本文由作者参加九派新闻直播九派圆桌《
manus爆火，套壳还是创新
》讨论时的发言整理而成
Manus离通用人工智能体差距较远
Manus爆火有多方面因素。
首先，Manus的核心技术在于多智能体系统的协同，它能够动态协调专用大模型，把这些大模型进行统筹调用，最后组织起来。另外，它的用户体验现在看来还不错，在界面和交互设计上的工作做得也较好。
现在，大家都希望大模型能落地，Manus应市场需求做了一些相应的能量释放，比如在人力资源、金融等领域。
当然，Manus也有炒作成分，目前邀请码也是是“一码难求”。如果它的技术能够经得起检验，未来可能走得更远，如果还处在比较初级的阶段，大家也是一时热闹。
事实上，“通用智能体”的概念是大家的一个梦想。我们一直认为以现在的数学和物理学想做到“通用”是特别难的。
因为通用有三个特点：首先是主动性。通用的自主性很强，像人一样，它会有“want”，即知道我想干什么，我想用什么；第二，它的基本的功能是能干很多事，既能炒股，也能筛选简历，还能够围棋等等。最后，一个智能体要有价值观。现在的智能体没有价值观，它的事实和价值不对齐，常会出现所谓的“机器幻觉”、“机器错误”以及“机器欺骗”等东西。它还是被动的token，吃了很多人为的NLP、自然语言里面的一些符号，再相应用
tranformer
架构处理，吐出相应的输出，这些输出有好有坏。
所以，我们说Manus是通过“规划-执行-验证”这三个独立代理的分工协作实现了任务的分解，工具的调用和动态的修正就是修正全流程的自动化，在简历筛选的过程中，它能够自压缩文件、分析内容生成排名报告，全程无需人参与。
但是，它只有自动化过程是确定的。
Manus的不确定性还体现在它调用的例如deepseek、 claude 这些大模型存在的不确定性。它本身是要按照确定的流程来进行分工拆解的，所以真正的智能里一定有不确定性，而自动化里却包含了确定的流程、确定输入、确定处理、确定的输出、确定反馈，我们叫做自动化过程。
Manus里有很多自动化的成分，但不确定性的成分相对来说比较少。所以我们说Manus离通用人工智能体还差距还比较远。
在AI领域，“套壳”和“蒸馏”每天都在进行
Manus光靠卖邀请码是肯定不能回本的。
另外，我个人认为它是一个集成的系统，底层是用别人的东西，门槛相对较低。像 deepseek的门槛就相对高，因为它涉及到算法的优化，还有一些工程困难。
Manus存在很多不确定性和一些没有解决的技术或原理性的问题，比如数据的不完备性、数据的偏差和数据的造假，数据问题它很难摆平。第二个就是算法问题。无论是deepseek、claude，还是Chat GTP也好，他们都是基于transformer架构
Transform架构本身就是多内存的神经网络系统，这个系统里有两个基本函数，一个是线性函数，一个是激活函数。这两个函数在一起，就会产生一个非线性的复合函数，造成在反向传播过程中，它的权重分配的不可解释性黑盒。它们在基因里面就带着“机器可能会产生错误”，也叫“机器幻觉”。
另外，这个架构在使用过程中有很多噪声干扰，很难屏蔽，在实际工程落地的过程中，它会有各种各样的偏差和误差积累，会造成应用的落地困难。
我觉得Manus是一个集成的开拓者，但它要想在这个领域里面保持领先，难度还是比较大的。
春节期间，很多人说Open AI要告deepseek“蒸馏”的问题。其实，“套壳”和“蒸馏”每天都在进行。学生在“蒸馏”老师，我在“蒸馏”朋友，这也很正常，因为没有前人就没有后人。在大模型领域，或者说AI领域里，这属于比较正常的两个词。
但是，现在的智能体，无论是单智能体还是多智能体，和大模型不太一样。Open AI的奥尔特
曼
说过一句话，大模型有五个发展阶段，第一个是交互，问他问题，它能回答。第二个是推理，deepseek
r
1就是一个推理模型，其实GPT 4也是。第三个阶段是调用，我感觉Manus更多的是调用。第四个是创新。第五个涉及到组织。
目前，大多数的实践还停留在较浅的层次，因为深层的多智能体模型之间的协同工作极为困难。我认为，目前能够达到让人为之一振的产品和系统已经相当不易
。
然而，我们也需要冷静地看待，因为正如之前所说，Manus的门槛相对较低，并不像DeepSeek或OpenAI最初出现时那样耀眼夺目。但是，我们既要保护它，又要清醒地认识到其不足之处，继续前进，做得更好。
机器想取代人，很困难
