据《晚点 LatePost》报道，Meta将以数十亿美元收购开发Manus的公司蝴蝶效应。这是Meta成立以来第三大收购，花费仅次于 WhatsApp（190亿美元） 和 Scale AI（143亿美元）。

从爆火、融资、裁员到被收购，Manus在9个月的时间里走完了初创公司的“一生”。今年3月，Manus火爆出圈，邀请码在二手平台一度被炒到五万元；5月，Manus拿到Benchmark的7500万美元B轮融资；7月，Manus撤出中国市场，裁员后剩下40余名核心技术人员迁往新加坡总部；12月30日，Meta与Manus在十天内谈拢收购，Manus母公司蝴蝶效应在三年的时间里完成了约140倍的估值增长。

从实测结果来看，以Manus为代表的智能体产品确实在把完成一件事的门槛越拉越低，但也把做好一件事的标准越拉越高：AI表现出“使命必达”的态度，但幻觉、数据编造等问题仍是交付结果中的痛点。

如果说Meta收购Manus是Agent元年的最后脚注，我们又该如何看待这笔收购以及智能体的未来发展？

AI智能体发展到哪一步了

澎湃新闻通过梳理a16z等公开APP榜单后发现，今年以来，面向C端的智能体产品除了年初许多公司押注的通用型智能体外，出现了更聚焦垂类和应用场景的智能体：如一站式设计智能体Lovart、编程智能体Lovable等。在产品形态上，除了网页APP和软件外，也出现了像ChatGPT Atals这样将智能体嵌入浏览器的产品。

Similarweb数据显示，AI智能体C端产品在海外比国内更受用户青睐，这也是很多智能体初创团队选择出海的原因之一。以Manus、Genspark、Lovart为例，这些产品在国内都有一定的知名度，但Top3访问国家主要还是美国、巴西、日韩等国家。而像MiniMax、天工AI等主打国内市场的智能体产品，它们的海外使用情况也好于国内，天工AI的海外域名访问量甚至比国内域名还要高。

另一方面是智能体产品一般采用订阅制，海外用户有更成熟的付费意识。CrePal.ai创始人刘嘉铭在接受镜相工作室采访时表示，国内AI Agent团队的现状是“20家公司，19家在出海”。同一款AI产品，在海外能比在国内获得5倍差异的收益。

但这也并不意味出海的钱就好赚，其中还涉及数据合规、算力等问题。正景资本投资合伙人刘雨佳在接受定焦One采访时指出，除了资本与监管，算力和数据也是现实考量，也是Manus推动“迁徙”（放弃国内业务）的关键力量。新加坡相对宽松的数据合规框架，为Manus服务全球市场提供了更大的操作空间。

大模型失守，Meta押注“个人超级智能”

Meta最近的日子也并不好过。11月底，Meta首席AI科学家、图灵奖得主杨立昆宣布将于年底离开Meta，计划未来创立一家专注于世界模型技术的初创公司。杨立昆离开任职12年的Meta，，另一方面在于Meta在人事任命上的摩擦：今年夏天，扎克伯格任命Scale AI创始人Alexandr Wang为Meta首席人工智能官，65岁的杨立昆需要向28岁的Alexandr Wang汇报工作。此外，扎克伯格还从OpenAI以一亿美金年薪挖来了90后华人科学家赵晟佳，出任超级实验室首席科学家。

扎克伯格疯狂砸钱挖人的一大原因是今年Meta在发布Llama4模型后，不仅反响平平，甚至还陷入作弊“刷分”风波。Artificial Analysis数据显示，Meta Llama 4模型的智能水平目前在全球主流AI公司中垫底。

Meta在2025年4月发布Llama4后，目前大模型智能水平处于主流AI公司垫底。图片来源：Artificial Analysis

在Meta AI前路不明的情况下，Manus的两个关键数据体现出产品的自身价值。token消耗体现了产品的使用情况：根据Manus官方12月统计，上线至今，Manus已处理超过147万亿个token，并创建了超过8000万台虚拟计算机。ARR则体现出产品的盈利能力：Manus官方数据指出，在上线八个月后，Manus年度经常性收入（ARR）已成功突破1亿美元。

Manus称，上线仅八个月后，Manus 的年度经常性收入（ARR）已成功突破 1 亿美元。图片来源：Manus官网

今年7月，扎克伯格曾在接受《The Information》专访中表示“我们实验室的使命，是为全世界每一个人提供‘个性化的超级智能’，这与其他实验室在做的事情不同。” Meta在收购公告中表示，Manus 打造了业内领先的自主型通用智能体，能够独立完成市场调研、编程、数据分析等复杂任务。未来，将继续独立运营并对外提供 Manus 服务，同时也会将其能力整合进 Meta 的产品体系。

Manus母公司蝴蝶效应早期投资方真格基金表示，Meta收购Manus对 AI 时代的新一代年轻创业者而言，将是莫大的激励。“怀揣梦想的年轻人，经过时间的磨砺与积累，终将有机会在国际舞台上成就最不凡的事业。属于中国这一代年轻创业者的时代，已经到来。”

Manus取得成功背后，AI智能体在实际应用中还存在许多难点和痛点。12月，UC Berkeley、Stanford和IBM在联合发表的论文《生产环境中的智能体评估》中对 306 名智能体从业者进行了问卷调查，并在 26 个应用领域中开展了 20 个深入访谈式案例研究。

调研结果显示，可靠性仍然是智能体开发中最突出的挑战，其根源在于智能体正确性难以保证和评估。生产环境中的智能体通常采用简单且高度可控的方法，68%的智能体在执行不超过10个步骤后就需要人工介入；70%的智能体依赖对现成大模型的提示工程而非模型权重微调；74%的智能体主要依靠人工评估来验证其表现。