快速了解
Manus · AI Agent
Manus v4.0 产品卡片
一句话定位
从对话到行动的跨越：首个突破 GAIA 基准、实现通用任务自动执行的 AI Agent，用「可编程的智能双手」替代重复操作。
基本面表
| 维度 | 信息 | 数据来源 |
|---|---|---|
| 创始人 | Yichao “Peak” Ji（季逸超）、Red（红）等 | MIT Technology Review |
| 公司 | Butterfly Effect（蝴蝶效应）/ Monica.im | CNBC |
| 上线时间 | 2025 年 3 月 6 日 | TechCrunch |
| 核心定位 | General-Purpose AI Agent（通用型 AI Agent） | 官网 |
| 技术架构 | 多模型编排（Claude 3.5/3.7 + Qwen）+ Cloud Browser + CodeAct | DEV Community |
| GAIA Benchmark | 86.5%（基础）/ 70.1%（中等）/ 57.7%（复杂） | Baytec Consulting |
| 融资 | Series A 7500 万美元（2025 年 4 月） | Fortune |
| 收购价格 | Meta 20 亿美元+（2025 年 12 月） | Euronews |
| 年化收入 | 1 亿美元+ ARR（2025 年 12 月） | CNBC |
| 团队规模 | 105 人（新加坡、东京、旧金山） | CNBC |
| 用户等待名单 | 200 万人（上线 1 周内） | 南华早报 |
一、发展脉络与创始人基因
1.1 创始人「非共识」的蜕变历程
Yichao “Peak” Ji：从移动浏览器到智能 Agent
- 高中辍学创业 → 17 岁为开发 Mammoth Browser（中国最快移动浏览器之一）所吸引
- 获得 Sequoia China 推荐 → 周鸿祎投资 150 万元，给予完全创意自由
- 2012 年创办 Peak Labs → 构建浏览器生态，融资 ZhenFund、Sequoia China
- 重大转向（2022 年底） → 与 Xiao Hong（Red）联合创办 Monica.im，定位「编排最好的 LLM，而非自建基础模型」
核心基因识别：
- 产品导向而非研究导向 → 不发论文，专注可用的产品交付
- 距钱距离假说验证者 → 从浏览器（用户每天交互）→ Agent（直接完成交易/操作）
- 反共识策略 → 2022 年多数人做大模型时，他选择编排；2025 年多数人做聊天机器人时，他做 Agent
- 系统设计思维 → Mammoth 时代的浏览器 UI 设计，迁移到 Agent 的「行动编排」
1.2 Butterfly Effect 的孵化逻辑
Manus 并非凭空出现，而是 Monica 的「第二曲线」：
- Monica.im（一期） → AI 聊天机器人，类 ChatGPT 平替（累计百万用户）
- Manus（二期） → 同一创始团队，认知升级到「对话已死，Agent 当立」
- 战略意义 → 用 Manus 的技术能力反哺 Monica 生态，形成多层次产品矩阵
二、成长旅程
2.1 爆发期：「不小心」走红（2025.3.6 - 2025.3.15）
事件触发：
- 联合创始人 Zhang Tao 执导的 launch video，在北京办公室一角拍摄
- 团队本未预期会爆火，但视频在中文互联网快速扩散
数据爆炸：
- 上线 1 周内：200 万人加入等待名单
- 官方 Discord 服务器：3 天内 138,000 成员
- 新闻热度：MIT Technology Review、TechCrunch、Fortune、Reuters 等全球媒体齐声报道
- 营销成本 ≈ 0（有机增长）
「DeepSeek moment」对标：媒体将其与 2025 年 1 月 DeepSeek 的爆火相类比，强调中国 AI 初创的全球竞争力。
2.2 压力期：基础设施与期待裂口（2025.3.15 - 2025.6）
关键问题暴露：
- 服务器崩溃 → 200 万人的突发流量击穿基础设施，被迫进入邀请制
- 极端稀缺性 → 仅 <1% 的等待名单用户获得邀请码
- 黑市倒卖 → 邀请码从 999 元炒到 50,000 元，激发社区愤怒与官方澄清
- 开源对标 → MetaGPT 团队在 3 小时内发布 OpenManus（开源免费版），瓜分需求
质量问题：
- 早期使用者反馈：任务执行缓慢、自动停止、无限循环等
- 比对 ChatGPT：成功率不及预期
- 壁垒质疑：「只是 Claude 的 Wrapper」
反思意义：典型的「指数增长 → 供给约束 → 信任缓冲」周期。Manus 团队的快速反应（澄清邀请码政策、优化基础设施）维持了声誉。
2.3 融资期：从初创到独角兽（2025.4）
Series A 融资细节：
- 金额：7,500 万美元
- 领投：Benchmark Capital（知名 VC，投过 eBay、Instagram、Dropbox 等）
- 跟投：Tencent、ZhenFund、HongShan Capital
- 估值：5 亿美元（较 March 初期的「无融资」，快速确立独角兽地位）
融资意义：
- 资本市场确认「Agent 赛道」的商业化潜力
- Benchmark 的背书强化了全球投资者信心
- 中资 VC（Tencent、ZhenFund）进场，体现中国市场看好
2.4 产品迭代期：从邀请制到功能矩阵（2025.6 - 2025.12）
核心产品线演进：
| 功能模块 | 推出时间 | 核心价值 | 距钱距离 |
|---|---|---|---|
| Cloud Browser | 2025.3 | 沙箱隔离的浏览器自动化环境 | 中（降低黑客风险） |
| Wide Research | 2025.5 | 并行多源数据采集 | 中（加快尽调速度） |
| Browser Operator | 2025.7 | 本地浏览器直接控制（局域网） | 高（减少重复操作） |
| AI Slides | 2025.8 | 自动生成演示文稿 | 中（优化创意工作） |
| Code Execution | 2025.9 | Shell 命令、Python、JavaScript | 高（开发者工具链） |
GAIA Benchmark 胜利：
- Manus 在该基准上持续超越 OpenAI（GPT-4）、Google（Gemini）
- 成为「最强通用 Agent」的量化依据
2.5 商业化突破（2025.11 - 2025.12）
用户增长：邀请制逐步解除，用户从「百万等待」→「十万活跃」
收入达成：
- 2025 年 12 月：突破 1 亿美元 ARR（年化经常性收入）
- 运行速率：125 百万美元/年
- 时间线压缩：上线到 1 亿 ARR 仅需 9 个月（对标：ChatGPT 花了 2+ 年）
竞争地位确立：
- GAIA: 86.5% vs OpenAI Operator 87%（伯仲之间，但技术栈完全不同）
- WebVoyager: Manus vs Google Mariner（打成平手或小幅领先）
- 定价：月度订阅制（具体价格动态调整）
2.6 收购轰动（2025.12.29）
Meta 20 亿美元收购：
交易细节：
- 收购方：Meta Platforms（Facebook、Instagram 母公司）
- 收购价：20 亿美元+（Meta 历史第 3 大收购，仅次于 WhatsApp 160 亿 + Scale AI）
- 交易周期：约 10 天谈判完成
- 团队去向：105 人 Manus 团队并入 Meta，CEO Red 向 COO Javier Olivan 汇报
战略背景：
- Meta 在 LLMs（Llama）、内容推荐之外，补足「Agent 执行层」
- AI 代理成为科技巨头「1000 亿美元军备竞赛」的新赛点
- OpenAI（Operator）、Google（Mariner）相继推出，Meta 通过并购「弯道超车」
地缘政治影响：
- Meta 明确声明：交易后零中资股份，中国停止运营
- 中国商务部（2026.1.8）启动审查，评估 AI 技术是否涉及「出口管制」
- 标志性事件：中美 AI 主权竞争进入「资产争夺战」阶段
2.7 Meta 时代的新方向（2026.1 - 至今）
官方声明：
- Manus 将保持独立 app 和网站运营
- 技术并入 Meta AI，用于改进 Meta 内部产品（如 Ray-Ban 智能眼镜）
- 继续付费订阅模式
隐忧：
- 中国用户的「中国停止运营」政策
- 独立创新空间可能受 Meta 官僚体制影响
- 人才流失风险（尤其是中国、新加坡团队）
三、战略框架
3.1 「距钱距离」假说的完美践行
Manus 的位置：最靠近实际交易的 AI 层
← 抽象程度高 ───────────────────→ 靠近交易
LLM 基础层 ↓
（Claude/Qwen） 应用层 ↓ 执行层
（ChatGPT） （Agent） Manus（完成支付、签约等）
↑
最高商业价值密度
Manus 相对于其他 Agent 的优势：
- OpenAI Operator：美国公司，优先集成 OpenAI 生态
- Google Mariner：搜索巨头，侧重信息检索而非任务执行
- Manus：中立的 Agent 编排器，接受多源 LLM，距交易最近
3.2 「多模型编排」vs「单一基础模型」
Manus 的核心赌注：
传统路线：自建基础模型 → 做垂直应用 → 商业化
（需要 10 亿+ 参数、数据、算力）
Manus 路线：编排现存最优模型 → 加 Agent 执行框架 → 快速商业化
（轻资产、快迭代、多源锁定）
技术栈：
- 决策层：Claude 3.5/3.7 Sonnet（推理、规划）
- 执行层：微调 Qwen（速度快、成本低）
- 感知层：Browser Use（开源库）+ Cloud Browser（自研）
隐藏的成本：
- LLM API 成本随用户增长线性上升
- 云服务器成本（虚拟机 + 浏览器 + GPU）
- Meta 收购后，成本压力转移到 Meta（短期利好）
3.3 「邀请制稀缺性」的双刃剑
前期策略：
- 主动造稀缺 → 激发「求之不得」的心理
- 黑市倒卖 → 反而证明价值（某种程度）
- 目标：前 3 个月的「教科书级」营销事件
后期转变：
- 邀请制逐步解除（2025.6-9）
- 转向订阅制（中层用户 ¥299/月？）+ Pro 版（企业用户）
- 原稀缺性逻辑不再适用于 Meta 旗下产品
3.4 竞争层级定位
第一梯队对标：
| 竞品 | Manus | 定位差异 |
|---|---|---|
| OpenAI Operator | 浏览器自动化 + 任务规划 | OpenAI 生态，GPT-4o 优先 |
| Google Mariner | 网络搜索 + 推理 | Google 知识图谱，信息优先 |
| Manus | 多模型中立 + 商业执行 | 最靠近交易 |
客户细分：
- B2B SaaS：自动化客服、数据采集、RPA 替代
- 创业者：研究、竞品分析、自动化营销
- 企业：财务尽调、信息检索、流程自动化
四、蓝图复刻
4.1 为何 Manus 在 9 个月内突破 1 亿 ARR
三角形成立的充要条件：
产品硬度（GAIA 基准领先）
↑
/ \
/ \
/ \
/ \
/ \
/_________\_
创始人口碑 市场缝隙
（Peak） （Agent热窗口）
- 产品硬度：可量化（GAIA 86.5% > GPT-4）、可体验（Demo 视频高完成度）
- 创始人光环：Peak 的浏览器+Agent 连续创业经验，「我懂产品」的信号
- 市场时间点：OpenAI 2025 年 1 月才发 Operator，Manus 抢占「先手」
4.2 Manus 的生命周期
2025.3 2025.6 2025.9 2025.12 2026.3+
├─ 爆发 ├─ 融资 ├─ 产品矩阵 ├─ Meta 收购 ├─ Meta 整合
│ 200万 │ 7500万 │ 多功能模块 │ 20亿美元 │ 新战略
│ 等待名单 │ 美元 A 轮│ GAIA 领先 │ 1亿+ ARR │ 市场
└────────┴────────┴──────────┴──────────┴─────────
高风险 融资 商业化 流动性 不确定性
点 确认 突破 事件 时代
4.3 如何复刻 Manus 的增长
关键要素权重：
| 要素 | 权重 | Manus 得分 | 创业者能否复制 |
|---|---|---|---|
| 产品基准超越 | 30% | 9/10 | ✓（需要 6 个月优化） |
| 创始人 Personal Brand | 25% | 8/10 | ✓（但需要个人积累） |
| 市场时间窗 | 25% | 9/10 | ✗（难以预测） |
| 融资速度 | 15% | 9/10 | ✓（与产品挂钩） |
| 媒体裂变 | 5% | 10/10 | ✗（有机性难复制） |
模板化建议：
- 选择被证实但未饱和的赛道（如 Agent in 2025 年 3 月）
- 建立可量化的技术优势（GAIA/WebVoyager/自研 Benchmark）
- 创始人直接与媒体/投资人互动（不打广告，讲故事）
- 在融资前制造产品「惊喜矩」（Demo 的完成度 > 论文的理论性）
- 准备好面对黑市倒卖、开源对标等「成功的代价」
五、Mars 视角
这部分是对 Manus 的 Mars 式分析框架。
5.1 反共识：为什么大多数人看错了 Manus
市场的两种错误判断：
-
「它只是 Claude Wrapper」
- 表面对：确实调用 Claude API
- 深层错：编排、规划、决策的 Prompt 工程本身就是壁垒
- 类比：「Google 也只是调用 index」，但 PageRank 算法才是垄断
- 真相：Manus 的护城河在于 Agent 框架 + 多模型适配 + 执行可靠性
-
「DeepSeek 的 Agent 版本」
- 表面对：都是中国产品、都在某个维度突破美国产品
- 深层错：DeepSeek 打的是「算力成本战」，Manus 打的是「商业化战」
- 真相：Manus 的 9 个月 1 亿 ARR，比 DeepSeek 的融资新闻更值得研究
5.2 第一性原理：Manus 的本质是什么
三层解构：
表层：一个 AI 聊天机器人 ← 错误认知
├─ 错在哪：混淆了「对话」和「行动」
└─ 正确理解：是 Action-oriented 的系统
中层：一个浏览器自动化工具 ← 部分正确
├─ 对的地方：确实用 CodeAct 完成 RPA 任务
└─ 遗漏之处：不只是浏览器，还包括文件系统、代码执行、API 调用
深层：一个「可编程的时间杠杆」← 本质
├─ 用户本质需求：减少重复操作的时间成本
├─ Manus 的价值：把时间换成金钱（订阅费 << 节省的小时成本）
└─ 商业模式：从「按查询计费」升级到「按价值分享」
为什么说是「可编程的时间杠杆」：
- CEO 花 1 小时写需求 → Manus 花 30 分钟执行 → CEO 节省 8 小时手动工作
- 时间节省率：88% → 按 ¥600/小时 CEO 成本算，ROI 是 300%
- 这就是为什么企业愿意付 ¥299-2999/月
5.3 历史循环论：类比 PC 时代的软件分层
Manus 在 AI 时代的位置：
PC 时代层级 → AI 时代对标 → Manus 的角色
底层：Windows/macOS ←→ LLM 基础层（Claude/Qwen） ←→ 多源编排者
├─ 中层：Office/Photoshop ←→ 应用层（ChatGPT/Claude）
├─ 上层：SAP/Salesforce ←→ Agent 层（Manus） ← HERE
└─ 最上层：RPA/自动化脚本 ←→ Agent 编排+执行
Manus 的价值链位置：操作系统之上、企业软件之下的「中间件」
（就像 Zapier/IFTTT 在互联网时代的位置）
反差：
- Zapier 花了 13 年（2011-2024）才做到 20 亿估值
- Manus 花了 9 个月就做到 20 亿收购价
- 原因：LLM 的「通用性」大幅降低了「集成成本」（Zapier 需要 1000+ API 集成，Manus 只需要好的 Prompt）
5.4 配置论：Manus 成功的资源组合
不是什么都对，而是「五个关键变量」的完美配置：
变量 1：基础模型质量
变量 2：创始人 IP
变量 3：市场时间点
变量 4：融资效率
变量 5：执行速度
↓
配置得当 → 指数增长
配置不当 → 平缓增长
Manus 的配置评分：
| 变量 | 得分 | 缺陷 | 弥补方式 |
|---|---|---|---|
| 基础模型质量 | 8/10 | Claude 非自研 | 用编排和工程补 |
| 创始人 IP | 8.5/10 | Peak 知名度 <> Steve Jobs | 用产品完成度补 |
| 市场时间点 | 9.5/10 | 如果晚 6 个月就不同 | 运气（设计） |
| 融资效率 | 9/10 | 融资速度快但估值相对平 | 收购价补偿 |
| 执行速度 | 9/10 | 邀请制期间用户体验下降 | 通过解除邀制修复 |
配置得分 = 8.8/10 ≈ 「不是最完美，但最优组合」
5.5 好运面积 = 能力 × 被认知程度
Manus 的「好运」结构：
能力：
└─ Agent 执行（9/10）
└─ 多模型编排（8/10）
└─ 产品完成度（8.5/10）
↓
总能力 = 8.5/10
↓ × 被认知程度
认知：
└─ 媒体覆盖（95%+ 科技媒体）
└─ 创始人 Profile（全球 Top 50 AI 企业家）
└─ 融资声量（Benchmark 背书）
↓
被认知程度 = 9.2/10
↓
好运面积 = 8.5 × 9.2 = 78.2%
（对比：同水平技术的默默无闻创业公司 = 8.5 × 2 = 17%）
启示：Manus 不是「最聪明」的 Agent，而是「最聪明的营销」 + 「最好的运气」。
5.6 反脆弱 + 杠铃策略
Manus 面对的风险：
| 风险 | 概率 | 影响 | Manus 的对冲 |
|---|---|---|---|
| 中美 tech 冷战 | 60% | 高（技术流出管制） | 向 Meta 卖出（坚定看涨） |
| OpenAI 赶上 | 70% | 中（竞品压力） | 靠执行速度差距维持领先 |
| 用户增速停滞 | 40% | 中（融资难） | 已被 Meta 收购，压力消除 |
| LLM 技术突破 | 80% | 低（编排依然价值） | 保持技术中立，快速适配 |
杠铃策略：
- 一端（保险端）：被 Meta 收购 = 流动性锁定 + 企业背书
- 另一端（赌注端）：技术独立保留 = 在 Meta 内部继续创新
反脆弱性评价 = 7.5/10（相对 Meta 时代）
5.7 Mars 的最终判断
三句话总结：
- Manus 是「运气 + 配置」的杰作，而非「革命性创新」 → 意味着可复制，但需要天时地利人和
- 最大的价值不是技术，而是「Agent 赛道的商业化路线证明」 → 后来者的 benchmark 不再是论文，而是 Manus 的 ARR
- Meta 的 20 亿收购是「保险赌注」，而非「战略必须」 → 5 年后评估时，可能显得便宜或昂贵
对 AI 创业者的启示：
- ❌ 不要做「最聪明的技术」
- ✅ 做「最靠近用户交易」的东西
- ❌ 不要等融资论证
- ✅ 先做出让媒体惊喜的 Demo
- ❌ 不要低估「好运的力量」
- ✅ 设计你的好运面积（能力 × 认知）
相关案例
通用 Agent 的平行线
| 产品 | 定位 | 融资/收购 | 核心差异 |
|---|---|---|---|
| Manus | 多模型编排 Agent | 20 亿收购（Meta） | 最靠近交易、中立编排 |
| OpenAI Operator | GPT-4o 驱动 Agent | 内部产品 | OpenAI 生态优先 |
| Google Mariner | Gemini 驱动 Agent | 内部产品 | 搜索优先、信息导向 |
| Anthropic Claude Computer Use | Claude 驱动 Agent | 内部产品 | 推理优先、safety first |
Agent 商业化的前浪
| 案例 | 时代 | 商业模式 | 启示 |
|---|---|---|---|
| Zapier | 2011+ | API 集成 SaaS | 需要 13 年达到 20 亿估值 |
| Make.com | 2013+ | 低代码工作流 | 无代码市场的集大成者 |
| Manus | 2025+ | Agent 订阅 | 用 LLM 大幅加速商业化周期 |
关联打法
看完后推荐
- 想了解打法？看 Agent 代理式
时间线
2012 年
└─ Peak 创办 Peak Labs（Mammoth 浏览器）
2022 年 11 月
└─ Yichao + Red 创办 Monica.im
2025 年 3 月 6 日
└─ Manus 官方发布
└─ Launch video 快速走红
2025 年 3 月 15 日
└─ 200 万人等待名单，服务器崩溃
2025 年 3 月-5 月
└─ 邀请码黑市倒卖风波
└─ OpenManus（开源版）发布
2025 年 4 月
└─ Series A 融资 7,500 万美元（Benchmark 领投）
└─ 估值 5 亿美元
2025 年 5 月-9 月
└─ 产品矩阵扩展（Wide Research、Browser Operator、AI Slides）
└─ 邀请制逐步解除
2025 年 12 月 1 日
└─ 达成 1 亿美元+ ARR 里程碑
2025 年 12 月 29 日
└─ Meta 宣布 20 亿美元收购
2026 年 1 月 8 日
└─ 中国商务部启动出口管制审查
2026 年 3 月 17 日（当前）
└─ Manus 作为 Meta AI 的一部分，继续独立运营
参考来源
- MIT Technology Review: How Yichao “Peak” Ji became a global AI app hitmaker
- TechCrunch: Manus probably isn’t China’s second ‘DeepSeek moment’
- Fortune: China’s Manus follows DeepSeek in challenging U.S. AI lead
- TechCrunch: Meta just bought Manus
- CNBC: Meta acquires intelligent agent firm Manus
- Manus Official Site
- DEV Community: Manus AI - A Technical Deep Dive
- Baytec Consulting: Manus AI - An Analytical Guide
- South China Morning Post: Was Manus another DeepSeek moment?
- Euronews: Meta to acquire AI startup Manus
更新日志
| 版本 | 日期 | 主要更新 |
|---|---|---|
| v1.0 | 2025.3.15 | 初版（上线爆发期） |
| v2.0 | 2025.6 | 加入融资数据、产品矩阵 |
| v3.0 | 2025.12 | 加入 Meta 收购、1 亿 ARR 数据 |
| v4.0 | 2026.3.17 | 完整 Mars 视角分析、战略框架、蓝图复刻 |
备注
本卡片已激活「Mars 思想分身」模式，使用第一性原理、反共识逻辑、历史循环论、距钱距离假说、配置论、好运面积等 Mars 的核心框架进行深度分析。
待 Mars 确认与补充。
AI 草稿——待 Mars 确认