當科技巨頭們還在為訓練更大參數的AI模型投入巨額資金時，一家名為Manus的公司卻憑借“不造模型”的策略，在2026年初被meta以20億美元的天價收購。這一反常操作引發了AI行業的廣泛關注：在模型參數競賽愈演愈烈的當下，Manus究竟憑什么脫穎而出？
當前AI領域的主流敘事是“模型至上”——從OpenAI到初創企業，幾乎所有玩家都在比拼模型規模。但Manus選擇了一條截然不同的道路：放棄自主研發模型，轉而專注于構建一套“模型使用體系”。這種策略看似冒險，實則精準切中了行業痛點：現有大模型雖能生成高質量文本，卻在處理復雜任務時頻繁“掉鏈子”，核心問題在于缺乏有效的執行框架。
Manus的解決方案聚焦于“上下文工程”。通過優化KV-Cache緩存機制，采用“前綴穩定”“只增不減”等策略，其推理成本較傳統方案降低90%。更關鍵的是，通過主動復述機制防止模型“遺忘”，配合多智能體架構突破上下文窗口限制，形成了一套完整的任務執行閉環。這些技術積累使Manus在GAIA基準測試中超越OpenAI同層次模型，其147萬億個Token的執行數據成為meta收購的核心資產。
在產品層面，Manus徹底重構了用戶與AI的交互模式。傳統聊天機器人僅能提供建議，而Manus直接承擔“任務交付者”角色。當用戶提出“下周末東京五日游，預算兩萬，側重動漫和美食”的需求時，系統會自動完成航班比價、酒店預訂、門票購買等全流程操作，最終交付包含電子票據的完整行程單。所有操作均在沙箱環境中執行，確保數據安全與系統穩定。
這種“省心”體驗精準擊中了高凈值人群的需求。Manus將目標用戶鎖定為Prosumer群體——那些時間成本高昂、愿意為效率付費的專業消費者。通過“錯誤保留”學習機制和驗證智能體的對抗測試，系統持續優化魯棒性，確保任務交付的確定性。這種以用戶需求為核心的產品思維，與單純追求交互花哨的AI產品形成鮮明對比。
Manus的崛起預示著AI行業進入新階段。當模型開源和API普及成為趨勢，技術壁壘逐漸弱化，真正的競爭焦點轉向“技術落地能力”。上下文工程、成本控制、沙箱環境等看似“非性感”的技術積累，正在構建新的護城河。這種轉變也印證了一個趨勢：AI創新不再局限于模型研發，應用層的深度優化同樣能創造巨大價值。
