1. 首頁 > 生活百科 > >

Manus“跑路”風波背后，AI Agent的商業化困局

ai創業人工智能manusSalesforce

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局

文章圖片

Manus“跑路”風波背后，AI Agent的商業化困局


還記得三個月前那個讓全網歡呼的AI Agent嗎？
2025年3月 ， Manus橫空出世 ， 憑借一段“智能體自主完成任務”的演示視頻 ， 一夜之間成為科技圈寵兒 。 發布一周內 ， 200萬用戶擠破頭預約 ， 內測碼被炒至10萬 ， 仿佛AI的下一個ChatGPT時刻已經到來 。

然而 ， 這場狂歡僅僅持續了130天 。 當第一批用戶真正體驗產品時 ， 美好的幻想被實際使用感受擊碎 。 人們發現 ， 號稱全能助手的產品底層技術完全依賴大模型API拼接 ， 實測過程中只執行少數標準化任務 ， 面對復雜場景常常束手無措 。
實際上 ， Manus的困境并非孤例 。 另一家明星Agent企業瀾碼科技早在2025年初就因融資斷裂 ， 停發員工薪資數月 ， 目前正尋求并購機會 。
雖然通用智能體被廣泛認為是實現AGI的必經之路 ， 但現實卻給了這個美好愿景沉重一擊 。 行業報告預測 ， 到2027年 ， 約40%的AI Agent項目可能因成本失控或商業模式不清晰而被淘汰 。
那么 ， 通用Agent賽道的窘境 ， 是否折射了整個Agent行業的困局？未來的Agent要怎么做 ， 才能被市場買單？

在讓Manus一夜爆紅的那段視頻里 ， 智能體能自動篩選簡歷、分析股票、規劃旅行 ， 甚至能像人類一樣“思考”復雜任務 。 此后 ， 內測邀請碼一碼難求 ， 資本蜂擁而至 ， 硅谷頂級風投Benchmark領投7500萬美元 ， 公司估值飆升至5億美元 。 媒體爭相報道 ， 稱其為下一代人機協作的范式 。
一時間 ， Manus成了AI創業的標桿 ， 仿佛它真的能改變世界 。
然而 ， 狂熱的追捧之下 ， 質疑聲悄然浮現 。
隨著時間推移 ， 用戶發現Manus的實際體驗遠不如宣傳那般驚艷 。 熱度迅速消退 ， 訪問量逐月下滑 。
一方面 ， Manus的核心能力并非自研 ， 而是依賴OpenAI的GPT-4和Anthropic的Claude等第三方大模型 ， 自己只做封裝 。 業內人士嘲諷它是“AI套殼智能體”——能拆解任務 ， 但執行時依賴預設的RPA ， 一旦遇到意外情況 ， 就會直接卡殼 。 比如 ， 大規模用戶涌入后 ， Manus的響應速度明顯變慢 ， 算力瓶頸凸顯 。 有用戶反饋Manus經常在復雜任務中卡殼 ， 給出不合理的答案 。

另一方面 ， 高昂的價格讓不少用戶望而卻步 。 19-199美元/月的定價甚至與ChatGPT等頭部大語言模型持平 ， 但其實測效果又遠被甩在身后 。 失衡的性價比讓不少付費用戶感到自己被欺騙了 。 比如 ， Manus號稱能完成電商比價等復雜任務 ， 但在實際操作過程中漏掉拼多多、天貓數據 ， 核心數據甚至出現事實錯誤；金融建模時 ， Manus仍使用2023年的β值 ， 與實時市場嚴重脫節 ， 偏差超過15%；視頻能力上 ， 輸入指令“貓狗和諧相處的溫馨畫面” ， Manus卻給出了一個狗頭貓身的“弗蘭肯斯坦”式生物 。

可以說 ， 那些花高價訂閱（19-199美元/月）的用戶 ， 等來的不是一個智能助手 ， 而是一堆隨時可能出錯的模型能力的剪輯與拼接 。
實際上 ， Manus風評直下并非偶然 ， 它的困境折射出整個通用AI Agent賽道的集體困局——技術未成熟就急于商業化 ， 資本催熟泡沫掩蓋產品缺陷 。
Gartner預測 ， 到2027年 ， 40%的智能體項目將因“成本過高、商業價值不明”被淘汰 。
而當潮水退去 ， 裸泳者才將現形 。 Manus的故事 ， 或許正是這場大浪淘沙的開端 。

就在幾個月前 ， Manus的爆火讓人們以為通用智能體的時代已經來臨 ， 創業者們前赴后繼地涌入這個賽道 ， 仿佛只要給自己的產品貼上Agent標簽 ， 就能輕松獲得資本青睞 。 然而現實是 ， 大批通用AI Agent產品折戟沉沙 ， 行業初期的浮躁與泡沫逐漸顯露 。
為什么通用Agent沒有像大語言模型那樣讓市場持續振奮？
因為市面上槽點偏多的通用AI Agent產品本質上都只是大模型的一層皮 。 它們調用GPT-4或Claude等頭部模型API ， 加上一個定制的前端界面 ， 就稱自己是Agent了 。 這種模式開發門檻低、上線速度快 ， 但也意味著同質化嚴重、護城河稀薄 。 同類產品都空洞地執行著“接收輸入→調用模型→解析輸出→展示結果”的統一流程 ， 沒有競爭力 ， 而一旦大模型接口價格上漲或政策變化 ， 就可能難以為繼 。

進一步講 ， 通用Agent的大模型依賴癥導致它卻缺乏統一的底層架構設計 ， 常常陷入泛而不精的宏大敘事 ， 缺乏明確產品定位 。
【Manus“跑路”風波背后，AI Agent的商業化困局】通用Agent ， 其實在民間還流傳著一個不太雅觀的稱號——縫合怪 。 就是說 ， 產品為了展示多功能性 ， 強行整合RPA、爬蟲、數據分析工具 ， 導致系統臃腫 ， 無法真正適應復雜任務 ， 用戶在實際體驗過程中效果不佳 。 麥當勞與IBM合作開發的AI Agent ， 因在真實餐廳環境中頻繁出錯 ， 最終被放棄 。 由于技術效果與業務需求之間存在落差 ， 當企業發現投入巨資引入的Agent產品并沒有帶來預期的效率提升 ， 自然會放棄繼續投入 。

沒有人愿意買單 ， 用戶留存率和轉化率少 ， 但通用Agent的成本卻不低 。 與專業Agent相比 ， 通用Agent依賴多個大模型API ， token消耗量更大 。 且由于任務泛化性更高 ， 通用Agent產品開發和維護都需要持續投入大量算力和工程資源 。 然而 ， 很多創業公司在起步階段盲目采用互聯網時代“先圈用戶后變現”的免費獲客模式 ， 忽視了通用Agent服務的高成本特性 。 而這種高成本、低轉化的矛盾則直接導致了 ， 一旦融資跟不上、公司很快就會陷入現金流危機 。
不難看出 ， 通用Agent創業的泡沫正在破裂 ， 那些無法實現商業化、僅靠講故事和堆模型吸引資本的公司注定逃不過被淘汰的命運 。
但通用智能體不被看好 ， 能代表Agent這條路已經封死了嗎？

當前AI Agent領域正經歷一場殘酷的洗牌——高昂的研發成本、模糊的商業化路徑 ， 讓不少玩家黯然退場 。 然而 ， 在一片“哀鴻遍野”中 ， 仍有像GenSpark、Salesforce這樣的企業逆勢增長 ， 不僅活了下來 ， 還跑通了可持續的商業模式 。
為什么Agent賽道冰火兩重天 ， 我們或許可以從這些成功盈利公司的生存模式來一探究竟 。
首先 ， 小而美優于大而全 。
許多AI Agent的失敗 ， 源于試圖打造萬能助手 ， 結果既無法超越通用大模型 ， 又難以在具體場景中真正落地 。 他們過分追求技術的通用性和智能度 ， 卻忽略了企業客戶真正關心的問題——我買這個東西 ， 到底能做什么？
與盲目追求通用智能的做法不同 ， 一些Al Agent公司選擇在垂直領域深耕 ， 針對痛點提供定制化解決方案 ， 將智能體嵌入到客戶的業務流程中 ， 建立技術和數據壁壘 。

比如今年突然闖進公眾視野的Agent黑馬——Genspark 。 這家公司員工僅僅二十人 ， 卻在Super Agent上線45天后便實現了3600萬美元的年度經常性收入 。
一個重要的原因是找準了專業賽道 。
Genspark最初做AI搜索 ， 但發現該領域已被Google、Perplexity等巨頭壟斷 ， 于是果斷轉型AI Agent ， 聚焦辦公自動化、數據分析和文件管理等企業剛需場景 。
據悉 ， Genspark驗證效率比傳統搜索引擎提升60% ， 虛假信息過濾率高達98% 。 實際應用場景中 ， 金融行業客戶使用GenSpark后 ， 投資研究報告撰寫時間從3天縮短至8小時；學術機構用戶反饋 ， 使用GenSpark進行文獻綜述時 ， 效率提升了50% 。
靠著在垂類領域做到極致 ， 半路轉行的Genspark得以在Agent競賽突出重圍 。
其次 ， 解鎖付費意愿很重要 。
解決了做什么后 ， 另一個問題就是：這個AI到底能幫客戶賺多少錢 ， 或者省多少錢？
許多通用Agent公司沉迷于炫技 ， 卻忽略了企業運營的真正痛點——ROI（投資回報率） 。 當每個產品都號稱自己有Agent能力 ， 破局者靠什么脫穎而出？

關鍵在于幫助客戶定義AI的價值錨點 。 Salesforce的Agentforce之所以能在上線一年內吸引5000家機構部署、實現10億美元年化收入 ， 就是兼具可解釋和按需付費兩個特性：可解釋 ， 每個AI決策都能回溯推理過程 ， 讓企業清楚知道“AI為什么這么判斷” ， 降低信任門檻；按需付費 ， 除了會員制 ， 平臺還提供了按對話次數付費的商業模式 ， 讓企業選擇更靈活、成本結構更透明 。
深度綁定業務流程的AI Agent因直接解決了企業痛點 ， 從而獲得持續的商業收入 。 這也說明了 ， 企業客戶不只為Agent的概念買單 ， 而是為可量化、可審計、可省錢的解決方案買單 。
最后 ， 數據反哺、社區創新建立生態護城河 。
技術日新月異 ， 企業想要存活 ， 必須保持競爭力 ， 讓產品越用越聰明 。 要與時俱進 ， 上述成功部署、受到市場認可的專業型Agent產品還要進一步在真實場景中收集大量的用戶反饋 ， 構建數據閉環 ， 建立社區網絡 ， 才能進一步反哺智能體快速迭代 。

醫療Agent PathChat通過分析顯微鏡圖像和患者數據 ， 幫助醫生快速識別腫瘤 ， 在積累了大量獨家醫學數據后 ， 將識別準確率從78.1%提高到89.5% ， 進一步鞏固專業護城河；Salesforce推出的Agent平臺允許開發者創建各種行業Agent應用 ， 第三方的加入豐富了平臺功能 ， 反過來又吸引更多企業客戶采用Salesforce的AI方案 。
將單一產品上升為生態系統的Agent公司 ， 將更難被撼動 。
簡言之 ， 那些在Al Agent寒冬中依然挺立的企業雖各有高招 ， 但無不是將技術與場景深度結合的務實者 。 而那些一味追逐風口、忽視用戶需求的投機者 ， 終將被歷史淘汰 。 Manus的故事或許還無法輕易定調 ， 但它留給業界的討論是有價值的：Al Agent的使命 ， 在于成為人類的得力助手 ， 而不是資本游戲中的空中樓閣 。
任何不想只是曇花一現的技術 ， 唯有腳踏實地、聚焦場景、創造價值 ， 才能真正走出困局 ， 迎來屬于自己的春天 。

    推薦閱讀