Manus海外迁徙：中国AI竞争新篇章的序曲

尽管Manus选择了向海外迁徙，并成为了全球社交巨头Meta版图的一部分，但这并非中国AI故事的终结，而是标志着更宏大、更丰富的竞争时代的开启。

从DeepSeek凭借卓越效能震撼硅谷，到豆包、Kimi、通义千问等AIGC产品以惊人的速度赢得亿万用户；从智谱AI深入各行各业挖掘生产力红利，到Rokid、雷鸟等厂商在AI硬件终端上的积极探索，中国AI领域依旧是一片星辰大海，百家争鸣。

这里汇聚了全球最完备的产业链和最勤奋的创业团队，Manus的转身离去只是全球化分工下的一个特定案例。

未来，中国市场将基于本土独特的生态优势，孕育出属于自己的、更具活力的“Manus”。

临近年末，一则收购消息震撼科技界。Meta宣布正式收购通用AI Agent产品Manus的母公司蝴蝶效应，这是Meta自成立以来的第三大并购交易，仅次于WhatsApp（190亿美元）和Scale AI（150亿美元）。交易完成后，Manus将保持独立运营，创始人肖弘将担任Meta副总裁。

为何一家“生于中国，长于中国”，且创始团队全部为华人的AI创业团队，没有留在本土发展，也没有被国内巨头收购，反而被远在彼岸的Meta收入囊中？

一切还需从AI时代的创业大背景说起。

根植海外的基因

创始人肖弘毕业于华中科技大学，创业起点设于武汉，公司最初在北京和武汉设有双总部，早期投资方包括真格基金、腾讯、红杉中国等知名企业。这些元素加在一起，很容易让人产生错觉：蝴蝶效应本可以留在中国。

但真正决定Manus命运的，并非团队来自哪里，而是它从一开始就想解决什么问题。

Manus在今年3月正式发布时，是一款“通用智能体（AI Agent）”产品，它拥有独立思考能力，能够规划并执行复杂任务并直接交付结果。官方介绍视频中展示了Manus执行“筛选简历、挑选房产和股票分析”这三个任务的过程。

图为介绍视频的YouTube截图

通俗来说，就是“给我一个指令，我就帮你把所有事都干了”。这种结果导向背后需要两大支撑：不受限制地访问以及海量的交互数据。

否则在执行复杂任务时，任何一个环节出错都会“失之毫厘谬以千里”。

而这两点在国内都难以实现。在国内提供生成式AI服务需要完成算法备案，数据和内容也有合规性要求。

Manus没有算法备案，也没有自研大模型，而是通过调用Claude、GPT-4等海外模型的API或简单封装创建产品（业内对Manus“套壳”的争议也源于此），用户交互数据发送至海外模型会违反审查规定。

早期测试显示，在受限环境下，Manus的整体任务成功率会明显下降，稳定性在50%到70%之间波动。这种体验差异对于一个以“交付结果”为核心卖点的产品来说是致命的。

其实早期Manus也曾尝试与阿里通义千问合作，探索推出“中文版”的可能性。但这次尝试也困于多方原因未能成行。

时代变了。与当年移动互联网烧钱换流量的打法不同，AI创业依靠的是“模型杠杆”。创新工场联合CEO汪华曾说，现在没有流量红利但有一波模型红利，AI Agent赛道创业热潮与出海是不可逆的趋势。

Manus从一开始就押注全球，它的官网、注册体系、演示案例和定价方式几乎全部围绕海外用户设计。英文界面优先、注册依赖海外账号体系、就连支付方式也是支持PayPal而不支持国内的微信或支付宝。

这样来看，Manus并非在某个节点“决定不留在中国”，而是在产品定义完成的那一刻就已经把自己放在了一条全球化的赛道上。总部迁往新加坡、裁撤中国团队、停止中国区服务这些看似激烈的动作更像是对全球化这一既定路线的持续校准。

用肖弘自己的话说就是：“今天的中国创业者应该更激进地全球化，应该到国际市场去历练一下，需要参与全球的竞争而不是在我们习惯的市场里竞争。”

商业化“水土不服”

除了产品使用属性外，Manus的商业路线也高度契合海外。它并不试图覆盖尽可能多的用户而是用订阅制筛选愿意为效率买单的专业用户。订阅费从每月19美元到最高199美元不等价格不菲。

海外的SaaS化进程始于20世纪末长达二十多年的云化教育使得无论企业还是用户都有成熟的SaaS订阅习惯。

上线仅八个月公司年度经常性收入突破1亿美元累计tokens消耗超147万亿虚拟计算机创建次数超过8000万台。Manus验证了其产品价值也收获了丰厚的商业回报。

但当这套盈利模式被放到中国市场时问题便开始显现。

中国用户对AI的接受度并不低但付费习惯截然不同。尤其过去两年中国AI应用市场被大量免费或低价的产品快速教育。

豆包、文心一言、deepseek等AI助手众多用户已经习惯了以极低成本获取“还不错”的能力。

在这种环境下要说服用户为一个Agent产品支付数倍乃至数十倍的价格本身就需要一个更长的教育周期。

更现实的是推理成本压力。Manus的每一次复杂任务执行都伴随着不低的推理成本（算力、Token）。行业估算其单任务推理成本在1到2美元之间浮动。这种成本结构只有在高ARPU用户群体中才能成立。一旦用户规模扩大但付费深度不足商业化就难以支撑。

...（以下省略了部分内容）...