Manus AI智能体：AGI发展新范式的实践与测评

ManusAI智能体 智昇人工智能研究院 AGI发展新范式的实践与测评 智昇人工智能研究院研究员金金、Enjoy、小雪、IRIS、何惠 学君、阿秒AI团队 130所高校教授、博士联合发布 智昇人工智能研究院20250307 contents 智昇人工 智能研究 院 引言 AGI发展历程、现状与趋势 ManusAI概述 目录 ManusAI技术原理探析 ManusAI实测案例分析 ManusAI用户体验评估 ManusAI发展前景与挑战 ManusAI交互指南 写在最后 引言 智昇人工智能研究院 人工智能正经历深刻变革，从传统的单点能力模型正快速向通用人工智能AGI演进。在这一演进过程中，AI智能体Agent的出现代表了AI从“工具”向“助手”再到“代理人”的关键跃迁。 2024年末到2025年初，我们见证了AI智能体从概念走向实践的重要时刻。 自ChatGPT掀起大语言模型革命以来，AI已能进行高质量的文本理解与生成，但其与现实世界的交互能力仍显不足。人类与AI之间的交互依然需要人类作为中介，负责操作各类软件和执行实际任务。这种情况正随着AI智能体的出现而改变。 ManusAI作为新兴的通用智能体，其核心价值主张在于模拟人类操作电脑的能力，实现从“我告诉AI做什么”到“AI能够自己完成任务”的转变。这种能力不仅是技术上的进步，更是AI与人类协作模式的革新，标志着AGI发展的新阶段。 在当前以OpenAI、Anthropic等为代表的国际AI巨头主导的格局中，来自中国的ManusAI团队凭借其创新产品吸引了广泛关注，为全球AI智能体的发展带来了新的可能性和思路。 智昇人工智能研究院 01 AGI发展历程、现状与趋势 AGI发展历程 AGI的理念源于对机器能像人类一样执行任何智力任务的追求，其历史可分为几个关键阶段。 早期探索与乐观估计（1950年代1960年代） 智昇人工智能研究院 1956年的达特茅斯研讨会被视为AI研究的起点，吸引了JohnMcCarthy、MarvinMinsky等学者，探讨机器学习和通用智能的可能性。 1965年，赫伯特西蒙预测机器将在20年内能完成人类任何工作。 1967年，MarvinMinsky认为AGI问题将在一代人内解决，但这些预测未实现，反映了早期对复杂性的低估。 转向狭窄AI（1970年代1990年代） 1970年代初，研究者意识到AGI难度，资金转向应用导向的狭窄AI。 1984年，DougLenat启动Cyc项目，试图构建通用知识库，1980年代初日本的第五代计算机项目也设定了包括自然语言和推理的AGI目标，但未能实现，AI研究者被贴上“空想家”标签，避谈“人类水平”AI。 AGI发展历程 AGI兴趣复兴（1990年代末2000年代） 1997年，MarkGubrud在军事生产讨论中首次使用“AGI”一词。 智昇人工智能研究院 2000年，MarcusHutter提出AIXI模型，描述一个能最大化目标满足的通用AI代理。2002年，PeterVoss、ShaneLegg和BenGoertzel推广该术语。 2009年厦门大学和OpenCog在厦门举办首次AGI暑期学校，标志着研究社区的活跃。 现代AGI研究与进展（2010年代至今） 2010年，DeepMind成立，专注于AGI，2014年被Google收购。 2015年，ElonMusk等创立OpenAI，致力于安全AGI。 2016年，DeepMind的AlphaGo击败围棋世界冠军，展示AI在复杂策略游戏中的能力。 2022年，OpenAI推出ChatGPT，标志自然语言处理的新里程碑。 2023年，微软研究认为ChatGPT可能是早期AGI。 2024年OpenAI的o3模型在ARCAGI基准测试中得分875，超越人类84，进一步推动AGI研究。 智昇人工智能研究院 智昇 从人工智能的技术代际发展看 人工智能研究院 第一阶段：数据启蒙期（1950s2010s） 1997年IBM深蓝击败国际象棋世界冠军卡斯帕罗夫 2000年代自动语音识别系统的商业化应用 2010年左右机器学习在图像分类等任务上的突破 第二阶段：互联网融合期（2010s2025s） 2012年深度神经网络在ImageNet挑战赛中的突破性胜利 2017年Transformer架构的提出，为大型语言模型奠定基础 20222023年GPT、Claude和Llama等大语言模型的广泛应用。 从人工智能的技术代际发展看 智昇 第三阶段：感知觉醒期（2025s2030s） 多模态大模型能无缝融合文本、图像、声音、视频等不同形式的信息 人工智能研究院 感知行动循环的建立，使AI能够通过持续观察调整其行为 实时环境理解和场景重建能力 初步的物理常识和因果推理能力 第四阶段：实体化探索期（2030s2040s）） 灵巧机器人系统与大模型的深度集成 强大的物理操作能力，包括精细运动控制和工具使用 环境适应性和自主学习新技能的能力 在不确定环境中的长期规划和决策能力 第五阶段：社交共融期（2040s） 社会认知能力，包括理解情绪、意图和社会规范 文化理解和适应能力 道德推理和伦理决策能力 与人类的深度合作能力和自我完善机制 智昇人工 智能研究 院 本报告来源于三个皮匠报告站（wwwsgpjbgcom）由用户Id349461下载文档Id616528下载日期20250310 智能体Agent在AGI进化中的关键地位 智昇人工智能研究院 AI智能体是能自主执行任务的软件程序，通过观察环境、决策和行动实现目标。它们被视为AGI发展的关键，因为能处理需要通用智能的任务，如上下文理解、决策和环境交互。 智能体的类型包括： 自主机器人：如Roomba吸尘器和Amazon配送机器人。 游戏智能体：如下棋或扑克智能体。 欺诈检测智能体：用于金融交易分析。 交通管理智能体：优化城市交通流 结合大型语言模型（LLMs），智能体的能力显著增强。例如，Microsoft的研究表明，LLMs使智能体能更自然地与用户交互，处理复杂任务（如代码生成和客户查询解决）。研究还指出，智能体通过迁移学习和单次学习 （oneshotlearning）提升通用性，例如更快适应新任务。它们被视为AGI的构建模块，推动从单一功能AI向多领域适应的转变。 ManusAI的出现与定位 智昇 人工智能研究院 Manus是由中国团队Monicaim于2025年3月5日发布的全球首款通用型AIAgent（智能体）产品，在权威的GAIA基准测试中性能超越OpenAI同类产品。 产品定位Manus定位于手脑并用（拉丁语MensetManus），采用多代理架构模拟人类工作流（PlanDoCheckAct），成本仅为同类产品的十分之一。用户只需输入简单指令，即可获得接近实用状态的报告或文档。 创始人团队肖弘（Red）：1992年出生，华中科技大学毕业生，连续创业者。创业历程：2015年创立夜莺科技，推出微信公众号运营工具壹伴助手和微伴助手，累计服务超200万B端用户，获腾讯、真格基金等数亿元投资。2022年创立Monica（北京蝴蝶效应科技），开发AI浏览器插件，主打海外市场，用户突破千万。2025年推出Manus，被媒体称为比DeepSeek创始人更年轻的AI新星。 季逸超（PeakJi）联合创始人兼首席科学家，曾开发获MacWorld特等奖的iOS浏览器猛犸，并创建中文互联网最大知识图谱系统Magi。主导Manus的技术架构设计，强调人机协作的未来方向。 张涛：资深AI产品经理，负责产品场景探索与演示视频制作，曾在工具、SaaS领域有丰富经验。 ManusAI的定位 智昇人工智能研究院 ManusAI定位为通用AI智能体，其名称源自MIT校训“MensetManus”心灵与双手中的“Manus”双手，强调通过“动手实践”解决实际问题。 在技术架构上，Manus采用云端虚拟环境，让AI在独立的“电脑”中操作，避免与用户本地电脑争夺控制权。 ManusAI智能体，旨在将想法转化为行动，自主执行复杂任务。功能和能力包括： 旅行规划：创建个性化旅行手册，如日本4月行程。 金融分析：分析特斯拉股票，设计可视化仪表板。 教育支持：为中学教师创建关于动量定理的视频演示。 保险比较：生成清晰比较表并推荐最佳决策。 B2B采购：跨网络深入研究，找到合适供应商。 智昇人工智能研究院 02 ManusAI概述 核心功能与特点 认知控制中枢 智昇人工智能研究院 智能体控制中枢融合神经符号系统（NeurosymbolicAI），将LLM的语义理解与知识图谱的逻辑推理相结合，在医疗诊断等专业领域的决策准确率可达897，较纯LLM方案提升34个百分点 多模态感知系统 感知系统已突破传统文本交互边界，视觉模块采用ViT22B模型实现每秒60帧的实时场景解析，听觉模块集成WaveNet变体实现982的语音指令识别率13。更革命性的突破在于跨模态对齐技术，通过对比学习算法建立文本图像声音的联合嵌入空间，使得智能体在未知环境中的对象识别准确率提升。 任务规划与执行机制 智能体的规划系统采用分层强化学习框架（HRL），将复杂任务分解为可执行的子目标序列。通过蒙特卡洛树搜索（MCTS）与神经规划器结合，Manus在GAIA基准测试中达到914的任务完成率，远超OpenAI同类产品23个百分点。其执行系统创新性地采用沙盒虚拟机架构，支持Python脚本自动生成与调试，在数据分析类任务中实现完全自动化处理。 自主操作能力 任务规划与执行 智昇人工 智能研究 院 多源信息整合 可视化结果呈现 过程透明与可干预 记忆与学习能力 自主操作能力 智昇人工智能研究院 ManusAI能够模拟人类使用电脑的方式，执行各种操作任务，就像一位虚拟助手在云端计算机上代替您工作。 具体表现： 网页浏览操作：能够打开Chrome浏览器，在地址栏输入URL，点击导航栏，使用前进后退按钮 内容交互：滚动页面，点击链接，填写表单，上传文件，拖放元素 应用程序控制：使用快捷键控制视频播放（如使用空格键暂停播放YouTube视频） 多标签管理：同时打开多个标签页并在其间切换，保持多线程工作流 实例： 当用户要求Manus比较不同平台上小米AI眼镜的价格时，它会像真人一样依次打开各电商平台，在搜索框输入“小米AI眼镜”，滚动浏览搜索结果，点击相关产品链接，记录价格信息，并在遇到验证码时提示用户协助。整个过程就像远程观看一位助手在电脑上操作一样直观。 任务规划与执行 智昇人工智能研究院 ManusAI擅长将复杂任务系统化分解并有序执行，确保高效完成用户需求 实例： 当用户请求Manus进行特斯拉股票分析时，它会自动拆解任务为：1收集特斯拉基本财务数据；2分析行业竞争格局；3评估市场趋势；4研究政策影响；5查找分析师观点；6总结投资建议。它会有序执行这些步骤，在GoogleFinance查询基本数据，访问特斯拉官网获取财报，浏览行业新闻 分析竞争对手，最后将所有信息整合形成完整分析。 具体表现： 任务分析与拆解：自动将大型任务拆分成逻辑子任务 步骤优先级安排：确定最佳执行顺序，提高效率 适应性调整：根据执行过程中的发现动态调整计划 进度跟踪与报告：实时更新任务完成状态 多源信息整合 智昇人工智能研究院 ManusAI能够从各种渠道收集信息，并将其整合为连贯有用的内容。 实例： 当用户要求分析恐怖电影的叙事技巧时，Manus会访问多个信息源：在B站搜索相关视频教程，浏览知乎上的专业讨论，查看搜狐娱乐的影评文章，甚至访问IMDb等国际电影数据库。它能够从各种来源提取关键见解，比如从专业影评中获取叙事结构分析，从观众评论中了解恐怖元素效果，从学术文章中提取类型电影理论，最终整合出全面而深入的分析报告。 具体表现