商务部：将会同相关部门对Meta收购Manus开展评估调查

meibf

       商务部新闻发言人何亚东8日在回应有关审查Meta收购人工智能平台Manus的提问时表示，商务部将会同相关部门对此项收购与出口管制、技术进出口、对外投资等相关法律法规的一致性开展评估调查。

　　在商务部当天举行的例行新闻发布会上，何亚东表示，中国政府一贯支持企业依法依规开展互利共赢的跨国经营与国际技术合作。需要说明的是，企业从事对外投资、技术出口、数据出境、跨境并购等活动，须符合中国法律法规，履行法定程序。

马后炮！什么用都没有。中国失去了一家独角兽企业，如果环境不再改变，将会失去的更多。

蜻蜓龙

怎么能说是马后炮呢
我早就说了，中国人绝不会爱国的
所以根本谈不上 中国失去了一家独角兽企业

fhzcy

Manus 是蝴蝶效应公司（Monica）研发的全球首款通用 AI 智能体，2022 年始于浏览器插件，2025 年 3 月正式发布后迅速引爆市场，同年 12 月被 Meta 收购，成为 AI 领域发展速度最快的现象级产品之一。以下是其详细发展历程：

早期奠基（2022-2024 年）

• 公司创立与初步探索（2022 年）：2022 年 4 月，创始人肖弘在北京创立 “蝴蝶效应” 公司，同年 12 月推出 Monica 浏览器 AI 插件，凭借快捷的 AI 对话与信息检索功能积累数百万海外用户，为后续技术研发与市场拓展奠定基础。
• 核心团队成型（2024 年）：在真格基金撮合下，技术天才季逸超（曾开发猛犸浏览器）和产品专家张涛（前字节跳动高管）加入团队，形成核心 “铁三角”，并将研发方向聚焦于 AI Agent（智能体）领域。
• 融资与技术沉淀（2023-2024 年）：2023 年初获真格基金独家种子轮投资，估值 1400 万美元；2023 年底再次获真格基金天使轮投资；后续引入红杉中国、腾讯投资等机构，2024 年底估值已超 1 亿美元，期间持续进行技术迭代，为通用 AI 智能体的推出做好准备。
  

爆发增长（2025 年 3 月 - 12 月）

• 产品发布引爆市场（2025 年 3 月）：3 月 6 日，Manus 以 “全球首款通用 AI 智能体” 身份正式发布，凭借动态记忆图网络（DMGN）与跨模态注意力机制，可自主拆解任务、调用工具完成复杂工作，发布演示视频 20 小时观看超 20 万次，官网等待名单 3 天突破 200 万，邀请码在二手平台被炒至 10 万元，发布当周登顶 GAIA 榜单。
• 融资与商业化进展（2025 年 4-12 月）：4 月完成 7500 万美元 B 轮融资，由 Benchmark 领投，腾讯、红杉中国等跟投，估值达 5 亿美元；10 月发布 Manus 1.5 版本，任务完成时间大幅缩短，新增 Wide Research 功能可调度 100 个子 Agent 并行工作；12 月中旬宣布 ARR 突破 1 亿美元，累计处理 147 万亿 tokens，创建 8000 万 + 虚拟电脑实例。
• 市场拓展与争议并存（2025 年全年）：产品快速增长的同时也面临争议，如技术依赖外部模型、任务成功率不高、部分场景出现地理幻觉等问题。7 月，受美国对华技术管制与资本等因素影响，Manus 宣布退出中国市场。
  

被 Meta 收购（2025 年 12 月）
2025 年 12 月 30 日，Meta 宣布以数十亿美元完成对 Manus 的收购，这是 Meta 历史上规模第三大的收购案。收购后，Manus 品牌和团队保持独立运营，创始人肖弘出任 Meta 副总裁，致力于将 Manus 的智能体能力与 Meta 旗下 WhatsApp、Instagram 等平台深度整合，开启新的发展阶段。

fhzcy

Manus 技术依赖外部模型深度解析
Manus 作为全球首款通用 AI 智能体，其技术架构的核心特点是不自研底层大模型，而是通过多模型协同与系统级工程能力构建自主执行环境。这种 "整合大于创新" 的策略既是其快速崛起的关键，也是引发技术原创性质疑的核心争议点。

一、核心依赖的外部模型体系
Manus 采用 ** 混合模型栈 (Hybrid Model Stack)** 策略，主要依赖以下外部模型：

模型类别

核心依赖

应用场景

技术定位

高阶推理Anthropic Claude 3.5/3.7 Sonnet任务规划、复杂决策、长上下文理解中央 "大脑"，负责核心逻辑与调度
中文优化阿里巴巴 Qwen (通义千问) 定制版中文语义理解、本地化场景适配辅助模型，增强特定语言能力
补充能力DeepSeek、GPT-4 (部分场景)代码生成、数学计算、快速响应多模型路由，根据任务选择最优模型
多模态ViT-22B、YOLOv8 (图像)、Whisper (语音)图像识别、语音转文字、多模态交互专业工具集成，扩展感知能力


Manus 通过智能路由机制动态选择不同模型处理任务的不同环节，例如用 Claude 处理复杂规划，用 Qwen 优化中文内容生成，用 Whisper 实现语音交互。

二、依赖外部模型的核心原因
1. 战略取舍：专注差异化价值
Manus 团队明确放弃自研基础模型，将资源集中于三大核心能力：

• 多智能体编排（中央执行者协调专业子智能体）
• 工具调用系统（29 个专业工具链，覆盖网页浏览、API 交互、脚本执行）
• 动态记忆图网络 (DMGN) 与跨模态注意力机制
  

这种策略使其能在 18 个月内完成从浏览器插件到现象级产品的跨越，而无需投入数十亿资金和数年时间训练基础模型。

2. 技术务实：站在 "巨人的肩膀上"
创始人季逸超曾公开表示，Manus 的核心创新在于将大模型能力转化为可执行的任务成果，而非从零开始构建语言模型。选择 Claude 的关键原因是其在长视野规划（平均 30-50 步复杂任务）和工具使用方面的领先表现，这正是通用智能体所需的核心能力。

3. 成本与效率考量
训练基础大模型需要：

• 数百亿级参数规模的算力投入（单次训练成本超千万美元）
• 海量高质量数据（需合规且多样化）
• 顶级 AI 研究员团队（全球稀缺资源）
  

Manus 通过 API 调用外部模型，将资本密集型的模型研发转化为运营成本，大幅降低创业门槛，使其能快速迭代产品功能。

三、依赖外部模型的优势与挑战
⚡ 显著优势

• 快速产品化：3 个月内完成从概念到发布，6 个月内实现商业化，远快于自研模型路线
• 性能领先：在 GAIA 基准测试中以单任务调用 5.3 个工具、复杂任务首次完成率 78% 的表现超越 OpenAI 等竞品
• 灵活扩展：可快速集成最新模型能力（如 Claude 3.7 发布后立即适配），保持技术竞争力
• 风险分散：避免单一模型故障导致整体服务中断，通过多模型冗余提升系统稳定性
  

⚠️ 核心挑战

• 技术受制于人：若 Anthropic 收紧接口权限或大幅涨价，Manus 性能将直接受限，甚至面临服务中断风险
• 成本压力：API 调用成本随用户规模增长而上升，2025 年 Q3 曾因 Claude API 价格调整导致运营成本增加 40%
• 原创性质疑：被开发者批评为 "披着 Agent 外衣的 API 调度器"，核心能力依赖外部模型，缺乏技术壁垒
• 适配局限：无法深度定制模型底层逻辑，部分场景出现 "地理幻觉"、任务成功率波动等问题
• 合规风险：2025 年 7 月退出中国市场，部分原因是美国对华技术管制影响了 Claude 等模型的合规使用
  

四、争议与应对措施
1. "套壳" 争议与技术定位澄清
Manus 团队强调其核心价值在于工程化集成能力，而非模型研发：

• 自主研发的动态记忆图网络 (DMGN) 解决多任务上下文管理问题
• 独创的多智能体协同系统（规划代理、执行代理、验证代理）模拟人类工作流
• 云端虚拟机隔离环境确保安全执行，防止工具调用风险
  

2. 逐步降低依赖的尝试
2025 年 10 月发布的 Manus 1.5 版本中，团队已开始：

• 对 Qwen 等模型进行深度微调，减少对 Claude 的单一依赖
• 开发模型适配层，支持快速切换不同模型供应商
• 探索轻量级自研模块，增强特定场景的模型自主性
  

五、Meta 收购后的变化展望
2025 年 12 月被 Meta 收购后，Manus 的模型依赖策略预计将发生重大调整：

• 整合 Meta 自研模型：逐步接入 LLaMA 3/4 系列模型，降低对第三方 API 的依赖
• 技术协同深化：将 Manus 的智能体能力与 Meta 的多模态模型（如 SAM、DINO）融合，提升感知能力
• 模型自主化：利用 Meta 的算力与数据资源，开发部分场景的专属模型，增强技术壁垒
• 生态整合：通过 WhatsApp、Instagram 等平台的海量数据，优化模型的用户意图理解能力
  

六、总结：依赖与创新的平衡
Manus 的技术依赖外部模型并非简单的 "套壳"，而是AI Agent 领域的一种务实创新路径—— 在大模型能力过剩而执行能力不足的时代，专注于将现有模型能力转化为实际任务成果的工程化能力，同样具有重要价值。

Meta 收购后，Manus 有望在保持其核心优势的同时，逐步降低对外部模型的依赖，构建更完整的技术闭环，为通用 AI 智能体的发展探索新的可能性。

fhzcy

Manus 依赖的外部模型所属公司明细
Manus 采用混合模型栈策略，其核心外部模型分别由以下公司 / 机构开发：

一、核心推理模型

模型名称

所属公司

总部地点

核心定位

Anthropic Claude 3.5/3.7 SonnetAnthropic（安索普）美国旧金山Manus 的 "中央大脑"，负责任务规划、复杂决策和长上下文理解 Anthropic
OpenAI GPT-4（部分场景）OpenAI（开放人工智能）美国旧金山补充能力，用于代码生成、数学计算和快速响应场景 OpenAI


二、中文优化与补充模型

模型名称

所属公司

总部地点

核心定位

阿里巴巴 Qwen (通义千问) 定制版阿里巴巴集团（阿里云智能）中国杭州中文语义理解与本地化场景适配，增强中文交互能力
DeepSeek杭州深度求索人工智能基础技术研究有限公司中国杭州由幻方量化孵化，提供高效推理和编码能力，作为多模型路由的重要补充


三、多模态能力模型

模型名称

所属公司 / 机构

核心定位

ViT-22B（图像理解）Google Research（谷歌研究院）超大参数视觉 Transformer，处理复杂图像识别任务
YOLOv8（目标检测）Ultralytics（超算 ytics）轻量级高效目标检测模型，用于实时视觉处理
Whisper（语音转文字）OpenAI（开放人工智能）多语言语音识别模型，支持语音交互与内容理解


四、技术依赖总结
Manus 的模型依赖呈现全球化、多源化特点：

• 核心推理能力主要依赖美国 AI 公司（Anthropic 和 OpenAI）的顶尖大模型
• 中文能力依赖中国科技巨头（阿里巴巴）的本土优化模型
• 多模态能力则整合了谷歌、Ultralytics等专业机构的技术成果
  

这种策略使 Manus 能够快速整合全球 AI 领域的最佳技术资源，同时也导致其在技术自主可控性方面存在一定挑战。Meta 收购后，Manus 正逐步接入 Meta 自研的 LLaMA 系列模型，以降低对外部第三方模型的依赖程度。