要把模型技术上的创新点，以一个用户可感知的方式展示出来，把模型创新能力封装成用户最能感知的样子。
从这个定义出发，DeepSeek App（包括思维链的展示）是DeepSeek-R1的壳，Cursor是Anthropic Sonnet 3.5的壳，Perplexity是GPT-4的壳，ChatGPT是InstructGPT的壳。
随着模型能力快速进化，“壳”也需要进化。每一代模型能力进化之后，甚至不一定是原厂，是一个第三方厂商把它的用户可感知价值给呈现出来。
“套壳”本身并不可怕，可以视为一种整合和优化资源的方式，关键在于是否能够解决用户的实际问题。用户更在乎的是产品体验，有没有迅速且准确地获得所需的内容，而不是底层用了什么，如何调用工具。
单纯的套壳在AI普及的背景下，难以成为核心壁垒。真正重要的是找到市场需求和商业逻辑，利用AI这个“通用商品”创造独特的价值。换句话说，套壳只是起点，关键在于如何构建需求驱动的差异化优势。
但套壳不应该是终点。Manus能够将现有技术包装并推出满足用户需求的产品，应用端的创新同样不可忽视。
在Manus之前，领先的模型公司中，唯一做过这个尝试的是谷歌。2024年12月12日，谷歌推出Gemini的同时，也推出了一个Agent系统Project Mariner，可以同时完成获取表单、找到公司官网、联系方式等多步骤任务，Agent会自动执行在谷歌搜索中查找电子邮件的过程，且这一过程中用户可以随时点击暂停和停止。同时用户可以看到Agent每一步行动的推理步骤和计划。
在计算机使用层面上，它比Manus还激进。但这个产品目前还未上线。因此Manus已经是当前AI技术整合的一个优秀案例，而且整体性（而非技术创新）上甚至超越了最先进的基础模型公司。
无独有偶，北京时间3月12日凌晨，OpenAI发布了一系列专为构建AI Agents设计的新工具和API，帮助开发者更容易创建能自动完成任务的AI Agents。
OpenAI认为，虽然过去一年推出的高级推理、多模态交互等模型能力为Agent奠定了基础，但开发者在构建生产级Agent时还是会遇到不少难题。为此，他们特地发布了全新的Responses API、三种内置工具以及一个开源的Agents SDK。
Responses API是结合了Chat Completions API（主要用来生成对话回复）的简洁性与Assistants API（能让AI调用外部功能，比如查资料、操作东西）的工具使用能力的新型API接口。三种内置工具包括Web搜索工具（Web Search Tool）、文件搜索工具（File Search Tool）、计算机使用工具（Computer Use Tool，能让AI像人一样操作电脑）。Agents SDK则是基于去年发布的实验性工具Swarm的框架升级、简化多Agent工作流程编排的开源框架。
OpenAI称这些新工具简化了智能体的核心逻辑、编排和交互，使开发人员能够更轻松地开始构建Agent。Responses API将多种功能整合成一个简单接口，而内置工具为AI提供了“感知”和“行动”的能力，Agents SDK则提供了协调多Agent的标准框架。
在接下来的几周和几个月内，OpenAI计划发布其他工具和功能，以进一步简化和加速在平台上构建Agent应用程序。“我们的目标是为开发人员提供无缝的平台体验，以构建可以帮助完成任何行业的各种任务的代理。”让AI不再局限于聊天框，而是能融入现实工作流程，成为你的“数字助理”甚至“数字同事”。
说起来今年的OpenAI过得并不轻松。作为AI领头羊，一月即遭DeepSeek“逼宫”，此次推出的Agent工具包，催生背景同样是中国AI最近成为行业的关注。
可以明显感觉到OpenAI产品节奏加快了，在国内AI企业推出创新模式后，OpenAI会立刻推出类似产品。
放眼整个行业，AI Agent处于风口之上也是共识。2025年仅过去了两个多月，竞争态势已经越来越白热化了。
Manus AI的产品推出引燃了市场对AI Agent的产品热情，市场认知度进一步提升。OpenAI的全面工具链与中国企业的多元化应用，推动着智能体从实验室走向落地。
在技术成熟度与市场需求的双重驱动下，AI Agent似乎到了爆发的节点。
不少人认为，Agent爆发需要两个必要条件，一个是多模态能力，另一个是慢思考能力，在2024年都取得了突破性进展。
虽然AI Agent爆发曙光已现，距离真正的爆发仍有不少要克服的障碍。
现阶段一个最关键的制约因素，还是数据质量、数据规模、应用场景不足，AI模型、AI训练数据集、AI场景落地部署，都远远不够。
不少AI企业通过真实数据和仿真数据结合的方式，将任务过程中的数据喂给大模型。然而仿真数据还是不够真实，Agent在模拟世界能成功，但导入到现实世界就会有一定的失败率。
所以，要结合现实世界实时动态信息，使AI系统不仅能够理解信息，还要形成对物理现象的理解与智能决策能力，从而使得Agent能够灵活应对现实世界的复杂情况。
导入现实世界动态数据将是大模型、AI Agent产生高阶思维的必然路径。一方面，基于互联网上大量文本和图像数据训练的生成式AI模型（GPT、Llama等）在生成人类语言和抽象概念方面已经基本满足需求，但是受其生成规则的限制，对于现实世界的理解有限，因此会出现不符合现实世界规律的幻觉。
另一方面，机器无法感知和察觉它们周围的世界，需要借助AI网络构建和训练各类Agent，并与现实世界进行实时交互并适应各种环境，从而实现对现实世界的洞察和理解。
当前，AI Agent还远未达到数据飞轮的启动时刻，达不到自动驾驶般的普及度，而真实数据的成本极高，需要花长时间积累。数据的匮乏，不仅会影响模型的准确性和稳定性，还制约了其在真实场景中广泛应用的可靠性。
Agent是否能爆发，2025是否能成为真正的“智能体元年”，还取决于在接下来的时间里，能否出现真正的“杀手级应用”。
Manus走红最大的贡献，或许正在于让一系列通用agent类的应用，乃至基础建设工作，都渐渐浮出水面。作为出圈案例，它为一系列配套设施打开了想象和探索的空间。技术人员纷纷思考，这种AI agent产品在工程方面还有许多方向可以进化，还可以继续做点什么来拉高它的效能。行业整体的兴奋与跃跃欲试，让“通用”两个字包含的可能性前所未有地生动。
从DeepSeek到Manus，它们都像AI世界中透进的一缕阳光，让每个AI领域中的逐梦者，坚定信念，默默耕耘，静待破土的力量。
相关链接：中国区支持的其他支付方式名单
