Meta Platforms正在通过收购新加坡公司Manus来推进自主人工智能智能体发展。Manus今年初因其无需人工监督即可使用网络浏览器执行任务的能力而备受瞩目。
Manus在三月份一举成名,这正值中国DeepSeek公司推出OpenAI ChatGPT低成本替代方案震惊世界数周之后。它是首批通过订阅服务向普通用户广泛提供的AI智能体之一,因其执行复杂任务的能力在社交媒体上引起轰动,这些任务包括制作简历、编写软件应用程序以及设计和构建网站。
该智能体还展示了令人印象深刻的研究能力。在X平台发布的一段视频中,用户要求Manus在其期望的位置找到合适的两居室公寓,该智能体立即开始生成全面的可用房地产清单,包括当地犯罪率评估和到城市不同区域的通勤时间。
Manus是今年席卷企业界的AI智能体浪潮中的先锋之一,如今这类产品已相当普遍,每个人都在努力实现AI工作自动化的承诺。例如,像CodeGPT、GitHub Copilot、Replit和Jules等编程智能体已经改变了软件开发,而Salesforce和ServiceNow等公司也推出了专为不同行业垂直领域工作自动化设计的AI智能体队列。
Manus更像是一个通用智能体,尽管相关头条新闻已经平息,但据报道,该公司在四月份筹集了7500万美元资金后,继续在初期成功的基础上发展壮大。在今日宣布收购的简短博客文章中,Meta表示Manus今年已处理超过147万亿个Token,创建了超过8000万台虚拟计算机,同时服务全球"数百万用户和企业"。
这家初创公司最初位于中国,夏季搬迁至新加坡,称其在推出仅八个月后就达到了1亿美元的年度经常性收入,成为全球首家在如此短时间内实现这一里程碑的初创公司。其大部分收入来自付费订阅用户。
在公告中,Meta表示将继续作为独立产品运营和销售Manus智能体,同时将其技术整合到自己的生态系统中,包括Meta AI平台。这可能将Manus技术的覆盖范围扩展到全球数十亿用户。
Manus首席执行官肖红表示:"加入Meta让我们能够在更强大、更可持续的基础上发展,而不改变Manus的工作方式或决策制定方式。"
这笔交易表明Meta更加认真地考虑围绕其在AI基础设施方面的数十亿美元巨额投资建立可行的商业模式。AI已成为Meta创始人兼首席执行官马克·扎克伯格的首要任务,超越了他对元宇宙的雄心,但这家社交媒体巨头最近面临困难,其Llama大语言模型家族被认为落后于OpenAI的GPT-5和Google的Gemini 3等竞争对手。
扎克伯格通过成立专门的AI研究部门Meta Superintelligence Labs来应对,该部门专注于构建更先进的模型和AI智能体。该部门由数据标注初创公司Scale AI创始人亚历山大·王领导。Meta今年早些时候支付140亿美元收购Scale AI 49%的股份,这实际上是为了获得王的服务的"收购式招聘"。
Q&A
Q1:Manus是什么?它能做什么?
A:Manus是新加坡一家公司开发的AI智能体,能够无需人工监督即可使用网络浏览器执行各种复杂任务,包括制作简历、编写软件应用程序、设计和构建网站,以及进行房地产研究等。
Q2:Meta为什么要收购Manus?
A:Meta正在推进自主人工智能智能体发展,收购Manus是为了强化其AI能力。Meta需要围绕其在AI基础设施方面的巨额投资建立可行的商业模式,同时其Llama大语言模型被认为落后于竞争对手。
Q3:Manus的商业表现如何?
A:Manus在推出仅八个月后就达到了1亿美元的年度经常性收入,成为全球首家在如此短时间内实现这一里程碑的初创公司。今年已处理超过147万亿个Token,创建了超过8000万台虚拟计算机,服务全球数百万用户和企业。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。