在AI領域，一款名為Manus的產品近期引發了廣泛關注。其獨特之處在于，并未選擇自主研發大模型，而是巧妙地將第三方大模型進行工程化包裝，打造出了一個功能強大的通用AI智能體。這種“套殼”策略雖然一度飽受爭議，但創始團隊堅信，極致的套殼本身就是一種勝利。
大模型應用套殼的話題一直頗為微妙。此前，無論是DeepSeek還是OpenAI，亦或是眾多知名科技企業和AI創企，都以自研基礎大模型為榮。相比之下，只做上層應用的AI套殼企業則顯得缺乏底層核心技術，市場對其風險承受能力持懷疑態度。金沙江創投主管合伙人朱嘯虎甚至直言不諱地表示，所有AI應用都是套殼應用，所謂壁壘只是忽悠人的。
然而，值得注意的是，就在短短一個多月的時間內，部分大模型大廠已迅速涉足Manus所在的AI智能體賽道。與此同時，Manus背后的公司“蝴蝶效應”也獲得了由美國風投Benchmark領投的7500萬美元融資，估值飆升至近5億美元。這一跡象表明，市場正急需通過DeepSeek-R1大模型的普及和Manus應用的火爆，來填補企業智能化轉型過程中的業務需求和技術空白。
在AI智能體領域，大廠們正加快布局。據報道，Manus走紅前后，字節就組建了至少5個團隊開發不同的AI智能體產品。百度也推出了由95后團隊在30天內研發的“心響”APP，對標Manus，涵蓋超200個任務類型。阿里則與Manus達成戰略合作，基于通義千問系列開源模型，在國產模型和算力平臺上實現Manus的全部功能，其旗下的AI智能體“心流”也已開啟高級研究模式公測。
為了構建AI智能體生態，這些大廠也不約而同地擁抱了MCP機制。阿里云、騰訊云、螞蟻集團旗下的OceanBase等紛紛實現MCP協議的對接，百度也引入了基于百度搜索的MCP Server發現平臺和MCP Server服務。民生證券指出，基于類MCP協議+Agentic-based決策路徑將成為未來AI智能體的主流范式，大廠有望通過MCP協議引入大量生態伙伴，推動國內AI智能體產業發展。
然而，在AI智能體技術飛速發展的同時，是否真正迎合了當下用戶的真正需求？這是一個值得深思的問題。從安全風險性層面來看，AI智能體的設計初衷是自主執行決策、任務或目標，且理想情況下是在無人監督的情況下進行，因此風險更高。Gartner研究高級總監趙宇指出，目前AI智能體在“攻”和“防”方面都處于發展初期，客戶對其安全風險的認識相對不足。至少有七成或更多的客戶并不了解AI智能體是什么，更不用說與之相關的安全風險了。
隨著多智能體協作運行模式的流行，這種模式確實提高了任務效率，但也帶來了訪問控制漏洞、資源競爭和沖突等問題。多個智能體在交互過程中可能需要訪問相同資源或執行任務時，可能會產生沖突，導致系統資源被過度濫用或任務執行效率降低，從而影響整體業務和系統穩定性。AI智能體自主決策的風險、物理環境層面的風險以及AI本身的幻覺、提示注入攻擊、數據泄露等風險問題也不容忽視。
在廠商側，由于AI智能體自身的發展還處于初期階段，市面上對其安全風險和控制措施的研究同樣處于早期階段。部分AI廠商、大模型廠商或AI智能體廠商都沒有配備相應專職的安全團隊。廠商目前交付的產品是否可以通過安全測試，或者是否存在可被攻擊者利用的漏洞，這些都是未知數。現在大部分企業無論是廠商還是甲方企業，都比較關注短期的商業利益，對于長期安全風險的重視程度不夠。
那么，何為AI智能體？這個概念雖然已經出現了一段時間，但圍繞其延伸出的Agentic AI、Agentic Workflow、MCP、A2A等新名詞卻成為了最近一段時間的熱門話題。Manus演示視頻展示了一個獨立的智能體，可在短短幾秒鐘內對簡歷進行分類、對候選人進行排名以及在電子表格中格式化數據。未來，每個人可能會使用多個智能體，這些智能體都有自己的角色和職責，需要通過通信和協作來達成目標。
業內對AI智能體的實踐目標是使其真正適應復雜的應用場景。構建一個能夠自主決策、與環境交互的智能體需要解決感知、理解、規劃、執行等多個環節的技術難題，且各環節之間需要高度協同。在自動駕駛領域，車企正在對傳統系統中的感知、融合、預測、規劃、控制、定位等技術模塊進行AI融合，以打造端到端自動駕駛系統。AI智能體或多個AI智能體在主動適應復雜工作流程的過程中，需要基于動態環境和業務流程的變化，以最佳方式實現預期結果。
因此，在應用和實踐AI智能體之前，需要對其原理、成本及風險性等諸多關鍵因素進行解構。對于有多年智能化探索經驗的客戶而言，他們希望“慢一點”的本質在于提升在AI智能體領域的治理能力和認知。重要的不是追逐花式技術名詞，而是在大量的實踐和基礎夯實中找到成功的故事共鳴。
