Manus联合创始人称公司年营收破亿美金并转型主动Agent

Manus联合创始人称公司年营收破亿美金并转型主动Agent 大模型与应用公司的界限将在半年内彻底模糊，未来胜负手在于应用层利用专属数据飞轮反向驱动模型迭代。 本期节目中，Manus联合创始人季逸超（Pick）深度回顾了自己从高中开发浏览器、探索NLP与知识图谱Maggie，到经历GPT-3降维打击后的个人成长与转型历程。他详述了与小红合伙加入蝴蝶团队后，放弃AI原生浏览器转而打造通用Agent产品Manus的决策内幕，分享了Manus突破1亿美金ARR、通过100:1以上的Token消耗反向推进行业模型迭代的商业与技术逻辑。此外，他针对中美创业生态差异、纯血派Agent对Agentic Workflow的碾压、以及海外大模型巨头的各自分化进行了犀利预判与深度拆解。 季一超高二时开发的“萌犸浏览器”采用朴素买断制赚取30多万美元，这促使他踩中移动互联网变革期并选择放弃大学学业创业；2013年受Word2Vec启发转向NLP，后因2019年GPT-3的降维打击而卖掉公司Maggie。 (0:00) 在独角兽企业打榜与真格基金沉淀后，季一超明确了自己不适合做CEO的认知，于2024年3月因推崇Monica插件“基于上下文分发”的哲学而受邀加入小红团队。 (30:00) 团队曾研发AI原生浏览器，但因人机争夺控制权、本地休眠卡死等痛点并在Arc停做的共鸣下果断放弃；随后洞察到非技术人员用Cursor解决通用任务，正式立项云端通用Agent产品Manus。 (55:00) Manus坚持不自研基座模型，而是打造地壳般厚重的通用Agent框架，凭借庞大Token消耗反向影响Google等巨头的模型设计，并在Scale AI的RLI基准中取得SOTA。 (75:00) 回应发布初期的舆论质疑，季一超澄清邀请码机制系全球即时算力极度短缺下的控量手段，团队从不追求DAU，而是面向Prosumer以极高完成度和无损速度推进商业闭环。 (125:00)

Manus联合创始人兼首席科学家季一超认为，大模型与应用的界限将在数月内模糊，纯血派通用Agent的壁垒不在于自研基座模型，而在于结合虚拟化沙盒环境、精准的上下文工程与真实用户反馈所形成的数据飞轮。 技术演进教训与不做基座模型的抉择 (15:00) 季一超回顾早期研发知识图谱搜索引擎Maggie时，团队攻克了16K长上下文与0.3B参数模型，但在2019年测试GPT-3后发现专用垂直模型被通用能力降维打击，令其意识到垂直整合容易沉没。基于此，Manus确立了不训基座模型的原则，将有限带宽从缓慢且高风险的预训练中解脱出来。季一超指出，当前大模型的保质期已缩短至一个月到近两个月，应用层如果自下而上做模型无异于买彩票；更健康的路径是在产品实现稳定PMF后，再通过适配模型实现降本增效。 从原生浏览器陷阱到通用Agent架构 (65:00) 在放弃原生AI浏览器探索后，团队吸取Arc浏览器停滞的教训，发现让AI与人类共用本地界面存在抢夺控制权与休眠卡死等缺陷。团队敏锐观察到非程序员群体利用Cursor运行脚本处理非编程任务，由此将编程确立为解决通用任务的媒介，在2024年底立项打造运行在云端的Manus。与规则硬编码的Agentic Workflow不同，Manus坚持纯血派Agent路线，核心架构由通用模型与图灵完备的运行环境（Runtime）结合而成。通过自研轻量级全虚拟化沙盒并在云端并行调度，系统能够原生解决长任务与广域复杂研究，避免为了特定场景堆叠人工约束而牺牲模型的泛化能力。 算力消耗差异与对模型厂商的反向塑造 (95:00) 与Chatbot输入输出约3:1的比例不同，Manus作为Agent需频繁与环境交互，Token输入与输出比达到100:1甚至1000:1，整体消耗量高出数十至上百倍。这种庞大的Token吞吐量使Manus成为全球头部模型厂商前列的采购客户，从而具备直接影响模型后训练的能力，例如季一超参与定义了Gemini的可控并行工具调用功能。针对当前推理模型，他主张模型应降低为数学竞赛设计的过长内部思维链，转而强化结合环境反馈的交错式思考（Interleave Thinking），并建立压缩感知意识将信息主动卸载至外部系统，以此克服长任务后期的上下文压力与敷衍倾向。 服务高价值Prosumer的双重数据飞轮 (105:00) Manus不以DAU为考核目标，而是聚焦于Agent工作时长（Agentic Hours）与商业营收，其定价延续20与40美元的月费订阅并按消耗计费，目前ARR已突破1亿美元。与Chatbot用户仅简单重试不同，Agent用户在遇到偏差时会主动介入并纠偏（如告知筛选标准或手动修改输入文件），这构成了系统自我进化的集体反馈数据；另一层则是真实用户主观体验评价体系。此外，在Scale AI的远程劳动力指标（RLI）测试中，Manus以2.5%的完成度位列第一，团队预期该类指标在2026年有望提升至20%到30%，逐步承接全球真实远程工作需求。 初期算力危机澄清与组织克制 (125:00) 针对发布初期的过度炒作与饥饿营销质疑，季一超澄清发布时从未在国内进行付费推广，早期采用邀请码纯粹是因为上线初期每天消耗数十万美元算力，云厂商物理算力瞬时供给不足。在组织层面，公司设立了专门负责虚拟机环境的沙盒团队以及评估与Agent架构团队，坚决抵制为了追求单点功能而使产品无限膨胀的诱惑。他认为团队内部最大的隐忧并非巨头竞争，而是产品失去克制导致核心价值被稀释。 季一超指出，AI发展不存在移动互联网式的用户时长争夺，异步Agent旨在缩短人机交互时间并在后台创造价值，因而稳态边界尚不明朗。尽管2026年Agent市场预期将进一步爆发，但如何在保持纯血派通用架构与产品轻量化的同时，持续应对高昂的物理边际成本与第三方网站环境拦截，仍是横亘在所有通用Agent团队面前的现实挑战。

[0:00] 季逸超: 因为虽然Manus的宣传片基本是我出镜然后呢这时候呢自然有人支持有人骂对吧他们看着宣传片骂这小红太坏了你会发现小红有个非常稀缺的特质是吗他很正常他身心健全没有任何不良嗜好没有任何极端的思想这不是一个这不是一个正常的指标这已经很难得了你知道吗 [30:00] 小红: Jick，我知道你做过浏览器、做过搜索引擎、做过语言模型，你想不想在一个产品里把这三个事都重新做一遍？ [40:00] 季逸超: 未来六个月内，模型公司与应用公司的界限将彻底模糊，每一家头部应用公司都将具备做模型的能力。 [50:00] 季逸超: 在方案激荡阶段，可选方案的数量甚至比质量更重要，如果动作空间本身不够大，决策就很难达到最优。 [55:00] 季逸超: 如果你都觉得不酷，没人会觉得酷。 [65:00] 季逸超: 编程不是一个垂直能力，而是一个解决通用任务的媒介。 [75:00] 季逸超: Monica 就像是“生鱼片”，其好坏完全取决于原材料（大模型本身），属于浅层的价值增加；而 Manus 则是“四川水煮鱼”，它虽然也是一个“壳”，但这个壳里引入了第三个重度元素——环境/运行时间（Run Time），是一个“像地壳一样厚”的 Agent 框架。 [95:00] 季逸超: 比起无限单调递增的上下文长度，更重要的是让模型具备“压缩意识”。 [100:00] 季逸超: 模型公司一旦选择垂直整合，其 product 迭代速度一定没有应用层快，“他们成分化的，我们成综合的，刚好反过来了”。 [155:00] 季逸超: 将 Agent 过度人格化，某种程度上是人类的一种自恋。 [125:00] 季逸超: 如果我们在三月份发布的时候，有任何付费的宣传，我死全家。 [145:00] 季逸超: 很多国内用户骂我们的根本原因，是你用的根本不是 Manus [193:10] 季逸超: 你每增加的一个东西都在稀释所有别的东西 [199:10] 季逸超: 多模态我们更在意的是多模态的输入，而不是多模态的输出。 [210:00] 季逸超: AI 接下来的进步需要用户的参与。

[0:00] 因为虽然Manus的宣传片基本是我出镜然后呢这时候呢自然有人支持有人骂对吧他们看着宣传片骂这小红太坏了你会发现小红有个非常稀缺的特质是吗他很正常他身心健全没有任何不良嗜好没有任何极端的思想这不是一个这不是一个正常的指标这已经很难得了你知道吗就是我觉得现在整个这个行业有很多人比较偏执或者怎么样但是讲真其实就是你没有乔布斯的命却得了乔布斯的病你在说你自己吗对我觉得别的创始人都太艺术家了这个问题要非常郑重地回答一下就是我可以直接这么说如果我们在三月份发布的时候如果没有任何付费的宣传我死全家这是Vive ARR吗哈喽大家好我是小俊2025年初Mindness以通用Asian的身份引发了全球的关注随后走过了惊心动魄的一年那2025年也被认为是Agent的元年过去一年我们访谈了前OpenEye线腾讯的姚顺宇Kimi的杨芝林Mynos的萧红Lafat的陈敏等等那站在2025年的尾巴上我邀请了Mynos的联合创始人兼首席科学家季一超来和我们一起聊聊Mindas的魔幻故事和Agent的进展与前瞻Hello,Pick,先给大家打个招呼并且做一个简单的自我介绍好,大家好,我叫季一超朋友叫我Pick我是Mindas AI的co-founder and chief scientist然后今天很荣幸能参与这个节目的录制你从小的经历感觉就很与众不同就是很小,四岁就去了美国然后二年就回国高中开始创业大学辍学了又创业然后又读完了研究生你讲讲你的这段经历吧首先得从我家庭背景就我觉得我很幸运就是我的父亲是北大物一系教授就是传统意义上的科学家然后我母亲算是老一辈中关村连续创业者当然现在可能可以叫企业家吧对所以就是我从小在一个这两种怎么说你不叫文化吧就两种不同的风格中一块去成长我可能就在两者中取了一个中间点就是所谓科技创业者然后我从小的话其实就是不是那种聪明孩子就学习也就一般但是呢就是比较喜欢自己瞎琢磨多一般就偏科吧其实我不知道我学习到底好不好或者聪明不聪明因为我觉得我就没怎么学然后我比较幸运的是就是我很早就找到自己喜欢做的事就是那时候是大概是2009年然后就是苹果其实除了iPhone之后的第二年然后那时候对我来说有一个很大的改变就是App Store出现了App Store我觉得是对我来说是特别重要的一个转折点因为在App Store之前其实很多人像我一样就喜欢自己捣鼓软件或做东西但是你其实缺乏一个很好的全球化变现的一个能力但这时候对于高中生来说如果你只是在瞎捣鼓一些课外的东西的话这个东西其实是比较离经叛道的你知道吧就是你没有一个很好的第三方指标来证明说我的爱好其实是有价值的而App Store当时的出现给了我一个契机就是说我可以向我的父母同学乃至于老师证明说我瞎搞的这个东西是能产生经济价值的所以我就算是中国第一代软件出海的创业者对当时那时候还在上高中然后我是做了一个第三方的iOS浏览器叫做Mandas Web Browser萌骂浏览器当年现在小小火锅一点然后用的是最朴素的那种就buy copy就是每卖一份就赚一份固定的销售额的这种模式然后所以就是很幸运就很早的时候就有了比较稳定的现金流对这个有多稳定的现金流那个软件从第一个版本到最后我大概赚了30多万美金当时我觉得那个对于高二高三的学生来说已经算是挺开心的一个事而且关键是就是它的销售的模式很清晰对吧我不需要去考虑太多的比如说这个NAP purchase应用内付款或者提供一些增值的这种模式我只是非常老实的卖一份copy然后你给我一份钱所以其实对于我就是怎么说呢我就是维护的成本是比较低的是一个当时还成立的一种商业模式当后来大家都知道就是移动端软件已经不太在支持这样特别朴素的商业模式了因为大家都要先免费或去客户对或者就说当时是一个很好玩的情况因为那个时候从桌面互联网到移动互联网我觉得是有一次平台或者简单来说就有一个硬件媒介的变化对吧所以就是你有一个新的一个媒介出来即使你是传统的大厂比如说国内当时的BAT然后海外这些公司其实大家都是跟开发者一样众生平等都在做一个全新的一个尝试然后那时候其实就会有一段在我看来可能是蛮荒期的一个阶段所以你有很多的机会去做这样的事大家还没有反应过来后来的这个诸多的商业模式但你看反观现在AI我可能就聊到那说到那你就觉得很难的一点就是AI虽然是一个新的技术突破但是实际上没有一个全新的平台出现所以你看这回的话我觉得没有存在蛮荒期无论是巨头还是创业公司还是个人开发者大家的反应都一样快做的都非常的干脆利索对所以我觉得我算是改成了一个好时代当时这段创业怎么结束的这段创业其实我觉得没有一个明确的 [5:00] 结束的那一刻其实它是我创业的一个起点那时候我觉得还不能严格意义上来说称为创业因为我只是一个学生个人开发者用一个最朴素的商业模式去获得了一定的现金流但当时的话你有一定的现金流同时你要做一定的marketing对吧当然我也没有团队就一个人就自己在比如说在国内外的论坛上发帖然后当时国内没有很成熟的那种支付渠道因为你知道现在App Store你可以用比如像支付宝微信或者你用credit card你可以去付款但当时我记得其实只能支持国际credit card所以中国国内基本是没有什么付费的这感觉跟现在AI也挺像的反正当时我就想既然国内我很难去获得现金流我在国内就只能转吆喝所以我那时候会破解自己软件然后在国内论坛上发你没钱你就给我捧个人场然后你在这样做的同时你就获得了一些来自于比如说资本界的关注所以那时候也很好玩我当时高二高三的时候然后当时在参加一个当时感觉还是比较有创业氛围吧那时候中文村然后我应该就在中文村参加了一个创业活动我就想不起来是哪一个了然后当时的话就认识了真格基金然后这个故事就非常简单就是当时徐老师徐老师问我小伙不错你想创业吗然后我当然不想创业了因为我既然有一个稳定的我可以边上学边躺着赚钱的一个先进流那我何必要创业呢对 然后但我觉得就是毕竟这个徐老师对吧这个大家可能当时都是都是比较熟悉的因为他应该也是北大那个体系出来的然后当时我回家跟我父母提一下这个事然后我这方面确实感谢我父母他们就说这个你是值得去好好考虑一下的然后我觉得那个时候对我来说也是陷入一个纠结就是我可以有几个选择对吧我也许可以我申请学校去上一个好的大学走现在跟大多数人一样的那条路但另外一点就是我觉得App Store给了我一个特别好的一个正反馈就是你只要创新也许就能有回报当然想的会比较乃义比较天真就是说我好像做出一个好东西自然就会有一个好的结果然后当时其实我渐渐意识到这个不是一个常态我是很幸运的踩中了一个时代的机遇那好其实我也许我什么时候都能继续去读书所以我就想那我其实现在优先考虑的应该是一个机会成本对所以就是我当时就拿了term sheet然后决定这大学我不上了我要去创业对但是当时的话就是为什么接受真格的offer其实也是他们给了我一个承诺而且我觉得一直是就是这个承诺兑现至今就是他们不会管我干什么我爱干嘛干嘛对所以我觉得这个其实是对于一个学生来说我觉得我能有的一个最好的一个选择所以当时的话我就拉上另外几个同学比我大两届他们已经保送去北大了然后但是又被我忽悠出来但当时我们其实已经意识到你如果还在做这样朴素的一个按哪一个copy去赚钱的模式已经不太work了那个时候已经感觉到不work了很明显因为当时的话已经又过了两年了然后这时候你会发现无论是国内还国外尤其像第三方iPhone浏览器的这个市场里头其实已经出现很多不同的玩家了巨头已经回过味了所以我们就觉得这个东西一定一定会走向一个免费或者免费加增值的这条路但当时我们还做了一点最后的一个尝试这也其实后面一切的起点就是我们觉得我们既然要卖一款付费的浪远器我们应该在功能上有比较大的一个跃进首先一点当时那个NAMSquare Browser它的这个交互田确实比较好的但当时其实还有另外一个背景就那时候无论是国内还国外都是3G初期的一个阶段那时候其实移动互联网员也没有像现在这样就这么流畅那时候可能大家还会更多关注就说比如说网速慢的时候怎么办弱网环境怎么办所以当时我就提出要解决一个问题就是我们能不能去预测用户的下一次点击比如说那时候我还记得大家用Facebook国内应该是用人人网校内的改名叫人人网我记得那时候大家很多人都觉得好像WAP版就是移动端的网页似乎比当时那些比较初期的客户端要好用所以很多人其实是在用就是移动浏览器去进行一些社交媒体的使用所以你会经常有那种翻页下页这个操作然后呢后来有更多人在手机上开始看新闻其实我当时就觉得如果我能准确预测用户下一次点击的话我可以进行preloading就是提前加载下页的内容让它的这个响应会更加的快然后这个其实也就机缘巧合之下让我进入了NLP就Natural Language Processing的这一个领域就是自然语言处理当然现在大家可能不太提这个词了因为大模型已经把这一切给统一了对然后那时候大概2011年开始就是我因为这一个需求所以开始研究这一个方向然后当时做那真的是太早了这个我就很我很幸运点就是我感觉一直我在学习的东西都是因为具体的需求在牵引对所以刚好也就跟自己兴趣的会比较online所以就接触这个行当开始做所以那个流暖器其实真正意义上到后来它的结束是什么是我发现了更好玩的东西就是在原处里所以因为它的模式一直是很单纯的卖一份copy它就渐渐就变成了一个没有人去维护的一个状态然后随着比如说到最后应该是iOS系统不断更新它的那个兼容的版本已经就是跟iOS不兼容了所以你自然而然就被从App Store下架了所以这是一个自然死亡的一个过程当然我觉得这还是很幸运的就是让我人生的第一产品就同时满足了出海加 [10:00] AI加上变现这件事所以有一个很好的开始现在反过去说的话浏览器这个事情当时怎么做有可能后来摸到移动互联网大牌吗有这种可能性吗我觉得当时的话我其实收到过一些收购的offer我觉得也许卖的也挺好的因为我觉得其实浏览器谁的offer这个就不要说了不能点具体的名但我觉得浏览器可能从古至今包括今天包括很多团队也在做AI浏览器待会儿也就会聊到我觉得一直都是有一个点就是它其实不是特别适合以一个创业者或者说一个颠覆者的形态来做它其实更像是巨头你已经有了分发的渠道之后去挤上天花这个事对所以我如果回看当时的话我不认为以现在的我的经验或者阅历我能做出什么更好的选择第二段创业呢第二段创业的方向第二段创业的方向其实应该刚才讲的第一次真正的创业就是因为在做这个流暖器的时候意识到就是NLP这个领域真的非常有意思但那时候其实也是很有趣就是2011年距离一个石破天惊的paper我说的不是Transformer其实2013年是T.Michloff当时Google推出一篇paper叫Wert to Wack就是第一次能够把也不是第一次就是较为可靠且高效的能够把自然语言文本离散化的自然语言文本变成稠密向亮这个其实对我来说是我认为我心中最石破天惊的一个转折点因为它头一次能让我们比较方便的把一些源自其他技术学习和深度学习领域的方法应用在自然语言处理领域像当时比2011年前后大家做自然语言处理可能关注几件事比如说你要进行比较复杂的分析的话可能会有一个技术叫做dependency parsing叫一存句法分析但是现在可能这个词已经死透了可能新一代做AI的人都不知道这个词了然后中文的话那时候我们还会关注额外的就所谓的tokenization当然跟现在的大模型的tokenize相比可能会更原始一点因为中文本身它会有这个要切分这个问题当然不止中文就是中文日语然后其实德语叫decomposition就是拆词这个问题所以那时候做的还是一些比较怎么说呢为了自然语言处理而做的一些比较专有的解决方案它按现在话说是不太scale的因为其实你需要很重的标注才能做好而且你本身的模型也没有那么的强大所以当时的话我觉得给我最大的一个触动是2013年的Wertifact这个paper出来然后我觉得这一下新世界的大门就打开了然后这个让我真正意识到我的兴趣可能其实是在NLP而不是在继续做浏览器然后也很感谢就当时真格费献他的承诺我说我不想做浏览器了然后真格格随便然后当时的话我就看中了NLP但是其实也是看中另外一个一个市场机遇当然回过头看我觉得是错的这是怎么回事呢就是当时2013年其实已经开始有传闻就说苹果在筹备一款可穿戴式设备其实也就后来的Apple Watch然后这个当时给了我特别大的想象空间因为我当时觉得那个时候的搜索还是你输入一个问题一个query然后它给你10个蓝色的链接这个东西能够work的根本原因是我们在与电脑这样一个大屏幕进行交互那假设未来比如可穿戴式设备或者说语音的界面就是voice interface更加成熟的话那这一个交互模式可能就不work了所以当时我想解决的一个问题是什么就是说我能不能以一种更结构化且更紧凑的形式把知识跟用户之间的交互进行一次革命然后这个当时就引向了一个方向就现在可能叫语意搜索叫Synetic Search这个东西我当时会觉得这就是下一代的Google我作为一个创意者我会不会是当年的Google像当年的Google颠覆Yahoo那样的所以我们团队大家都很兴奋然后我们想解决的这个问题逐渐也就细化了下来这其实是一个非常技术驱动的问题我当时在想如果你想用一个更紧凑的结构去回答用户的任意问题的话那其实你需要的不能是网页的原始信息因为大家都知道其实搜索引擎的工作原理当时可能就是用倒牌索引就是说你输入一个关键词它会把所有包含这个关键词的网页通过一些排序算法进行排序把top10给你所以你用户输入的问题最后获得的东西仍然是原文是自由文本那这个东西自由文本你想象一下如果你用Apple Watch你不可能在上面就反复滚动去读完对吧如果你是车机或者像Siri这种interface的话你也不能让他去朗诵那么长的文本因为人的带宽听力的东西其实你会很着急所以我们觉得当时从技术层面来讲下来它缺的是什么是一个高效紧凑的representation就表达形式而那个时候我们想到的一个概念其实是知识图谱知识图谱现在也是一个半截身子埋在土里的概念老词对但是当时我们也是有追求的团队然后我们在知识图谱的时候我们再往下下转看那到底是什么限制了知识图谱这个概念真正落地呢我们当时找到的一个切入点是我们认为知识图谱其实完全都不够完备因为那时候你能找到的知识图谱无论是通用的还是行业领域知识图谱也是一个很久的一个词它其实大量的依赖是人的边界比如说如果你要在一个行业内比如当时有做些什么工业领域的知识图谱比如科学领域知识图谱其实都是需要一些专家进行去标注比如你要标注SPO [15:00] 就是三元组这样的形式去进行标注而通用或者说通识领域的知识图谱其实当时世界上有几个比较大的平台有一个叫做Freebase好像后来是被谷歌收购了他们就以一种重包的形式让大家贡献这些知识后来他应该演化成了Wikimedia Foundation下面的一个项目叫做Wikidata他里头做的就是比如说关于你张老师你是一个实体叫Entity你下面有各种你的属性比如说你的出生日期你的之前工作的场景你的节目是什么这样能够形成各个实体之间的关系这就是所谓的知识独捕但很明显这个东西完全依赖于人类这个东西我觉得是我们探测到的一个瓶颈所以我们想找到一种技术来把这件事自动化当时的技术供给能做到什么刚才讲到那一个年代的NLP还在一个比较初期比较混沌的一个阶段当时要做的事情可能已经有的方案是这样你可以首先进行叫命名实体识别叫NER Name Entity Recognition就相对于你读一篇文章的时候一把里头所有的实体能够由一个AI模型来标记出来但这样的话你其实只获得到了实体就比如说张小骏这是一个实体然后这档节目是一个实体但是所谓知识图谱图谱之间是要有边的那这个边是怎么来的呢当时有另外一项技术叫做关系提取叫relation extraction就是对于两个实体之间我能探测到比如说张小骏是这一档节目的主持人那么主持人这其实就是一个编或者叫predicate然后这样的话我们用这两套技术能构建怎样的一个知识图谱呢就是说我如果能限定领域那么我能进行很好的实体识别如果我能限定提取的关系的总类型我也可以进行这个工作比如说我提前知道这世界上有什么的节目的主持人是谁这是一种关系人的出生日期是什么时候这是一种关系但很明显这个东西好像不可美举对吧因为任何两个实体之间的关系它应该是一个无限级所以我们就意识到当前的技术肯定是有局限性的那么我们当时就投入到了一种新技术的研发后来的话这个技术在学术界的定义应该叫做Open Information Extraction就OpenIE开放式信息提取它跟刚才这些技术的区别就是说我不需要提前定义一套规则或者schema就是说我不用规定哪些东西是实体因为传统医生的命名实体识别可能关注极限的比如说人名地名然后组织名这些东西你看这其实又是一个白名单机制我们要避免这层面的白名单同时在进行关系提取的时候我们要避免提前预设的这些关系而完全变成一个schema less就是说无大纲的形式的提取所以最后我们做到的一个技术是什么就是说AI在阅读一篇文本的时候它能够自己识别出这里头有哪些潜在的东西是实体以及这些实体之间的关系是哪些并把它们提取出三元组并持续自动的构建一个知识图谱所以这个在当时我觉得还是很重要的一个技术而且我们选择了最苦的一条路就是我们从灵训的模型而且你想这件事是从2013年底2014年开始的我非常幸运又不幸的赶上了LOP技术最越近的那几年所以我们一开始的话当时是一条我们团队分两边一边在做基于传统的依存句法分析的一个解决方案同时我这边在做基于Word2Vac向量化的一个解决方案然后做了几年之后我们发现这个东西好像可以去scale up然后开始用LCM去做后来是LCM加attention再到后来我们觉得其实Word2Vac或者是LCM加attention它其实在输入层的信息损失就很大因为那时候如果你用基于纯磁向量的方法去做的话他无法分析分清楚一个完全同名的词的不同的含义我举个例子孙悟空孙悟空可能是咱中国传统西游记中的孙悟空可能是我举例子像日本七龙珠里头的孙悟空其实再后来还有王者荣耀里有孙悟空对你如果完全基于这个Wertrify这种技术去做的话你发现同样一个词它在不同上下文中的意义都被压缩在了同样的一个512或768维的向量中所以当时我们就很苦恼说能不能再进一步其实就需要有一个上下文相关的编码方式然后那时候我觉得那几年是非常幸福的一方面是什么就是你基本上想什么这个世界上就会发生什么那时候再后来Transformer出来了Bird出来它很老解就是contextual就是上下文相关这个问题但是不幸的就是每一次这种技术迭代你会发现我们过去几年积累基本都算了不用去做了所以很痛苦然后我们就是当等于从2014年底一直做到2018年才把这事做完我们当时所有的模型是自己从预训练区开始做起的是非常痛苦的一事然后也很早就开始这是多大的模型总共加起来我们这两个模型总共加起来大概是两个0.3B的模型那时候这叫大模型但现在这已经都不算什么对然后也很早的遇见一些问题比如当年像BERT他默认情况下我如果没记错到他的context lens或者那时候我们还叫sequence lens是512个token512我的天哪你如果去掉比如说他一开始的CLS跟SEP token你这510个token这时候如果我要让AI去自动在互联网上去读网页的话这个是完全不够的所以我们当时从2018年底就开始解决long context的问题但是那时候我们解决的long context在今天看来很小而可我们解决16k长度对然后我如果没记错了那个模型后来我也太远了反正我们当时就一直在做这个事然后 [20:00] 当时做了一个产品叫做MaggieMaggie是来自于我很喜欢的一部动画里的一个超级讯息对然后他做的事情就是如刚才所说就是AI能够自己去到网络上去看各种各样类型的不限领域的文章并持续构建并更新一个知识头破然后当时我们做的这个事现在的学术定应该叫Lifelong Learning或者Continuous Learning对反正就很好玩然后这个项目其实做的我们是自己很high的我到今天觉得这是我智力和我的编程和research能力的巅峰对再后来就人就已经逐渐老灯化了就水准开始下降但是那段时间的话我们做到后面就会觉得很痛苦就是外界的创新实在太多太快了直到2019年的某一天我拿到了GP3的Early Access我觉得天要塌了为什么因为是这样就我刚才讲的我们当时选择很苦的一条路就是一切我们要做垂直整合对吧就是模型自己做产品自己做那好我其实每一次产品的迭代我等着我底下模型的完成那时候模型现在还跟现在比简直非常非常小但是同样evaluation这事也很恶心对吧你的infra要自己去搞所以我们当时迭代的周期基本是两到三周能有一个模型的迭代但是两到三周在当时的外部这简直是巨变了然后拿到GP3的时候我测了一下我觉得天塌了原因是什么我们把同样的任务我拿GPT我随便写了一个prompt那时候大家没有什么prompt的艺术对吧都胡写我发现他有跟我们自己训练端端端模型五五开你知道吗而且我当时就意识到一个问题就是他虽然现在很贵但是他是一个通解就是那个时候我们在比如NLP领域内大家互相交流你会有很明确的感觉就是比如我跟别人自我介绍都是说你好我是Maggie团队的我们是做信息抽取的然后这边可能是做机器翻译的然后这边是做客服系统的大家精畏分明对吧互相握手互相学习但GP3出来之后其实它印证了一件事就是好像我们做的不同的任务是能够大一统的其实它不是第一个工作就之前其实Google一篇叫Flan T5的一个paper出来已经当时有这个苗头了但是那时候大家还觉得Google土豪太厉害了这个做出一个很好的demonstration但是你要垂直领域还得看我们但是GP3出来之后就彻底就把我们那条心给给摁死了你知道吧所以当时我的第一反应就是赶紧卖掉公司卖了吗卖谁了变现了是吧其实你好信心啊我停下来就是你从11年做的事情感觉和现在大家做的事情差不多我觉得就顺着做了一遍我觉得不能这么说就是你应该说大家在每一个阶段遇见的问题是类似的但是你每一个阶段其实都未能解决未来大家再次遇到的时候的问题比如说我们当时说的Long Context是从512个Token到16K现在的Long Context可能是指的比如说200K到2M对吧所以就是我只是说历史的话它会压运那肯定不会重复这个东西你当时做这些你的目标是什么呀因为我感觉一直在顺着这个技术往上爬但你的目标是什么呢对我觉得这是一个很好的问题也是上一次创业中我觉得我没有想通的一个事就是可能那个时候还是年轻包括现在我看到很多跟那时候我一样年轻创业者大家我觉得优点是什么就是非常的就是遵循自己的本心就是你喜欢什么事你就先把这个事做下去当然你可以好点说就是如果你看中了一个技术问题且这个技术问题真的别人没解决的话那他往往可能会是符合第一性原理的就是说他是一个很重要的带解决的一个问题对所以当时的话我们遇见如果你现在切到产品测可能会有几个问题第一点就是我们会觉得应该做一款很成功的搜索引擎来替换掉Google但实际上首先我们低估了搜索引擎本身这件事这个其实当时很多人不知道就是Maggie这个项目我们没有使用任何第三方的搜索我们从爬虫到搜索引擎全是自己去建的自己手写的对我觉得那是我工程能力的巅峰对然后我们其实低估了一件事就是说你关我技术其实你解决不了一些非技术问题比如说现在我都不太看好你再做一个新的索引擎因为比如很多的数据员跟Google已经形成了一种就是他们之间也是一个互利互惠的一个可循环的关系你在以一个搅局者入场其实你无法重复谷歌过去20年来积累的这些数据员的事对所以当时我们就觉得产品一方面是我们的技术和非技术原因没做好另外一点我们当时很期望发生了就是说有一个新一代的可穿戴式设备或者全新的人机界面的出现这个东西可能到今天为止也许可穿戴没有充分的落地同时新的人机界面也许是直到XGPT才真的落地所以我觉得产品层面的错误一个是技术一个是可能确实是早了但是创业就是这样你早一步就先烈对吧不对早一步是先驱早十步就是先烈所以当时我们就先烈了然后第三个我们觉得当时商业上也没有想得特别清楚对所以一开始想的是做一款就完全2C把这事做大但后来其实因为做了很多年技术不断迭代你会慌所以又想能不能直接做一些土币但明显团队的基金不是这样的所以我觉得那一段创业经历其实让我学到了很多当然特别爽特别爽特别爽就是因为那是一个我觉得很多创业者梦寐以求的一个状态就是我就想把我人生的夙愿给 [25:00] 做完宿愿是啥人生的宿愿人生的宿愿是啥就是我想自己从头基于一切都是自己写的自己写的infra自己做的模型去解决一个别人没有解决好的问题可是Google这个事已经解决好了Google没有解决好你觉得它哪里没有解决好它是这样首先Google是通过收购freebase对吧它其实获得这个之后它只是获得一很好的一个社区然后它当时也有一个并行的项目叫knowledge vault还是什么东西然后我们跟他们做个headpad的对比就是头对头的对比我们当时在最高知性度下的准确度能达到89%的那几所以我们的准确度是比它高的同时我们不仅支持中文还支持别的一些语言包括就反向写的阿拉伯语这个现在可能大家不觉得是什么但当年这还是比较厉害的一个事然后同时我们还自己去演练了这个像那个项链锁四项链锁锁那个现在可能也是比较常态的我们当时为了解决这scale的问题我记得是跟英特尔合作找了一个新的方案他们当时有一套技术叫做PMEM就持久化内存我们自己写了一套项料索义基于HSW算法然后去搭建了整套这个东西就是我把我这辈子想试的技术都以合理的方式花投资人的钱给搞定了对所以我觉得在那个项目做完的那一刻我的人生业女圆满了你知道吗所以就在后来像包括现在做Manus这些事我心里已经没有什么就是那种就是我要证明自己或者我要做什么这个才能死而无憾我早就无害了所以现在我就可以一个很轻松的一个状态来做很多事所以你还去工作了对 我工作了一年半那段工作经历其实非常开心非常开心为什么就是这个大公司吗当时还是一个独角兽状态然后就相当于在临上市前的一年多但是当时又刚好赶上就GPT就是当时我是因为GPT3的出现我意识到危险了所以相当于我是在XGPT出来之前一直干到了XGPT出来之后那一段相当于我在那家公司从零的做起了那LM的业务对所以那段期间怎么说呢这个公司的一个工作模式当时很多人不喜欢就是说好像所有的这个research或者算法岗位大家都在公司内部打榜因为那是一家2B的公司就B2B做AI2B那AI2B的一个经典的问题就是说你如何去量化用户的收益你除了一些比如说这个最终的这个最终的经营指标以外你其实也需要一些过程指标那当时的话有一个部分团队的任务是说我把所有用户的需求转换为可量化的benchmark这个就是research和算法港最喜欢的事情就是打网所以那时候我的主要工作就是打网然后打网又很开心因为当时公司内部的一个激励方案很有趣就是公司内部有个类似于Cargo那样的一个榜单系统然后你赢的越多你的奖品是什么你能获得更多的显卡所以你会进入一种强者横强的状态所以我当时一个人能囤好几十张卡然后我一堆卡的资源闲置但是我就可以去捣顾很多我想试的东西因为总有客户会需要所以我可以做很多的实验然后同时我的算力又是最充裕的我能scale up所以我在那一年半里头我一直霸往着第一流所以我觉得那段经历特别开心的你以前上学的时候好像没有这个尽头是吗你以前上学的时候是那种特别喜欢比分数的学霸这种类型吗好像不是吧不是因为我好多课我都没上所以我特别感谢我的高中当时在北大福中读书然后我觉得我特别幸运就遇见了一群超级开明的老师就是开明到什么程度就是有了课不想上老师那你就不上了后来学校还给了我一个也不要一个小部分我们有一个计算机社团就像我在学校里他有一个不上课都可以去的办公室有空调有电脑让我好好的导古我喜欢的东西所以我觉得太幸运你第二段创业终止的那一课你在做什么呀你在想什么呀我当时的想法是这样就是我知道有一个新技术出现可能要杀死我那这时候我的选择是什么呢当然是选择加入了对吧然后在当时的想法是这样就是我刚刚经历上一次创业的一个创伤就是你自己要做垂直整合真的很痛苦就是每天醒了之后我常说一个比喻就是每天醒了之后你都感觉海水在上涨但是你不知道会涨到什么程度也许你第二天醒的时候就已经到鼻子这了就很恐怖的一感觉所以当时我想法还是我喜欢创业的但是我不想做垂直整合了所以当时会有一个比较天然的想法就那时候大家会把创业AI创业分为几个layer的几个层比如说那时候有模型层有那时候好像就infora层就基础设施层以及应用层然后当时我就想OK那我面前其实也就三条路那时候其实到了二年底二三年初大家看到XGPT之后其实国内很多就是机座模型公司已经开始动起来了当然我也跟所有人都聊过但是没人能说服我就是这个东西到底该怎么办因为我觉得我不太再想体验这种特别难受的那个状态所以我的更多的目光是看向了这个就所谓的基础设施层跟应用层但这时候其实也有一个问题就是大家倒是一直在说这个事但是没人知道真正的AI应用该长什么样尤其你想二三年年中的时候真正有PMF或者说有一定声量的产品可能就两个一个Chashypt一个Character到AI对然后Character到AI这种东西我非常清晰我不懂这个东西因为我用了我自己用不进去那我就让我你不是要用户不是我不是要用户那我肯定做不好这样的产品而Chashypt这其实是一个天时地利人和的一个状态就是我之前也觉得就是Chashypt其实出来一瞬间ChapBot的的这个赛场就已经结束了所以我明白我想做 [30:00] 或者做infra层的东西但我没想好我要做什么对所以呢我就看一些机会同时的话也就去去怎么看看相关的项目然后再挣格了一段时间对吧对在挣格待了一段时间然后就是也算是就是跟更年轻的创业者一起交流就把我过去的这个比如说悲惨经历跟教训可以提前告诉大家对所以今天这节目我也想跟大家分享一些悲惨经历对吧对然后再到后来的话其实也是当时认识了小红就我们现在Manus的CEO然后他是怎么说服我加入或者说为什么我要从第二段创业之后去开始这个事你中间隔了多久当时就是那一年半的时间在真隔了一年半对在真隔了一年半时间对然后那段时间你就明确不想做大模型不想去任何的一个大模型公司我几乎跟所有的大模型公司聊过你有喜欢的吗GoogleGoogle海内外都聊了是吧海外聊的当时海外也没几家海外也基本都聊了然后国内的海都聊了包括当时那个为什么是Google你不是要干掉人家的吗就是你没干掉他你才会格外尊敬他然后当时我的那个想法就是我想找一款AI产品不是我自己去主导而是一个很空的画布就大概是这样的一个感觉就是因为其实上一次创业到最后我其实还学会了一个很重要的事就是我一知道我根本不是做CEO的那块料就是我既不喜欢商业化我也很讨厌管人对所以我觉得这是交了一个学费就是我知道我不该做CEO我应该找一个比我适合做CEO的人那你觉得你是哪些方面不适合做CEO呢我觉得完全就是一个情绪上就很抵触情绪上就很抵触为什么呀C有哪些比较烦你的人性首先有一点就是说我与其跟电脑打交道我很喜欢跟电脑打交道但我觉得人太复杂了就是你的组织在随着变大的时候其实你都发现你这个复杂度其实是指数级增长的我觉得我不是那块料我搞不定太多就是人与人之间的更微妙的这些事情你看起来比小红妖一很多不不不其实我们公司除了张涛以外全都爱人你是爱人对我只是开朗的内向你知道吗就是我在跟你聊被欺骗了我在跟你聊具体的业务的时候我能讲很多但是其实我你是挨什么INTJINTJ感到乱大街了大家都差不多对所以我觉得首先管人我觉得我不太行第二点就是我有的时候会陷入一种特别追求正道的思路什么叫正道就是说正道对就是你有一个能够赚钱的方向和一个能够把一个特别有趣的技术走到底的方向我毫不犹豫的油门踩死往右走但是我知道这一定是错的所以我需要有一个人把我给管住就是在我又想发颠的时候给我摁死对所以也是经过创业之后你会充分意识到自己的不足对然后所以我当时想起来就非常清晰就是我想一不想当CEO不想当一号位第二我想找一个能够探索的画部注意我说的话不而不是一个已经成型的一个产品然后去迭代它对因为我觉得当时所有人不过都是在下注没有谁说真正有一个非常系统性的cessentatic的方法去知道接下来AI产品要做什么什么叫所有人都在下注就是当时大家都在基于自己的一个直觉判断去说我要做一个什么东西我要做一个什么东西但其实我已经经历过几次这样的创业我在想我能不能这回做的正规一点就是我们能不能像字节跳动一样有一点数据思维所以当时我就觉得我不应该自己再从零去一种就是我因为相信所以去做的事情我应该有一个过程去更多的观察观察用户最好的方法是什么就是有一个初步PMF但又非常空的画布所以当时我跟小红当然因为他也是就真额头的也是像我们的老一辈创业者现在都已经是中登的年纪了所以当时他做一款产品叫MonicaMonica现在也有很多人用我们现在都在同一个实体下面Monica这款产品它其实是一个Chrome的插件Chrome插件我当时觉得这个产品的形态非常戳我是为什么呢因为首先它其实没有改变任何用户的习惯就是你在浏览器中你仍然在使用你所熟悉的Gmail你还在看YouTube就它没有因为是AI所以侵入你的生活而改变什么所以用户的原本的轨迹不是被强行改的你的观测是一个无偏的观测第二点是什么就是当时很多人你要做AI的话你可能都你要先下注去做一个方向因为你不能在一个界面中无限的叠加不同的元素对吧你产品的复杂度会变得很高像我很喜欢Github的一句话叫everything added diluteseverything else就是你每增加一个东西都会稀释所有价值但流暖期插件的绝妙之处是什么它的功能的分发其实是基于context就比如说跟视频理解相关的东西只会在你看YouTube时候出现然后跟比如自动编写或者文章文章这个改动的这些功能只会在比如说Gmail或者Google docs里出现所以它其实消解了就是功能增加带来的负载度爆炸问题所以我觉得浏览器插件是一个绝妙的观察用物到底在怎么用AI的一个窗口它甚至不能叫一个产品形态它是一个空的container一个空的画布所以我觉得这款产品是绝佳的 [35:00] 作为进入AI应用时代的门槛观察到了什么观察到一些非常有趣的东西待会再讲为什么做Venus可能都会讲到好的对 然后这块就是我觉得这是非常值得做的但是我其实也没想好就是其实你有别的插件吗那为什么要跟小红合伙呢首先就是我很幸运跟他交流之后发现他太适合当CEO了怎么说就是怎么说就是他擅长所有不擅长的东西而且其实如果你反过来说你在看当今国内外AI创始人一号位的整体这个版图的话你会发现小红文有一个非常稀缺的特质什么他很正常他身心健全没有任何不良嗜好没有任何极端的思想这不是一个正常的指标这已经很难得了你知道吗我觉得现在整个这个行业有很多人比较偏执或者怎么样但是讲真其实你没有乔布斯的命却得了乔布斯的病你在说你自己吗对而且我经过这个惨痛的失败的时候我意识到这一点但是他们还没有意识到所以我觉得小红身上最可贵的品质就是她特别正常相信常识是吗对还是你会说话相信常识且相信团队而且好多事情的判断它会更加的你既可以说是数据驱动也可以说是直觉驱动但是它是一个真正的能把公司从一个阶段持续带到下一个阶段的人而我可能如果自己从头做到我只会在我喜欢的那一个阶段很爽对所以我觉得太难得了哪些细节能让你见他第一次就觉得他很正常我觉得不是见第一次你们见了几次其实很多次就包括后来的话其实也是一起吃了两三次饭然后也长谈了很久对然后最后他怎么打动我加入呢还是因为一句话他说Jick我知道你做过浏览器你做过搜索引擎你做过语言模型你想不想在一个产品里把这三个社都重新做一遍我觉得好这个好听起来也挺吸引人的然后当时就加入当时加入之后也非常清晰的一点就是这次创业其实我不是来做Monica的就是Monica是我们大家的一个学费比如说整个公司的一个cash call就是它产生现金流但是我们一定加入把这个团队团结起来包括后来张涛还有更多的合伙人加入我们是要一起搞一个全新的事情的在你们多次的长谈和聊天中你觉得哪些细节让你觉得它非常的正常我觉得还是对比出来的就是因为同一个阶段我一定不止跟小红有所接触对 你肯定全见了吗对 是的怎么正常的我觉得别的创始人都太艺术家了太艺术家了是的 是的你就比较艺术家是吧你如果这么划分的话我不敢说艺术家我不配 我不配我不配这个词太艺术家了对艺术家了是的你就不叫艺术家是吧你如果这么划分的话我不敢说艺术我不配我不配这个词太艺术家了对别的创始人我觉得太艺术家了小红非常的现实对或者说包括整个现在我们公司的这一个运行其实我觉得都是很稳健的甚至有时候我们内部反思会觉得有点保守但这才是一个叫什么就是更尊重对尊重常识我对你这个词说的很好你说谁是艺术家我们可以逼掉太多了就是我举例子比如说你知道X那个产品吗哦知道对然后你知道X点点了然后像这个X点点我见过他然后像那个X还有那个做那个X的那个X哦你都见了大家都会来找我聊一聊对然后我就觉得大家都太太艺术家了太艺术家了对然后我觉得身心不够健康是吧就很偏执你知道吗就是多少有点抑郁多少有点抑郁然后对其实小红也有时候会抑郁但我就一直他就比较Emo有时候是对对对对但他不属于抑郁对吧他不抑郁整体是比较阳光对而且不会那种深夜发电就是那种现在这些都对于创新展来说你觉得不是优点了是吗我觉得不是优点绝对不是优点这我觉得是很大的一个变化就是说以前移动货连网时代我还挺喜欢这类人的因为你的边际成本很低就是说你可以去比如说赌一把搞一个大的看用户是否你能找到一群跟你公跟的人才逐渐去做大但其实我们觉得现在AI这个行业首先当然就Elementary Inference Cost一直在下降但其实我们心中一定觉得它更像传统的制造业它一直有一个固定的成本在那你如果没有任何的优化的话其实你随着你用户量的增加你的成本是线性去提升的所以这整个事对经营的操作能力的要求是比上一代一顿互联网创业又高很多这个有趣我觉得是高很多的一顿互联网更喜欢艺术家对一顿互联网实在喜欢艺术家而且其实你能很低成本的获得一批初始的用户但是AI我觉得不是AI不是这样但是你从一开始就是PASS的大模型这家公司是的你也都了了我基本上都聊了但这个原因完全因为PTSD但是大家会觉得AI时代不一样的是可能大模型和产品是一体化的所以说拥有大模型的公司更有可能做出好的产品就是他们沿途下降的理论你从一开始就不认可吗我认可这件事但是我认为有一个时间先后问题我现在的一个观点其实是可能都不用太久了 [40:00] 也许比如说六个月之后其实你不用再分所谓的模型公司跟应用公司基本上每一家头部应用公司都有做模型的能力其实这个事已经被Cursor给跳出来了我觉得之前大家还有一种秘而不谈经味分明的状态但你看Cursor已经跳出来他们搞了新模型叫什么来着Compulsor One其实我觉得首先做模型或者说做垂直整合这件事它其实最影响的是你初期的迭代速度就是我上一次创业的最惨痛的教训你在不确定的时候你开始做bottom up的这种就自下而上的迭代的话你会被你的模型迭代所影响其实这个不仅是创业公司的问题就是你哪怕你强入open AIopen AI我非常尊敬他们的就是他们一直非常尊重这种自下而上的这种模式所以它能产生很多新的创新但是如果你首先你一个产品引领的思路来看的话你某种意义上来说一你在买模型彩票因为即使你有一个比较好的一个road map其实你在最后完成post 3那一刻之前你都不知道这个模型到底能不能达到你想象中的这样的一个需求所以很多时候你是因为有些突破所以反向在引导产品的走向这个我觉得我之前已经吃过这个亏这是第一点第二点就是我刚才讲的就是模型你即使能通过很多的比如说你优化你的pipeline你增加你的人手或者让你整个这个链条更加的流畅来增加你的迭代的速度但其实这个世界上只要有产品经理存在你一定是追不上产品经理的脑思维的这个活跃度所以我觉得比较健康做法应是当你的产品已经出具PMF且已经到了一个比较稳定的状态之后你以一种增加稳定性或降本或突破天花板的思路再去做模型这是一个先后的问题你当过CEO然后也当过就是旁观CEO的人你就身心健康对于现在AI的方法来说价值大吗有意义吗我觉得非常大就是因为你很有可能会受挫或者说你必然受挫但是身心健康的人是打不死的就是你能够一次一次的很谦卑的再重新站起来再去很冷静的看待外界的变化来回馈到你的一个决策的一个思路上这其实我觉得在我加入就是蝴蝶像就我们这母公司之后我们看见了无数次这样的事就是大家没有那种就是因为我是一个身心不健康或者说我有过度的一种执念而选择一种满干的思路我觉得就整体就非常理智你们从几月聊到几月份然后你加入的minus其实中间隔了很久我有点记不清了但我觉得前前后后应该有四个多月四个多月我记得我第一次跟小红见面的时候是在北京环语会下楼的时候她说她刚跟你在这见了你是在那里答应了她加入minus有可能哎呀这个这一年过得太快了好多事情都已经想不起来了我最后正式加入应该是2024年的3月年初加入的所以23年底开始聊的对然后同期你也聊了很多那个时候出来做的应用的方式对也不仅是应用就是刚才是讲那三层嘛其实都聊了大模型公司你有喜欢的公司吗大模型的话肯定都了了反正当时的话其实可能比现在看起来我更欣欣向荣一点然后当时其实我比较喜欢两家我不是马后炮我觉得确实也是当时判断比较好应该三家吧我比较喜欢千万Deepseek和Kimi然后Deepseek当时也是因为很好玩其实很早就跟他们有接触是因为那时候我之前的一次创业时在做制度图构建且同时我们自己丛林搭建整个搜索引擎的infra所以其实我们有很大的预训练数据集所以当时很早就跟Deep6的朋友认识了然后但后来我没有把数据单都卖给他们我直接把我们当时做数据集开源了也算是给大家留下一点遗产然后千万的话也是就是因为跟他们团队的很多人都比较熟然后当时就觉得千万是做的非常扎实而且他是真正第一个非常宽松的开源的模型我觉得尊敬的程度就是非常的高而且另外一点就是它让我看到了大厂里头一群年轻人能干出来的事情的一个表现对 我觉得非常难得然后Kimi的话一方面也是真格投资的然后甚至当时投Kimi的时候因为我在真格所以当时交流会比较多对 然后我觉得首先这个公司是比较有品味的品味是的Taste这个还是很重要技术品味吗我觉得品味这个词先大家经常说我可能会关注一个非常具体的一个指标对不起不该叫指标不能这样去扎着就是说大家常说品位我觉得该怎么体现出来呢品位可能体现在你的evaluation或者你内部的benchmark上甚至我觉得这可能是创业公司对不起不是创业公司所有AI公司唯一的护城河就是因为你自己内部的衡量指标无论是对于模型的benchmark还是对于你人的激励其实决定你这家公司和产品该走的这个方向对所以我觉得这个还是很不错的那个点觉得我不应该去搭模型公司而应该去应用公司的人非常爽嗯是我觉得这就是我刚才说我特别幸运的一点就是我提前吃了很多大家好来才吃了亏嗯嗯对他们今天开始吃了没我觉得很多人已经在吃了且付出了更惨痛的教训对比如说我觉得现在其实很多之前讲的 [45:00] 一些国内大模型公司可能从最开始不是什么百模大战吗其实当然99个都已经死掉了最被大家提起这几家其实也有一些已经渐渐退出了这个赛道我觉得这是挺正常的而且自从其实Deepseek出来之后我觉得还是对大家产生了很大的客观的冲击就是它让一个模型的保质期变短了特别多就是迅大模型我觉得最痛苦的是什么就如果说我以前的痛苦是来自于我要做垂直整合我要快速迭代的话现在变成了一种如果你只做模型你不是搜它就没有意义但一个SOTA模型你的保质期其实只有一到一个半月就是一种非常激烈的不进则退的一个状态而且大模型就我刚才讲的就是以前我们做LOP的时候其实你能有很多不同的你可以叫赛道吧比如我做信息收据你做什么东西你的所谓的好的指标是多远的而LM或者说你这种NextToker Prediction范式的模型它其实统一了各种任务的建模虽然大家也说我要做Coding我要做东方态怎么样但是世界上的能够衡量的指标的维度其实非常非常清晰的你几乎没有多少腾挪的空间但做产品的稍微美妙的一点就是你起码能够自己定义什么是好所以你起码能在一个错位的赛道上去跟别人竞争你有更多的发挥的空间今天追求SOTA还有价值吗我觉得一定是有价值这个我觉得是无论是模型公司还是甚至是做agent公司我觉得都要追求SOTA这是一定的因为还是刚才讲的一句话就是你的evaluation或者说你关注的那些你选择的benchmark决定了你的taste能否落地你从第一天就pass到这些大模型公司你觉得他们的未来会怎么样我觉得其实是这样就是大模型公司一定最后都会变成同时做模型和同时做应用的公司其实你看美国现在这个版图基本已经是这个方向了Open我认为它现在更是像两家公司一个模型公司和一个跟它有强关联但并不绑定的research lab而Google的话始终它就是一个双向都很强的公司而Athlopic它可能之前还一直会比较关注说它作为一个B2B market比如它做它的这个Cloud的API但其实Cloud Code的巨大的成功也给了他们很多正向的一个激励像他们自从Mike Krieger就之前的就他们现在的CPU加入之后其实他们对产品的打磨也做得非常好而且Mike Krieger他不仅是在做就是大家广义上来说面向用户的产品它对很多面向开发者的产品的把控也非常好像比如大家对于像CloudSkill都给出很高的评价这也是一种产品能力对但是我觉得这可能就是大家都会走向那条路反过来说我觉得如果最后不再分大模型公司跟应用公司的话那我认为其实做出一款好的应用且被大家喜欢的应用其实比做出一款够好的模型难得多因为训模型这个东西它的知识的流通在业内是非常快速的尤其在硅谷没有经验你可能一个老公在OpenAI他的老婆在Google没有什么秘密你知道吗所以这个东西一定会流通的所以我觉得到最后其实会变成一个应用之争然后每个应用背后会绑一些模型所以未来模型公司和应用公司是没有那么敬畏分明的对我觉得不会那么敬畏分明你刚才说你当时还聊了一些海外的公司包括Google你还聊哪些公司当时对他们怎么看在二三年对吧二三年对其实当时的话几乎所有在做某些公司我都聊了然后当时其实二三年初我也录了一个podcast当时还是在以真格的那个ER的一个身份去录说了一些暴论那现在看的好还都对太幸运了对然后当时的话我就其实比较看重几点然后这个都是由时可查我不是社会诸文亮第一个是二三年初我说我关注long context当然这个待会可能聊到我觉得这个错了对然后第二点当时比较关注的就是在自然语言和系统的边界你可以说是function calling或者就是说跟environment的互动其实就现在agent这些东西对这个是我当时比较关注的一点然后第三点就是这个其实当时那个分享中媒体但我其实还一直还挺新scale up这个事的因为这也是大家常说的就是battle lesson就苦涩的教育那件事就是人类历史上AI的进步基本全是用通用方法加投入更大的算力而不是增加人为的专家知识的注入所以当时对于scaling这个事一方面是很看好然后很早买了NVIDIA的股票谁的股票NVIDIA然后当时我就心里会觉得就是Google最后一定会很厉害但是它确实用了很久才很厉害你加入minus是24年的3月份然后到24年10月份你在做什么对这个其实也是我忘了肖红之前有没有跟大家分享过一个事就是他为什么叫我加入且用那句话说服就是说要想不想做浏览器搜索引擎和大约模型再做一次因为当时我觉得我们大家整体做了一个错误判断就是因为当时Monica已经有了一定量的用户量我们会觉得也许我们可能是当前世界上最懂用户怎么在浏览器里用AI的团队那么我们的一个直觉的惯性的外推就是说我们要不要做一款浏览器这个其实想法是比较有数据支撑的这个我刚才讲的就是比较理性的去看这个事因为Monica当时已经是资金流是正向的且增长还不错但其实有一点很好玩就是如果你去看Chrome的插件商店的话你能看见所有别的产品的一个活跃和下载量因为它这个是一个很透明的一个生态然后当时你看整个插件生态里头的 [50:00] 两名分别是Adblock就是去广告的和Grammarly就是帮大家改语法的其实他们做了很多年他们产品绝对没有问题非常polished的产品但他们最后都停留在大概5000万左右这个量级5000万其实确实是很大的对于一家创业公司来说但如果你跟整体Chrome这个浏览器的日活的话它应该Chrome的日活我记得能有20亿吧如果没有记错因为我也没有准备可能数据会有错但我们当时觉得好像我们做到底也只能渗透到比如不到1%的Chrome用户因为插件真的是一个就是形态比较高阶的一个模式因为好多普通的用户其实甚至不知道Chrome能装浏览器插件所以我们当时第一直觉是也许我们被插件这个东西给约束住了而我们当时想的比较天真那我们想的是我们能不能跳出插件而变成一款独立的就是一个原生的浏览器在用户的电脑上同时这样的话能做一些别的事情就比如说我们可以做端侧的模型当然这个其实就是一个坑待会儿我讲的然后我们当时就开始做浏览器大家都很兴奋然后从我加入之后马上就快马家边去开始搞一直其实从4月份我们搞到了大概9月份我们大家做事还挺快的我们其实内部已经早就有一个能用的一个流暗器产品然后我们其实内部摸了一圈之后意识到这事有问题怎么有问题这个有问题点非常好玩就是我们当时做了的当时张涛加入了吗加入了加入还是几月份我是四月份加入涛哥应该在一两个月之后就加入了你给大家来介绍一下你们这几个co-founders吧因为大家分不清楚你们这几个人对我觉得这是一个特别棒的一件事就是为什么我这些先开个玩笑就是为什么我觉得不当CEO很好因为虽然Manus的宣传片基本是我出镜为什么是你出镜因为要说英语然后呢这时候呢自然有人支持有人骂对吧他们看着去骂这小红太坏了所以就是感谢小红帮我挡了很多枪然后是这样了就是整个这个NAS这个团队或者说蝴蝶下面这家公司其实我们有六位合伙人我都不知道对对对其实主要就是平时在外面可能露脸稍微多一些的是张涛我们的CPO他会负责很多的无论是产品以及其实更多比如说与外顾的对接包括对外的宣讲这事这是张涛张涛之前也是一个非常非常senior的连续创业者他经历了什么豌豆家神策后来光灵之外都做过然后这是张涛他负责产品对他负责产品以及对外的这些合作然后是萧红Red和他是我们的CEO然后还有我们的CTO潘潘以及我们的一个负责我们的CMO慧杰他们三个其实是之前就一直在一起创业做过两三家公司了他们其实是Monica的原始的创始人这三位对然后再之后就是我还有我们的CEOCZ她是一直负责就是比如说这个公司运营啊财务相关的同事所以其实我们有六位同事是合伙人现在创业公司团队会变得更大是吗对因为她需要能力更负荷我觉得其实是这样就是说首先现在可能有一个就是外界的一个观点好像说在AI时代团队会变得更小我们觉得这个东西首先你不应该作为一个指标它或者说它应该是一个被动的指标就是我们绝对不会为了团队规模而进行任何的特殊的优化我们只会自然而然的去观察团队规模的变化但我觉得确实如你所说有一点就是现在你很难去分清各个能力项因为你很难做到完全证交像比如我们做agent这个行业的话其实你的research跟engineering是很深的偶合的而产品你就在同时引导你到底这个系统架构该怎么做所以确实就是我们这六个人基本全都是连续创业者而且之间大家可能都扮演过不止一个岗位所以我觉得这也是大家合作比较好的一个点但与此同时你又很难得能找到一些就大家在自己领域做得很深却又能听得进去别人话的人就是我说我们是一个非常难得的团队因为我们六个人的都是身心健康然后无不良嗜好且这个这个观念不极端你像的不良嗜好都是什么样的不良嗜好我开玩笑了至少我们对烟酒我们都不太沾的你们的决策机制是什么样的我觉得这是我们一直在持续改进的一事就是我觉得创业公司其实在不同阶段或者说你在解决不同的事的时候你需要不同的决策模式我们认为就虽然我们是连续创业者但其实我们也都不成熟最近在逐渐走向一个更理智的一个方式我们可能这样总结就是说你要把你的管理分成几种不同的类型一种是专制的或者有英文有词叫BDFL就是Benevolent Dictator for Life就是仁慈的终身独裁者这我们叫集权式的还有一种就是民主式的我们觉得如果你把你整个角色分为三个阶段就是可能叫GPAG就是goal你在定目标然后P就是你要定优先级priorityA就有不同的选项在决定这三个事的时候你要用不同的模式你在定go的时候你应该是一个比较专制的模式就相当于是也许是比如REV作为CEO他应该就把大家的目标给定死而在决定priority的时候应该是一个 [55:00] 专制加民主的一个决策形式就比如可以首先有一个人能拍板但是大家能充分发挥自己的意见因为这块会涉及更多不同的专业expertise这些东西而在大家提供方案就是alternative的时候是一个充分民主的因为在这个阶段也许我们觉得就是可选方案的数量甚至比质量更重要因为很多时候如果你没有足够多的数量的话你的决策的空间其实一直是非最优的就好比你训练了一个模型但你的action space本身就有问题那你挑什么呢对吧所以我觉得这是一个混合的一个模式当然我觉得我们还都非常的业余最近也在不再学习这件事有什么样的是小红会拍的吗有什么事情是他个人会拍的吗会的我觉得就是小红还是作为产品方面的最终的决策者我们觉得这是非常重要的一点就是我们包括我自己都比较相信的一件事就是与其悬而未决不如赶紧试试因为就是好多时候我们在作为一个新的领域的时候其实第一你过往经验不一定有用第二点就是你现在想更多其实你没有额外的信息的输入对吧你仍然是基于你模型内部的参数化知识没有做RAG对吧你也没有一个检验的结果那你在想太多你不如先把这事干了拿到你的reward再去做所以这个一直是我们核心的一个指导的一个思想所以他做CEO和你做CEO的区别可能是你可能是技术驱动他可能是产品驱动的对这下会导致你们公司的基因是一个产品驱动的基因是的但是我觉得小红我非常尊敬他的也就是他也充分尊重我就比如说对于一些技术方面的角色我也是可以做技术领域的BDFL就是我是可以当技术方面的独裁者这也是可以的所以整体是自上而下还是自下而上我觉得我们在逐渐从一个自上而下的体系尽量去变成自下而上因为随着团队的扩张和这个团队成员的质量的不断提升我们觉得自下而上会有更大的一个动力像之前的话比如我们在一个纯粹的快节奏的过程中你可能自上而下是一个更稳健的一个做法但现在我们在逐渐的变得更成熟我们刚才在聊4月到10月份你在做什么对对不起我都已经聊远了当时我们做了其实很多事情但是其实围绕的一个目的就是如何做一款AI native的浏览器就是所谓的AI原生浏览器当时做出来产品的形态其实跟现在的XGP Atlas还有像D已经很像了当时我们想的切入点有几个一个就是说我们要训练一个端测的一个模型来让一些操作能够在用户的电脑上去完成既不产生API消耗同时也是充分尊重用户的隐私这里就埋了第一个很傻的坑就是拜托你做的是一款浏览器浏览器本身就是联网的你为什么要追求一个离线端测运行现在想起来可能有点傻第二点就是用户其实大部分时候不会关注你到底是离线的还是怎样的他们要是最好的效果而当时的话你其实在电脑上比如即使你只做苹果对Apple Silicon芯片你其实也就跑一个3D左右的模型就已经差不多是极限了那用户会拿你跟云端的旗舰模型去对比你的效果一定会差一些这我想的第一点现在觉得很可笑第二点其实至今有很多人在做的事情就是想让AI接管用户的浏览器来完成一些自动化的工作流这个事我们当时也做了但是这就我刚才讲了为什么不对劲我可以展开讲一下它是我们觉得有几点可以细数一下第一点就是说如果你让AI接管用户的电脑的话你会发现一种很奇怪的使用体验就比如说我让AI去帮我在一个网页上完成填表这个时候比如AI当他填了一个字段之后我一滚屏幕比如我想看看下面我其实打破了AI的observation这可能待会再解释吧就是agent的工作的一个流程这时候agent可能会他把网页又拉了回来这个体验很奇怪就好比你有一个特别聪明的实习生但你好像非要把你跟实习生一起共用一个电脑这个体验就很怪两个人在一起抢一个系统而实际上我们现在用的所有的操作系统和软件本质上来说还是为一个人同时使用设计的所以这个体验就不好第二点我们发现什么样的任务真正是有价值的因为包括现在有很多人在做所谓GUI agent就是用户界面自动控制的agent你会发现如果你让他去完成一些你通过简单几次点击就能完成的任务的话你觉得是很亏的因为你的迅速的决策其实比AI还要快而你即使让他比如很简单的帮我点一个外卖他可能每两步之间的推理可能也会五秒十秒这样的一个时间当然现在会更快但你会觉得这好没有产生多大的价值我干更快这是我们常见的一个想法那AI真正有价值的应该是那种长任务就是long horizon task就是它的范围很广它也许超过了我的能力或者说它要运行很长时间且运行很长时间或者多不几乎是一个必然的事因为这种任务我才不愿意做我才想交给AI去做但这时候会有一个问题因为你做的是一款原生的AI浏览器那这时候AI其实是在你的电脑上运行虽然我不说模型在你电脑但是它在持续操纵你的电脑那就很尴尬我不能把我的电脑盖上我电脑盖上之后我的电脑就休眠了就卡死了那怎么样在AI在持续进行长生任务的时候我还要一直盯着他们保证我电脑不睡眠吗我自己又不好干别的可是我觉得这两种体验我们用的都觉得非常的奇怪当然这只是一个模模糊糊觉得奇怪的一个点其实更大的问题是我们觉得团队没能回答一个核心拷问就是到底做了这样一款原生的AI浏览器之后有什么是我们本来的Chrome加Monica做不到的 [60:00] 后来想象好像没有然后我们就开始逐渐变得理智我觉得这个过程也很重要当你做完一产品的时候你会站在一个想说服自己的立场上即使我们都是中登连续创业者大家还是会有这种惯性我刚做完一个东西我起码自己还是偏心于自己一点的但当你逐渐发现更多这些问题暴露出来之后你会更趋向于一个冷静的判断然后我们越想越觉得这事不对人类历史上流软器的迁移其实有几次好像也就两次了一次是从网警就Netscape到IE还有一次是从IE到Chrome这两次变革的根本原因其实还是你的渠道分发能力所决定的对吧IE是通过预装而Chrome它可能稍微复杂一点就一方面当时谷歌已经成为事实上大家的首页且同时IE预见了一些非常严重的技术问题包括安全问题这是一个历史机遇但是如果我们现在在一个Chrome运行已经很好且有Monica这样优秀的插件在的一个生态里头用户有多大的动力会愿意因为AI而把自己的浏览器换成一个新的呢所以当时我们就开始思考这个问题但是心里还是没有最终下决定要怎么办直到又是后来老天帮忙我们有一天上网看推特发现我们很尊敬的一家美国创业公司叫做The Browser Company它做的一款浏览器可能很多朋友用过叫做ArcArc是一款主打设计但是后来也会有一些主打设计感以及后来也有一些AI功能的一个浏览器它很受一些小众的极客的喜欢比如他率先做了那种就是竖排的那个Tab编栏然后呢他突然那个创始人Josh Miller说我决定 discontinueArc了就是我不做Arc了这是一个很大的一个决定然后他说的原因一下就跟我们一下就共鸣了他说我做ARK这么久我甚至无法说服我的亲戚朋友从Chrome换成ARK所以我们觉得好吧他已经把我们心里的担忧黑纸白字的写穿了我们就觉得可能真的浏览器不适合创业公司去做颠覆你做了两边浏览器对吧对这是我的第二边浏览器然后又得到了相同的结论当然可能之前我没有这么系统性的想过这个问题因为那时候还是像我刚才讲的凭爱好在往前冲的这样一个状态而这次我们其实很理智的想的一件事觉得这个不太对但是也是比较幸运当时看到一些别的就是一些鸟头9月份挺的这个项目当时是这样就是我们从我加入2024年的4月浏览器其实到8月就可用了但是8月9月甚至一直快到10月的时候其实心里还是有些波动所以真正停了就算是9月底吧应该是小红说他当时就觉得浏览器有点不对但是不敢跟团队说原因是因为你们都是被他用浏览器忽悠进团队的所以觉得特别是你吧其实我觉得我跟张涛应该说对你和张涛对对对但肯定是这样这也是小红比较好的一点我就说就是他非常会考虑大家的一个感受而不是以艺术家的方式去解决一些问题对但是那段时间其实反过来看我觉得特别宝贵就是大家在一个很自然而然的形成共识的过程中逐渐逐渐放下了冷卵器这件事处于一种几乎无所事事的状态当一群不太笨的人无所事事的时候就会产生很多和好的想法所以你们是你们是怎么达成要放弃冷卵器的共识是他来找你说的吗其实每个人心里都会提前感觉到一些不对我觉得一个最典型的一点就是当你一款产品你觉得已经打磨好之后你突然觉得不是特别酷这个产品就如果我按今天的话我可以断言说如果一个产品做完你觉得不太酷就别烦你都觉得不酷没人会觉得酷不是特别酷这个表达很艺术家对这是非常艺术家的一件事因为我此刻站在用户的立场上就是如果你本该最喜欢这个产品的人你都不觉得喜欢那你怎么能奢望用户会喜欢你呢对吧我不是以一个角色者的角度在说这件事我是站在用户的身份去想在一个新的时代把上一个时代产品重新做一遍你觉得是一个好的创业思路吗我觉得这个话不能非常一概而论的去判断我觉得首先我有一个特别喜欢的一个名言叫做For every complex problemThere is an answer that is simple, clear and wrong就是说对任何一个复杂问题总能有一个简单清晰但错误的回答我觉得我们很多时候都在过度总结一些事情对所以我觉得这件事我不能二元的直接就去切分它但我觉得这确实是值得警醒的因为很多时候大家选择这种做法是基于一种思维的惰性我觉得就是你在参考过去一个时代的成功的因素并想用一种新的技术去把它再做一遍但其实你要考虑到环境的一个外部环境的一个变化所以我觉得这不能二元的去切分你们放下了AI浏览器的产品但是其他团队还有在探索的你觉得AI浏览器的未来会怎么样我觉得我不能替别的浏览器而且我不是说我因为我们放弃这事就一定不对是因为我们团队自己达成的共识是我们可能做这个东西的收益不是特别的明显因为你想如果我们选择另一种心态就是说他好吧这个产品好像不是特别酷但既然已经做完了我们就发出来看看但这时候会把你带入到一个比较不好的漩涡中就是当你发了一款产品之后一个副作品 [65:00] 人的团队会持续维护它但这会带来很大的机会成本就是我们可能因为要不断进入一种自证的循环中去措施明明更有价值的新的机会对而如果有一个团队现在已经把流暖器AI流暖器我说做到一个他们已经比较满意的一个程度的话那我觉得你进入一个自证的循环应该是对的因为你可能今天是一款所谓的AI流暖器但你沿着你自己选择这条路你也许会发展出一个完全不一样的产品形态没人知道会怎么样对所以我觉得我不能替别人做这个决定你看小红说服你加入说的是在一个产品里把浏览器搜索引擎和大语言模型全部重做一次然后到了24年的9月10月你们决定放弃浏览器这个项目你当时心里有波动吗你的真实想法是谁你会觉得被他骗了吗我觉得其实不会就我刚才讲到一点就是他只是最后用这句话把我说服我加入但我肯定不会只因为一句话就被说服对吧所以我觉得我非常珍惜的一段还是首先我们通过Monica真正的拿到了一张理智的AI应用的传票这是非常重要的一点就是Monica我觉得这个产品的意义是非常非常大的第一它是一个正向现金流的产品这个词我可能会说很多很多遍正向现金流的产品对一个团队如果有一个正向现金流的产品你在做第二个曲线的决策的时候你会变得非常的理智就是或者说你既大胆也理智我们之所以后面敢有豪赌很多的东西是因为我们知道Monica一直在帮我们赚钱所以我们会一个非常客观又大胆的方式去做决策第二点就是Monica真的让我们知道用户在如何用AI让我们理解了context的重要性就或者说Monica这款产品其实跟chapot最大区别是什么就是如果你在用chapot的话你一定要做的一件事是把你要你看到网页的内容复制粘贴进chapout的对话框中而Monica它本身就是一个在被动对不起主动的去观测你的context对吧你只要在用楼眼器楼眼器插进就在看着它其实就把context的传递变得非常的通畅这其实给我们很大的启发以及更具体就是我们知道一些用户的整体的行为习惯当然我们会非常尊重用户的隐私我们不会去窥探你具体的session但是你其实通过一些宏观的脱敏的统计数据看中很多pattern很多模式对不起为什么这些产品都是M开头啊还包括你之前的公司对这个我觉得是很好玩就是我第一个产品叫萌马零碗器Nemis M开头第二款产品叫Maggie M开头然后Monica M开头Manus也是M开头然后我觉得这完全就是一个巧合可能M开头的产品运气都不会太差当然Malice可能有一点私心因为名字是我起的怎么取代这名字这个名字其实当时我们纠结过很多名字但是后来是真正让我们想通这件事的一个点是我们想明白自己该做什么当时的话其实做浏览器我们已经一系有一个感觉就是模型在解决的是智力但是再强的智能你也不能把环境给内化掉所以你一定是需要一个手来去触及到现实世界中否则你再强的思维你也只是一个理论物理学家或者说甚至你可以说是一个刚中之脑所以我们想做的是让智能真正去触及现实世界所以让我想到了其实是MIT的校训叫Mence at Menace是一个拉丁语翻译成中文一个叫心语手或者心手合一我们觉得别人都已经在心或者说心智这件事上做了很远的探索所以其实我们的公司使命如此而我们要做的其实是那个手所以Manus就是拉丁语的手的意思所以说你们在那段闲散的无所事事的时间里怎么产生Manus这个idea吧这是到十月对吧对其实是一个渐进的过程然后我觉得又一次是上天赏饭吃当时大家就是还在正常的运营Monica同时也会做一些别的实验但是当时我们会发现那个阶段下已经有一些AI产品受欢迎尤其是coding领域的那时候像CursorWindserve包括后来的Devin其实有很多用户然后我们作为工程师我们肯定会用然后我们发现其实公司里头很多非工程师都在用Cursor这个就让我们很意外因为Cursor它的产品形态仍然是一个IDE就是集成式开发环境就是写代码的人才用的一个东西让我们发现比如公司的运营同事他居然在用Cursor去写博客我们的数据分析同时在用Cursor进行数据分析和可视化然后这个就让我们非常意外就是因为它本来是一个最专业的产品形态却有很多它非原始设定的目标用户群在用然后我们就会去站在他们身后去观察他们你们到底在怎么用Cursor很好玩就是因为左边都是代码右边是他的跟AI聊天的窗口很多这些同事他们也不会写代码他们根本不看左边的东西他们就是在不断的跟AI去交流让他去把一个事情完成AI通过编程的方式以编程或者代码为媒介去完成一些非编码任务我们觉得这个其实是非常重要的一点让我们意识到其实编程不是一个垂直能力编程其实是一个通用能力它是解决通用任务的一个媒介这时候我们要想的就是Cursor这个形态其实对他们来说不是最优的有几点一个是我们刚才做流暗器这个尝试的时候学到的就是说它不应该跑在你的电脑上要不然它不能解决 [70:00] 让你的在长城任务中的注意力问题对吧其实老说Attention is all you need我们希望解脱用户的Attention让模型能在对不起让Agent在云端去运行去一步的去执行有一步之后其实能还带来另外一件事就是并发就是如果你能让很多不同的任务在同时去跑的话这才是真正的成倍提升你的效率所以这是第一点我们认为Cursor这种产品它应该换成产品形态跑在云上第二点就是代码这件事应该作为一个工具而不是它一个主要的呈现因为对于很多人来说看见代码是有一点天然的紧张感的对吧尤其它跑在你的电脑上Cursor会经常问你一些权限就是说我觉得我想安装这个软件我能不能把你把这个文件删掉其实这个对于很多用户来说你看不懂技术名词之后你唯一的选择就是好 接受 接受 接受但这个很恐怖我们有一个朋友他当时就用Cursor他也不懂技术就瞎用结果Cursor把他的网卡驱动给卸了到时电脑上不了网对所以我们觉得不行应该就是用同样技术但把技术复杂度包装起来然后第三点就是这个产品面向的人是谁其实不应该是专业的工程师专业工程师的这个领域的卷度已经几乎饱和它是一个绝对的主航道所以我们应该面向的用户按我们的话说叫prosumer或者说所有的脑力工作者但你却不是程序员因此我们就觉得应该改变一种产品形态然后很幸运的是当时在浏览器中已经做了很多的技术机来比如说我们对Chromium内核非常了解然后我们自己也做了整套Agentic的调度系统那好对我们来说好像这个事也没有那么难我们要做的就是把整体AI浏览器这个东西搬到云上所以当时内部立了一个像然后也是我瞎拍脑子起了一个项目代码叫Airbnb是什么意思呢叫browser in browser in the air就是浏览器里面运行的浏览器且跑在云上对所以就是也比较幸运就是我们并没有浪费太多当时做浏览器期间的技术积累所以当时从10月9月底10月开始正式搞其实也就6个月就把Manus做出来而且对实际上Manus不是3月做完Manus其实1月就做完了从几月开始搞我们从9月底开始开始搞然后其实到25年的1月中其实Manus基本就做完了但当时我是决定说我们不该马上就发为什么呀因为是这样就是当时我们能拿到最好的模型是Cloud 3.5 Sonnet V2就是Cloud 3.5的第二次迭代它初步具备了一些Agentic能力但是它其实会有一些问题比如说待会可能从技术角度来讲就是说它缺乏一个真正这个 reasoning能力然后另外一点就是我当时已经听到了一些 rumor就是他们应该在两个月后会有一次模型发布当然我也不知道最后Cloud 3.7会有多好但是我觉得我们最好能把我们发布的时间点跟下一次模型迭代对齐这样其实我们的产品发布的一瞬间其实能享受到最大的一个代际的提升模型的溢出模型的溢出对所以我们应该在多花一个半月的时间去抛的时间去打磨这款产品然后跟下一次模型的迭代对齐再一起发布那你们从放弃浏览器那个项目到想说minus idea中间很短时间其实你可以说短也不短我觉得当时真正意义上可以堪称无所事事的时间有两周半这么短的很短是啊是啊其实那段时间不能无所事事就是我们都很积极的做很多不同的实验那那时候焦虑吗我不焦虑一点不焦虑这就是为什么我们说有一款正向现金流的产品很重要当时我们的想法就是大家想想吧虽然可能烧了一些钱烧了多少钱做那个浏览器浏览器其实还好因为我们当时投入的人力可能也就十几个人然后除了人力以外其实没有太多别的成本莫妮卡当时能给你赚多少钱莫妮卡其实在Manus上线之后我们的投入可能少了但是现在可能又抓起来了但当时莫妮卡已经有接近12个Million就1200万美金的AR而且它是一个盈利的产品但现在跟Manus相比1200万美金AR不算什么但是那个时候做一款AR产品来说我觉得是很棒的一个成绩这是外部AR吗当然不是外部AR我们非常看重这点就是我们一直在强调什么是ARAR是MR乘以12MR是什么东西你不能把你一个月内获得的年付算在当月之内你必须得除到每一个月然后所以我们内部看AR或者MR我们就一个口径就是你看你stripe上面给你的MR数据以及你移动端的MR数据要不然的话你有太多种方法去把这个MR这个数字造的很大但这个就是你自己骗自己然后现在刚才我说就是这也是一种benchmark对吧就是对于产品来说这可能是你要优化的一个指标对于模型来说你要选一些benchmark作为你优化的方向这两个都会共同决定你的taste所以我觉得这个是非常重要的一点我们非常抵制ViveAR这个事minus有多少AR现在那现在1亿已经超过了1亿美金了然后是这样就是我们之前的话还有一种比较复合的收费模式就是说你除了订阅以外你还会有top up就是你可以额外的去增加一些单次的充值但是我们觉得这样的话其实给用户确实有很大的灵活度但其实也给用户造成很多困扰所以我们现在不断去简化这些定价这个方案所以目前的话我们基本就是你可以很简单的理解为你有一个免费的方案以及一个你可以自由选择订阅金额的一个方案默认是40美金一个月 [75:00] 到9月加入这家公司以后这半年你对他的感受有什么变化吗我觉得有一些变化吧首先就是他跟我之前所在的创业模式特别不一样就之前可能一种非常比较非常的就较为慢节奏且谨慎的一个状态因为一旦你要做一些技术层面的技术层面的决定或者做赌注的话你会比较慎重但是如果你是家完全以产品去分的话你会发现整体的节奏会快特别多甚至一开始说实话我是有些不适应的就是我会觉得好多事为什么这么的草率为什么产品会更快产品一定更快因为产品的话你的迭代的成本首先会更低一点因为刚才讲你首先你没有垂直整合模型这个问题第二点就是你如果一切都以敏捷开发的话甚至很多时候你可以说我先发了再看看有没有什么问题我再修但是你知道如果你自己训过模型你知道在进行数据清洗的时候那个代码你最好别让AS因为你洗好那个数据你按下回车之后你可能会有一个几十万美金的training run你的心理压力程度是不一样的就是经常你要做技术或者模型层面的工作的时候你很多做的事情是有后效性的就是你做了这件事你做完之后很难被轻易的纠正或者说它就会在历史长河中留下一些问题但产品的话你的掉头会非常快所以我觉得就是这个团队很好的践行了这一点然后我可能花了一两个月时间才逐渐适应很多研究员或者技术风格的人不喜欢这种方式他就会觉得他的技术文化比较差他觉得太快了他觉得没有真正的技术bet对你来说没有这种问题吗我觉得是这样就是技术bet这个东西是听起来非常好的一件事如果你是一家硬科技公司你该做这个bet因为这可能是你最终的差异化所在但首先如果你是一家产品公司那么你就不该有bet这个概念或者说你会进行一些轻量级的可逆的bet大家不是经常说什么双向门决策单向门决策吗如果你做一家产品公司你还在天天想着你要不要bet什么东西那我觉得你们是处于一个比较拧巴的一个状态对这个还是要调整一下所以你们没有bet我其实这么说吧就是我们所有的bet都不会有那么重的bet没有技术bet技术bet也有但是所有的技术bet都不会是那种比如说我需要两个月的时间去看到下一个预训练checkpoint之后我再决定怎么样就是叫什么这个黄国兴衰再次一役这种事不会有像比如说一些模型公司的话我觉得你还是要有一些bet的这就是我觉得两种mindset的不同那你们的bet是什么呢产品形态一个产品形态其实你可以说一开始不逊模型这件事也是一个bet因为那时候我们开始做这个决定可能现在大家逐渐也许是在我到处游说之下大家接受了这件事但是那个时候其实很多人还是不太看好所谓的context engineering这件事的尤其是我们当时开始做壳对壳这个词其实我挺喜欢的因为壳这个词它严格上来说你可以从操作系统干的叫shellshell可不是一个低技术门槛的事而且壳跟壳也有高低这我可以举一个比喻就是如果Monica她明显是一个套壳她其实是像生鱼片对就是说她生鱼片的好坏基本完全取决于原材料就是你海里捞出那个鱼怎么样你几乎是一个煤炭加工的一个状态就给用户对所以你的价值增加是很浅的但是像Manus这种东西它仍然是一个壳但是它不是生鱼片它也许是什么水煮鱼或者什么因为海鲜过没有没有吃过可能不知道它是不是很复杂的一个东西你什么四川水煮鱼这种东西Agent chatbot的最大区别是什么就是chatbot这整个系统里只有两个元素人用户以及模型你们两个之间一个网附的形式去交互但其实agent有一个第三个元素是环境或者叫run time这个东西其实很重的一个事所以你agent这个壳可能跟插宝相比完全就不是一个厚度的壳它是地壳一样厚的一个壳所以Manus做出来最难的是什么Manus我觉得有几个非常难的点第一个就是你启动越早你越难首先你能相信Manus这个东西能够做出来这个是我认为第一个很难的事情第一个idea是什么第一个idea其实就是从浏览器的自动化放上一个端去这是你想的吗这个我觉得是大家都会看到的一个点就是我刚才讲的就大家一起商量但是我觉得我们看到cursor之后cursor帮我们把很多事情理清了所以我们一直都非常尊重而且欣赏cursor这个公司他给我们很多的idea然后我觉得这个就是第一个点其实好多人说造出原子弹没那么难那知道原子栽能被造出来是最难的而当时我们相对于我们定义了所谓通用agent这个词而在这个时候我们觉得首先我们能够相信Nanis能造出来这就是一个bet对因为他要我们也不要举公司之力吧当时也没有那么多人在这个项目当然那时候那时候非常少我们一开始从五个人开始做实验然后每遇见一点好的这个苗头我们就会从Monica里面调动更多的同学进来所以Monica当时有多少人运营Monica当时团队应该有几十个人几十个人然后你们这边五个大概公司就是这个架构对吧对而且当时我们还分两边就是我跟涛哥我们在北京然后小红就是莫尼卡团队主要在武汉对所以就是当时北京这边基本就是你可以理解成创新业务实业部这样的一个寻找第二曲线对寻找第二曲线对所以就是一个渐进加码的过程所以你看这也是一个比较理智的一个做法对吧就没有那种就是啊就读不做了全都去搞新的对逐步去做我觉得这是 [80:00] 就是说Nanus这种产品形态的东西是能够被制造的这是第一个Bet然后第二点其实开始做之后我们也确实犹豫过就是要不要开始去模型因为当时你能拿到机座模型也真的是很难受的就是Cloud 3.5Sonic VR也许算是一个里程碑吧但是其实你按今天的眼光看它的稳定性可靠性和它的泛化性其实还差非常非常多而且直到今天其实很多模型都没有解决的一个问题就是怎么说呢现在Dub模型我认为仍然是为拆到场景而进行后训练的这还存在一个alignment问题待会可能会进一步去讲这个问题所以当时的遇见的一个客观的挑战就是我们要不要通过进行自己做模型这件事来弥补这个模型的部组但是我是觉得我们又是在一个技术快速上升的一个阶段因为你刚刚看到Cloud 3.5 V1跟VR之间的进步有多大所以我觉得我不该BET在这个方向上而应该BET另外一件事是一个很轻量的BET就是那时候没有Context Engineering这个词我们应该充分相信做agent框架是能够带来很大的提升的对这是第二个当时做的bet然后其实第三个bet是什么呢就是我们已经看见cursor获得了很大的成功且很多人其实心里也会有一种想法就说我们是不是该做和Cursor类似的事对但这个东西就是我们觉得做中国版Cursor很多人可能现在也在做这个事情但是这当时就至少我心里还是比较坚持因为可能一直以来我创业获得的正反馈都来自于创新所以我觉得这还是挺开心的时候就是我们应该去做一些有差异化的事情而服务好那些prosumer而不是跟他们在一起去卷对反正这是当时做的三个判断吧然后比较幸运好像都对了这里的判断好像很多都是我不做什么对 是的我觉得不做思考了很长时间决定我不做什么我觉得不做什么真的特别重要因为你说AI我觉得最大的一点就是它让创业公司的产能变得很大所以好像以前比如说我们之前移动后来往的创业的时间可能大家没有那种我不做什么的自由吧就是我在做某一个领域我要做一个新的领域或者业务的时候我受很多的约束所以外部的因素会阻止你一些过于天马行风的想法但AI时代大家好像眼中的机会很多AI又充分解放了生产力所以我觉得每天都要回答就是不做什么就Manus到现在我觉得都是一款相对克制的产品然后像有一些别的agent公司他可能会觉得我增加很多不同的tool就是给AI给agent增加很多不同的工具而我们每月都在想我能删掉什么所以就是仍然是不做什么是我们始终要想的一个命题即使是通用agentminus是不是一个很重要的点是在那个时候没有做一个中国版的谁谁谁minus那时候是一个没有一个对标的是的我觉得至少我自己的几次创业我从来没有想过对标这个事为什么你们要做一个通用的agent对这也是一个特别好的问题就是按照传统的创业的理念大家可能应该是这样选中一个niche market或者找进一个垂直领域扎进去做身这可能是更正常的一个做法但实际上我是有几个不同角度的观察既有技术又有产品形态的思考首先一点是技术层面就是我上一次创业其实就经历了一种专有模型被一个大一统模型吃掉的这样的一个体验所以现在这套技术体系之下即使你在做一个垂直的agent你背后用的是什么无非还是通用其做你可以做一些specialization但是你可能会预解模型探索这些事待会可以再讲另外一方面Manus本质上是什么它其实是一个通用的模型加上一个计算机因为每一个Manus的Session就每个绘画背后都会有一个单独隔离的虚拟机沙盒虚拟机这个东西学兵叫做图灵机不有一次叫图灵完备吗就是理论上来说它是能够去模拟或者运行任何算法的首先这样我们就看到Manus底层的两个技术供给其实是通用的那么走垂直其实是在上面加约束这是第一个技术判断第二点就是我们一开始就像做Monica一样我们好像没有做特别大的使用场景上的bet而是一种类似于达尔文的心态在观察就说如果我给用户提供的是一套通用的技术架构的话我获得的优势是什么就是用户可以按他的想象力去使用这个产品同时我们作为创建这个产品的人我们的使命是通过观察用户的整体的集体的一个行为模式去捕获到头部的场景再让我们的产品团队去做最后一公里的优化就像我们一开始其实Mandas拿出来之后我们其实在宣传中和我们所有网页的case中都是天南海北的什么类型的东西都有我们不要把用户先提前做一个引导让他用什么逐渐逐渐我们发现好像用户很喜欢做slides做PPT用户很喜欢做网页用户很喜欢做批量的文件处理然后我们发现哦那这些可能是值得我们的产品团队介入去做一些定向优化的所以Manus是一个完全由用户所塑造的一个产品且同时又保留了极强的通用能力而通用能力的话就带来我说这个产品方面的第二个点就是说我认为很多能力最后会收敛比如说当时的话Deep Research就深度研究这个领域可能还是比较新的一个概念但实际上你看现在所有不同产品的深度研究的能力基本 [85:00] 收敛了尤其像比如Gemini也有Deep ResearchOpen也有Deep Research但这当然确实还会有些差异但这个能力已经逐渐的所有产品中都具备了这就让我想起以前做搜寻情的一个体验或者这么说你为什么用Google而不是用必应如果你每天只查那些最头部的query最头部的那些查询词的话你发现你几乎用哪一个主流的搜寻情它的第一页结果都是质量接近的为什么还得用Google因为Google永远能在你的常委query中给你惊喜这样解决的一个问题是什么就说如果你能够让这些常委用户获得满意他其实能够更容易的获得我们叫做Aha Moment就好像这个东西只有在这才能被解决我举个例子其实当时有一个分子生物学家他用Manus就他觉得非常的惊喜是什么呢他想用Deep Research这个功能但是他的这个实验仪器导出的是一个非常小众的一个数据格式他用别的产品是做不了这件事的而他把这个文件上传给Manus之后Manus说这是一个很奇怪的文件格式我先去研究一下研究好之后Netflix自己去gethub去下载了一个开源项目来解析了这个数据格式然后再继续去完成分析所以就是这种常委的没有人会专门为他做的场景有一款通用产品能够解决这个用户会获得极大的一个满足感而且这些常委不等于低频因为这是这个人他每天的工作所以对于单个人来说这是一个recurring的持续的一个任务这是产品层面的第二点产品层面第三点其实也解决了一个频次问题就好比你如果要做一个垂直的agent你在用户心中你建立心智其实比较难的讲真比如说如果你的土币还好因为土币可能是很多人每天的事情但是就像你在每一个hackathon都会遇见一个团队要做一个旅行规划agent的一样旅行规划这个东西其实对于普通老百姓来说可能一年就两三次三四次评刺太低对你让用户记住你是很难很难的一个事情对而如果你做一个通用的一个产品的话其实你有更大的概率来服务用户的方方面面这样的话你能有更好的一个评刺但同时你要做通用的agent你有不同的技术方案的选择比如说有一些产品他可能也追求通用但实际上他可能只是把不同的功能放在了同一个界面下他本质是多个产品只不共享一个域名而已而Manus我们会非常非常坚持的一件事就是说Manus是一个单独的unified一个统一的agent框架所以用户在Mandis中进行不同任务的时候他的上下文他的记忆是可以自由流转的所以我们能做到的事情就是跟垂直的功能相比我们永远能多做一步我举个例子就是世界上其实有很多能做网页的AI的agent或者说website builder就是网页构建器但实际上其实对于AI来说做一个好看的网页没有那么难真正难的是如何让这个网页它的内容言而有误那这样其实Manus他可以同时先完成deep research然后再基于获得的research去做出一个网页然后与此同时这个网页还有真正的实际的后台有数据库用户如果这个用户把他网页分享到互联网上有更多别人在用他这个网页的话Manus才能再继续在一个session内帮你去分析这个网页的流量甚至能帮你做出一个slide做出一个PPT再给你发邮件发给你的潜在的投资人所以其实Manus能够做到的是所有的垂直场景之后再多加一步且能产生一个内部的网络向于所以我觉得这是通用所带来的很重要的一个点它的边界会在哪里我觉得它的边界其实取决于几个不同的维度首先就是刚才讲到就是Agent这个系统中它分为三个元素用户 环境和模型其实这三个东西都有边界首先我先不说用户用户边界最有趣的就是第一点是环境环境我觉得是Agent最重要的一个东西因为环境里头其实决定了Agent跟外界所能接触的边界比如现在Manus选择了一个最为通用的环境就是一台虚拟机一台Ubuntu系统但这个话我们现在在做很多的投入我们有一个内部的一个虚拟化团队这个可能有些朋友误区就是好像Manus给每一个用户分配了一台电脑其实不是的哪一个Manus规划背后是一个独立的一次性的杀核所以其实我们的这个Sandbox scaling是非常大的是因为有时候我们内部开玩笑说Manus其实是一款个人云基算产品因为你真的是让不会编程的人也能去操作云基算并享受云基算带来的这个算力并用在日常生活中但这块其实会有很多的编辑要解决比如说如何scale的更多的杀核这个其实我们最近也不是最近了吧几个月前我们推出一功能叫wide research就是它不是深度研究而是广域研究比如说你在别的AI中去尝试完成这样一个任务比如说帮我去找一找YC过去一批中所有AI营销公司的CEO并把他的email找到发给我你发现你给Manus之外的任何AI他们都会失败因为既受限于context window也受限于模型本身那些懒惰这些问题可能大家会聊到他们可能在找比如10个15个CEO之后质量会急剧下降然后模型会放弃但是因为我们能够去不断scale out就是不仅是scale up而scale out这样的话Manus其实能说这个任务很难我可能要找100多个我现在能启动100多个sandbox然后去并行去完成件事最后再进行汇总所以其实我们在虚拟化这个边界其实扩宽这是低层同时永远在不断去增加能够使用的虚拟机的形态比如一开始我们只是 [90:00] 有一个基于Linux内核的一个虚拟机但是我们就没有选择像用Docker这样的一种就container就容器技术因为容器技术它其实基于Linux kernel的叫C group的技术我们认为如果你选择这条路它确实更简单但是它会绑定于Linux系统而很多其实专业的软件只在Windows生态里有所以其实我们就选择了比较重的一条路就我们其实基于Firecracker它一个轻量级但是是全虚拟化去做所以现在Manus其实同时还能用Windows所以这块也是我们在不断推的一个边界与此同时就是除了function calling这一种形式就是模型跟外界沟通可能常见的function calling叫工具调用但实际上如果你给了模型一个完整的虚拟机的话其实虚拟机内的预装软件也是很有趣的一件事就好比如果你Windows系统自带了很多专业软件的话那其实你的可选的范围你的动作空间又会变得更广所以实际上我们还自己你可以说我们在维护一个专门为agent设计的Linux发行版本里头内部有很多只有Manus才知道怎么用的一些工具来完成一些事情这是我们在环境这方面在探索的东西在模型方面其实这时候也可以讲一讲其实我们虽然不自己去模型但我们一直在作为无形的大手在干预着这个事这个很好玩因为当你有足够的影响力之后其实你的一些需求其实是能够影响模型的发展的这也是我们最近获得非常大正反馈的一件事因是因为Manus的token消耗量巨大所以我们自然是几乎所有模型厂商的头几名的客户所以我们跟比如跟Google D-Mine都有很深的合作你们token消耗量有多大这个数据我可能不太好透露但可以讲的一点就是我们在各个模型厂商基本应该都是top2到top5的消耗量全球万万年你们怎么cover这个成本这就是为什么要做一款能够赚钱的产品用户的钱变成了token的消耗量这个你们现在就可以cover吗我们现在几乎能cover而且这个在优化的曲线其实非常快其实今年三月发布的时候我们确实是negative就是负的利润但现在我们很快就要打平甚至打正了这么快就打正了是的这个我觉得就是技术眼镜带来一点同时你也不能就是被动的接受你一定要去影响模型厂商的决策这就回到我刚才要讲的这个事这个token消耗量大概是XBOT的多少倍这个chatbot你看怎么算我可以给你一个这样一个对比就是因为以前我们做过Monica大家在做chatbot你一定会进行一个估价估价就是你得基于input token跟alput token的成本去计算这两个差很多的因为对于transformer结构来说你的input其实是prefilling这是可以并行计算的它是compute bound但是你在输出token它是decoding这是是这个bandwidth去bound它的定价是不一样的一般来说你的alput token会比input token贵很多所以在XBO进行这个价格的估算一般按3比1就是3是input1是LPUT但其实在manus这样的agent中input跟LPUT比例是100比1到1000比1根据你的TaxType去对比所以其实你可以想象一下LPUT的长度如果差不多的话那input的长度就是你能估算这个所以你可以说是一个几十倍甚至上百倍的一个Token消耗量的差距而且我们其实一直比较贯彻的一点就是我们不会为了成本或者速度去缩减Token的消耗量我们一定是以质量为先的所以甚至我们以消耗更多的Token为荣Toker有一个梦想就是他想造一个7长24小时烧Token的机器对所以这怎么讲就是消耗很多Token之后你会获得很大的影响力同时因为就包括我在那团圈其实很多人以前都是做过模型的就是我们知道这个东西该怎么改进但我们自己不弄我们把这个东西能不能外包出进了就比如说我们跟GoogleDMine有很深的合作我们就可以直接提需求不仅提需求我们会帮他们构建evaluation甚至包括一些功能比如说我记得是两个月前Gemini新出了一个叫做可控的parallel function calling那个定义和proposal和它的实现schema是我写的所以我们能够让它去帮我们实现一些东西这里其实有很多要去探索的东西比如说我刚才提到的一嘴就是我认为现在大部分的模型仍然是为chapbot去做的alignment这是一个很有趣的一个观察大家知道其实从GPT3到InstructGPT它发生了一个很大的变化不是在基座而是在于你的后训练是怎么去让决定这个模型的输出的风格或者说形态的比如说如果你有最早的GP3的API你问他说北京天气如何他其实不是回答你而是他在尝试补权甚至复读就是你问他北京天气怎么样他会说东京天气怎么样纽约天气怎么样它其实在模仿你的这样一个pattern但不再回答你而instructGPT和后来xGPT它其实通过后训练所实现的是让模型知道我应该去回答这个问题但这里你看存在插报的会存在一个天然的问题叫做无论用户的问题有多么的复杂它都会倾向于在一轮回答中回答完毕但这个其实跟agent的一个基础假设是不一样的agent基础假设其实就是顺语的那篇paperreact我每次都跟别人讲我觉得这个抽象非常好就是agent做的事情就是在一个循环中基于用户的输入或者来自环境的一个观察叫做observation去在你的动作空间中选择最有可能的下一个action去选择下一个动作所以很明显对于agent来说接到用户的一个复杂输入之后他正确的做法不是急于在一轮内回答全部而是很有耐心的逐步尝试且基于上一步的观测去调整自己的方案去预测下一步 [95:00] 如果你仔细去想的话其实agent的工况跟chapout是不align的而这里头会带来很多细节问题比如说很多现代的模型会有一个耐心问题对就是为什么会说模型比如回答问题尤其你强行用chart模型完成长链路的long horizon的agent任务之后你发现模型干的事的质量越来越低越来越低一定程度上来说就是它缺乏这样一个真正在现实的agent trajectory就是agent轨迹中进行训练的过程或者说它的data mixture就是它的训练用的数据混合中是有agent这样的task但实际上它被dominate它的data mixture其实还是被拆爆而设计的数据模型的学习能力是极强的你数据的distribution其实会影响模型的一个风格就比如说模型在输出到一定程度或者说看见它的输入的token程度到某一范围之内它会感受到一种无形的叫做context pressure就是上下的压力它会影响你输出下一个token为EOS的概率EOS就叫end of sequence token就是模型当他认为该输出这个token其实整个这个任务就结束了其实模型是能感觉到这种压力的所以这块其实是一个很不好的事情他让我们用chatbot的模型为chatbot设计的模型在agent任务中工作的时候他会非常的着急一个常见的现象就是你会发现他到后面开始疯狂用bollet point就写那个很总结是一个关键点一个关键点斜短斜短对这是一个很常见的事另外一点就是这些模型他其实没有为现代context engineering做过一些专门的训练我举个例子就刚才我提了一嘴说二三年初我就一直到处忽悠one context但我现在有新的想法我现在有一个暴论我觉得200k以上的context就不重要为什么呢因为比起更长的context我觉得更重要的应该是让模型具备compatient awareness就是说对压缩这件事的意识对压缩这件事的意识对这个怎么解释呢就是如果你让你的context你的上下门长度无限单调递增的话即使有kvc存在它是能让你的latent你的延迟和成本较低但其实它仍然是即使你有一些efficient tension你也是一个增长的过程但这是不值得的其实更重要的应该是什么是让模型知道说我现在context已经很长了我看我能不能把我一些context中的信息去offload就是把它外化到比如文件系统中就像我有一部分记忆就像人一样我这个东西不用脑子里一直装着人的记忆其实挺差的就是我的工作内存很差但是我会知道这个事我可以整理成一个文档放在我的notion里头我下次我知道我该什么时候去拿回来或者说我知道我过去做了很多的事情但是其实有一段东西它不重要它只是一个过程那这时候我可以进行一个压缩叫做compassion或者叫compression就是说我把我中间的一段历史变成一个很紧凑的表达但是模型要能够明白说这段东西不是凭空消失了它是被压缩了而让模型意识到被压缩这件事是需要专门训练的这个是未插爆训练的模型其实没有很好的一个训练过的点另外其实还有刚才讲到的就是像Cloud 3.5 V2的时候它还没有很强的这个 reasoning能力但 reasoning这个词是非常大的一个最怎么说最表面的 reasoning现象可能是像Oc那种 reasoning model就是说当用户问一个问题之后它在输出最终答案之前会有很长的这个internal的launch COT就是内部的长次位链但这个东西你如果盲目的用于agent你会发现一些问题比如说你会发现它的instruction following能力就是它遵循指定的能力其实下降的另外一点就是它其实出现幻觉和幻觉攻击调用的概率是提升的所以如果你直接把一个为了解决比如说竞赛编程或者数学而设计的 reasoning model平移到 agent场景下之后你会发现其实它的效果是加强的这时候我们应该去改变这块的训练的模式比如说你可能更关注一种叫 interleave thinking就是交错式思考刚才讲的就是按照顺语的react来说你获得一个observation之后你不要立即着急去预测下一个action而是在这块进行一个中间但是且相对较为短暂的reasoning去想想我之前做了这些事情下一步我该做什么我该做这个是类似这样的一个结构而不是说像比如说你让O系列模型去解决一个数学体量就是你用户给了很短的一个问题他哗哗哗哗哗哗哗哗哗哗哗哗哗哗哗哗全在脑内这是不对的这是会在agent场景下产生一些负面效果的但是比较不幸的就是这个事其实可能说起来简单但是大家做的说实话都不是特别好就是目前这个模型公司做的不好做的不是特别好对这时候还有很大的改进空间对所以我也很期待就是这个有接下来的这个进展对然后比较幸运的就是因为我们影响力会比较大所以就是我可以天天给这模型公司洗脑这个很重要这个很重要这个很重要然后他们也确实很积极的就在改进这些事所以其实包括那个Genda3出来之后我们也很兴奋对吧就是他们能以非常快的节奏去把我们之前遇见的问题实实在在的变成而又很开心的是头部旗舰模型的成果会逐渐影响所有该员的模型大家也会跟进所以我很开心的一点好像全世界都在帮我们一起去模型但我们却没有自己掏出很多钱去砸进去而是说我们让用户使用了一个很好的产品用户付了我们的钱我们为用户创造了价值同时我们通过这个 [100:00] 获得了影响力来影响别人来帮我们训练很好的模型这样它其实节省了很多我们内部的这个research的带宽我们可以真正去投入一些非共识或者小众的事情去做你们沟通最多的模型厂商是谁这个其实都是非常非常均匀的因为我觉得现在不同的模型厂商之间其实是比较分化的我不是说他们他们这个叫什么这个技术路线的分化应该说他们关注的点是很分化的这可能也是有被动的选择就比如说你要讨论真正的这个agentic coding我不是说竞赛编程就是那种偏现实工程的多轮的编程那确实Authropical还是最好的包括其实Opus 4.5我觉得可能很多人对它有点低估了这个我觉得是一个非常大的眼界所以就是Authropical他们在coding方面是非常领先的然后像Gemini很明显它的多模态领域尤其多模态的理解就是多模态输入方面是非常强的是一个断层级别的强而且Google又有一些比较独有的资源比如说通过Gemini可能是你唯一的能够使用到Google的索引的方式与此同时如果你想让Agent具备比如视频理解能力尤其是YouTube的视频的理解的能力的话那你一定要选择Gemini而OpenEd的话它在这个 reasoning或者说这种偏纯推理方便的 reasoning投入非常大的它是有比较强的一个领先而有的时候你要刷榜的话其实OpenEd的模型是一个很好的选择然后其实别的这些像什么Grock还有一些开源模型都各有特色所以我觉得现在对我们做应用的人来说真的很幸福的一个时间点谁对你们的反馈改进的最多我觉得看效率其实目前其实头部的几家我感觉像Google跟DeepMind跟Therpix其实大家的响应都会非常快当然就是因为我们不同的场景会使用不同的模型所以大家就是在解决的问题的效率客观程度上来说也受限于这个问题的难度你教会了他们他们可以反过来抄你们的产品但是你们没有那么快能抄他们的模型怎么办呢你们的壁垒是什么对 我觉得就是快首先有一点就是你会发现比如说一些模型公司他们偶尔会发布一些research blog我们读到这些blog的时候心里也是又开心又无语因为基本就是我们之前在讲的这个东西比如他们直接就写上了一个blog出来比如说什么thinking tool也是我们上线一个月之后他们写了一篇blog像最近用代码方式调用mcp什么progressively什么declosure这些东西也是我们都一直在就在的东西但我觉得这个是没有关系的因为这个就是一个近合关系而对我们来说真正的优势是什么有两点第一点因为我们对于不同的场景使用不同的模型所以没有关系我们永远能够为用户提供所有人中做好的一个体验这是第一点第二点是什么就是他们的速度一旦是垂直整合其实你一定是没有我们快的因为产品方面的迭代还是太快了他们成分化的你们成综合的对 是的所以刚好反过来了这很有意思这个很反视觉是的 是的如果都直觉的事我觉得也能帮我们做为什么会这样为什么会一个应用公司开始做一个综合的事情而有模型公司变成垂直整合他们越走越窄我觉得这就是这个公司一开始的根是什么其实我觉得我们可以拿OpenAI作为一个案例我刚才一直在讲我非常尊重OpenAI他是一个真正怎么说呢很尊重bottom up的这一个模式的人有很多朋友在OpenAI他是真的能够通过一小群人的一个创新逐渐逐渐往上走变成一个产品但实际上我认为这就是我刚才讲的叫买模型彩票这件事你的实现的方式是基于一个突破来做一个场景但是对于我们来说我们是所有外部的创新对我们都是一种养料都是一种供给那我们就不用做选择我们不用买这个模型大乐投就作为英文公司来说其实跟模型公司相比我觉得还有另外一个优势就是大家常常觉得就好像智能的提升好像不需要用户这个至少从今年年初比如Deep SeekR1出来之前其实Deep Seek也没有很多的用户对吧但是你其实通过比如RLVR这些方式你其实能获得一些提升但我觉得对于Agent这种特别常链路跟环境强相关的场景下其实用户是非常关键的但是用户的使用轨迹以及feedback是留存于应用层而不是流动到模型层的所以其实现在应用公司有非常独特的数据飞轮这就是为什么像Windsurf跟Cursor他们可以以一个较低的成本在一个预训练基座之上去开发出一个基本是frontier level但是成本很低且专门适配自己的模型所以我觉得这是未来可能半年的一个很重要的一个变化大家会看见更多的应用层公司在利用自己的数据飞轮变成以模型的形式来体现出产品可以持续连带这件事你们的用过化线是什么样的我们用过化线是这样就是我刚才讲了一个最笼统的定义叫做prosumer那可以切几个比较常见的化线来讲比如说第一类我们叫做在互联网公司或者技术公司里有但不是程序员的人比如说广业来说的就是白领或者是远程工作者第二类是我们叫做freelancer或者solo entrepreneur就是美国其实有很多那种就是独立自己去自负盈亏你可能在做外包你可能在做这个这个自己有一个很小的一个生意这些人他们是一类用户然后第三类比较大的用户就是所谓的金融和consulting就咨询行业的这些人我觉得他们都有一个比较大的共性就是有比较强的自屈力且与此同时他们的任务是高价值的嗯 [105:00] 这是很好玩的然后我们发现其实做agent就很很有意思的一点就是他不是在做工具至少对于我们来说如果你做了一种通用的agent的话不是在做工具你不是在做工具你其实在做一个类似于人的东西如果你做的是一个垂直agent你可能还是在做一种新的工具但如果你在做一个通用agent你其实在做一个人做一个垂直工具比如说汽车公司就做的是司机像LoveArt就做的是设计师对但是他其实是设计师用的一个工具而Net as a way of a tool agent我甚至可以用LoveArt因为Manist的抽象层级是什么就是我们在设计说让agent能使用哪些工具或者你跟外部交互的边界是什么的时候我们一直是这样一个类比就说我是一个人一个普普通通人我能做很多事是因为我有一个电脑我跟电脑之间的interface就是界面是什么我的手右手能够用鼠标我的左手能够用键盘我眼睛能看见屏幕上的内容我的耳朵能听见他的声音没了就是一个远程工作者用这样简单的标准的接口其实就能完成几乎无穷无尽的种类的任务最近我们也看到一个比较欣喜的结果就是Scale AI最近发布了一个新的一个benchwork叫RLI叫Remote Labor Index叫远程劳动力指标这个benchwork里当然了Mannessio是SOTA肯定第一名然后我们战胜了像Cloud这个Gemini所有这些竞争对手但为什么我们就是非常看重这个Benchware因为它的评判标准是非常有意思的它的评判标准说这个AI系统它完成的工作能否让一个现实的客户愿意为之付款且无法区分是人类还是一个AI去完成的然后这个当然就虽然我们现在是Sota但实际上我们完成率只有2.5%所以其实离100%很远的一个距离但这块其实这个Benchware我们看中的原因就是它完美契合了我们想象的这一点就是对于Tone Agent的衡量指标就是它能完成多少远程工作者能够完成的事因为这个解读空间就很大我现在可能虽然只有2.5%在benchmark上但是那是不是说我们也许能够去让全世界2.5%的GDP获得加速所以这是一个很好的梦想而且大家都知道进展仍然是存在虽然很多人说AID的进展速度好像变慢了但实际上我觉得Evaluation是最重要的事因为它能指引我们去的方向还是既是TES也是方向所以我觉得也许到了26年我们乐观一点可能2.5我们能刷到20 30这样其实就能占相当大的一个经济生产的规模你们现在数据飞轮是什么样的数据飞轮是这样可以跟ChatBot相比我觉得有讲几个非常好玩的点如果你在用ChatBot的话当AI输出了你不满意的东西的时候你的第一反应可能有两种第一种是简单点那个重视键retry它就重新再输出一个你就相对再roll一次看会不会好一点或者说你就直接去改你输入的那个原始的promp但我们发现在agent的场景下用户他会这样就是他会教这个agent我举个例子比如说我让经常让Manus帮我去筛简历然后他筛出这个标准跟我就我想要的不太一样我就跟Manus说哎呀你这不对啊你这个我喜欢的是这种你要注意下次是不是给我一个效果或者怎么样呢其实我在一直在教agent这是教这是第一种第二种是什么呢就是如果有一些任务即使不涉及我的个人偏好但agent很有可能就是做不对那这时候呢我会去fix他我会帮他修比如说我跟Nanis说你这个不对我已经帮你把这个文件改成了正确的格式而获得这两个数据其实是非常困难的以前在插爆的时代而当你有很大的用户量之后其实你能够进行一件事就是你可以说大一点叫做基于collective feedback做到一种在线学习当然我很不喜欢在线学习这个字待会儿说但是它其实能达到的一点就是我们即使不碰模型其实也能够获得一种叫做self evolving的一个能力当然它是parameter free就是不涉及三数化但是有更多的用户使用之后我们能够将更多的通用的公用的failure pattern就是失败模式以及用户共使性的东西变成系统原生的一部分就变成用整体上来说用的人越多我的失败率越低我完成同样任务的轮次开销越小这是第一种数据费轮第二种是什么第二种就是说我们仍然会拿用户最朴素的反馈就是打一星到五星作为一个指导因为这个东西能回到什么就是我们刚刚讲的evaluation很重要但实际上agent的自动化evaluation我认为现在还是非常就是期待改善的因为即使你有一些自动化的Ultra Verifiable的Benchmark比如我们一开始就会很关注GaiaSweeBench这些东西但实际上我们发现真的上线之后我们的在这方面表现好的架构和模型其实用户的真实评分不一定高因为用户关注点跟你这些理想化的Benchmark还挺不一样的举例子比如说用户更关注的是你做上这个size你的长宽比是否超过了16比9你这个网站是否是属于比较易用且好看的刚讲16比9你还能可以自动verify对吧但什么叫网站好用可义且易用这东西你很难通过一个完全自动的reward model去实现所以我们非常依赖于用户给的这个直接的反馈且有一个固定的一个团队就做evaluation而且是主观evaluation所以这块是真正能够通过用户的反馈来指导我们迭代的一个方式这是多少人才得我们是这样就是我们有一个专门的evaluation团队 [110:00] 团队现在不到10个人但是他们会同时负责这个系统的搭建我们内部有很完善的evaluation体系以及自动化且同时我们从产品团队会有一些比较junior的同事其实专门就是负责主观evaluation所以是技术和产品团队一个交集加上大概有10多个人加上不断轮转的很多实习生你们现在核心关注的几个指标会是什么呢我就有几个第一个就是说我们从interface就还是刚才讲的这个界面角度来说接口层面来说你可以抽象成几个不同的维度首先我一直在说codingcoding一定是非常重要的一点虽然Manus不是一个coding agent但其实coding是Manus的一个灵魂所以我们当然对Sweepbench还是非常关注的但是Sweepbench就快被刷爆了然后这是编程是一个维度第二点就是Manus虽然没有直接进行computer use就是说我们不是通过GUI去完成很多事但实际上我们用了很多的browser的use所以这块我们也会很关注这种就是GUI的理解能力这是一个维度但是这也就是所谓的多模态输入的一部分第三类是什么就是广业的tool call2-call能力是怎么说大家非常关注但实际上到了Manus这个复杂度的并不多因为Manus的复杂度非常高它有多种不同的action space它不仅有原生这种function calling的这个function包括其实你在使用我们自己自定义的这版Linux发行版本的时候它其实有很多命令行工具它不是以模型原生的这种schema去存在的而是存在于系统中就让模型能够基于一些使用文档来学会使用特定软件的这个能力这也是非常关键的所以我们从模型的原子能力的情况下我们会最关注这三点但其实还有一些非常难量化的东西就是我们刚才讲的比如说美学性和对错误的自我意识这个错误自我意识其实我觉得也是很重要的就是它有低维度和高维度两种低维度一种就是说你在看很多benchmark时候你能看见的是无论你是passive1还是passiveK你看到其实都是模型在one shot的过程中去完成的一个状态但很多时候有的时候模型需要自我意识到这个错误该怎么修复当然这是最理想的更常见的情况是用户先发现了一个错误并指正它而如果你是经常AI coding的时候你可能会有一个很沮丧的体验就是无论是cloud code还是codex你发现了一个问题你让AI修AI说太棒了我已经完美修复了这个bug其实不仅没修好还引入另一个bug对这个指标是很难去追踪的因为它可能中间涉及真人的一个feedback这是低纬度更高纬度的一种怎么说这种错误是指他做出了一个能用的东西但是他无法去很好的去把这个东西推到下一个level就是从可用到好用的这种错误我们还是愿意把它定义为一种错误因为我们觉得它能够解决的比如说Nandes跟很多别的这种coding agent即使都能做网页Nandes也能再往前做一步基于我们的通用能力Nandes每做完一个网页他可以选择说我自己用我的浏览器去把这个网页玩一圈然后看看我得看看我数据库里的记录是否都对上了所以这个我觉得是能够去弥合这个错误的一个途径刚才有一些表达比如说模型的懒惰模型比较没有耐心模型感到压力模型比较着急还有包括杨志玲以前说常文本影响智商模型的状态好像跟人还比较像这是为什么呀我觉得我们只是在用人习惯的词来描述这个我觉得模型跟人一点都不像或者说强行把模型或者agent与人的常用的思维体系去对齐这事是不对的你刚才不是说你们做的是一个人吗对但是我们是做的是能完成人做的事情的一种系统但你不该与人的这个比如分工或者特化去要求模型这我举一个更具体的例子就比如说很多做agent的公司或者一些开发者他们会有种惯性思维就说我要让我的agent multi-agent系统中分为设计师designer什么programmer manager这些东西就是你在给模型增加很多不同的这个角色我们觉得这个其实不太对因为回想一下为什么人类社会会有这个问题呢是因为很可惜我们每个人都不太全能所以你在一个组织架构下你必须要有这样一个分工但其实我们的组织架构下又有多少的信息在我们通信之间损失了呢又有多少在合作中增加了很多的摩擦呢实际上模型是比人更加全能的一个东西所以你应该充分利用模型的优势而不要生搬硬套人带来这套约束我是想表达是这个意思那模型应该怎么分类agent应该怎么分类agent分类这个话题我觉得你只能从输入和输出角度来看你觉得不用分类我觉得不用分类所以可能做的是通用agent不是我想说输出的意思是什么就是通用agent是把更多输入的责任交给了用户对然后你做垂直agent其实在输入这侧你会做很多比我们要多的事情就比如说如果你要做一个垂直领域你输入的数据可能就来自于一个用户不太可能自主产生的或者说自主提供的一个过程就他一定得深入就结合到某一个已经在运行的业务系统来获得这个输入同时他的输出也不是以一个标准化的形式去给出的可能他是无缝就传递给了另外一个系统中所以我觉得他一定输出输出有过跟通用agent有不同他且决定了哪一个是哪一种vertical agent但实际上中间的技术方案我相信会是趋同的你们为什么做通用agent的而不是做通用agent的 [115:00] 一个agent OS我觉得首先作为一个有职业素养的程序员我们会尽量回避OS这个词为什么这是一个圣杯我不配这是第一点然后第二点就是我们觉得OS这个东西其实你如果严格定义来说它是一个中间层当然你也可以说agent是很多东西的中间层但实际上我认为现在agent还没有到这一步就用户的文件用户的软件其实不在你这这是一个客观的现象对吧所以在你没有获得这些东西之前你不要称自己为一个OS谁适合做这个会有这个生态位吗我觉得是这样就是说比如我们跟微软有很深的合作就像前任 Ignite大会上大家也看到就是Manus跟Windows都会有直接的合作像比如说你以后在Windows右键菜单里就可以用Manus我认为不是说有谁做了一款开天辟地的AgentOS而是现在所有的操作系统都会逐渐具备agentic能力而且很开心的一点就是我们发现现有的操作系统场上在一个相当开放的心态在做这件事比如说接下来大家可以关注那个Microsoft Agent 365对你可以看到Manus也在里面对所以我觉得这个东西就像我们之前做浏览器一样我更相信的不是突然出现了一个前新的agentic browser而是所有的browser都在变的agentic你觉得agent最后的生态会是什么样的一个格局agent最后的生态是吧我觉得是这样就是可能垂直领域的agent最后应该是一个百花齐放的一个状态当然也许还是2B方面会多一些2B的垂直agent的会多一些对会多一些为什么呀我指的是海外市场OK因为首先有一点就是目前因为我们现在只做海外我们觉得可能尤其我不敢说海外这么大词就说美国市场美国市场我感觉现在大部分创业者都在想一件事就是我要做一家给另外一家创业公司使用的产品卖给另外一家公司就是我觉得很多美国创业者已经失去了做土西的勇气和心气你说美国华人创业者还是美国的创业者所有甚至华人好一点的华人还有梦像我们就比较勇的我们还敢做这个事为什么呀为什么丧失了这种不过过去十年美国2B确实更好一些对我觉得其实与其说丧失应该说他们这边的环境更形成了这样一种正反馈就他们的退出机制非常好很成熟卖公司吗对你可以卖公司或者说你自己做2B你有一个稳定的一个收入你自己独立上市独立发展都没有问题所以就是这是他们这种成功的路径决定了美国资本市场的一个倾向对吧所以就是在美国这种像我们跳出跳出来做土西那确实是一个一个很异类的一个东西当然这也就会有人愿意下大注对吧谁愿意下大注下了什么大注就像我们现在就获得了一些压注我只能这么说吧但像国内的话我觉得上一代创业者就是就是我这代创业者我们在这个移动化量时代其实很多人都是做土西的其实获得了很多的正反馈也更勇一些对所以我觉得这确实是两边的环境和持续的反馈带来这个结果所以你觉得没有垂直2C的agent的生态位吗我觉得一定会有一定会有但是这块其实会比较微妙就是我们团队有另外一个同学他之前是做一款剪辑软件然后后来也是被通讯收购了然后他其实给我说了一个很好玩的观点就说做垂直2C的应用很难的一种模式是什么就是比如说你要给剪辑师做一款更好的剪辑agent他说这是非常非常难的因为专业的人士会对这有极高的要求这个用户会有一种从风险控制的角度来看待这个事就比如说你一个工作流很复杂你但凡有一个环节没做好那对这个专业人士来说这个东西就是零分因为它是一个惩罚关系对吧你就不能用但是你应该做一种什么样的agent呢是做一个给非剪辑师用的但是却有剪辑需求的人做的agent比如说自媒体这样的话其实你会变成一种给原本就有这个需求能做不了的人它是一个竞争业这个我觉得是非常重要的一点这其实这句话其实影响我们很深我们现在经常跟我们的用户或者别人交流他们常说Manus虽然我们的最本通用agent他很像人但是我们从来不以替换人的思路来想这个事因为如果你要给别人一种说我要替换人的这样的一个心智的话所有人都会从一个risk control的想法去想就我刚才讲的就你但凡一个环节不同但是其实你应该是一种提升人就enhance people的思路去想让你现在已经最高效的雇员或者说你是一个自屈的一个人你获得了这个功绩之后你能让你的产能提升那这是一个更良性且更现实的一个做法所以这个生态还会怎么样除了有通用的agent然后有垂直的2B的agent还有呢我觉得会有很多偏娱乐的agent出现当然也就是图西的广义的图西当然这可能就是接下来看怎么走现在我也看了一些比如有趣的一些尝试比如说比如说我就不说具体名字他们做的可能就是给每一个人做一个虚拟的agent然后让agent里代理的形式之间进行社交我觉得这都挺好玩的但我觉得我实在是没有这方面的insight所以这种产品感觉适合OpenAI做我觉得OpenAI适合做所有产品你觉得OpenAI会抢夺你们的生态位 [120:00] 我觉得一定是会有竞争的但是我们现在观察到的现象是什么首先就是在XGPT agent出来之前我们可能要经常回答的一个问题就是OpenN做了你们怎么办他们做了他们做了但是很明显效果是不如Manus为什么呢这我刚才讲的就是我们其实是能用市面上所有最好的选择而OpenN它仍然是在它的领域有所专长这是第一点第二点是什么其实跟他们的一个用户心质有关XGPT agent仍然是XGPT的一部分XGPT我觉得它是一个打透了的产品就是Tribud的战争已经结束了所有的用户都在使用Tribud但实际上有agent需求的人客观来说是少了一个量级的对所以我们其实一直是在自上而下去做就是我们一开始触达的用户其实你想Manus在美国是怎么活起来的其实都是一开始像什么Patrick Collins然后Jack Dorsey就这些硅谷精英们他们发现这个东西真的好用能给自己提效所以一直都是在服务一个相对比Tribud单价更高的用户群其实对于那种比如说快速的问答或者一些低价任务包括我自己我也是不用-5 用 chat GPT 的所以我觉得这是一个分层的一个市场我们会长期专注为真正有高价值需求的人提供他能找到的最好的 AI而不是跟 chat GPT 去抢夺一个就是最广的底层的这个用户群所以 chatbot 和 agent 的用户不完全是一拨人它是不完全重合的它不完全重合它们包括你们对它们包括我们但是实际上我们一定要去满足的就是那些有最高质量需求的用户就是他这些人肯定用过ChatGPT但是他们仍然会选择Manus是这样的一群人其实是ChatGPT没有把这个部分的用户需求满足好是的或者就是说我们得保证我们永远能提供比XGPT的agent更好的体验那这是现阶段未来呢未来他们会赶上来吗那我们也会赶上这个就我常说就是小公司怎么跟大厂竞争就赶紧成为大厂你们现在距离大厂还要多远还很远但是再做了再做再做长期来看理想状态的manus应该是什么样的理想状态manus其实我想回到刚才我们谈了一个问题但没说完就是说边界是什么这三件事刚才讲到其实有三个系统系统中有三个元素一个是模型一个是环境一个是用户其实我们觉得接下来我们更关注的我不敢说未来形态因为对于创业公司来说我们就聊三个月后的事都很慌你就聊接下来这三个月内我们会关注一点其实用户其实也是一种编辑也是一种瓶颈是什么就是现在无端A这有多么智能或者就是说Nandis跟Chap-Out相比有一个最大的变化就是它输出不简简单的一段话是一个action是一系列action或者不同的产物但实际上它的起点到目前为止大家看到了好像还是一个prompt但实际上对于用户来说输入prompt是很闹心的一事而且它有更多的问题是很多context没能带入进来所以我们一直在想就是如何去优化这样的一个事然后刚才还提到的就是张涛涛哥的梦想是做一个7乘24小时推理的机器所以我们接下来会比较投入的一个方向也可能代表未来一段时间的manus就是我们在做proactiveness就是主动性这个词其实我觉得是OMI带火的不是这个词其实应该是agent这个词的本意agent的本意其实来自于agency就是能动性主动性对但是之前的话因为大家可能更关注的是一个结果的呈现但是其实现在又到了该关注context这个问题了就好比OPEI先做出了XGPT但Monica关注到了输入context这个点现在我们也把这件事要做得更好但是我们觉得不应该做成像XGPT的那个叫Pause对吧那种就是他每天给你推很多东西这个其实在占用户的时间而真正现在能够把为Manus付钱真正获得价值的用户它其实需要生产力效率提升的所以我们更关注应该是如何让Agent主动去完成更多的事对这个东西现在我们内部已经已经有这个Prototype我们自己用的很爽怎么主动完成这可能我先不方便透露太多但我可以举例一个场景就比如说我们自己每天比如面试完人之后我们可能用一些第三方的SaaS服务比如像Ashby这些东西我们需要去写那个就是review就写那个评价然后呢当然评价我们自己评那你要写很多这个描述这些东西但其实我们在面试过程中我们可能用的是Notion Granola进行记录那可能我们自己要干的事就是假如没有这套新的这个AI的话那我们就得自己去基于我昨天的这个interview的记录然后去填写这些评价但实际上有了这个Proactiveness之后Manus其实可以每天早上在我醒来之前先去自己看我的Notion帮我去直接把记录填到这个填到Ashby里头然后只让问我接受与否所以其实应该解放出来的就是用户的这层瓶颈让Agent的能动性逐渐去发挥出来这我觉得是一个短期未来关注的点开始我觉得是你们想让大家能够更方便的去理解你们所以你们用了一个通用Agent这个概念你觉得通用Agent长期来看是是最合适的描述minus的名词吗我觉得不一定甚至说不是为了让用户更好理解你知道我们的视频做得非常草台整个这个工期大概就三天是那块呢还自己剪的是吧对为什么那块有一个黑屏说什么因为中间那块其实发生了一个很傻的事是当时我们那是在我们办公室一楼录的背后有一个保洁案 [125:00] 一走进来了所以我们必须在这掐一个就是得减一针等会儿一黑屏完了那这只能给一个定义了然后大家一想就是Manus如果刚才一开始说的我们也没想好这玩意到底是这个你怎么定义它对吧它到底是为谁去服务的因为我们想的是去观察去做达轮就想有一个壳然后大家进来不是一个壳它是一个playground然后呢那好责任就到了我因为我得写那个视频的稿我想那这个我们管它叫什么对所以整个这个概念就我拍脑袋想的是明事想的对然后就被大家采纳了所以我觉得特别对不起对但是我们觉得这个词其实它偏技术了因为它来自于所谓的general purpose agent看上去好像是为了占一个位置而设计的这个词就是为了占因为都说25年这是agent元年看上你们想占最大的生态位然后取的这个词其实不是是因为挡住保洁阿姨讲的这个词这是一个从市场角度来说我觉得不是一个很好的选择因为对于不了解技术人来说这是什么东西这是一个很奇怪的东西所以我们现在更想强调的一点就是说做通用的agent是因为我们的一个技术选择就刚才我解释了很多对吧就是你有一个更好的技术架构其实你可以让不同的场景之间有很好的协同性并且互相增强那个网络效应比如说我们其实新的那个mana CDR物理头我们一直在强调website building这个能力但实际上这个功能我们只开发了不到一个月但它效果目前绝对是搜它的这就是因为我们其实在一套统一的一个agent架构之上长出来的最后一公里但是这个对用户来说其实我们没必要解释这么多我们未来对用户的沟通其实完全就根据客群去讲比如说你是一个企业你可能更关注就是internal tools就是内部工具的构建我们就跟他讲Manus是一个非常好的内部构建的一个工具同时他能帮你去把各个环节串接起来所以跟所有的垂直的产品相比我就还想强弄那一点就是Nandos能做所有的事做的一样甚至更好且能多做一步是这样的一个定义我觉得agent这个词未来大家其实也不用太在意这个东西它就是一种新的东西比如说大家需要一个负责设计的agent吗我觉得也许是需要的因为它要融入你特定的工作流就好比你设计领域如果没有AI你往回看也会同时存在Final Cut Pro跟剪映就是这样的一个情况你觉得Minus会收敛吗你说收敛是指收敛到某几个垂直的领域不会我们会是这样就是我们会做很多的我们叫做场景就比如说现在其实我们头部级常常跟他讲的批量文件处理网站生成slides生成但我们从来没有单独做过一款产品叫Minus Slides或者Minus Website Builder它仍然是在这样一个统一的agent架构之下由我们的产品团队去优化最后一公里的体验所以Manus永远是一个不断优化头部场景且保持很强肠外能力的一个系统这是一个选择对 这是一个选择 刻意的选择Manus这样的agent和像比如说Laford这种设计类的agent你觉得他们长期来看关系是什么样的我觉得是这样LoveArt一定会越做越专业Manus可能会有一定的设计能力但是就像我刚才讲的就Love Art是给设计师用的Manus是给有设计需求的非设计师用的而且同时还存在另外一种关系就是为什么我们非常强调我们现在有一个概念叫Connector或者叫Integration就是连接与集成其实Manus之所以它是一个通用agent它就能模仿一个人它能模仿人用各种的工具比如说自己内部我们经常拿Manus调试Manus那实际上如果你是一个设计师你其实你的工作每天也不是百分百都在设计比如说有的时候你需要比如说基于一个设计稿而不是基于一个产品需求去做出一个设计那你甚至也许有一个用法就是比如说你们在用比如说Lark或者Slack来讨论一个产品你可以让Manus去帮你盯着这个Slack然后让Manus去用Lavart去完成这个事所以Manus跟所有人我觉得都不是一个竞争的关系我们是一个网络中的节点但很多时候价值其实不是在网络节点而是在网络的边上你怎么看Crissey和Cloud Code现在的关系我觉得这个是比较尴尬一点就是他们选择了一个最激烈的一个点就是一个怎么说就AI coding它不是一个锤域它是一个通用能力但是我觉得Cursor AI公司非常厉害所以就是它一方面是启发了Manus很多另外一点就是我觉得Cursor的人才储备是不逊于这些头部公司的或者说就是头部公司中跟Cursor直接竞争的那个团队的实力跟Cursor是可比的这刚才我讲的一点就是创业公司跟大厂对比的方法就是成为大厂我不说在规模上超越它因为大厂不会倾注其所有资源于你一个人大我们现在要做到的就是我们在做Ninus这件事的人这个团队比如说某些大厂想做Ninus的人的团队强得多这就可以了所以我们现在有将近100Cursor和Cloud Code我觉得还有一个点就是Cursor的选择空间还是比Cloud要多一些就是Cloud Code仍然是Cloud的一个延伸当然就我现在还在说大家在分化Cloud在coding方面有一些独有的一个优势但实际上正因为coding是主赛的所以大家追的都非常快比如说Gemini3出来之后大家会发现可能Gemini在agenda coding方面还没有完全追上但在比如说静态前端的美学方面会非常领先所以我觉得对于cursor来说有点类似于我们现在一个状态就是大家都在盯着这一个方向打 [130:00] 所以它有一定的灵活度我觉得这个战争还没有结束那你怎么看你们像比如说跟KimiKimi做了Agentic的model他们就想走Clarko这条路那你们作为一个应用型的agent公司跟他们场景关系会是什么样的然后你觉得谁能赢我觉得首先我们跟Kimi从来没有任何的竞争因为我们没有国内业务我们没有国内业务国外的模型公司你们应该也在国外的模型公司主赛道上我觉得是的所以我认为最终一定是一个近合类关系其实我不觉得我们会输就像我们已经跟XGPT打了第一仗我们从效果上至少还是赢的你们中间慌过没其实基本就焦虑没我们肯定会焦虑但焦虑不是源于这个我觉得NANCE整个从一开始就莫名其妙火了到后来有太多事值得我们焦虑所以其实竞争是一种最常态化的焦虑它不会是占你生活中大部分的焦虑好吧你们焦虑的是什么每个不同阶段当然就不一样了比如说我们刚才说到了24年的90月份后面每个世界焦虑是什么24年的90月份其实在Manus做完到发布前那段时间是没有任何焦虑的因为很enjoy对吧很快乐很enjoy而且就是我们也都就所谓这个中登行型连续我们去做完Malice之后我们知道这东西一定会活是一个极有信心的一个状态所以就一定会成所以就是并没有太多的焦虑你做过程中哪个时候觉得一定会成其实就是当我们跑完了几个例子之后就是我们当时也就自己内部也没想好做什么其实当时我记得是涛哥吧跑了一个例子是找办公室然后拿着自己去找资料查地图写程序然后最后做出交付网站还提供一堆这个选项之后我们觉得这个太酷了一定能收但是后来一次次的这个跑不同的case的时候信心越来越强对当时是觉得一定没问题嗯那段时间你们公办公室的状态是什么样的就很high啊就是当时我们是在北京的那个ePark是一个共享办公室而且很小我记得刚开始的时候对我们那个工位只有六个就是北京这边然后对我去过那个地方对对对但是那个地儿我觉得特别棒的就他们的一楼环境特别好就我们拍最早视频的那个点对然后当时那个状态是什么就是我们都特别对不起周围的邻居他们就经常就听见有一个奇怪的办公室突然说哇全都是我跟涛根别的同事在吼叫我去的时候那天没人整个工区都没有人对对对所以那块就是完全不焦流发布后就开始交流说说你们发布的时候的考虑吧你知道外部对你们最大的几个质疑之一就是为什么要弄邀请马以及是不是过度营销好这两个问题我终于可以回答了就是我们其实很早就想去公开回应这个事但我们觉得你瞎回应也没意义我们当时内部就说你没做到一亿美金而言而言就不用搭理这个事现在当然我们可以回答这个问题了到了是不是早到了对所以我们想说其实一个月以前应该是对然后现在的话我们就可以正式的回应这个事首先我觉得邀请码这个东西是我们为所有人汤了一条很重要的盒但是我不是说创造了邀请码这个概念是这样就当时我们以前不是做chatbot吗chatbot当时讲到了它的消耗量可能是就是agent这个形态消耗量的几十几百分之一然后当时Nanus我们做完之后我们为什么要用邀请码这个机制且没上签钱我们就决定了用这个东西是因为我们在最后决定发布之前我们跟所有的云厂商和我们这个inference provider就是推理供应商聊了之后我们惊讶的发现了一个事实就是世界上能够在第二天立即到位的算力比想象中少太多了所以就是当时的情况是所有我们使用的这云和模型厂商没分提供这个量所以当时比如我们用CloudCloud说你们千万别放开你如果放开我们会挂所以对我们来说我们唯一选择方法就是去控量那控量的方法是什么那你就只能选一个类似于邀请码这种机制所以当然确实我觉得有别的更好的做法就比如说不应该有明确的一个码这样的一个东西比如我们给定向邀请这些东西对但是我们当时其实没有想太多我们就去把这个东西给做了但实际上我们后来就在跟所有这合作伙伴一起不断迭代这个过程中其实后来大家意识到了agent原来它销后的算力这个模式跟拆报是不一样的就刚才讲的prefilling跟decoding说三比一变成比如一百比一所以逐渐逐渐就因为manus的出现大家去适应agent workflow这样的一个工作负载然后再后来我就再用邀请马远我就觉得有点奇怪了就是我们已经帮大家蹚出了这样的一条路云场上也已经准备好了你还何必去这样做呢你想如果当时我们能直接放开那其实我觉得可能体验会比现在还要好因为如果充足的算力大家不会遇见那么多的比如说当时我还记得三月份你用这种可能就崩了对吧因为你真的没有那么多算礼物然后我们的scaling也没有那么好就会崩掉如果我们把这些事提前搞好那我们何必用用邀请买这个机制所以你觉得当时是因为云场上没有准备好云和模型都没有准备好就是那句话就是那如果他们准备好了你们的成本是能够handle住的吗handle不住但是因为我们对产品极有信心我们当时一天烧几十万美金吧我们觉得没关系因为绝对就是 [135:00] 这产品一定能成你们当时账上多少钱当时也没太多吧是之前还有融资额反正是钱是够花的但是其实也很紧张但是我们觉得这东西一定能成根本不慌就是绝对没问题实际上少所以很野的但是当时那个情况给你描述一下当时比如我们跟云厂商打电话我们说我们现在需要加到多少多少TPM的这种上限钱是吧上限当天我们说我们能不能临时加这么多然后他们说没问题你们是要下个月还是下下个月要我们说今天下午要然后但这没办法所以真的就那头一段时间就是真的是他们的物理层面上去班卡插在机柜上给我们用班卡插在机柜上给我们用我们当时就是为什么后来跟Google的关系这么铁就真的我觉得GCP在过程中当然包括后来Adge跟Device都非常支持我们就真的就是对我们来说是雪中送炭级别的支持这就从别的比如别的项目的可用区来把临时调资源给我们然后这才让Manus撑过了第一个月25年初大家都没有预料到今年的Tolcoin消耗料会指数级的增长对因为它的输入输出比例变了失调了这就为什么就是我说chatbot它的消耗量其实你是可以预测的因为人参与的频率太高了就是因为你得人触发才会有下一次的行动而agent首先它会持续自我工作而且如果你还react这个模式去看的话他的context其实是一个append only就是止增的状态如果你从模型视角看是每一轮迭代的时候你需要重新prefill前面所有的输入当然你会有kbcache在这但是他的输入的通过量是非常大的其实每一轮会越来越大越来越大所以当时就是没有这样一款真正的agent出来之前云场上没有准备好嗯 这是第一点但是你说的是你们上线当天给他们打电话那这个邀请马角色是在这之前就发生了对那么这个角色是怎么下来的就是我们需要一个控量的方法但是因为我们也没有更好的办法就只能选择就是用邀请马或者定型邀请但是我们觉得现在可能定型邀请会是一个更好的一个做法为什么呢因为邀请马的东西我们没有意识到这个东西我们知道产品一定会火但没想到会被炒这我觉得是非常不好的一点定型邀请你不能炒但是如果没有炒的话可能烘托不出来这种氛围但问题是我们在国内火没有意义包括Nanus跟Monica就我们上一款产品其实我们都一直做出海的这个其实也是当时我们觉得非常的冤的一件事就是你想中国这么多的企业在响应号召进行出海无论是AI或者比如说西音像这种做衣服对吧你其实你选择不同的market我觉得是很正常的一件事我们其实在中国比如突然火起其实对我们没有一个直接的一个作用反而会让我们就承受很大的压所以也是为什么Mandos当时上线是选择了晚上10点多因为那是北美市场的早晨对所以就是我们是为了北美市场选的时间对 是的是的这个是邀请马对这是邀请马炒作呢炒作好这个问题要非常郑重的回答一下就是我可以直接这么说如果我们在三月份发布的时候如果没有任何付费的宣传我死全家对这个是我可以说到这个程度就是你想我们为什么要宣传有必要吗对吧因为我们要做的是什么我们要做的是海外的prosumer的市场对吧那我们该做的是什么应该是去让那些真正我们要用的用户去用起来对吧而如果我们在国内比如说有人觉得我们买这些自媒体其实对我们来说没有任何的好处那有人就问那这些文章到底是哪来的我觉得有两点回答很重要第一点就是我们自己都觉得很酷的东西我相信大家一定会觉得很酷对他们来说这是一个内容他们值得去写第二点是什么就是我觉得可以掏用掏个例就怕说这是我们多年广结善缘的结果我们都是不是第一次创业了我们这么多年一直比较积极无私去分享很多东西我们也会上比如一些播客或者经常写一些文章去跟大家分享我们的见解其实渐渐渐渐的以前可能跟我们一起成长的很多小伙伴他也许成为了很厉害的投资人他也许成为了一个自媒体人那这时候他看见你的朋友在做一款产品的时候你是不是会很自然就打发出一句朋友的支持愿意去写一下所以我觉得大家把这个就是创业和媒体之间这些关系他想的有点太复杂了我可能也许我是就是什么这个一个偏见我觉得好像这个整个这事好像挺单纯的就是你做出一个好的东西且刚好是你的朋友大家就会愿意帮你一下因为这是一个广结善缘的一个结果但是我觉得Mindas火了一天它的热度好像迅速就降低了你觉得为什么因为我们在国内没有任何持续的我们其实在国内一直处于一个我们可以叫灭火的这样的一个状态因为我们觉得如果你把我们这个东西比如过度的比如说进行一些曲解或者对我们来说没有好处我们只是一款AI产品出海的一个应用不要给我们赋予太多的这些东西所以你看我们当时在国内我们所有团队没有任何的类似于对外这种发声其实都是别人在以一个第三方的角度来所以我们觉得在国内的热度区降下来是好的那在海外呢?在海外的话我觉得这个就是我们想要看到的就当时说有人就说我们在海外做营销拜托Andrea Kavasi你能买吗?因为这些东西你不可能买到了对吧?就是我们首先让我们的用户群就是最pro的这些人看到这个产品的价值他们先用起来然后他们去自上而下的去影响更多人去使用Mainless这是我们的用户群的价值 [140:00] 希望看到所以这个流程肯定没有国内那种突然火的那么快但其实也没有多少的时差基本就是当时国内好像3月5号当天晚上莫名其妙就火了但其实美国基本就在三天之后就开自下而上就火起来了而且我们去看了这两边链路基本完全不重叠链路不重叠对 是的就是海外火起来完全就是靠比如像Andra KipasiPatrick Collins还有Gary Tan这些人他们先用起来然后他们的影响力再去自上而下的去影响而国内可能确实是比如自媒体还有一些朋友他们就写了很多的内容你们当时准备的邀请码有多少个邀请码其实是在动态的加的就是说我们跟云上师傅打电话我们说现在比如能加到比如说20MTPS我们算一下那好那大概能加出这么多码然后更多其实后来的码就已经变成就是给朋友以外变成什么就是那种找过了我们就不好意思拒绝所以就变成了一个谁跟我们比较熟我们就给一些对所以因为在国内我们知道其实我们也不指望他在国内能比如很大规模的靠邀请码传播或者怎么样其实只是一种出于礼节性的给他就给了这个会让网络上很多用户的感受不好因为你们说你们有邀请码这好像也是一种承诺但是后来这件事情就不了了之了我觉得邀请码不了了之不是不了了之是后来我们用了极快的速度大概不到一个我们就把邀请码去掉了就可以随便用了所以我觉得这不是不了了之我这是最负责任的一个做法就是我们在云厂然后博星厂商的支持下终于不用邀请码了但是你们很贵贵我觉得不是我们的问题因为真的就是当时可以说一个实话Nin30Quiper因为当时的Token还非常非常的贵我们其实已经是在补贴用户让他们来体验Agent这个形态的产品你们当时的定价逻辑是什么拍的拍的对就是这个是我们觉得我们非常有问题的第一是商业化能力其实还是比较有限的第二我们的PR或者说这个这个marketing能力其实也很差就是我们当时定价的逻辑特别简单就是Trash GPD好像是20美金一个月而且我们死活想不通的为什么是20美金一个月后来当然也跟别人聊他们觉得Trash GPD好像当时也是拍脑袋拍的但是没办法直接就有一个毛在这所以当时我们想那我们就是从20跟40开始然后就延续至今因为这东西会有一很大的惯性就是你最好不要太随意的去调整你的那个价格对让用户可能会就已有用户你最真实的用户可能体感不好对所以这况我们就没有太大的一个变化定价没有什么逻辑是吧定价没有什么逻辑为什么不选择比它便宜呢因为是这样就是其实这个定价没太所谓因为Manus其实你无论你是给多少钱你获得的是一个credits的一个数量它是本质其实是一个按量付费的一个东西所以只是就保证一个就是基础订阅的一个价格在那那现在你们已经跑证了马上跑证马上跑证马上跑证因为其实是你要区分不同的tear因为我们还是有很多的免费用户我们人免费用户也是你可以说这是一种我们的社会责任或者怎么样就是我们希望有更多的人能够体验agent这个形态在minus整个就是做出来到火的这个过程中小红的决策是什么呢我觉得几乎所有的决策的最终决策的人都是他比如说太多了吧这你让我如何去美举你说火的过程中还是说就是从做到火从做到火那几乎所有产品的决策最终都是他了有什么是你们之间有一些争论的然后最后谁听了谁的这其实我觉得我们之间的争论都会非常务实这种讨论就比如说一些关于比如到底要不要做一个单独channel的这些东西然后最后的结论其实都是我们赶紧做一个试试所以其实到现在为止不同用户用的NAS可能完全不一样因为我们可能海量的AVTES在跑当然最终的话我们觉得最好的决策就是你限制一下时间就是别为这个事一天一天反过跑一直犹豫一直犹豫的赶紧做就好现在在市场上去找反馈对 是的你觉得你们今天的生态是稳固的吗我觉得不是稳固的或者说对于大部分创业公司包括我们在内其实我们都没有活着的权利活着的权利是自己持续跑才能争取来的活了之后生活发生变化没有有啊就非常忙尤其是就是就那几天那几天是什么状态那几天其实就是颠倒黑白因为我们其实非常理智就是国内其实骂我们也好或者这个就是称赞我们我们都怎么说就是没有办法我们也不想回应什么东西但真正就是我们的客户在哪里我们要关注什么所以那段时间真正的痛苦来自于颠倒黑白对因为我们要支撑比如说这个各个时区现在Manus用户其实遍布世界各地就真的是每一个大周上都有很多我们的用户所以那段时间我们团队没有现在这么大大家可能真的就是在不断的救火就因为今天可能这个系统挂了明天那个系统挂了所以天天就是在救火所以非常疲惫能睡几个小时那段时间那天我记得从第一周到第二周基本每天就是零散的可能加起来睡个三四个小时都是那种间断性的睡每天还是每周每天每周这就死了办公室状态也更嗨了是吗排在小办公室排在小办公室然后当时是这样我们武汉有很大的一个团队这也是我们经常反思的一点我们好像跨区域协作能力蛮差的所以当时大家想那算了大家赶紧出差我们赶紧在那个 [145:00] 楼上租了一个更大的一个办公室然后武汉同事赶紧能飞过来就飞过来大家不要在什么线上工作赶紧线下一起来来讨论方案然后那时候其实办公室分配没有更嗨真的就是非常非常疲惫甚至当时我们那个书架上摆的更多就是什么补给营养品补给对反正就是那段时间真的就是大家精神状态都很差我听说你们那段时间融资给投资人开会对那段时间很晚就跟投资人配置我们都是站着开对对对其实是这样当时我们还挺感谢投资人的你知道吗就是因为确实每天白天的时候我们看见的网上大多是一些比如骂我们的东西而是真的就跟投资人好好讲的时候得到正反馈是我们一天中最温暖的一个时候你知道吗好吧动人还是动的怎么看待你我为什么被骂了我觉得有几点首先一点是我最近意识到的一个事这是我觉得是最惨的一个点就是很多国内用户骂我们的根本原因是你用的根本不是manus然后借这个机会我一定要非常非常郑重的强调一下你在国去App Store上搜到的所有Manus都是假的那都不是Manus那都是来蹭我们人所以我们有一部分被骂的原因是你用的那个东西就是一个山寨品然后另外一点其实我也能理解就是因为一个产品如果是突然火了大家天然会觉得你是一个比如什么很营销或者怎么样的一个东西那这我刚才我也回应了如果我们当时有这种行为的话我先死全家对这是一个很关键的一个点但是我其实站在用户角度我也能理解因为你好听说了有一个很新奇的一个东西但是他没有提供服务为这种大家的这个愤怒我也是能够我觉得这是一个gap对这是一个gap是理解的但是现在对我们来说就是我们的团队能力是有限的我们很难去说比如服务于所有的用户比如说我们甚至说为了让大家能在一起因为我们的沟通能力很差那就大家都在一起因为团队带宽有限那么先盯着有限市场去做所以这个东西我觉得不是一个就是虽然可能让一些用户没能用到但这就是我们能力所限中国市场未来会好好做吗我觉得这个比较难就是对于我们来说我们也没有那么多的资金去进行一些怎么说就补贴性的东西就是我们之所以一开始选择出海其实原因也非常非常简单就是因为大家可能海外的用户对于生产力工具的付费意愿就是更强而agent就真的是非常贵的一个东西像我们刚才讲的agent可能有点像工业生产而不是传统互联网之后编辑为零的东西所以那我们就会非常非常慎重的去做这件事我们要先保证自己能活下去再去讨论这件事目前我们在活着的边缘那中国这部分的功能有谁提供你觉得我觉得这个功能其实还是比较充裕的就是在Nanus出来之后在接下来几个月中我看见有大量类似于Nanus的产品出现而且很多也是我们国内团队去做的所以我觉得这个挺好的但是真正的我觉得难点就是他们会跟我们预见一样的就是你到底要补贴到什么时候对你如何去把你的这个产品的商业化跑通这决定能走多远见了什么有趣的人我其实见人非常少就是因为我们现在分工是这样就是可能涛哥就张涛跟小红会去见更多的外部合作但是像我跟潘潘我们还是要保证这个产品的持续迭代所以刻意我应该去少见一些人为什么海外很多巨头都愿意见你们对我觉得几方面一方面是这样就是很多时候他们是同时具有云和模型业务的比如说像Google比如像Microsoft那自然就是一个非常好的一个合作相对于我们是他们非常大的客户但与此同时他们其实也在探索新的这些机会在哪比如说我们前一天跟微软一块发布了Agent 365这个东西这样的话就是你能把所有的电脑从一个PC变成AIPC我们可能是这样生态版图中的一部分然后更多的一些就是因为我们作为一个Agent整个行业的一个代表其实我们能给他们的一些东西其实影响未来他能服务更多人的一个范式的像刚才讲到比如说我们跟DeepMind这些合作跟Ware这些合作其实我们也在主动把很多我们在构建Manus过程中学到的东西以标准化的API的形式提供给更多的开发者比如前一阵Google Cloud开发者大会上Google Cloud CEO Thomas他直接就当着全场所有用户就所有开发者面说之前有一些只给Manus用的feature现在你们都可以用所以我觉得这还是让我们挺有成就感的就是我们不仅做了一款很好的产品且我们的技术也在帮助更多人更好的构建agent-1.5中间有什么knowhow吗我觉得这有一个最大的knowhow就是通过一个新的版本号是最好的让用户理解有更新的一个方式对这个很好玩就是大家可能已经习惯了像激动模型以版本来断代就比如说GPT3GPT4对吧但实际上我们做agent或者做系统的时候你很多时候还是在一个feature来不断去强调说这一个更新这些更新但用户的实感可能没有那么强所以-1.5它其实不是一个突变它很好玩它只是把我们过去一系列的东西以1.5形式打包了其实很多新的feature都是在过去几个月中迭代去上线的但这个过程用户就能直接体现到体感到好像非常不一样但说实话其实1.5发布那一刻的更新没有那么大这什么很好玩的一个发现你得让用户意识到你有变化用户才能 [150:00] 真的去感受到变化对这是第一点然后第二点就是Manus 1.5非常大的一个技术的演技就是我们把任务完成的速度进一步提升了而且这个是一个无损的提升就是说简单的就是Manus 1.5能够用更快的速度完成简单的任务但在更复杂任务上去投入更多的Inference Time的一个computer这方面也是比较大的一个差别但是放到这个平均体感上来说应该快了3到5倍你那天还发朋友圈说今天Manus有两件大事一个是1.5发布另一个恐怕要老了血回忆录再说了是什么事老了写回录再说了通用agent和插报未来会有什么关系因为所有的插报的也会变成agent是这样的但是实际上这个不是能力所决定的插报的跟agent我觉得是用户群决定的就比如说对于所有人来说他可能都有chat这个需求但并不一定所有人都需要高价值脑力劳动的任务但是我会自然的想通过他去做点啥他就变成了一个可能在AI时代最大的入口这是OpenEye的故事吧对这是OpenEye的故事但我觉得这仍然是一个传播链路的问题首先你在打的用户群你所瞄准的一个点工分析就不一样同时我们要保证的就是说对于这个用户群我们能永远提供最好的体验他们的需求跟XBOT用户是不一样XBOT可能很多人其实心里知道XGPT也许此刻不是最最好的拆报有实际上大家知道JAMIN3可能在某些场景下比拆GPT还要好但是对我来说无所谓因为我只是拿它完成一些就 quick and easy 的 task但是对于NetSEL打这群人他们的质量的敏感程度是极高的我们做过一些双盲测试就比如说我们抽5%的用户我们悄悄会用另外一个模型然后就发现那块用户的用户的满意度直接就下降了所以我们其实在服务最挑剔的一群人而他们永远要就是此刻这一个时间点上AI能提供的最高的水平Mindas活了以后飘过没有啊什么叫飘飘过没有飘就是人飘了不会因为我们其实每天受到的负面反馈会比正面反馈更多那会很悲伤吗也不会因为我们都是老灯中灯其实怎么说就有点心里憋着一口气就说为什么现在我们可以站着说这事就还是我们之前觉得说什么也没用你还得打铁需要自身硬我觉得Manus未来会有多大嗯它能服务多少用户我觉得不想用服务多少用户来说嗯而是我们还讲说就是到底对于每个用户能为它产生多少的agentic hours嗯那就是说对于一个高价值用户他可能能把Manus用的用量是一个普通用户的1000倍这实际上每天都在发生我们经常有一个用户一个能付我们几千美金为什么因为他有不断有很多的这个高价值任务要跑所以我觉得Nanth追求的不是DAU这是我们很早就想清楚的一件事而是把最有高教求的用户高价值用户的高价值 task做到最好体现在的可能更多的是我们的营收而不是DAU上这个是小红的想法吗这个我觉得就是大家align后的一个想法所以你们的公司指标是营收不是DAU不是DAU这个有趣你觉得这个创业逻辑跟互联网时代是不是不一样我觉得完全不一样原因是因为公司有token消耗不是就是两点可能刚才我们都多少cover到了第一点就是AI其实不是一个平台变化AI是一个技术增量所以其实它怎么说以前的优势是能够惯性发挥的所以其实很多场景下是传统的强者加上AI强者很强强者更强了虽然这词听起来比较悲观但是应该说强者具有先发优势且较好的利用了这一点对这是第一点然后第二点是我们就刚才讲到这个编辑成本问题就是目前为止AI还是更像制造业而不是像回应这个还挺理智的是是不理智早死了所以你没有试图去讲一个我要做就是全球第一的通用agent或者是全球最重要的入口的这样的一个故事这是两个命题我们一定要做全球最好的通用agent这是一定要做的最好的通用agents或者是全球最重要的入口的这样的一个故事这是两个命题我们一定要做全球最好的通用agents这是一定要做的最好的通用agents最高质量就是在当今一刻如果你抛弃一切成本或者什么东西我们永远要提供最高的质量这是第一点那如果有一个人来用低价打你们呢因为你们要那我们不用更低的价格打死他那他们可以不要营收大厂就可以不要营收啊大厂就不要营收你说来卷是吧对啊对但这个东西其实是这样我觉得对于一些用户来说他们其实价格不是那么敏感就包括现在Manus用户其实我们也觉得Manus确实挺贵的一个产品但是我们用户问我的问题你知道是什么是说Manus现在你说我40美金一个月你能不能让我看看如果我愿意付200美金它效果能变好多少所以我觉得这个Mindset是完全不一样的所以就是这种定价的优化基本不在我们的路线图里你们没有想要做最重要的AI入口之一这是一个目标吗我觉得首先一点就是可能不存在单一的AI入口就好比比如说现在移动互联网的入口是什么好像确实存在一些但我觉得对于我们所服务这个客群就以我们自己为例我们自己一定是Manus用户我们自己手机上也有XGVT这是一个当你足够的prosumer市场的时候这些人会自己知道什么时候用什么产品之前那个AI [155:00] 16Z有一个很好玩的一个调查就说如果你的手机上装有某些某一个软件的话那么这个用户的手机上安装另外一个软件的概率的最大异常值是什么这个说起来可能有点绕就是说对于一般人来说可能你安装某个软件的概率是怎样但是如果一个用户他手机上先装了一个软件那突然哪个软件的概率安装概率突然提升你发现装了XGVT Cloud DeepSync所有这些用户他们的最大异常值全是Manus所以Manus几乎是在跟所有这些产炮并存的一个状态当然这其实是好的解读坏的解读就是我们觉得目前Manus其实还远远没有渗透到所有我们想服务的用户因为目前还是就是最业内或者相对来说比较这个科技权的人充分了解了Manus但这就是我们觉得我们的marketing方面还有很长的路要走这方面我们的学习AI产品有垄断效应吗我觉得有但是就是怎么说就是AI产品的垄断是你能垄断一个类型但是这个类型可能也在不断的产生像比如XGPT我觉得XGPT也许还真算不上垄断因为GAMLINE最近势头也很好但你能垄断一种心智或者一个类型的心智才能建立一个品牌才能建立一个品牌才能像比如说Google这种搜索引擎这种它可能一个人统治90%市场或者百度在国内XBOW会成为这样市场格局吗我不敢说但是因为就我对搜索引擎市场可能我的认知也还在我还在做搜索那个阶段就我觉得搜索引擎市场非常特殊的因为搜索引擎其实一半是在内容里头就说你的这个数据供给是无法因为技术的迭代而去被颠覆的所以搜索引擎是一个非常容易强者横强的一个领域对因为你已经跟太多人产生的利益的关联包括你的广告商你的内容商但是拆报的目前为止可能还是因为到现在拆GPT也才刚好三年对我觉得还是一个比较早的一个状态比如如果你现在只是2002的谷歌的话现在一切还不好说而且好像还没有产生网络效应对AI产品的网络效应我觉得是好问题我觉得没有看到任何一个真正网络效应AI产品这是为什么因为所谓的网络效应我觉得更多是你能有两种吧一种叫 build on someone else's work就是说你能基于其他人的产出进一步的去贡献 这是一类然后另外一类可能就是完全是由于用户关系所带来的网络效应但这些东西其实在这两个场景里AI似乎都是附加值 对不对AI是附加值 对 附加值不知道加了它为什么就能进一步的连接人了人没错或者说AI不是产生这两个要素的关键点AI是能够帮你提效能够帮你完成任务能够给你产生结果产生交付那可能新的网络不是人和人的是AI和AI的或者人和AI的要这么说的话我觉得是有的就包括我刚才一直在强调一个词叫比如说基础能力或原子能力的网络强应就刚才我像我们讲过就MEDS其实增加能力是非常谨慎的但是我每次都要保证就是这个能力能跟别的能力形成组合权用了组合权这个词就是什么意思呢就比如说最早我们给Manus加入了一个看图的这个能力看图能力其实一开始想法很简单就只不过是说希望Manus能看一看它生成的图好不好但后来我们发现加了看图或者多么太输入能力之后Manus开始自己学会去检查自己做的网页是否能玩得通所以就是你增加一个基础能力的同时能跟你所有通用agent这个水平别的能力之间产生交互这不叫做可能能力原子能力的网络效应这是我们已经观察到了就是你可以让你的agent能力以一个指数形式提升这是第一点然后第二点就是如果你说agent跟agent之间的网络效应的话大家看怎么解读像比如说我觉得Manus的wide research就我们这个广域搜索能力其实也是一种也许是agent之间网络效应就是一个agent可以调度很多别的agent他们也之间还能互相通信去共同完成一个单独的一个agent无法完成的任务然后另外当然也有些人在尝试就是说让agent比如说加入到人的协作的上下文中这我们也在做一些测试比如说Manicin的能跟slack打通它能带来一个比较好的一个点就是很多时候我们的讨论是不带着AI的但实际上更多的讨论都是在人与人之间去无形中产生的这块可能就是agent跟很多人之间的网络效应但目前来看这可能还是因为偏专业吧没有大家想象中那种就爆发式的网络效应就是像比如说agent之间社交的这个形态的话那我觉得这可能不像是我们这种就做prosumer市场的人所能看到那可能更多是偏娱乐这个领域像我刚才讲的就是让agent代替人去社交这可能也是一种网络效应的如果一个公司要做某一种agent他可能希望被minus要用你对他有什么建议我觉得这个东西其实你不需要为minus做任何的优化这是我们非常坚持一点就是其实是这样你看现在我们觉得做agent最大的难点是什么我们可以反向来思考这个问题是因为就像自动驾驶一样自动驾驶是物理世界所有的基础设施是为人而设计的而现在赛博世界所有的这些基础设施包括网站网页或者这各种APPAPI都是为人而设计的所以Nedus我们想法是我们不能指望一夜间世界就为agent做好了准备而实际上我们应该去不断的让两个 [160:00] 和相向而行比如说最简单一点就是现在大家有了MCP这个概念但实际上MCP面临诸多的问题比如说生态不成熟很多就是开发者提供的MCP服务本身质量就参差不齐且大部分的服务其实是没有MCP的所以Manus的选择是说如果有MCP当然很好我可以用MCP但是别忘了Manus是一个通用agentManus如果一个程序员能通过API的形式去调用一个服务的话Manus可以去自己学习这个API文档然后自己通过API来使用如果再不计你这个服务连API都没有那你总是给人用的那你大概率有个网页那Manus会再一次降级通过浏览器去模拟人的方式去使用这个东西所以我觉得对于第三方的agent来说你不用为Manus或者说未来的通用agent做任何的适配应该是我们去适配你agent的网络可能会形成成什么样agent的网络我觉得这个词很大就是我知道OpenAI有一个它的L1的L5的那个图但我觉得这可能只是OpenAI的观点可能不算是一个非常共识的一个事我们可能还是从更务实的一个角度我觉得如果你考虑agent有更多的proactiveness就是它的主动性的话那agent的网络可能会形成就是相对于有一部分垂直agent它其实掌握一部分数据性的差异比如说有些数据只能在某一个垂直agent那里获取那可能我觉得它的网络与其说是一个就是全联通的网络更像一个星型的就是说星型的星型就是Star对就是说它有一个调度者有点像你刚才说入口那个概念它在利用不同的Agent对但是呢它可能难以形成一种完全互通的这种全联通的网络所以通用Agent会成为那个入口我想是的为什么会是这种结构你觉得因为就还是刚才那点就是如果你做着垂直agent你在做一个工具如果你在做一个通用agent你在模拟一个人所以做垂直agent应该是为像Minds这样的公司做为agent做还是为人做我刚讲这就是两条路就是如果你想做一个给专业人士就刚刚讲的就是你如果想做一个剪辑agent且为现有的剪辑师去做的话那你会做得非常垂非常专这是给人用的但如果你想做一个为非剪辑师但有剪辑需求的人做的产品那你可以考虑做一个非常简单易用的界面同时也暴露出足够多的API然后我们一起把这个生态给做好对不起API或NCP你说你坚信纯学派Agent什么叫纯学派Agent对就是Agent这个词的定义其实这是一个很含糊的一事我觉得大本时候大家会把两个概念混在一起谈一个叫做Agent workflow一个叫做Agent这方面有一个blog写的表情细就是说很多人说agent要追求一个稳定性的话那你可能更多的是在一个workflow的方式去做agent但在我们眼中这个不叫agent这个就是workflow而我们认为什么叫纯学的agent就是说他其实没有人为家的约束而是说完成一个任务的所有的过程和方式是由智能本身决定的这个我觉得他的天花板会非常非常的高当然你跟现在此刻来对比的话可能agentic workflow的可复现性会好一些但是我觉得这也是一个可以解决的问题所以我们非常坚信就是要做纯写的由智能主导的agent而不是以规则主导的agentic workflow这才是更符合我们刚才讲的The Better Lesson的这一个事用通用的方法投入更大的算力去解决问题而不是加入更多的人为的知识这在你的实际工作中有做过这样的类似的选择吗有了有了有了这是我们每天都要讨论的一个事就是可能比如舍弃过什么其实舍技的东西非常多我举一个比较简单的例子就是说你要让一个agent做数据可视化工作对吧那么比较简单的比如产品驱动的纯产品驱动造反应该说好我要保证所有语言下的数据可视化的效果非常非常好你不能因为有不同的语言而产生比如有字体乱码这些问题这时候他可能把这块写成一个叫你叫做subagent-as-tool或者说你写很多的单独的prompt就说当你要这个比如说数据可说话你应该注意什么什么什么东西写一大堆的这个guardrail你每增加一条约束其实你都在减少模型的diversity减少模型的一个多样性那这时候我们的做法是什么呢其实就刚才讲的我们只不过是加入了一条查看图片的这个能力而这样的话我们期望的是什么是智能能够通过自己查看这张图自己发现说我原来有自体选择的错误导致中文渲染失败而去修改这张图这样我其实解决的不是一个问题比如说他还能检查到不行我画的图表它其实有两个元素重叠了其实能够去修复它所以这样的话你应该能变成一个打鸭子那种在赌说的漏洞变成一种你在让智能的泛化性在帮你解决更多你还未发现的一个问题所以我觉得这是纯血派agent的一个思维方式当然你做这种直接去修补这个事永远很有吸引力的而且这更符合传统软件工程和产品经理的直觉那这时候就是我要站出来的他的职责就拦住所有人不要这么干你还说市场上关于agent的做法都是错的展开讲讲没有都是错的像刚才我讲的一点就是很多人过于执着于让agent的模式 [165:00] 就是人类的分工这件事我是非常不认同这一点对我就说就是不要把人因为生而为人的限制搬给agent你应该站在模型的角度去思考问题或者说我们在做产品的时候经常说一句话就是如果你真的是在做一个agent你同时在做两个产品一个是给人用的一个是给agent用的而这两个东西的思维模式是不一样的但就需要一个很好的一个技术架构把两者融合在一起给agent用会是什么样的对不起给模型用的给模型用的会是什么样的就这么说吧就是模型其实它的思维模式跟人是不一样的或者说它根本就不是人而人的话你是因为你有一些先天的训练所以说我是一个设计师我更懂什么我是一个程序员我更懂什么但讲真大家用的模型现在其实都是一个通用的LM那这块其实这个假设就是错的对吧那其实你应该做的事情是减小它犯糊涂的概率而这块的话你的做法不应该是说我赋予你一个人格你怎么怎么样而你应该是通过一些context engineering的技巧比如说可约束解码Action Space的设计这些技术来让他更好的去完成他自己分内这事但又不让他丧失全能性这我说的可能有一点空泛但是可以参考我之前发的各种文章所以把agent的人格化是一种人的自恋对 是的这也是The Big Lesson里面说的是吗The Big Lesson里有这句话好多多人会给大家读一下这个那我太同意了你们的组织有发生过变化吗麦娜斯出来之后有的而且我觉得这个其实不仅不该说叫变化吧就是我们也在探索一种新的可能性因为其实在此之前也没有所谓真正的那种就是就纯粹的agent公司然后我们觉得现在我们结构的话可能有几个比较特色的点可以分享一下就是比如我们现在还是大部分都是研发但是团队的话会比以前的这种软件开发会更奇怪一点当然你传统的比如说移动端前端都在然后后端商业化这些都有但是我们会有两个很好玩的团队一个团队叫做Sandbox Team其实就是负责虚拟化跟运行环境的团队他们要维护的是一套给Agent使用的操作系统这刚才讲的就是负责给Agent做产品的一型人然后另外还有一个我们就叫做Agent Teamagent team由这个就是所谓的这个agent工程师他可能负责的就是说整体架构的开发然后还有一部分是evaluation就是评估团队还有就是一个很小的research team这三部分人共同组成了agent team这个大概有这个十几二十个人我觉得这个就是agent teamsandbox team可能是传统意义上来说可能会被融入比如广义的后端研发当中但我们会发现它其实比较不一样因为它在做的这个事情不是面向人的是面向模型的一个工作他们的工作主要会包括哪些我们意想不到的意想不到的我觉得对我来说当然都是意想得到的事情但我觉得有几点就是好像Zandbox团队在做的事情更像是在教一个不会用电脑的人如何更好的用电脑对而这个agent team在做的事情其实是说如何设计一套稳健但统一的架构让我们能够持续的跟上模型的进步这个其实是很有意思的一个话题就是因为模型进步的速度真的非常快可能如果你考虑到不同厂家都在迭代那基本是一个以周围更新的一个变化那agent team他主要的工作既然是agent的框架那么如何去保证能跟上的所以我们自己有一套比较好玩的方法我们叫做弱到强的衡量这是什么意思呢就是你其实整个agent中你有两个外部变量对不起不要外部变量就是有两个重要的变量影响你的质量一个是模型一个是agent框架这块你要做消融对比就是Ablation Study这块的做法是什么因为模型的未来的变化我们要保证每一次模型迭代我们的框架能够受益最多我们做法就是说我们先把一个当前版本的agent框架进行锁死然后选一个同源的模型家族比如说同样你都选择Gemini或者选择Cloud你拿它的弱版本跟它强版本进行对比跑同样的venture然后你不断调整你的agent框架来让它之间的delta最大这样的话我们能够希望就是说当下一代模型变强的时候我的获得的增幅是最大的这块就是我们的agent team和eval team要经常关注的一个点文化有变化吗文化的话我觉得有一些就是可能从Monica那款产品它是一个非常大而全的一个产品当然就是Manus也很全但它做法不是说在单点击破之前可能更多是觉得用户有需求我就要去做我的做法是用一个最快的路径点到点最短的一条路去实现而Manus的法其实我们会有非常非常多的考虑就是说你这样一条路你是能走通但你有没有跟别的原子能力产生网络效应所以现在我们做每一个新功能前都会非常非常的慎重而是要保证说每新增的一个单点的能力又不是一个单点这句话说的好绕就是每增加的一些能力都让系统整体获得一个收益嗯所以是一个非常的节制的一个状态这跟以前现在很不同你们放弃过什么feature没有呃放弃的feature 我觉得非常多比如说呃像很多语音相关的事我们其实都放弃了为什么呃语音输入我当然觉得很有很有用但是比如说这种语音的输出 [170:00] 或者主动调用一些东西我们觉得首先这类东西不一定要由我们第一方来全部做完因为我们跟大家不是竞争的关系比如说我自己我会直接让Manus连接我的Granola跟Notion我去使用这也没有问题然后还有一些功能就比如说像生图跟生视频虽然我们有这个功能但我们也没有非常非常的大力的去优化它因为我觉得这个东西是一定会做的很好的一个基建上面的事情我们没有特别多差异性的事我们没必要非常深入的去做然后更多的这些事情其实我们都是以一种非常开放的心态去做就是如果这个通用agent靠自己的泛化能力就能解决的话那我们没必要去专门去做这件事因为我们很可能投入不够却给用户做了一个次选这个是不好的因为别忘了我们用户是最高价值有最高要求的用户他们值得最好为什么你一直在强调你们跟所有人都不是竞争关系因为我觉得这是事实这就是我们做海外市场之后发现的很好玩的一点就是他们可能因为之前SaaS领域做的实在是太成熟了所以就是不同服务之间的互联互通即使一个技术层面的事其实也是一个你可以想涉及到branding的一个概念就比如说我们经常会跟比如像Notion跟Microsoft还有别的这些创业公司我们一起做联合的一个发布因为很多时候都是一个当我有一个能力你有个能力的时候当这条边联通的时候它产生的价值是非常非常大的而且Nedas做一个通用agent我们一次甚至能串击多个服务像我刚才讲到的我自己的使用场景是NotionGranola和Ashby三个服务之间Nedas把他们都串在了一起所以我觉得与其跟每一个竞争你去做一个比不过别人的东西你为什么不让大家一起去做呢这个我觉得就是我们获得的很大的一个从Monica学到的经验就是如果你要做很多单独的feature做起来一时爽但是你要维护它并保证的功能是长期有竞争力的是很累很累的那可能会导致你的团队无限膨胀所以这是一个不好的一件事情应该去充分利用这种别人做好的东西并产生一个synergy而不是去跟别人直接去硬碰硬你过去这大半年做的最重要的几个技术决策是什么你作为首席科学家我觉得有几个第一个就是我们没有盲目的去追 reasoning这条路对就是刚才讲到的就是其实你按现在比如朴素意义上的 reasoning model你会导致Sertion Following跟这个Full Co-Hallocation的增加所以这个是我们当时做的比较重要一点我们用了一个比较另类的方法就有一个单独的Planning Stage来做的这个事然后还有一个比较大的一个点是我们对于MCP的决策是非常保守的这个其实MCP出来之后整体业界都非常的High然后很多人就开始去接但实际上我们当时觉得这个会严重污染你的Action space而且会导致你的这个缓存命中率就是因为你每次你去动态发现工具和这个和卸载工具都会导致你这个缓存命中率下降而缓存命中率下降会严重影响你的成本所以当时我们也是花了一些精力我们去研究了一套就是不在原生action space内的MCP调用方法这个后来当然也被M4FX写成了博客然后还有一些像我们其实整体的context engineering你是做了非常多的工作的而且这块我基本全都给共享出来了像比如说对于文件系统的使用什么这些东西对我觉得就是一些连续的技术方面的决策吧我觉得没有哪一个是最重要的一点因为我觉得做agent其实跟迅模型很像就是你其实更重要的是做对一千件小事而不是做对三个大事你有后悔的决策肯定也有比如说但我觉得后悔的可能都是更细微的一些事就因为我们调整的非常快所以很难形成真正后悔的东西对模型就是在模型决策上你有什么后悔的决策没有在用模型还是训模型训模型是有一些比如说一开始有点太盲性小模型其实参数量还是很重要还会盲性小模型对因为当时其实有一点是这样的一个假设就是说对待会可以换一个方法来回答我先说完这个吧就是当时的想法是Agent其实能更高频的与外界进行数据和环境的反馈的获取那我们当时想是不是有一种可能性就是小模型跟大模型里头一部分参数量都用在了参数化的记忆或者知识那对Agent来说是不是参数化知识没有那么重要而如果你小模型有足够强的工具使用能力的话知识是可以动态弥补的但后来发现怎么说实验结果是不是的但我们在反思为什么也许是这样你很难去完全分离什么是知识什么是记忆哪些是泛化能力哪些是参数化的背板后来发现这是不现实去区分的所以大参数量还是有用我听过一种说法就是说他们觉得minus只有你一个是研究员或者说你的研究工作是独立于所有人的他们觉得这种研究员的配置和管理方式或者组织方式跟不上现在全球frontier lab的竞争我觉得这个问题首先它的一个基础假设是错的不止我一个人我们是正常招researcher的另外一点就是说我觉得首先有点是跟上所有Frontier Lab这件事是不成立的就是我们的目标不是说要跟上所有Frontier Lab在模型方面的工作我刚才一直在强调一点就是说我们跟至少现阶段跟所有Frontier Lab还是一个共建的关系或者用一个更公益的 [175:00] 来说是我们成功的把模型训练这件事外包了出去那么这样其实就是用户给我们的钱同时服务的用户且让我们有影响力让别人帮我们训模型那我们内部research团队更关注的其实是一些非共识性的东西包括其实很多context engineering方面的工作是要做大量实验的这些东西不是一个怎么说就是纯靠工程能解决的事你前段时间在做online learning这个有没有什么可以分享的是的就是首先online learning这个词它现在的解读有狭义和广义的就是现在狭义上的online learning大家可能会比较关注说到底能不能通过持续的改变参数而获得一些改变这是一个严格上的定义但实际上online learning我发现现在大家把三件事混在了一起第一种可能就刚才讲的这是狭义的online learning第二种应该是mass personalization就大规模个性化第三种其实不是online的learning而是更像我上一代创业做Maggie的时候我们做的应该叫continuous learning或者叫lifelong learning这三件事解决问题是不一样的比如说你如果要做mass personalization就是大规模的个性化的话其实你并不一定非要用一个参数化的方式去做比如说你可以像我们刚才讲那种基于用户的协同的一些行为的模式来比如说甚至你以Prompt的形式去动态注入一些东西通过in context learning的方式让模型的行为发生改变这样其实更高效的因为如果你为每个用户即使你比如很小像那个multi-lora解决方案其实你也让每个用户有一个不可复用的参数在那里头那么你的推理效率可能会变得更低所以我看也有些解决方案什么S-lora什么Punica是吧还是什么东西我有点记不清了比较老的几个工作他们号称能够解决Batch Size的这个问题但实际上你的推理效率其实还是降低了的因为很多时候你需要规模效应才能降低成本这个降低latency所以我认为就是mass personalization就是大规模更新化你不一定要以online learning或者以参数化的形式去完成这是第一点第二点就是说到底是要持续学习还是说在线学习这个我觉得是一个非常大的一个区别这个更多是看你的目标是什么如果你要建模的任务是一个理想分布随着时间而改变的情况那你是要做持续学习的比如说我很难想象哪些领域可能像金融市场也许是这样的就是说今天的正确答案不一定是明天的正确答案那我觉得你作为一个作为一个真正online的learning是很有价值的但实际上你看现在一些所谓的online learning的practice其实我觉得它只能成为一个on policy的持续学习像比如说举例有一些coding agent的公司他们在说我能通过持续在线去收集用户的一些接受率和rejection接受和拒绝率来优化一个比如说type补权的准确率但你看这一个任务其实并不会因为时间的改变而影响它的理想分布这样的话我觉得你其实只是一个on policy的数据收集并周期性的在优化你的模型这个更像我们之前就之前做Maggie时候做的这个事情但你会发现如果你的任务本身不具备这种动态性能其实你很快会让这个benchmark你去sortrate它你会打透这个benchmark所以它不是一个有持续提升空间的一个事情对所以我觉得这个东西还需要去持续去看我没有看到一个非常值得我们在agent领域立即下注的应用你觉得Agentic的模型应该怎么选你觉得给这些模型常常有什么建议对 我觉得刚才已经提了几个了第一个就是与其充分的去无限的去扩展Context window不如让模型学会这个Compaction Awareness就刚才讲的就是让模型意识到自己的上下文可能会被压缩并做出更好的一个选择更好地了解文件系统该如何去Uffload跟Retrieve这是第一点第二点就是刚才讲的关于这个Reasoning的优化的目标不要以这个比如说这种纯刚中之脑的形式去做你应该去考虑到如何更好的去结合这个observation或者有个词叫TIR叫True Integrated Reasoning就是有工具集成的推理这个是一个非常重要的一个方向它跟这种完全靠这个RLVR去解这个竞赛编程和数学是完全不一样的一个思路第三点其实可能跟agent的工况有关就是在chatbot场景下永远是用户跟模型交替之行这样的话就是用户跟agent应是你等我我等你你等我我等你而Mandas其实刚出来的时候有一个让大家都觉得非常新奇的一个体验就是说agent在持续工作的过程中用户可以随时插嘴要么是改变目标要么是补充信息甚至是去终结它这个其实很多模型还没有完全掌握这样的一个交互的一个模式它可能跟用户是处于一个异步的一个空间中对这个也是我觉得非常值得去做的第四点就是我觉得模型应该更关注一些error resonance就是说对于错误的处理和恢复能力对这个东西我知道在agent coding领域其实已经有了一些更多的关注因为其实如果你把agent部署在真实环境中就是错误其实是一个常态因为可能来自于比如环境的报错比如说系统一定会有问题资源受限或者你写的一个代码会报错但实际上有很多是非代码性的错误就比如说你在做一个slides或者在做一个pdown的文件处理的过程中你会遇见很多意料之外的事情发生而你发现有一些模型它可能要么会放弃掉要么它可能会甚至进入一种类似于死循环那个状态但最好的模型应该是它永远能找到一条别的路去尝试这个是需要专门去训练的一个事目前我比较想强调的就是这几点你的微信为什么一直叫微信小住手我觉得就是一个娱乐精神而且很早的时候就叫了这个名字当然就想看一看 [180:00] 就是有哪些跟微信官方很像但是却仍然能被使用的ID最早想叫文件传输助手但是意料之中都不能用然后后来当时因为微博的官方号叫微博小秘书所以我就试试叫微信小秘书然后后来腾讯也果然禁止别人再叫这个名了然后我觉得很好我就保留了这次创业跟你之前两次有什么不一样的地方我觉得首先现在创业的成本比以前还是要高不少的高多少直观感觉因为之前刚才讲的就是你如果做移动互联网的话其实你的编辑成本很低但现在的话其实上来就是挺重资产的投入比如从MEDAS上线第一天起基本就是几十万美金几十万美金在收所以这是第一点然后第二点就是我觉得这是一次让我们充分的参与全球竞争的一次创业然后我们甚至经常内部开玩笑说有一种从CBA打到了NBA的感觉然后确实就感觉可能我们之前哪怕在做Monica的阶段经常也觉得好像我们做的还不错了然后到现在的话虽然我们就说MEDAS现在可能已经100MNR了但是如果你在横向看同样的这些各行各业的头部选手的话我们好像又不算什么就可能这就是一个NBA的平均水平所以就觉得还是在学习中过去一年对Red有什么新的认识吗对Red的新的认识对小红我觉得是比较符合预期的就刚才讲到就是情绪依然很稳定但我觉得可能更多了解就是我觉得即使像他这样就是可能比我经验更丰富的连续创业者其实在很多时候还是依然会有很多人性的这个脆弱对就比如说我们经常讲好像我们不在意或者怎么样但其实有时候听到一些东西大家心里还是觉得挺尖锐的然后小红可能比我没有我那么没心没肺他很多时候还是比较容易受到这些事的影响他会不开心对吧他会不开心甚至就是就很着急我觉得这也就是团队在一起的好处我们可以互相分担一下痛苦虽然小红经常说一句话就是说接下来一段时间我可能很抑郁你们不用帮我但是谁会真的就放他不管了对吧他反而情绪不稳定是吧不是不稳定他的情绪是稳定但他很容易就是低落他不会那种就很忽然他没有我刚讲就是艺术家那个问题但是他也是比较容易受伤的一个更感性一点对其他团队其他几个成员呢我觉得你们之前之前是什么样的协作关系我觉得是这样就是大家其实在共同的话题上讨论能非常多因为刚才讲的就是每个人其实都有很综合的经验但实际上现在的话大家因为数业有专攻比如跟涛哥的合作就会非常有意思就是涛哥其实真的现在是我们觉得是他出差胜体就是经常要去全世界各地去参加一些比如跟合作伙伴的活动这些东西所以涛哥更多是给我们带活一些比较新的方向性的内容我觉得这其实可能是做CPU这个角色的最高境界就是他其实是不仅是一个对内的产品的指导更多的其实是一个对整体行业有产品洞察的输出并带回了来自交叉的观点来带回交叉观点回到给我们所以其实涛哥很多时候给我们是一些非常宏观的一些一些建议但是很快都能落下去比如刚才讲的wide research也是涛哥在飞机上就是他综合了很多不同的想法之后我们一起讨论出来对然后像更多的像这个比如就marketing这边我们可能觉得我们正在有一个比较大的思想的转变之前或者过去一年中我们经常觉得Nanus是一个Nanus的增长是我们叫内部开心的踩着西瓜皮其实我们几乎就没有什么定向的增长的动作这可能也是我们刚才讲的就是让用户自发选择的一个负面作用就是说我们从没有引导过或者说我们想获取哪一类的用户完全就是什么用户用我们就服务他们但实际上如果你从一个获客和增长的角度来看的话这样好像不是非常的主动或者说不是非常的可控所以我们觉得就是我们接下来有一个转变就是可能更多由产品驱动采西瓜皮变成一个我们服务我们的增长去做很多的功能性质的东西这是一个比较大的一个变化对然后像内部运营的话我觉得这一直都是贯穿始终的没有什么跟别的公司有特别不一样的点吧产品和模型谁的话也全更大产品和技术在你们公司产品跟技术我觉得是这样就是我们首先明白技术是要服务于产品的但是技术基本对很多事是有一票的否决权比如说就是刚才讲到比如说产品可能会有一些非常诱人的快操猛的做法像刚才讲到的就是一些事情你是否要放弃纯学一阵这个想法而采用一种有快速的一种fix那这种情况无论是我还是技术都会站出来直接阻止这件事发生你们大概是产品两票就是Red和张涛然后你和潘潘是技术两票不我们非常反对投票这个概念因为我觉得投票这件事其实是在异化团队因为如果有不同的观点的话大家可能会为自己的观点去服务你应该看的是目标而不是投票的一个手段大家如果目标是一致的话你一定能去达成一个共识但不是通过只是明确的去站队去投票所以我们几乎不会搞投票这个事你们就是讨论谁会更强势一些呢其实讨论的过程中没有人强势 [185:00] 期待RED来做一个最终的一个拍板所以讨论的价值我觉得不是说讨论出一个结果而是说更多的人提供出更多的方案就刚才讲的alternatives就是一件事其实如果目标是确定的话你有越多的可选方案越好不一定是就是你要想办你想出一个最高质量的要不然的话你供给大家做决策的选项都不够多现在这个公司是100人之前两公司的团队大概规模多大我以前带过最大的团队也就10个人左右第二家公司10个人是的你觉得AI时代的公司的组织方式和协作方式发生变化就是组织组织有没有变化我觉得组织的话变化其实可能没有大家想象中那么大但反而组织中多了很多的AI这其实也是我们比较在主动引导的一件事就是像我们公司有一个很优厚的一个条件就是说如果你使用任何AI产品不只是Manasol比如说你使用别的第三方的AI产品我们都尽量全都报销我们非常鼓励就是程序员比如用各种coding的agent然后对于非程序员的话你有各种能提效的工具你都全都可以使用因为我们觉得作为一个家AI公司你首先点员工去了解现在到底发生了什么业界的前言是什么东西所以我们觉得与其说是整体的就组织结构变化不是发现更多的人可能让他自己有了两倍十倍的生产力的提升但他并没有还没有到一种就是AI能够替代哪些岗位的一个状态你是不是不喜欢管人我非常不喜欢管人我一开始就说了这一点我觉得管人很痛苦你为什么不喜欢管人就是人的这个复杂度比AI还要高而且就是人的复杂度其实是怎么说呢会随着人数增加还是指数级增长的一个复杂网络但其实程序你写的好的话你有足够好的设计模式的话整体的复杂性的增长是可控的我觉得你性格很开朗你为什么不喜欢管人因为你除了觉得人复杂还有什么原因吗我觉得就是他是很占用我的带宽的因为我觉得就是我的体力其实挺差的没看出来我只是跟你聊的时候能聊的比较多但其实我体力是挺差就是如果我一天我把更多的时间花在了就是管人或者说广义的非技术层面的事的话我每天我的有效的输出就会变得少很多而现在的话就是我认清了一件事就是比起去弥补自己或者去补强自己哪方面的能力不如把这方面能力外包出去嗯嗯还是自己做最擅长的事情是的是的要么不值得呀嗯你觉得AI时代能帮助人更好的做做人吗啊我觉得一定是可以的嗯就是如果用一个最极端的想法来讲就是我们不喜欢的事都被AI所取代的话那剩下的东西其实就是人自己对吧就是很多时候大家对AI的恐惧有点像比如说当年纺织机被发明出来之后他们会担心说如果有那么多纺织机那纺织女工是不是都要下岗了但实际上确实是很多人不再做纺织女工但他们获得了全新的工作和全新的生活对吧甚至你也解放了很多东西我就现在就是大家对AI的这种恐惧和人的取代的核心恐惧在于你AI用的不够多我觉得就是像以前比如有了汽车你能去更远的地方在十年前你可能要学会用电脑才能找到更好的工作现在我就是学会跟AI共处之后其实没有那么多的恐惧反而是给你解放了更多人的一面你对于十年后的Agent或者AI的世界有什么想象我不敢想象因为我觉得我们的视野只能有三个月的视野三个月后呢三个月后我觉得就是首先就是大家在Proactiveness这件事上会有很大的一个进展就是头一次可能让人跟AI交互的时长变短但是产出价值变高第二呢第二的话我觉得应该还能看见一次较大的成本降低这可能像Cloud Opus 4.5已经给大家一点曙光你怎么看现在的大模型产品的Sota的排名一直在变我觉得这个是一个比较意料之外的一个事情就是因为国内或者说开演的我们先不说吧就说像国外这个头三名就是OpenEarthropik跟Gemini他们其实之间我一开始预期是可能有人会掉队因为当时我是用一种比较朴素的思想在想就是到底谁掌握硬件或者谁掌握scaling但目前来看可能就是因为大家还是在一个标比较分化比较diverse的方向在努力但是实际上你的排名最后衡量的其实是一个综合的体验所以如果你仔细看的话他们可能其实是通过一些长版来拉出了一个平均值较高所以我觉得这个是确实跟想象中不太一样但是这个事这么看来可能也会再持续一段时间你觉得模型的竞争什么时候可以看到终点我也没有终点模型竞争没有终点这也是为什么我不做模型产品的竞争有终点产品竞争也是没有终点什么时候会有一个相对的稳态移动互联网可能到什么时候稳态是当真正已经用户的时间被刮分完了之后出现了移动互联网的稳态可以这么说吗好像是对但是我觉得现在AI的有限资源是什么AI目前至少我们努力的方向是不 [190:00] 用用户的时间而为用户创造价值所以这一个约束条件消失了那是不是会达到稳态呢那是因为你们做的相对还是帮人提效的还是工具类的产品对吧当然你不想说你这个工具或者说不是因为是工具类而是因为NATIS或者说Agent他其实是在减少与用户直接交互的时间但在持续后台创造价值所以就说人的跟产品交互的时常不是一个有限的约束条件像之前比如云南互浪时代无论你做哪一个类型的产品你都绕不过你本质上在跟抖音竞争因为抖音失了很多用户的时长但现在我觉得AI是不一样的但AI实在肯定会出现AI实在抖音就AI实在让大家更好的娱乐产品对但是我就说你娱乐时间你可以多花在这个AI的文化上没有问题但实际上因为你能调度很多异步的agent大家都在跟你不交互的前提下给你提供价值你也会为他付费所以我就说他不会因为用户的总注意力时长而产生一个瓶颈导致稳态所以我现在还没有想出来就是AI时代到底什么是产生稳态的那一个约束条件你觉得今天在这个AI浪潮的哪个时间段来特别像你过去创业的哪个时间点我觉得有点像2018年2018年就是因为你刚才的一个约束条件说更像我上次AI创业的时候的哪个阶段就是现在大家可能看到了像当年Transformer出来之后的那一阵疯狂然后BERT给大家带来了第一批英文的落地但实际上现在也暴露出了当前范式的一些你不能说增长法力吧就Scaling肯定还是有用的但大家一直在期待一个下一次的接约性的变化但是2019年的GPT3可能是我心中的那一个接约的一个点你的Scanning Law停止了吗我就没有停止因为Scanning Law你要看狭义的Scanning Law其实不是大家想的那么复杂你关注的只是Loss曲线我觉得这个东西肯定还是能降的广义的呢广义的大家就经常觉得说我固定就是比较投入多大的算力因为算力基本等于你这个模型参数乘以一个训练的Token量大家就期待说我加多少倍之后能解锁多少新的场景这个东西我觉得是很难保证的因为你不一定就说你模型在翻多少倍之后就以前没被发现的能力就涌现出来但实际上现在我们觉得即使模型的能力没有解锁全新的使用场景现有很多的场景你的质量其实也是不够的但是其实对于用户来说质量往往可能更重要这样的话你做产品的团队能把这事进一步去深挖所以就是agent我觉得当前很大的问题不是说有哪些需求没被满足是它的完成质量还需要提升这个靠Scale一定是有用的那明年agent会爆发agent已经爆发了已经爆发了agent已经爆发了只不过就是我觉得大家可能没看到那种就是想象中那种就是一片勃勃生机就很冒出很多东西为什么呢我觉得就是Agent现在处置的一个状态就是我刚才讲的就是场景大家都在挖但其实每一个场景都还差一口质量的就差一口气这一口气可能是质量决定是完成度决定是模型能力决定的吗我觉得很多方面既有模型能力也有你这个环境的适配你的context如何获取以及整个这个东西是需要一个就是整个ecosystem去共同去进步的像我刚才讲的你在使用Agent过程中很多时候是一些人为的制约比如说你被Cloud Flayer就是那个人机验证给拦住了或者说有些网站那他就是不想让这个agent来访问所以这块是需要很多的一些非技术的场合因素去合作但是这块目前也看见很多很积极的进展像比如我们最近跟stripe就在做agent的支付这些东西如果能有支付在其中的话其实很多东西会变得更顺畅所以2026年agent会进一步爆发我觉得一定是的在你眼里的agent公司除了你们还有谁做的比较好我觉得做agent的公司非常多像比如说你如果看垂域的话像Sierra,Lagora然后coding那就更多了coding我觉得目前几家像Replit然后包括Lovable,Cloud Code我觉得coding领域真是强者如链但是我这个condition它没得很强然后更多的我觉得C端的agent目前看见它不够多因为真正目前做C端的agent可能还都跟我们一样是做提效的而提效弹幕还是垂润的对所以刚才只是举几个例子吧2026年的agent市场会有什么变化吗更多C端呢我觉得不一定更多C端的我觉得应该是渗透到更大的人群对就是目前来说agent还是一个怎么说呢对很多用户来说也许还是一个buzzword还没有那么多人真正用起来但目前比如说NAS 1.5之后我们说了很多用户反馈我让我觉得最开心的一个就说他觉得这个版本越过了生产力工具这条门槛就因为之前大家会觉得Agent是帮我提效但是它不是我的主要生产要素但现在很多一些很多用户真的就在拿Ninus 1.5来作为它的工作的主力应用来帮它产生收入这我觉得就是形成一个更健康的一个一个一个费轮接下来我觉得会有更多的应用迈过这条坎我刚刚听你讲我觉得非常乐观你心里的引游是什么呀对于Mine [195:00] 我觉得我心里对Manus最大的隐忧其实是失去特色这是最大的一点但是这是从外看而从内看的话我其实最害怕的一点是Manus变得复杂这个其实是怎么说呢是一种要克服很强的吸引力的一件事因为你在产品增长的过程中有一个很便捷的方式是做更多的功能但是我还是就刚才很相信GitHub那句话就是你每增加的一个东西都在稀释所有别的东西所以我希望Manus能一直保持这样一个克制走下去但是呢你又不能因为保持克制而影响了持续的增长所以我觉得对外和对内最大的隐忧就是这两点你觉得Manus会死于竞争吗死于和大厂的竞争我觉得不会或者说其实死于竞争的时候你其实产品已经到了一种非常非常好的状态像大家比如经常说我担心Cursor会不会怎么样我担心Lagora对不起我担心这个Winster会不会断供拜托你能考虑被断供你产品已经是一个非常非常好的一个状态了对所以我觉得manus更大的可能性不是因为竞争而输掉而是因为但你可以说是竞争吧就是你当你失去了独有的价值之后用户这好像也算是竞争了那我回答是对那是有可能因为竞争而死掉你怎么看待海外那几家模型厂你说那个Open Eye AnthropicOK我觉得其实也不止这几家了像Open Eye的话我刚才已经comment的比较多就是很尊重他们这Bonifide的文化但是接下来他们也是产品会很重的一部分那就不知道他们能如何去调节这两方面就是他们也知道就买模型乐透这件事是不靠谱的但是那你有如何尊重就是一个research的研究自由所以我觉得这是他们要搞清楚的一个点但也许他们可能就会分化成两个完全目标不同的公司也是有可能的Enthropic我觉得他接下来他最近不是刚拿了两笔很大的融资吗我觉得他们可能接下来需要多在算力方面有一些投入因为这几家目前他们可能在这方面建设稍微落后一点对但另一方面他们可能在开发者的社区中的一个影响力是非常非常强的因为你会看到其实包括MCP还有Cloud Scale这些事都是Athlopic在带节奏所以他其实是有一个开发者社区内的根基的所以他能一定要以这种形式去做一些怎么说呢他独有的事情而且我觉得他的优化目标跟OpenA也很一样anthropic他其实我觉得他关注点叫做高经济价值人物其实跟Nanus的关注点比较相像就到底哪些东西能够产生足够的经济价值他就去优化什么而不是以一个比如说我要加强 reasoning这样的一个一个比较research topic去作为引导这是anthropic的特点然后Gymlad的话我觉得他现在是一个非常好的一个状态一方面就是他们在pre-training方面不知道解决了什么问题让大家看见很大希望这边三我觉得最大的一个给大家带来的正向信号就是强劳力的证明了pre training还是可以继续的然后另外一点就是他们在多模态和数据方面的积累这是Google本身就非常非常强的一点而且Google的话他除了自己的模型方面的话他其实自己的锁引就包括Google搜索引擎这是他们跟别人相比持久的一个差异这个东西别人是难以通过技术去追上来的所以我觉得Google可能在信息方面和多文态方面会持续的领先然后XAI的话我觉得它是另外一个很好玩的一个状态我觉得Elon他已经十足的意识到插到这场战争已结束了他可能更堵的一个东西是Pixel in Pixel L他觉得现在我们看见的所有的软件或者是文本你其实都是以像素的形式呈现在用户眼前的那么他应该按他的第一性原理思考他应该是直接去生成一切他不仅是这个Genderative AI他认为就是一切我们所看到的东西任何模态都应该统一成Pixel in Pixel out当然也许会有这个音频之类的东西而且XAI可能在Infra方面的投入也是非常有特色的对他们会非常相信就自己要把这个Infra做出一套比较有差异化的方案来对然后Meta的话我觉得最近杨乐坤走了也许是个积极信号他们可能会投入到一些更朴素且有快速成效的工作中来你怎么看杨洛坤杨洛坤当然这业界泰国是值得尊敬的但我觉得就是他在一家商业机构内做这样的一个角色自有其痛苦之处对然后我觉得他能找到一个他的自由的空间去做的去挺好的但同时也给Meta解放了很多的思想负担你怎么看田园洞田园洞我觉得他首先他之前的研究方向我觉得非常有意思就Latant ReasoningLatant Reasoning这个东西它那些Paper文件叫Coconut我觉得它解决了非常本质的一个问题就是现在大家很多人在做RLVR在RLVR我记得最近应该是上交和清华吧一个团队最近一篇工作讲到就是RLVR其实本质好来说是增加模型在PASA1下的稳定性就是说你可以通过RLVR的方式让模型在一次推理过程中 [200:00] 到正确答案的概率更高但实际上你模型本身能否解答一个问题还是在于其基座本身的质量就比如说你让一个非reasoning模型对不起非经过LVR的模型通过多次采样的话其实你大概率那条正确的轨迹是能够被采样出来的那这其实暴露了一个问题就是你通过LVR这种方式去做的话其实你只是在用一个接近于搜索的方式去解决这个问题但由于你是在文本空间的token space去进行这个采样那去进行reasoning但你这个过程就已经有了sampling这一步就你基于logit之后你要进行一次随机采样预测一个token然后再继续走下去但是呢田园栋的一个研究方向就是latent reasoning我觉得这个是非常好的因为你没有进行这一次sample其实你可以某种意义上来说就没有塌缩你其实可以在一个近乎于平行的维度内去同时考虑多种可能性然后这样子我相信它reasoning效率是更高的就虽然现在LVR你可能能做到就是说我passet1消耗的总的能源或者总的成本小于我让机座模型进行passet64但实际上你在用户视角下的latency还是高了很多而就像latent reasoning的话我觉得能解决这一个问题而且它其实一定程度上实现就long to short的泛化所以我觉得田业动的这个方向很好他之前有很多工作我觉得非常有意思像我记得那个attention sync他们Streaming LM那篇paper也是原动做的我觉得很有意思我不知道他今天会做什么很期待他和杨乐坤是一个研究BAT他们研究BAT是什么不一样我觉得不一样我觉得田园东的研究方向更加务实不敢妄议你觉得Meta为什么在这波AI他有很好的人为什么在这波AI做的不好叫落后这个问题我觉得太大了吧这其实中间还涉及很多人事上的事包括其实LAMA你知道团队已经换了好几拨人了对所以我觉得有很多场外因素OpenAI的人才流失你觉得会对OpenAI有影响吗我觉得会有一些吧包括像XGPT Agent他们现在可能我听说接下来可能会看一看土壁方向的机会同时我记得XGPT Agent团队也走了几位主星部但是我觉得XGPT这家对不起OpenAI这家公司我觉得它只要这个Botterweb这个创新人化还在的话我觉得仍然是最有可能诞生新范式的公司之一嗯嗯它会成为新的社交网络替代Mita吗我觉得这个比较难卖这个当然说不准因为这个产品大家都在探索你怎么看Thinking Machine Lab还有Ellian那家公司Ellian那家公司我觉得目前太神秘了我不敢说什么就是Thinking Macachine Labs的话我最近也刚用上他们那个Tinker API我觉得这个挺有意思我不确定这是不是他最后的一个产品但我觉得他们那个抽象层级其实非常好像比如之前有一些像那个就第三方的服务包括一些模型厂商会提供就类似那个RFT或者SFT的那个接口但实际上你对一个researcher来说他的约束有点太多了而这个Think Machine Labs我记得他的Tinker应该就是抽象为了四组关键API然后它基本上很多你自己需要做的实验其实都能搞定对当然我觉得TinkIP目前有个问题就是我觉得它成本有点高你可能自己搭Megger创可能还稍微便宜一点但我觉得随着他们逐渐优化应该会好起来它可能会非常适合这种中小规模研究团队去用的一个产品同时他们也比较仰仗的一点就是开源模型能持续进步这方面我觉得千万团队做的就非常好因为对于做研究来说有同源同家族模型或者同源模型的不同参数版本是非常重要的这方面千万提供的光谱一直是最全的所以我觉得就是Thinking Machine的成败主要看千万你怎么看MiraMira Muratimo我没有跟他直接交流过但是从都认识人的口中对他评价都非常非常高明显他的号召力也很好你对于这些硅谷的AI的各个舰队的一把手在你内心有没有他抢入的一个排名其实这几个舰队真正的一把手我觉得他们性质非常不一样像可能真正的技术一把手只有DMine对吧像Dario当然也是如果你让我从纯粹的狭义的技术角度来说我肯定觉得D-Mine Davis应该是是不是我最佩服的一位第二位有没有第二位的话当然Elia也是同样优秀但是大家可能都在期待Elia教出的新作业是什么剩下一些我觉得他们都是更负荷的人才你难以用单一维度去评价国内呢国内的话我想想国内现在还在排桌上的哎呀这话说的得嘴就是国内的话国内就不平了容易挨打前段时间杨志玲和姚顺宇都来过播客他们的观点你有什么认同和不认同的首先顺宇的观点我一般都比较认同尤其他有那句暴论叫那个以前都是小公司抄大厂现在大厂抄小公司互相抄对虽然我觉得前半句本来也 [205:00] 不一定是这样本来就互相抄但最近确实大公司抄小厂的事更多了对然后还有就是他之前顺与那个文章写下半场这个事我觉得下半场这个概念很好现在感觉很多人都在沿用这个概念我觉得他这个观察我都非常同意然后杨志林那个我也听完了我觉得杨志林他有一个很简短的观念我是非常同意的就是在这个登山的过程中只要问题能够被定义问题一定能解决这个其实也是我们很多时候做任何事的信心的一个根本的来源对不认同的呢不认同的我觉得顺语那期所有观点我全都认同然后杨士林那期的话我觉得其实我觉得他的观点也比较保守所以没有什么特别明显的但有一点我觉得他提到一嘴是说如果不逊模型的话做agent之逆向工程这点我是完全不同意的因为对我们来说不仅不是逆向工程反而是在给别人带节奏对他是谁是整合吗你们是逆向工程吗我们不是逆向工程他们是整合对他的观点是对他们整合进模型里我觉得这个东西其实如果你从一个严格定义来说你是无法整合进模型的因为模型无法internalize环境你怎么看世界模型不敢评论不懂不懂你们多模态做得怎么样多模态的话其实是这样就是多模态我们更在意的是多模态的输入而不是多模态的输出多模态输入的话其实作为agent场景下其实有一个很重要的观察就是现在其实很多开源的多模态模型你如果是简单的就是interleave图文输入的话其实大家处理都比较好像VQA任务这些东西但实际上你在agent场景中有一类情况是多么太输入作为tool的result我举个例子比如说你让浏览器看一个页面那你可能会把浏览器的截图返回或者你让用一个工具去读一图片图片是以tool result去返回这个东西其实在训练的过程中我觉得可能目前的重视程度还不够这块的质量是有些下降的你还买英伟达吗目前没有了目前没有了目前不炒股了你那年见老黄他跟你说什么我问了他一个灵魂问题我就说接下来一年你觉得什么事会让你感到意外老黄说什么事都不会意外所以我觉得这其实就有点像杨志玲之前说的那个就是只要问题存在问题一定能解决我觉得这个就是整体AI圈的乐观观点的代表最近有很多人开始讨论AI bubble 你怎么看我觉得AI bubble一定是客观存在的但不是说因为AI是bubble所以这波AI就没用我觉得你是会有一些比如过度建设或者怎么样这东西但我觉得这都是在可接受的范围内我们人类历史上干的比这个疯狂的事多了多你对minus最乐观的预期和最悲观的预期都是分别是什么我觉得悲观预期就是下个月死掉这个是所有创业公司一样的悲观预期就是我刚才说的我们没有权利活着我们是在努力的获得一个活着的权利而最好的一个预期就是我们希望让所有的有高价值工作的白领都能获得一个7成24小时不断推理的恋爱伙伴如果Mindas下个月死了你会去干嘛我会歇一会儿太累了你现在工作时长是多长时间我现在每天大概10点半到公司晚上干到几点就完全看情况了比如说几点一般来说一般来说我们大家基本办公室大家都会待到大概10点半往后其实这也是为什么我们选了一个在一家帽里头的一个WeWork因为在帽里头空调会一直开到10点10点以后还没有空调了对 时间又没有空调所以大家待多久主要看在没空调情况下能待多久为什么选WeWork在那边办公室因为我们觉得团队在不断的扩大这个过程中如果提前选死一个办公室他一方面前期投入比较大就不灵活WeWork就像云计算一样可以动态扩容新加坡的生活怎么样 便利吗新加坡我觉得便利度其实还是挺好的它其实跟国内我觉得是中国团队在新加坡可以非常快的适应没有一个非常本质的区别是不是有点无聊对而且我认为这对创业公司来说是一个很大的加分项你建议公司第一天去新加坡吗我觉得这个东西其实看你的目标用户是什么就是我们去新加坡的原因其实也讲过就是有两点第一个前提就是我们团队其实可能因为管理能管理能力比较差我们之前在国内比如北京跟武汉两地的时候我们都会觉得沟通成本很高那我们首先有一个希望是大家能在一个地方办公但另外一方面就我们既然要服务全球市场我们其实要做很多的这个就compliance就是合规方面的工作比如说像现在MEDA已经是SOC2的Type B Type 2然后ISO 27701 27001还有像GDPR全都是我们全都通过了那这块你就需要就是你既然服务哪个市场你就要需要选择一个合适的的总部对所以我觉得这都是一个很正常的一个选择吧对于如果你要做全球市场的话你可以早点考虑这个问题但如果你是主要做国内市场那肯定没有必要吧你怎么看别人说你们跑路了我觉得跑路这个词就不对因为我们其实一直就有新加坡这个实体所以就是而且我们一直就做的是一个全球的一个市场所以你既然你的客户在哪你就要去哪就好比像TeeMu跟CeeIn他们也没有国内的 [210:00] 一样我觉得这个是中国出海企业大家都会做的一件事只不可能因为我们是AI公司大家可能获得了一些额外的关注最后几个快问快答好一个全球范围内你喜欢的食物Mac and Cheese垃圾食品一个全球范围内你喜欢的地点北京一个少有人知道但必须知道的知识点可以是一个冷知识海带不是动物是谁不知道我周围人都不知道难道你知道吗你是第一个知道的因为我海鲜过敏我经常跟大家解释海带不是动物基于所有读过的书推荐两本必读书我其实平时读书特别少我现在读线条小狗的画册你心目中影响AI进程的几篇论文第一个讲的就是我刚才说那个Wertrvac那边的这一份我忘了叫什么然后能叫影响AI进程的论文也太少了吧大家肯定都会说Attention is all you need但我不想说这个我要换一个我觉得是Flynt5那边的那一份基于你当下的认知一个关键的重要的Bet是什么AI接下来的进步需要用户的参与