这家成立仅三年的ai agent创业公司，总部设在新加坡，由几位中国创业者创立。它不做基座模型，只专注于agent层——帮助用户自动执行复杂任务的通用自主智能体。2025年3月正式发布产品，8个月内便实现了1.25亿美元的年化收入。 2025年4月5日，meta曾满怀信心地发布了第四代大模型llama 4系列——最高参数量达到惊人的2万亿，模型发布后，一度冲上chatbot arena排行榜第二，仅次于google的gemini pro 2.5。 当社区开发者真正开始上手测试，问题便如潮水般涌来。多个独立评测显示，llama 4在实际任务中的表现与排行榜成绩严重不符；更有开发者质疑meta是否针对特定基准测试进行了"特调优化"。一时间，"llama 4翻车”的讨论甚嚣尘上，"开源领袖难保"的标题，频繁出现在科技媒体的头版。 这一跤摔得够狠。在llama 4之后，meta再也没能拿出一款真正服众的基座模型。反观竞争对手：anthropic的claude系列持续迭代，在代码与推理任务上口碑极佳；google的gemini凭借多模态能力和超长上下文处理一骑绝尘；openai的gpt系列虽然更新节奏放缓，但在agent能力上不断突破——deep research和operator两款智能体产品的发布，让"ai代理"的想象空间被实实在在地落地了。 而meta呢？扎克伯格吹了整整两年的"个人超级智能助手"愿景，至今仍停留在ppt阶段。问题的根源很清楚：agent能力差了那关键的一口气。没有足够强大的底层模型做支撑，再宏伟的产品叙事也只是空中楼阁。 2025年6月，扎克伯格祭出大手笔：143亿美元战略投资scale ai，并把其28岁的创始人alexandr wang挖来担任首席ai官。半年后，这笔交易的后遗症开始发作，wang与扎克伯格摩擦不断，核心高管陆续跑路，连图灵奖巨头杨立昆也宣布离职。花大钱买来的人用不好，原来的人也留不住。 从商业模式来看，meta的收入来源高度单一，绝大部分来自广告。而传统广告模式，在ai的冲击下正变得岌岌可危。一个直观的例子是：当用户开始习惯向ai agent提问后，用户的注意力不再被"曝光-点击-转化"的漏斗所捕获，而是被agent的推荐逻辑所主导。这意味着，谁掌握了agent入口，谁就掌握了用户意图的最终解释权——而这正是广告模式的命门。 同样，虽然manus实现了1.25亿美元的年化收入，但自身不研发底层大模型，其产品体验高度依赖调用anthropic的claude等第三方模型api，这带来了巨大的可变成本和供应链风险。 如果继续独立运营，一方面要面对openai、google等巨头自建agent能力的竞争压力；另一方面，地缘博弈的不确定性，始终是悬在头顶的达摩克利斯之剑，作为一家创始团队和早期研发都在中国的公司，即便将总部迁至新加坡、清退中国业务和资本，但要获得美国市场的完全信任和接纳还是异常艰难。 在manus的产品刚刚在全球范围内引发热潮、年度经常性收入突破1亿美元、处于估值高点时，果断选择与meta联姻，实现了商业价值的最大化，也证明了肖弘及其团队对时机有着精准的把握。 对于肖弘和核心团队而言，不但实现了财富自由，也进入meta体系，manus的产品将有机会深度集成到meta旗下如facebook、instagram、whatsapp等每日有数十亿用户活跃的平台中。更重要的是，meta主导的llama开源大模型生态，为manus提供了稳定、可控且低成本的底层技术支撑。 从雅虎豪掷十亿美金收购broadcast，到微软以262亿美元吞下linkedin，每一笔巨额收购背后，都藏着某种难以言说的焦虑，——每一笔重磅交易的背后，都交织着对技术演进的预判、对生态话语权的争夺，以及对自身能力边界的重构——既是为了规避“技术代差”带来的生存风险，更是为了在不确定的变革中，锁定未来十年的核心增长曲线。 但2025年末meta收购manus这一幕，着实让人有些唏嘘——当扎克伯格以超过20亿美元的价格，仅用十余天就敲定了这笔交易，但众人分明嗅到了一种久违的味道：恐慌。 如果把视野拉宽，你会发现"焦虑"并非meta的专利。太平洋两岸的科技巨头们，几乎都在经历同样的困惑：ai时代来得太快，底层能力建设跟不上产品化需求，于是纷纷祭出"买人、买团队、买时间"的法宝。 但有意思的是，同样是焦虑，不同公司的症状表现却大相径庭。这种"同病异症"的对比，或许能帮我们看清他们是否找准了症结。 从腾讯、阿里、字节这三家巨头的表现来看，腾讯集中在一个字：守。月活13亿的微信是腾讯的命脉，但这个超级入口内置的混元助手使用率还未达到预期，元宝app的dau也有待提升。所以，2025年12月，腾讯高价从openai挖来27岁的姚顺雨担任首席ai科学家，同时整合分散的大模型研发力量，即以"花大钱买人才、用组织调整抢时间"，集中力量谋求突破。 阿里面临的是两线作战：b端，阿里云份额被火山引擎觊觎；c端，ai应用存在感一度偏弱。2025年11月，阿里密集推出千问和灵光两款app，双双杀入app store免费榜前六。但与腾讯、meta不同的是，阿里没有大规模外部挖人，而是选择"内部封闭研发 投资初创"的组合拳，可控性更强。 字节表面上是这场混战中最从容的玩家：豆包dau破亿，火山引擎拿下春晚独家ai云合作，日均处理50万亿token。2025年初，字节也挖来了谷歌deepmind副总裁吴永辉，但它没有把全部赌注压在一个人身上，而是让吴永辉专注长期基础研究，应用层和模型层各有独立团队并行推进。 然而，在三巨头中，字节恰恰是最清醒的那一个。它没有陷入"大模型竞赛"的执念，而是把主要精力放在模型能力的产品化变现上；它也没有追求全栈自研，而是老老实实地在分发渠道上积累优势。tiktok 抖音 豆包的组合，让字节在"ai能力如何触达用户"这个关键环节上，比任何竞争对手都更有先发优势。 反观meta，问题恰恰是把顺序搞反了：先高调画饼，再发现模型能力跟不上；先花大钱买人，再发现整合不起来。这种"先画饼再补课"的打法，在技术迭代高度不确定的ai时代，几乎注定要碰壁。 历史上最成功的ai收购案例，无疑是google在2014年以约5亿美元收购deepmind。这笔交易之所以成功，有几个关键因素：google给予deepmind高度自治权，让demis hassabis团队保持独立运作；google提供了长期、稳定的资源投入，没有急于追求短期商业回报；双方在技术理念上存在共识，都相信"通用人工智能"的长期愿景。 十年后的今天，deepmind已经成为全球最顶尖的ai研究机构之一。alphafold对蛋白质结构预测的突破，为google赢得了难以估量的科学声誉和技术储备。 alexandr wang带着光环入场，却很快发现自己处处掣肘。扎克伯格是出了名的控制欲强的创始人——从产品细节到战略方向，甚至连椅子的位置，他都要亲自拍板。结果是：跟随wang来的高管陆续跑路，原有的老臣也心生不满；整个超级智能实验室在成立半年内已经经历了四次架构调整，内耗严重。 2019年，英伟达以69亿美元收购以色列高性能网络公司mellanox，这是当时英伟达历史上最大的一笔收购。但黄仁勋没有急于"消化"这家公司，而是让mellanox的团队保持相对独立，继续专注于他们最擅长的infiniband和高速互联技术。 几年后，当ai训练对gpu集群间的通信带宽提出爆炸性需求时，mellanox的技术恰好成为英伟达数据中心业务的核心竞争力之一。黄仁勋的策略很清晰：收购是为了"填缝"，把自己版图中缺失的关键能力补上，而不是为了控制一切。被收购的团队继续做他们最擅长的事，英伟达则负责把这些能力整合进更大的平台化战略中。 同为科技狂人，马斯克的做法则更加激进。2016年，特斯拉以28亿美元收购濒临困境的太阳能公司solarcity（其表兄弟创办），外界一片哗然，认为这是马斯克在"自救"自家亲戚创办的企业。 但马斯克的真实意图是：将太阳能发电、储能电池和电动汽车整合成一个垂直一体化的能源闭环。收购完成后，solarcity的品牌被逐步淡化，但它的技术能力被深度融入特斯拉的powerwall和solar roof产品线。 这两个案例的共同点在于：收购方有清晰的战略主线，知道自己缺什么、要什么；被收购方的核心能力得到尊重和发挥空间；整合的目标不是“控制”，而是"共生"。 但他忘了，自己腿部的肌肉（组织能力）已经萎缩了，鞋子再好，穿在无力的脚上，也跑不出世界纪录。而且因为鞋子太紧，可能还会磨破脚（文化冲突）。
