萬字拆解：Manus 的 PMF 到底是什么，以及誰在為它一直買單？

文章轉載自「ThinkingHumans」，作者賀夏雨。

去年一年，AI 應用不少，表面上收入、用戶數、融資額這些指標都在瘋漲，但實際上已經越來越難反映真實情況了。

12 月低，Manus 以數十億美元被 Meta 收購的消息，震動了 AI 圈。為什么是 Manus 跑出來了？PMF 是如何找準的？

站在年初，我們再來回頭看，Manus 作為一個很具代表性的產品樣本，是怎么一步步找到了自己的位置，到底是哪些用戶在哪些場景下一直使用、一直付費？

這篇文章，用一種完全基于一手事實的分析和推演方式，拆解了 Manus 的真實用戶行為。

同樣，不只是 Manus 本身，更重要的是，它可能幫助我們理解一個更大的問題：

如果說移動互聯網時代的穩態約束是「用戶上網時間」，決定了平臺競爭最終圍繞注意力展開，那么在 AI 生產力工具賽道中，對應的穩態約束會是什么？

這一代 AI 真正爭奪的，究竟是算力、模型能力，還是現實世界中某種更接近「經濟資源」的東西？

??關注 Founder Park，最及時最干貨的創業分享

Founder Park 聯合扣子，舉辦了一場 Skill 招募大賽。如果你手里有一套在用、能交付結果的方法論，很適合來試試！

歡迎飛書掃碼加群：

進群后，你有機會得到：

• 可落地的 Skill 搭建方法

  從一個想法或一套 SOP，拆解成真正能跑起來的 Skill

• Skill 的展示與放大通道

  不只是自己用，而是被更多人看到、用到

• 被看見后的實際激勵

  好的 Skill，有機會獲得明確回報

寫在前面：為什么看 Reddit 和 Discord

在這次分析中，我刻意避開了 Twitter、LinkedIn、YouTube 以及大量 SEO 導向的網頁，因為這些平臺上真實使用體驗、個人品牌表達和商業推廣已經高度混雜，文本本身幾乎不再攜帶動機信號，更多反映的是：

• 一個工具希望被如何理解

• 團隊或 KOL 希望它呈現出怎樣的形象

• 哪些用法更容易被轉發和點贊

相比之下，Reddit 和 Discord 的用戶討論呈現出非常不同的狀態：

• 樣本偏新興技術的 early adopters

• 語氣經常不友好甚至充滿吐槽

• 經常會主動說明自己的職業背景，并給出具體的成功案例和失敗案例

恰恰是這些內容，在理解 AI 工具真實分工與使用邊界上信息密度極高，因為這些用戶往往已經嘗試把 Manus 用在真實任務中，為結果承擔過現實成本。

01Manus 的使用場景和產品價值

原始的用戶評論 Excel 表格長成下面這樣：

點擊文末的「閱讀原文」來獲取整理好的完整文件，用于后續自行閱讀和分析。

在最早的宣傳和很多人的印象里，Manus 更像是一個什么都能做的通用 Agent，但真實用戶的使用行為其實反復出現在幾類非常具體的任務結構中。

從任務類型來看，幾乎所有常見的使用場景都可以歸入：Office 三件套（Word、PPT、Excel）、網站 / App / 工作流搭建。

1. 調研與信息整理，也是出現頻率最高的一類。用戶會讓 Manus 抓取多個網站的信息、整理資料、生成結構化文檔，最終輸出成 Word 或報告。這類任務的特點是信息源多、過程臟、人工整理成本極高，但邏輯本身并不復雜。

2. 文件與內容產出，包括 PPT、圖片、視頻等。典型場景是用戶已經有大致內容目標，但不想親自完成排版、拆頁、素材整理等工作，于是把整個內容生產流程交給 Manus 跑完。當然，也有人只是單純用它來生成內容。

3. 數據獲取與處理，以 Excel 相關任務為主，比如爬取數據、清洗、合并、計算、再輸出成表格。這類任務在評論中反復出現，用戶往往會強調「如果自己做非常耗時間，但又不值得專門雇一個人」。

4. 軟件與系統構建，包括搭網站、做小游戲、寫工具腳本等。這一類用戶通常目標感很強，但技術背景參差不齊，Manus 在這里承擔的是從零到一的執行角色。

5. 現實世界代辦，比如預約服務、打電話等。只有極少數用戶提到這類場景，而且幾乎都在吐槽「為什么 Manus 做不到」，體現了很多用戶對 Agent 的直覺期待是能夠直接替自己完成現實世界中的具體事務。

從這些具體場景再往上一層抽象，可以看到用戶的使用和付費動機，同樣高度集中在四種產品價值上。

1. 認知代工。這類用戶并不是不會做，而是不想親自做。任務本身需要大量思考、整理和決策，如果自己來做會消耗大量注意力和時間，于是選擇把認知勞動外包給 AI，是在用錢換精力。

2. 能力解鎖。這類用戶原本不會做某件事，比如寫代碼、搭網站、做自動化流程，但通過 Manus 第一次獨立完成，獲得的是一種「以前做不到，現在能做到」的成就感，商業目的反而不明顯。

3. 替代人力 / 降本。這類用戶的邏輯非常直接：如果不用 Manus，這件事我就得雇人來做。他們往往會明確做成本對比，把 Manus 當成一個廉價的數字勞動力，只要整體 ROI 成立，就愿意持續付費。

4. 執行托管。用戶已經想清楚要做什么，但不愿意再參與繁瑣、重復、流程性的執行過程，希望 Agent 能在最小干預的情況下把整件事跑完。

把這些動機和場景放在一起看，Manus 最站得住的價值都落在這樣一類任務上：不做不行，自己做太累，雇人又覺得不劃算。很多用戶已經在把 Manus 當成一種新的勞動形態，用來承接原本需要人類時間、注意力和技能才能完成的任務。

02關鍵對比：

ChatGPT 在這些場景里比 Manus 差在哪里？

根據這些真實用戶的反饋，相對于 Manus，ChatGPT 在很多場景中的劣勢在于產品形態仍然是一個以對話為中心的工具，而不是一個可以獨立承擔復雜任務的執行系統。

2.1 深度調研：輔助搜索 VS. 端到端外包

在涉及現實世界臟信息、需要多信息源驗證、并最終輸出結構化結果的重型調研任務中，ChatGPT Deep Research 等研究型工具仍然停留在「給你建議、幫你找資料」的輔助層面，無法真正替代人工完成完整研究流程；而 Manus 在用戶感知中已經更接近「可以外包出去的執行型研究系統」，交付可直接使用的成果物。

A few months back it felt like Manus was the go-to tool for research. For context, I’ve been using ChatGPT Deep Research, Gemini Research, Claude Research, and Perplexity Research. They’ve all been helpful to a point, but honestly they’re not quite cutting it for what I need.

Here’s the task: I’ve got about 12 competitor companies, each with multiple production plants. I need to put together a list of these plants, ideally with their addresses, or at least the city and state. Some of these companies are public, some aren’t, so it takes a mix of digging.

2.2 文件處理：文本理解 VS. 跨格式工作流

多位用戶明確指出，ChatGPT 在處理 PDF、圖片、Excel 等文件級任務時，輸出質量往往難以達到交付標準，要么無法正確理解文件結構，要么生成結果嚴重依賴人工修正；而 Manus 則可以直接從 PDF 或 JPG 中理解結構化信息、生成 Excel 表格，或根據用戶輸入生成 PPT、PDF、XLS 等多種文件格式。

當 ChatGPT 的能力在用戶心目中停留在「窗口內的文本生成與理解」的時候，Manus 已經進入「文件級操作與跨格式工作流」的層級。

I use Manus to generate files in different formats. PDF, PPTX, XLS, etc. based on my own input. ChatGPT doesn’t do that for me and when it does, it’s horrendous.

It was better than ChatGPT and Grok for creating excel sheets and understanding various analyses that were in a PDF or even JPG format. It was able to work with those formats and convert to excel, whereas ChatGPT and Grok could not.

To make things simple, if you are not using at least 2,000 words on your initial prompt and if you are not getting at least 3 documents in return then you are using it wrong.

2.3 任務托管：實時監督 VS. 離線代理

在高度可預期、規則明確但執行過程極其枯燥且耗時的任務中，ChatGPT 的問題不在于單次能力不足，而在于無法承擔長期、持續、可重復執行的真實任務流程。這類任務往往需要每天固定運行，例如跨多個網站抓取數據、寫入表格、在后臺系統中反復填寫表單。

用戶往往會反饋：一旦指令設置完成，Manus 可以在用戶離線的情況下持續執行完整流程；ChatGPT 則需要用戶實時在場監督和頻繁介入調整，默認工作模式仍是一種以人為中心的協作工具。

I use Manus Pro and ChatGPT Agent. Manus is better at doing things solo where Agent relies on you to take over and you have to sit and watch it.

I uploaded the first chapter of my e-book (a sci-fi story) as a PDF and asked Manus to turn it into a black-and-white comic. Other AI apps like chatgpt require tons of prompts or manual tweaks. Manus just gets it done, which saves so much time.

I’ve been using Manus recently and it’s been genuinely helpful for quick research and small automation tasks. It acts like an AI with its own workspace that you can assign things to even when you're offline.

2.4 系統權限：描述現實 VS. 介入現實

評論中明確提到，Manus 可以通過 SSH 直接連接真實服務器，并在獲得 PAT（個人訪問令牌）后持續向 Github 提交代碼、配置云服務和部署完整系統；而 GPT-5 即便具備代理能力，也無法進入真實系統權限環境。

在格式控制與策略限制上，ChatGPT 也明顯受到平臺級約束，例如強制加入引用、無法按用戶要求輸出可直接交付的商業文檔；Manus 更像一個純工具型系統，可以嚴格按照用戶指定的格式與目標執行任務。

Now that GPT5 is Agentic, how does Manus differentiates, or has any advantage? Manus can SSH and has a lot more freedom for giving it PAT that GPT5 can't touch.

ChatGPT5 refuses to summarize website content in reports without placing it's "required" citations. I needed a training doc for Vapi AI and would have to remove all the citations to avoid a shit-like result. Manus produced a perfectly formatted output with no citations, as I asked.

綜合以上分析可以看到，ChatGPT 在用戶眼中更像是一個認知層產品，擅長對話、思考、解釋與規劃；而 Manus 已經進入執行層，開始承擔真實工作流中的生產角色。

03Manus 的核心用戶畫像

3.1 把 Manus 當成「比雇人便宜」的執行資源的人

這類用戶會把 Manus 當作比雇人更便宜的解決方案，直接拿 Manus 和初級員工、學生助理、會計師工時、外包寫作服務等進行成本對比。

雖然從傳統 AI 工具訂閱費的視角看，Manus 的價格總是被吐槽很貴，但一旦切換到「如果不用 Manus 就必須雇人」的真實商業成本框架下，它在用戶眼中反而變成了一個完全可以接受、甚至極具性價比的選擇。

這些人的共性是：

• 有明確的商業目標與任務清單

• 會主動計算人工 vs Manus 的邊際成本

• 并不關心模型多先進，能容忍結果不完美，只要整體 ROI 成立

這是目前在評論中付費動機最清晰、最容易被量化的一類用戶，要的就是「算得過賬」。

Cheaper than a junior team member and delivers similar results for many tasks. One such use case is I have some content that I need to produce each week. It requires a little bit of research, summarisation, and then the content needs adding to a portal, then a notification email sending.

Instead of hiring and instructing students to go through hundreds of YouTube channels and calculating avg views by certain filters, we just have Manus do it on repeat schedule. For now we only use about 200-500 usd on Manus a month, which is peanuts compared to hiring a human.

If you are a business owner and have a deadline in 15 days for your accountants.... use MANUS!!! I just saved hours and hours of work as well as hours my accountant would probably charge me because of the output.

Let's say I hired a freelancer to create a writing guide for me. I just did a search for writing style guide on Fiverr. The first listing I saw cost $250. Manus did the same thing for 12. That's a 90% discount. And honestly, a human probably couldn't have even done a better job.

3.2 用 Manus 跑固定工作流的人

這類用戶使用 Manus 解決的不是單次生成，而是跨步驟、跨系統、可重復執行的流程性任務。雖然從表面看，這些任務本身并不復雜，但它們高度依賴多平臺協作、重復操作和長期運行，如果由人來完成，往往意味著大量機械勞動與頻繁的系統切換。

評論里出現了非常典型的流程組件：讀取外部資料源（例如 Google Drive 的圖片）、解析內容（識別商品）、生成結構化輸出（標題、描述、定價建議、分類）、以及定時重復運行（每天查機票價格并寫入表格）。他們對 Manus 的期待集中在兩點：一是能把多步驟串起來，二是一旦設置好指令就能穩定運行。

對這些人而言，Manus 的價值在于是否能夠作為一個穩定的執行節點嵌入現有工作流，減少人工操作步驟和系統切換成本，關注點集中在「能不能長期跑」、「會不會中途掉鏈子」。

I created an ebay automation by connecting my google drive and having Manus parse through the images to identify each item and create title and descriptions for each along with pricing suggestions, photo links, and suggest the proper ebay categories.

I'd love to use Manus as the daily AI driver as it could replace so many multistep tasks without setting up automations via multiple AI providers but just can't justify the cost. Don't get me wrong, I'll be saving Manus for the juicier tasks but unfortunately that's all.

I think manus shines for scheduled, predictable web tasks, not so much for one-off phone calls or captcha-heavy sites. the revenue thing probably comes from teams using it for bulk operations, not casual stuff.

3.3 本來不會寫代碼，但現在真的做出了東西的人

這類用戶的共同特征是：并不具備專業編程能力，卻直接用 Manus 推進了原本需要技術能力才能完成的項目形態，例如網站建設、游戲開發、個人產品原型等，正是市面上一系列 vibe coding 產品所主打的典型場景。

這些人在評論中很少討論成本或產出比，更多表達的是一種個人體驗層面的突破感：項目被推進了多年進度，原本無法理解的文件結構開始變得可讀，一個長期停留在想法層面的目標終于開始落地。

Manus 在這里的意義，是讓個人第一次跨越技術門檻，以自然語言和直覺的方式，直接參與到產品級創造之中。

I have been working on a TCG like game for over 10 years just myself. Now within the past few days I've been able to move years ahead. It's helping me understand the files it's creating so I don't have to go from the absolute ground.

As someone with no programming knowledge, I recently embarked on the journey of revamping my outdated website using Manus, and the experience has been both enlightening and rewarding. Manus seamlessly migrated all the content from my old site—texts and images alike—into a fresh, modern design.

I'm a music producer and definitely not a coder by any means. I used manus to help me create a game to accompany my new album.

3.4 積分花得很狠，把過程當成在上課的人

這類用戶會明確承認使用過程中的困難與不確定性，即便無法完全理解所有技術細節，依然愿意通過大量試錯和反復調用來逼近目標，把整個過程類比為一門高強度的線上課程，并將積分消耗視為「學費」而非損失。

這些人在評論中頻繁表達「我學到了什么」「這個過程本身很有價值」，體現出一種對失敗、成本和不確定性的高度耐受，更像是在與一個尚未成熟但潛力巨大的系統共同成長。

I'm an HR professional in Korea. While I couldn't grasp all the intricate issues, working with Manus required me to study extensively, leading to significant learning. I ended up consuming nearly 10,000 credits during this process, but it feels as though I spent it on online tuition.

I was a ChatGPT pro user and I am now spending around $200 every 4 days with Manus and it’s worth every penny. Manus has crafted a great enail to the devs with a clear accounting of all the mistakes it made and a list of what it feels were valuable contributons I made to its learning process.

04對 Manus 的進一步發現

4.1 AI 工具不是在彼此替代，而是在形成分工體系，Manus 從 Chatbot 已經教育過的用戶中篩選高價值需求做執行

雖然 Manus 已經能夠處理大量復雜任務，但其實用戶并沒有從 ChatGPT 遷移走。兩者在用戶心智中承擔的是完全不同類型的認知勞動：ChatGPT 被用于高不確定性、強交互、反復修正的思考階段，而 Manus 被用于目標已經明確、執行過程冗長瑣碎、用戶不愿持續介入的階段。

用戶沒有在兩個工具之間做選擇，真實的使用鏈路是 ChatGPT 負責把問題想清楚，Manus 負責把結果跑出來。這也解釋了為什么在 AI 時代，一些用戶談論的已經不再是哪個工具更強，而是哪個工具更適合放在分工體系中的哪個位置。

還有一個發現是，很多用戶都會先用 ChatGPT，再用 Manus，背后的理由也很現實：先在便宜的工具里把 prompt 打磨到足夠好，再把確定但麻煩的任務交給更貴的 Manus 去執行，從而盡量節省 Manus 的積分消耗。

這種分工更多是一種成本層面的選擇：ChatGPT 承擔的是低成本、高試錯率的認知準備階段，Manus 承擔的是高成本、低容錯率的執行階段。

For me, I’ll still use ChatGPT for open-ended chats and complex brainstorming, but Manus AI was surprisingly useful for quick, structured tasks.

I've loved using manus for building my website, but I use chatgpt to help with prompt engineering in order to save on manus credits. If you put in large master prompts with multiple tasks, you waste less credits.

I wanted to say manus is great, I basically have a senior app developer working for me, however you do have to be specific, and prompt it well, which I do through CHATGPT, it is a bit more productive, and writes good prompts for my goal, and manus makes it a reality.

I absolutely am extremely picky about what I actually use Manus for and before I use it I do as much planning and pre work as I can with other models, depending on what it is, I might even try it all the way on another model so I can give an example of what not to do or how not to do it.

4.2 真的有 Manus 的狂熱愛好者會迅速花光成千上萬的積分

在評論中可以非常清晰地識別出一類用戶：他們對積分消耗幾乎沒有心理上限，會在單個項目中持續投入數萬甚至數十萬 credits，并且普遍給出極強的價值確認。

其中還有一小撮更極端的用戶直接表明自己根本不在意 credits 用量，給所有 AI 工具都買 200 美元檔的套餐，屬于最激進的 AI 擁抱者。在他們心里，AI 訂閱已經是固定成本，默認「先進模型先用再說」，不再逐個算 ROI。

I've been using Manus on a project for the last 6 months and have spent close to 300K credits just in the last few months. Would I ever have had a million dollars in code and a years worth of coding done for less than $3K and in two months time without Manus, definitely not.

I have a junior level programmer on staff. I’m insisting they use Manus and between them, we are getting senior level production ready output for next to no increased cost. 40k credits burned the last 3 days and feel so satisfied, actually grateful. $200 has been an unbelievable bargain.

I don’t care about credit usage. I’m on the $200 plan for every AI service out there. Manus is still the best agent in the market today and UX is better than all the others.

4.3 Manus 給 Freelancer 和小企業主提供的不是單點 AI 工具，而是完成商業閉環所需的「低配組織形態」

對 Freelancer、一人公司、小型工作室和早期創業團隊等用戶來說，他們對外售賣的是判斷力和專業服務，但缺少助理、運營、行政、銷售等基礎執行角色，業務就無法形成閉環。Manus 實際上提供的是一種「低配組織形態」，讓個體在不雇人、不外包的情況下，也能擁有接近一個小團隊的執行能力。

此時，Manus 的價值不體現在「足夠專業」，而在「只要可用，就已經比現實替代方案更優」，哪怕只有 60 分，也顯著低于雇人或消耗自身時間的成本。

I am a freelancer and I work by sending various proposals, contacts, presentations, briefings, etc. to leads and clients. With MANUS, I was able to create a complete workflow to do all of this for me without having to click or write anything.

I’m an MQL developer, and I have a website where I sell my products and render services. I’m here to see how Manus can be used for marketing and sales.

I use manus to run my distribution business, from the finance, sales & marketing and hiring.

I'm using it to build systems for solopreneurs to use in their businesses!

4.4 Manus 并沒有吃掉知識工作者的核心能力，覆蓋的其實是「商業雜活」的巨大長尾市場

如果拆開來看具體的工作內容，會發現 Manus 很少動到知識工作者最核心的判斷環節，它真正高頻出現的地方幾乎都集中在那些零散、瑣碎、但又繞不開的商業雜活上。

這類任務的典型特征是：輸入輸出明確、邏輯路徑不復雜、不需要人持續參與上下文，例如報稅、填表、跑流程、自動化 Excel、生成格式化文檔等。對個人來說，自己做是浪費生命，請人做要付出管理和溝通成本，外包往往又貴過任務本身的價值。這些任務長期處在一個尷尬地帶：它們不夠專業，卻又不可或缺。

而 Manus 正好覆蓋的就是這一層結構性真空，讓知識工作者可以把已經想清楚、但沒人愿意親自做的執行性交付任務整體外包出去，從而釋放出真正用于判斷、決策和創造的注意力。這也正是 Manus 最穩定、最廣泛的真實價值區間。

Mainly excel stuff, stuff you have to do manually that requires a minimum level of intelligence, data validation! Looking up emails, moving them into an excel sheet, etc. It would take approx 3-4 days for me to do my Tax returns (UK), Manus does it all in 45mins, with full validation etc.

I'm not technical but I find manus really good for automating spreadsheet tasks that I spent a lot of time on previously. I'd rather pay $40/month to run a report or two every day.

Where it actually works for me now (on a paid plan) is automating super repetitive web stuff. like, i have it check flight prices every morning across three sites and log them in a sheet. takes a bit to set up the instructions right, but once it's running, it's consistent.

4.5 用戶的 Credits 焦慮，本質上是「執行不確定性」的定價問題

在用戶評論中有一個反復出現的情緒是：對積分消耗的不安。很多用戶在啟動任務時，根本不知道這件事最終會花掉多少 credits，只能在執行過程中看著余額不斷減少。這種不確定性會直接影響使用方式：即便認可 Manus 的能力，用戶也會頻繁中斷任務、手動介入，不是因為不信任結果，而是擔心任務跑到一半錢先沒了。

這個問題最主要源于 Agent 的價值來自交付結果，但計費方式卻發生在執行過程。用戶把一個目標整體交出去，中間過程不可見、路徑高度不確定，成本與結果強烈解耦，于是出現一種典型心理狀態：我愿意為結果付錢，但我不敢為過程放手。

這意味著一個結構性矛盾：只要 Agent 的執行路徑高度不確定，按 token / credits 計費，就必然制造用戶的成本焦慮。這種焦慮會抑制用戶把更大、更復雜的任務交出去，削弱全托管的安全感，從而影響 Agent 產品的商業上限。也就是說，Agent 的天花板不僅取決于能力，還取決于用戶能否在心理上預期這件事的成本上限。

My first week: I couldn't believe it. Manus actually follows through. And it gets things done. It creates presentations and teaching scripts that I can actually use. Woohoo! Any time after my first week: where did my tokens go? How on earth? Why did that happen? What?

I was trying to develop an app and at first manus was blowing my mind. Incredible how fast it was picking up everything I wanted. When it came time to test the app, I easily wasted 2-4k of credits repeating mistakes it made during the coding. The amount of credits wasted really bothers me.

My second question is how can you estimate how many credits you need for a certain project or wide research task. For example if I want to research 200 companies and pull 5 pieces of data from each company's web site, how do I know or estimate how many credits that might take?

05從 Manus 想到的這一代 AI 競爭的「穩態約束」

在回看這些真實用戶評論時，有一個信號非常明顯：無論是降本增效的企業主、自動化極客還是獨立開發者，他們的關注點始終不在模型的「智力上限」，而在于這件事我到底愿不愿意真的交給 Manus 做？如果交出去，它在現實世界里值多少錢？

再把視角從單個產品拉升到代際層面，我們會發現一個非常有意思的類比。

2024 年我在做互聯網考古的時候，翻到過一張很有意思的老圖：2018 年聯通每個月發布的「沃指數」，其中有一個核心指標叫「戶均月消耗流量」，某一次榜單中快手的數字是 634.93MB，大幅領先微信的 520.91MB、B 站的 489.95MB、抖音的 253.97MB，并且蟬聯榜首位置一年多之久。當時這個榜單被大量引用，隱含結論似乎就是——誰更耗流量，誰就是更強的平臺。

但站在今天審視，這個指標變得非常有時代感，它只是一個成本側的顯性指標，卻被誤當成了生態權重的本質指標。流量消耗高，只說明這個產品讓運營商賺得更多錢，卻并不能真正代表用戶價值、商業價值，甚至也不等于平臺勢能。它更像是一個電表讀數，而非真正的市場份額。

今天 AI 世界里的「token 消耗量」，在認知上非常像當年的「戶均消耗流量」，同樣是一個極其顯性的指標，同樣被大量拿來證明規模、增長和領先地位，但回答的也只是「為系統消耗了多少資源」，而不是「為現實世界創造了多少價值」。

這背后其實是兩代技術爭奪的稀缺資源完全不同。

移動互聯網最初爭奪的是「下一個門戶」，是「新的信息入口」，核心指標是裝機量；到了推薦系統和信息流出現之后，大家在經驗層面逐漸意識到「用戶待得越久，商業化越容易」，留存率開始比新增重要，用戶平均使用時長成為核心 KPI；直到短視頻爆發，當推薦系統成為主流分發機制，廣告變成插在時間流里的信息，信息流廣告這種頂級商業模式被徹底跑通，行業才真正承認用戶時間是移動互聯網的第一性約束條件，廣告收入 ≈ 使用時長 × 廣告密度 × 轉化率，生態競爭的終點變成了誰能占住更多注意力。

而這一代 AI 爭奪的是人類可被外包的經濟效用總量，也就是有多少真實工作、決策和表達，人類愿意交給 AI。換句話說，現實世界里有多少本來應該由人完成的任務結構，人類愿意授權給 AI 執行，這些任務本身的經濟價值有多高，甚至可以直接按地域來計算 AI 節省的人力時間 × 當地人力單價。

再進一步拆分，AI 產品是在爭奪三種份額：

• share of tasks：有多少具體任務，是默認交給你完成的

• share of decisions：有多少決策，是你參與甚至主導的

• share of outputs：最終被交付、被使用的結果，有多少來自你

06Manus 有 PMF，

但機會不只在 Manus

我們可以非常確定地說，Manus 是一個已經跑出 PMF 的產品，但它并不是這一代 AI 的終局形態。

從用戶行為來看，Manus 最穩固的價值區間非常明確：目標已經清晰、路徑高度可預期、執行過程冗長瑣碎、而人類又不愿持續介入的那一段真實勞動。它在這一層幾乎是無可爭議的王者，吃掉的是一整片商業雜活的長尾執行市場。但這也同時決定了它的天然邊界：一旦任務具有高失敗代價、高不確定性、強情境判斷，或者需要持續的人類信任與責任承擔，Manus 這種執行型 Agent 就不再是最優解。

這也是為什么，在 Manus 之外，這一代 AI 真正剩余的機會，并不是繼續做一個更強的通用智能體，而可能會分化成三種不同方向的產品形態。

第一類是 vertical agent，也就是深度嵌入某個垂直領域任務結構的專業型 Agent，直接對齊某個高價值行業流程，比如法律、財稅、醫療、金融、工程設計等，爭奪某個專業領域里的任務份額和決策權。

第二類是 AI + 人類服務，也就是把 AI 放進一個真實的服務交付體系中，由人類承擔責任與兜底，由 AI 提供規模化執行能力，這類產品解決的是「如何在現實約束下完成可信交付」，在高客單價、高責任場景中更容易成立。

第三類是 Copilot，也就是持續嵌入人類工作過程的協作型 AI，不試圖替代人，而是成為判斷、表達與執行之間的增強層，長期價值不在于做得多自動，而在于是否成為用戶不可或缺的認知接口。

決定這一代 AI 天花板的，或許是誰能進入更高價值、更高責任、更高決策密度的任務結構。

這一代 AI 的終局形態，可能也不會收斂成一個單一的超級智能體，而更接近一整套分布在不同任務層級上的智能系統網絡。

轉載原創文章請添加微信：founderparker