从Manus到MCP：AI 25年来的三大新趋势-精准获客

2025年开年以来，AI领域发展势头迅猛，DeepSeek R1、OpenAI CUA、Manus等一系列重要创新成果不断涌现，令人目不暇接。

接下来，我将总结近一个月的思考，对2025年AI的发展趋势做出几点预判。

（1）Manus：Agent元年的抢先发力

Manus推出后，我们第一时间获取了体验账号并进行了全面的体验测评。

结论是：尽管Manus目前存在一些不足，但它的产品设计思路充满创意，值得充分肯定。

Manus的核心架构采用“虚拟机 + 多Agent协同”模式，通过整合多个底层大模型（如GPT – 4、Claude 3等）的API，实现任务的动态分配和模型调用。

它突破了传统AI助手仅生成建议的局限，实现了从“需求输入”到“成果交付”的端到端闭环。

Manus提出“Less Structure, More Intelligence”的交互理念，借助无代码化的自然语言接口降低了用户的使用门槛。

此外，Manus利用一个外置的markdown文件管理Agent的任务规划，并将阶段性工作成果存储为独立文件，这是一个十分有趣的创新点。

（2）Manus的不足与缺陷

Manus在MultiAgent领域提供了独特的思路，但仍存在一些明显不足。

首先是“幻觉累加”问题。

Agent本质上是多次大模型问答的串并联。若单次大模型问答准确率为90%，串联10次后，最终Agent回答准确的概率仅为0.9^10，约为1/3。

在一个案例中，Manus的任务是对某上市公司进行财务数据分析。它聪明地导入了data_api模块，准备从雅虎接口调取财务数据。但在process_financial_data函数中，竟将revenue、gross_profit等数据直接“硬编码”到代码中，且部分数据经验证是错误的。若原始数据出错，后续的深入分析和精美图表都将失去意义。

Manus的第二个问题是可供大模型调用的工具不足。

例如，在撰写关于“小米Su7”的市场分析报告PPT任务中，Manus完美拆分任务并检索了大量新闻，但因无法调用Office软件，最终无法生成PPT。目前Manus输出内容多为纯文本或网页，难以与人类工作流完美融合。

Manus面临的第三个挑战是互联网生态的限制。

互联网上许多优质信息被限制访问。比如让Manus分析市面上所有AI智能眼镜的性价比时，它找到了对应商品的淘宝网页，但在打开具体产品页面获取详细信息时，被淘宝判定为机器人而拒绝访问。

同样，让Manus为非上市公司出具商业分析报告时，它为获取公司最新融资进展访问CrunchBase数据库，也被判定为机器人而拒绝。互联网看似开放，实则存在诸多限制，优质信息难以获取，这严重影响了Manus的工作效果。

尽管存在诸多问题，Manus仍展现了MultiAgent的巨大前景，打响了Agent元年的第一枪，值得肯定。

当Manus备受关注时，海外AI大厂有哪些技术储备呢？

（3）OpenAI CUA：能自主操作电脑的Agent

今年1月底，OpenAI发布了由新模型CUA（Computer – Using Agent）驱动的AI智能体Operator。

CUA模型融合了GPT – 4o的视觉能力和强化学习实现的高级推理能力，能将任务分解为多步骤计划，并在遇到挑战时自我调整和纠正。

简单来说，CUA是一个会操作电脑的Agent，其运作原理直观简洁，如下图所示。

首先，CUA同时接受文本指令和屏幕截图两种模态的输入。它会处理这两种信息，生成一系列动作指令，如“点击屏幕上坐标为(300,200)的点，输入XXX，按回车”。电脑执行指令后，将新的屏幕截图和任务指令返回给CUA，如此循环，直至获得最终答案。

那么，CUA目前操作电脑的能力如何呢？

根据OpenAI官方测评，CUA在操作电脑和浏览器方面，相比上一代SOTA有了显著性能提升，但与人类操作水平仍有较大差距。也就是说，目前顶级的Agent还无法像成年人一样熟练操作电脑，但我相信今年内这种情况会有质的改变。

（4）Anthropic MCP：AI时代的TCP/IP协议

前面分析Manus缺陷时提到了“工具不足”问题，Anthropic显然意识到了这一点，并在去年年底推出MCP从根源上解决该问题。

MCP全称是Model Context Protocol，它定义了应用程序和AI模型之间交换上下文信息的方式，使开发者能以统一方式将各种数据源、工具和功能连接到AI模型。

MCP对于AI的重要性，类似于TCP/IP对于互联网。

MCP有三个重要特点：

标准协议：将AI与所有工具层的交互接口统一为标准。

动态发现：AI能按需寻找并调用完成指定任务的工具或服务。

双向通信：AI与工具之间双向、有状态通信，既能获取数据，也能发送指令。

目前，越来越多的工具和服务接入MCP，如Google Maps、PGSQL、ClickHouse（OLAP数据库）、Atlassian、Stripe等。

在Smithery平台上可轻松查找不同功能对应的工具和服务。随着更多Server接入MCP协议，未来AI可直接调用的工具将呈指数级增长，从根本上提升Agent的能力。

（5）2025年AI发展新趋势：后训练、RL、MultiAgent

结合近几个月的观察和思考，我总结了2025年AI发展的几个重要趋势。

第一，预训练即将结束，后训练成为重点。

这已成为行业共识。去年年底，Ilya在NeurIPS大会上提出：数据是AI时代的化石燃料，因为人类只有一个互联网。同时，今年DeepSeek R1的论文指出，后训练将成为大模型训练管线的重要组成部分。

第二，针对后训练，强化学习将成主流，监督学习的重要性逐渐降低。

DeepSeek R1带来的重要启示是：纯粹的RL可能是通向AGI的正确路径。随着TTS增加，大模型会自发涌现复杂推理行为。从右图可见，横轴为大模型RL迭代步数，纵轴为单次问答的token长度。随着迭代步数增加，大模型从“快思考”变为“慢思考”，每次回答的token数从100增加到接近10000。

DeepSeek团队将此现象称为“self – evolution”，认为这是“the emergence of sophisticated behaviors”。具体涌现的复杂行为包括self – verfication、reflection等。这一发现引发了我们的思考：未来监督学习在AI训练中应扮演什么角色？它是否会限制AI解决问题的能力？是否应让AI发展出更原生的智能，而非模仿人类思维方式？这些问题有待整个AI行业通过实践解答。

第三，MultiAgent是必然的大趋势。

若将AI与人脑类比，大模型如同人脑中的“前额叶”。前额叶负责高级认知功能，如注意力分配、思考推理、决策等。但仅有前额叶，大脑无法处理复杂任务，还需颞叶解析听觉信号、顶叶进行阅读和算术、小脑协调运动、海马体进行记忆索引。

MultiAgent的定义是让多个不同模型相互协调，从单一的“前额叶”发展为“完整的大脑”，以处理更复杂的现实任务。在这个过程中，MCP起到了协调统一大模型与各工具之间数据通信接口的重要作用。