赛格特约作者 闫曼
在2025年的尾声，扎克伯格以20亿美元的价码，将Manus AI扫入Meta的版图。在见惯了十亿百亿级别并购的硅谷和华尔街，这或许算不上是一笔特别具有轰动性的资本交易。也没有直接撼动大模型格局，甚至在短期内，对Meta的核心业务影响都难以量化。
图：Meta官方声明
但如果把时间拉长，这可能会被视为人工智能产业叙事发生转向的一个标志。它并未发生在模型层，却在更深层次上改变了AI被理解和被使用的方式。
这笔交易传递出的信号十分明确：AI的价值评估体系，正在从“能说什么”转向“能做什么”。
过去两年间，AI产业几乎被聊天能力所定义。大模型是否更聪明、回答是否更像人甚至更有同理心，成为了技术进步的核心指标。但随着大模型能力趋于稳定，市场开始追问：当模型已经足够聪明，下一步该往哪里去？
Manus所代表的AI Agent，或许给出了一个方向性的答案。
模型是大脑，Manus是四肢
长期以来，风投圈流行着一种对应用层创业者的轻视。凡是没有自研基础模型、构建在OpenAI或Anthropic之上的公司，往往被贴上“套壳”标签，被认为缺乏护城河。
而现在，Meta愿意为Manus支付20亿美元，说明市场对这类公司的理解已经发生变化。
从传统视角看，Manus并不具备典型的高估值要素。它没有自研模型，而是基于Claude、Qwen等模型构建。但Manus这类AI Agent的核心价值，并不在于模型本身，而在于它补齐了大模型长期缺失的执行能力。
它让AI变成了一个能被放入工作流的执行单元。AI被分配目标后，能自行打开网页、抓取信息、调用代码、生成表格……这些操作非常贴近人类真实的工作状态。
也正因此，这笔交易可以被放回到更大的行业背景里理解。过去两年，科技巨头疯狂比拼“大脑”。ChatGPT之所以重要，是它第一次让大众意识到机器具备接近人类的通用认知能力，这种惊艳感推动了整个行业加速。
但接下来的问题在于：惊艳感很难稳定转化为稳定的生产力。现实工作里，大多数任务是一串琐碎却必须完成的操作：查数据、做表格、整理成可交付的文件。现有大模型在这些场景中往往只能给建议，无法直接把整个流程自己走完。Manus的价值正在于补齐了大模型长期缺失的那只“手”。
换句话说，Meta买的不是“智能”，而是把智能转化为行为的能力。在大模型能力趋于同质化之后，这种将认知落地的执行力，开始变得极度稀缺。
Agent之间将展开综合竞争
从Meta的角度看，这次收购更像是一种顺势而为的判断，而不是一次激进押注。
过去几年，全球算力资源几乎被持续投入到大模型训练中。这是一个典型的烧钱换能力的阶段，各家公司比拼的是参数规模、训练方法，以及模型能力的上限。随着时间推移，这一路径的回报正在变得不那么线性：模型确实越来越聪明，但这种进步并没有等比例地转化为稳定、可持续的生产力。
也正因为如此，行业的关注点开始发生变化。进入2025年后，训练端的重要性逐渐趋稳，而推理和应用端的投入正在上升。问题不再是模型还能不能再强一点，而是如何把已经具备的能力真正用起来，让它进入现实系统，解决具体问题。
当大模型能力走到当前水平，继续放大规模所带来的体验提升已经变得有限。相比之下，把现有模型与合适的工具、执行框架和业务流程结合起来，反而更容易带来可感知的效率变化，甚至直接体现在产出上。
AI Agent的价值，正体现在这一层连接上。它所做的，并不是替代模型，而是让模型真正“跑进”系统，承担连续任务。这也在很大程度上解释了为什么这个交易发生在现在，而不是更早。
当然，这样的转向也意味着风险随之上移。当AI从给建议变成直接执行，失误的代价被明显放大。尤其是在企业和机构场景中，随着Agent数量不断增加，权限如何分配、责任如何界定、过程如何被监督，都会变成新的现实问题。
也因此，未来Agent产品之间的竞争，很可能不仅体现在谁执行得更快、更省成本，也体现在谁更容易被管理、被控制、被信任。
AI竞争的重心即将转移
当AI竞争的重心发生变化，决定胜负的因素也会随之调整。
在这个阶段，算力和算法当然仍然重要，但它们已经不再是全部。越来越关键的是对工作流程的理解，以及对真实使用场景的熟悉程度。谁更清楚一项任务在现实中是如何被拆开、推进并最终交付的，谁就更有可能让AI真正进入生产系统，而不是停留在展示效果上。
近期加盟腾讯担任AI首席科学家的姚顺雨，先后毕业于清华“姚班”和普林斯顿，曾在OpenAI任职研究员，他提出AI下半场将从"技术竞赛"转向"应用落地"的关键时期。届时，Agent理解用户意图并执行的能力，将成为竞争的焦点。
Manus恰好提供了一个直观的例子。它并未加入底层模型的竞赛，而是把注意力放在“最后一公里”上。也正是在这一层面上，Manus的团队背景显得值得多看一眼。
尽管公司注册地在新加坡，但Manus的核心团队和工程方式，明显带有中国应用开发环境的影子。这种特征并非偶然。在长期的应用软件和互联网产品实践中，中国团队往往更习惯在复杂条件下推进工程，把分散的技术能力整合成可以落地的产品。这并不意味着底层技术一定更先进，但在执行效率和产品化速度上，逐渐积累了优势。
如果把视角再拉高一些，这种差异也反映出全球AI竞争中正在出现的一种分工：在基础模型研究和算力资源上，美国公司或许仍然占据主导；而在应用落地和产品迭代上，来自中国背景的团队正变得越来越活跃。单纯比拼模型参数的阶段正在退场，比拼谁能更快把技术变成可用产品的阶段，正在展开。
对普通人来说，AI的下半场未必会带来剧烈的冲击。我们依然需要上班、开会。但日常工作中那些最琐碎、最重复、最消耗精力的部分，或许会被AI一点点接管。
当AI Agent开始真正进入工作流程，人类的角色也会随之变化。我们不再需要亲自完成每一步，而更多是明确目标、划清边界，并对最终结果负责。
也许，这才是AI真正进入现实生活的方式。