厦门市网站建设_网站建设公司_Java_seo优化

Meta收购Manus事件反映了AI领域的泡沫化倾向。Manus本质上是Claude API的封装，技术含量有限，其成功主要依靠饥饿营销、KOL投放等营销手段。Meta此举显示其在AI产品开发上的焦虑，而非战略眼光。类似Manus的"wrapper"产品缺乏技术壁垒，商业模式依赖上游API提供商，难以持续。AI创业门槛降低，但真正有技术创新的项目仍稀缺，资本热潮中需辨别泡沫与真实机遇。

Meta收购Manus：这笔交易到底说明了什么？

先说结论：Meta这波操作，与其说是战略投资，不如说是病急乱投医。

一、Manus到底是什么？

很多人被Manus刷屏的时候，可能没搞清楚一件事——Manus本质上就是Claude API的封装。

今年3月Manus刚出来的时候，有人越狱发现了它的真面目：Claude 3.5/3.7 + 29个工具。官方后来也承认了这一点，创始人季逸超的回应是"我们的产品是AGI框架，不是LLM模型"。

听起来很高级对吧？但说白了就是：底层大模型是Anthropic的Claude，浏览器自动化用的是开源项目browser-use，多Agent通信用的是Anthropic开源的MCP协议。

核心技术栈几乎都是现成的。

更有意思的是，Manus爆火后不到48小时，MetaGPT团队的几个00后用3小时就复刻出了OpenManus，现在GitHub上已经3万多星了。核心作者说只用了1小时就写完了核心系统。

一个大学生团队几个晚上能搭出来的东西，这就是被收购的"核心技术"。

二、Manus真正厉害的地方：营销

说实话，Manus团队真正牛的不是技术，是营销。

他们的打法非常经典：

1. 饥饿营销
邀请码限量发放，一码难求。最疯狂的时候，邀请码在闲鱼炒到了10万块。这招移动互联网时代玩烂了，但在AI圈还是管用。

2. KOL投放
Manus母公司蝴蝶效应之前做Monica的时候就深谙此道。创始人团队早期透露过，他们在Twitter（X）上找AI领域KOL发推，报价50-150美元一条，找几十个博主就能搞出几百万曝光。

3. 媒体同步发稿
3月6日那天，国内科技媒体几乎是同步发稿，用词高度一致，什么"颠覆性""划时代"满天飞。这种整齐划一的传播节奏，懂的都懂。

4. 绑定热点关键词
“通用AI Agent”“DeepSeek时刻”……每个概念都踩得很准。

结果就是：一个技术上并无明显突破的产品，硬生生造出了现象级热度。

三、Meta为什么要买？

Meta现在的AI处境，用一个词形容：焦虑。

2025年，Meta在AI基础设施上砸了650亿美元，但产品端依然拉胯。Meta AI助手号称有10亿活跃用户，但这数字是靠Facebook和Instagram的30亿用户基数撑起来的，真正能跟ChatGPT掰手腕的产品？没有。

CNBC最近的报道直接说：Meta’s AI struggles。尽管投入巨大，Meta在AI产品上始终落后于OpenAI、Google DeepMind和Anthropic。

更尴尬的是，Meta内部战略也很混乱。从Llama开源大模型，到花140亿收购Scale AI创始人，再到内部代号"Avocado"的新模型项目，六个月内重组了四次。

在这种情况下，收购一个"已经验证过商业模式"的AI Agent产品，对Meta来说可能是最快的止痛药。

Manus宣称8个月做到1亿美元ARR，不管这数字有多少水分，至少是个可以讲的故事。

四、这笔交易的问题在哪？

问题太多了。

首先，技术护城河几乎为零。

Manus的核心能力来自Claude。如果哪天Anthropic调整API政策，或者Claude封杀，Manus的商业模式立刻崩塌。

OpenManus能3小时复刻，说明什么？说明这东西没有技术壁垒。

其次，"wrapper"类产品的宿命问题。

2023-2024年，AI圈出现了一大批"wrapper"公司——拿GPT或Claude的API，包个壳，做垂直场景。

这类公司的问题是：

• 用户一旦意识到可以直接用ChatGPT/Claude，付费意愿就没了
• 成本结构不健康，收入大头都给了上游的API提供商
• 大模型厂商一旦自己做同类功能，wrapper立刻死

典型案例：Jasper，2022年估值15亿美元，2023年ChatGPT出来后就开始走下坡路。

第三，Manus的收入质量存疑。

8个月1亿美元ARR？这个数字确实炸裂。但问题是，AI产品的早期收入很容易有补贴成分。

从公开信息看，Manus处理了147万亿个token，创建了8000万台虚拟机。按这个规模算下来，光API成本就是天文数字。在没看到利润率数据之前，我对这个ARR数字持保留态度。

五、这是不是AI泡沫？

先看几组数据：

• 2000年互联网泡沫顶峰，纳斯达克前五大公司平均PE是59倍
• 现在美股科技七巨头的平均PE是34倍
• 2000年思科泡沫期PE达到132倍，现在英伟达是68倍

单从估值倍数看，现在确实没到2000年那么离谱。

但问题在于：2000年那批公司好歹是在做"从0到1"的创新，而现在很多AI公司做的是"从1到1.01"的包装。

当一个本质上是"Claude API + 开源工具 + 营销"的产品，能在8个月内做到1亿美元收入，然后被大厂高价收购——这不叫创新，这叫资本的自嗨。

AI肯定有价值，这毫无疑问。但目前这个市场：

• 估值严重脱离基本面
• 大量资金涌入缺乏技术壁垒的"wrapper"项目
• 靠营销制造稀缺感、靠媒体炒作制造热度的玩法大行其道

这和2000年的互联网泡沫，本质上没什么区别。

六、写在最后

Meta收购Manus这件事，反映的不是AI的成功，而是大厂的恐慌。

当一个年花700亿美元搞AI的公司，需要去收购一个"Claude wrapper"来补齐产品线时，说明两件事：

1. 大厂自己做AI产品的能力，可能没有外界想象的那么强
2. AI创业的门槛，可能比很多人想象的要低

对于创业者来说，这是好消息也是坏消息。

好消息是：用现成API+开源工具+好的营销，确实能做出估值很高的公司。

坏消息是：这种模式本质上是在赌大厂的反应速度。一旦Claude/GPT自己做同类功能，或者开源模型足够强，这类公司的护城河瞬间消失。

说到底，AI是有明显价值的，但资本的涌入已经超出了理性范畴。

洪流之下，泡沫和机遇并存。但作为旁观者，我们至少应该看清：哪些是真正的技术创新，哪些只是包装精美的套壳产品。

如何学习AI大模型？

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓