因为虽然 Manus 的宣传片基本是我出镜，然后呢？这时候呢，自然有人支持，有人骂。对吧？他们看着宣传片骂，都说这小红太坏了。你会发现小红有一个非常稀缺的特质：什么？他很正常，他身心健全，没有任何不良嗜好，没有任何极端的思想。这不是一个正常的指标吗？这已经很难得了，你知道吗？就是我觉得现在整个这个行业有很多人比较偏执或者怎么样。但是讲真，其实就是你没有乔布斯的命，却得了乔布斯的病。
你在说你自己吗？呃，对，我觉得别的创始人都太艺术家了。这个问题要非常郑重地回答一下：就是我可以直接这么说——如果我们在三月份发布的时候，没有任何付费的宣传，我死全家。
Hello，大家好，我是小俊。二零二五年初，Manus 以通用 Agent 的身份引发了全球的关注，随后走过了惊心动魄的一年。那二零二五年也被认为是 Agent 的元年。过去一年，我们访谈了前 OpenAI、现腾讯的姚舜宇，Kimi 的杨志林，Manus 的肖红，Lafat 的陈冕等等。那站在二零二五年的尾巴上，我邀请了 Manus 联合创始人兼首席科学家纪艺超来和我们一起聊聊 Manus 的魔幻故事，以及 Agent 的进展与前瞻。
Hello, Pick，先给大家打个招呼，并且做一个简单的自我介绍。好，大家好，我叫季超（Pick），我是 Manus AI 的 co-founder and chief scientist。然后今天很荣幸能参与这个节目的录制。你从小的经历感觉就很与众不同，就是很小四岁就去了美国，然后二年级又回国。高中开始创业，大学辍学了又创业，然后又读完了研究生。你讲讲你的这段经历吧？
首先得从我家庭背景说起。我觉得我很幸运，我的父亲是北大的物理系教授，就是传统意义上的科学家；然后我母亲算是老一辈中关村连续创业者，当然现在可能可以叫企业家吧。对，所以就是我从小在一个这两种——怎么说呢？不叫文化吧，就两种不同的风格中一块儿去成长。我可能就在两者中取了一个中间点，就是所谓的科技创业者。
然后我从小的话，其实就是不是那种聪明孩子，就学习也就一般。但是呢？就是比较喜欢自己瞎琢磨，多……呃，就偏科吧，对。其实我不知道我学习到底好不好，或者聪不聪明？因为我觉得我就没怎么学，对。然后呃，我比较幸运的是，就是我很早就找到自己喜欢做的事儿了。那时候大概是二零零九年，苹果出了 iPhone 之后的第二年。
然后那时候对我来说有一个很大的改变，就是 App Store 出现了。App Store 我觉得是对我来说特别重要的一个转折点。因为在 App Store 之前，其实世界上很多人像我一样喜欢自己捣鼓软件或做东西，但是你其实缺乏一个很好的全球化变现的能力。但这时候对于高中生来说呢？如果你只是在瞎捣鼓一些课外的东西的话，这个东西其实是比较离经叛道的。你知道吧？就是你没有一个很好的第三方指标来证明说我的这个爱好其实是有价值的。
而 App Store 当时的出现给了我一个契机，就是说我可以向我的父母、同学乃至于老师证明说：我瞎搞的这个东西是能产生经济价值的。所以呢？我就算是中国第一代软件出海的创业者了。对，当时那时候还在上高中，然后我是做了一个第三方的 iOS 浏览器，叫做 Memes Web Browser（猛犸浏览器）。当年先小小火过一点吧。
然后用的是最朴素的那种，就是 buy copy（买断制），就是每卖一份就赚一份固定的销售额的这种模式。嗯，然后所以就是很幸运，很早的时候就有了比较稳定的现金流。对，这个有多稳定啊？那个软件从第一个版本到最后，我大概赚了三十多万美金。对，当时我觉得那对于高二、高三的学生来说，已经算是挺开心的一个事儿了。
嗯，而且关键是就是它的销售模式很清晰嘛，对吧？我不需要去考虑太多的比如说 in-app purchase（应用内付款）或者提供一些增值的这种模式。我只是非常老实的卖一份 copy，然后你给我一份钱。所以其实对于我来说怎么说呢？就是维护的成本是比较低的，是一个当时还成立的一种商业模式。
但是后来大家都知道，呃……移动端软件已经不太支持这样特别朴素的商业模式了。嗯？因为大家都要先免费获取客户，对。或者说当时是一个很好玩的情况：因为那个时候从桌面互联网到移动互联网，我觉得是有一次平台——或者简单来说就有一个硬件媒介的变化。嗯？对吧？所以就是你有一个新的一个媒介出来，即使你是传统的大厂——比如说国内当时的 BAT，然后海外这些公司——其实大家都是跟开发者一样，众生平等，都在做一个全新的尝试。
那时候其实就会有一段在我看来可能是蛮荒期的一个阶段，所以你有很多的机会去做这样的事儿。大家还没有反应过来后来的这个诸多的商业模式。但你看反观现在 AI，我可能就聊到哪说到哪——你就觉得很难的一点就是：AI 虽然是一个新的技术突破，但是实际上没有一个全新的一个平台出现。所以你看这回的话，我觉得没有存在那个蛮荒期：无论是巨头还是创业公司、还是个人开发者，大家的反应都一样快。做的都非常的呃……干脆利索。
对，所以我觉得我算是赶上了一个好时代吧。当时这段创业怎么结束的呀？啊……这段创业其实我觉得没有一个明确的结束的那一刻，其实它是我创业的一个起点。那时候我觉得还不能严格意义上来说称为创业，因为我只是一个学生、个人开发者，用一个最朴素的商业模式去获得了一定的现金流。
但当时的话呢？你有一定的现金流，同时你要做一定的 marketing（营销），对吧？当时我也没有团队，就一个人。就自己在比如说在国内外的论坛上发帖。然后当时国内没有很成熟的那种支付渠道，因为你知道现在 App Store 你可以用呃……比如说像那个支付宝、微信，或者你用 credit card（信用卡）可以去付款。但当时我记得其实只能支持国际 credit card。所以中国国内基本是没有什么付费的。
哎呀，这感觉跟现在 AI 也挺像的。反正当时呢？我就想：那既然国内我很难去获得现金流，那我在国内就只能赚吆喝。所以我那时候会破解自己的软件，然后在国内论坛上发——就是你没钱你就给我捧个人场，对。然后在这样做的同时呢？其实你就获得了一些来自于比如说资本界的关注。所以那时候也是很好玩：就是我当时高二、高三的时候，然后当时就是在参加一个……当时感觉还是比较有创业氛围吧？那时候中关村。
我应该就在中关村参加了一个创业的活动，我有点想不起来是哪一个了。然后当时的话就认识了真格基金啊？对！然后这个故事就非常简单：就是当时徐老师（徐小平）问我：“小伙不错，你想创业吗？”然后我当然不想创业了。对吧？因为我既然有一个稳定的、我可以边上学边躺着赚钱的一个现金流，那我何必要创业呢？对。
然后但是我觉得……毕竟这个徐老师对吧？大家可能当时都是比较熟悉的，因为他应该也是北大那个体系出来的。然后当时我回家跟我父母提了一下这个事儿。我这这方面确实感谢我父母，他们就说：“你是值得去好好考虑一下的。”然后我觉得那个时候对我来说也是陷入一个纠结：就是我可以有几个选择，对吧？我也许可以申请学校去上一个好的大学，走现在跟大多数人一样的那条路。
嗯？但另外一点就是我觉得 App Store 给了我一个特别好的正反馈：就是你只要创新，也许就能有回报。当时想的会比较哪一呃……比较天真？就是说我好像做出一个好东西，自然就会有一个好的结果。然后当时其实我渐渐意识到这个不是一个常态：我是很幸运地踩中了一个时代的机遇。那好，其实我也许什么时候都能继续去读书？所以我就想：那我其实现在优先考虑的应该是一个机会成本。
嗯，对！所以我当时就拿了 term sheet（投资意向书），然后决定这大学我不上了，我要去创业。对！但是当时的话呢？为什么接受真格的 offer 其实也是他们给了我一个承诺，而且我觉得一直是——就是这个承诺兑现至今：就是他们不会管我干什么。我爱干嘛干嘛！对，所以我觉得这个其实对于一个学生来说，我能觉得我能有的一个最好的选择了。
所以当时的话呢？我就拉上另外几个同学，比我大两届的——他们已经保送去北大了。然后但是又被我忽悠出来了。那当时我们其实已经意识到：就是你如果还在做这样朴素的、按每一个 copy 去赚钱的这个模式，已经不太 work（行得通）了。那个时候已经感觉到不 work 了，对吧？很明显！因为当时的话又过了两年了。
然后这个时候你会发现：无论是国内还是国外，尤其像第三方 iPhone 浏览器的这个市场里头呢？其实已经出现很多不同的玩家了。嗯！巨头已经回过味儿来了，所以我们就觉得这个东西一定一定会走向一个免费或者加免费加增值的这条路。但当时我们还做了一点最后的尝试，这也其实后面一切的起点：就是我们觉得我们既然要卖一款付费的浏览器，我们应该在功能上有比较大的一个跃进。
首先一点：当时那个 Manusque Browser（猛犸浏览器）它的这个交互体验确实是比较好的。但当时其实还有另外一个背景：就是那时候无论是国内还是国外，都是 3G 初期的一个阶段。那时候其实移动互联网远远没有像现在这样就这么流畅。嗯？那时候呢？可能大家还会更多关注就是说：比如说网速慢的时候怎么办？弱网环境怎么办？所以当时我就提出要解决一个问题：就是我们能不能去预测用户的下一次点击？
比如说那时候我还记得，大家用 Facebook（国内应该是人人网，校内的那个改名叫人人网了）。我记得那时候大家都觉得：好像 Web 版就是移动端的网页，似乎比当时那些比较初期的客户端要好用。嗯？所以很多人其实是在用移动浏览器去进行一些社交媒体的使用，所以你会经常有那种翻页、下一页这个操作。然后呢？后来也有更多人在手机上开始看新闻。
其实我当时就觉得：如果我能准确预测用户的下一次点击的话，我可以进行 preloading（预加载），就是提前加载下一页的内容。嗯？让它的这个响应会更加的快。然后这个其实也就机缘巧合之下，让我进入了 NLP（Natural Language Processing）——也就是自然语言处理这一个领域。嗯？当然现在大家可能不太提这个词了，因为大模型已经把这一切给统一了。
对！然后那时候大概二零零九、二零一一年开始，就是我因为这一个需求所以开始研究这一个方向。然后当时做真的是太早了！这个我觉得就很我很幸运的点：就是我感觉一直我在学习的东西都是因为具体的需求在牵引。对！所以刚好也就跟自己兴趣都会比较 align（一致），所以就接触这个行当开始做。
所以那个浏览器其实真正意义上到后来它的结束是什么？是我发现了更好玩的东西：就是自然语言处理。所以因为它的模式一直是很单纯的卖一份 copy、卖一份 copy 嘛，它就渐渐就变成了一个没有人去维护的一个状态。然后随着比如说到最后应该是 iOS 系统不断更新，它的那个兼容的版本已经就是跟 iOS 不兼容了。所以你自然而然就被从 App Store 下架了。所以这是一个自然死亡的一个过程。
当然我觉得这还是很幸运的：就是让我人生的第一个产品就同时满足了出海、加 AI、加上变现这件事，所以有一个很好的开始。对！现在反过去去说的话：浏览器这个事你当时怎么做？有可能后来摸到移动互联网的大牌吗？嗯……有这种可能性吗？我觉得当时的话呢？我其实收到过一些收购的 offer，也许卖的也挺好的。
因为我觉得其实呃……浏览器是哪个 offer？啊！这个就不要说了，对——不能点名。但我觉得就是：浏览器从古至今、包括今天、包括很多团队也在做 AI 浏览器，待会儿也许我们会聊到。我觉得它一直都是有一个点：就是它其实不是特别适合以一个创业者或者说一个颠覆者的形态来做。它其实更像是巨头——你已经有了分发的渠道之后，嗯？去锦上添花的一个事儿。
对！所以我如果回看当时的话呢？我不认为以现在的我的经验或者阅历，我能做出什么更好的选择。第二段创业呢？第二段创业的方向……其实应该刚才讲的第一次真正的创业，就是因为在做这个浏览器的时候意识到：就是 NLP 这个领域真的非常有意思。但那时候其实也是很有趣：二零一一年，嗯？距离一个石破天惊的 paper（论文）……我说的不是 Transformer。
其实二零一三年是 Tim Mikolov 当时 Google 推出一篇 paper，叫 Word2Vec。就是第一次能够——也不是第一次？就是较为可靠且高效的、能够把自然语言文本离散化的（变成稠密向量）。这个其实对我来说，是我认为我心中最石破天惊的一个转折点。因为它头一次能让我们比较方便的把一些源自其他机器学习和深度学习领域的方法应用在自然语言处理领域。
像当时，比如二零一一年前后：大家做自然语言处理可能关注几件事儿。比如说你要进行比较复杂的分析的话，可能会有一个技术叫做 dependency parsing（依存句法分析）。嗯？但是现在可能这个词已经死透了，可能新一代做 AI 的人都不知道这个词了。然后中文的话呢？那时候我们还会关注额外的、就所谓的 tokenization（分词）。
当然跟现在的大模型的 tokenize 相比呢？可能会更原始一点。因为中文本身它会有这个要切分这个问题，当然不止中文：就是中文、日语……然后其实德语有德语叫 decomposition（分解），就是拆词的这个问题。所以那时候做的还是一些比较怎么说呢？为了自然语言处理而做的一些比较专有的解决方案。它按现在话说是不太 scale（扩展）的：因为其实你需要很重的标注才能做好，而且你本身的模型也没有那么的强大。
所以当时的话呢？我觉得给我最大的一个触动是 2013 年那个 Word2Vec 这个 paper 出来。然后我觉得这一下新世界的大门就打开了！然后这个让我真正意识到我的兴趣可能……其实是在 NLP，而不是在继续做浏览器。嗯？然后也很感谢：就当时真格兑现他的承诺——我说我不想做浏览器了，然后真哥说随便。对！
然后当时的话呢？我就看中了 NLP，但是其实也是看中另外一个市场机遇。当然回过头看我觉得是错的！这是怎么回事呢？就是当时的二零一三年，其实已经开始有传闻：就说苹果在筹备一款可穿戴式设备。嗯？其实也就后来的 Apple Watch 了！然后这个当时给了我特别大的想象空间：因为我当时觉得那时候的搜索还是你输入一个问题（query），然后它给你十个蓝色的链接。
这个东西能够 work 的根本原因是我们在与电脑这样的一个大屏幕进行交互！那假设未来——比如说可穿戴式设备或者说语音的界面（voice interface）更加成熟的话，那这一个交互模式可能就不 work 了。所以当时我想解决的一个问题是什么？就说我能不能以一种更结构化且更紧凑的形式，把知识跟用户之间的交互进行一次革命？
然后这个当时就引向了一个方向：就是现在可能叫语义搜索（semantic search）。这个东西我当时会觉得这就是下一代的 Google！我作为一个呃……创业者，我会不会是当年的 Google？像当年 Google 颠覆雅虎那样的？所以我们团队大家都很兴奋。然后我们想解决的这个问题逐渐也就细化了下来：这其实是一个非常技术驱动的问题。
我当时在想：如果你想用一个更紧凑的结构去回答用户的任意问题的话，那其实你需要的不能是网页的原始信息。嗯？因为大家都知道：其实搜索引擎的工作原理——当时可能就使用倒排索引，就是说你输入一个关键词。他会把所有包含这个关键词的网页通过一些排序算法进行排序，把 top 十给你。所以你用户输入的问题最后获得的东西仍然是原文、是自由文本。
那这个东西（自由文本），你想象一下：如果你用 Apple Watch 来……你不可能在上面就反复滚动去读完嘛，对吧？如果你是车机或者像 Siri 这种 interface（界面）的话呢？你也不能让它去朗诵那么长的文本。因为人的带宽——听力的东西，其实你会……你会很着急！嗯？所以我们觉得当时从技术层面来讲下来：它缺的是什么？是一个高效紧凑的 representation（表达形式）。
而那个时候我们想到的一个概念呢？其实知识图谱。知识图谱现在也是一个半截身子埋在土里的概念，老词儿、老对！但是当时我们也是有追求的团队。然后我们在基（基于）知识图谱建设，我们再往下下钻：看那到底是什么限制了知识图谱这个概念真正落地呢？我们当时找到的一个切入点是：我们认为知识图谱其实完全都不够完备。
因为那时候你能找到的知识图谱，无论是通用的还是就是行业知（识）——对！行业领域知识图谱也是一个很旧的一个词。它其实大量的依赖是人的编辑：比如说，如果你要在一个行业内——比如当时有做些什么这个工业领域的知识图谱、或者科学领域知识图谱，其实都是需要一些专家进行去标注。比如你要标注……
SPO，就是三元组这样的形式去进行标注。而通用或者说通识领域的知识图谱，其实当时世界上有几个比较大的平台，有一个叫做 Freebase，好像后来是被谷歌收购了，他们就以一种众包的形式让大家贡献这些知识。后来它应该演化成了 Wikimedia Foundation 下面的一个项目，叫做 WikiData。
它里头做的就是，比如说关于你，张老师，你是一个实体叫 entity，你下面有各种你的属性，比如说你的这个出生日期，你的之前工作的场景，你的节目是什么，这样你就能形成各个实体之间的关系，这就是所谓的知识图谱嘛。但很明显，这个东西完全依赖于人类。那这个东西我觉得是我们探测到的一个瓶颈，所以我们想找到一种技术来把这件事儿自动化。
那当时的技术供给能做到什么呢？就是刚才讲到那一个年代的 L P 还在一个比较初期、比较混沌的一个阶段，嗯，当时要做的事情可能已经有的方案是这样：你可以首先进行叫命名实体识别，叫 N E R Name Entity Recognition，就相当于你读一篇文章的时候，你把里头所有的实体能够由一个 A I 模型来标记出来。
那这样的话，你其实只获得到了实体，就比如说张小俊，这是一个实体。然后这档节目是一个实体，但是所谓知识图谱，图谱之间是要有边的 edge。那这个边是怎么来的呢？当时有另外一项技术叫做关系提取，叫 relation extraction。嗯，就是对于两个实体之间，我能探测到，嗯，比如说张小骏是这一档节目的主持人，那么主持人这其实就是一个边，或者叫 predicate 谓语。
然后这样的话，我们用这两套技术能构建怎样的一个知识图谱呢？就是说，我如果能限定领域，那么我能进行很好的实体识别；如果我能限定提取类、提取的关系的总类型，我也可以进行这个工作。比如说，我提前知道这世界上有主就是什么的节节目的主持人是谁，这是一种关系；人的出生日期是什么时候，这是一种关系。
那很明显，这个东西好像不可枚举，对吧？因为任何两个实体之间的关系，它应该是一个无限集。嗯，所以我们就意识到，当前的技术肯定是有局限性的。那么我们当时就投入到了一种新技术的研发。后来的话，这个技术在学术界的定义应该叫做 Open Information Extraction，就 Open IE 开放式信息提取。
它跟刚才这些技术的区别就是说，我不需要提前定义一套规则或者 schema，嗯，就是说我不用规定哪些东西是实体，因为传统意义上的命名实体识别可能关注几类，比如人名、地名。然后组织名这些东西，你看这其实又是一个白名单机制。我们要避免这一层面的白名单，同时在进行关系提取的时候，我们要避免提前预设的这些关系，而完全变成一个 schemaless，就是说呃无大纲的形式的提取。
所以最后我们做到的一个技术是什么？就是说 AI 在阅读一篇文本的时候，它能够自己识别出这里头有哪些潜在的东西是实体。以及这些实体之间的关系是哪些，并把它们提取出三元组，并持续自动的构建一个知识图谱。嗯，所以这个在当时我觉得还是很重要的一个技术，而且我们选择了最苦的一条路，就是我们从零训的模型。
而且你想，这件事是从二零一三年底二零一四年开始的。哦，我非常幸运又不幸的赶上了 NLP 技术最跃进的那几年。所以我们一开始的话，当时是一条我们团队分两边，一边在做基于传统的依存句法分析的一个解决方案，嗯，同时呢，我这边在做基于bertopic向量化的一个解决方案。
然后做了几年之后，我们发现这个东西好像可以去scale up，然后开始用LSTM去做，后来是LSTM加attention。再到后来呢，我们觉得其实 Word2Vec 或者说 LSTM 加 Attention，它其实在输入层的信息损失就很大，因为那时候如果你用基于纯词向量的方法去做的话，它无法分析分清楚一个完全同名的词的不同的含义。
我举一个例子，比如孙悟空，孙悟空可能是咱们中国传统《西游记》中的孙悟空，可能是我举例子，像日本《七龙珠》里头那个孙悟空，其实再后来还有《王者荣耀》里的孙悟空。对你如果完全基于这个 virtual reality 技术去做的话，你发现同样一个词，它在不同上下文中的意义都被压缩在了同样的一个五百一十二或七百六十八维的向量中。
所以当时我们就很苦恼，说能不能再进一步？其实就需要有一个上下文相关的编码方式，然后那时候我觉得那几年是非常幸福的。一方面是什么？就是你基本上想什么，这个世界上就会发生什么。那时候，再后来，Transformer出来了，Bird出来，它很难解决了contextual就就上下文相关这个问题。
嗯，但是不幸的就是，每一次这种技术迭代，你会发现我们过去几年积累基本都都算了，不用去做了啊，所以很痛苦。然后我们就是当等于从二零一四年底一直做到二零一八年才把这事儿做完。我们当时所有的模型是自己从预训练区开始做起的，是非常痛苦的一个事儿。
然后也很早就开始多大的模型？总共加起来，我们是有两个模型，总共加起来大概是两个零点三B的模型啊。那时候这叫大模型，当然现在这已经都不算什么。对，然后也很早的遇见一些问题嘛，比如当年像BERT吧，它默认情况下如果没记错的话，它的context length，或者那时候我们还叫sequence length，是五百一十二个token。
嗯，五百一十二，我的天哪！就是你如果去掉，比如说它一开始的CLS跟SEP token，你只有五百一十个token。那这时候，如果我要让 AI 去自动在互联网上去读网页的话，这个是完全不够的嘛？所以我们当时从二零一八年底就开始解决 long context 的问题。但是那时候我们解决的 long context，在今天看来也很小儿科。
我们解决十六 k 长度，嗯，对。然后这个我如果没记错的话，那个模型后来我也开源了。反正我们当时就一直在做这个事儿，嗯。然后就当时做了一个产品叫做 Maggie， Maggie 是来自于我很喜欢的一部动画里的一个超级计算机。对，然后它做的事情就是如刚才所说，就是 AI 能够自己去到网络上去看各种各各样类型的不限领域的文章，并持续构建并更新一个知识图谱。
然后当时我们做的这个事儿，按现在的学术定义应该叫 lifelong learning 或者 continuous learning，对，反正就很好玩。然后这个东项目其实做的我们是自己很嗨的，我到今天也觉得这是我我智力和我的编程和 research 能力的巅峰。对，再后来就人就已经逐渐老登化了，就水准开始下降。
但是那段时间的话，我们做到后面就会觉得很痛苦，就是外界的创新实在太多，太太快。嗯，直到，二零一九年的某一天，我拿到了 G P T 三的 early access，我觉得天要塌了，对，为什么？因为是这样，就我刚才讲的，我们当时选择很苦的一条路，就是一切我们要做垂直整合，对吧？就是模型自己做，产品自己做，那好。
我其实每一次模产品的迭代，我等着我底下模型的完成。那时候模型现在还跟现在比，简直非常非常小嘛。但是同样，evaluation这事也很恶心，嗯，对吧？你的infrastructure也要自己去搞，所以我们当时迭代的周期基本是两到三周能有一个模型的迭代，嗯。但是两到三周在当时的外部，这简直是巨变嘛，嗯。
然后拿到GPT三的时候，我测了一下，我觉得偏塌了的原因是什么？我们把同样的任务，我拿GPT，我随便写了个prompt，那时候大家没有什么prompt的艺术，对吧？都胡写。我发现它有跟我们自己训的短短端模型五五开，你知道吗？而且我当时就意识到一个问题，就是它虽然现在很贵。但是它是一个通解，就是那个时候我们在比如 L P 领域内大家互相交流，你会有很明确的感觉。
就是比如我跟别人自我介绍的时候说，哎，你好，我是 Maggie 团队的，我们是做信息抽取的，然后这边可能是做这个呃机器翻译的，然后这边是做客服系统的，大家泾渭分明，对吧？就互相握握手，就哎，互相学习，互相学习。嗯。但 G P 三出来之后，其实它印证了一件事儿，就是好像我们做的不同的任务是能够大一统的。
对，其实它不是第一个工作，就之前其实 Google 有一篇叫 Flan T five 的一个 paper 出来。已经当时有这个苗头了，但是呢，那个时候大家还觉得，哎，Google土豪太厉害了，这个做出一很好的 demonstration。但是你要垂直领域还得看我们呀。但是呢，G P三出来之后，就彻底就把我们那条心给给给摁死了，你知道吧？
所以当时我的第一反应就是赶紧卖掉公司，卖了吗？卖了，卖给谁了？变现了是吧？其实你好先进，我听下来就是你你你你从一一年做的事情，感觉和现在大家做的事情差不多。我觉得就是顺着做了一遍。我觉得不能这么说，就是你应该说大家在每一个阶段遇见的问题是类似的。但是你每一个阶段其实都未能解决未来大家再次遇到的时候的问题，嗯。
比如我们当时说的 long context 是从五百一十二个 token 到十六 k，现在的 long context 可能是指的，比如说两百 k 到到两个 million，对吧？所以就是我只是说历史的话，它会押韵，那肯定不会重复这个东西。嗯，你们当时做这些你的目标是什么呀？因为我感觉一直在顺着这个技术往上爬，但是你的目标是什么呢？
对，我觉得这是一个很好的问题，也是上一次创业中我觉得我没有想通的一个事儿，就是可能那个时候还是年轻，包括现在我看到很多跟那时候我一样年轻的创业者，大家我觉得优点是什么？就是非常的。就是遵循自己的本心，比如你喜欢什么事儿，你就先把这个事儿做下去。当然，你也可以，你可以好点儿说，就是如果你看中了一个技术问题，且这个技术问题真的别人没解决的话。
那它往往可能会是符合第一性原理的，就是说它是一个很重要的待解决的一个问题。嗯，对，所以当时的话，我们预见，如果你现在切到产品侧，可能会有几个问题。第一点就是我们会觉得应该做一款很成功的搜索引擎来替换掉 Google，但实际上，首先我们低估了搜索引擎本身这件事儿。
嗯，这个其实当时很多人不知道，就是 Maggie 这一个项目，我们没有使用任何第三方的搜索。我们从爬虫到索引引擎，全是自己去建的，自己手写的。对，我觉得那是我工程能力的巅峰。对，然后我们其实低估了一件事，就是说，你光有技术，其实你解决不了不了一些非技术问题。
比如说，现在我都不太看好你再做一个新的搜索引擎，因为比如很多的数据源跟Google已经形成了一种，就是他们之间也是一个互利互惠的一个一个循可循环的一个关系。你再以一个搅局者入场的话，其实你无法重复谷歌过去二十年来积累的这些数据源的这个事儿。对，所以当时我们就觉得产品一方面是我们的技术和非技术原因没做好。
另外一点我们当时很期望发生了，就是说有一个新一代的可穿戴式设备或者全新的人机界面的出现。这个东西可能到今天为止，也许可穿戴没有充分的落地，对，同时新的人机界面也许是直到 ChatGPT 才真的落地。所以就是我觉得产品层面的错误，一个是技术，一个是可能确实是早了。但是就是创业就是这样嘛，你早一步就是先烈，对吧？
是啊，不对，早一步是先驱，早十步就是先烈，对。所以我当时我们就先烈了。然后第三个，我们觉得当时商业上也没有想得特别清楚，对。所以一开始想的是做一款就是完全to C，把这事做大。但后来其实因为做了很多年，技术不断迭代嘛，你会慌，所以又想能不能直接做一些to B。但明显团队的基因不是这样的，对。
所以我觉得那一段创业经历其实让我学到了很多，当然特别爽。然后这特别爽，就是因为那是一个，就是我觉得很多创业者梦寐以求的一个状态，就是我就想把我人生的夙愿给。做完，夙愿是啥？人生的夙愿。你人生的夙愿是啥？就是我想自己从头，基于一切都是自己写的，自己写的人法，自己做的模型，去解决一个别人没有解决好的问题。
可是，Google这个事儿已经解决好了。我没有解决好。你觉得它哪里没有解决好？它是这样：首先，Google是通过收购Freebase，对吧？它其实获得这个之后，它只是获得一个很好的一个社区。然后它当时也有一个并行的项目叫Knowledge Vault还是什么东西。
然后我们跟他们做过head to head看的的对比，就是头对头的对比。我们当时在最高置信度下的准确度能达到百分之八十九点几，所以我们的准确度是比它高的。同时，我们不仅支持中文，还支持别的一些语言，包括就反向写的阿拉伯语。这个现在可能大家不觉得是什么，但当年这还是比较厉害的一个事儿。
然后同时，我们还自己去演练了这个像那个向量搜四向量搜索，那个现在可能也是比较常态了。我们当时为了解决这 scale 的问题，我记得是跟英特尔合作，找了一个新的方案。他们当时有一套技术叫做 PMEM，就持久化内存。嗯，我们自己写了一套向量索引，基于那 HSW 算法，然后去搭建了整套这个东西。
就是我把我这辈子想试的技术。都以合理的方式花投资人的钱给搞定了，嗯，对，所以我觉得在那个项目做完的那一刻，我的人生已经圆满了，你知道吗？所以就再后来，像包括现在做 Manus 这这些事儿，我心里已经没有什么就是那种。就是我要证明自己，或者我要做什么，这个才能死而无憾。我早就无憾了，所以现在我就可以一个很轻松的一个状态来做很多事。
哦，你所以你还去工作了？对，我工作了一年半。哦，那段工作经历其实非常开心。哦，非常开心？为什么？就是是个大公司吗？呃，当时还是一个独角兽状态，然后就相当于在临上市前的一年多。但是当时又刚好赶上就GPT，就是当时我是因为GPT三的出现，我意识到危险嘛，所以相当于我是在ChatGPT出来之前一直干到了ChatGPT出来之后那一段。
相当于我在那家公司从零的做起了那L M的业务。对，所以那段期间怎么说呢？这个公司的一个工作模式，当时很多人不喜欢，就是说，好像所有的这个research或者算法岗位，大家都在公司内部打榜，因为那是一家to B的公司，就B to B做AI to B。
那AI to B的一个经典的问题就是说，你如何去量化用户的收益？嗯，你除了一些比如说这个最终的这个最终的经营指标以外，你其实也需要一些过程指标。那当时的话，有一个部分团队的任务是说，我把所有用户的需求转换为可量化的benchmark。那这个呢，就是researcher和这个算法岗最喜欢的事情，就是打榜。所以那时候我的主要工作就是打榜。
对，然后打榜又很开心，因为当时公司内部的一个激励方案很有趣，就是公司内部有个类似于Cargill那样的一个榜单系统。嗯，然后呢，你赢得越多，你的奖品是什么呢？你能获得更多的显卡。啊，所以你会进入一种强者恒强的状态，你知道吗？就是，所以我当时一个人能囤好几十张卡。
然后我一堆卡的资源闲置，但是我就可以去捣鼓很多这个我想试的东西。嗯，因为总有客户会需要嘛，对吧？所以我可以做很多的实验，然后同时我的算力又是最充裕的，我能 scale up。所以我在那一年半里头，我一直霸榜在第一名。所以我觉得那段经历是特别开心的。
你以前上学的时候好像没有这个劲头，是吗？你以前上学的时候是那种特别喜欢比比分数的学霸这种类型吗？好像不是吧？不是，因为我好多课我都没上，所以我特别感谢我的高中。当时在北大附中读书，然后我觉得我特别幸运，就遇见了一群超级开明的老师。
就是开明到什么程度，就是有的课不想上，老师说那你就不上了。后来学校还给了我一个也不要一个小顾问，我们有一个计算机社团，就相当于我在学校里他有一个不上课的时候可以去的办公室，有空调有电脑，让我好好的捣鼓我喜欢的东西，所以我觉得太幸运。
你第二段创业终止的那一刻，你在做什么呀？你在想什么呀？我当时的想法是这样，就是。我知道有一个新技术出现，可能要杀死我。那这时候我的选择是什么呢？当然是选择加入了，对吧？然后，但当时的想法是这样：就是我刚刚经历上一次创业的一个创伤，就是你自己要做垂直整合，真的很痛苦。
就是每天醒了之后，我我常说一个比喻，就是每天醒了之后，你都感觉海水在上涨，但是你不知道会涨到什么程度。也许你第二天醒的时候就已经到到到鼻子这儿了，就很恐怖的一个感觉。所以当时我想法还是我喜欢创业的，但是呢，我不想做垂直整合了。
所以当时会有一个比较天然的想法，就是那时候大家会把创业AI创业分为几个 layer，几个层，比如说那时候有模型层，有那时候好像它就基呃 infra 层，就是基础设施层以及应用层。嗯，然后当时我就想，OK，那我面前其实也就三条路嘛。那时候其实到了二二年底二三年初，大家看了 ChatGPT
当时国内基座模型公司纷纷行动，但我与各方深入交流后仍无人能说服我入局。我不愿重蹈覆辙，便将目光转向基础设施与应用层。彼时AI应用形态未明，2023年中仅有ChatGPT和Character.ai两款产品具备声量。我深知自己非Character的用户，无法做好此类产品；而ChatGPT的成功具有天时地利人和的偶然性。因此，我虽明确想投身应用或底层技术，却尚未确定具体方向，遂通过观察项目、与年轻创业者交流来沉淀经验。
这段空窗期长达一年半，我借此反思过往创业教训并结识了Manus的CEO小红。我意识到自己并非做CEO的材料，既不喜欢商业化也不擅长管理复杂的人际关系，组织规模扩大带来的复杂度指数级增长让我感到抵触。我性格内向且追求技术极致，容易在商业与理想间失衡，因此需要一位能约束我、比我更适合做CEO的合伙人。我不愿在丛林中盲目下注，而是希望寻找一个像字节跳动那样具备数据思维的“空画布”，通过观察用户行为来探索AI产品的系统性方法。
我选择与小红合作，是因为他具备稀缺的“正常”特质：身心健全、无不良嗜好且相信常识与团队。相比之下，许多AI创始人过于偏执或带有“艺术家”气质，这在移动互联网时代或许能靠低成本获客成功，但在AI行业则行不通。随着推理成本下降，AI更像传统制造业，固定成本高企，用户增长伴随线性成本上升。这要求创业者具备极强的经营能力和稳健心态，而非依靠直觉蛮干。身心健康成为创始人抵御挫折、冷静决策的关键资产。
在寻找切入点时，我看好Monica这款Chrome插件产品。它不改变用户习惯，仅在浏览器上下文中提供功能分发，既避免了界面复杂度爆炸，又提供了无偏的用户行为观测窗口。这种“空容器”形态是观察AI应用的最佳切入点。小红提出的愿景——在一个产品中重新整合浏览器、搜索引擎和语言模型的能力，极具吸引力。我们决定以Monica为现金流基础（Cash Cow），团结团队共同探索全新的AI应用方向，而非仅仅迭代现有产品。
关于大模型与应用的关系，我认可垂直整合的趋势，但认为存在时间先后问题。早期自下而上的迭代若受制于模型能力，会严重拖慢产品节奏，如同购买“模型彩票”。健康的策略应是先通过应用验证PMF并稳定运营后，再基于降本或突破天花板的动机介入模型研发。Cursor等公司的实践也印证了这一点，头部应用公司终将具备自研模型能力。因此，我不急于加入大模型公司，而是等待产品形态成熟后的最佳介入时机。
在考察国内大模型厂商时，我重点关注了千问、DeepSeek和Kimi。我与DeepSeek因开源数据集结缘，对其技术积累印象深刻；千问团队扎实且展现了大厂年轻人的创造力，令我敬佩；Kimi则体现了极高的技术品位。我认为“品位”体现在内部评估体系和基准测试中，这是决定公司方向的核心护城河。尽管当时大模型赛道看似繁荣，但我深知多数玩家将因无法承受高昂成本而退出。我庆幸自己提前洞察到应用层的价值，避免了在模型军备竞赛中过早消耗资源。
DeepSeek出来之后，我觉得还是对大家产生很大的客观的冲击。嗯，就是它让一个模型的保质期变短了特别多。嗯，就是训大模型，我觉得最痛苦的是什么？就是如果说我以前的痛苦是来自于我要做垂直整合，我要快速迭代的话。嗯，现在变成了一种，如果你只做模型，你不是SOTA就没有意义。但一个SOTA模型，你的保质期其实只有一到一个月半。就是一种非常激烈的不进则退的一个状态。
嗯，而且大模型就我刚才讲的，就是以前我们做MOP的时候，其实你能有很多不同的。你可以叫赛道吧，就比如我做信息抽取，你做什么东西？你的所谓的好的这个指标是多元的。嗯，而LM或者说你这种next token prediction范式的模型它其实统一了各种任务的建模。嗯，虽然大家也说我要做coding，我要做多模态怎么样？但是世界上的能够衡量的指标的维度其实非常非常清晰的。嗯，你几乎没有多少腾挪的空间。
但做产品的稍微美妙一点就是，你起码能够自己定义什么是好？所以你起码能在一个错位的赛道上去跟别人竞争。你有更多的发挥的空间。今天追求SOTA还有价值吗？我觉得一定是有价值的。这个我觉得是，无论是模型公司，还是甚至是做A轮公司，我觉得都要追求SOTA。OK，这是一定的，因为还是刚才讲那句话，就是你的evaluation或者说你关注的那些你选择的benchmark决定了你的taste能否落地。
你从第一天就pass了这些大模型公司，你觉得他们的未来会怎么样？呃，我觉得其实是这样。就是大模型公司一定最后都会变成同时做模型和同时做应用的公司。嗯，其实你看美国现在这个版图基本已经是这个方向了。Open我认为它现在更是像两家公司：一个模型公司和一个跟它有强关联但并不绑定的research lab。嗯，而Google的话，始终它就是一个双向都很强的公司。
而Anthropic它可能之前一直会比较关注说，它作为一个B to B market？比如它做它的这个cloud API。但其实Cloud Code的巨大成功也给了他们很多正向的一个激励。像他们自从那个Mike Krieger就之前的呃，就他们现在的CTO加入之后？其实他们对产品的打磨也做得非常好。而且Mike Krieger他不仅是在做，就是大家广义上来说的面向用户的产品？他对很多面向开发者的产品的把控也非常好。
像比如说大家对于像Cloud Scale都给出很高的评价，这也是一种产品能力。嗯，对。但是我觉得这可能就是大家都会走向那条路。反过来说，我觉得如果最后不再分大模型公司跟应用公司的话？那我认为其实做出一款好的应用，且被大家喜欢的应用，其实比做出一款够好的模型难得多。因为训模型这个东西？它的知识的流通在业内是非常非常快速的。
嗯，尤其在硅谷，没有经验？你可能一个老公在OpenAI，他的老婆在Google。没有什么秘密你知道吗？就是这个对，所以这个这个东西我一定会流通的。所以我觉得到最后其实会变成一个应用之争，然后每个应用背后会绑一些模型。嗯？所以模未来模型公司和应用公司是没有那么泾渭分明的。对，我觉得不会那么泾渭分明。
你刚才说你当时还聊了一些海外的公司？包括Google，你还聊哪些公司？当时对他们怎么看？在二三年对吧？二三年对。其实当时的话，几乎所有在做模型的公司我都聊了。然后当时其实二三年初我也录了一个podcast？当时还是在以真格的那个ear的一个身份去录的啊。就说了一些暴论，那现在看来好像都对？太幸运了。
对，然后当时的话，我觉得其实比较看重几点？这个都是有史可查，我不是事后诸葛亮。第一个是二三年初我说我关注long context？哎，当然这个待会可能聊到。我觉得这个错了。对，然后第二点当时比较关注的就是？在自然语言和系统的边界？你可以说是function calling？或者就是说跟environment的这个互动？其实就现在agent这些东西。对，这个是我当时比较关注一点。
然后第三点就是？这个其实当时那个分享中没提，但我其实还一直还挺信scale up这个事儿的。因为这也是大家常说的那个就是battle lesson？就苦涩的教训这件事儿，就是人类历史上AI的进步基本全是用通用方法加投入更大的算力？而不是增加这个人为的这个专家知识的注入。嗯，对？所以就是当时对于scaling这个事儿？呃，一方面是很看好？然后很早买了点NVIDIA的股票。对，然后这是谁的股票？NVIDIA，对。
然后当时我就心里会觉得，就是Google最后一定会很厉害？对，但是它确实用了很久才很厉害。你加入Manus是二四年的三月份？然后到二四年十月份你在做什么？对，这个其实也是我忘了萧红之前有没有跟大家分享过一事儿。就是他为什么叫我加入？且用那句话说服我，就是说要想不想做浏览器、搜索引擎和大语言模型再做一次。
因为当时我觉得我们大家整体做了一个错误判断？就是因为当时Monica已经有了一定量的用户量。我们会觉得也许我们可能是当前世界上最懂用户怎么在浏览器里用AI的团队？那么我们的一个直觉的惯性的外推就是说，我们要不要做一款浏览器？嗯，这个其实想法是比较比较有数据支撑的。这我刚才讲的就是你要理性的去看这个事儿？因为Monica当时已经是资金流是正向的。且增长还不错？但其实有一点很好玩，就是如果你去看Chrome的那个插件商店的话？你能看见所有别的产品的一个活跃和下载量。因为它这个是一个很透明的一个生态。
然后当时你看整个插件生态里头的头两名分别是AdBlock？就是去广告的，和Grammarly就帮大家改那个语法的。其实他们做了很多年，对吧？他们产品那绝绝对没有问题，非常polished的产品？但他们最后都停留在大概五千万左右这个量级。五千万其实确实是很大的，对于一家创业公司来说？但如果你跟整体Chrome这个浏览器的日活的话。它应该Chrome的日活我记得能有二十亿吧？如果没有记错，对，因为我也没有准备。可能数据有错。
但我们当时觉得？好像我们做到底也只能渗透到比如不到百分之一的Chrome用户？因为插件真的是一个就是形态比较高阶的一个一个一个模式。因为好多普通的用户其实甚至不知道Chrome能装浏览器插件？所以我们当时第一直觉是，也许我们被插件这个这个东西给约束住了。而我们当时想的比较天真？那我们想的是，我们能不能跳出插件而变成一款独立的、就是一个原生的浏览器在用户的电脑上？同时这样的话能做一些别的事情。就比如说我们可以做端侧的模型？当然这个其实就是一个一个坑，待会儿会讲到。
嗯，然后我们当时就开始做浏览器？大家都很兴奋。然后从我加入之后？马上就快马加鞭去开始搞，一直其实从四月份我们搞到了大概九月份？我们大家就做事还挺快的。我们其实内部已经早就有一个能用的一个浏览器产品？然后这个我们其实内部摸了一圈之后，意识到这事儿有问题。对，怎么有问题？对，这个有问题点非常好玩。
就是我们当时做了的？当时张涛加入了吗？加入了，加入了。就那是几月份？二，我是四月份加入，涛哥应该在一两个月之后就加入了。哎，你给大家来介绍一下你们这几个抠方队吧？因为大家都分不清楚你们这几个人啊。对，我觉得这是一个特别棒的一件事儿。就是呃？为什么我这些先开个玩笑？就是为什么我觉得不当CEO很好？因为虽然Manus的宣传片基本是我出镜。
为什么是你出镜？因为要说英语，对？然后呢？这时候呢自然有人支持、有人骂。对吧？他们看着宣传片骂，对吧？这萧红太坏了，对？所以就是感谢萧红帮我挡了很多枪。嗯，然后是这样的？就是整个这个Manus这个团队？或者说蝴蝶项目这家公司？其实我们有六位合伙人。对，我都不知道啊！对对对，其实主要就是平时在外面可能露脸稍微多一些的是张涛？我们的CPO。他会负责很多的，无论是产品，以及其实更多的？比如说与外部的对接、包括一些对外的宣讲这些事儿。这是张涛。
张涛之前也是一个非常非常senior的连续创业者？他经历了什么豌豆荚、神策，后来光临之外都做过。然后这是他负责产品？对他负责产品以及对外的对外的这些合作。嗯，然后是肖红Red和他是我们的CEO？然后还有我们的CTO潘潘？以及我们的一个负责呃我们的CMO啊慧杰。他们三个其实是之前就一直在一起创业，做过两三家公司了？他们其实是Monica的原始创始人这三位。嗯，对。然后出再之后就是我？还有我们的CEO CC？他是一直负责就是比如说这个公司运营啊、财务相关的同事。所以其实我们是有有六位同事是合伙人？对，现在创业公司团队会变得更大吗？
对，因为它需要能力更复合。呃，我觉得其实是这样的？就是说首先现在可能有一个就是外界的一个观点？好像说在AI时代团队会变得更小。嗯，我们觉得这个东西首先你不应该作为一个指标？它或者说它应该是一个被动的指标？就是我们绝对不会为了团队规模而进行任何的特殊的优化。我们只会自然而然的去观察团队规模的变化？但我觉得确实如你所说，有一点就是现在你很难去分清各个能力项。因为你很难做到完全正交？像比如说我们做Agent这个行业的话，其实你的Research跟Engineering是很深的耦合。而产品你又在同时引导你到底这个系统架构该怎么做？
嗯，所以确实就是我们这六个人基本全都是连续创业者。而且之前大家可能都扮演过不止一个岗位？对，所以我觉得这也是大家合作比较好的一个点。但与此同时？你又很难得能找到一些就大家在自己领域做的很深，却又能听得进去别人话的人。就是我说？我们是一个非常难得的团队？因为我们六个人的都是身心健康，然后无不良嗜好？且这个观念不极端。你下的不良嗜好都是什么样的不良嗜好？我们开玩笑啦，啊！至少我们对烟酒都不太沾的。
你们的决策机制是什么样的？呃，我觉得这是我们一直在持续改进的一个事儿。就是我觉得创业公司其实在不同阶段或者说你在解决不同的事儿的时候？你需要不同的决策模式？我们认为，就虽然我们是连续创业者？但其实我们也都不成熟。最近在逐渐走向一个更理智的一个方式？我们可能这样总结，就是说你要把你的管理分成几种不同的类型。一种是呃专制的？或者有英文有个词叫BDFL，就是Benevolent Dictator for Life。就是仁慈的终身独裁者？这我们叫集权式的。还有一种就是民主式的。
我们觉得，如果你把你整个决策分为三个阶段的话？就是可能叫GPA：G就是Goal你在定目标，然后P就是要你定优先级Priority？A就是Alternative Alternatives就有不同的选项。在这决定这三个事儿的时候你要用不同的模式。做你在定这个goal的时候？你应该是一个比较专制的模式，就相当于是也许是比如Red作为CEO？他应该就把这个大家的这个目标给定死。而在决定priority的时候，应该是一个专制加民主的一个决策形式？就比如可以呃首先有一个人能拍板？但是大家能充分发挥自己的这个意见。因为这块会涉及更多不同的专业expertise这些东西。
而在大家提供方案？就这alternative的时候，是一个充分民主的。因为在这个阶段也许我们觉得就是可选方案的数量？甚至比质量更重要！因为很多时候如果你没有足够多的数量的话，你的决策的空间其实一直是非最优的。嗯？就好比你训练了一个模型？但你的action space本身就有问题，那你挑什么呢？对吧？所以我觉得这是一个混合的一个模式。当然？我觉得我们还都非常的业余，最近也在不断学习这些事儿。有什么样的是小红会拍的吗？有什么事情是他个人会拍吗？
呃，会的。我觉得就是小红还是作为产品方面的最终的决策者。嗯，我们觉得这是非常重要的一点？就是我们包括我自己都比较相信的一件事？就是与其悬而未决不如赶紧试试！因为好多时候我们在做一个新的领域的时候，其实第一你过往经验不一定有用；第二点就是你现在想更多？其实你没有额外的信息的输入，对吧？你仍然是基于你模型内部的呃参数化知识。没有做rag，对吧？你也没有一个检验的结果？那你在想太多？你不如先把这事干了。拿到你的reward再去做！所以这个一直是我们的核心的一个指导的一个思想。
所以他做CEO和你做CEO的区别？可能是你可能是技术驱动，他可能是产品驱动的。对，这家会导致你们公司的基因是一个产品驱动的基因？是的，是的！但是我觉得小红我非常尊敬他的点？就是他也充分尊重我。就比如说对于一些技术方面的决策，我也是可以做技术领域的BDFL？就是说我是可以当技术方面的独裁者。这是也是可以的！嗯，所以整体是自上而下还是自下而上？啊，我觉得我们在逐渐从一个自上而下的体系尽量去变成自下而上。因为随着团队的扩张和这个团队成员的质量的不断提升？我们觉得自下而上会有更大的一个动力。像之前的话比如说我们在一个纯粹的快节奏的过程中，你可能自上而下是一个更稳健的一个做法？嗯，但现在我们在逐渐的变得更成熟。
我们刚才在聊四月到十月份你在做什么？哦，对对不起！我都都已经聊聊聊远了。当时我们做了其实很多事情？但是呢其实围绕的一个母题就是如何做一款AI native的浏览器？就是所谓的AI原生浏览器。对，当时做出来产品的形态其实跟现在的这个ChatGPT Atlas还有像那个D啊已经很像了。嗯，当时呢我们想的这个切入点有几个？一就是说我们要训练一个端侧的一个模型来让一些操作能够在用户的电脑上去完成。既不产生API消耗？同时呢也是充分尊重用户的隐私！这里就埋了第一个很傻的坑。
就是你拜托你做的是一款浏览器？浏览器本身就是联网的，你为什么要追求一个一个离线端测运行？现在想起来可能有点傻。第二点就是用户其实大部分时候不会关注你到底是离线的还是怎样的？他们要的是最好的效果。嗯，而当时的话你其实？在电脑上比如即使你只做苹果这个Apple Silicon芯片？你其实也就跑一个3B左右的模型就已经差不多是极限了。那用户会拿你跟云端的旗舰模型去对比？你的效果一定会差一些！这是我们想的第一点，现在觉得很可笑。
第二点其实至今有很多人在做的事情？就是想让AI接管用户的浏览器来完成一些自动化的工作流。这个事我们当时也做了，但是这就是我刚才讲的为什么不对劲？我可以展开讲一下？它是我们觉得有几点吧嗯可以细数一下。第一点就是说如果你让AI接管用户的电脑的话？你会发现一种很奇怪的使用体验！就比如说我让AI去帮我在一个网页上完成填表？那这个时候比如AI当它填了一个字段之后，我一滚屏幕。比如我想看看下面嗯？我其实打破了AI的observation！就是就呃这可能待会再解释吧，就是AIGC工作的一个流程。那这时候AIGC可能会？它把这网页又拉了回来，嗯！
那这个体验很奇怪？就好比你有一个特别聪明的实习生？但你好像非要把你跟这个实习生一起共用一个电脑。这个就体验就很怪！就是两个人在一起抢一个系统？而实际上我们现在用的所有的操作系统和软件本质上来说还是为一个人同时使用设计的，所以这个体验就不好。第二点我们发现什么样的任务真正是有价值的？因为包括现在也有很多人在做所谓这个GUI agent，就是用户界面自动控制的agent。嗯！你会发现如果你让他去完成一些你通过简单几次点击就能完成的任务的话？你觉得是很亏的。因为你的迅速的决策其实比AI还要快！
而你即使让他比如很简单的帮我点一个外卖？他可能每一两步之间、每两个呃两步之间的推理可能也会五秒十秒这样的一个时间？当然现在会更快，但你会觉得这好像没有产生多大的价值对吧？我干更快！这是我们常见的一个想法。嗯，那AI真正有价值的应该是那种长任务？就long horizon
任务的范围很广，也许超过了我的能力，或者它需要运行很长时间。多步执行几乎是一个必然的过程，因为这种任务我才不愿意做，才想交给AI去做。但这时候会有一个问题：因为你做的是原生的AI浏览器，AI其实是在你的电脑上运行。虽然模型不在你电脑本地，但它持续操作你的电脑就很尴尬。我不能把电脑盖上，因为盖盖子后电脑会休眠、卡死。在AI持续进行长时任务时，难道我还要一直盯着它，保证电脑不睡眠吗？这样我自己又没法干别的。我觉得这两种体验都非常奇怪。当然，这只是一个模糊的感觉。
其实更大的问题是团队没能回答一个核心拷问：做了这样一款原生AI浏览器后，有什么是原来的Chrome加Monica做不到的？后来想想好像没有，我们就逐渐变得理智。这个过程也很重要：当你做完一个产品时，你会站在想说服自己的立场上。即使我们都是连续创业者，大家还是会有惯性——刚做完一个东西，起码自己会偏心一点。但当这些问题逐渐暴露后，你会趋向于冷静的判断。越想越觉得这事儿不对：人类历史上浏览器的迁移其实只有两次，一次是从Netscape到IE。
还有一次是从IE到Chrome。这两次变革的根本原因其实是分发能力，也就是你的渠道分发能力所决定的。IE是通过预装实现的；Chrome则稍微复杂一点：一方面当时谷歌已经成为事实上的首页，另一方面IE遇到了一些非常严重的技术问题，包括安全问题。这是一个历史机遇。但是，如果我们现在处于一个Chrome运行良好、且有Monica这样优秀插件的生态中，用户有多大的动力愿意因为AI而把浏览器换成一个新的呢？
当时我们就开始思考这个问题，但心里还没有最终决定怎么办。直到后来老天帮忙：有一天我们上网看推特，发现一家很尊敬的美国创业公司The Browser Company做了一款浏览器叫Arc。很多朋友可能用过，它主打设计感，后来也加入了一些AI功能，很受小众极客的喜欢。比如它率先做了竖排的Tab边栏。突然创始人Josh Miller说：“我决定停止Arc了，我不做Arc了。”
这是一个很大的决定。他说的原因一下就跟我们产生了共鸣：“我做Arc这么久，甚至无法说服我的亲戚朋友从Chrome换成Arc。”所以我们觉得好吧，他已经把我们心里的担忧黑纸白字地写出来了。我们觉得可能真的浏览器不适合创业公司去做颠覆。你做了两遍浏览器，对吗？这是我的第二遍浏览器，我又得到了相同的结论。可能之前我没有这么系统地想过这个问题，因为那时候还是凭爱好往前冲的状态；而这次我们很理智地想觉得不太对。
当时看到了一些苗头，九月份停了这个项目。我是2024年四月加入的，浏览器其实到八月就可用了。但是八月、九月甚至快到十月的时候，心里还是有些波动。真正停了应该是九月底吧。小红当时就觉得浏览器有点不对，但是不敢跟团队说，原因是因为你们都是被她用浏览器忽悠进团队的。所以觉得特别是你吧？其实我觉得我跟张涛应该说，对你和张涛对对对，但肯定是这样。这也是小红比较好的一点：她非常会考虑大家的感受，而不是以艺术家的方式去解决一些问题。
那段时间反过来看特别宝贵：大家在一个很自然地形成共识的过程中，逐渐放下了浏览器这件事儿。处于一种几乎无所事事的状态时，当一群不太笨的人无所事事的时候就会产生很多很好的想法。你们是怎么达成要放弃浏览器的共识的？是他来找你说的吗？其实每个人心里都会提前感觉到有些不对。我觉得一个最典型的点就是：当你一款产品你觉得已经打磨好之后，你突然觉得不是特别酷。
这个产品如果按今天的话我可以断言：如果一个产品做完，你觉得不太酷就别发。你都觉得不酷，没人会觉得酷。“不是特别酷”这个表达很艺术家啊？对，这是非常艺术的一件事。因为我此刻站在用户的立场上：如果你本该最喜欢这个产品的人你都不觉得喜欢，那你怎么能奢望用户会喜欢你呢？对吧？我不是以一个决策者的角度在说这件事，我是在站在用户的身份去想。在一个新的时代把上一个时代的产品重新做一遍，你觉得是一个好的创业思路吗？
我觉得这个话不能非常一概而论地去判断。首先我有一句特别喜欢的名言：“For every complex problem, there's an answer that is simple, clear, and wrong。”就是说，对于任何一个复杂问题，总能有一个简单清晰但错误的回答。我觉得我们很多时候都在过度总结一些事情。所以这件事我不能二元地直接去切分它，但这确实是值得警醒的：因为很多时候大家选择这种做法是基于思维的惰性。你在参考过去一个时代的成功因素，并想用一种新技术去把它再做一遍，但其实你要考虑到外部环境的变化。
所以我觉得不能二元地去切分。你们放下了AI浏览器的产品，但是其他团队还有在探索的，你觉得AI浏览器的未来会怎么样？我觉得我不能替别的浏览器做主。而且我不是说因为我们放弃这事儿就一定不对，是因为我们团队自己达成了共识：可能做这个东西的收益不是特别明显。因为你想，如果我们选择了另一种心态——好吧这个产品我不是特别酷，但既然已经做完了我们就发出来看看。但这会把你带入到一个比较不好的漩涡中：当你发了一款产品之后，一个负责任的团队会持续维护它。
但这会带来很大的机会成本：我们可能因为要不断进入一种自证的循环中，去错失明明更有价值的新的机会。对。而如果有一个团队现在已经把AI浏览器做到他们已经比较满意的程度，那我觉得你进入一个自证的循环应该是对的。因为你可能今天是一款所谓的AI浏览器，但你沿着你自己选择这条路走下去，也许会发展出一个完全不一样的产品形态。没人知道会怎么样。对，所以我觉得我不能替别人做这个决定。
你看小红说服你加入说的是：在一个产品里把浏览器、搜索引擎和大语言模型全部重做一次。到了2024年的九月、十月，你们决定放弃浏览器这个项目。你当时心里有波动吗？你的真实想法是啥？你会觉得被她骗了吗？我觉得其实不会。就我刚才讲到一点，他只是最后用这一句话把我说服加入。但是我肯定不会只因为一句话就被说服。所以我觉得我非常珍惜的一段经历，还是首先我们通过Monica真正拿到了一张理智的AI应用的船票。这是非常重要的一点：我觉得这个产品的意义是非常非常大的。
第一，它是一个正向现金流的产品。这个词我们可能会说很多遍：如果一个团队有一个正向现金流的产品，你在做第二个曲线的决策时你会变得非常理智。也就是既大胆也理智。我们之所以后面敢豪赌很多东西，是因为我们知道Monica一直在帮我们赚钱，所以我们会以一种非常客观又大胆的方式去做决策。第二点就是Monica真的让我们知道用户在如何用AI，让我们理解了Context（上下文）的重要性。
或者说Monica这款产品跟Chatbot最大的区别是什么？就是如果你在用Chatbot的话，你一定要做的一件事是把你要看的网页内容复制粘贴进对话框中；而Monica它本身就是一个主动去观测你的Context的。你只要在用浏览器，插件就在看着。它其实就把Context的传递变得非常通畅，这给了我们很大的启发。更具体地说我们知道了一些用户的整体行为习惯。当然我们会尊重用户隐私不会去窥探你具体的Session，但你其实通过一些宏观的脱敏统计数据能看出很多Pattern（模式）。
为什么这些产品都是M开头啊？还包括你之前的公司？对，我觉得这个很好玩儿。我第一个产品叫猛犸浏览器Manus M开头；第二款产品叫Maggie M开头；然后Monica也是M开头，Manus也是M开头。我觉得这完全就是一个巧合：可能M开头的产品运气都不会太差。而Manus有一点私心，因为名字是我起的。怎么取的这个名字？哦，当时我们纠结过很多名字，但后来真正让我们想通这件事的一个点是我们想明白了自己该做什么。
当时的话做浏览器这个名字已经依稀有一个感觉：模型解决的是智力，但是再强的智能你也不能把环境给内化掉。所以你一定是需要一个手去触及现实世界，否则你再强的思维只是一个理论物理学家或者说甚至是一个缸中之脑。所以我们想做的是让智能真正去触及现实世界。这让我想到了MIT的校训“Mens et Manus”，是一个拉丁语翻译成中文应该叫心与手，或者叫心手合一。我们觉得别人都已经在心智这件事上做了很远的探索所以基座模型公司的使命如此，而我们要做的其实是那个手。
所以Manus就是拉丁语的手的意思。说说你们在那段闲散的无所事事的时间里怎么产生Manus这个idea吧？对，这是一个渐进的过程。我觉得又一次是上天赏饭吃：当时大家还在正常运营Monica吗？同时也会做一些别的实验。但是我们会发现那个阶段下已经有一些AI产品受欢迎，尤其是Coding领域。那时候像Cursor、WinSurf包括后来的Devon其实有很多用户。然后我们作为工程师肯定会用嘛？嗯，我们发现公司里和很多非工程师都在用Cursor。
这就让我们很意外：因为Cursor的产品形态仍然是一个IDE（集成开发环境），就是写代码的人才用的东西。我们发现比如公司的运营同事居然在用Cursor去写博客；数据分析同事在用Cursor进行数据分析和可视化。这就让我们非常意外：因为它本来是一个最专业的产品形态，却有很多非原始设定的目标用户群在用。然后我们就会站在他们身后去观察：你们到底在怎么用Cursor？很好玩，因为左边都是代码右边是跟AI聊天的窗口。
很多这些同事也不会写代码根本不看左边的东西，他们就是在不断地跟AI交流让它去完成一个事情。AI通过编程的方式以代码为媒介去完成后非编码任务。那我们觉得这点非常重要：让我们意识到其实编程不是一个垂直能力，编程是一个通用能力它是解决通用任务的一个媒介。这时候我们要想的就是Cursor这种形态对他们来说不是最优的：第一点是我们刚刚在做浏览器尝试时学到的——它不应该跑在你的电脑上，否则不能解放你在长程任务中的注意力问题。
其实老说“Attention is all you need”，我们希望解脱用户的Attention，让模型能在云端去运行、异步地去执行。有异步之后其实还能带来另外一件事就是并发：如果你能让很多不同的任务同时去跑的话这才是真正的成倍提升效率。所以第一点我们认为Cursor这种产品应该换一种形态抛在云上。第二点就是代码这件事应该作为一个工具而不是主要呈现，因为对很多人来说看见代码有一点天然的紧张感。
尤其是它跑在你的电脑上Cursor会经常问你一些权限：“我想安装这个软件，我能不能把这个文件删掉？”其实对于很多用户来说看不懂技术名词后唯一的选择就是好接受。这很恐怖：我们有一个朋友当时用Cursor也不懂技术瞎用，结果把网卡驱动给卸了导致电脑上不了网。所以我们觉得不行：应该就是用同样的技术但把技术复杂度包装起来。第三点就是这个产品面向的人不应该只是专业工程师，因为那个领域的卷度已经几乎饱和是绝对的主航道。
所以我们应该面向的用户按我们的话说叫Prosumer或者说所有的脑力工作者但你却不是程序员。因此我们就觉得应该改变一种产品形态。很幸运的是当时在浏览器中已经做了很多技术积累：比如我们对Chromium内核非常了解，然后自己也做了整套Agent Tech的调度系统。那好对我们来说好像这个事儿也没有那么难：我们要做的就是把整体AI浏览器这个东西搬到云上。所以我们当时内部立了一个项，也是我瞎拍脑袋起了一个项目代码叫Air BNB。
是什么意思呢？Browser in Browser in the Air，就是浏览器里运行里面运行的浏览器其实跑在云上。对所以也比较幸运我们没有浪费太多当时做浏览器期间的技术积累：从九月底十月开始正式搞其实也就六个月就把Manus做出来了。而且实际上Manus不是三月做完的是一月就做完了？对从几月开始搞我们从九月底开始搞然后其实到2025年的一月中Manus基本已经做完了。但当时我是决定说不该马上就发：为什么呀？因为是这样就是当时我们能拿到最好的模型是Claude 3.5 Sonnet V2。
就是Claude 3.5的第二次迭代它初步具备了一些Agentic能力，但是它其实会有一些问题：比如大家可能从技术角度来讲首先它缺乏一个真正的Reasoning能力。另外一点就是我当时听到些Rumor说他们应该在两个月后会有一次模型发布，当然我也不知道最后Cutoff 3.7会有多好。但是我觉得我们最好能把发布时间点跟下一次模型迭代对齐，这样的话产品发布的一瞬间能享受到最大的代际提升、模型的溢出。对所以我们应该再多花一个半月去打磨这款产品跟下一次模型迭代对齐再一起发布。
你们从放弃浏览器那个项目到想出Manus idea中间很短的时间？呃其实你可以说短也不短。我觉得当时真正意义上可以堪称无所事事的时间有两周半？这么短那很短啊！是啊。其实那段时间不能无所事事我们都在很积极地做很多不同的实验。那时候焦虑吗？我不焦虑一点儿不焦虑：这就是为什么我们说有一款正向现金流的产品很重要。当时我们的想法就是大家想想吧虽然可能烧了一些钱做那个浏览器啊？浏览器其实还好因为我们当时投入了人力大概十几个人。
除了人力以外其实没有太多别的成本。Monica当时能给你赚多少钱？Monica其实在Manus上线之后我们的投入可能少了一些但是现在又抓起来了。但当时Monica已经有接近十二个million，就是一千二百万美金那样。而且它是一个盈利的产品：但现在跟Manus相比一千二百万美金ARR不算什么，但是那个时候做一款AR
产品来说，我觉得是很棒的一个成绩了。这是外部 ARR 吗？呃，当然不是外部，我们非常看重这点，就是我们一直在强调什么是 ARR。ARR 是 MRR 乘以十二，MRR 是什么东西？你不能把你一个月内获得的年复算在当月之内，你必须得除到每一个月。然后所以我们内部看 AR 或者 MR，我们就一个口径：就是你看你 Stripe 上面给你的 MRR 数据，以及你移动端的 MRR 数据。要不然的话你有太多种方法去把这个 MRR 这个数字造得很大，但这个就是你自己骗自己。
然后现在刚才我说这也是一种 benchmark 呀，对吧？对于产品来说，这可能是你要优化的一个指标；对于模型来说，你要选一些 benchmark 作为你优化的方向。这两个都会共同决定你的 taste。所以我觉得这个是非常重要的点，我们非常抵制外部 ARR 这个事儿。Manus 有多少 AR？现在一个亿，已经超过了一亿美金。
然后是这样：我们之前的话还有一种比较复合的收费模式，就是说你除了订阅以外，你还会有 top-up，就是你可以额外的去增加一些单次的充值。但是我们觉得这样的话，其实给用户确实有很大的灵活度，但其实也给用户造成了很多困扰。所以我们现在在不断去简化这些定价方案。
所以目前的话，我们基本就是你可以很简单的理解为：你有一个免费的方案，以及一个你可以自由选择订阅金额的一个方案，默认是四十美金一个月。
你从三月到九月加入这家公司以后，这半年你对他的感受有什么变化吗？呃，我觉得有一些变化吧。首先就是他跟我之前所在的创业模式特别不一样。嗯，就之前呢可能是一种非常、叫非常的、就是较为慢节奏且谨慎的一个状态。因为一旦你要做一些技术层面的 bad，呃，就技术层面的决定或者说赌注的话，你会比较慎重。
但是如果你是一家完全以产品驱动的话，你会发现整体的节奏会快特别多。甚至一开始说实话，我是有些不适应的：就是我会觉得好多事儿为什么这么草率？为什么产品会更快啊？产品一定更快，因为产品的话你的迭代成本首先会更低一点。
刚才讲你没垂直整合模型这个问题嘛，嗯。第二点就是你如果一切都以敏捷开发的话，甚至很多时候你也说我先发了，再看看有没有什么问题，我再修。嗯。但是你知道，如果你自己训过模型，你知道在进行数据清洗的时候，那个代码你最好别让 AI 写。
因为你写好一个数据，你摁下回车之后，你可能会有一个几十万美金的 training run。你的心理压力程度是不一样的。嗯。就是经常你要做技术或者模型层面的工作时候，你每很多做的事情是有后效性的：就是你做了这件事，做完之后很难被轻易纠正。
或者说他就会在历史长河中留下一些问题。但产品的话，你的掉头会非常快。所以我觉得就是这个团队很好的践行了这一点，然后我可能花了一两个月时间才逐渐适应。
很多研究员或者技术风格的人不喜欢这种方式，他就会觉得他的技术文化比较差：他觉得太快了，他觉得没有真正的技术 bet。对于你来说没有这种问题吗？我觉得是这样：就是技术 bet 这个东西是听起来非常好的一件事儿。
如果你是家硬科技公司，你该做这个 bet，因为这可能是你最终的差异化所在。但首先，如果你是一家产品公司，那么你就不该有 bet 这个概念，或者说你会进行一些轻量级的可逆的 bet。大家不是经常说什么双向门决策、单向门决策吗？
如果你做一家产品公司，你还在天天想着你要不要 bet 什么东西，那我觉得你们是处于一个比较拧巴的一个状态。哦，对，这个还是要调整一下。所以你们没有 bet？啊，我其实这么说吧：就是我们所有的 bet 都不会有那么重的 bet，没有技术 bet。
呃，技术 bet 也有，但是所有的技术 bet 都不会是那种：比如说我需要两个月的时间去看到下一个预训练拆困之后，我在决定怎么样。就是叫什么“皇国兴衰在此一役”这种事儿不会有。对像比如说一些模型公司的话，我觉得你还是要有一些 bet 的：这就是我觉得两种 mindset 的不同。
那你们的 bet 是什么呢？产品形态？呃，一个产品形态：其实你可以说一开始不训模型这件事也是一个 bet。嗯，因为那时候我们开始做这个决定：可能现在大家逐渐、也许是在我到处游说之下，大家接受了这件事。但是那个时候其实很多人还是不太看好所谓的 context engineering 这件事的：尤其是我们当时开始做。
呃，对“壳”这个词，其实我挺喜欢的。嗯，因为“壳”这个词它严格意义上来说：你可以从操作系统概念叫 “shell”。Shell 可不是一个低技术门槛的事儿，而且“壳”跟“壳”也有高低。这我可以举一个比喻：就是如果 Monica，它明显是一个套壳，它其实是像生鱼片儿。
哼，对：就是说，它生鱼片的好坏基本完全取决于原材料——就是你海里捞出那个鱼怎么样啊？你几乎是一个没太加工的一个状态就给用户。对，所以你的价值增加是很浅的；但是像 Manus 这种东西，它仍然是一个壳。
但是它不是生鱼片：它也许是什么水煮鱼或者什么？因为我海鲜过敏，我没有吃过。这可能不知道它是不是很复杂的一个东西：以什么四川水煮鱼这种东西。Agent 和 Chatbot 的最大区别是什么？就是 Chatbot：这整个系统里只有两个元素——人、用户，嗯，以及模型。
你们两个之间以往复的形式去交互。但其实 Agent 有一个第三个元素是环境，或者叫 runtime。这个东西其实很重的一个事儿：所以你 agent 这个壳可能跟拆包相比，完全就不是一个厚度的壳。它是地壳一样厚的一个壳。
所以 Manus 做出来最难的是什么呀？Manus 我觉得有几个非常难的点：第一个就是你启动越早，你越难。首先你能相信 Manus 这个东西做能够做出来——这个是我认为第一个很难的事情：第一个 idea 是什么呀？
第一个 idea 其实就是从浏览器的这个自动化放上云端去。这是你想的吗？呃，这个我觉得是大家都会看到的一个一个点：就是我刚才讲的叫大家一起商量。但是我觉得我们看到 Cursor 之后，其实 Cursor 帮我们把很多事情理清了：所以我们一直都非常尊重且欣赏 Cursor 这个公司。
它给我们很多的 idea。然后我觉得这个就是第一个点：其实好多人说造出原子弹没那么难，但知道原子弹能被造出来是是最难的。而当时我们相对定义了所谓通用 agent 这个词，而在这个时候我们觉得：首先我们能够相信 Manus 能造出来——这就是一个 bet。
嗯，对：因为他要我们有没有举公司之力吧？当时也没有那么多人在这个项目。那时候非常少，我们一开始从五个人开始做实验：然后每遇见一点好的这个苗头，我们就会从 Monica 那边调动更多的同学进来。所以 Monica 当时有多少人运营？
Monica 当时团队应该有几十个人了：几十个。然后你们这边五个，对，大概一共就这个架构对吧？对。而且当时我们还分两边：就是我跟涛哥我们在北京，然后小红就是 Monica 团队主要在武汉。对，所以就是当时北京这边基本就是你可以理解成创新业务事业部：这样的一个寻找第二曲线。
对，寻找第二曲线，对：所以就是一个渐进加码的过程。所以你看这也是一个比较冷理智的一个做法对吧？就没有那种就是啊，旧的我不做了全都去搞新的。对逐步去做：我觉得这是第一个 bet，就是说 Manus 这种产品形态的东西是能够被制造的。嗯，这是第一个点。
然后第二点：其实开始做之后我们也有确实犹豫过：就是要不要开始训模型。因为当时你能拿到的基座模型用起来真的是很难受的——就是 Cloud 三点五、Sonic V二。呃，也许算是一个里程碑吧：但是其实你按今天的眼光看它的稳定性、可靠性和泛化性其实还差非常非常多。
嗯，而且直到今天：其实很多模型都没有解决的一个问题就是呃怎么说呢？现在大部分模型我认为仍然是为 chatbot 场景而进行后训练的。嗯，这还存在一个 alignment 问题：待会儿可能会进一步去讲这个问题。
嗯所以当时的遇见了一个客观的挑战就是我们要不要通过进行自己做模型这件事来弥补这个模型的不足？但是我是觉得我们又是在一个技术快速上升的一个阶段：因为你刚刚看到 Cloud 三点五 V一跟 V二之间的进步有多大。
所以我觉得我不该 bet 之间、不该 bet 在这个方向上：而应该 bet 另外一件事儿，是一个很轻量的 bet。就是那事儿没有 context engineering 这个词：嗯我们应该充分相信做 agent 框架是能够带来很大的提升的。嗯，对这是第二个当时做的 bet。
然后其实第三个 bet 是什么呢？就是我们已经看见 Cursor 获得了很大的成功：且很多人心里也会有一种想法就说我们是不是该做和 Cursor 类似的事儿？嗯，对。但这个东西就是我们觉得呃做中国版 Cursor：呃很多人可能现在也在做这个事情嘛。
但是这当时就是至少我心里还是比较坚持的，因为可能一直以来我创业获得的正反馈都来自于创新。嗯所以我觉得这还是挺开心的时候：就是我们应该去做一些有差异化的事情，而服务好那些 Prosumer。而不是跟他们在一起去卷：对反正这是当时做的三个判断吧，然后比较幸运好像都对了。
这里面判断好像很多都是我不做什么：对是的我觉得不做思考很长时间决定我不做什么啊，我觉得不做什么真的特别重要。因为你说 AI：我觉得最大的一点就是它让创业公司的产能变得很大。嗯所以好像以前比如说我们之前移动互联网那创业的时间可能大家没有那种我不做什么的自由吧：就是我在做某一个领域我要做一个新的领域或者业务的时候我受很多的约束。
所以外部的因素会阻止你一些过于天马行空的想法：嗯但 AI 时代大家好像眼中的机会很多，AI 又充分解放了生产力。所以我觉得每天都要回答就是不做什么：就 Manus 到现在我觉得都是一款相对克制的产品。嗯然后像有一些别的 Agent 公司他可能会觉得我增加很多不同的 tool：就是呃给 AI 给 Agent 增加很多不同的工具。
而我们每个月都在想我能删掉什么：所以就是仍然是不做什么是我们始终要想的一个命题，即使是通用 agent。Manus 是不是一个很重要的点？是在那个时候没有做一个中国版的谁谁谁？嗯，Minus 那时候是一个没有一个对标的是的。我觉得至少我自己的几次创业我从来没有想过对标这个事：为什么你们要做一个通用的 agent？
嗯，对这也是一个特别好的问题。就是呃按照传统的创业的理念大家可能应该是这样：选中一个 niche market 或者找进一个垂直领域扎进去做深。嗯这可能是更正常的一个做法：但实际上我是有几个不同的角度的观察既有技术也有产品形态的思考。
首先一点是技术层面：嗯就是我上一次创业其实就经历了一种专有模型被一个大一统模型吃掉的这样的一个体验。嗯所以现在这套技术体系之下即使你在做一个垂直的 agent 你背后用的是什么：无非还是通用基座。你可以做一些 specialization，但是你可能会遇见模型探索这件事待会可以再讲：嗯另外一方面 Manus 本质上是什么？
它其实是一个通用的模型加上一个计算机。因为每一个 Manus 的 session——就每个绘画背后都会有一个单独隔离的虚拟机沙盒：虚拟机这个东西学名叫做图灵机，嗯不有一次叫图灵完备嘛？就是理论上来说它是能够去模拟或者运行任何算法的。
首先这样我们就看到 Manus 底层的两个技术供给其实是通用的：那么走垂直其实是在上面加约束，这是第一个技术判断。第二点就是我们一开始就像做 Monica 一样：我们好像没有做特别大的使用场景上的 bet，嗯而是一种类似于达尔文的心态在观察。
就说我如果我给用户提供的是一套通用的技术架构的话：嗯我获得的优势是什么？就是用户可以按他的想象力去使用这个产品。同时我们作为创建这个产品的人：我们的使命是通过观察用户的整体的 collective 就集体的一个一个行为模式。
嗯去捕获到头部的场景：再让我们的产品团队去做最后一公里的优化。就像我们一开始其实 Manus 拿出来之后，我们其实在宣传中和我们这个网页的这个 case 中都是天南海北的什么类型的东西都有。嗯我们不要把用户先提前做一个引导让他用什么：逐渐逐渐我们发现好像用户很喜欢做 slides、做那个 PPT。
用户很喜欢做网页，用户很喜欢做批量的文件处理：然后我们发现哦那这些可能是值得我们的产品团队介入去做一些定向优化的。所以 Manus 是一个完全由用户所塑造的一个产品：且同时又保留了极强的通用能力。
而通用能力的話，就带来我说这个产品方面的第二个点：就是说我认为很多能力最后会收敛。比如说当时的话 Deep Research 就深度研究这个领域可能还是比较新的一个概念：嗯但实际上你看现在所有不同产品的深度研究的能力基本比较收敛了。
尤其像比如 Gemini 也有 Deep Research，OpenAI 也有 Deep Research：但这个当然确实还会有些差异。但是这个能力已经逐渐的所有产品中都具备了：那这又让我想起以前做搜索引擎的时候一个体验。
就是或者这么说你为什么用 Google 而不是用必应？如果你每天只查那些最头部的 query：呃最头部的那些查询词的话你发现你几乎用哪一个主流的搜索引擎它的第一页结果都是质量接近的：嗯那为什么我们还在用 Google 呢？
因为 Google 永远能在你的长尾 query 中给你惊喜：那这样解决的一个问题是什么？就说如果你你能够让这些长尾用户获得满意，他其实能够更容易的获得我们叫做 aha moment：就好像这个东西只有在这儿才能被解决。
我举一个例子其实当时有一个分子生物学家他用 Manus 就他觉得非常的惊喜是什么呢？他想用 Deep Research 这个功能：但是他的这个实验仪器导出的是一个非常小众的一个数据格式。他用别的产品是做不了这件事儿的：而他把这个文件上传给 Manus 之后，Manus 说哦这是一个很奇怪的文件格式我先去研究一下。
研究好之后 Manus 自己去 Git Hub 下载了一个开源项目来解析了这个数据格式：然后再继续去完成分析。所以就是这种长尾的没有人会专门为他做的场景，有一款通用产品能够解决：这个用户会获得极大的一个满足感。
而且这些长尾不等于低频，因为这是这个人他每天的工作呀：所以对于单个人来说这是一个 recurring 的持续的一个一个任务。嗯这是产品层面的第二点，产品层面第三点其实也解决了一个频次问题：就好比你如果要做一个垂直的 agent 你在用户心中你建立心智其实比较难的。
讲真比如说如果你是 To B 还好：因为 To B 可能是很多人每天的事情。但是就像你在每一个哈克桑都会遇见一个团队要做一个旅行规划 AI 一样：旅行规划这个东西其实对于普通老百姓来说可能一年就两三次、三四次，频次太低。
对你让用户记住你是很难很难的一个事情：对而如果你做一个通用的一个产品的话其实你有更大的概率来服务用户的方方面面。这样的话你能够有更好的频次：但同时你要做通用的 agent 你也有不同的技术方案的选择。
比如说有一些产品它可能也追求通用：但实际上它可能只是把不同的功能放在了同一个界面下，嗯它本质是多个产品只不过共享一个域名而已：而 Manus 我们会非常非常坚持的一件事就是说 Manus 是一个单独的 Unified、一个统一的 agent 框架。
所以用户在 Manus 中进行不同任务的时候它的上下文、它的记忆是可以自由流转的：所以我们能做到的事情就是跟垂直的功能相比我们永远能多做一步。我举一个例子就是世界上其实有很多能做网页的 AI 的 agent：或者说 website builder 就是网页构建器。
但实际上其实对于 AI 来说做一个好看的网页没有那么难：真正难的是如何让这个网页它的内容言而有物。那这样呢其实 Manus 它可以同时先完成 deep research：然后再基于获得的 research 去做出一个网页。
然后与此同时这个网页还有真正的实际的后台有数据库：用户呃如果这个用户把他网页分享到这个互联网上，嗯有更多别人在用他这个网页的话：Manus 才能再继续在一个 session 内帮你去分析这个网页的流量。
甚至能帮你做出一个 slide、做出一个 PPT：再给你发邮件发给你的潜在的投资人。所以其实 Manus 能够做到的是所有的这个垂直场景之后再多加一步：且能产生一个内部的网络效应。所以我觉得这是通用所带来的很重要的一个点：它的边界会在哪里？
我觉得它的边界其实取决于几个不同的维度。首先就是刚才讲到 Agent 要求
这个系统中，它分为三个元素：用户、环境和模型。嗯，其实这三个东西都有边界。首先，我先不说用户，用户边界最有趣的，就是第一点是环境。环境，我觉得是 agent 最重要的一个东西，因为环境里头其实决定了 agent 跟外界所能接触的这个边界。比如现在 Manus 选择了一个最为通用的环境，就是一台虚拟机，一台 Ubuntu 系统。但这个话我们现在在做很多的投入，我们有一个内部的一个虚拟化团队。嗯，这个可能有些朋友有误区，就是好像 Manus 给每一个用户分配一台电脑，其实不是的哦。
每一个 Manus 虚拟化背后是一个独立的一次性的沙盒，所以其实我们的这个 sandbox scaling 是非常大的。是那种有时候我们内部开玩笑说，Manus 其实是一款个人云计算产品。因为你真的是让不会编程的人也能去操作云计算，并享受云计算带来的这个算力，并用在日常生活中。但这块其实会有很多的边界要解决，比如说如何 scale 的更多的沙盒。
嗯，这个其实我们最近也不是最近了吧？几个月前我们推出一个功能叫 Wide Research。就是它不是深度研究，而是广域研究。比如说你在别的AI中去尝试完成这样一个任务，比如说，呃，帮我去找一找YC过去一批中所有AI营销公司的CEO，并把他的email找到发给我。你发现你给Manus Dry的任何AI，他们都会失败，因为既受于受限于context window。也受限于模型本身那些懒惰啊，这些问题，可能待会儿会聊到。
他们可能在找，比如十个、十五个CEO之后，质量会急剧下降，然后模型会会放弃。嗯，但是因为我们可以去不断scale out，就是不仅是是是是scale up，而是scale out。这样的话，Manus其实能说哦，这个任务很难，我可能要找一百多个。那我现在能启动一百多个sandbox，然后去并行去完成这件事，最后再进行汇总。所以，其实我们在这个虚拟化这块边界其实扩宽，这是第一层。
同时，我们也在不断的去增加能够使用的虚拟机的形态。比如一开始我们只是有一个基于Linux内核的一个虚拟机，但是我们就没有选择像用Docker这样的一种就container就容器技术。因为容器技术它其实基于Linux kernel的一个C group的技术，我们认为，如果你选择这条路，它确实更简单。但是呢，它会绑定于 Linux 系统，而很多其实专业的软件只在 Windows 生态里有。
所以，其实我们又选择了一条比较重的一条路，就是我们其实基于 Firecracker，它一个轻量级，但是是全虚拟化去做。所以，现在 Manas 其实同时还能用 Windows。所以这块也是我们在不断推的一个边界。嗯，与此同时，就是除了 function calling 这一种形式，就是模型跟外界沟通可能常见的方式。calling 叫工具调用，但实际上如果你给了模型一个完整的虚拟机的话，其实虚拟机内的预装软件也是很有趣的一件事儿。
就好比如果你呃 Windows 系统自带了很多专业软件的话，那其实你的可选的范围，你的动作空间又会变得更广。所以实际上我们还自己，你可以说我们在维护一个专门为 Agent 设计的 Linux 发行版本，里头内部有很多只有 Manus 才知道怎么用的一些工具，来完成一些事情。这是我们在这个环境这方面在探索的东西。
在模型方面，其实这时候也可以讲一讲，就是其实我们虽然不自己去模型，但我们一直在作为无形的大手在干预着这个事儿。这个很好玩，就因为当你有足够的影响力之后，其实你的一些需求其实是能够影响模型的发展的。这也是我们最近获得非常大正反馈的一件事儿，就是因为 Manus 的 token 消耗量巨大，所以我们自然是几乎所有模型厂商的头几名的这个的客户。所以，我们跟比如说跟 Google DeepMind 都有很深的合作。
你们突破消耗量有多大？呃，这个数据我可能不太好透露，但可以讲的一点就是，我们在各个模型厂商基本应该都是 Top 2 到 Top 5 的消耗量全球范围内。你们怎么 cover 这个成本？这就是为什么要做一款能够赚钱的产品，用户的钱变成了token的消耗量。这个你们现在就可以cover吗？啊，我们现在几乎能cover，而且这个在优化的曲线其实非常快。
其实今年三月发布的时候，我们确实是negative，呃，就是负负的利润，但现在我们很快就要打平，甚至打正了。这么快就打中了？是的，这我觉得就是技术演进带来一点。同时，你也不能就是被动的接受这，你一定要去影响模型厂商的决策。这就回到我刚才要讲的这个事儿。
这个脱困消耗量大概是差bot的多少倍啊？呃，这个拆报的你看怎么算？我可以给你一个这样的一个对比。就是因为以前我们做过 Monica，大家在做拆报的你一定会进行一个估价嘛。估价就是你得基于 input token 跟 output token 的成本去计算，这两个差很多的。因为对于 transformer 结构来说，你的 input 其实是 prefilling，这是可以并行计算的，它是 compute bound 的；但是你在输出 token，它是 decoding，这是是这个 bandwidth 去 bound 的，它的定价是不一样的。
一般来说，你的 output token 会比 input token 贵很多。所以在差报进行这个价格的估算时，一般按三比一，就是三是 input，一是 output。但其实，在 minus 这样的 A 轴中，input 跟 output 的比例是一百比一到一千比一。根据你的 task text type 去去对比，所以其实你可以想象一下，output 的长度如果差不多的话，那 input 的长度就是你能估出来的一个对。所以你可以说是一个几十倍甚至上百倍的一个 token 消耗量的差距。
而且我们其实一直比较贯彻的一点就是，我们不会为了成本或者速度去缩减 token 的消耗量，我们一定是以质量为先的。所以甚至我们以消耗更多的 token 为荣。涛哥有一个梦想，就是他想造一个七乘二十四小时烧 token 的机器。对，所以这是我们讲，就是消耗很多token之后，你会获得很大的影响力。
嗯，同时因为就包括我在那团队，其实很多人以前都是做过模型的。嗯，对，就是我们知道这个东西该怎么改进，但我们自己不弄，我们把这个东西能不能外包出去呢？就比如说我们跟国内漫有很深的合作，我们就可以直接提需求。不仅提需求，我们会帮他们构建evaluation，甚至包括一些功能。比如说我记得是两个月前吧，那个Gemini新出了一个叫做可控的parallel function calling。
那一个定义和这proposal和它的实现schema是我写的，所以就是我们能够让他去帮我们实现一些东西。这里其实其实有很多要去探索的东西，比如说我刚才提到了一嘴，就是我认为现在大部分的模型仍然是被拆爆去做的。Llama，这是一个很有趣的一个观察。大家知道，其实从GPT三到Instruct GPT，它发生了一个很大的变化，不是在基座。而是在于你的后训练是怎么去让决定这个模型的输出的风格或者说形态的。
比如说，如果你用最早的G P三的A P I，你问他说北京天气如何，他其实不是回答你，而是他在尝试补全甚至复读。嗯，就是你问他北京天气怎么样，他会说呃东京天气怎么样，纽约天气怎么样，他其实在模仿你的这样的一个pattern，但不再回答你。而Instruct G P后和后来Chat G P T，它其实通过后训练所实现的是让模型知道我应该去回答这个问题。
嗯，但这里你看存在Chat G P T会存在一个天然的问题，叫做无论用户的问题有多么的复杂。他都会倾向于在一轮回答中回答完毕，但这个其实跟 agent 一个基础假设是不一样的。agent 基础假设其实就是圣语的那篇 paper react。我每次都跟别人讲，都是这个，我觉得这个抽象非常好，就是 agent 做的事情就是在一个一个循环中。基于用户的输入或者来自环境的一个观察，叫做 observation，去在你的动作空间中选择最有可能的下一个 action。
所以很明显，对于 agent 来说，接到用户的一个复杂输入之后，它正确的做法不是急于在一轮内回答全部。而是很有耐心的逐步尝试，且基于上一步的观测去调整自己的方案，去预测下一步。所以如果你仔细去想的话，其实 agent 的工况跟 chatbot 是不 align 的。而这里头会带来很多细节问题，比如说很多现在的模型会有一个耐心问题。
嗯，对，就是为什么会说模型？比如就是回答问题，尤其你强行用Chat模型完成长链路的Long Horizon的这个Agent任务之后。你发现模型干的事儿的质量越来越低，越来越低，越来越低。一定程度上来说，就是它缺乏这样一个真正在现实的Agent Trajectory，就是Agent轨迹中进行训练的过程。或者说，它的 data mixture 就是它的训练用的这个数据混合中是有 agent 这样 agent 这样的 task，但实际上它被 dominated。
它的 data mixture 其实还是为插播而设计的数据。模型的学习能力是极强的，你数据的 distribution 其实会影响模型的一个风格。就比如说，模型在输出到一定长度，或者说看见它的输入的token长度到某一范围之内，它会感受到一种无形的叫做context pressure。就是上下的压力，它会影响你输出下一个 token 为 EOS 的概率。EOS 就叫 end of sequence token，就是模型当它认为该输出这个 token 的时候，其实整个这个任务就结束了。
嗯，其实模型是能感觉到这种压力的，所以这块其实是一个很不好的事情。它让我们用拆爆的模型为拆爆设计的模型在 agent 任务中工作的时候，它会非常的着急。嗯，一个常见的现象就是。你会发现，他到后面开始疯狂用 bullet point，就写那个很总结，是一个一个关键点。一个一个关键点，写短，写短，对，这是一个很常见的一个事儿。
另外一点就是，这些模型它其实没有为现代 context engineering 做过一些专门的训练。嗯，我举个例子，就刚才我提了一嘴，说二三年初我就一直到处忽悠 long context。但我现在有新的想法，我现在有一个暴论，我觉得两百 K 以上的 context context 就不重要了。为什么呢？因为比起更长的 context，我觉得更重要的应该是让模型具备 compression awareness。就是说对压缩这件事儿的呃的意识，对压缩这件事的意识。
对这个怎么解释呢？就是如果你让你的 context 你的上下文长度无限单调递增的话，即使有 KV cache 存在。它是能让你的 latency 你的延迟和成本较低，但其实它仍然是即使你有一些这个这个 efficient efficientation。你是一个增长的过程，但这是不值得的。其实更重要的应该是什么？让模型知道说我现在的 context 已经很长了，我看我能不能把我一些 context 中的信息去 offload。
就是把它外化到比如说文件系统中，就相当于我有一部分记忆，就像人一样。我这个东西不用脑子里一直装着，人的记忆其实挺差的，就是我的工作内存很差。但是我会知道这个事儿，我可以整理成一个文档，放在我的 Notion 里头。我下次我知道我该什么时候去拿回来，或者说我知道我过去做了很多的事情。但是其实有一段东西它不重要，它只是一个过程。
那这时候我可以进行一个压缩，叫做compaction，或者叫compression，就是说我把我中间的一段历史变成一个很紧凑的表达。嗯，但是模型要能够明白说这段东西不是凭空消失了，它是被压缩了。而让模型意识到被压缩这件事是需要专门训练的。这个是未拆包训练的模型，其实没有很好的一个训练过的点。
另外，其实还有刚才讲到的，就是呃，像 Claude 3.5 V2 的时候，它还没有很强的这个 reasoning 能力。但reasoning这个词是非常大的一个最怎么说呢？最表面的reasoning现象，可能是像O系列这种reasoning model。就是说，当用户问一个问题之后，他在输出最终答案之前，会有很长的这个internal的long c u t。就是内部的长思维链。
但这个东西你如果盲目的用于agent的话，你会发现一些问题。比如说你会发现它的instruction following能力，就是它遵循指令的能力，其实下降的。另外一点就是，它其实出现幻觉和幻觉攻击调用的概率是提升的。所以，如果你直接把一个为了就是解决，比如说竞赛编程或者数学而设计的 reasoning model 平移到 agent 场景下之后。你会发现其实它的效果是下降的。
那这时候我们应该去改变这块的训练的模式，比如说你可能更关注一种叫 interleaved thinking，就是交错式思考。刚才讲到就是按照顺雨的 react 来说，就是你获得一个 observation 之后，你不要立即着急去预测下一个 action。嗯，而是在这块进行一个中间但是且相对较为短暂的 reasoning，嗯，去想想哦，我之前做了这些事情。那下一步我该做什么？
我该做这个是类似这样的一个结构，而不是说像比如说你让 O 系列模型去解决一个数学题那样。就是你用户给了一个很短的一个问题，他哗就想了几千个 token，全在脑内。这是不对的，这个是会在 AIGC 场景下产生一些负面效果的。但是比较不幸的就是，这个事儿其实可能说起来简单，但是大家做的，说实话都不是特别好。就是目前你说模型公司做的不好，做的不是特别好，对，这块还有很大的改进空间吧。
嗯，对，所以我也很期待，就是这个有接下来的这个进展。对，然后比较幸运的就是因为我们影响力会比较大嘛。所以就是我可以天天给这个模型公司洗脑，这个很重要，这个很重要，这个很重要。然后他们也确实很积极对待改进这些事儿，所以其实包括那个 Gemini 三出来之后，我们也很兴奋嘛。对吧？就是他们能以非常快的节奏去把我们之前预见这些问题实实在在的变成模型，嗯，而又很开心的是。
头部旗舰模型的成果会逐渐影响所有开源的模型，大家也会跟进。所以，就是我很开心的一点，就是好像全世界都在帮我们一起去模型，但却我们却没有自己掏出很多钱去砸进去。而是说我们让用户使用了一个很好的产品，用户付了我们的钱，我们为用户创造了价值。同时我们因通过这个获得了影响力，来影响别人，来帮我们训练很好的模型。这样它其实节省了很多我们内部的这个research的带宽。我们可以真正去投入一些非共识或者小众的事情去做。
你们沟通最多的模型厂商是谁啊？呃，这个其实都是非常非常均匀的。因为我觉得现在不同的模型厂商之间其实是比较分化的。呃，我不是说他们他们这个这个叫什么这个技术路线分化，应该说他们关注的点是很分化的。嗯，这可能也是有被动被动的选择。就比如说你要讨论真正的这个 agent coding，我不是说竞赛编程，就是这种偏现实工程的多轮的编程。那确实 OpenAI 还是最好的。
包括那个其实 Open 4.5，我觉得可能很多人对它有点低估了。这我觉得是一个非常大的一个演进，所以就是 Anthropic，他们在 coding 方面是非常领先的。嗯，然后呢，像 Gemini，很明显它的多模态领域，尤其是多模态的理解。就是多模态输入方面是非常非常非常强的，是一个断层级别的强。而且 Google 又有一些比较独有的资源。比如说，呃，通过 Gemini 可能是你唯一的能够使用到 Google 的索引的方式。
与此同时，如果你想让 Agent 具备，比如说视频理解能力，尤其是 YouTube 的视频的理解的能力的话。那你一定要选择 Gemini。嗯，而 OpenAI 的话，它在这个 reasoning，或者说这种偏纯推理方面的 reasoning 的投入是非常大的。它是有比较强的一个领先。而有的时候你要刷榜的话，其实 Open 的模型是一个很好的选择。嗯，对。然后其实别的这些像什么 Grok 呀，还有一些开源模型都各有特色。
所以我觉得现在对我们做应用的人来说，真是很幸福的一个一个时间点。谁对你们的反馈改进的最多？呃，我觉得看效率吧。其实目前其实头部的几家，我感觉像 Google 跟就是 DeepMind 跟 Anthropic，其实大家的响应都会非常快。当然就是因为我们不同的场景会使用不同的模型，所以大家就是在解决的问题的效率，去客观程度上来说也受限于这个问题的难度。嗯，对。
你教会了他们，他们可以反过来抄你们的产品，但是你们没有那么快能抄他们的模型，怎么办呢？你们的壁垒是什么？对，我觉得就是快。首先有一点就是你会发现，呃，比如说一些模型公司，他们偶尔会发布一些 research blog。你看，我们读到这些 blog
那时候心里也是又开心又无语，因为基本就是我们之前在讲的东西。比如他们直接写成一篇博客出来，像什么 thinking tool 啊，也是我们上线一个月之后他们写了一篇博客。最近那个就是用代码方式调用 MCP、progressive disclosure 这些东西，都是我们一直在做的内容。但我觉得这没关系，因为这是一个竞合关系。对我们来说真正的优势有两点：第一，因为我们针对不同场景使用不同模型，所以永远能为用户提供最好的体验。
第二点是他们的速度一旦垂直整合，其实一定没有我们快，因为产品迭代太快了。他们是成分化的，我们是综合的，刚好反过来了，这很反直觉。如果都是直觉的事儿也轮不到我们做。为什么应用公司开始做综合事情，而模型公司变成垂直整合且越走越窄？我觉得这取决于公司一开始的根是什么。
我们可以拿欧派作为案例，我非常尊重它，它是一个真正很尊重 bottom-up 模式的人。有很多朋友在 OpenAI，他是真的能够通过一小群人的创新逐渐往上走变成产品。但实际上我认为这就是我刚才讲的“买模型彩票”这件事，你的实现方式是基于一个突破来做场景。
但对于我们来说，所有外部的创新对我们都是一种养料和供给，所以我们不用做选择，也不用买模型大乐透。作为应用公司相比模型公司还有一个优势：大家常觉得智能提升好像不需要用户，至少在今年年初 DeepSeek R1 出来之前，DeepSeek没有很多用户。
但你其实通过 RLVR 这些方式能获得一些提升。但在 Agent这种特别长链路且与环境强相关的场景下，用户是非常关键的。因为用户使用轨迹及反馈留存于应用层而不是流动到模型层。所以应用公司有非常独特的数据飞轮，这就是为什么像 WinSurf 和 Cursor可以在较低成本下开发。
他们能在预训练基座之上开发出基本是 frontier level 但成本低且专门适配自己的模型。我觉得这是未来半年很重要的变化，大家会看见更多应用层公司利用数据飞轮以模型形式体现产品持续迭代。你们的用户画像是什么样的？
我们用最笼统的定义叫 prosumer，可以切几个常见画像：第一类是在互联网公司或技术公司但不是程序员的人，广义来说是白领或远程工作者。第二类是 freelancer 或者 solo entrepreneur，美国有很多独立自负盈亏的人在做外包或小生意，这是一类用户。
第三类较大的用户是金融和咨询行业的人。我觉得他们都有一个共性：有较强自驱力，且任务具有高价值。做 Agent 很有意思的一点是它不是在造工具，至少对我们来说如果你做通用 Agent，你不是在做工具，而是在做一个类似人的东西。
如果你做的是垂直 Agent可能还是在新造一种工具；但做通用 Agent就是在做人。做一个垂直工具比如汽车公司做的是司机，Lawfare 做的是设计师但其实是设计师用的工具。而 Manus作为通用 Agent我甚至可以用 Lawfare，因为它的抽象层级在于设计让 Agent能使用哪些工具或与外部交互的边界。
我们一直这样类比：我是一个普通人能做很多事是因为我有电脑，我跟电脑的 interface 就是我的手右手用鼠标左手用键盘眼睛看屏幕耳朵听声音没了。一个远程工作者通过这样简单的标准接口其实就能完成几乎无穷无尽种类的任务。
最近我们也看到欣喜的结果：Scale AI 发布了新 benchmark叫 RLI（Remote Labor Index远程劳动力指标）。在这个 benchmark里 Manus肯定是 SOTA 第一名，战胜了 Cloud、Gemini等竞争对手。我们非常看重这个 benchmark因为评判标准很有意思：AI系统完成的工作能否让现实客户愿意付款且无法区分是人类还是 AI 完成的。
虽然我们现在是 SOTA但实际上完成率只有百分之二点五离百分百还有很远距离。我们看中它的原因是因为它完美契合了我们想象中通用 Agent的衡量指标：它能完成多少远程工作者能做的事。解读空间很大，也许能让全世界百分之二点五的 GDP 获得加速这是一个很好的梦想。
进展仍然存在虽然很多人说 AI进步变慢但实际上 evaluation最重要因为它指引方向既是 taste也是方向。也许到了 2026年乐观一点能把百分之二点五刷到二十三十，这样就能占相当大的经济生产规模。你们现在数据飞轮是什么样的？
可以跟 Chatbot 相比有几个好玩点：用 Chatbot时当 AI输出不满意的东西第一反应可能是按重试键 Retry重新再 roll一次看会不会好一点；或者直接改原始 prompt。但在 Agent场景下用户会教这个 Agent，比如让 Manus帮筛简历标准不一样就跟它说喜欢这种注意下次给 Excel这是在教 Agent这是第一种。
第二种是即使不涉及个人偏好但 Agent很可能做错时我会去 fix它帮它修，比如告诉 Manus不对我已经帮你把文件改成正确格式。获得这两个数据在 chatbot时代非常困难。当有很大用户量后你可以基于 collective feedback做到一种在线学习（虽然我不喜欢这个词）。
即使不碰模型也能获得 self evolving能力，它是 parameter free不涉及参数化。通过更多用户使用能将更多通用失败模式及用户共识变成系统原生部分，用的人越多失败率越低完成同样任务轮次开销越小这是第一种数据飞轮。
第二种是我们仍拿用户最朴素反馈比如打一星到五星作为指导因为 evaluation很重要。但实际上 Agent自动化评估亟待改善，即使有 auto verifiable benchmark如 sweepbench等上线后发现表现好的架构和模型用户真实评分不一定高因为关注点与理想化标准不同。
比如用户更关注做上这个 size、长宽比是否超过十六比九、网站是否易用好看。刚讲十六比九的还能自动 verify吗？什么叫网站好用易且易用很难通过完全自动 reward model实现。所以我们非常依赖用户直接反馈且有固定团队做主观 evaluation，这是通过用户反馈指导迭代的方式。
我们是这样：有一个专门 valuation团队现在不到十个人但负责系统搭建，内部有完善体系及自动化。同时从产品团队有一些 junior同事专门负责主观 evaluation所以是技术和产品团队交集加起来大概十多个人加上不断轮转的实习生。你们现在核心关注的几个指标或什么呢？
我觉得有几个：首先从 interface界面角度抽象成不同维度。我一直说 coding一定很重要，虽然 Manus不是 coding agent但 coding是 Manus的灵魂。我们当然关注 Swiftbench但它快被刷爆了这是编程维度。第二点 Manus虽然没有直接 computer use（通过 GUI完成很多事）但用了大量 browser use，所以关注 GUI理解能力这是多模态输入一部分。
第三类是广义的 tool use 能力。大家非常关注但实际上到了 Manus复杂度并不多因为它的 action space有多种：不仅有原生 function calling方式，在使用自定义 Linux发行版时有很多命令行工具不是以模型原生 schema存在而是存在于系统中让模型能基于使用文档学会特定软件能力。
这是非常关键的，所以从模型原子能力角度我们最关注这三点。但其实还有一些难量化的东西如美学性和对错误的自我意识。错误自我意识很重要有低维和高维度两种：低维度如看 benchmark时无论 pass at one还是 pass at k看到的都是模型在 one shot过程中完成的状态。
很多时候模型需要自我意识到错误该怎么修复这是最理想的；更常见是用户先发现错误并指正。经常用 AI coding时可能有沮丧体验：无论是 Cloud Code还是 Codex，发现一个问题让 AI修它说完美修复其实没修好还引入另一个 bug。这个指标难追踪因为涉及真人 feedback这是低维度。
更高维度的错误是指他做出了能用的东西但无法推到下一个 level从可用到好用的这种错误。我们还是愿意定义为一种错误因为觉得能解决，比如 Manus跟其他 coding agent即使都能做网页但 Manus能做一步：基于通用能力每做完一个网页可以选择用浏览器玩一圈看看数据库记录是否对上了。
刚才有一些表达如模型懒惰、没耐心、感到压力着急，还有杨智林说长文本影响智商状态像人这是为什么？我觉得我们只是在用人习惯的词来描述，模型跟人一点都不像。强行把模型或 agent与人的常用思维体系去对齐是不对的。
你说你们做的是一个人吗？对，但我们做的是能完成人做的事情的一种系统，你不该与人的分工或特化去要求模型。我举具体例子：很多做 AI agent或多 Agent系统的开发者有惯性思维，要让系统中分为设计师、程序员、Manager等角色给模型增加不同身份。
我们觉得不太对，回想一下为什么人类社会有这个问题？因为每个人都不太全能所以在组织架构下必须有分工。但在架构下又有多少信息在通讯间损失？多少摩擦在合作中增加？实际上模型比人更加全能，所以你应该充分利用优势不要生搬硬套人的约束。
我是想表达这个意思：那模型应该怎么分类？Agent 怎么分类？我觉得你只能从输入和输出角度来看，不用分类。我想说的就是输入输出的意思：通用 Agent是把更多输入责任交给用户；做垂直 Agent在输入侧会做比我们要多的事情。
比如要做垂直领域，输入数据可能来自用户不太能自主产生或提供的过程一定得深入结合到某个已运行业务系统获得输入。同时输出也不是以标准化形式给出可能无缝传递给另一个系统中。所以它一定在输入输出上与通用 Agent不同且决定了哪一种是哪一种 vertical agent，但中间技术方案我相信会趋同。
你们为什么做通用 Agent而不是做一个 Agent OS？首先作为有职业素养的程序员我们会尽量回避 OS这个词。为什么？这是一个圣杯我不配，这是第一点。第二点就是我们认为 OS严格定义来说是一个中间层当然你也可以说 AGI 是很多东西的中间层。
但实际上我认为现在 AGI还没有到这一步：用户的文件、软件其实不在你这儿这是一个客观现象。在你没有获得这些东西之前不要称自己为一个 OS。谁适合做这个？会有生态位吗？我觉得比如我们跟微软有很深合作，像前任 Ignite大会上大家看到 Manus跟 Windows都会有直接合作。
比如以后在 Windows右键菜单里就可以用 Manus，我认为不是说有谁做了一款开天辟地的 Agent OS而是现在所有的操作系统都会逐渐具备 agentic
能力。嗯，且很开心的一点就是，我们发现现有的操作系统厂商在一个相当开放的心态在做这件事儿。比如说，接下来大家可以关注那个 Microsoft Agent 三六五。对，你也可以看到 Manus 也在里面。对，所以我觉得这个东西就像我们之前做浏览器一样，我更相信的不是突然出现了一个全新的 Agentic Browser，而是所有的 Browser 都在变得 Agentic。
你觉得 Agent 最后的生态会是什么样的一个格局？Agent 最后的生态是吧？嗯，我觉得是这样，就是可能垂直领域的 Agent 最后应该是一个百花齐放的一个状态。嗯，当然，也许还是 To B 方面会多一些。to
B的垂直Agent的会多一些，会多一些哦？为什么呀？为什么？我指的是海外市场。OK，对，因为首先有一点就是，目前因为我们现在只做海外嘛，嗯，我们觉得可能，尤其就我不敢说海外这么大词，就说美国市场吧。
嗯，美国市场我感觉现在大部分创业者都在想一件事，就是我要做一家给另外一家创业公司在使用的产品，并卖给另外一家公司。就是我觉得很多美国创业者已经失去了做to C的勇气和心气儿。你说美国华人创业者还是美国的创业，所有甚至华人好一点的，嗯，华人还有梦，对，我觉得像我们就是比较比较勇那种，我们还敢做这个事儿。
为什么呀？为什么丧失了这种？哦，不过过去十年美国嗯to B确实更好一些。对，我觉得其实与其说丧失，应该说他们这边的环境更形成了这样一种正反馈。嗯，就他们的退出机制非常好，很成熟，卖公司嘛，对，你可以卖公司，或者说你自己做to
B，你有一个稳定的一个收入，你自己独立上市、独立发展都没有问题。所以就是，这是他们这种成功的路径决定了美国资本市场的一个倾向，嗯，对吧？
所以就是在美国这种像我们这种跳出来做to C，那确实是一个一个很异类的一个东西。当然这也就会有有人愿意下大注嘛，对吧？谁愿意下大注？下了什么大注？就像我们现在就获得了一些压注，我只能这么说吧。啊。对，但像国内的话，我觉得上一代创业者就是就是我这代创业者，对，我们在这个移动互联网时代，其实很多人都是做to C的，其实也获得了很多的这种反馈，也更勇一些，对，嗯，所以我觉得这确实是两边的。
环境和持续的反馈带来的一个结果，所以你觉得没有垂直to C的生呃agent的生态位吗？啊，我觉得一定会有，一定会有，但是这块其实会比较微妙。就是我们团队有另外一个同学，他之前是做一款嗯剪辑软件，嗯，然后后来也是被被腾讯收购了。
然后呢，他其实给我说了一个很好玩的一个观点，就说做垂直to C的应用很难的一种一种模式是什么？就是比如说你要给剪辑师。做一款更好的剪辑 agent，他说这是非常非常难的，因为专业的人士会对这有极高的要求。这个用户会有一种从风险控制的角度来看待这个事儿，嗯，就比如说你一个工作流很复杂，你但凡有一个环节没做好，那对这个专业人士来说，这个东西就是零分，因为它是一个乘法关系，对吧？你就不能用。
但是你应该做一种什么样的 agent 呢？是做一个给非剪辑师用的，但是却有剪辑需求的人做的
agent，嗯，比如说自媒体。这样的话，其实你会变成一种给原本就有这个需求但做不了的人，他是一个净增益。对这个，我觉得是非常重要一点。这其实这句话其实影响我们很深。我们现在经常跟我们的用户或者这个别人交流，我们常说，Manus虽然我们在做一款通用Agent，它很像人。但是我们从来不以替换人的思路来想这个事儿，因为如果你要给别人一种说我要替换人的这样的一个心智的话，所有人都会从一个 risk control 的想法去想。
就我刚才讲的，就是你但凡一个环节不通，就是不通。嗯，但是其实你应该是一种提升人，就 enhance people 的思路去想，让你现在已经最高效的。雇员，或者说你是一个自驱的一个人，你获得了这个工具之后，你能让你的产能提升，那这是一个更良性且更现实的一个做法。
所以这个生态还还会怎么样？除了有通用的 agent，然后有垂直的 To B 的
agent，还还有呢？我觉得会有很多偏娱乐的。Agent出现，当然也就是To C的广义的To C嘛。嗯，对，当然这可能就是接下来看怎么走吧。现在我也看到一些比较有趣的一些一些尝试，比如说，对，比如说那个我就不说具体名字吧，他们做的可能就是呃，给每一个人做一个虚拟的Agent，然后让Agent以代理的形式之间进行社交，我觉得这都挺好玩的。
但我觉得我实在是没有这方面的 insight，所以我不敢。这种产品感觉适合 OpenAI 做啊？啊，你说 OpenAI 吗？我觉得 OpenAI 适合做所有产品。你觉得 OpenAI 会抢夺你们的生生态位吗？啊，我觉得一定是会有竞争的。但是我们现在观察到的现象是什么？首先就是在 ChatGPT Agent 出来之前，我们可能要经常回答的一个问题就是， OpenAI 做了，你们怎么办？他们做了，嗯，他们做了，对。但是很明显，效果是不如 Manus
的。为什么呢？就我刚才讲的，就是我们其实是能用世市面上所有最好的选择，嗯，而 OpenAI 它仍然是在它的领域有所专长。这是第一点，第二点是什么？其实跟他们的一个用户心智有关。ChatGPT Agent仍然是ChatGPT的一部分。
ChatGPT我觉得它是一个打透了的产品，就是Chatbot的战争已经结束了，所有的用户都在使用ChatGPT，但实际上有Agent需求的人，客观来说是少一个量级的。哦，对，所以我们其实一直是在自上而下去做，就是我们一开始触达的用户，其实你想，Manus在美国是怎么火起来的？其实都是一开始像什么这个Patrick Collins。然后，Jack Dorsey 就这些硅谷精英们，他们发现这个东西真的好用，能给自己提效，所以一直都是在服务一个相对比 ChatGPT 单价更高的用户群。
其实对于那种比如说快速的问答或者一些低价任务，包括我自己，我也是不用 Manus，我是用 Chat GPT 的。所以我觉得这是一个分层的一个市场，我们会长期专注为真正有高价值需求人提供他能找到的最好的 AI，而不是跟 Chat GPT 去抢夺一个就是最广的底层的这个用户群。所以 Chatbot 和 Agent 用户。不完全是一波人，它是不完全重合的。
它不完全重合，他们包括你们，呃，对，他们包括我们。但是实际上，我们一定要去满足的就是那些有最高质量需求的用户，就是他这些人肯定用过 Chat GPT，嗯，但是他们仍然会选择 Manus，是这样的一群人。其实是 Chat GPT 没有把这个部分的用户需求满足好。是的，是的，或者就是说，我们得保证我们永远能提供比 Chat GPT 的 Agent
更好的体验。那这是现阶段，未来呢？未来他们会赶上来吗？那我们也会赶上这个。就我常说，就是小公司怎么跟大厂竞争，就赶紧成为大厂。你们现在距离大厂还有多远啊？还很远，还很远，但是在做了，在做，在做。
长期来看，理想状态的 Manus 应该是什么样的？理想状态的
Manus，其实我想回到刚才我们谈了一个问题，但没说完，就是说。边界是什么？这三件事儿，刚才讲到，其实有三个系统，系统中有三个元素，一个是模型，一个是环境，一个是用户。其实我们觉得，接下来我们更关注的，也不我不敢说未来形态吧，因为对于创业公司来说，我们就聊三个月后的事儿都很慌。
我们就聊接下来这三个月内，我们会关注一点，其实是用户，其实也是一种边界，也是一种瓶颈，是什么？就是现在，无论A这种多么智能，或者就是说，Manus跟拆报相比，有一个最大的变化，就是它输出不简简单单是一段话，是一个action，是一系列action或者不同的产物。但实际上，它的起点到目前为止，大家看到了，好像还是一个prompt。那实际上对于用户来说，输入prompt是很闹心的一个事儿，而且它有更多的问题是很多context没能代入进来，所以我们一直在想，就如何去优化这样的一个事儿。
然后刚才提到就是张涛，涛哥的一个梦想是做一个七乘二十四小推二十四小时推理的机器，所以我们接下来会比较投投入的一个方向，也可能代表未来一段时间的manus就是我们在做proactiveness，就是主动性。这个词其实我觉得是O
I带火的，不是这个词其实应该是agent这个词的本意，嗯，agent的本意其实来自于agency。就是能动性、主动性，对。但是呢，之前的话，因为大家可能更关注的是一个结果的呈现，但是其实现在又到了该关注 context 这个这个问题了。
就好比 OpenAI 先做出了 ChatGPT，但 Monica 关注到了输入 context 这个点。现在我们也把这件事要做得更好，但是我们觉得不应该做成像 ChatGPT 的那个叫 Paws，对吧？那种就是他每天给你推很多东西，这个其实在占用户的时间。而真正现在能够把为 Manus 支付钱、真正获得价值的用户，他其实需要生产力效率提升的。嗯，所以我们更关注的应该是如何让 Agent 主动去完成更多的事儿。
嗯，对这个东西，现在我们内部已经已经有这个 Prototype，我们自己用的很爽。怎么主动完成？呃，这可能我先不方便透露太多，但我可以举例一个场景。嗯，就比如说我们自己每天，比如面试完人之后，我们可能用一些第三方的 SaaS 服务，比如像 Ashby 这些东西。我们需要去写那个就是 review，就写那个评价，然后呢，当然评价我们会自己评，但你要写很多这个这个描述这些东西嘛。
但其实我们在面试的过程中，我们可能用的是 Notion Granola 进行记录。那可能我们自己要干的事儿就是，假如没有这套新的这个 AI 的话，那我们就得自己去基于我昨天的这 interview 的记录，然后去填写这些评价。嗯，但实际上有了这个 proactiveness 之后，Manus 其实可以每天早晨在我醒来之前。先去自己看我的 Notion，帮我去直接把记录填到这个，填到 H B 里头，然后只让问我接受与否。
所以其实应该解放出来的就是用户的这层瓶颈，让 agent 的能动性逐逐渐逐渐去发挥出来。嗯，这我觉得是一个短期未来关注的点。开始觉得是你们想让大家能够更方便的去理解你们，所以你们用了一个通用 A 证这个概念。你觉得通用 A 证长期来看是是最合适的描述 Manus 这个名词吗？
呃，我觉得不一定，甚至说不是为了让用户更好理解。你知道我们那视频做的非常草台，整个这个工期大概就三天。是那块呢？因为还自己剪的是吧？对，自己自己剪。为什么那块要有一个黑屏？说什么 the world's first general agent 呢？因为中间那块其实发生了一个很傻的事儿。嗯，是当时我们那是在我们办公室一楼度的，背后一个保洁阿姨走进来了。所以，我们必须在那掐一个，就是得得得减一针，得有一个黑屏。那完了，那这这只能给一个定义了。
然后大家一想，就是 Manus 如果刚才一开始说了，我们也没想好这玩意儿到底是这个，你怎么定义它，对吧？它到底是为谁去服务的？因为我们想的是去观察嘛，去做达尔文，就想有一个壳，然后大家进来，不是一个壳，它是一个一个 playground。然后呢，那好。呃，责任就到了我，因为我得写那个视频的稿。我想，那这个我们管它叫什么呢？对，所以整个这个概念就是我拍脑袋想的，是临时想的，对，然后就被大家采纳了，所以我觉得特别对不起大家。
对，但是我们觉得这个词其实它偏技术了，嗯，因为它来自于所谓的 general purpose agent 这个，看上去好像是为了占一个位置。设计的这个词就是为了占，因为我都说二五年是 A 轨元年嘛，看上你们想占占那个最大的生态位，然后取的这个词，其实不是，是为了是，是因为挡住保洁阿姨，取的这个词。就这是一个从市场角度来说，我觉得不是一个很好的选择，因为对于不了解技术人来说，这是什么东西？嗯，这是一个很奇怪的东西。
所以我们现在现在更想强调的一点就是说，做通用的 agent 是因为我们的一个技术选择。就刚才我解释了很多，对吧？就是你有一个更好的技术架构，其实你可以让不同的场景之间有很好的协同性，并且互相增强那个网络强。嗯，比如说我们其实新的那个 Meta CDR 五里头，我们一直在强调 website building 这个能力嘛。但实际上这个功能我们只开发了不到一个月，但它效果目前绝对是搜它的。这就是因为我们其实在一套统一的一个 A 阵架构之上长出来的那个最后一公里。
对，但是这个对用户来说，其实我们没必要解释这么多。我们未来对用户的沟通其实完全就是根据客群去讲，嗯，比如说你是一个企业，那你可能更关注就是 internal tool 就内部工具的构建，嗯，那我们就跟他讲，就是 Manus 是一个非常好的内部构建的一个工具，同时它能帮你去把各个环节串接起来。所以跟所有的垂直的产品相比，我就还想强调那一点，就是 Manus 能做所有的事儿，做的一样甚至更好，且能多做一步，是这样的一个定义。
我觉得 agent 这个词，未来大家其实也不用太在意这个东西，它就是一种一种新的东西。那比如说，大家需要一个负责设计的 agent 吗？呃，我觉得也许是需要的，因为它要融入你特定的工作流。就好比你设计领域如果没有 AI，你往回看也会从同时存在 Final Cut Pro，嗯，跟剪映，就是这样的一个情况。你觉得 Manus 会收敛吗？
呃，你说收敛是指收敛到某几个更垂直的领域，不会。我们会是这样，就是我们会做很多的，我们叫做场景，嗯，就比如说现在其实我们头部几场就刚才讲的批量文件处理、网站生成、slides生成，但我们从来没有单独做过一款产品叫Manus slides或者Manus website builder，嗯，它仍然是在这样一个统一的agent架构之下，由我们的产品团队去优化最终最后一公里的体验，所以Manus永远是一个不断优化头部场景且保持很强长尾能力的一个一个系统。嗯，这是一个选择。对，这是一个选择，刻意的选择。
嗯，Minus这样的agent和像比如说Lafarge这种设计类的agent，你觉得他们长期来看关系是什么样的？嗯，我觉得是这样，就是。LoveArt一定会越做越专业，Manus可能会有一定的设计能力，但是就像我刚才讲的，就LoveArt是给设计师用的，嗯，Manus是给有设计需求的非设计师用的，啊，且同时还存在另外一种关系，就是为什么我们非常强调我们现在有一个概念叫connector或者叫integration，就是连接与集成。
其实Manus之所以它是一个通用agent，它就能模仿一个人，它能模仿人用各种的工具。比如说自己内部，我们经常拿 Manus 调试 Manus。那实际上，如果你是一个设计师，你其实你的工作每天也不是百分百都在设计，对吧？嗯。比如有的时候你需要，比如说基于一个设计稿，哦不，就基于一个产品需求去做出一个设计。那你甚至也许有一个用法，就是比如说你们在用比如说 Live 或者 Slack 来讨论一个产品，你可以让 Manus 去帮你盯着这个 Slack，然后让 Manus 去用 Liveart 去完成这个事儿。
所以 Manus 给所有人，我觉得都不是一个竞争的关系，我们是一个网络中的节点。但很多时候价值其实不是在网络节点，是在网络的边上。你怎么看Cursor和Cloud Code现在关系啊？啊，我觉得这个是比较尴尬一点，就是他们选择了一个最激烈的一个点，嗯，就是一个怎么说呢，就AI coding它不是一个垂域，它是一个通用能力，嗯，但是呢，我觉得Cursor这家公司非常厉害，所以呢，就是它一方面是启发了Manus很多，另外一点就是我觉得Cursor的人才储备是不逊于这些。头部公司的，嗯，或者说就是头部公司中跟 Cursor 直接竞争的那个团队的实力，嗯，跟 Cursor 是可比的。
这刚才我讲了一点，就是创业公司跟大厂对比的方法就是成为大厂。我不是说在规模上超越它，因为大厂不会倾注其所有资源与你一个人打。我们现在要做到的就是我们在做那两件事的人，这个团队，比比如说某些大厂想做 Manus 人的这个团队强得多，这就可以了。所以现在多少人了？我们现在有将近一百。
Cursor and Code，我觉得还有一个点就是，嗯。Cursor 的选择空间还是比 Cloud 要多一些的，嗯，就是 Cloud Code 仍然是 Cloud
Cloud在Coding方面有一些独有的优势。但实际上，正因为Coding是主赛道，所以大家追得都非常快。比如说Gemini 3出来之后，大家会发现，可能Gemini在Agent Coding方面还没有完全追上，但在比如说静态前端的美学方面会非常领先。所以我觉得，对于Cursor来说，有点类似于我们现在一个状态，就是大家都在盯着这一个方向打，所以它有一定的灵活度。我觉得这个战争还没有结束。
那你怎么看？你们像比如说跟Kimi，Kimi做了Agentic的Model，嗯，他们就想走Claude这条路。那你们作为一个应用型的Agent公司，跟他们长期关系会什么样的？然后你觉得谁能赢啊？我觉得首先我们跟Kimi从来没有任何的竞争，因为我们没有国内业务。
你们用户不一样啊，对我们没有国内业务。国外的公司呢？国外的模型公司就是你们和国。你们应该也在国外的模型公司的主赛道上，对不对？主航我觉得是的，是的，是的，对。所以就是我认为最终一定是一个竞合的关系，其实我不觉得我们会输。
就像我们已经跟ChatGPT打了第一仗，我们从效果上至少还是赢的。嗯嗯，你们中间慌过没？其实基本就焦虑没有。呃，我们的肯定会焦虑，但焦虑不是源于这个。就是我觉得Manus整个从一开始就莫名其妙火了，到后来有太多事儿值得我们焦虑，所以其实竞争是一种最常态化的焦虑，它不会是占你生活中大部分的焦虑。
好吧，你们焦虑的是什么？每个不同阶段当然就不一样了。嗯，那比如说我们刚才说到了二四年的呃九十月份后面每个时间焦虑是什么？二四年的九十月份，其实在Manus做完到发布前那段时间是没有任何焦虑的。嗯，因为很enjoy对吧？很快乐。
很enjoy，而且就是我们也都就就是所谓这个中登型连续创业者，就我们其实做完Manus之后，我们知道这东西一定会火。是一个极有信心的一个状态，所以就对，就一定会成，所以就是并没有太多的焦虑。哎，你做的过程中，哪个时候觉得一定会成？
呃，其实就是当我们跑完了几个例子之后。嗯，就是我们当时也就自己内部也没想好做什么。其实当时我记得是涛哥吧。跑了一个例子是找办公室，然后奈德自己去找资料、查地图、写程序，然后做出交付式网站，还提供一堆这个选项。
之后我们觉得这个太酷了，一定能成。但是就后来一次次的这个跑不同case之后，信心越来越强。对，当时是觉得一定一定没问题。嗯，那段时间你们公办公室的状态是什么样的啊？就很嗨啊！就是当时我们是在北京的那个ePark，是一个共享办公室，而且很小。
我记得刚开始的时候，对，我们那个工位只有六个，就是北京这边。然后，对我去过那个地方，对对对对。但是那个地儿我觉得特别棒的，就是他们的一楼环境特别好，就是我们拍最早视频那个地儿。啊，对，然后当时那个状态是什么？就是我们都特别对不起周围的邻居，他们就经常就听见有一个奇怪的办公室突然发出“我操，我操”，对，全都是就我跟涛哥跟别的同事在在嚎叫，对。
啊，我去的时候那天没人，哦，有可能，嗯，整整个工区都没有人，嗯，对对对，所以那块就是完全不焦虑那段时间。发布后就开始焦虑了。嗯，说说你们发布的时候的考虑吧。你你知道，外部对你们最大的几个质疑之一就是为什么要弄邀请码？嗯呃。以及是不是过度营销？
嗯，好，这两个问题我终于可以回答了。就是我们其实很早就想去公开回应这个事儿，但我们觉得你瞎回应也没意义。我们当时内部就说你没做到一亿美金ARR前就不用搭理这个事儿，啊，现在当然我们可以回答这个问题了。到了是吧？啊，早到了，对。所以呢，我们想说啥时候到的？其实几个呃一个月以前应该是，嗯，对。然后现在的话，我们就可以正式的回应这个这个事儿。
首先，我觉得邀请码这个东西是我们为所有人趟了一条很重要的河，但是我不是说创造了邀请码这个概念。是这样，就当时我们以前不是做chatbot吗？ chatbot我当时讲到了它的消耗量可能是top就是agent这个形态消耗量的这个几十几百分之一。然后当时Manus我们做完之后，我们为什么要用邀请码这个机制？且没上线前我们就决定了用这个东西。
是因为我们在最后决定发布之前，我们跟所有的云厂商和我们这个inference provider就是推理供应商聊了之后。我们惊讶地发现了一个事实，就是世界上能够在第二天立即到位的算力比想象中少太多了。所以，就是当时的情况是，所有我们使用的这些云和模型厂商没法提供这个量。
所以当时，比如我们用Cloud，Cloud说你们千万别放开，你如果放开我们会挂。所以对我们来说，我们唯一选择方法就是去控量。那控量的方法是什么呢？你就只能选一个类似于邀请码这种机制嘛。所以当然，确实我觉得也有别的更好的做法，就比如说不应该有明确的一个码这样的一个东西，比如我们可以定向邀请这这些东西。
对，但是我们当时其实也没有想太多，我们就去把这个东西给做了。但实际上，我们后来就在跟所有这合作伙伴一起不断迭代这个过程中，其实后来大家也意识到了，哦，agent原来它这个消耗的算力这个模式跟chatbot是不一样的。就刚才讲的这个prefilling跟decoding从三比一变成比如一百比一，所以逐渐逐渐，就因为manus的出现。
大家去适应agent workflow workload这样的一个工作负载，然后再后来，我觉得再用邀请码的人，我就觉得有点奇怪了。就是我们已经帮大家趟出了这样的一条路，云场上也已经准备好了，你还何必去这样做呢？你想，如果当时我们能直接放开，那其实我觉得可能体验会比现在还要好。
因为如果充足的算力，大家不会遇见那么多的，比如说当时我还记得三月份，你用着可能就崩了。对吧？因为你真的没有那么多算力，然后我们的scaling也没有那么好，就会崩掉。如果我们把这件事提前搞好，那我们何必用用邀请码这个机制？所以你觉得当时是因为云厂商没有准备好，云和模型都没有准备好。
就是那句话，就是呃，如果他们准备好了，你们的成本是能够handle住的吗？handle不住。但是因为我们对产品极有信心，我们当当时一天烧几十万美金吧，我们觉得没关系，因为绝对就是这个产品一定能成。你们当时账上多少钱？
当时也没太多吧，是之前还有融资额，反正是钱是够花的，但是其实也也也很紧张。但是我们觉得这东西一定能成，根本不慌，就是绝对没问题，使劲烧。对，所以其实很野的，对。但是当时那个情况，叶，你描述一下，当时比如我们跟云厂商打电话，我们说我们现在需要加到多少多少TPM的这个上限前是吧？
上限前，上限当天。OK，然后我们说我们能不能临时加这么多？然后他们说没问题。你们是要下个月还是下下个月要？我们说今天下午要，然后说但这没办法，所以真的就那头一段时间就是真的是他们的物理层面上去搬卡插在机柜上给我们用。
我们当时就是为什么后来跟Google的关系这么铁，就真的我觉得GCP在过程中啊，当然包括后来Azure和AWS都非常支持我们，就真就是对我们来说是雪中送炭级别的的支持。甚至就从别的比如别的项目的可用区来把临时调资源给我们，然后这才让Manus撑过了第一个月。
二五年初，大家都没有预预预料到今年的偷扣消耗量会指数级的增长。对，因为它的输入输出比例变了，失失调了。这就为什么就是我说拆爆的它的消耗量其实你是可以预测的，因为人参与的频率太高了。就是因为你得人触发才会有下一次的行动。
嗯，而agent首先它会持续自我工作，而且如果你按react这个模式去看的话，嗯，它的context其实一个append only就只增的状态。如果你你你你从模型视角看，是每一轮迭代的时候，你需要重新preview前面所有的输入。当然你会有kv cache在这，但是它的输入token量是非常大的，其实每一轮会越来越大，越来越大，越来越大。
所以当时就是没有这样一款真正的agent出来之前，云厂商没有准备好的。嗯，这是第一点。但是你说的是你们上线当天给他们打电话，那这个邀请码角色是在这之前就发生了呀？你们这个角色是怎么下的呢？就是我们需要一个控量的方法，但是因为我们也没有更好的办法，就只能选择就是用邀请码或者定向邀请。
但是我们觉得现在可能定向邀请会是一个更好的一个一个做法。为什么呢？因为邀请码的东西我们没有意识到这个东西，我们知道产品一定会火，但没想到会被炒。这我觉得是非常不好的一点，定向邀请你不能炒了，对吧？但是如果没有炒的话，可能烘托不出来这种氛围。
但问题是我们在国内火没有意义啊，嗯，就是包括那个Nellis跟Monica，就我们上一款产品，其实我们都一直是做出海的。我这个其实也是当时我们觉得非常的冤的一件事，就是你想中国有这么多的企业在响应号召进行出海，无论是AI或者比如说西恩，像这种做衣服的，对吧？你其实你选择不同的market，我觉得是很正常的一件事儿。
我们其实在中国，比如突然火起来，其实对我们没有一个直接的一个作用，反而会让我们就是承受很大的压力。所以也是为什么Manus当时上线是选择了晚上十点多，因为那是北美市场的早晨。啊，对，所以就是我是为了北美市场选择时间。
对，是的，是的。嗯，这个是邀请码。对，这是邀请码。炒作呢？炒作好，这个问题要非常郑重的回答一下，就是我可以直接这么说：如果我们在三月份发布的时候，如果没有任何付费的宣传，我死全家。对，这个是我可以说到这个程度。
就是你想，我们为什么要宣传？有必要吗？对吧？因为我们要做的是什么？我们要做的是海外的prosumer的市场，对吧？那我们该做的是什么？应该是去让那些真正我们要用的用户去用起来。嗯，对吧？而如果我们在国内，比如说有人觉得我们买这些自媒体，其实对我们来说没有任何的好处。
那有人就问，那这些文章到底是哪儿来的？我觉得有两点回答很重要。第一点就是我们自己都觉得很酷的东西，我相信大家一定会觉得很酷。对他们来说，这是一个内容，他们值得去写。第二点是什么？就是我觉得可以套用涛哥的一句话说，这是我们多年广结善缘的结果。
我们都是不是第一次创业了？我们这么多年了，一直比如说比较积极无私的去分享我们很多东西。我们也会上比如说一些播客，或者经常写一些文章去跟大家分享我们一些见解。其实渐渐渐渐的，以前可能跟我们一起成长的很多小伙伴，他也许成为了很厉害的投资人，他也许成为了一个自媒体人。
那这时候他看见你的朋友在做一款产品的时候，你是不是很很自然就哪怕出于就朋友支持，宁愿去写一下？所以我觉得，就大家把这个，就是创业和媒体之间这些关系，他想的有点太复杂了。我可能也许我是就什么这个一个偏见，我觉得好像这个整个这个市场好像挺单纯的。
就是你做出一个好的东西，且刚好是你的朋友，大家就会愿意帮你一下，因为这是一个广结善缘的一个结果。但是我觉得Manus火了一天，嗯，他的热度好像迅速就降低了，你觉得为什么？因为我们在国内没有任何持续的这个。
就是我们其实在国内是处于一个我们可以叫灭火的这样的一个一个状态，嗯，因为我们觉得如果你把我们这个东西，比如过度的，比如说进行一些曲解或者怎么，对我们来说没有好处，对吧？我们只是一款AI产产品出海的一个应用，不要给我们赋予太多的这些东西。
所以你看，我们当时在国内，我们所有团队没有任何的这个就类似于对外这种发声，其实都是别人在以一个第三方的角度来阐述我们。对，所以我们觉得在国内的热度其实降下来是好。那在海外呢？在海外的话，我觉得这个就是我们想要看到的。
就当时是说，有人说我们在海外做营销，我拜托Andrew Capacity，你能买吗？因为这些东西你不可能买到的。对吧？就是我们首先让我们的用户群，就是最pro的这些人，看到这个产品的价值，他们先用起来。然后他们去自上而下的去影响更多人去使用Manus。
嗯，这是我们希望看到，所以这个流程肯定没有国内那种突然火的那么快，但其实也没有多少的时差。基本就是当时国内好像三月五号当天晚上莫名其妙就火了。但其实美国基本就在三天之后就开始自下而上就火起来了，而且我们去看了，就两边链路基本完全不重叠。
链路不重叠，对，是的。就是海外火起来完全就是靠，比如像Andrew Capacity、Patrick Coninson还有Gary Tan这这些人，他们先用起来了，然后他们的影响力再去自上而下的去影响。嗯，而国内可能确实是，比如自媒体还有一些朋友，他们就写了很多的内容。
你们当时准备的邀请码有多少个？邀请码其实它动态的加的，嗯，就是说我们跟云厂商跟他打电话，我们说说现在比如说能加到比如说二十MTS，我们算一下。那好，那大概能加出这么多码，然后更多其实后来的码就已经变成就是给朋友以外变成什么。
就是那种找过来我们又不好意思拒绝。所以就变成了一个谁跟我们比较熟，我们就给一些。对，所以因为在国内我们知道，其实我们也不指望他在国内能比如说很大规模的靠邀请码传播或者怎么样。其实只是一种出于礼节性的给一下就给了。
嗯，这个会让网络上很多用户的感受不好，因为你们说你们有邀请码，嗯，这好像是也是一种承诺。但是后来这件事情就不了了之了。呃，我觉得邀请码不了了之不是不了了之，是后来我们尽尽用了极快的速度。大概不到一个月，我们就把邀请码去掉了，就可以随便用了。
所以我觉得这不是不了了之。我觉得这是最负责任的一个做法，就是我们在云厂商和博兴厂商的支持下，终于不用邀请码了。但是我们很贵，呃，贵我觉得不是我们的问题，因为真的就是当时可以说一个实话，Manus是亏本的。
嗯，因为当时的头款还非常非常的贵。我们其实已经是在补贴用户，让他们来体验agent这个形态的产品。你们当时的定价逻辑是什么呀？拍的，拍的，对，就是这个是我们觉得我们非常有问题的。第一是商业化能力其实还是比较有限的。
第二我们的P R或者说这个这个marketing能力其实也很差。就是我们当时定价的逻辑特别简单，就是哦，Chat GPT好像是二十美金一个月，而且我们死活想不通它为什么是二十美金一个月。后来当然也跟别人聊一下，他们觉得Chat GPT当时也是拍脑袋拍的。
嗯，但是没办法，人家就有一个毛在这嘛，所以当时我们想，那我们就是从二十跟四十开始呗。然后就延续至今，因为这个东西会有一个很大的惯性，就是你最好不要太随意的去调整你的那个价格。价格对，让用户可能会就已有用户，你最真实的用户可能体感不好。
对，所以这块我们就没有太大的一个变化。定价没有什么逻辑，是吧？定定价没有什么逻辑。为什么不选择比比它便宜呢？因为是这样，就是其实这个定价没太所谓，因为Manus其实你无论你你是给多少钱，你获得的是一个credits的一个数量。
它是本质其实是一个按量付费的一个东西，嗯，所以只是就保证一个就是基础订阅的一个价格在那就行。那现在你们已经跑正了，呃，马上跑正，马上跑正，马上跑正。因为其实是你要区分不同的tier嘛，对吧？因为我们还是有很多的免费用户。
我们认为免费用户也是，你可以说这是一种我们的社会责任，嗯，或者怎么样，就是我们希望有更多的人能够体验A线这个形态。在Manus整个就是做出来到火这个过程中，小红的角色是什么呢？我觉得几乎所有的决策的最终决策人都是他。
嗯嗯，比如说，嗯。太多了吧，这你让我如何去枚举啊？你说火的过程中，还是说，嗯，就是从做到火。从做到火，那几乎所有产品的决策最终都是他了。有什么是你们之间有一些争论的？然后最后谁听了谁的？
哦，这其实我觉得我们之间的争论都是非常务实这种讨论。就比如说那个一些关于，比如到底要不要做一个单独的chat node呀，这些东西。然后最后的结论其实都是我们赶紧做一个试试。所以其实到现在为止，不同的用户用的Nas可能完全不一样。
因为我们可能海量的A/B test在跑着。嗯，当然就是最终的话，我们觉得最好的决策就是你限制一下时间。就是别为这个事儿，比如一天一天反复，一直犹豫，一直犹豫，对，赶紧做做就好。嗯，现在在市场上去找反馈，对，是的。
你觉得你们今天的生态稳是稳固的吗？我觉得不是稳固的。就是或者说，对于大部分创业公司，包括我们在内，其实我们都没有活着的权利。这个都没有活着的权利，活着的权利是自己持续跑才能争取来的。嗯嗯，火了之后，生活发生变化没有？
有啊，就非常忙，尤其是就是就那几天。那几天是什么状态？呃，那几天其实就是颠倒黑白，因为我们其实非常理智。就是国内其实骂我们也好，或者这个就是称赞我们，我们都怎么说就是没有办法，我们也不想回应什么东西。
但真正就是我们的客户在哪里，我们要关注什么。所以那段时间真正的痛苦来自于颠倒黑白，对，因为我们要支撑，比如说这个各个时区。现在Manus
用户其实遍布世界各地，每一个大洲上都有很多我们的用户。那段时间团队还没现在这么大，大家一直在救火，今天系统挂明天又挂，非常疲惫。我记得第一周到第二周基本每天只睡三四个小时，还是间断性的。当时武汉有很大一个团队，我们反思跨区域协作能力差，于是赶紧在楼上租了更大的办公室，让武汉同事飞过来线下讨论。虽然氛围看似嗨了一点，但大家真的非常疲惫，书架上摆满了补剂和营养品，精神状态都很差。
跟投资人开会时我们都是站着开Pitch。其实挺感谢投资人的，因为白天网上多是骂我们的声音，得到正反馈是一天中最温暖的时候。关于被骂的原因，首先很多国内用户用的根本不是Manus，国区App Store上搜到的都是山寨品蹭热度。其次，产品突然火爆容易让人误解为营销过度，对此我郑重复辟谣：若真有此行为愿受诅咒。站在用户角度理解这种因未提供服务而产生的愤怒，这是一个Gap。
由于团队带宽有限且沟通能力差，我们很难服务所有用户或强行让大家在一起办公，只能先盯着有限的市场。中国市场未来做好比较难，我们没有资金进行补贴性投入。选择出海是因为海外用户对生产力工具付费意愿更强，而AI像工业生产而非边际为零的传统互联网。我们要先保证活下去再讨论其他事，目前还在活着边缘。
中国这部分功能由谁提供？我觉得比较充裕，Manus出来后几个月内出现了大量类似产品，很多是国内团队做的。真正的难点在于补贴能持续多久以及如何跑通商业化，这决定走多远。我见人很少，涛哥和小红负责外部合作，我和潘潘要保证产品持续迭代，刻意少见人。
海外巨头愿意见我们一方面是因为他们同时有云和模型业务如Google、Microsoft，我们是其大客户；另一方面我们在探索新机会。比如与微软发布Agent 365将PC变为AI PC，我们是生态一部分。作为行业代表，我们提供影响未来服务范式的价值。我们与DeepMind、微软合作，将构建Manus学到的东西以标准化API提供给开发者。Google Cloud CEO曾在大会上宣布之前只给Manus用的功能现在大家都可用，这让我们很有成就感。
关于Manus 1.5版本，通过新版本号让用户理解更新是最好的方式。大家习惯以版本号断代如GPT-3、4，但Agent系统常强调Feature更新而用户实感不强。1.5不是突变而是将过去一系列东西打包，很多新功能已在月中迭代上线但用户体感明显。实际上1.5发布那一刻更新没那么大，关键是让用户意识到变化才能感受到。
技术演进上Manus 1.5提升了任务完成速度且无损，简单任务更快复杂任务投入更多推理时间Compute。平均体感快三到五倍。朋友圈说两件大事，另一件是老了写回忆录。通用Agent和Chatbot未来关系如何？所有Chatbot也会变成Agent，但这由用户群决定而非能力。
所有人都有Chat需求但不一定都需要高价值脑力劳动任务，通过它做点事可能成为AI时代最大入口这是OpenAI的故事。但传播链路不同，我们要保证对该用户群永远提供最好体验。他们的需求与Chatbot用户不同，后者可能心里知道Gemini在某些场景更好但只用来完成Quick and Easy任务。
Manus用户质量敏感度极高，双盲测试显示若悄悄换模型满意度直接下降。我们服务最挑剔的一群人他们永远要此刻AI能提供的最高水平。Manus火了后飘过没有？不会，因为每天收到的负面反馈比正面多。但这不悲伤我们都是老登中登心里憋着一口气，之前觉得没用现在能打铁自身硬。
Manus未来多大？不想用服务多少用户衡量，而是看每个用户的Agentic Hours。高价值用户用量可能是普通用户一千倍，常有用户付几千美金因为不断有高价值任务。Manus追求的不是DAU而是把高要求、高价值用户的高价值Task做到最好，体现在营收而非DAU上。这是大家Align后的想法公司指标是营收不是DAU。
创业逻辑与互联网时代不同，因为AI有Token消耗且非平台变化而是技术增量。以前优势惯性发挥传统强者加AI更强，强者具有先发优势且较好利用这点较悲观。第二点是边际成本问题目前AI更像制造业而非互联网很理智否则早死了。
我们没有试图讲做全球第一通用Agent或最重要入口的故事，但一定要做最好的最高质量通用Agent。若有人低价打我们不用更低价格打死他因为部分用户如Manus现有用户对价格不敏感甚至问付两百美金效果能好多少。这种定价优化不在路线图里，我们不做最重要的AI入口之一吗？
首先可能不存在单一AI入口。移动互联网也有多个入口，Prosumer市场用户知道何时用什么产品。A16Z调查显示装ChatGPT、DeepSeek等软件的用户，安装Manus的概率异常高。Manus几乎与这些并存这是好解读；坏解读是尚未渗透所有想服务的用户目前仅业内或科技圈充分了解，Marketing还有长路要走。
AI产品有垄断效应吗？能垄断一种类型或心智建立品牌，像Google搜索统治市场。但搜索引擎特殊因一半在内容数据供给无法被技术迭代颠覆易强者恒强且关联广告商等内容商利益。ChatGPT才三年还早如2012年的Google一切未定且尚未产生网络效应。
AI产品有真正网络效应吗？我觉得没有看到任何一个，因为所谓网络效应有两种：基于他人产出贡献或用户关系带来。AI在这两个场景里都是附加值，不知道加了它为何能进一步连接人或者不是产生这两个要素的关键点。AI帮提效完成任务产生结果交付，新网络可能是人与AI或AI与AI的。
若这么讲我觉得有基础能力或原子能力的网络效应。Manus增加能力谨慎但保证能跟其他能力形成组合拳。最早加入看图能力本想检查生成的图好不好，后来发现加多模态输入后Manus学会自己检查网页是否能玩通。增加基础能力同时能与通用Agent其他水平产生交互这叫原子能力的网络效应，已观察到可让Agent能力指数提升。
若说Agent与Agent之间的网络效应看怎么解读。Manus的Wide Research广域搜索能力也是一种也许是Agent间网络效应，一个Agent可调度很多别的Agent互相通信共同完成单独Agent要求。
目前我们也在测试让Agent融入人类协作的上下文，例如Manus已与Slack打通。这能解决许多讨论未包含AI、仅在人际间无形产生的问题，体现Agent与人的网络效应。但受限于专业领域，尚未出现爆发式增长。至于Agent间的社交形态，可能更多属于娱乐领域，由Agent代替人类进行社交互动。
对于第三方Agent开发者，我们建议无需专门为Manus优化或适配。因为当前赛博世界的基础设施如网站、API均为人设计，我们无法指望一夜之间为Agent做好准备。因此我们采取双向适应策略：若支持MCP则使用；若无，Manus作为通用Agent可自学API文档并通过接口调用；若连API都没有，则通过浏览器模拟人类操作。我们致力于适配各类服务，而非要求第三方为通用Agent做出改变。
关于Agent网络的形态，我们认为难以形成完全互通的全联通网络，而更倾向于星形结构。垂直Agent掌握特定数据差异，通用Agent则作为调度入口和中心节点连接各方。这是因为垂直工具往往针对特定人群设计，而通用Agent旨在模拟人本身。若面向专业人士需极度垂直专精；若面向大众则需提供易用界面并开放API/MCP，共同构建生态。
我们坚信“纯血派”Agent，即由智能本身决定任务过程而非人为约束。这与追求稳定性的Workflow不同，后者虽可复现但天花板较低。我们选择牺牲部分确定性以换取智能的泛化能力，例如在数据可视化中不预设大量Guardrail防止字体错误，而是赋予Agent看图自检能力。这种让智能自主发现并修复重叠元素等未知问题的方式，比传统工程思维中封堵所有漏洞更具潜力。
我们反对过度让Agent模仿人类分工或赋予其人格，这被视为一种“人的自恋”。模型并非人，不应套用人类先天的角色训练假设。正确的做法是通过上下文工程、约束解码等技术减少模型犯错概率，同时保持其全能性而非限制其为特定角色。给Agent使用的设计思维应与给人使用的截然不同，需通过技术架构将两者融合，让模型在其分内之事上发挥最大效能。
Manus的组织结构也在探索新可能性，区别于传统软件开发团队。我们设有Sandbox Team负责维护给Agent使用的虚拟化操作系统环境；以及由工程师、评估和研究组成的Agent Team，共同开发稳健统一的架构以跟上模型快速迭代。这种面向模型的团队与传统后端研发不同，更像是在教导不会用电脑的人如何更好地使用计算机。
在文化上，我们从Monica时期的“单点击破”转向Manus的节制与审慎。新功能需确保能与现有原子能力产生网络效应，使系统整体获益而非孤立存在。因此我们放弃了语音输出、生图生视频等功能，认为这些应由专业基建完成或依靠Agent泛化能力解决。我们不与第三方竞争，而是通过联合发布与Notion、Microsoft等合作，利用互联互通产生巨大价值，避免团队无限膨胀和维护负担。
作为首席科学家，我们做出了几个关键决策：首先未盲目追随Reasoning模型路径，以避免指令跟随减弱和多卡幻觉增加的问题，转而采用独立的Planning阶段；其次对MCP持保守态度，防止其污染Action Space并降低缓存命中率从而推高成本。为此我们研发了非原生Action Space内的MCP调用方法，该方案后被Anthropic撰文介绍。同时我们高度重视Context Engineering的重要性。
做了非常多的工作的，而且这块我基本全都给共享出来了。像比如说对于文件系统的使用啊、什么这些东西。我觉得就是一些连续的技术方面的决策吧，没有哪一个是最重要的一点。因为做Agent其实跟训模型很像，你更重要的是做对一千件小事，而不是做对三个大事。
有后悔的决策吗？肯定也有，但我觉得后悔的可能都是更细微的一些事儿。因为我们调整的非常快，所以很难形成真正后悔的东西。在模型决策上，有什么后悔的决策没有？在用模型还是训模型的问题上，训模型是有一些遗憾。
比如说一开始有点太盲训小模型了哦，其实参数量还是很重要啊，还会盲训小模型。因为当时有一点假设：Agent能更高频地与外界进行数据和环境的反馈获取。我们想，是不是小模型和大模型中的一部分参数量都用于参数化的记忆或知识？对于Agent来说，参数化知识没那么重要，如果小模型有足够强的工具使用能力，知识是可以动态弥补的。
但后来发现实验结果不是这样。我们反思为什么？也许很难完全分离什么是知识、什么是记忆，哪些是泛化能力、哪些是参数化的背板。后来发现这是不现实去区分的，所以大参数量还是有用的。
有人觉得Manus只有你一个是研究员，研究工作独立于所有人，认为这种配置跟不上全球Frontier Lab的竞争。我觉得这个基础假设是错的，不止我一个人，我们是正常招Researcher的。另外，“跟上所有Frontier Lab”是不成立的，我们的目标不是要在模型方面跟上所有人。
现阶段我们与至少所有Frontier Lab是一个共建关系，或者说更功利地说，我们成功地把模型训练这件事儿外包了出去。用户给我们的钱，同时服务了用户且让我们有影响力，让别人帮我们去训模型。我们内部Research团队更关注一些非共识性的东西。
包括很多Context Engineering方面的工作需要做大量实验，这不是纯靠工程能解决的事儿。你前段时间在做Online Learning，有没有什么可以分享的？是的，首先“Online Learning”这个词现在有狭义和广义之分。
现在狭义的Online Learning大家比较关注能否通过持续改变参数获得一些变化，这是严格定义。但实际上我发现现在把三件事混在了一起：第一种是刚才讲的狭义Online Learning；第二种应该是Mass Personalization（大规模个性化）；第三种其实不是Online的Learning，而是像我上一代创业做Maggie时做的Continuous Learning或Lifelong Learning。
这三件事解决问题是不一样的。比如要做Mass Personalization，并不一定非要用参数化方式去做。可以像刚才讲的基于用户协同行为模式，甚至以Prompt形式动态注入东西，通过In-Context Learning让模型行为改变，这样更高效。
因为如果为每个用户即使像Multi-Lower解决方案那样让每一个用户有一个不可复用的参数，推理效率可能会更低。虽然有些方案号称能解决Batch Size的问题（如Sora、Punica等老工作），但实际上推理效率还是降低了，因为很多时候需要规模效应才能降低成本和降低Latency。
所以我认为Mass Personalization不一定要以Online Learning或参数化形式去完成，这是第一点。第二点是持续学习与在线学习的区别，这更多看目标是什么。如果建模任务是理想分布随时间改变的情况（如金融市场），那要做持续学习，真正的Online Learning很有价值。
但现在一些所谓的Online Learning实践只能称为On-Policy的持续学习。比如有些Coding Agent公司通过收集用户接受/拒绝率来优化补全准确率，但这任务不会因时间改变影响理想分布。这更像On-Policy的数据收集并周期性优化模型，会让Benchmark很快饱和打透，没有持续提升空间。
所以我觉得还需要持续看，没看到非常值得在Agent领域立即下注的应用。你觉得Agent的模型应该怎么选？给厂商有什么建议？第一，与其无限扩展Context Window，不如让模型学会Compression Awareness。
即让模型意识到上下文可能被压缩并做出更好选择，了解文件系统如何Offload和Retrieve。第二是关于Reasoning优化目标，不要以纯“缸中之脑”形式去做，要考虑如何更好结合Observation或Tool Integrated Reasoning（TIR），有工具集成的推理。
这与完全靠RLVR解竞赛编程和数学完全不同，是重要方向。第三点跟Agent工况有关：Chatbot场景下用户与模型交替执行，你等我、我等你。Manus刚出来时新奇体验是Agent持续工作时用户可随时插嘴（改变目标、补充信息或终结），很多模型还没掌握这种异步交互模式，值得去做。
第四点模型应更关注Error Resilience（错误处理和恢复能力）。在Agent Coding领域已有更多关注，因为部署在真实环境中错误是常态（环境报错、系统问题、资源受限或代码报错），还有很多非代码性错误。
比如在制作Slides或批量文件处理中，一定会遇见意料之外的事。有些模型要么放弃、陷入死循环，最好的模型应永远能找到别的路去尝试，这需要专门训练。目前比较想强调的就是这几点。
你的微信为什么一直叫“微信小助手”？我觉得是娱乐精神，很早就叫了。当时想看看有哪些跟微信官方很像却仍能被使用的ID。最早想叫“文件传输助手”但意料之中不能用，后来见微博官方号叫“微博小秘书”，就试叫“微信小秘书”。
腾讯果然禁止别人再叫这名字了，我觉得很好就保留了。这次创业跟之前两次有什么不一样？首先现在成本比以前高不少。直观感觉是，做移动互联网边际成本低，但现在上来就是挺重资产投入。
从Meta上线第一天起基本几十万美金在烧，这是第一点。第二点是这次让我们充分参与全球竞争，甚至内部开玩笑说有种从CBA打到NBA的感觉。之前做Monica阶段觉得做得还不错，现在Manus可能已经一亿美金ARR了，但横向看各行业头部选手又不算什么。
这可能就是NBA的平均水平，所以觉得还是在学习中。过去一年对小红有什么新认识？符合预期吧，情绪依然很稳定。但即使像她这样经验更丰富的连续创业者，很多时候还是有人性的脆弱。
我们好像不在意什么，但听到一些东西心里还是挺尖锐的。小红可能比我更没心没肺一点？不，她很多时候比较容易受这些事影响会不开心、着急。我觉得团队在一起的好处是可以互相分担痛苦。
虽然小红常说接下来一段时间可能很抑郁不用帮她，但谁会真的放她不管呢？她的不是不稳定而是容易低落。她没有那种忽然怎样（像艺术家那样），但她是比较容易受伤的、更感性一点的人，是的。
其他团队成员呢？你们之间是什么样的协作关系？大家其实在共同话题上讨论非常多，因为每个人都有很综合的经验。但现在术业有专攻，比如跟涛哥的合作很有意思。
涛哥现在是出差圣体，经常去全世界各地参加合作伙伴活动。他更多是带回一些比较新的方向性内容，这其实是做COO角色的最高境界：不仅是对内产品指导，更是对整体行业有产品洞察的输出并带回交叉观点。
所以涛哥很多时候给我们一些非常宏观的建议，但很快都能落地。比如刚才讲的Wide Research也是涛哥在飞机上综合了很多不同想法后我们一起讨论出来的。
像Marketing这边，我们觉得正在有一个比较大的思想转变。过去一年经常觉得Manus的增长是靠“采脂器挖皮”（内部玩笑），几乎没什么定向增长动作。这可能也是让用户自发选择的负面作用：从没有引导过或想获取哪一类用户，完全是什么用户用就服务谁。
但从获客和增长角度看这样不主动、不可控。所以接下来有一个转变：可能更多由产品驱动“采西瓜皮”，变成我们服务增长去做很多功能性的东西，这是一个比较大的变化。
内部运营我觉得一直贯穿始终没什么特别不一样的点。产品和模型谁话语权更大？产品和技术在你们公司啊？首先明白技术要服务于产品，但技术基本对很多事儿有一票否决权。
比如产品可能会有诱人的快操猛做法（如是否放弃纯血A轨想法而采用快速Fix），无论是我还是技术都会站出来直接阻止。那大概是产品两票（Red和张涛）？你和潘潘是技术两票啊？
不，我们非常反对投票这个概念。我觉得投票是在异化团队，如果有不同观点大家可能会为自己的观点去服务。你应该看目标而不是投票手段。如果目标一致一定能达成共识，但不是通过明确站队去投票。所以我们几乎不搞投票这事儿。
你们就是讨论？对，谁会更强势一些呢？其实讨论过程中没有人强势，但我们会期待Red来做最终拍板。所以讨论的价值不是说讨论出一个结果，而是说更多人提供出更多的方案（Alternatives）。
如果目标是确定的，你有越多的可选方案越好。不一定是你想半天想出一个最高质量的，要不然供给大家做决策的选项都不够多。现在这个公司是一百人，之前两家公司的团队大概规模多大？
我以前带过最大的团队也就十个人左右。第二家公司也是十人，是的。你觉得AI时代公司的组织方式和协作方式发生变化了吗？我觉得组织结构变化可能没有想象中那么大，反而组织中多了很多的AI。
这也是我们比较主动引导的一件事：公司有一个很优厚的条件，如果你使用任何AI产品（不只是Manusol，比如第三方其他产品），我们都尽量全都报销。我们非常鼓励程序员用各种Coding Agent，非程序员有各种提效工具都可以使用。
因为我们觉得作为一家AI公司，首先得让员工去了解现在到底发生了什么、业界前沿是什么东西。与其说是整体组织结构变化，不如说发现更多的人可能让自己有了两倍、十倍的生产力提升，但还没到AI能够替代哪些岗位的状态。
你是不是不喜欢管人啊？我非常不喜欢管人，我一开始就说了这一点，我觉得管人很痛苦。为什么不喜欢管人？就是人的这个复杂度比AI
人的复杂度随着人数增加呈指数级增长，但良好的程序设计模式能控制整体复杂性。我性格虽开朗却不喜欢管人，因为人际管理极度占用带宽且消耗体力。既然非技术层面的事务会大幅降低有效产出，不如将此类能力外包，专注于自身最擅长的领域。AI时代能帮助人更好地做人吗？我认为可以。若不喜欢的事被AI取代，剩下的便是纯粹的人性。正如纺织机发明后，工人虽下岗却获得新生活，AI的恐惧源于使用不足；学会与AI共处能解放人性。
对于十年后的Agent世界，我视野有限，但预计三个月内人在“主动性”上将有巨大进展，人机交互时长缩短而产出价值提升。同时成本将显著降低，如Cloud Opus 4.5已现曙光。目前大模型排名变动频繁，OpenAI、Anthropic和Gemini并未如预期般有人掉队。大家走向分化方向，通过长板拉高平均体验。模型竞争无终点，产品亦然。移动互联网稳态源于用户时间被瓜分殆尽，而AI旨在为用户创造价值而非占用时间这一约束已消失。
Agent在后台异步交互并持续创造价值，因此用户注意力时长不再是瓶颈。虽然AI时代会出现娱乐产品如“抖音”，但付费价值不依赖总注意力时长，故难以形成传统稳态。当前AI浪潮类似2018年Transformer爆发后、BERT带来落地应用的阶段，大家期待下一次阶跃。Scaling Loss在狭义上仍可降低，但广义算力投入解锁新场景难以保证。当前问题非需求未被满足，而是完成质量不足，需模型能力、环境适配及生态系统共同进步。
2026年Agent将进一步爆发，市场将渗透至更广泛人群而非仅C端。目前许多用户仍视Agent为Buzzword，但Manus 1.5版本已跨越生产力工具门槛，成为用户产生收入的主力应用，形成健康飞轮。我对Manus最大的隐忧是失去特色及变得复杂。产品增长中增加功能虽便捷，但会稀释核心价值。希望Manus保持克制以维持独特性，同时确保持续增长。
我认为Manus不会死于与大厂的直接竞争，因为被大厂关注意味着产品状态极佳。真正的风险在于失去独有价值，这本质上也是竞争的结果。看待海外模型厂：OpenAI尊重其Bonafide文化但需平衡产品与研发自由；Anthropic融资后需加强算力，其开发者社区影响力强且关注高经济价值任务。Gemini在预训练和多模态数据积累上优势明显，Google搜索引擎索引更是难以超越的壁垒。
xAI赌注于Pixel in Pixel out，认为所有模态应统一为像素生成，并在基础设施上投入差异化方案。Meta近期人事变动或带来积极信号，使其转向务实且见效快的工作。田渊栋研究的Latent Reasoning通过避免文本空间采样塌缩，在平行维度考虑多种可能性，提升了推理效率并解决延迟问题。相比LVR仅提升单次正确率概率，田的研究更务实且具泛化能力。Meta在AI领域落后涉及人事变动等场外因素，OpenAI人才流失可能影响其To B方向布局。
如果这种自下而上的创新文化还在，我觉得它仍然是最有可能诞生新范式的公司之一。嗯，它会成为新的社交网络替代 Meta 吗？我觉得这个比较难吧，当然说不准，因为这个产品大家都在探索。你怎么看 Thinking Machine Labs 还有依恋那家公司？呃，依恋那家公司我觉得目前太神秘了，我不敢说什么。
就是 Thinking Machine Labs 的话，这个我最近也刚用上他们那个 Tinker API，嗯，我觉得这个挺有意思。我不确定这是不是它最后的一个产品啊，但我觉得他们那个抽象层级其实非常好。像比如之前有一些像第三方的服务，包括一些模型厂商会提供这种类似那个 RFT 或者 SFT 的那个接口，但实际上你对一个 researcher 来说，它的约束有点太多了。而这个 Thinking Machine Labs，我记得它的 Tinker
应该就是抽象为了四组关键 API 吧，然后它基本上很多你自己需要做的实验其实都能搞定。嗯，对。当然，我觉得 Think AI 目前有个问题就是我觉得它成本有点高，就是你可能自己搭那个床可能还稍微便宜一点。但是我觉得随着他们逐渐优化，应该会好起来。它可能会非常适合这种中小规模研究团队去用的一个产品。
嗯，同时他们也比较仰仗的一点就是开源模型能持续进步。嗯，对这方面我觉得千问团队做的就非常好，因为对于做研究来说有同源、同家族模型或者叫同源模型的不同参数版本是非常重要的。这方面千问提供的光谱一直是最全的。嗯，所以我觉得就是 Dingke Machine 的成败主要看千问。
你怎么看 Mira？啊，Miriam Murati 吗？嗯，对我没有跟他直接交流过，但是从都认识人的口中对他评价都非常非常高，明显他的号召力也很好。嗯，你对于这些硅谷的 AI 的各个舰队的一把手，在你内心有没有他强弱的一个排名？其实这几个舰队真正的一把手，我觉得他们性质非常不一样。
嗯，像可能真正的技术一把手只有地脉，对吧？像 Dario 当然也是。如果你让我从纯粹的狭义的技术角度来说，我肯定觉得 Demian Davis 应该是我最佩服的一位？嗯，第二位吗？第二位的话，哦，当然 Ilya 也是同样优秀了。但是大家可能都在期待 Ilya 教出的新作业是什么？嗯，对，剩下一些我觉得他们都是更复合的人才，你难以用单一维度去评价。
国内呢？嗯，国内的话我想想，国内现在还在牌桌上的，哎呀，这话说的得罪人。就是国内就不评了吧，容易挨打。前段时间，杨志玲和姚春雨都来过我博客。他们的观点你有什么认同和不认同的？呃，首先舜宇的观点我一般都比较认同，尤其他有那句暴论，叫那个以前都是小公司超大厂，现在是大厂超小公司，互相超。
对，虽然我觉得前半句本来也不一定是这样，本来就是互相超，但最近确实大公司超小厂的事儿更多了。嗯，对。然后那个还有就是他之前舜宇写的那个文章关于下半场这个事儿嘛。我觉得下半场这个概念很好，现在感觉很多人都在沿用这个概念。我觉得他这个观察我都非常同意。
然后呃杨志林那个我也听完了啊，我觉得杨志林他有一个很简短的观点我是非常同意的，就是在这个登山的过程中，只要问题能够被定义，问题一定能解决。这个其实也是我们很多时候做任何事儿的信心的一个根本的来源。对，不认同的呢？嗯，不认同的我觉得舜宇那期所有观点我全都认同。
然后杨世林那期的话，我觉得其实他的观点也比较保守，所以没有什么特别明显的。当然有一点啊，我觉得他提到一嘴是说那个如果不训模型的话做 agent 是逆向工程。对，这点我是完全不同意的嗯对因为对我们来说不仅不是逆向工程反而是在给别人带节奏。
他是垂直整合吗？你们是逆向工程吗？他们是他们是整合对他的观点是给他们整合进模型里。嗯嗯哦，我觉得这个东西其实如果你从一个严格定义来说你是无法整合进模型的因为模型无法圈住外层环境。你怎么看世界模型？呃，不敢评论不懂不懂对你们多模态做怎么样？
呃多模态的话其实是这样就是多模态我们更在意的是多模态的输入而不是多模态的输出。嗯多模态输入的话其实作为 agent 场景下其实有一个很重要的观察就是现在其实很多开源的多模态模型你如果是简单的就 interleave 图文输入的话其实大家处理都比较好像 VQA 任务这些东西。
但实际上你在 agent 场景中有一类情况是多模态输入作为 tool 的 result。我举个例子比如说你让浏览器看一个页面那你可能会把浏览器的截图返回或者你让用一个工具去读一图片图片是以图 result 去返回。这个东西其实在训练的过程中我觉得可能目前的重视程度还不够嗯这块的质量是有些下降的。
你还买英伟达吗？目前没有了，目前没有了。对，目前不炒股了。你那年见老黄他跟你说什么了？哦我问了他一个灵魂问题我就说接下来一年你觉得什么事会让你感到意外老黄说什么事都不会意外。对所以我觉得这其实就有点像杨志林之前说的那个就是只要问题存在问题一定能解决。
我觉得这个就是整体 AI 圈的乐观观点的代表。最近有很多人开始讨论 AI bubble，你怎么看？啊我觉得 AI bubble 一定是客观存在的但不是说因为 AI 是 bubble所以这波 AI 就没用。我觉得就是你是会有一些比如过度建设啊或者怎么样这个东西但我觉得这都是在可接受的范围内嗯我们人类历史上干的比这个疯狂的事儿多得多。
你对 Manus 最乐观的预期和最悲观预期都是分别是什么？我觉得悲观预期就是下个月死掉嘛这个是所有创业公司一样的悲观预期就是我刚刚说的我们没有权利活着我们是在努力的获得一个活着的权利。嗯而最好的一个预期就是我们希望让所有的有高价值工作的白领都能获得一个七乘二十四小时不断推理的 AI 合伴。
如果 Manus 下个月死了你会去干嘛？我会歇一会儿太累了。你现在工作时长是多长时间我现在每天大概十点半到公司晚上干到几点就完全看情况了。比如说几点？一般来说我们大家基本办公室人都会待到大概十点半往后其实这也是为什么我们选了一个在一家冒里头的一个 WeWork。
哦对因为在冒里头空调会一直开到十点。哦十点以后还没有还还没有空调了对十点以后没有空调所以大家待多久主要看在没空调情况下能待多久。为什么选 WeWork 在那边办公室？因为就是我们觉得团队在不断的扩大这个过程中如果提前选死一个办公室它一方面前期投入比较大且不灵活嘛。
WeWork 就像云计算一样可以动态扩容新加坡的生活怎么样便利吗？新加坡我觉得适应吗便利度其实还是挺好的。它其实跟国内我觉得是呃中国团队在新加坡可以非常快的适应没有一个非常本质的一个区别。是不是有点无聊？呃对而且我认为这对创业公司来说是一个很大的加分项嗯哎你建议公司第一天去新加坡吗？
呃我觉得这个东西其实看你的目标用户是什么嗯就是我们去新加坡的原因其实也讲过就是有俩点第一个前提就是我们团队可能因为管理能力比较差我们之前在国内比如北京跟武汉两地的时候我们都会觉得沟通成本很高那我们首先有一个希望是大家能在一个地方办公。那另外一方面就是我们既然要服务全球市场我们其实要做很多的这个 compliance 就是呃合规方面的工作。
比如说现像现在 medicine 是 SOC 2 的 Type 2，然后 ISO 二七七零幺、二七零零幺还有像 GDPR 全都是我们全都通过了。那这块你就需要就是你既然要服务哪个市场你就要需要选择一个合适的呃的总部对所以我觉得这都是一个很正常的一个选择吧嗯对于如果你要做全球市场的话你可以一早点考虑这个问题。
但如果你是主要做国内市场那肯定没有必要嘛你怎么看别人说你们跑路了？我觉得跑路这个词就不对因为我们其实一直就有新加坡这个实体所以就是而且我们一直就做的是一个全球的一个市场所以你既然你的客户在哪你就要去哪嘛就好比像 Team Vision 他们也没有国内的业务一样嗯我觉得这个是中国出海企业大家都会做的一件事只不过可能因为我们是 AI 公司大家可能获得了一些额外的关注。
最后几个快问快答好一个全球范围内你喜欢的食物Mac and cheese垃圾食品。一个全球范围内你喜欢的地点北京。一个少有人知道但必须知道的知识点可以是一个冷知识呃海带不是动物这谁不知道？啊！我周围人都不知道难道你知道吗你是第一个知道的吗因为我海鲜过敏我经常要跟大家解释海带不是动物。
基于所有读过的书推荐两本必读书我其实平时读书特别少我现在读线条小狗的画册。你心目中影响 AI 进程的几篇论文第一个讲的就我刚才说那个 work to back 那篇 paper 我忘了它叫什么。然后能叫影响 AI 进程的论文也太少了吧这个嗯大家肯定都会说 attention is all you need 但我不想说这个我要换一个啊就我觉得是 flant t five 那篇 paper。
基于你当下的认知一个关键的重要的 bet 是什么？AI 接下来的进步需要用户的参与。