Manus 决定出售前最后的访谈：
啊，这奇幻的 2025 年漂流啊…

虽然 Manus 的宣传片基本是我出镜，这时候自然有人支持，有人骂。他们看着宣传片骂，都说这肖弘太坏了。

对，我觉得别的创始人都太艺术家了。

大家好，我叫季逸超，朋友叫我 Peak，我是 Manus AI 的 Co-founder、Chief Scientist。今天很荣幸能参与这个节目的录制。

首先得从我的家庭背景说起。我觉得我很幸运，我父亲是北大物理系教授，传统意义上的科学家；我母亲算是老一辈的中关村连续创业者，现在可能可以叫企业家吧。所以我从小在这两种不同的风格中一块儿成长，可能就在两者中取了一个中间点，就是所谓的科技创业者。我从小其实不是那种聪明孩子，学习也就一般，但比较喜欢自己瞎琢磨。

就偏科吧。其实我不知道我学习到底好不好、聪明不聪明，因为我觉得我就没怎么学。

那个软件从第一个版本到最后，我大概赚了 30 多万美金。对于高二高三的学生来说，已经算是挺开心的事儿了。而且关键是它的销售模式很清晰，我不需要考虑 in-app purchase（应用内付款）或者提供增值服务这些模式，只是非常老实地卖一份 copy，你给我一份钱。所以维护成本是比较低的，是当时还成立的一种商业模式。

这段创业其实没有一个明确结束的那一刻，它是我创业的一个起点。那时候还不能严格意义上称为创业，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获得了一定的现金流。有了现金流，你同时也要做一定的 marketing。当时我也没有团队，就一个人在国内外的论坛上发帖。当时国内也没有很成熟的支付渠道——现在 App Store 你可以用支付宝、微信或者 credit card 付款，但当时我记得只支持国际 credit card，所以国内基本是没有什么付费的。

反正当时我就想，既然在国内很难获得现金流，那在国内就只能赚吆喝。所以我那时候会破解自己的软件，在国内论坛上发——你没钱，就给我捧个人场。这样做的同时，也获得了一些来自资本界的关注。那时候也很好玩，我高二、高三，中关村还是比较有创业氛围的，我在中关村参加了一个创业活动，有点想不起来是哪一个了，然后就认识了真格基金。

很明显，因为又过了两年了。无论国内还是国外，尤其在第三方 iPhone 浏览器这个市场里，已经出现了很多不同的玩家，巨头已经回过味儿来了。所以我们觉得这个东西一定会走向免费，或者免费加增值的这条路。但当时我们还做了最后一点尝试，这其实也是后面一切的起点：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跃进。

当时我其实收到过一些收购的 offer，也许卖了也挺好的——是谁的 offer 就不要说了，不能点具体名。但我觉得浏览器从古至今，包括今天很多团队也在做 AI 浏览器（待会儿也许我们会聊到），一直有一个点：它不是特别适合以创业者或者颠覆者的形态来做，更像是巨头已经有了分发渠道之后，去锦上添花的事儿。所以回看当时，以我现在的经验和阅历，我不认为能做出什么更好的选择。

第二段创业，其实就是我第一次真正的创业。做浏览器的时候，我意识到 NLP 这个领域真的非常有意思。那时候是 2011 年，距离一篇石破天惊的 paper——我说的不是 Transformer——是 2013 年 Tomas Mikolov 在 Google 推出的 Word2Vec。它也不是第一次，但它较为可靠且高效地把离散化的自然语言文本变成了稠密向量。这是我心中最石破天惊的转折点，因为它头一次让我们能比较方便地把其他机器学习和深度学习领域的方法用在自然语言处理上。

老词，对。但当时我们也是有追求的团队。我们在知识图谱这件事上再往下钻：到底是什么限制了知识图谱真正落地？我们找到的切入点是，知识图谱完全不够完备。那时候能找到的知识图谱，无论是通用的还是行业领域知识图谱（这也是一个很旧的词），都大量依赖人的编辑。比如当时有做工业领域、科学领域知识图谱的，都需要专家去标注，比如以 SPO 三元组的形式去标注。

我们总共只有两个模型，加起来大概是两个 0.3B 的模型。那时候这叫大模型，现在已经不算什么了。我们也很早就遇到一些问题，比如当年的 BERT，没记错的话，默认的 context length——那时候我们还叫 sequence length——是 512 个 token。

去掉开头的 CLS 跟 SEP token，就是 510 个 token。如果要让 AI 自动在互联网上读网页，这完全不够。所以我们从 2018 年底就开始解决 long context 的问题。当然那时候解决的 long context 今天看来也很小儿科，我们解决的是 16K 长度。没记错的话，那个模型后来我也开源了。

直到 2019 年的某一天，我拿到了 GPT-3 的 early access，我觉得天要塌了。

就像我刚才讲的，我们当时选了很苦的一条路，一切都要做垂直整合，模型自己做，产品自己做。每一次产品迭代，我都要等底下的模型完成。那时候的模型跟现在比非常非常小，但你的 evaluation 也很恶心，infra 也要自己去搞，所以我们基本两到三周才能有一次模型迭代。而两到三周在当时的外部，简直是巨变。

卖了。卖给谁不敢说。

我觉得不能这么说。应该说，大家在每一个阶段遇见的问题是类似的，但每一个阶段其实都没能解决未来大家再次遇到时的问题。比如我们当时说的 long context，是从 512 个 token 到 16K，现在的 long context 可能是指 200K 到 2 million。所以我只是说，历史会押韵，但肯定不是重复。

这是一个很好的问题，也是上一次创业中我没有想通的一件事。可能那时候还是年轻。包括现在我看到很多跟我那时候一样年轻的创业者，优点是非常遵循自己的本心，喜欢什么事儿就先把它做下去。往好了说，如果你看中了一个技术问题，且这个问题真的没人解决，那它往往可能是符合第一性原理的，是一个很重要的待解决问题。

所以我们当时就先烈了。第三，我们当时商业上也没想得特别清楚。一开始想的是完全 to C，把这事做大；但做了很多年，技术不断迭代，你也会慌，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。所以那一段创业经历让我学到了很多，当然也特别爽。爽是因为那是很多创业者梦寐以求的状态：我就想把我人生的夙愿给做完。

就是我想从头开始，一切都是自己写的——自己写的 inference，自己做的模型——去解决一个别人没有解决好的问题。

是这样，首先 Google 是通过收购 Freebase，获得了一个很好的社区。它当时还有一个并行的项目，叫 Knowledge Vault 还是什么。我们跟他们做过 head to head 的对比，我们在最高置信度下的准确率能达到 89% 多，比它高。同时我们不仅支持中文，还支持别的一些语言，包括反向书写的阿拉伯语，现在大家可能不觉得是什么，但当年还是比较厉害的。我们还自己去实现了向量搜索，现在可能也比较常态了。为了解决 scale 的问题，记得是跟英特尔合作找了一个新方案，他们当时有一套技术叫 PMem，持久化内存，我们自己写了一套基于 HNSW 算法的向量索引，搭建了整套东西。

对，我工作了一年半。那段工作经历其实非常开心。

当时还是独角兽状态，相当于在临上市前的一年多。当时又刚好赶上 GPT——我是因为 GPT-3 的出现意识到危险嘛，所以相当于从 ChatGPT 出来之前一直干到了 ChatGPT 出来之后，在那家公司从零做起了 LLM 的业务。

不是，因为好多课我都没上。所以我特别感谢我的高中，当时在北大附中读书，我特别幸运，遇见了一群超级开明的老师。开明到什么程度？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——也算是一个小顾问吧。我们有一个计算机社团，相当于我在学校里有一个不上课都可以去的办公室，有空调有电脑，让我好好捣鼓我喜欢的东西。所以我觉得太幸运了。

我当时的想法是：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？当然是选择加入了。但我刚刚经历了上一次创业的创伤——自己做垂直整合，真的很痛苦。我常说一个比喻：每天醒了之后，你都感觉海水在上涨，但你不知道会涨到什么程度，也许第二天醒的时候就已经到鼻子这儿了，很恐怖的感觉。

到了 22 年底、23 年初，大家看了 ChatGPT 之后，国内很多基座模型公司已经开始动起来了。我也跟所有人都聊过，但没人能说服我这个东西到底该怎么办。我不太想再体验那种特别难受的状态，所以目光更多看向了所谓的基础设施层和应用层。

就是那一年半的时间。

我几乎跟所有的大模型公司都聊过。

Google。

海外当时也没几家，基本都聊了，国内也都聊了。

就是你没干掉它，你才会格外尊敬它。

完全是情绪上就很抵触。

首先，我很喜欢跟电脑打交道，但我觉得人太复杂了。组织随着变大，你会发现这个复杂度是指数级增长的。我觉得我不是那块料，搞不定太多人与人之间那些更微妙的事情。

不不不，其实我们公司除了张涛以外，全都是 I 人。我只是开朗的内向，你知道吗？

我跟你聊具体业务的时候能讲很多，但其实我是 INTJ——INTJ 感觉都烂大街了，大家都差不多。

就是有一个能赚钱的方向，和一个能把特别有趣的技术走到底的方向，我会毫不犹豫地油门踩死，往后者走。但我知道这一定是错的。所以我需要有一个人能把我管住，在我又想发癫的时候给我摁死。经过创业之后，你会充分意识到自己的不足。

当时大家都在基于自己的直觉判断，说我要做个什么东西。但我已经经历过几次这样的创业，我就想这回能不能做得正规一点，能不能像字节跳动一样有一点数据思维。所以我觉得我不应该自己在丛林里做那种“因为相信所以去做”的事情，而应该有一个过程去更多地观察。那观察用户最好的方法是什么呢？就是有一个初步 PMF、但又非常空的画布在这儿。

观察到一些非常有趣的东西，待会儿讲为什么做 Manus 的时候可能都会讲到。总之我觉得这是非常值得做的。

首先，我很幸运，跟他交流之后发现他太适合当 CEO 了。他擅长所有我不擅长的东西。而且反过来说，你看当今国内外 AI 创始人一号位的整个版图（landscape），会发现肖弘有一个非常稀缺的特质。

他很正常。身心健全，没有任何不良嗜好，没有任何极端的思想。这不是一个普通的指标，这已经很难得了，你知道吗？我觉得现在整个行业有很多人比较偏执，讲真，就是没有乔布斯的命，却得了乔布斯的病。

对，而且我经过这个惨痛的失败之后意识到了这一点，但他们还没有意识到。所以我觉得肖弘身上最可贵的品质，就是他特别正常。

对，相信常识，且相信团队。很多事情的判断，你既可以说他是数据驱动，也可以说是直觉驱动，但他是一个真正能把公司从一个阶段持续带到下一个阶段的人。而如果我自己从头做的话，我只会在我喜欢的那一个阶段很爽。所以我觉得太难得了。

不是见第一次。

其实很多次，后来也一起吃了两三次饭，长谈了很久。最后他怎么打动我加入的呢？还是因为一句话。他说：“Peak，我知道你做过浏览器，做过搜索引擎，做过语言模型，你想不想在一个产品里把这三件事都重新做一遍？”我觉得好呀，听起来挺吸引人的。

还是对比出来的。因为同一个阶段，我一定不止跟肖弘有接触。

是的。

我觉得别的创始人都太艺术家了。

我不敢说，我不配这个词。别的创始人我觉得太艺术家了，肖弘非常现实。包括现在我们整个公司的运行，我觉得都是很稳健的，甚至有时候我们内部反思会觉得有点保守。但这才是更尊重常识。

太多了。我举例子，比如说你知道那个产品吗？

然后像点点[?]，我见过他。还有那个做那个的……

大家都会来找我聊一聊，我就觉得大家都太艺术家了。

就很偏执，你知道吗？多少有点抑郁。其实肖弘有时候也会……

他不抑郁，整体是比较阳光的，而且不会那种深夜发癫。

我觉得不是优点，绝对不是优点。这是很大的一个变化。以前移动互联网时代，我还挺喜欢这类人的，因为边际成本很低，你可以赌一把、搞一个大的，看能不能找到一群跟你共振的人，再逐渐做大。

对，移动互联网时代喜欢艺术家，而且你能很低成本地获得一批初始用户。但 AI 不是这样。

基本上都聊了，但这完全是因为 PTSD。

我认可这件事，但我认为有一个时间先后问题。我现在的观点是，可能都不用太久，也许六个月之后，就不用再分所谓的模型公司跟应用公司了，基本上每一家头部应用公司都有做模型的能力。这个事儿已经被 Cursor 挑出来了。之前大家还处在一种秘而不谈、泾渭分明的状态，但你看 Cursor 已经跳出来，搞了他们新的模型，叫 Composer 1，对吧？

我觉得非常大。因为你很有可能会受挫，或者说必然受挫。但身心健康的人是打不死的，你能够一次一次很谦卑地重新站起来，再很冷静地看待外界的变化，反馈到你的决策思路上。我加入蝴蝶效应，也就是我们的母公司之后，看见了无数次这样的事：大家不会因为身心不健康或者有过度的执念，而选择一种蛮干的思路，整体非常理智。

其实中间隔了很久，我有点记不清了，前前后后应该有四个多月。

有可能，哎呀，这一年过得太快了，好多细节我已经想不起来了。我最后正式加入应该是 2024 年 3 月。

是的。也不仅是应用，刚才讲的那三层，其实都聊了。

大模型的话肯定都聊了，当时可能比现在看起来更欣欣向荣一点。我当时比较喜欢——我不是马后炮，确实也是当时判断得比较好——应该说三家吧：千问、DeepSeek 和 Kimi。

“品味”这个词现在大家经常说，我可能会关注一个非常具体的——不该叫指标——就是品味该怎么体现出来？我觉得品味可能体现在你的 evaluation，或者你内部的 benchmark 上。甚至我觉得这可能是所有 AI 公司唯一的护城河：你自己内部的衡量指标，无论是对模型的 benchmark 还是对人的激励，其实决定了你这家公司和产品该走的方向。所以我觉得这个还是很不错的。

是，我觉得这就是我刚才说我特别幸运的一点：我提前吃了很多大家后来才吃的亏。

我觉得很多人已经在吃了，且付出了更惨痛的代价。比如国内大模型公司，从最开始不是什么“百模大战”吗？那 99 个都已经先死掉了，最被大家提起的几家，也有一些已经渐渐退出了这个赛道。我觉得这挺正常的。而且自从 DeepSeek 出来之后，对大家产生了很大的客观冲击，它让一个模型的保质期变短了特别多。

我觉得一定有价值。无论是模型公司，甚至是做 AI 应用的公司，都要追求 SOTA，这是一定的。还是刚才那句话：你的 evaluation，或者说你选择关注的那些 benchmark，决定了你的 taste 能否落地。

我觉得大模型公司最后一定都会变成同时做模型和应用的公司，你看美国现在的版图基本已经是这个方向了。OpenAI 我认为现在更像两家公司：一个模型公司，和一个跟它有强关联但并不绑定的 research lab。Google 始终是一个双向都很强的公司。Anthropic 之前可能一直比较关注 B2B 市场，比如做它的 Claude API，但 Claude Code 的巨大成功也给了他们很多正向激励。

对，我觉得不会那么泾渭分明。

23 年，对。当时几乎所有在做模型的公司我都聊了。23 年初我也录了一个 podcast，当时还是以真格 EIR 的身份去录的，说了一些暴论，现在看来好像都对，太幸运了。当时我比较看重几点，这都是有史可查的，我不是事后诸葛亮。

Nvidia。当时我心里会觉得 Google 最后一定会很厉害，但它确实用了很久才变得很厉害。

这件事我忘了肖弘之前有没有跟大家分享过：他为什么叫我加入，又是用哪句话说服我的——就是问我想不想把浏览器、搜索引擎和大语言模型再做一次。因为当时我觉得大家整体做了一个错误判断：Monica 已经有了一定的用户量，我们会觉得，也许我们是当前世界上最懂用户怎么在浏览器里用 AI 的团队，那一个直觉的、惯性的外推就是：我们要不要做一款浏览器？

加入了。我是四月份加入，涛哥应该是一两个月之后加入的。

对，这特别好。先开个玩笑：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——

因为要说英语。这时候自然有人支持、有人骂，他们看着宣传片骂：“这肖弘太坏了。”所以感谢肖弘帮我挡了很多枪。整个 Manus 团队，或者说蝴蝶效应这家公司，其实有六位合伙人。平时在外面露脸稍微多一些的是张涛，我们的 CPO，他负责产品，更多还有与外部的对接、合作，包括一些对外的宣讲。张涛之前也是一位非常 senior 的连续创业者，豌豆荚、神策，后来的光年之外，他都经历过。

我觉得是这样：现在外界可能有一个观点，好像在 AI 时代团队会变得更小。我们觉得，团队规模首先不应该作为一个指标，或者说它应该是一个被动的指标。我们绝对不会为了团队规模做任何特殊的优化，只会自然而然地观察它的变化。但确实如你所说，现在你很难分清各个能力项，因为很难做到完全正交。比如做 Agent 这个行业，Research 跟 Engineering 是很深地耦合的，而产品又同时在引导你系统架构该怎么做。

开玩笑啦。至少烟酒我们都不太沾。

这是我们一直在持续改进的事儿。我觉得创业公司在不同阶段、解决不同的事情时，需要不同的决策模式。虽然我们是连续创业者，但其实也都不成熟，最近在逐渐走向一个更理智的方式。可以这样总结：管理分几种类型，一种是集权式的，英文有个词叫 BDFL，Benevolent Dictator for Life，仁慈的终身独裁者；还有一种是民主式的。

会的。肖弘还是产品方面的最终决策者。我们觉得非常重要的一点，包括我自己也比较相信的，就是与其悬而未决，不如赶紧试试。因为很多时候做一个新的领域，第一，你过往的经验不一定有用；第二，你现在想得再多，也没有额外的信息输入，仍然是基于模型内部的参数化知识，没有做 RAG，也没有一个检验的结果。那与其想太多，不如先把这事儿干了，拿到你的 Reward 再去做。这一直是我们核心的指导思想。

是的。但我非常尊敬肖弘的一点，是他也充分尊重我。比如对于一些技术方面的决策，我也可以做技术领域的 BDFL，当技术方面的独裁者。

我觉得我们在逐渐从一个自上而下的体系，尽量变成自下而上。随着团队的扩张和成员质量的不断提升，我们觉得自下而上会有更大的动力。之前在一个纯粹快节奏的过程中，自上而下可能是更稳健的做法；现在我们在逐渐变得更成熟。

哦，对不起，已经聊远了。当时我们其实做了很多事情，但围绕的母题是如何做一款 AI native 的浏览器，就是所谓的 AI 原生浏览器。当时做出来的产品形态，其实跟现在的 ChatGPT Atlas、Dia 已经很像了。我们想的切入点有几个。一是训练一个端侧模型，让一些操作在用户的电脑上完成，既不产生 API 消耗，也充分尊重用户隐私。

对，这是我的第二遍浏览器。

当然，之前我可能没有这么系统地想过这个问题，那时候还像我刚才讲的，是凭爱好往前冲的状态。而这次我们是很理智地想这件事，觉得不太对。但也比较幸运，当时看到了一些别的苗头。

是这样，我 2024 年四月加入，浏览器其实到八月就可用了，但八月、九月，甚至一直快到十月，心里还是有些波动。真正停掉，算是九月底吧。

其实应该说是我跟张涛。但肯定是这样，这也是肖弘比较好的一点：他非常会考虑大家的感受，而不是以艺术家的方式去解决问题。那段时间反过来看，我们觉得特别宝贵。大家在很自然地形成共识的过程中，逐渐放下了浏览器这件事，处于一种几乎无所事事的状态。而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。

其实每个人心里都会提前感觉到一些不对。最典型的一点是：一款产品你觉得已经打磨好了，却突然觉得它不是特别酷。按今天的话，我可以断言：如果一个产品做完，你自己都觉得不太酷，就别发。你都觉得不酷，没人会觉得酷。

对，这是非常艺术家的一件事。因为我此刻是站在用户的立场上：如果本该最喜欢这个产品的人都不喜欢，你怎么能奢望用户会喜欢你呢？我不是以决策者的角度说这件事，而是站在用户的身份去想。

我觉得这不能一概而论。我特别喜欢一句名言：For every complex problem, there's an answer that is simple, clear, and wrong. 对于任何一个复杂问题，总有一个简单、清晰但错误的回答。我们很多时候都在过度总结，所以这件事我不能二元地去切分。但它确实值得警醒，因为很多时候大家选择这种做法是基于思维的惰性：参考过去一个时代的成功因素，想用一种新的技术再做一遍，但你要考虑到外部环境的变化。

我不能替别的浏览器做主，也不是说因为我们放弃了，这事儿就一定不对。是我们团队自己达成了共识：我们做这个东西的收益不是特别明显。如果我们选择另一种心态——好吧，这个产品不是特别酷，但既然做完了，就发出来看看——那会把你带入一个不好的漩涡。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：我们可能因为不断进入自证的循环，错失明明更有价值的新机会。而如果一个团队已经把 AI 浏览器做到了自己比较满意的程度，那我觉得进入自证的循环应该是对的。你今天可能是一款所谓的 AI 浏览器，但沿着自己选择的这条路，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。所以我不能替别人做这个决定。

其实不会。就像我刚才讲的，他只是最后用这句话说服我加入，但我肯定不会只因为一句话就被说服。我非常珍惜的是，首先我们通过 Monica 真正拿到了一张理智的 AI 应用的船票。Monica 这个产品的意义非常非常大。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很多遍。一个团队如果有正向现金流的产品，在做第二曲线的决策时，你会变得既大胆也理智。我们之所以后面敢豪赌很多东西，是因为知道 Monica 一直在帮我们赚钱，所以能以一种非常客观又大胆的方式做决策。

这个很好玩。我第一个产品叫猛犸浏览器，Mammoth，M 开头；第二款产品叫 Maggie，M 开头；然后 Monica 是 M 开头，Manus 也是 M 开头。我觉得这完全是一个巧合，可能 M 开头的产品运气都不会太差。而 Manus 可能有一点私心，因为名字是我起的。

其实是一个渐进的过程，我觉得又一次是上天赏饭吃。当时大家还在正常运营 Monica，同时也做一些别的实验。那个阶段已经有一些 AI 产品很受欢迎，尤其是 coding 领域，像 Cursor、Windsurf，包括后来的 Devin，都有很多用户。我们作为工程师肯定会用。然后我们发现，公司里很多非工程师也在用 Cursor，这让我们很意外，因为 Cursor 的产品形态仍然是一个 IDE，集成开发环境，是写代码的人才用的东西。

我们从九月底开始搞，到 2025 年一月中，Manus 基本已经做完了。但当时我决定，我们不该马上就发。

因为当时我们能拿到的最好的模型是 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，但也有一些问题。从技术角度讲，首先它缺乏真正的 reasoning 能力。另外，我当时也听到一些 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 Claude 3.7 会有多好，但我觉得我们最好把发布时间跟下一次模型迭代对齐，这样产品发布的一瞬间就能享受到最大的代际提升——模型的溢出。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，一起发布。

其实可以说短也不短。我觉得当时真正意义上堪称无所事事的时间，有两周半。

是啊。其实那段时间也不能说无所事事，我们都很积极地做了很多不同的实验。

我不焦虑，一点不焦虑。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。

浏览器其实还好，因为当时投入的人力也就十几个人，除了人力以外，没有太多别的成本。

Manus 上线之后，我们对 Monica 的投入可能少了一些，但现在又抓起来了。当时 Monica 已经有接近 12 million，也就是 1200 万美金的 ARR，而且是一个盈利的产品。现在跟 Manus 比，1200 万美金 ARR 不算什么，但在那个时候，对一款 AI 产品来说，我觉得是很棒的成绩了。

当然不是外部。我们非常看重这点，一直在强调什么是 ARR：ARR 是 MRR 乘以 12。MRR 是什么？你不能把一个月内收到的年付都算在当月，必须分摊到每一个月。所以我们内部看 ARR 或 MRR 就一个口径：看 Stripe 上给你的 MRR 数据，以及移动端的 MRR 数据。要不然你有太多种方法把 MRR 这个数字造得很大，但那就是自己骗自己。像刚才说的，这也是一种 benchmark：对产品来说，这是你要优化的指标；对模型来说，你要选一些 benchmark 作为优化方向。这两者都会共同决定你的 taste。所以这点非常重要，我们非常抵制“外部 ARR”这件事。

现在已经超过 1 亿美金了。我们之前有一种比较复合的收费模式：除了订阅以外，还有 top up，可以额外做一些单次充值。我们觉得这确实给了用户很大的灵活度，但也给用户造成了很多困扰，所以现在在不断简化定价方案。目前基本可以很简单地理解为：一个免费方案，以及一个可以自由选择订阅金额的方案，默认是 40 美金一个月。

我觉得有一些变化吧。首先，它跟我之前所在的创业模式特别不一样。之前是一种较为慢节奏且谨慎的状态，因为一旦要做技术层面的决定，或者说赌注，你会比较慎重。但如果是一家完全以产品驱动的公司，整体节奏会快特别多。说实话，一开始我是有些不适应的，会觉得好多事儿为什么这么草率？

产品一定更快。首先产品的迭代成本更低，因为就像刚才讲的，你没有垂直整合模型这个问题。第二，如果一切都以敏捷开发来做，很多时候你甚至可以先发了，再看看有什么问题，再修。但如果你自己训过模型就知道，做数据清洗时那个代码你最好别让 AI 写，因为你写好数据、摁下回车之后，可能就是一个几十万美金的 training run，心理压力是不一样的。做技术或者模型层面的工作时，很多事情是有后效性的：做完之后很难被轻易纠正，或者会在历史长河中留下一些问题。但产品的话，掉头会非常快，这个团队很好地践行了这一点。我可能花了一两个月才逐渐适应。

我觉得技术 bet 是一件听起来非常好的事儿。如果你是一家硬科技公司，你该做这个 bet，因为这可能是你最终的差异化所在。但如果你是一家产品公司，就不该有 bet 这个概念，或者说只做一些轻量级的、可逆的 bet。大家不是经常说双向门决策、单向门决策吗？如果你做一家产品公司，还天天想着要不要 bet 什么东西，那我觉得你们处于一个比较拧巴的状态，还是要调整一下。

这么说吧，我们所有的 bet 都不会是那么重的 bet。

技术 bet 也有，但所有的技术 bet 都不会是那种：比如我需要两个月时间，等看到下一个预训练 checkpoint 之后再决定怎么样——所谓“皇国兴废，在此一战”这种事儿不会有。像一些模型公司的话，我觉得还是要有一些 bet 的。这就是两种 mindset 的不同。

产品形态是一个。其实你可以说，一开始不训模型这件事也是一个 bet。因为那时候我们做这个决定，现在大家逐渐——也许是在我到处游说之下——接受了这件事，但那个时候很多人还是不太看好所谓的 Context Engineering 的，尤其是我们刚开始做的时候。

对，“壳”这个词其实我挺喜欢的。因为从字面上说，操作系统里就有个概念叫 shell，shell 可不是一个低技术门槛的事儿，而且壳跟壳也有高低。我打个比喻：Monica 明显是一个套壳，它像生鱼片。生鱼片的好坏基本完全取决于原材料，就是你从海里捞出来的那条鱼怎么样，你几乎是没怎么加工就给了用户，所以你的价值增加是很浅的。

我觉得有几个非常难的点。第一个是，你启动越早你越难。首先，你能相信 Manus 这个东西能够做出来，我认为这就是第一件很难的事情。

第一个 idea 其实就是把浏览器自动化放到云端去。

我觉得这是大家都会看到的一个点，就像我刚才讲的，是大家一起商量出来的。但我们看到 Cursor 之后，Cursor 其实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 这家公司，它给了我们很多 idea。好多人说，造出原子弹没那么难，知道原子弹能被造出来才是最难的。当时我们相当于定义了“通用 agent”这个词，而首先能够相信 Manus 能造出来，这本身就是一个 bet。

当然，那时候人非常少。我们一开始从五个人开始做实验，每看到一点好的苗头，就从 Monica 里调更多同学进来。

Monica 当时团队应该有几十个人了。

对，而且当时我们还分两边：我跟涛哥在北京，肖弘和 Monica 团队主要在武汉。所以当时北京这边，你可以理解成一个创新业务事业部，在寻找第二曲线。这是一个渐进加码的过程，你看，这也是一个比较冷静理智的做法，没有那种“旧的我不做了，全都去搞新的”，而是逐步去做。这是第一个 bet：Manus 这种产品形态是能够被造出来的。

是的，我思考很长时间去决定不做什么。我觉得不做什么真的特别重要。AI 最大的一点是让创业公司的产能变得很大。以前移动互联网创业的时候，大家可能没有那种“我不做什么”的自由，你要进一个新的领域或业务，会受很多约束，外部因素会阻止你一些过于天马行空的想法。但 AI 时代大家眼中的机会很多，AI 又充分解放了生产力，所以每天都要回答“不做什么”。

是的，至少我自己的几次创业，从来没有想过对标这件事。

这是个特别好的问题。按传统创业理念，大家应该选中一个 niche market，或者找一个垂直领域扎进去做深，这可能是更正常的做法。但我有几个不同角度的观察，既有技术上的，也有产品形态上的。首先是技术层面：我上一次创业就经历过专有模型被大一统模型吃掉的体验。在现在这套技术体系下，即使你做垂直 agent，背后用的无非还是通用基座，你可以做一些 specialization，但可能会遇到模型探索这些事，待会儿再讲。

我觉得边界取决于几个维度。刚才讲到，agent 这个系统分三个元素：用户、环境和模型，这三者都有边界。用户先不说，最有趣的第一点是环境。环境是 agent 最重要的东西，因为它决定了 agent 跟外界能接触的边界。现在 Manus 选择了最通用的环境，就是一台虚拟机、一个 Ubuntu 系统，我们在这上面做了很多投入，内部有一个虚拟化团队。

在模型方面也可以讲讲：虽然我们不自己训模型，但我们一直作为一只无形的大手在干预这件事。这很好玩，当你有了足够的影响力，你的需求其实能影响模型的发展。这也是我们最近获得非常大正反馈的一件事：因为 Manus 的 token 消耗量巨大，我们自然是几乎所有模型厂商排在前几名的客户，所以我们跟比如 Google DeepMind 都有很深的合作。

这个数据不太好透露，但可以讲的是，我们在各个模型厂商基本都是全球范围内 top 2 到 top 5 的消耗量。

这就是为什么要做一款能赚钱的产品，用户的钱变成了 token 的消耗量。

我们现在几乎能 cover，而且优化曲线非常快。今年 3 月发布的时候确实是负利润，但现在我们很快就要打平，甚至转正了。

是的。这一方面是技术演进带来的，同时你也不能被动接受，你一定要去影响模型厂商的决策。这就回到我刚才要讲的事。

看你怎么算。我给你一个对比：以前做 Monica 的时候，做 chatbot 一定要估价，得基于 input token 和 output token 的成本去算，这两者差很多。对 transformer 结构来说，input 是 prefilling，可以并行计算，是 compute bound；输出 token 是 decoding，是 bandwidth bound，所以定价不一样，一般 output token 比 input token 贵很多。chatbot 做价格估算一般按 3:1，3 是 input，1 是 output。但在 Manus 这样的 agent 里，input 跟 output 的比例是 100:1 到 1000:1，视 task type 而定。

做得不是特别好，这块应该还有很大的改进空间，我也很期待接下来的进展。比较幸运的是，因为我们影响力比较大，我可以天天给这些模型公司洗脑：这个很重要，这个很重要，这个很重要。他们也确实很积极地在改进，所以包括 Gemini 3 出来之后，我们也很兴奋。他们能以非常快的节奏，把我们之前遇到的问题实实在在地变成模型能力；更开心的是，头部旗舰模型的成果会逐渐影响所有开源模型，大家也会跟进。

其实非常均匀，因为现在不同模型厂商之间比较分化——我不是说技术路线分化，而是关注点很分化，这可能也有被动的选择。比如你要讨论真正的 agent coding，不是竞赛编程，而是偏现实工程的多轮编程，那确实 Anthropic 还是最好的。包括 Opus 4.5，我觉得很多人可能有点低估它了，这是一个非常大的进步[?]，Anthropic 在 coding 方面非常领先。

看效率吧。目前头部几家，像 Google DeepMind 跟 Anthropic，响应都非常快。当然因为我们不同场景用不同模型，解决问题的效率客观上也受限于问题本身的难度。

我觉得就是快。首先你会发现，一些模型公司偶尔会发 research blog，我们读到的时候心里又开心又无语，因为基本就是我们之前在讲的东西，他们直接写成了一篇 blog。比如 think tool[?]，也是我们上线一个月之后他们写了一篇 blog；最近那个用代码方式调用 MCP，还有 progressive disclosure 这些，也都是我们一直在用的东西。但这没关系，这就是一种竞合关系。

对，所以刚好反过来了。

是的。如果都是符合直觉的事，我觉得也轮不到我们做。

我觉得这取决于公司一开始的根儿是什么。我们可以拿 OpenAI 做个案例。我刚才一直在讲，我非常尊重 OpenAI，它是一个真正尊重 bottom up 模式的公司，我有很多朋友在 OpenAI，它真的能让一小群人的创新逐渐往上走，变成一个产品。但实际上我认为，这就是我刚才讲的“买模型彩票”：它的实现方式是基于一个突破去做一个场景。而对我们来说，所有外部的创新都是养料、都是供给，我们不用做选择，不用买这个模型大乐透。

作为应用公司，跟模型公司相比还有另外一个优势。大家常常觉得智能的提升好像不需要用户——至少在今年年初 DeepSeek R1 出来之前，DeepSeek 其实没有很多用户，对吧？你通过比如 RLVR 这些方式，其实能获得一些提升。但对于 Agent 这种链路特别长、跟环境强相关的场景，用户是非常关键的。而用户的使用轨迹以及 feedback 是留存在应用层，而不是流动到模型层的。

我刚才讲了一个最笼统的定义，叫 prosumer，但可以切几个比较常见的画像来讲。第一类是在互联网公司或者技术公司里、但不是程序员的人，广义来说就是白领，或者远程工作者。第二类是 freelancer 或者 solo entrepreneur——美国其实有很多独立、自负盈亏的人，你可能在做外包，可能自己有一个很小的生意。第三类比较大的用户是金融和 consulting，也就是咨询行业的人。他们有一个比较大的共性：自驱力比较强，同时他们的任务是高价值的。

对，但它其实是设计师用的一个工具。而 Manus 作为一个通用 agent，我甚至可以用 Lovart。因为 Manus 的抽象层级是什么？我们在设计 agent 能使用哪些工具、跟外部交互的边界是什么的时候，一直用这样一个类比：我是一个普普通通的人，我能做很多事，是因为我有一台电脑。我跟电脑之间的 interface，也就是界面是什么？我的右手能用鼠标，左手能用键盘，眼睛能看见屏幕上的内容，耳朵能听见它的声音，没了。一个远程工作者用这样简单、标准的接口，就能完成几乎无穷无尽种类的任务。

跟 chatbot 相比有几个好玩的点。用 chatbot 时，当 AI 输出了你不满意的东西，你的第一反应可能有两种：一种是简单点一下重试键 retry，让它重新输出一个，相当于再 roll 一次，看会不会好一点；或者直接去改你输入的原始 prompt。但我们发现在 agent 的场景下，用户会去教这个 agent。

我们有一个专门的 evaluation 团队，现在不到十个人，他们同时负责这个系统的搭建，我们内部有很完善的 evaluation 体系以及自动化。同时产品团队会有一些比较 junior 的同事，专门负责主观 evaluation。所以这是技术和产品团队的一个交集，加起来大概十多个人，再加上不断轮转的很多实习生。

从 interface，也就是接口层面，可以抽象成几个维度。首先是 coding，虽然 Manus 不是一个 coding agent，但 coding 是 Manus 的灵魂，所以我们当然还是非常关注 SWE-bench，不过 SWE-bench 也快被刷爆了。编程是一个维度。第二，Manus 虽然没有直接做 computer use，不是通过 GUI 去完成很多事，但我们用了很多 browser use，所以也会很关注 GUI 的理解能力，这也是所谓多模态输入的一部分。

我觉得我们只是在用人习惯的词来描述它。我觉得模型跟人一点都不像，或者说，强行把模型或者 agent 跟人常用的思维体系去对齐，这事儿是不对的。

对，但我们做的是能完成人做的事情的一种系统，你不该用人的分工或者特化去要求模型。举个更具体的例子：很多做 agent 的公司或者开发者有一种惯性思维，要让自己的 multi-agent 系统分成 designer、programmer、manager 这些，给模型加很多不同的角色。我们觉得这不太对。回想一下，人类社会为什么会这样？是因为很可惜，我们每个人都不太全能，所以在一个组织架构下，必须要有这样的分工。但在组织架构下，又有多少信息在我们的通信之间损失了？又有多少摩擦在合作中增加了？实际上，模型是比人更全能的东西，你应该充分利用模型的优势，而不要生搬硬套人带来的约束。

Agent 分类这个话题，我觉得只能从输入和输出的角度来看。

我觉得不用分类。

不是不是，我想说的输入输出是什么意思呢？通用 Agent 是把更多输入的责任交给了用户。而你做垂直 Agent，在输入这一侧会做很多比我们多的事情。比如你做一个垂直领域，输入的数据可能来自一个用户不太可能自主产生、或者自主提供的过程，它一定得深入结合某一个已经在运行的业务系统来获得输入。同时它的输出也不是以标准化的形式给出的，可能无缝传递给了另外一个系统。输入输出跟通用 Agent 不同，也决定了它是哪一种 vertical agent。但中间的技术方案，我相信会是趋同的。

首先，作为一个有职业素养的程序员，我们会尽量回避 OS 这个词——这是一个圣杯，我不配。这是第一点。第二点，OS 这个东西如果严格定义，它是一个中间层。当然你也可以说 Agent 是很多东西的中间层，但我认为现在 Agent 还没到这一步：用户的文件、用户的软件其实不在你这儿，这是一个客观现象，对吧？所以在你没有获得这些东西之前，不要称自己为 OS。

比如我们跟微软有很深的合作，前阵子 Ignite 大会上大家也看到了，Manus 跟 Windows 会有直接的合作，以后你在 Windows 的应用菜单里就可以用 Manus。我认为不是谁做出开天辟地的 Agent OS，而是所有操作系统都会逐渐具备 Agent 能力。很开心的一点是，我们发现现有的操作系统厂商在以一个相当开放的心态做这件事，比如接下来大家可以关注 Microsoft Agent 365，你也可以看到 Manus 在里面。所以这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。

Agent 最后的生态是吧？我觉得垂直领域的 Agent 最后应该是一个百花齐放的状态，当然也许还是 To B 方面会多一些。

会多一些。我指的是海外市场。因为我们现在只做海外——我不敢说海外这么大的词，就说美国市场吧。美国市场，我感觉现在大部分创业者都在想一件事：我要做一个给另一家创业公司用的产品，并卖给另一家公司。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。

所有，华人甚至还好一点。华人还有梦，像我们就是比较勇的，我们还敢做这个事儿。

对，与其说丧失，应该说他们那边的环境形成了这样一种正反馈。他们的退出机制非常好，很成熟。

对，你可以卖公司，或者自己做 To B，有稳定的收入，独立上市、独立发展都没有问题。这种成功路径决定了美国资本市场的一个倾向，对吧？所以在美国，像我们这样跳出来做 To C，确实是一个很异类的东西。当然这也就会有人愿意下大注，对吧？

就像我们现在就获得了一些押注，我只能这么说吧。但国内的话，上一代创业者，也就是我这代创业者，在移动互联网时代很多人都是做 To C 的，获得了很多正反馈，也更勇一些。这确实是两边的环境和持续反馈带来的结果。

我觉得一定会有，但这块会比较微妙。我们团队有另外一个同学，他之前做过一款剪辑软件，后来被腾讯收购了。他给我说了一个很好玩的观点：做垂直 To C 的应用，很难的一种模式是什么？比如你要给剪辑师做一款更好的剪辑 Agent，这是非常非常难的，因为专业人士对此有极高的要求，会从风险控制的角度来看待这件事。比如一个工作流很复杂，但凡有一个环节没做好，对专业人士来说这东西就是零分，因为它是乘法关系，对吧？你就不能用。

我觉得会有很多偏娱乐的 Agent 出现，也就是广义的 To C，当然这要看接下来怎么走。现在也有一些有趣的尝试，我就不说名字了，他们可能是给每一个人做一个虚拟的 Agent，让 Agent 以代理的形式互相社交，我觉得这都挺好玩的。但我实在没有这方面的 insight，这种产品感觉适合 OpenAI 做。我觉得 OpenAI 适合做所有产品。

我觉得一定会有竞争。但首先，在 ChatGPT Agent 出来之前，我们经常要回答一个问题：OpenAI 做了，你们怎么办？他们做了，对，但很明显效果是不如 Manus 的。为什么呢？就像我刚才讲的，我们能用市面上所有最好的选择，而 OpenAI 仍然是在它的领域有所专长，这是第一点。第二点跟他们的用户心智有关。ChatGPT Agent 仍然是 ChatGPT 的一部分。ChatGPT 我觉得是一个打透了的产品，Chatbot 的战争已经结束了，所有用户都在用 ChatGPT，但客观来说，有 Agent 需求的人是少了一个量级的。

对，他们包括我们。但我们一定要去满足的，是那些有最高质量需求的用户。这些人肯定用过 ChatGPT，但他们仍然会选择 Manus，是这样一群人。

是的，或者说，我们得保证我们永远能提供比 ChatGPT Agent 更好的体验。

那我们也会赶上。我常说，小公司怎么跟大厂竞争？赶紧成为大厂。

还很远，还很远，但在做了，在做。

我想回到刚才没说完的一个问题：边界是什么？刚才讲到，系统中有三个元素，一个是模型，一个是环境，一个是用户。我不敢说未来形态，因为对创业公司来说，聊三个月后的事都很慌。就说接下来三个月，我们会关注的一点是：用户其实也是一种边界，也是一种瓶颈。现在无论 Agent 多么智能——Manus 跟 Chatbot 相比最大的变化，是它输出的不简简单单是一段话，而是一个或一系列 action，或者不同的产物——但到目前为止，它的起点好像还是一个 prompt。而对用户来说，输入 prompt 是很闹心的事，而且还有更多的问题：很多 context 没能带进来。所以我们一直在想怎么优化。

这个先不方便透露太多，举一个场景。比如我们自己每天面试完人之后，会用一些第三方的 SaaS 服务，比如 Ashby 这些，需要去写 review，也就是评价。评价当然是我们自己评，但要写很多描述。而我们在面试的过程中，可能用的是 Notion、Granola 做记录。假如没有这套新的 AI，我们就得自己基于昨天的 interview 记录去填写这些评价。但有了 proactiveness 之后，Manus 可以每天早晨在我醒来之前，自己先去看我的 Notion，直接帮我把记录填到 Ashby 里，然后只问我接受与否。要解放的是用户这层瓶颈，让 agent 的能动性逐渐发挥出来，这是我们短期关注的点。

我觉得不一定，甚至当时也不是为了让用户更好理解。你知道吗，我们这个视频做得非常草台，整个工期大概就三天。

对，我们自己剪。

因为中间发生了一件很傻的事。当时我们是在办公室一楼录的，背后一个保洁阿姨走进来了，所以我们必须在那儿掐一下，得剪一帧，得有一个黑屏。那完了，这只能给一个定义了。然后大家一想，就像一开始说的，Manus 这玩意儿我们也没想好到底怎么定义它、到底为谁服务，因为我们想的是去观察，去做达尔文。

不是一个壳，它是一个 playground。那好，责任就到了我，因为我得写视频的稿。我想，这个我们管它叫什么呢？所以整个概念就是我拍脑袋临时想的，然后就被大家采纳了，所以我觉得特别对不起大家。但我们觉得这个词其实偏技术了，因为它来自所谓的 general purpose agent。

其实不是，是为了挡住保洁阿姨才取了这个词。从市场角度来说，我觉得这不是一个很好的选择，因为对不了解技术的人来说，这是什么东西？这是一个很奇怪的东西。所以我们现在更想强调的一点是：做通用 agent 是我们的一个技术选择。你有一个更好的技术架构，就可以让不同场景之间有很好的协同，并且互相增强，形成网络效应。比如在新的 Manus EDR[?] 里，我们一直在强调 website building 这个能力，这个功能我们只开发了不到一个月，但效果目前绝对是 SOTA 的。这就是因为它是在一套统一的 agent 架构之上长出来的最后一公里。

我觉得也许是需要的，因为它要融入你特定的工作流。就好比设计领域如果没有 AI，你往回看，也会同时存在 Final Cut Pro 跟剪映，是这样的一个情况。

不会。我们会做很多我们叫做“场景”的东西。比如现在我们头部的几个场景，就是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。它仍然是在一个统一的 agent 架构之下，由我们的产品团队去优化最后一公里的体验。所以 Manus 永远是一个不断优化头部场景、同时保持很强长尾能力的系统。

对，这是一个选择，刻意的选择。

我觉得 Lovart 一定会越做越专业，Manus 可能会有一定的设计能力，但就像我刚才讲的，Lovart 是给设计师用的，Manus 是给有设计需求的非设计师用的。同时还存在另外一种关系，这也是为什么我们现在非常强调一个概念，叫 connector 或者 integration，就是连接与集成。Manus 之所以是一个通用 agent，就在于它能模仿一个人，模仿人去用各种工具，比如我们自己内部就经常拿 Manus 调试 Manus。

我觉得这个是比较尴尬一点，他们选择了一个最激烈的点。AI coding 不是一个垂域，它是一个通用能力。但我觉得 Cursor 这家公司非常厉害：一方面它启发了 Manus 很多；另一方面，Cursor 的人才储备不逊于这些头部公司，或者说，头部公司中跟 Cursor 直接竞争的那个团队，实力跟 Cursor 是可比的。

首先我们跟 Kimi 从来没有任何竞争，因为我们没有国内业务。

是的，是的。所以我认为最终一定是一种竞合关系，但我不觉得我们会输。就像我们已经跟 ChatGPT 打了第一仗，从效果上至少我们还是赢的。

我们肯定会焦虑，但焦虑不是源于这个。Manus 从一开始莫名其妙就火了，到后来有太多事儿值得我们焦虑，竞争其实是一种最常态化的焦虑，它不会占你生活中大部分的焦虑。

2024 年九、十月份，Manus 做完到发布前那段时间，是没有任何焦虑的，因为很 enjoy，很快乐。而且我们都属于所谓“中登型连续创业者”，做完 Manus 之后，我们知道这东西一定会火，是一个极有信心的状态，一定会成，所以并没有太多焦虑。

其实就是当我们跑完几个例子之后。当时我们内部也没想好要做什么。我记得是涛哥跑了一个例子：找办公室。Manus 自己去找资料、查地图、写程序，做出一个交互式网站，还提供一堆选项。我们觉得这太酷了，一定能成。后来一次次跑不同的 case，信心越来越强，当时觉得一定一定没问题。

很嗨啊。当时我们在北京的 ePark，是一个共享办公室，而且很小。我记得刚开始北京这边我们只有六个工位。

那个地儿我觉得特别棒的是，他们一楼环境特别好，我们拍最早的视频就是在那儿。

我们都特别对不起周围的邻居。他们经常听见有一个奇怪的办公室突然发出“我操，我操”——全都是我跟涛哥跟别的同事在嚎叫。

哦，有可能。所以那段时间完全不焦虑，发布后就开始焦虑了。

好，这两个问题我终于可以回答了。我们其实很早就想公开回应这个事儿，但觉得瞎回应没意义。我们当时内部就说，没做到 1 亿美金 ARR 之前就不用搭理这个事儿。

早到了，应该是一个月以前吧。所以现在我们可以正式回应这个事儿。首先，我觉得邀请码这个东西，是我们为所有人蹚了一条很重要的河——我不是说我们创造了邀请码这个概念。我们以前不是做 Chatbot 嘛，刚才讲到，Chatbot 的 token 消耗量可能只是 Agent 这种形态的几十分之一、几百分之一。

云和模型都没有准备好。成本的话，handle 不住，但因为我们对产品有信心，当时一天烧几十万美金吧，我们觉得没关系，因为这个产品绝对一定能成。

当时也没太多吧，之前还有融资，反正钱是够花的，但其实也很紧张。但我们觉得这东西一定能成，根本不慌，绝对没问题，使劲烧。

对。你可以想象当时那个情况：上线当天，我们跟云厂商打电话，说我们现在需要把 TPM 上限加到多少多少，能不能临时加这么多？他们说没问题，你们是下个月要还是下下个月要？我们说今天下午要。但这没办法，所以头一段时间，真的是他们在物理层面上去搬卡、插在机柜上给我们用。

对，因为它的输入输出比例变了、失调了。这就是为什么我说 Chatbot 的消耗量其实是可以预测的，因为人参与的频率太高了，得人触发才会有下一次行动。而 Agent 首先会持续自我工作，而且如果你按 ReAct 这个模式去看，它的 context 是 append only，只增不减。从模型视角看，每一轮迭代都需要重新 prefill 前面所有的输入，当然有 KV cache 在，但它的输入 token 量非常大，而且每一轮越来越大、越来越大。所以在真正的 Agent 出来之前，云厂商没有准备好。这是第一点。

我们需要一个控量的方法，但也没有更好的办法，就只能选择用邀请码或者定向邀请。现在看，我们觉得定向邀请可能是更好的做法。

因为邀请码这个东西，我们没有意识到——我们知道产品一定会火，但没想到它会被炒，这我觉得是非常不好的一点。定向邀请你就没法炒，对吧？

但问题是我们在国内火没有意义啊。包括 Manus 跟 Monica——我们上一款产品——我们一直都是做出海的。这其实也是当时我们觉得非常冤的一件事：中国有这么多企业在响应号召出海，无论是 AI，还是比如希音这种做衣服的，你选择不同的 market，我觉得是很正常的事儿。我们在中国突然火起来，对我们没有直接的作用，反而让我们承受很大的压力。这也是为什么 Manus 当时上线选的是晚上十点多，因为那是北美市场的早晨。

炒作，这个问题我要非常郑重地回答一下。我可以直接这么说：如果我们在 3 月份发布的时候有任何付费的宣传，我死全家。我可以说到这个程度。你想，我们为什么要宣传？有必要吗？我们要做的是海外的 prosumer 市场，该做的是让那些真正我们要服务的用户用起来。如果像有人觉得的那样，我们在国内买这些自媒体，对我们来说没有任何好处。

因为我们在国内没有任何持续的动作，我们在国内其实处于一种可以叫“灭火”的状态。我们觉得，如果把我们这个东西过度解读、进行一些曲解，对我们来说没有好处。我们只是一款出海的 AI 应用，不要给我们赋予太多东西。所以你看，当时我们所有团队在国内都没有任何对外发声，都是别人在以第三方的角度阐述我们。所以我们觉得国内热度降下来是好的。

海外就是我们想看到的。当时有人说我们在海外做营销，我拜托，Andrej Karpathy 你能买吗？这些东西你不可能买到的。我们首先让用户群里最 pro 的这些人看到产品的价值，他们先用起来，然后自上而下地去影响更多人使用 Manus。这个流程肯定没有国内那种突然火得那么快，但其实也没有多长的时差：国内好像是 3 月 5 号当天晚上莫名其妙就火了，美国基本在三天之后也火起来了。而且我们去看了，两边的链路基本完全不重叠。海外火起来完全是靠 Andrej Karpathy、Patrick Collison 还有 Garry Tan 这些人先用起来，再用他们的影响力自上而下去影响；而国内可能确实是自媒体还有一些朋友写了很多内容。

邀请码其实是动态加的。后来在云厂商、模型厂商的支持下，我们终于不用邀请码了。

贵我觉得不是我们的问题。说个实话，当时 Manus 是亏本的，因为当时 token 还非常非常贵，我们其实已经是在补贴用户，让他们来体验 Agent 这种形态的产品。

拍的，拍的。这是我们觉得自己非常有问题的地方：第一，商业化能力还是比较有限；第二，我们的 PR 或者说 marketing 能力其实也很差。当时定价逻辑特别简单：哦，ChatGPT 好像是 20 美金一个月——而且我们死活想不通它为什么是 20 美金一个月，后来跟别人聊，他们觉得 ChatGPT 当时也是拍脑袋拍的。但没办法，人家有一个锚在那儿嘛，所以我们就从 20 跟 40 开始，然后延续至今。因为价格会有很大的惯性，你最好不要太随意地调整，不然已有的、最真实的用户可能体感不好，所以这块就没有太大变化。

其实定价无所谓，因为在 Manus，无论你付多少钱，获得的是一个 credits 的数量，本质上是按量付费的东西，所以只要保证有一个基础订阅的价格在那儿就行。

马上跑正，马上跑正。因为你要区分不同的 tier 嘛。我们还有很多免费用户，你可以说这是我们的一种社会责任，我们希望有更多人能够体验 Agent 这种形态。

我觉得几乎所有决策的最终决策人都是他。太多了，你让我怎么枚举啊？从做到火，几乎所有产品的决策最终都是他。

我们之间的争论都是非常务实的讨论，比如到底要不要做一个单独的 chat mode 这些东西，最后的结论都是：赶紧做一个试试。所以到现在为止，不同用户用的 Manus 可能完全不一样，因为我们有海量的 A/B test 在跑。最终我们觉得最好的决策方式就是限制一下时间，别为一个事儿一天一天反复犹豫，赶紧做就好。

我觉得不是稳固的。或者说，对于大部分创业公司，包括我们在内，其实都没有“活着的权利”，活着的权利是自己持续跑才能争取来的。

有啊，非常忙，尤其是那几天。那几天其实就是日夜颠倒。我们其实非常理智，国内骂我们也好、称赞我们也好，我们都没有办法，也不想回应什么。真正要关注的是我们的客户在哪里，所以那段时间真正的痛苦来自日夜颠倒。因为我们要支撑各个时区，Manus 的用户遍布世界各地，每一个大洲上都有很多我们的用户。那时候我们团队也没有现在这么大，大家就是在不断救火，今天这个系统挂了，明天那个系统挂了，天天救火，非常疲惫。

我记得从第一周到第二周，基本每天零零散散加起来睡三四个小时，都是那种间断性的睡。

每天。每周就死了。

还在那个小办公室。当时是这样，我们武汉有一个很大的团队，这也是我们经常反思的一点，我们的跨区域协作能力好像蛮差的。所以当时大家想，算了，赶紧出差吧。我们赶紧在楼上租了一个更大的办公室，武汉同事能飞过来就飞过来，不要线上工作了，赶紧线下一起讨论方案。那时候办公室氛围其实没有更嗨，真的非常非常疲惫，当时书架上摆的更多是补剂、营养品。

对，反正那段时间大家精神状态都很差。

哦对，那段时间很好玩，跟投资人 pitch 我们都是站着开。其实当时我们还挺感谢投资人的。因为每天白天，我们在网上看见的大多是骂我们的东西，而真的跟投资人好好讲的时候，得到的正反馈是我们一天中最温暖的时候，你知道吗？好吧，懂的还是懂的。

我觉得有几点。首先是我最近意识到的一件事，我觉得是最惨的一点：很多国内用户骂我们的根本原因，是你用的根本不是 Manus。借这个机会我一定要非常非常郑重地强调一下：你在国区 App Store 上搜到的所有 Manus 都是假的，那都不是 Manus，都是来蹭我们的。所以我们有一部分被骂，是因为你用的那个东西就是一个山寨品。

对，这是一个 gap，我是理解的。但对我们来说，团队能力是有限的，很难服务所有用户——我们甚至因为沟通能力很差，只能让大家都待在一起。因为团队带宽有限，我们只能先盯着有限的市场去做。所以虽然可能让一些用户没能用到，但这就是我们能力所限，只能先这样。

我觉得这个比较难。对我们来说，也没有那么多资金去做一些补贴性的东西。我们之所以一开始选择出海，原因非常非常简单，就是海外用户对生产力工具的付费意愿更强。而 Agent 真的是非常贵的东西，像我们刚才讲到的，Agent 有点像工业生产，而不是传统互联网那种边际成本为零的东西，所以我们会非常非常慎重地去做这件事儿。我们要先保证自己能活下去，再去讨论这件事儿。目前我们还在活着的边缘。

我觉得这个供给还是比较充裕的吧。Manus 出来之后的几个月中，我看见有大量类似 Manus 的产品出现，很多也是国内团队做的，我觉得挺好的。但真正的难点是，他们会跟我们遇到一样的问题：你到底要补贴到什么时候？你如何把产品的商业化跑通？

我其实见人非常少。我们现在的分工是，涛哥（张涛）跟肖弘会去见更多外部的合作，但像我跟潘潘，还是要保证产品的持续迭代，所以我刻意少见一些人。

我觉得有几方面。一方面，很多巨头同时具有云和模型业务，比如 Google、Microsoft，那自然是非常好的合作，我们是他们非常大的客户。但与此同时，他们也在探索新的机会在哪儿。比如我们前一阵跟微软一块发布了新的 Agent 365，能把所有电脑从 PC 变成 AI PC，我们可能是这个生态版图中的一部分。另外，我们作为整个 Agent 行业的一个代表，能给他们的一些东西，会影响未来能服务更多人的范式。

我觉得有一个最大的 know-how：新的版本号，是让用户理解“有更新”的最好方式。这个很好玩。大家可能已经习惯了基座模型以版本来断代，比如 GPT-3、GPT-4。但我们做 Agent 或者做系统的时候，很多时候是一个 feature、一个 feature 地去强调这一个更新、那一个更新，用户的实感没有那么强。所以 Manus 1.5 其实不是一个突变，它只是把我们过去一系列东西以 1.5 的形式打包了，很多新 feature 都是过去几个月迭代上线的。但这样一来，用户就能直接体感到：哎，好像非常不一样。说实话，1.5 发布那一刻的更新没有那么大。这是我们一个很好玩的发现：你得让用户意识到你有变化，用户才能真的感受到变化。这是第一点。

老了写回忆录再说了。

是这样的，但这其实不是能力决定的。Chatbot 跟 Agent，我觉得是用户群决定的。比如对所有人来说，可能都有 chat 的需求，但并不是所有人都需要完成高价值脑力劳动的任务。

对，这是 OpenAI 的故事。我觉得这仍然是一个传播链路的问题。首先，我们在打的用户群、瞄准的点跟 OpenAI 不一样；同时我们要保证对这个用户群永远提供最好的体验，他们的需求跟 Chatbot 用户是不一样的。很多 Chatbot 用户心里其实知道，ChatGPT 此刻也许不是最好的 Chatbot。

什么叫飘？

不会，因为我们每天收到的负面反馈比正面反馈更多。

也不会，因为我们都是老登——啊，中登，中登。怎么说呢，就是心里有点憋着一口气。为什么现在我们可以站出来说这些事儿？因为我们之前觉得说什么也没用，还是得打铁还需自身硬。

我不想用服务多少用户来说，我们更想说的是，对每个用户，我们能为他产生多少 Agent Hours。对一个高价值用户来说，他用 Manus 的用量可能是普通用户的一千倍，这每天都在实际发生。我们经常有一个用户就能付我们几千美金，为什么？因为他不断有很多高价值任务要跑。所以 Manus 追求的不是 DAU，这是我们很早就想清楚的一件事，而是把要求最高、价值最高的用户的高价值 task 做到最好，体现出来更多是在我们的营收上，而不是 DAU 上。

我觉得是大家 align 之后的想法。

不是 DAU，对。

我觉得完全不一样。主要是两点，刚才我们也多少 cover 到了。第一，AI 其实不是一个平台变化，AI 是一个技术增量，以前的优势能够惯性发挥，所以很多场景下是传统的强者加上 AI，强者恒强，强者更强。虽然这听起来比较悲观，但应该说，强者具有先发优势，且较好地利用了这一点。第二点就是刚才讲的边际成本问题，目前为止 AI 还是更像制造业，而不是像互联网。

是，不理智早死了。

这是两个命题。我们一定要做全球最好的通用 Agent，这是一定要做的。最好的通用 Agent，就是最高质量：在当下这一刻，如果你抛开一切成本，我们永远提供最高的质量。这是第一点。

大厂不要营收，你是说来卷是吧？但这个东西其实是这样，我觉得对一些用户来说，价格不是那么敏感。包括现在 Manus 的用户，我们也觉得 Manus 确实是挺贵的产品，但你知道我们的用户问我的问题是什么吗？是说：Manus 现在收我 40 美金一个月，你能不能让我看看，如果我愿意付 200 美金，效果能变好多少？所以我觉得这个 message 完全不一样，这种定价的优化基本不在我们的路线图里。

首先我觉得可能不存在单一的 AI 入口吧。就好比现在移动互联网的入口是什么？——哦，好像确实存在一些。但对我们所服务的客群来说，就以我们自己为例，我们自己一定是 Manus 用户，手机上也有 ChatGPT。当你面向足够 prosumer 的市场时，这些人自己会知道什么时候用什么产品。

我觉得有。但 AI 产品的垄断，是你能垄断一个类型，而这个类型可能也在不断产生。像 ChatGPT，我觉得也许还真算不上垄断，因为 Gemini 最近势头也很好。但你能垄断一种心智，或者一个类型的心智，能建立一个品牌。

我不敢说。我对搜索引擎市场的认知，可能还停留在我还在做搜索的那个阶段。我觉得搜索引擎市场非常特殊，因为搜索引擎一半是在内容里头，它的数据供给是无法因为技术迭代而被颠覆的，所以搜索引擎是一个非常容易强者恒强的领域，因为你已经跟太多人产生了利益关联，包括你的广告商、你的内容商。

好问题。我觉得还没有看到任何一个真正有网络效应的 AI 产品。为什么？因为所谓网络效应，我觉得更多有两种：一种叫 build on someone else's work，你能基于其他人的产出进一步去贡献；另一类完全是由用户关系带来的网络效应。但在这两个场景里，AI 似乎都是附加值，对不对？加了它，也不知道为什么就能进一步连接人了。或者说，AI 不是产生这两个要素的关键点。AI 能帮你提效、帮你完成任务、给你产生结果和交付。

哦，要这么说的话，我觉得是有的。包括我刚才一直在强调的，比如基础能力或者原子能力的网络效应。我们讲过，Manus 增加能力是非常谨慎的，但我们每次都要保证这个能力能跟别的能力形成组合拳——用了“组合拳”这个词，是什么意思呢？

比如说，最早我们给 Manus 加入了一个看图的能力。一开始想法很简单，只不过是希望 Manus 能看一看它生成的图好不好。但后来我们发现，加了看图或者说多模态输入能力之后，Manus 开始自己学会去检查它做的网页能不能玩得通。所以你增加一个基础能力的同时，它能跟通用 Agent 这个层面上所有别的能力产生交互。这个我们叫做基础能力、原子能力的网络效应，是我们已经观察到的，它可以让你的 Agent 能力以指数形式提升。这是第一点。第二点，如果你说 Agent 与 Agent 之间的网络效应，那看怎么解读。比如我觉得 Manus 的 Wide Research，也就是我们的广域搜索能力，也许就是一种 Agent 之间的网络效应吧。

我觉得你不需要为 Manus 做任何的优化，这是我们非常坚持的一点。我们可以反向来思考：做 Agent 最大的难点是什么？就像自动驾驶一样，物理世界所有的基础设施是为人而设计的；而现在赛博世界所有的基础设施，包括网站、网页、各种 App 和 API，也都是为人而设计的。所以 Manus 的想法是，我们不能指望世界一夜之间就为 Agent 做好了准备，而应该不断地让两侧相向而行。

Agent 的网络，我觉得这个词很大。我知道 OpenAI 有一个 L1 到 L5 的图，但这可能也只是 OpenAI 的观点，不算一个非常共识的事儿。我们还是从更务实的角度出发：如果你考虑 Agent 有更多的 Proactiveness，也就是主动性，那可能会有一部分垂直 Agent 掌握一部分数据上的差异，比如有些数据只能在某一个垂直 Agent 那儿获取。那它的网络与其说是一个全联通的网络，更像一个星形的，star。它有一个调度者，有点像你刚才说的入口那个概念，去利用不同的 Agent，但它可能难以形成一种完全互通的全联通网络。所以通用 Agent 会成为那个入口，我想是的。

还是刚才那一点：如果你做垂直 Agent，你在做一个工具；如果你在做通用 Agent，你在模拟一个人。

我刚讲了，这就是两条路。如果你想做给专业人士的，比如刚刚讲的，你想做一个剪辑 Agent，且是为现有的剪辑师去做，那你应该做得非常垂、非常专，这是给人用的。但如果你想为非剪辑师、但有剪辑需求的人做产品，那你可以考虑做一个非常简单易用的界面，同时暴露出足够多的 API——对不起，API 或 MCP——然后我们一起把这个生态做好。

Agent 这个词的定义其实很含糊。大部分时候大家会把两个概念混在一起谈，一个叫 Agentic Workflow，一个叫 Agent。这方面 Thorpe[?] 有一篇 blog 写得比较清晰：很多人说 Agent 要追求稳定性，那你可能更多是在用 Workflow 的方式做 Agent，但在我们眼中这不叫 Agent，这就是 Workflow。而我们认为的纯血 Agent，是没有人为加的约束，完成一个任务的所有过程和方式都由智能本身决定。

有的，这是我们每天都要讨论的事儿，舍弃的东西非常多。举一个比较简单的例子，你要让一个 Agent 做数据可视化。比较简单的、纯产品驱动的做法会说：好，我要保证所有语言下数据可视化的效果都非常好，不能因为语言不同而出现字体乱码这些问题。那你可能就把这块写成一个我们叫 Sub Agent as Tool 的东西，或者写很多单独的 Prompt，说做数据可视化应该注意什么什么，写一大堆 Guardrail。但你每增加一条约束，其实都在减少模型的 diversity，减少模型的多样性。

没有没有，没说都是错的。像我刚才讲的一点，很多人过于执着于让 Agent 模仿人类的分工这件事，我非常不认同。不要把人因为生而为人的限制搬给 Agent，你应该站在模型的角度去思考问题。我们做产品的时候经常说一句话：如果你真的在做 Agent，你同时在做两个产品，一个是给人用的，一个是给 Agent 用的，这两个东西的思维模式是不一样的，但你需要一个很好的技术架构把两者融合在一起。

对不起，是给模型用的。

这么说吧，模型的思维模式跟人是不一样的，或者说它根本就不是人。人因为有一些先天的训练，所以我是一个设计师，我更懂什么；我是一个程序员，我更懂什么。但讲真，大家现在用的模型都是一个通用的 LLM，所以这个假设本身就是错的。你应该做的是减小它犯糊涂的概率，做法不应该是赋予它一个人格、让它怎样怎样，而是通过一些 Context Engineering 的技巧，比如约束解码、action space 的设计，让它更好地完成自己分内的事，但又不丧失全能性。我说得可能有点空泛，可以参考我之前发的各种文章。

对，是的。这也是 The Bitter Lesson 里面说的。

有的。我觉得不该叫变化，而是我们也在探索一种新的可能性，因为在此之前也没有真正纯粹的 Agent 公司。我们现在的结构有几个比较有特色的点可以分享。我们现在大部分人还是研发，但团队会比以前的软件开发更奇怪一点。传统的移动端、前端、后端、商业化这些都有，但我们有两个很好玩的团队。一个叫 Sandbox Team，负责虚拟化和运行环境，他们要维护的是一套给 Agent 使用的操作系统，也就是刚才讲的给 Agent 做产品的一群人。

对我来说当然都是意想不到的，但有几点吧。Sandbox 团队在做的事情，更像是在教一个不会用电脑的人如何更好地用电脑。而 Agent Team 在做的，是如何设计一套稳健但统一的架构，让我们能够持续跟上模型的进步。这是很有意思的话题，因为模型进步的速度真的非常快，如果考虑到不同厂家都在迭代，那基本是以周为单位在更新。

文化上我觉得有一些。Monica 是一个非常大而全的产品，当然 Manus 也很全，但它的做法不是单点击破。之前更多是觉得用户有需求，我就要去做，用最快的、点到点最短的那条路去实现。而 Manus 我们会有非常非常多的考虑：这条路你是能走通，但你有没有跟别的原子能力产生网络效应？所以现在我们做每一个新功能前都会非常慎重，要保证每新增的一个单点能力都不只是一个单点——这句话说得好绕，就是每增加一个新能力，都能让系统整体获得收益。所以是一个非常节制的状态，这跟以前的心态很不同。

放弃的 feature 我觉得非常多，比如很多语音相关的事儿，我们其实都放弃了。语音输入当然很有用，但像语音输出或者主动调用一些东西，我们觉得首先这类东西不一定要由我们第一方全部做完，因为我们跟大家不是竞争的关系。比如我自己会直接让 Manus 连接我的 Granola 跟 Notion 去使用，这没有问题。还有一些功能，比如生图跟生视频，虽然我们有，但也没有非常大力地去优化它，因为我觉得这是在基建上一定会做得很好的事情，我们没有特别多差异性，没必要非常深入地去做。

因为我觉得这是事实。这是我们做海外市场之后发现的很好玩的一点：可能因为他们之前 SaaS 领域做得实在太成熟了，不同服务之间的互联互通，即使是一个技术层面的事儿，其实也是一个涉及 branding 的概念。比如我们经常跟 Notion、Microsoft 还有别的一些创业公司一起做联合发布，因为很多时候我有一个能力、你有一个能力，当这条边连通的时候，产生的价值是非常非常大的。而且 Manus 作为一个通用 Agent，一次能串接多个服务。像我自己的使用场景，就是 Manus 把 Notion、Granola 和 Ashby 三个服务都串在了一起。

我觉得有几个。第一个是我们没有盲目去追 reasoning 这条路。就是刚才讲到的，按现在朴素意义上的 reasoning 模型，会导致 instruction following 变差、hallucination[?] 增加，所以这是我们当时做的比较重要的一点：我们用了一个比较另类的方法，用一个单独的 planning stage 来做这件事。还有一个比较大的点是，我们对 MCP 的决策是非常保守的。MCP 出来之后整个业界都非常 high，很多人就开始去接，但我们当时觉得这会严重污染你的 action space，而且会影响你的缓存命中率。

肯定也有，但我觉得后悔的可能都是更细微的一些事儿。因为我们调整得非常快，所以很难形成真正后悔的东西。

在训模型上是有一些。比如一开始有点太盲信小模型，其实参数量还是很重要的。当时有这样一个假设：Agent 能更高频地与外界进行数据和环境反馈的获取，那有没有一种可能，小模型跟大模型里头有一部分参数量都用在了参数化的记忆或者知识上，而对 Agent 来说，参数化知识是不是没有那么重要？如果你的小模型有足够强的工具使用能力，知识是可以动态弥补的。但后来实验结果发现不是这样。我们在反思为什么，也许是因为你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。

我觉得这个问题首先基础假设是错的，不止我一个人，我们是正常招 researcher 的。另外一点，跟上所有 frontier lab 这件事本身是不成立的，我们的目标不是在模型方面跟上所有 frontier lab 的工作。我刚才一直在强调，至少现阶段我们跟所有 frontier lab 还是一个共建的关系。或者用一个更功利的角度来说，我们成功地把模型训练这件事外包了出去：用户给我们的钱，同时服务了用户，且让我们有影响力，让别人帮我们训模型。我们内部 research 团队更关注的其实是一些非共识性的东西，包括很多 Context Engineering 方面的工作，是需要做大量实验的，不是纯靠工程就能解决的事儿。

是的。首先 online learning 这个词，现在的解读有狭义和广义之分。狭义上的 online learning，大家可能比较关注到底能不能通过持续改变参数而获得一些改变，这是一个严格的定义。但我发现现在大家把三件事混在了一起：第一种就是刚才讲的狭义 online learning；第二种是 mass personalization，叫大规模个性化；第三种其实不是 online 的 learning，而更像我上一次创业做 Maggie 的时候做的，应该叫 continuous learning 或者 lifelong learning。这三件事解决的问题是不一样的。

刚才已经提了几个。第一，与其无限地扩展 context window，不如让模型学会 compression awareness，就是让模型意识到自己的上下文可能会被压缩，并做出更好的选择，更好地了解文件系统该如何 offload[?] 跟 retrieve。第二，关于 reasoning 的优化目标，不要以这种纯“缸中之脑”的形式去做，应该考虑如何更好地结合 observation，或者叫 TIR，tool integrated reasoning，也就是工具集成的推理。这是一个非常重要的方向，它跟完全靠 RLVR 去解竞赛编程和数学是完全不一样的思路。

我觉得就是一种娱乐精神。很早的时候就叫了这个名字，当时就想看一看，有哪些跟微信官方很像、但却仍然能被使用的 ID。最想叫“文件传输助手”，但意料之中不能用。后来因为微博的官方号叫“微博小秘书”，我就试试叫“微信小秘书”。后来腾讯也果然禁止别人再叫这个名字了，那我觉得很好，我就保留了嘛。

我觉得首先，现在创业的成本比以前还是要高不少的。

刚才讲的，你如果做移动互联网，边际成本很低。但现在上来就是挺重资产的投入，比如从 Manus 上线第一天起，基本就是几十万美金在烧。这是第一点。第二点，我觉得这是一次让我们充分参与全球竞争的创业。我们内部甚至经常开玩笑说，有一种从 CBA 打到了 NBA 的感觉。之前哪怕在做 Monica 的阶段，我们经常会觉得好像做得还不错了。到现在，虽然我们经常说 Manus 可能已经 100M 的 ARR 了，但如果你横向看各行各业的头部选手，我们好像又不算什么，这可能就是 NBA 的平均水平。所以还是在学习中。

对 Red、对肖弘，我觉得是比较符合预期的，就像刚才讲到的，情绪依然很稳定。当然，可能更多了解到的是，即使像他这样比我经验更丰富的连续创业者，很多时候依然会有人性的脆弱。比如我们经常讲，好像我们不在意，但其实有时候听到一些东西，大家心里还是觉得挺尖锐的。肖弘可能没有我那么没心没肺，很多时候还是比较容易受到这些事的影响。

他会不开心，甚至会很着急。我觉得这也就是团队在一起的好处，我们可以互相分担一下痛苦。虽然肖弘经常说一句话：接下来一段时间我可能很抑郁，你们不用帮我。但谁会真的就放他不管呢，对吧？

也不是不稳定，他的情绪是稳定的，但他很容易低落。他不会很忽然怎样，没有我刚讲的艺术家那个问题，但他也是比较容易受伤的一个人。

我觉得是这样，大家在共同的话题上讨论非常多，因为刚刚讲到，每个人其实都有很综合的经验。但现在大家术业有专攻，比如跟涛哥的合作就会非常有意思。涛哥现在真的是我们觉得的“出差圣体”，经常要去全世界各地参加跟合作伙伴的活动这些。所以涛哥更多是给我们带回一些比较新的方向性内容。我觉得这可能是做 CPO 这个角色的最高境界：不仅是对内的产品指导，更多是对整体行业有产品洞察的输出，并带回来自交叉的观点。

产品跟技术，我觉得是这样：我们首先明白技术是要服务于产品的，但技术对很多事儿基本有一票否决权。比如刚才讲到的，产品可能会有一些非常诱人的、快糙猛的做法——像你是否要放弃纯血 Agent 这个想法，而采用一种比较快速的 fix？这种情况，无论是我还是技术，都会站出来直接阻止这件事儿发生。

不，我们非常反对投票这个概念。我觉得投票这件事其实是在异化团队：如果有不同的观点，大家可能会为自己的观点去服务。你应该看的是目标，而不是投票这个手段。大家如果目标一致，就一定能达成共识，但不是通过明确地站队、投票。所以我们几乎不搞投票这个事儿。

其实讨论过程中没有人强势，但我们会期待 Red 来做最终的拍板。所以讨论的价值，我觉得不是讨论出一个结果，而是让更多的人提供更多的方案，就是刚才讲的 alternatives。一件事如果目标是确定的，你的可选方案越多越好，不一定要想半天想出一个最高质量的；要不然，你提供给大家做决策的选项都不够多。

我以前带过最大的团队也就十个人左右。

是的。

我觉得组织的变化可能没有大家想象中那么大，反而是组织中多了很多 AI，这也是我们比较主动在引导的一件事。我们公司有一个很优厚的条件：如果你使用任何 AI 产品，不只是 Manus，比如别的第三方 AI 产品，我们都尽量全部报销。我们非常鼓励程序员用各种 coding Agent；非程序员的话，各种能提效的工具你也都可以用。因为作为一家 AI 公司，你首先得让员工了解现在到底发生了什么、业界前沿是什么。所以与其说是整体组织结构变了，不如说是更多人让自己有了两倍、十倍的生产力提升，但还没有到 AI 能替代哪些岗位的那种状态。

我非常不喜欢管人，我一开始就说了这一点，管人很痛苦。

人的复杂度比 AI 还要高。而且人的复杂度怎么说呢，是一个会随着人数增加而指数级增长的复杂网络。但程序如果你写得好，又有足够好的设计模式，整体复杂性的增长是可控的。

我觉得它很占用我的带宽。因为我的体力其实挺差的。

我只是跟你聊的时候能聊得比较多，但其实我体力挺差。如果一天里我把更多时间花在管人，或者说广义的非技术层面的事儿上，我每天有效的输出就会少很多。而现在我认清了一件事：与其去弥补或者补强自己哪方面的能力，不如把这方面的能力外包出去。

是的，是的，要不然不值得呀。

我觉得一定是可以的。如果用一个最极端的想法来讲，我们不喜欢的事儿都被 AI 取代了，那剩下的东西其实就是人自己嘛。很多时候大家对 AI 的恐惧，有点像当年纺织机被发明出来之后，大家会担心：有那么多纺织机，纺织女工是不是都要下岗了？实际上确实很多人不再做纺织女工，但她们获得了全新的工作和全新的生活，甚至也解放了很多东西。

我不敢想象，因为我觉得我们只能有三个月的视野。

三个月后，我觉得首先是大家在 proactiveness 这件事上会有很大的进展，可能头一次让人跟 AI 交互的时长变短，但产出价值变高。

第二，我觉得应该还能看见一次较大的成本降低，Claude Opus 4.5 可能已经给了大家一点曙光。

我觉得这是一个比较意料之外的事情。国内或者开源的我们先不说，就说国外的头三名，OpenAI、Anthropic 跟 Gemini，我一开始的预期是可能有人会掉队。因为当时我是用一种比较朴素的思想在想：到底谁掌握硬件、谁掌握 scaling。但目前来看，可能因为大家还在比较分化、比较 diverse 的方向上努力，而这个排名最后衡量的其实是一个综合体验，所以你仔细看的话，他们可能是通过一些长板拉出了一个较高的平均值。所以这确实跟想象中不太一样，而且这么看来，可能还会再持续一段时间。

没有终点，模型竞争没有终点。这是为什么我不做模型。

产品竞争也是没有终点的。

好像是。但我觉得，现在 AI 的有限资源是什么？AI 目前——至少我们努力的方向——是不占用用户的时间而为用户创造价值，所以这一个约束条件消失了。那什么时候会达到稳态呢？

不，不是因为是工具类，而是因为 Manus，或者说 Agent，它其实是在减少与用户直接交互的时间，但在后台持续创造价值，所以人跟产品交互的时长不再是一个有限的约束条件了。像之前移动互联网时代，无论你做哪一类产品，都绕不过一点：你本质上在跟抖音竞争，因为抖音吃掉了用户很多时长。但现在我觉得 AI 是不一样的。

对，但我是说，你的娱乐时间多花在这个 AI 抖音上没有问题；但实际上因为你能调度很多异步的 Agent，它们在不跟你交互的前提下给你提供价值，你也会为它付费。所以它不会因为用户的总注意力时长产生瓶颈而导致稳态。我现在还没有想出来，AI 时代到底什么是产生稳态的那一个约束条件。

我觉得有点像 2018 年，就是我上次 AI 创业的那个阶段。现在大家看到的，就像当年 Transformer 出来之后的那一阵疯狂，BERT 给大家带来了第一批应用落地。但现在也暴露出了当前范式的一些……你不能说增长乏力吧，scaling 肯定还是有用的，但大家一直在期待下一次阶跃性的变化。而 2019 年的 GPT-3，可能是我心中的那一个阶跃点。

我觉得没有停止。狭义的 scaling law 其实没有大家想的那么复杂，你关注的只是 loss 曲线，我觉得这个东西肯定还是能降的。

广义上，大家经常觉得：我投入多大的算力——算力基本等于模型参数乘以训练 token 量——加多少倍之后就能解锁多少新场景。这个我觉得是很难保证的，不一定模型翻多少倍之后，以前没被发现的能力就涌现出来。但实际上我们现在觉得，即使模型能力没有解锁全新的使用场景，现有很多场景的质量其实也是不够的，而对用户来说，质量往往更重要。这样的话，做产品的团队就能把这个事儿进一步深挖。所以 Agent 当前很大的问题，不是有哪些需求没被满足，而是完成质量还需要提升，这一点靠 scaling 一定是有用的。

Agent 已经爆发了，已经爆发了。只不过大家可能没看到理想中那种一片勃勃生机、冒出很多东西的景象。

我觉得 Agent 现在所处的状态就是我刚才讲的：场景大家都在挖，但每一个场景可能都还差一口气，这口气是由质量、由完成度决定的。

我觉得是多方面的，既有模型能力，也有环境的适配、你的 context 如何获取，整个东西需要整个 ecosystem 共同进步。像我刚才讲的，你在使用 Agent 的过程中，很多时候是一些人为的制约，比如被 Cloudflare 的人机验证拦住了，或者有些网站就是不想让 Agent 来访问，所以这块需要很多非技术因素去合作。但这块我目前也看见了很多很积极的进展，比如我们最近跟 Stripe 在做 Agent 的支付。如果能有支付在其中，很多东西会变得更顺畅一点。

我觉得一定是的。

做 Agent 的公司非常多。如果看垂域，像 Sierra、Legora；coding 那就更多了，目前像 Replit，包括 Lovable、Claude Code，还有 Cognition，它们都很强，coding 领域真是强者如林。C 端的 Agent 目前我看见的还不够多，因为真正做 C 端 Agent 的可能都跟我们一样是做提效的，而提效大部分还是垂域的。所以刚才只是举几个例子。

不一定是更多 C 端，我觉得应该是渗透到更大的人群。目前来说，Agent 对很多用户来说也许还是一个 buzzword，还没有那么多人真正用起来。但比如 Manus 1.5 之后，我们收到了很多用户反馈，让我最开心的一个，是用户觉得这个版本越过了生产力工具这条门槛。之前大家会觉得 Agent 是帮我提效的，但它不是我的主要生产要素；而现在很多用户真的在拿 Manus 1.5 作为工作的主力应用，来帮他产生收入。我觉得这就形成了一个更健康的飞轮。接下来会有更多应用迈过这条坎。

我心里对 Manus 最大的隐忧其实是失去特色，这是最大的一点。但这是从外看；从内看的话，我最害怕的是 Manus 变得复杂。这是一件要克服很强吸引力的事，因为在产品增长的过程中，有一个很便捷的方式就是做更多功能。但我还是很相信刚才说的 GitHub 那句话：你每增加一个东西，都在稀释所有别的东西。所以我希望 Manus 能一直保持这样的克制走下去，但又不能因为保持克制而影响持续增长。对外和对内，我最大的隐忧就是这两点。

我觉得不会。或者说，等到你会死于竞争的时候，你的产品其实已经到了一种非常非常好的状态。像大家经常说，我担心 Cursor 会怎么样，我担心文心[?]会不会断供——拜托，你能考虑被断供，说明你的产品已经是一个非常非常好的状态了。所以我觉得 Manus 更大的可能不是因为竞争而输掉，而是……啊，但你也可以说是竞争吧：当你失去了独有的价值之后，用户……这好像也算是竞争哈。那我的回答是：对，是有可能因为竞争而死掉。

你说 OpenAI、Anthropic？OK，其实也不止这几家。OpenAI 我刚才已经 comment 得比较多了，很尊重他们 bottom-up 的文化，但接下来产品也会是他们很重的一部分，不知道他们能如何调节这两方面。他们也知道买模型乐透这件事是不靠谱的，但你又如何尊重一个 researcher 的研究自由？我觉得这是他们要搞清楚的一点。也有可能他们会分化成两个目标完全不同的公司。

杨立昆在业界当然是值得尊敬的，但我觉得他在一家商业机构内做这样一个角色，自有其痛苦之处。他能找到一个自由的空间去做事挺好的，同时也给 Meta 解放了很多思想负担。

田渊栋，我觉得首先他之前的研究方向非常有意思，就是 latent reasoning，他那篇 paper 我印象里叫 Coconut。我觉得他解决了一个非常本质的问题。现在很多人在做 RLVR，我记得最近应该是上交和清华的一个团队有篇工作讲到，RLVR 本质上是增加模型在 pass@1 下的稳定性：通过 RLVR，让模型在一次推理中得到正确答案的概率更高。但模型本身能否解答一个问题，还是在于基座本身的质量。比如你让一个没经过 RLVR 的模型多次采样，大概率那条正确的轨迹是能被采样出来的。

我觉得不一样。我觉得田渊栋的研究方向更加务实。哦，不敢妄议，不敢妄议。

这个问题我觉得太大了吧。这中间还涉及很多人事上的事儿，包括 Llama，你知道团队已经换了好几波人了。所以我觉得有很多场外因素吧。

我觉得会有一些吧。像 ChatGPT Agent，我听说他们接下来可能会看一看 To B 方向的机会；同时我记得 ChatGPT Agent 团队也走了几位主心骨。但 OpenAI 这家公司，我觉得只要它 bottom-up 的创新文化还在，仍然是最有可能诞生新范式的公司之一。

我觉得这个比较难吧。当然说不准，因为这类产品大家都在探索。

Ilya 那家公司目前太神秘了，我不敢说什么。Thinking Machines Lab 的话，我最近也刚用上他们的 Tinker API，我觉得挺有意思。我不确定这是不是它最后的产品，但我觉得他们的抽象层级非常好。之前一些第三方服务，包括一些模型厂商，只提供类似 RFT 或 SFT 的接口，但对一个 researcher 来说约束有点太多了。Thinking Machines Lab 的 Tinker，我记得应该是抽象成了四组关键 API，很多你自己需要做的实验基本都能搞定。

Mira Murati 吗？我没有跟她直接交流过，但从认识的人口中，对她的评价都非常非常高，明显她的号召力也很好。

这几个舰队真正的一把手，我觉得性质非常不一样。真正的技术一把手可能只有 Demis，对吧？像 Dario 当然也是。如果让我从纯粹、狭义的技术角度来说，我肯定觉得 Demis 应该是我最佩服的一位。

第二位的话，当然 Ilya 也同样优秀，但大家可能都在期待 Ilya 交出的新作业是什么。剩下一些，我觉得都是更复合的人才，难以用单一维度去评价。

国内的话，我想想，国内现在还在牌桌上的……哎呀，这话说得得罪人，国内就不评了吧，容易挨打。

首先顺雨的观点我一般都比较认同，尤其他那句暴论：以前都是小公司超大厂，现在是大厂超小公司，互相超。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。还有顺雨之前那篇文章写的‘下半场’，我觉得这个概念很好，现在感觉很多人都在沿用。他这些观察我都非常同意。

不认同的……顺雨那期所有观点我全都认同。杨植麟那期的话，我觉得他的观点也比较保守，所以没有什么特别明显的。但有一点，他提到一嘴，说如果不训模型的话，做 Agent 是逆向工程。这点我是完全不同意的。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。

我们不是。他们是整合，他的观点是把这些整合进模型里。我觉得如果从严格定义来说，你是无法整合进模型的，因为模型无法圈住外层环境。

不敢评论，不懂。

多模态的话，我们更在意的是多模态的输入，而不是多模态的输出。多模态输入在 Agent 场景下有一个很重要的观察：现在很多开源多模态模型，如果是简单的 interleave 图文输入，像 VQA 任务这些，大家处理得都比较好。但在 Agent 场景中，有一类情况是多模态输入作为 Tool Result。举个例子，你让浏览器看一个页面，可能会把浏览器截图返回；或者你让一个工具去读一张图片，图片是以 Tool Result 返回的。这个东西在训练过程中，我觉得目前的重视程度还不够，这块的质量是有些下降的。

目前没有了，目前不炒股了。

我问了他一个灵魂问题：接下来一年，你觉得什么事儿会让你感到意外？老黄说，什么事都不会意外。所以我觉得这有点像杨植麟之前说的，只要问题存在，问题就一定能解决。我觉得这就是整个 AI 圈乐观观点的代表。

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。会有一些比如过度建设之类的东西，但我觉得这都在可接受的范围内。我们人类历史上干的比这疯狂的事儿多得多。

悲观预期就是下个月死掉嘛，这是所有创业公司都一样的悲观预期。就是我刚才说的，我们没有权利活着，我们是在努力地获得一个活着的权利。而最好的预期，是我们希望让所有从事高价值工作的白领，都能获得一个 7×24 小时不断推理的 AI 伙伴。

我会歇一会儿，太累了。

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。

一般来说，办公室的人基本都会待到大概十点半往后。这其实也是为什么我们选了一家 mall 里头的 WeWork，因为在 mall 里头，空调会一直开到十点。

对，十点以后没有空调，所以大家待多久，主要看在没空调的情况下能待多久。

因为团队在不断扩大，如果提前选死一个办公室，一方面前期投入比较大，也不灵活嘛。WeWork 就像云计算一样，可以动态扩容。

便利度其实还是挺好的。中国团队在新加坡可以非常快地适应，跟国内没有非常本质的区别。

对，而且我认为这对创业公司来说是一个很大的加分项。

我觉得这要看你的目标用户是什么。我们去新加坡的原因其实也讲过，有两点。第一个前提是，我们团队可能因为管理能力比较差，之前在国内北京跟武汉两地的时候，都觉得沟通成本很高，所以首先希望大家能在一个地方办公。另一方面，我们既然要服务全球市场，就要做很多 compliance，也就是合规方面的工作。比如现在 Manus 已经通过了 SOC 2 Type II、ISO 27701、27001，还有 GDPR。你要服务哪个市场，就需要选择一个合适的总部。所以我觉得这都是一个很正常的选择。如果你要做全球市场，可以早一点考虑这个问题；但如果你主要做国内市场，那肯定没有必要嘛。

我觉得‘跑路’这个词就不对。因为我们一直就有新加坡这个实体，而且我们一直做的就是全球市场。你的客户在哪，你就要去哪嘛，就好比 Teamwork Vision[?] 他们也没有国内业务一样。我觉得这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，获得了一些额外的关注。

Mac and Cheese。

北京。

海带不是动物。

啊，我周围人都不知道，难道你知道？因为我海鲜过敏，我经常要跟大家解释海带不是动物。

我其实平时读书特别少，我现在在读《线条小狗》的画册。

第一个就是我刚才说的 Work to Work[?] 那篇 paper，我忘了它叫什么了。能叫影响 AI 进程的论文也太少了吧……大家肯定都会说 Attention Is All You Need，但我不想说这个，我要换一个，我觉得是 Fluent Five[?] 那篇 paper。

AI 接下来的进步需要用户的参与。