Manus 爆火却像个玩具？3 年时间线揭秘 AI 的真实拐点

你好，小钗在医疗AI、教育AI、管理AI有丰富的经验

关注公众号，回复1，与我交个朋友吧

前段时间在旧金山召开的红杉资本AI峰会，有一句话我是十分赞成的：

创业公司需聚焦垂直领域，解决复杂问题（如医疗诊断、广告创意），从"工具销售"转向"成果交付"。

而从最近发布的垂直领域智能体如设计师工具Lovart、房地产工具CRIC，AI在实际工作中已经慢慢开始侵入了。

其中尤以Cursor表现抢眼，虽然网传的10倍提效太夸张，但50%提效实测下来是确实能达到的。

所以，智能体的生态已经逐渐成熟，今天我们重新拉下AI时间线，从前往后看，再看看我们当前处于什么位置，以后的AI发展应该注意什么。

Agent的发展预测

现在业内普遍认同的是OpenAI山姆奥特曼对AI应用的发展预测，他将AI的级别分为了L1-L5，并且认为10年左右就会实现：

L1级别（聊天机器人）。AI系统能够进行基本的对话和交流，显示出对自然语言的基本理解能力，并能对各种提示和问题作出响应。

L2：推理者（Reasoners）。AI系统能够以人类专家的熟练程度解决复杂问题，标志着其从单纯模仿人类行为升级到展现真实的智能水平。这些AI不仅擅长对话，更具备了解决问题的能力，其推理和决策能力已接近人类水平。

L3：智能体（Agents）。AI系统能够承担复杂的任务、作出决策和适应不断变化的环境，并在无须持续人类监督的情况下自主行动。这一阶段的AI不仅具备推理能力，更能自主执行各类复杂的操作任务。

L4：创新者（Innovators）。AI系统具有创造性和独创性，能够提出突破性的想法和解决方案。它们不仅能模仿人类的创造力，更能突破思维的局限，提出令人耳目一新的创新理念。

L5：组织者（Organizations）。AI系统不仅具备战略思维，还拥有实现组织目标所需的高效率和强适应性，能够管理复杂的系统。它们能够灵活协调多个智能体，合理分配任务，实时监控进度，并依据实际情况作出迅速调整。

结合时间线看AI发展

上述的描述太有些抽象，大家与时间线结合起来看，基本就能抓住脉络了：

这里大家要注意，因为OpenAI是一家基座模型公司，所以他的野心是非常大的。

他所规划这条路线属于模型吃掉所有的路线，这样的OpenAI会成最大受益者，只不过现今实际发展来说，是既有沿着这条路径发展的趋势，但实际上又稍微有些不同。

大家同步看L1-L5的定义，再看看时间线：

22年年底ChatGPT3.5发布，首款只能AI发布，标志我们进入L1时代，没过多久4.0也发布了。

作为这一时期AI应用经历者，从模型能力上来说，最大问题都不是上下文太短与幻觉的问题，而是一票难求，你根本拿不到OpenAI的账号，当时要拿到微软云Azure的账号，需要溢价甚至100%！

这里模型推理响应速度也慢到爆，一次来回快的话20秒，慢的话可以到一分钟，所以整个23年AI应用几乎没达到可用状态。

而当时也是百模大战的开端，当时的主流技术路径，都是先预训练再微调，这一过程非常花钱。

国内走在前列的有百度、智谱、阿里通意千问，讯飞甚至百川等，只不过都没拉开身位，他们的实际水平与国外开源模型LLama与bloom差距不大，甚至更差。

在这个阶段，AI应用进入生产的环境不成熟，但AI应用的前期研发却已经很成熟了，因为在2B使用场景下是不太关注资费和响应时间的。

所以这个阶段卖铲子、卖研发工具的公司赚了不少钱，包括用Coze教普通人搭建AI应用，包括各种做数据生产和数据标注的公司。

但整个芯片行业是要遵循摩尔定律的，而由于AI的火热大规模的资金涌入，直接导致大约了每半年模型的响应速度就翻倍、费用下降一半；

所以到去年年底的时候，所有常见模型能力都有了质的飞跃，老大哥ChatGPT响应速度已经很快的，基本可以在5秒左右结束；

而其实智谱无论从推理能力还是响应速度也有大幅的提升，包括阿里的Qwen模型也进步明显。

只不过，这一切的进步被DeepSeek的风头完全盖过去了！

DeepSeek 标志 L2.5 阶段来临

去年年底DeepSeek发布，国内标志性AI事件爆发，无论是其首先暴露的思维链Cot还是专家模型等的创新设计，都足够让人眼前一亮，而这也标志着我们完全进入了L2的阶段。

因为在25年，大模型的基础环境已经准备好了，无论是基础的推理能力，还是响应速度、还是资费，全部已经达到生产环境的水准，所以业内才称2025是国内AI应用元年，2025AI元年就是这么来的，因为基础AI环境成熟了。

环境OK了各种AI应用自然而然就爆发了，另一个标AI志性事件马上爆发了，Manus发布了，Manus这个东西倒不是说他有多难，但他首先提出了一种AI时代应该有的智能体产品体验，事实上接下来各个浏览器厂商也在往这个方向发展了，入口即应用的思维开始扩展。

只不过Manus实际使用起来问题还很多，里面黑盒太多，模型能力倒是够了，但配套设施又没有跟上，这就导致了其看起来像个玩具。

红杉AI峰会也同步指出，第一批智能体的机会会在垂直领域，果不其然设计师的智能体、程序员的智能体在今年取得了长足的进步。

其次就是今年Google I/O大会，其展示了很多智能体趋势，其中尤以视频体系Flow + Veo3 + imagen4套餐值得关注，他几乎标志着未来一两年，我们人人可以制作电影了...

Agent的技术架构

最后，大家再看Agent的技术框架：

大模型解决规划与调度问题，Manus能爆发的核心原因就是模型能力大幅增强；

RAG解决幻觉问题，当前模型的发展趋势来说，模型上下文破百万是早晚的事，如何让模型聊得像人，体验好的AI分身这类应用，将在这两年诞生；

工具链解决多模态问题，包括最近很火的MCP、Computer Use其实都算是AI多模态能力的延伸，要的就是解决AI各种“不行”的问题，这里包括了听觉、视觉、触觉等；

这里马上就出现了一个模型能力清单了：出现在这个清单上的所有东西都别做！

这些东西包括，语音相关、视频相关、什么图生文、文生图，视频语音什么的，如果创业方向在这个板块，接下来可能要死一大半！

记忆模块现在用的是RAG技术，但这个能力大概率会被模型内置，现在大家还熟知的向量库什么的，我认为在接下来1、2年会成为历史。

模型会留出合适的接口，让我们可以更好的注入领域知识，毕竟现在模型上下文已经轻易过10万了。

基于此，再看如今常见的智能体，又可以分为两类：通用型智能体、垂直行业智能体。

因为基座模型能力不大，大家都一样的所以：

对通用型智能体来说，其核心是工具生态，生态越繁荣越容易脱颖而出；

而对于垂直行业智能体来说，私有语料、垂直领域插件越多，其使用上越友好。

以Manus为例，他其实是没有什么技术门槛的，国内有很多类似的产品（其实现周期在一周左右，当然要打磨得好，也要花不少时间的）。

所以，接下来我们对AI应用的设计，要更多的从工具实现的视野转向创意与应用的视野，工具这块模型厂商不提供，大厂也会补足，比如AI知识库这里，腾讯的IMA、飞书的知识问答系统已经慢慢走向成熟了。

所以，机会不在工具而在创意，机会不在通用领域而在垂直领域。

结语

不到三年的时间，从“排队抢号”的 ChatGPT 到“50%+ 提效”的 Cursor，再到满天飞的垂直智能体，AI 已用惊人的速度把“可想象”变成了“可交付”。

当模型算力、上下文窗口和多模态接口都趋于公共设施，唯一能拉开差距的，便是谁能把技术沉到业务最深处，把工具转成成果。

对创业者来说，下注巨头要做的底层能力，胜率正快速归零；而扎进医疗、设计、地产这些高复杂度场景，掌握私域数据与流程壁垒，才有机会在 L2→L3 的跃迁里占住一席之地。

今天在工具侧的投入，明天就可能被基座模型迭代；但真正懂业务、敢扛结果的人，永远稀缺。

下一波领跑者，或许正是那些把“AI 元年”的喧嚣，落成“成果交付”静水深流的你我。