作者丨刘正<br> Simon Kucher 战略咨询顾问<br> 年底一直是收并购大新闻的窗口。无论这一年里有多少反反复复的考量和纠结，到了KPI（关键绩效指标）该兑现的时候，总归要给董事会有个交代。于是我们看到Meta以20亿美元巨资收购了Manus——这是自媒体最喜闻乐见的那种交易：足够劲爆、足够争议，还能衍生出无数的次级话题。<br> 从Meta内斗，到新加坡“移民中转站”，这桩交易给假期平添了许多充满欢乐气息的谈资。但回到这件事本身，为什么Meta要一举收购Manus？<br> Meta的20亿美金买个“按键精灵”？<br> Manus本质上是一个“套壳”大模型起家的AI Agent（人工智能智能体，指能自主理解任务、规划并执行工具的人工智能）。它靠着开源的Browser-use（一种让AI驱动浏览器的开源库），用模拟人类操作浏览器的方式来执行任务。这不就是给大模型整了个“按键精灵”么？<br> Manus既没有自研底层模型的能力，也没有值得一提的技术壁垒。它刚发布一周，就被人复刻了一个OpenManus供大家免费“赏析”。我想许多AI应用团队此刻都在想：就这“草台班子”也值20亿美元？换我上，分分钟就能做个更厉害的套壳出来。<br> 当然，你可以说这是Meta在AI时代掉队后慌不择路的昏招。毕竟扎克伯格上次搞劳什子“元宇宙”就是这画风，这次“All in AI”更是显得人傻钱多。过去一年里，无论是豪掷千亿买卡，亲手煲汤从OpenAI挖人，还是“迎娶”Alex Wang、驱逐杨立昆（Yann LeCun，图灵奖得主，Meta首席AI科学家），都充满了一种“勤政昏君”的感觉。<br> 一众找不到头绪的VC和创始人豁然开朗：原来“面向Meta创业”才是投资退出的终极捷径啊！按摩扎克伯格的焦虑，换你我的美刀，真香。<br> 雪中送炭：Manus背后的数据富矿<br> 不可否认，Meta现在的战略布局和组织架构非常动荡，但收购Manus却并非无脑，而更多是一种无奈。LLM（大语言模型）的“众神之战”早已越过单纯的模型能力PK阶段，现在更重要的是真正落到商业和个人场景中，把模型的最强大脑通过各种应用的“巧手”触达到终端用户。<br> Google的Gemini和OpenAI的ChatGPT之间的对决已经打到大气层了，Project Jarvis和Operator（两款由巨头研发的AI自动化助手）也在候补席上摩拳擦掌，连曾经的Twitter都完美内嵌了Grok这个“骚话连天”的大模型。而Meta基于Llama这个开源LLM的祖师爷搞了好几年，却始终缺一个用户真正可感知产品的“杀手级应用”，曾经轰轰烈烈发布的Meta AI app如今更是反应寡淡。<br> 而Manus在一年里快速迭代了三个版本，实践出一套上下文工程的“奇技淫巧”，证明自己能把套壳AI Agent这件看起来没技术含量的工作做到极致。这就像Scale AI（一家提供AI训练数据标注服务的巨头）在打标签这么无聊的事上曾做到的那样。<br> 所以，不管业内如何看不上Manus，人家毕竟能在不到一年内狂吸几百万用户，真金白银地充值出上亿美金的ARR（年度经常性收入）。这个天然筛选出的AI使用核心客群和应用端入口，恰恰是Meta在这场AI竞赛中所渴望拥有的。<br> 一个常见的误区是：精心打磨的“好东西”才应该被买下。但真实世界的收购更多是由当下的战略驱动的——不是锦上添花，而是雪中送炭、瞌睡递枕头。就算没枕头，随便卷个裤子能用都行！因为买家立刻、马上、现在就急着用。<br> 这种需求具有极强的时效性。你觉得Meta内部做不出比Manus更好的AI Agent吗？但内部走通整个开发上线流程、弄明白工程化各种细节和“坑”所耽误的时间，是扎克伯格耗不起的，这还没算上内部各派别你来我往的“撕逼宫斗”。整体买下Manus后，这些痛苦的过程都可以直接跳过。<br> 这才是巨头“钞能力”的正确用法。<br> 从“赛博劳工”到“数字牧羊人”，打工人怎么办？<br> 反过来说，这也是其他厂家不去收购Manus的原因。很多人嘲笑字节跳动一年前只肯出3000万美元，抨击其抠门不识货。其实这就是当时Manus内在的公允价值：不像Meta在应用端两手空空，字节是有豆包生态和飞书这样成套的生产力工具的。Manus团队能带来的边际价值有限，甚至在收购整合后，能否释放出期待的协同效应也很难说。<br> 在技术层面上，对于谷歌、微软和苹果这样体系完备的大厂而言，他们更希望通过MCP（Model Context Protocol，模型上下文协议，一种旨在标准化模型与外部工具交互的协议）这类更底层的方案来实现交互，让Agent和自有体系里的App、云服务API（应用程序接口）实现高效耦合。<br> 他们看不上Manus这种浏览器沙盒加“按键精灵”式的“模拟信号”处理，因为这种方式效率低得令人扣脚。但放在Meta的立场来看，这反倒成了优势。因为Meta现在没有太多需要AI Agent去耦合适应的终端服务。Manus这种“给大模型一台电脑”的暴力模拟方式，虽然不那么高效，却有着极好的兼容性，可以利用“模拟漏洞”绕过API去操作几乎所有应用。<br> 总之，Meta收购Manus可谓意料之外，情理之中。Manus对Meta还有更深的作用：一直以来，Llama都在刷分竞争中处于劣势，原因之一是缺乏来自真实交互的微调数据。而Manus的用户在过去一年里已经创建过8000万个交互窗口，这种“动态执行流”数据包含用户意图、任务规划、工具调用、环境交互、结果验证，是非常独特且稀缺的。<br> Meta可以挖掘这种过程监督信号（Process Supervision）的富矿，让下一代模型原生于Agentic AI（智能体化AI）的场景下。<br> 对于我们隔岸观火的打工人而言，更需要思考的是：当AI Agent倾巢而出，对我们意味着什么？<br> 正如Manus的Wide Research（深度研究）功能所揭示的：当你让100个AI Agent并行作业，尽管Token（大模型处理文本的最小单位，此处指代成本）在疯狂燃烧，结果依然胜过三个臭皮匠。真正值得警惕的，是那些在企业内部低调发育的“专用型Agent”——它们永不疲倦，永不摸鱼。<br> 到那时，格子间里的白领终将尝到“黑灯工厂”的肃杀之意。除非，你有资源、有想法去拆解用户需求，高效分配任务。在人手100个AI Agent的时代，唯一不能被自动化的，是“决定自动化什么”的能力；唯一不能被替代的，是驾驭替代本身的人。<br> 幸存下来的不会是试图与大模型比速度、比精度的“赛博劳工”，而是学会驾驭AI Agent的“数字牧羊人”。<br> 欢迎来到牧羊人的新世界。<br> 本文系凤凰网评论部特约原创稿件，仅代表作者立场。<br> 编辑｜Berlin