文章核心观点 - 文章记录了真格基金在清华大学举办的AI创业分享活动，核心围绕AI智能体公司Manus的创业历程、产品理念、技术架构、市场策略以及对AI Agent行业未来的展望[4] - Manus作为一款通用AI智能体，其成功被归结为在正确的时间交付了正确的产品，并通过“Less structure, more intelligence”的理念，构建了一个不依赖预设工作流、由模型自主决策的智能系统[7][17] - 面对外界关于“技术套壳”和“营销驱动”的质疑，公司通过持续领先的Benchmark成绩和产品实际体验进行了回应，并分享了其极简、高效的创业方法论[13][20][23] - 公司认为AI Agent的未来在于更强的通用性、24小时持续服务能力以及主动性，并建议个人应尽早开始学习使用Agent，以适应技术变革[40][50][60] Manus的创业历程与关键转折 - **从AI浏览器到通用智能体**：团队最初耗时7个月开发了一款AI浏览器，但在上线前一周意识到AI与用户“争抢电脑”的体验问题，遂决定放弃该项目[10][11] - **灵感来源**：Cursor产品的现象级流行，让团队看到非工程师用户也能受益于AI编程的潜力，这启发了Manus的创作方向[11][12] - **核心洞察**：基于两个关键认知——AI擅长使用电脑但不该用用户的电脑、AI编程能力可以民主化，团队形成了Manus的产品雏形[13] 产品理念与技术架构 - **核心理念**：坚持“Less structure, more intelligence”和“Zero Predefined Workflow”，将任务拆解、工具调用的决策权完全交给模型，以实现处理长尾任务和更优的性能[7][17][19] - **技术实力证明**：在发布15天后，即在硅谷某知名ToB Agent公司的Benchmark展示中位列第二，被行业顶尖团队视为对标对象[13] - **Benchmark表现**：在包括Scale AI的Remote Labor Index (RLI)在内的多项基准测试中长期保持第一，例如在RLI上取得2.50的自动化率分数，领先于Claude、GPT-5和ChatGPT Agent等[14][15][44] - **架构开放性**：公司认为技术本身无秘密，其技术架构（Less structure, more intelligence）在发布第三周就已向全球公开[17] 应对市场质疑与“爆火”真相 - **回应“技术套壳”质疑**：强调任何Benchmark首次发布时的排名最具参考价值，而Manus常在未事先通知的突袭式榜单中位居第一，证明了其技术实力[16] - **回应“营销驱动”质疑**：澄清3月份的发布视频制作成本极低，仅使用了借来的镜头、14.9美元的剪映会员和9.9美元的BGM版权，爆火核心在于产品本身而非营销[20][21] - **发布时的真实状况**：发布时公司账上约有800-900万美元，但因流量巨大，高峰期日成本达50万美元，迫使公司采用邀请码机制控制成本，否则可能20天内破产[23][24] - **产品本质**：成功的关键是在行业对AI产品形态感到迷茫的2025年初，交付了一个全新的、正确的产品形态，满足了市场期待[23] 关键产品决策与增长策略 - **坚持“通用”定位**：认为面向消费者（ToC）的Agent若过于垂直（如旅行规划），将面临极高的获客成本，因此必须通用，让用户每天都有使用理由[30][31] - **早期增长利器：Session Replay**：上线前两周加入任务回放功能，让无法立即体验产品的用户能直观感受Agent的工作过程，对早期病毒式传播帮助巨大[31] - **自然流量的反思**：早期高度依赖自然流量，七个月内市场营销总花费仅约5-6万美元，但认识到这主要触达“创新者”和“早期采用者”[54][55] - **走向大众市场的策略转变**：计划在2026年进入大众市场时，将采用更传统、更系统的营销手段，高效传递产品价值，而非仅依赖自然流量[56][57][58] 团队管理与基础设施选择 - **核心体验亲自抓**：在开发革命性新产品时，核心团队（最初仅5人）亲自把控最核心的产品体验、技术框架与交互细节，以确保高度对齐与执行效率[33] - **基础设施合作策略**：创业初期选择与E2B公司合作，使用其开源版并进行深度定制，以节省时间成本和工程资源，这是基于创业公司资源有限的理性决策[34][35][36][37] - **时间成本优先**：对于创业公司而言，时间成本是第一成本，因此利用成熟、已验证的技术框架是更合理的选择[37] 行业竞争与未来展望 - **应对模型公司的竞争**：OpenAI发布ChatGPT Agent时，团队感到高兴，因为这提供了直接对比的机会。通过对比测试，Manus在100%的任务产出质量上胜出[42][43] - **应用公司的优势**： - **模型选择灵活性**：可根据不同任务步骤选择最合适的模型（如用Gemini搜索、GPT-5推理、Claude写代码），而非绑定单一模型[46] - **系统级竞争**：Agent的竞争是包含环境、工具在内的整个系统的竞争，工程工作构成重要壁垒[48] - **Agent未来发展方向**： - **操纵更多工具与平台**：正整合进Windows、未来将操控Android，以扩展通用能力边界[49] - **24小时持续服务**：正在构建底层基础设施，以支持复杂、长时间的可靠任务执行，为全天候服务做准备[50] - **增强主动性**：开发原型使Agent能主动连接用户个人应用（如Gmail、Calendar），在后台自主找事做，实现“眼里有活”[50] 给创业者与学生的建议 - **给创业者的建议**：学习事物背后的本质和原因，而非表面形式（如拍特定风格的视频或做邀请码）[22][25] - **给学生的建议**：强调在2025年（被视为Agent元年）的最后时间里，务必开始使用一线Agent产品并学会与之共处，这如同几十年前学习开车或使用电脑一样，是适应未来的关键技能[8][60]

文章核心观点 全球顶尖人形机器人公司与研究机构正逐步采用全直驱五指灵巧手作为行业共识的技术路线，而这一关键部件并非来自传统灵巧手公司，而是出自中国全栈派具身智能公司星动纪元，其产品星动XHAND1凭借全直驱架构带来的性能优势，正在定义行业交互标准并占据生态枢纽地位 [1][5][25][33] 全球行业趋势与选择 - 多家全球顶尖人形机器人企业，包括即将完成超10亿美元融资的Skild AI、韩国Rainbow Robotics、英国Extend Robotics以及发布HMND 01的英国Humanoid AI，均不约而同地采用了全直驱五指灵巧手 [1] - 斯坦福大学、卡耐基梅隆大学、UC Berkeley、哥伦比亚大学、清华大学、北京大学、字节Seed等全球顶级科研机构是其长期客户 [5] - 这些厂商选择的灵巧手并非来自传统灵巧手公司，而是指向中国的星动纪元公司 [5] 星动纪元公司定位与战略 - 公司通常被外界视为人形机器人整机厂商，但其宏观战略是实现通用智能体，被视为“中国的Figure” [7] - 公司坚持人形机器人从脑到形态、尺寸、末端执行器都应1:1向人学习，认为手部能力是通用机器人的“能力边界” [7] - 公司通过“模型+本体+场景数据”构建软硬一体自研能力，成长为一家具身大脑与人形本体都做的全栈派公司 [9] - 公司在打造通用智能体的同时，反向输出关键模块，形成“技术定义—标准渗透—生态卡位”的三级跳战略 [9] - 公司对灵巧手的重度投入源于对通用机器人终局的判断：手是智能体能力的物理边界和无法绕行的终极接口 [18] 全直驱技术路径的优势 - **性能强悍**：XHAND1实现了单手25Kg负载与80N握力的强悍输出，维护成本降低60%以上 [12] - **响应迅速**：12个主动自由度在1000Hz的控制频率下，响应速度可媲美电竞选手手速，指令与动作间几乎零延迟 [14] - **数据高保真**：全直驱架构下电流与力矩存在极高线性对应关系，能提供纯净、高保真的力控数据流，适合强化学习训练 [15][16] - **算法友好**：架构从诞生之初就被赋予算法友好基因，支持强化学习触觉仿真，是业内为数不多对强化学习开发者友好的灵巧手 [23] - **耐用可靠**：空载抓握寿命达100万次 [24] 星动纪元的技术护城河 - 公司采用深度垂直整合模式，核心部件自研率超过95%，从高功率密度空心杯电机、驱动器到高精度编码器全部自研打通 [22] - 全栈自研使其牢牢掌握了对全直驱的技术定义权，并能从底层元件开始为灵巧手量身定制，掌握创新节奏 [22] - 硬件与算法协同设计的深度，使得XHAND1能将精妙算法快速、无损地“编译”成现实动作 [24] 产品矩阵与生态构建 - **核心部件**：星动XHAND1灵巧手 [26] - **整机产品**： - 全尺寸双足人形机器人星动L7：拥有55个高自由度，400N·m峰值扭矩关节模组，曾获首届世界机器人运动会跳高冠军，支持全尺寸与半身形态灵活切换 [29][30] - 人形服务机器人星动Q5：拥有44个自由度，已应用于海尔智慧家庭、世纪金源购物中心、联想展厅等真实场景 [30] - 通过“本体+灵巧手+大脑+场景数据”构建具身智能软硬件闭环，旨在重建覆盖全场景的生态网络 [26] 行业拐点与意义 - 行业对灵巧手的评价标准正从追求形态仿生，转向追求交互效能、数据质量与系统可靠 [33] - 头部厂商的集体选择标志着具身智能趋势下一个拐点的到来，一种关于灵巧手的事实标准正在行业的集体选择中悄然成型 [25][33] - 这场关于手的竞争本质是定义未来人机共融环境中物理交互的基础语法 [33]

SIMA 2核心能力突破 - 新一代通用智能体SIMA 2与Gemini深度集成，能够在虚拟世界理解并执行自然语言指令，执行连续多步操作[1] - SIMA 2超越简单指令执行，通过Gemini作为推理中枢具备思考和推理能力，能够解释意图并描述下一步行动[2] - 智能体可以理解复杂细致指令，执行冗长任务并给予反馈，互动体验接近真实玩家[5] 技术实现与训练方法 - 训练使用大量带语言标注的人类演示视频，结合Gemini自动生成标注进行强化学习[2] - 具备初步对话式协作能力，能用自然语言向用户解释意图并描述行动计划[2] - 通过反复试验加Gemini反馈评估的闭环实现自我改进，不断学会完成更复杂新任务[11] 多模态与环境适应能力 - 借助Gemini出色多模态能力，可以理解图像、表情符号和简洁语言进行互动[6][7] - 在《我的世界》学会挖矿后，能将采集能力迁移到其他未训练过的游戏中[7] - 在Genie 3新生成的3D模拟世界中，即使未受专门训练也能正确辨别方向并执行指令[9][10] 行业意义与发展路径 - SIMA 2是迈向通用交互式具身智能的重要一步，为机器人领域智能具身化提供核心能力模块[15][16] - 通过大规模多世界数据训练叠加Gemini推理能力，将分散的专用系统能力整合进统一通用智能体框架[15] - 虚拟3D世界为具身智能提供可控低成本训练环境，Gemini加SIMA 2组合让会思考的LLM迈向会动手做事的Agent[14]

LLM原生开发时代的现状评估 - 行业对大模型在软件开发中的作用存在分歧，部分观点认为其仅是高级自动补全而非范式变革[5] - 大模型在实际开发中呈现"一半是火焰，一半是海水"的两面性：在独立、结构清晰的小任务或0到1创新场景表现突出，但在复杂庞大的现实任务中挑战巨大[5] - 对非研发群体而言已实现范式变革，使其从"不会"到"能"完成软件开发；对专业程序员群体则处于变革拐点阶段，尚未完全实现范式变革[5][6] - 越来越多公司开始披露AI生成代码比例，该比例正在快速上升，部分团队甚至超过50%[6] AI在具体开发环节的应用成效 - 在UI设计稿转代码方面，通过多模态模型结合设计稿解析，代码生成可用度达到80%至90%[13][14] - 在多端代码转换任务中，AI生成代码质量可达70%以上，整体提效约达原来的1.5倍[14] - 在代码审查环节，通过AI结合规范进行自动检测，测试阶段bug数量下降幅度达30%-40%[15] - 在测试用例生成方面，平安集团内部用例数据生成覆盖率已达60%左右，脚本生成时间从数小时缩短至几分钟[18][19] - AI特别擅长替代重复性、机械性任务，如中英文前端代码互转等传统自动化难以覆盖的场景[15] 智能体与AI助手的能力演进 - Coding Agent代表通用智能体的发展路径，能独立完成软件研发任务，潜力远超特定工具层面的自动化[3][31] - 智能体与助手的核心区别在于闭环能力：助手是单点辅助，而智能体可串联完整开发-测试-审查流程[28] - 智能体具备"动脑、动手、动嘴"的自主执行能力，能在DevOps平台上自动执行代码生成、测试、验证、提交PR等任务[31] - 实现从开发意图输入到代码生成与自测的完整AI流程闭环，预计至少还需要一年以上时间[30] AI落地研发面临的主要挑战 - 当前最大问题在于AI效果缺乏稳定性，收益不足以抵消改变工作习惯的成本时落地困难[20] - 算力问题影响使用体验，响应速度从2分钟降至10秒可显著提高用户容错意愿[22] - 用户提示词能力差异导致使用效果悬殊，有的用户AI参与率能达到50%，有的不足10%[22] - 在大型存量代码库中，AI难以处理庞大上下文，常出现不符合逻辑的修改[20] AI时代对人员能力模型的新要求 - 提示词工程成为关键能力，需要让模型进行"角色扮演"，通过严谨结构和细颗粒度输入确保理解准确[23] - 知识工程能力日益重要，需要将团队流程规范、协作规范等整理成明确文档供模型学习引用[24] - 未来工程师价值将体现在架构视角和整体技术思维，AI加速了各角色从"执行者"向"评估者"或"决策者"的转变[37][38] - 全栈工程师价值可能更高，AI使精通多种语言成为可能，能显著提升个人能力边界[39] 行业发展趋势与生态建设 - 更倾向于发展轻量化、插件化生态而非统一大平台，先观察AI在各环节改进效果再谈平台化整合[32] - DevOps层面可能出现更高抽象层次的AI工作台，整合数据检索、任务调度、执行分析等能力[32] - 目前几乎没有公司把"AI生成代码比例"写入绩效考核体系，更倾向于通过文化与引导而非考核推动普及[33][34][35] - AI带来的不是岗位消亡而是岗位价值重塑，开发和测试岗位将转向更具策略性和创造性的工作[35]

产品发布 - 百度文库和百度网盘于11月13日正式发布GenFlow 3.0产品 [1] - 该产品已在文库和网盘全端正式上线 [1] 市场地位与用户规模 - GenFlow 3.0活跃用户数量超过2000万 [1] - 该产品被称为"全球最大通用智能体" [1] 产品功能与定位 - 产品旨在帮助用户在工作、学习和生活中成为"超级个体" [1]

产品发布 - 全球奢侈科技品牌BUTTONS推出首款搭载特斯联通用智能体HALI的硬件设备BUTTONS SOLEMATE智能体超级影音机器人 [1] - 通用智能体HALI于2024年11月14日发布 经迭代已从高度拟人化智能体演进为具备空间认知与物理交互能力的生活协同者 [1] 通用智能体HALI技术特性 - HALI构建了与物理环境深度绑定的三维语义记忆模型 将信息记忆关联于空间坐标与环境上下文 提高信息调用直观性与准确性并使AI能运用世界模型进行推理 [3] - HALI作为用户交互智能中枢 能实时感知并处理用户请求 以用户位置行为意图及环境状态作为交互第一语境 实现服务找人的主动转变 [3] - HALI运作流程为先通过端侧模型解析用户意图拆解任务 在时空连续体中对资源设备及行为进行最优编排 再借助端侧芯片完成数据预处理与加密 最终联动云端调度多个垂域智能体实现复杂功能 [3] 云端算力与平台支持 - 特斯联徐州AIoT智算中心的GPU服务器集群负责执行大规模协同计算 AIoT智算云平台上的混合智算引擎支撑任务动态调度 [4] - 特斯联云端大模型承担路径规划确保设备避开障碍 视觉语言模型负责识别目标 大语言模型生成执行策略并回传 最终由智能体落地决策与响应 [4] - 基于特斯联徐州智算中心庞大异构算力储备 可将复杂流程在数秒间完成 AIoT智算云平台构建了统一抽象层和端到端工具链 使模型无缝运行在异构算力上并大幅提升推理及训练效率 [6] 行业趋势与战略方向 - 公司指出专用AI Agents能力局限于专业领域 缺乏跨领域迁移学习能力 主要在数字世界中运行而没有空间感知或与物理世界的直接交互 [6] - AI向通用性演进的关键在于突破数字世界壁垒 获得在物理环境中感知-推理-行动的完整能力闭环 真正的通用智能体必须能感知三维环境 推理空间关系及物理定律 并安全有效地执行任务影响现实世界 [6]

公司产品发布与升级 - 公司发布首款搭载特斯联通用智能体HALI的“BUTTONS SOLEMATE 智能体超级影音机器人” [1] - 此举推动公司自研智能体HALI全面进化，构建新的“智能体生态”，完成从智能产品到沉浸式智能体验的升级 [1] - HALI自2024年11月14日首次亮相后持续迭代，已从高度拟人化的智能体演进为具备空间认知与物理交互能力的“生活协同者”和应用于物理世界的通用Agent产品 [1] 产品技术能力与特性 - HALI能实时感知和处理用户请求，通过端侧模型解析意图、拆解任务，并利用端侧芯片预处理与加密数据，云端调度多个垂域智能体共同完成复杂功能 [1] - 借助公司云端大模型，BUTTONS SOLEMATE可实现空间避障导航、视觉目标识别、智能策略生成与执行响应的一体化功能 [1] - 得益于公司徐州智算中心庞大的异构算力储备，看似复杂的流程可以在数秒间完成 [1] 行业技术趋势与平台能力 - 为应对异构芯片融合计算挑战，公司AIoT智算云平台在模型与硬件间构建了基于多架构芯片算子库的统一抽象层，并提供兼容多种推理及训练框架的端到端工具链 [2] - 该平台使模型得以无缝运行在异构算力之上，并实现推理及训练效率的大幅提升 [2] - 行业观点认为，AI向通用性演进的关键一步在于突破数字世界壁垒，获得在物理环境中“感知-推理-行动”的完整能力闭环 [2] - 真正的通用智能体必须能够感知三维环境的几何结构与动态变化，推理物体之间的空间关系、物理定律及动作的因果链条，并最终安全有效地执行任务以影响现实世界 [2]

战略定位与核心愿景 - 公司宣布其战略重点从单纯追求个人电脑处理性能转向打造智能化的对话式交互体验，旨在让每一台Windows 11设备都成为新范式的载体[2] - 此次重大升级标志着公司的一项战略赌注，即通过全面升级Copilot功能，使人机交互体验更自然，AI表现更聪明[2] - 公司执行副总裁表示，其目标是让用户拥有的个人电脑不仅仅是一个工具，而是真正值得信赖的助手和伙伴[16] 语音交互功能升级 - 公司正全力推动语音成为继键盘、鼠标之后的核心个人电脑交互方式，全面开放“Hey, Copilot”语音唤醒功能，用户无需点击图标即可通过语音开启对话[3] - 系统会以麦克风图标和提示音回应，确认处于聆听状态，结束对话可通过说“再见”或直接停止说话实现，此举旨在消除传统语音助手的使用门槛[3] - 公司内部数据显示，使用语音与Copilot交互的频率是纯文本输入的两倍[3] 视觉识别与上下文理解能力 - 公司全球上线Copilot Vision功能，使AI首次具备真正的视觉能力，能够实时分析和理解用户屏幕上的内容，并在任何应用程序中提供精准的上下文帮助[6] - 该功能的应用范围已从早期的单一程序支持扩展为“桌面共享”模式，可以识别并理解用户跨多个应用程序窗口的完整操作流程[7] - 其工作原理是当用户共享桌面或特定窗口时，Copilot能看到用户所看到的一切并实时讨论内容，应用场景包括为创意项目提供建议、帮助优化简历、指导游戏技巧等[8] - 该功能采取了谨慎的隐私保护策略，默认关闭，用户需要在每个会话中主动点击独特的“眼镜”图标授权才能启动屏幕共享[6] 本地任务执行与智能体演进 - 公司推出预览阶段的Copilot Actions功能，标志着AI从被动的“助手”向主动的“智能体”演进，首次能够在用户个人电脑上直接执行多步骤操作任务[4][10] - 该功能让Copilot具备实际操作能力，如打开应用、输入文字、滚动页面，用户只需用日常语言描述需求，智能体就会尝试通过与桌面和网络应用的交互来完成任务[10] - 用户在智能体后台工作时可继续专注于其他事务，并始终掌握控制权，可随时查看任务进度、审查具体操作或中断任务[12] - 需要注意的是，Vision功能目前仅具备“观察”和“建议”的能力，无法直接代表用户操作系统，执行操作由专门的Copilot Actions负责[9] 游戏娱乐体验整合 - 公司探索AI如何融入娱乐体验，例如在手持游戏设备领域，将便携游戏与人工智能助手技术融合[13] - 在如ROG Ally等设备上，用户长按“库”按钮即可唤出Gaming Copilot，它能在游戏过程中实时提供攻略推荐、操作技巧与场景解读，而玩家无需退出游戏或切换屏幕[15] - 该体验还能够快速访问来自Xbox、PC Game Pass及其他主流游戏商店的内容[15] 生态系统整合 - 公司通过Copilot连接器整合Gmail等第三方服务，以扩展其生态系统[2]

行业技术发展现状 - 技术正从大模型向多模态、AI Agent与具身智能跃迁 产业处于技术奇点与商业爆发交汇口 [1] - 智能体在金融、医疗、教育等垂直领域快速渗透 下一代智能硬件竞争焦点为"会做事、总在场、有记忆、能进化" [1] - 世界模型建立将推动智能体从数字世界走向物理世界 实现自主学习甚至与人类共同发现新物理规律 [1] 智能体发展前景与挑战 - 高容忍度场景（如线下中介、情感陪伴）将优先落地 但需要精确数据闭环的场景仍需发展过程 [3] - 金融场景容错率极低 市场对交付完成度要求越来越高 [4] - 需平衡时效性、准确性和成本 构建用户安全感 并与全球监管机构互动 [4] 中国AI应用竞争力 - 中国AI应用走在国际前列 多个全球"首个智能体"来自中国 [3] - 中国过去20年在互联网、移动互联网积累了大量产品经理能力 技术跟进速度快 [3] - 预计未来全球最顶尖的智能体中三分之二将来自中国创业团队 [3] 投资策略与方向选择 - 智能体公司估值尚未锚定 商业化处于早期阶段 [5] - 通用智能体天花板更高但投资风险更大 垂直智能体超额回报想象空间有限 [5] - 蚂蚁集团投资以垂类智能体为主 选择标准为市场空间大、付费意愿强、能构建护城河 [7] - 需持续关注算力等底层基础设施 Token消耗及能源支撑是必须解决的问题 [7] 创业与竞争策略 - 智能体创业需避开大模型能力迭代主赛道 避免被大模型公司版本升级冲击 [7] - 应基于能力定义具体服务领域（如Replay在编程领域的实践） [7] - 建议采用"哑铃策略"投资：一方面投资与复杂工作流紧密结合的To B应用 另一方面投资高风险高天花板的通用方向 [7] - AI时代产品增长靠创新而非流量 应优先构建产品再随模型能力提升 追求认知领先与极致执行 [4] - 新一代Agent产品应具备"天生全球化"特性 [4]

姚顺雨职业动态 - 姚顺雨已从OpenAI离职 但尚未官宣下一步去向 [2][3] - 传闻其可能加盟中国科技巨头或选择个人创业 但均未获证实 [2][53] - 有爆料称其以上亿薪资入职腾讯 但已被腾讯官方辟谣 [53] 教育背景与早期成就 - 合肥一中毕业 高考704分位列安徽省第三 进入清华姚班主修计算机科学 [4][10] - 曾获全国信息学奥林匹克竞赛（NOI）银牌（495分） [10] - 普林斯顿大学计算机博士 研究方向为自然语言处理与强化学习 [4][22] 学术研究与技术贡献 - 提出思维树（Tree of Thoughts）方法 显著提升大语言模型复杂问题解决能力 [6][39] - 开发SWE-bench评估数据集和SWE-agent开源AI程序员工具 [6][34] - 创建ReAct框架 使语言模型在交互中同步进行推理与行动 在AlFWorld任务中成功率提升至71% [36][38] - 构建WebShop模拟电商环境 验证语言智能体在真实任务中的泛化能力 [31] - 累计学术引用15253次 h指数24 i10指数29 [42] 行业观点与职业转向 - 提出AI发展进入"下半场" 重点从模型构建转向现实任务定义与评估 [46][47] - 强调语言作为实现AI泛化的核心媒介 其研究聚焦通用智能体开发 [28][30][41] - 职业规划从学术研究转向产品与商业应用 曾表达创建万亿美金级Agent公司的意向 [50][51]