Manus是否标志着AGI？

关于Manus是否标志着AGI（通用人工智能）时代的到来，可得出以下结构化结论：
一、Manus的技术突破与AGI关联性
1.端到端执行能力的跃升
Manus首次实现了从“任务理解”到“成果交付”的完整闭环，例如自动解压简历、编写代码生成股票报告等。这种“手脑协同”能力（Mens et Manus）使其超越传统对话式AI（如ChatGPT），接近人类“规划-执行-验证”的工作模式。
2.多智能体协作架构创新
采用“规划代理、执行代理、验证代理”分工机制，结合虚拟机隔离技术实现异步任务处理，支持浏览器、代码编辑器等工具链动态调用。在GAIA基准测试中，其86.5%-89.7%的准确率刷新行业纪录，性能超过OpenAI同类产品。
3.工程化整合的实用性突破
通过集成Claude 3.5、DeepSeek等现有模型的API，Manus将AI能力封装为可落地的“数字劳动力”，覆盖简历筛选、房产分析、财务建模等60+场景。其异步处理特性（关闭设备后仍可完成任务）重构了人机协作流程。
二、Manus与AGI的本质差距
1.技术原创性争议
开发者指出其架构与Anthropic的“ComputerUse”高度相似，底层未自研大模型，核心能力依赖第三方API调用。OpenAI等企业若内化类似功能，Manus的竞争力可能被削弱。
2.通用性尚未达标
AGI需具备“无需预设框架即可适应任何领域”的能力，而Manus的任务执行仍受限于预设工具链（如仅支持浏览器操作、编程环境），无法处理物理世界交互（如机器人控制）。长尾任务（如投资组合优化）成功率骤降至41%。
3.自主意识与推理能力缺失
AGI的核心是抽象思维和跨领域迁移学习，而Manus目前停留在任务分解与执行层面。例如生成房产报告时，它无法理解“学区质量”背后的社会文化因素，仅依赖数据计算。
三、行业视角：AGI时代的曙光还是阶段性成果？
1.市场反响与技术验证
Manus的爆火（邀请码炒至6-8.8万元）反映了市场对“行动式AI”的强烈需求，其工程化整合能力验证了多智能体协作架构的可行性，为AI Agent商业化树立标杆。
2.与OpenAI等巨头的对比
OpenAI计划推出的“博士级Agent”强调自主决策而非预设执行，而Manus更偏向“超级自动化工具”。DeepSeek等厂商则从“信息供给”维度切入，与Manus形成互补。
3.AGI实现的底层瓶颈
真正的AGI需突破自主意识生成、无监督学习、跨模态推理等核心技术。Manus虽在任务执行效率上取得突破，但未解决认知架构、常识推理等根本问题。
四、结论：AGI尚未到来，但技术临界点已现
Manus的发布标志着AI Agent从实验室走向产业化的关键转折，其意义在于：
技术验证：证明多智能体协作与工具链整合的可行性，为后续研究提供工程化样本；
市场教育：推动用户从“对话交互”到“任务交付”的认知升级，加速AI与工作流融合；
产业催化：引发资本市场对AI Agent赛道的关注（相关股票单日涨停），倒逼巨头加快技术迭代。
然而，Manus并非AGI本身，而是通向AGI的“探路者”。当前AI仍处于“狭义智能”向“通用智能”过渡的早期阶段，人类级人工智能的实现仍需突破自主意识、跨领域迁移、物理世界交互等核心瓶颈。正如斯坦福HCI实验室的评价：“Manus是AI从‘工具’向‘伙伴’的范式转移，但距离AGI仍有本质差距。”

发表于 2025-4-7 15:59:54

从Manus洞察AI领域的同质化困局-优雅草卓伊凡

在当今科技高速发展的时代，AI领域的竞争呈现出如火如荼之势。其实，人工智能的推进已历经数年，ChatGPT早早便拥有了智能体（agent）这一颇具前瞻性的概念，然而，在当时的环境下，它并未获得与之匹配的重视，犹如一颗被遗落在角落的明珠，黯淡无光。直至今年，一方面由于DeepSeek的开源，为众多开发者和企业提供了可借鉴与拓展的基础；另一方面，春晚舞台上宇树科技机器人那令人惊叹的表演，以一种直观且震撼的方式，将人工智能的魅力展现给了普罗大众，引发了社会各界对人工智能的强烈关注与热烈讨论，成功点燃了大众对AI的热情之火，让AI真正走进了千家万户的视野。
近期，Manus这款产品一夜之间火爆全网，成为众人瞩目的焦点。然而，令人大跌眼镜的是，仅仅24小时后，它便如流星般迅速坠落，辉煌转瞬即逝。这一极具戏剧性的起伏，不禁引发人们的深度思考：在看似蓬勃发展的AI浪潮背后，究竟潜藏着怎样的问题？

亲身体验Manus之后，实难对其给予过高评价。它的爆火，很大程度上或许得益于前期强大的营销与宣传攻势，营造出的话题热度成功吸引了大众目光。但当用户深入使用，就会发现其在技术成熟度、用户体验等方面存在诸多短板，根本无法维持长久热度，也难怪会如此迅速地被大众遗忘。
Manus的兴衰，不过是一个缩影，映射出当前国内AI领域更为严峻的同质化竞争困境。当DeepSeek在大模型领域崭露头角后，大量类似的大模型如雨后春笋般纷纷涌现。国人似乎总是难以摆脱一种惯性思维，一旦察觉到某个领域有利可图，便会毫不犹豫地蜂拥而上。就好比一群人前往爬山，途中有人独具慧眼，开设了一家卖水的超市，生意兴隆，收获颇丰。此时，国人的反应往往是迅速在周边开设无数家超市、商店，试图在这看似热门的领域分一杯羹，全然不顾市场的承载能力与自身的独特优势。与之形成鲜明对比的是，犹太人在面对类似情况时，思维更加多元和灵活。他们不会盲目跟风，而是从不同角度出发，有人开设公共厕所，解决游客的实际需求；有人则经营餐馆，为游客提供餐饮服务。他们通过差异化的经营，共同推动了整个区域商业生态的繁荣。在AI领域亦是如此，自从DeepSeek在大模型领域声名鹊起后，国内各类大模型如雨后春笋般纷纷涌现。众多企业和开发者不顾自身的技术积累与市场定位，盲目投身于大模型的开发浪潮之中，导致市场上的产品同质化现象极为严重。

值得一提的是，早在豆包大模型发布之时，体验者卓伊凡便敏锐地察觉到豆包所具备的卓越性能，认为其已达到相当高的水准，堪称巅峰之作。然而，遗憾的是，豆包在市场上却未能获得应有的关注与广泛的使用。此前，也有文章将DeepSeek与豆包进行对比，从多个维度分析后，认为DeepSeek在某些方面实则不如豆包。但DeepSeek有一点无疑是极为成功的，那便是开源策略。通过开源，DeepSeek迅速积累了极高的人气与知名度，吸引了大量用户和开发者，其使用率也随之大幅提升。这一现象背后所反映的，正是开源在当下科技领域所形成的强大共识。开源不仅能够促进技术的快速传播与迭代，还能凝聚广大开发者的智慧与力量，共同推动技术的进步与发展。

大家似乎都陷入了盲目跟风的怪圈，一旦看到某个赛道有利可图，便蜂拥而上，全然不顾自身特色与优势。以某AI搜索为例，并非要贬低其存在价值，但其在功能和特点上，与市场上已有的同类产品并无显著差异，很难在众多竞品中脱颖而出。这种同质化竞争，不仅造成了资源的极大浪费，还使整个行业陷入低水平的重复建设之中。
不禁让人反思，为何大家不能在各自擅长的领域发光发热？每个企业和研发团队都有其独特的技术积累、人才优势和市场定位。若能专注于自身擅长的领域，深入挖掘用户的个性化需求，打造具有差异化竞争优势的产品和服务，不仅可以避免恶性竞争，还能为整个行业的发展开拓出更为广阔的空间。

在AI技术不断迭代的当下，创新不应只是一句空洞的口号，更应体现在对不同领域的深耕细作上。无论是医疗AI、教育AI，还是工业AI，每个细分领域都蕴含着巨大的发展潜力。与其在热门赛道上挤破头，不如静下心来，寻找属于自己的“蓝海”，凭借创新思维和扎实技术，为用户创造真正有价值的产品。
只有挣脱同质化竞争的束缚，让每个参与者都能在自己擅长的领域充分发挥优势，AI行业才能实现真正的繁荣，迎来更加灿烂的明天。

发表于 2025-4-7 16:08:16

导读：
当科技巨头们乐观预测AI将彻底改变科学世界时，Hugging Face首席科学官托马斯·沃尔夫发出不同声音。他指出，现今的AI更像是&#34;服务器上的应声虫&#34;而非科学革命者，因为它们擅长回答已知问题，却缺乏提出颠覆性问题的能力——这恰恰是爱因斯坦式科学突破的核心所在。
本文转载自<Hugging Face’s chief science officer worries AI is becoming ‘yes-men on servers’>，刊登于Techcrunch。
<hr/>人工智能公司的创始人以大胆预言技术潜力，尤其是重塑科学领域的能力而著称。然而，Hugging Face（注：全球最大的开源大模型社区）的联合创始人兼首席科学官托马斯·沃尔夫对此持更为审慎的态度。

托马斯·沃尔夫在X上的发言（来源：X）

在周四发布于X平台的一篇文章中，沃尔夫表示，他担心如果没有人工智能研究的重大突破，AI将变成“服务器上的应声虫”。他进一步阐述，当前的人工智能发展模式无法孕育出能够跳出框架、创造性解决问题的人工智能——像那种那种能赢得诺贝尔奖的问题解决方式。
“人们常犯的主要错误是认为像牛顿或爱因斯坦这样的人只是优秀学生的放大版，认为天才就是当你筛选前10%的学生时就会出现的，”沃尔夫写道。“要在数据中心创造出一个爱因斯坦，我们不仅需要一个知道所有答案的系统，更需要一个能提出无人想到或敢于提出的问题的系统。”
沃尔夫的断言与OpenAI首席执行官萨姆·奥尔特曼的观点形成鲜明对比，后者在今年早些时候的一篇文章中表示，“超级智能”AI可以“极大地加速科学发现”。同样，Anthropic的首席执行官达里奥·阿莫代伊预测，AI可能帮助制定出大多数类型癌症的治疗方案。
沃尔夫对当前AI的问题——以及他认为技术发展的方向——在于它无法通过连接先前无关的事实来生成任何新知识。沃尔夫说，即使拥有互联网的大部分资源，目前我们所理解的AI主要填补的是人类已知知识之间的空白。
包括前谷歌工程师弗朗索瓦·肖莱在内的一些AI专家也表达了类似观点，他们认为，尽管AI可能能够记忆推理模式，但它不太可能基于新情境生成“新的推理”。
沃尔夫认为，AI实验室正在构建的实质上是“非常顺从的学生”——而非任何意义上的科学革命者。他说，今天的AI没有被激励去质疑和提出可能与其训练数据相悖的想法，这限制了它只能回答已知的问题。
“要在数据中心创造出一个爱因斯坦，我们不仅需要一个知道所有答案的系统，更需要一个能提出无人想到或敢于提出的问题的系统，”沃尔夫说。“一个在所有教科书、专家和常识都指向相反方向时，会写下‘如果所有人都错了呢？’的系统。”
沃尔夫认为，AI中的“评估危机”在一定程度上导致了这种令人失望的现状。他指出，通常用于衡量AI系统改进的基准测评大多由具有明确、明显和“封闭式”答案的问题组成。
作为解决方案，沃尔夫提议AI行业应“转向一种基于知识和推理的衡量标准”，这种标准能够阐明AI是否能够采取“大胆的反事实方法”，基于“微小线索”提出一般性假设，并提出导致“新研究路径”的“非显而易见的问题”。
沃尔夫承认，上述关键在于弄清楚这种衡量标准是什么样子的。但他认为，这可能是非常值得的努力。
“（科学）最关键的部分是提出正确问题的能力，甚至是挑战自己所学的，”沃尔夫说。“我们不需要一个能用常识能准确回答每一个问题答问的A+AI学生。我们需要一个B等级的学生，他能看到并质疑其他人所忽视的。”

以下是托马斯·沃尔夫在X上发言内容的全文翻译（包括附言）：

前几天我在一个活动上分享了一个颇具争议的观点，后来我决定以更长的篇幅将其写下来：我担心AI不会给我们带来一个“压缩的21世纪”。
“压缩的21世纪”这一概念来自达里奥的《充满爱意的机器》，如果你还没读过这篇文章，或许应该读一读，它是一篇值得注意的论文。简而言之，文章声称，在一两年内，我们将拥有“一个坐落在数据中心的爱因斯坦之国(country of Einsteins sitting in a data center)”，这将导致一个压缩的21世纪，在此期间，21世纪的所有科学发现将在短短5到10年内完成。
我读了两遍这篇文章。第一次读时，我完全被震撼了：AI将在5年内彻底改变科学，我当时想！几天后，我重新阅读了它，意识到其中许多内容充其量只是一厢情愿的幻想。
在我看来，如果我们继续当前的趋势，我们实际得到的将是“服务器上的应声虫之国”。让我用我个人的一小段经历来解释这种差异。
我一直是个全优学生。来自一个小村庄的我，先是进入了法国顶尖的工程学院，随后被麻省理工学院录取攻读博士学位。学校对我来说总是很容易。我总能理解教授的意图，预测考试出题者的思路，并提前猜出考题。
正因如此，当我最终成为一名研究人员（更具体地说，是一名博士生）时，我震惊地发现自己只是一个相当平庸、乏善可陈的研究者。虽然我周围的许多同事都有有趣的想法，但我却总是碰壁。如果某件事没有写在书里，我就无法发明它，除非它是已知理论的一个无用变体。更令人沮丧的是，我发现很难挑战现状，质疑我所学到的东西。我不是爱因斯坦，我只是很擅长做学生罢了。或者甚至可以说：我之所以不是爱因斯坦，部分原因是因为我擅长做学生。
历史上有许多天才在求学期间挣扎。爱迪生被老师称为“糊涂虫”。芭芭拉·麦克林托克在获得诺贝尔奖之前因“奇怪的想法”而受到批评。爱因斯坦在苏黎世联邦理工学院的入学考试中第一次尝试失败了。这样的例子不胜枚举。
人们常犯的主要错误是认为牛顿或爱因斯坦只是优秀学生的放大版，认为天才就是当你筛选前10%的学生时就会出现的。
这种观点忽略了科学最关键的部分：提出正确问题的能力，甚至是挑战自己所学的勇气。 真正的科学突破是哥白尼提出，尽管当时所有的知识都反对其论点——用机器学习的术语来说就是“尽管他的所有训练数据集”——地球可能绕太阳运行，而不是反过来。
要在数据中心创造出一个爱因斯坦，我们不仅需要一个知道所有答案的系统，更需要一个能提出无人想到或敢于提出的问题的系统。一个在所有教科书、专家和常识都指向相反方向时，会写下“如果所有人都错了呢？”的系统。
想想狭义相对论的疯狂范式转变，以及提出“假设光速在所有参考系中都是恒定的”这样的第一公理所需要的勇气，这违背了当时（甚至今天）的常识。
或者以CRISPR为例，自20世纪80年代以来，它一直被认为是一种适应性细菌免疫系统，直到25年后，詹妮弗·杜德纳和埃马纽埃尔·夏彭蒂耶提出将其用于更广泛和普遍的用途：基因编辑，并因此获得诺贝尔奖。这种认识——“我们多年来都知道XX可以做YY，但如果我们一直错了呢？或者如果我们能将其应用于完全不同的ZZ概念呢？”——是超越现有知识的思维——或者说范式转变——的典范，而这正是科学进步的核心。
这种范式转变很少发生，也许一年只有1-2次，而且通常是在所有人都认识到其影响后才会被授予诺贝尔奖。尽管它们罕见，但我同意达里奥的观点，即它们在定义某一世纪的科学进步中占据了主导地位，而其余的大部分只是噪音。
现在让我们来看看我们目前用来衡量AI模型智能进步的基准。一些最新的AI测试，例如看上去很宏伟的“人类的最后考试”或“前沿数学”，这些测试通常由非常困难的问题组成——通常由博士编写——但答案明确且封闭。
这些正是我在我的领域中擅长的考试类型。这些基准测试的是AI模型是否能找到我们已经知道答案的一系列问题的正确答案。
然而，真正的科学突破不会来自回答已知的问题，而是来自提出具有挑战性的新问题，并质疑常见的观念和先前的想法。
还记得道格拉斯·亚当斯的《银河系漫游指南》吗？答案显然是42，但没人知道正确的问题是什么。这就是研究的精髓。
在我看来，这是为什么大型语言模型（LLMs）虽然已经记住了人类的所有知识，却未能通过连接先前无关的事实生成任何新知识的原因之一。 它们目前主要在做“流动式填充”——填补人类已知知识之间的插值空白，某种程度上将知识视为现实的无形结构。
我们目前正在构建的AI是非常顺从的学生，而不是革命者。 这对于当前领域的主要目标——创建出色的助手和过度顺从的帮手——来说是完美的。但除非我们找到一种方法激励它们质疑自己的知识，并提出可能与其训练数据相悖的想法，否则它们还不会给我们带来科学革命。
如果我们想要科学突破，或许应该探索我们目前衡量AI模型性能的方式，并转向一种能够测试科学AI模型是否能够：

挑战其训练数据中的知识
采取大胆的反事实方法
基于微小线索提出一般性假设
提出新研究路径的非显而易见的问题

我们不需要一个能用常识回答每一个问题的A+学生。我们需要一个成绩为B的学生，他能看到并质疑其他人所忽视的。
<hr/>附言：你可能会好奇前面我提到的基准测试会是什么样子。评估它可能涉及测试一个模型在某些它应该还不知道的最新发现上（类似于现代版的狭义相对论），并探索模型如何在没有答案或概念框架的情况下开始提出正确的问题。这具有挑战性，因为大多数模型都是在几乎所有人类知识的基础上训练的，但如果我们想要衡量这些行为，这似乎是必不可少的。总的来说，这确实是一个开放的问题，我很乐意听到你富有洞察力的想法。

发表于 2025-4-7 16:17:03

Manus：AGI的脚步越来越近了
最近一段时间，Manus这个名字在科技圈炸开了锅。简单来说，它被宣传为全球首款“真干活”的通用AI智能体，能独立思考并执行复杂任务，比如筛选简历、房产分析、股票数据分析等，这可比现在大多数只会生成建议的AI助手强多了，让人觉得离科幻电影里的AGI真的更近了一步
Manus这玩意儿并不是靠一个超厉害的大模型单打独斗，而是采用了多智能体架构，整合了多个独立AI组件。它就像一个智能的“超级操作系统”，把AI功能打包成高度自动化的执行工具。它通过调用不同工具来完成不同类型的任务，就像你让一个助手先帮你查资料，再帮你写报告一样，不过说到底，它的核心技术还是调用了现有大模型的能力，并没有展示出真正的技术突破
Manus的出现确实给行业带来了一阵风。它让AI从“建议者”变成了“行动者”，这可是人机协作的一次范式革命。以后可能越来越多的行业会用到这种能“真干活”的AI，比如人力资源、房产中介、金融分析等。同时，它也给其他公司敲响了警钟，大家都在加速布局AI Agent领域，竞争肯定会越来越激烈。不过，目前的Manus还只是迈向AGI路上的一个新里程碑，真正的AGI还需要解决模型能力、自主学习、任务泛化等多重挑战

发表于 2025-4-7 16:31:18

不是，现在什么都能过来蹭AGI了么？
先说说，人工通用智能(AGI) 是一种假设的智能，指机器能够理解或学习人类能够执行的任何智力任务。
再来告诉你，Manus到底做了什么事情。
在谈到Manus是什么的时候，我先给你讲一下什么叫做Agent
那么再来讲一讲这个所谓的Agent到底是什么？

从日常生活中的开关为例，我们有一个开关，当我们手触碰开关，可以选择开灯和关灯，但是这一点需要我们人工手动的去控制。
接下来，出现了一个带有传感器的开关，这个开关可以在声音、温度等等不同的场景下完成不同的开关状态的切换。这个就叫做硬件工作流的编排适合某一个场景。
再接写下来，有个外接大模型的开关，他根据你说话的语气、语言的内容等等，上传给大模型，然后大模型给出一个判断说明你是需要打开开关还是关闭开关。这个就叫做Agent。
所以本质上如果Agent接入的大模型不具有专一性，就会导致不同的你不是在做只能得Agent，你是在通过代码完成智能体的工作流的编排。
尽管你可能使用Agent来分析任务、拆解任务，在根据拆解的任务调用不同的Agent完成，本质上都没有差别。只是在调用不同prompt下的大模型完成指定任务罢了。
总的来说，上面的废话就是，Agent就是通过调用大模型完成一些“智能操作“
而Manus就是你布置给他的任务，分析、编排、拆解，然后一步一步调用大模型完成最后的结果。

第一点，现在大模型能到AGI了吗？如果现在的大模型到了，那么就完全没有Manus什么事情了
第二点，如果大模型没到这个地步，通过不断地编排任务就能达到AGI么？
这肯定不可能的，因为他只是把你的任务不断细化，最后得到结果。简单来说就是定义好了不同条件分支，一步一步调用不同的Promot完成工作。
这个完全是工业化落地过程的结果，跟AGI一毛钱关系没有。

发表于 2025-4-7 16:45:14

这两天，一个叫做“manus”的AI应用火爆全网。很多人说，这是又一个比肩deepseek的AI，又是一个国运级别的AI产品。

打开社交媒体，好多人的反应都特别强烈，无数AI博主对着屏幕露出大脸喊叫个不停：“杀疯了，杀疯了，又杀疯了...”

还有很多人求用邀请码，也是饱含着一种急不可耐的深情，到处求问...emmn，怎么讲。

反正这段时间，互联网似乎每天都在打打杀杀，每天都是天旋地转。似乎每天都可能成为人类文明的奇异点，我们每天都站在一次巨大的文明飞跃之中。

看到有人说manus，可能是迈入AGI的起点。我不知道它是否真的做到了。总之对于这种说法的出现，还是让我再一次感觉到了好奇和恍惚的感受。

现在各个大模型在很多任务之上表现都很出色，但是总归还是和真正的AGI相比有一些距离。

现在的人工智能在很多领域已经达到了非常高的水平，但是还不能说它等同于“人的水平”。

而到了AGI阶段，人工智能将会进入全新阶段，人工智能将会拥有独立学习多个领域的知识和技能，还会拥有更卓越的逻辑推理和创造力，并在各方面都会达到“人的水平”。

除此之外，AGI 还会有一定的情感理解能力，可能会有自主意识，具备长期规划与决策的能力等等。

而更有意思的是，在AGI成熟之后，按照现在这个发展速率，我相信超级人工智能也将不远了。

成熟的AGI相比于现在的大模型提升的主要是认知能力，但是在身体和情感层面还是会落后于人。

然而到了超级人工智能阶段，情感能力也会臻于完美。也就是说，到了那个阶段，我们将迎来在科幻片里面看到的机器人形象，除了所谓的“意识”是否会出现还要打个问号之外。其他的一切方面，它都会全然覆盖和超过人类。

现在看马斯克已经涉足人形机器人领域。按照这个速度，五年时间，家家户户或许都会拥有一两个机器人在身边，陪伴或者服务自己。

那其实问题就来了。也是我最近思考的比较多的问题。当AI已经全方面超过人类，甚至还有可能有独立意识的时候。人类到底还可以做什么，或者还需要坚守什么，人类的能力和价值是否还有用？

你看哈。现在每一次有AI大更新，我都可以看见人类在放弃自我。有人因为AI有着更出色的写作能力而放弃写作，有人因为AI的编程能力，所以就停止去编程...更加广泛的来说，很多人开始过分的依赖AI，盲目相信AI所说的一切...

面对AI的出现，有一个问题我们需要即刻给出答案：我们是否应该放弃自我，对AI全然认输呢？

之前看到万维钢的一段说法，似乎可以解答这一问题。

在古代，讲“君子”“小人” 其实不是讲道德品质的差别，而是社会地位的差异：有权有财产的是君子，没钱给人打工的是小人。

君子因地位优越，君子不干活儿又要体现价值感，就必须往领导力方向努力，还要讲究修身养性。

我们可以想象一个未来很有可能会发生的情境，未来如果 AI 接管了所有小人的活儿。我们就只好学做君子，这是必然的出路。

那如果 AI 也学会了做君子，我们大概就要被逼做圣人。要不然你就只能做AI的宠物。否则你觉得你还有什么可以做的比AI更好的吗？不就是那更干净的心灵与道德吗？

未来具体哪个行业的人被淘汰也许很难说，但是有一点比较确定，当大家能力完全齐平的时候，品质不好的人一定会被淘汰。

有了AI 的帮助，活儿其实谁都能干，那我们为啥不用个好人干呢？

思考再三，是不是就是这个理？所以咱们在面对AI的发展以及对人类的冲击，我们最后的底线就是我们要保有自己的爱，我们要去做一个好人啊！

Manus是否标志着AGI？

本周热门