从风口到风暴，Manus的130天

　　Manus的产品现阶段同时受到服务器容量和高昂运营成本的限制。

　　这种成本结构的问题在与竞品的对比中更加明显。以Genspark为例，它宣称在45天内就实现了3600万美元的年化经常性收入，而且是在零广告投入的情况下，仅凭20人的核心团队就实现了这样的成绩。

　　这很大程度上得益于其商业模式的设计。Genspark主要专注于文档分析和知识提炼，这类任务相对标准化，成本也更容易控制。同时，欧美用户的付费意愿普遍较高，这为Genspark提供了更好的收入基础。

　　相比之下，Manus的定位更加宽泛，试图成为一个通用的AI代理，这虽然扩大了应用场景，想象空间更大，但用户需求差异很大，需要调用的模型和资源也不同，这直接增加了成本控制的难度。

　　迁移到新加坡虽然解决了部分问题，但刘雨佳认为，人力成本、办公成本这些固定成本的增加，对Manus这样一家创业公司的商业模式无疑提出了更高的要求。如果说在国内时还可以通过相对较低的运营成本来支撑探索期的亏损，那么在新加坡的高成本环境下，公司必须更快地找到可持续的盈利模式。

　　一位关注AI行业的分析师表示，对于纯to C的AI Agent产品来说，这种成本压力可能会迫使团队考虑更多元化的商业模式，比如to B和to C的混合模式，或者向企业级市场转型。“纯粹的消费级AI Agent可能注定是烧钱的生意，至少在现阶段是这样。”

　　刘雨佳表示，“给Manus更多时间也是合理的”。毕竟，从3月份的爆红到现在，也就过了几个月时间，要求一个产品在这么短的时间内就实现商业化成功，确实有些过于苛刻。

　　从目前的发展趋势看，Manus选择的路径是：通过快速迭代来完善产品，通过深度整合来建立壁垒。

　　这个目标能不能实现，现在下结论还为时过早。但可以肯定的是，将视野拉得更广，Manus面临的挑战其实反映了整个AI Agent赛道的现状。

　　从技术层面看，市场上主流的AI Agent产品大多处于“中间体”的位置：它们不做最底层的模型训练，也不直接面向特定的垂直场景，而是建立在第三方的大语言模型之上，专注于开发调度、规划、工具调用等“中间层”技术。这种定位虽然有其优势，但也面临着来自上下游的“挤压”。

　　往上看，是OpenAI、Anthropic等大模型厂商的“降维打击”。它们正在不断将Agent能力集成到自己的基础模型中，试图直接为用户提供端到端的解决方案。

　　往下看，各种垂直领域的AI应用正在涌现。它们在特定场景下，往往能提供比通用Agent更精准、更深入的服务。

　　在这种竞争格局下，处于“中间层”的Manus们，必须找到自己的定位。正如华创证券的报告所说，AI Agent在To C的实用落地，核心在于能否从“建议”真正走向“交付”。

　　Manus的故事，也是所有中国AI公司在全球化浪潮中的故事。一位长期关注AI行业的投资人强调，年轻用户的尝鲜心理确实能够带来短期的用户增长，但要实现长期的商业价值，还是要回到产品的实用性上来。在这场关于技术、资本和市场的多重博弈中，谁能更好地平衡创新、商业和用户需求，谁才能笑到最后。

　　当然，我们也不应该过分悲观。AI Agent作为一个新兴领域，还有很大的探索空间。