“天哪，學不完根本學不完。每當你以為能夠專心研究某樣事物時，就會又出來一個新東西，你又得再分一些精力出來學習。”投資人Leo（化名）總在深夜陷入知識焦慮的漩渦。回憶起Manus公布那晚，他已經準備睡覺，突然微信推送出Manus創始人那條展示視頻。他想，不管了，無論如何要睡覺。第二天起來，AI Agent又刷屏了。

1個月前，我們在一間咖啡館里，聊著彼此都是剛學到的知識點。AI是當下最大的投資共識，他所在機構也把AI設為主要方向。以朱總為代表，盯著的是現實的商業化，考量的是項目能不能成為即刻可用的提效工具，或者說，能不能賺錢。這當然是市場的主流。當我把同樣的問題拋給Leo，他的回答則讓人意外。

Leo讀的是別人嘴里面沒用的專業。比起有沒有商業模式，他更關心的命題是，當AI越來越先進，除了從純商業的角度看能帶來多少投資收益和效率提升外，是不是還應該同時考慮這種破壞性創新帶來的負面影響，以及這種成本是不是現階段我們能承受的？

從更廣闊的維度，他思考的是新科技和新產品對于生產關系的變革。基于此，Leo分析了Agent大規模落地的挑戰——因為人是社會性的動物，這導致Agent沒有辦法去實現更大的想象空間。他對AI應用的投資悲觀——因為現有的項目在他眼里都長得差不多，僅僅局限在優化現有流程的層面。他還在等待一個奇點時刻，“當AI從本質上改變了生產關系，能創造出人與人之間、人與物之間交互的全新模式，在這個模式里真得離開AI都玩不轉。”

在效率和商業模式主導的投資行業，這是不接地氣的思考嗎？我不這么認為。

Manus后面，又有Genspark出來，但只有業內人在圍觀。DeepSeek也正在經歷祛魅時刻——短暫的嘗鮮后，人們開始抱怨網絡上充斥著DeepSeek味道的文章。AI應用像一個模子出來的，AI生成的語句也帶著明顯的機器烙印。短短數月，世界徹底變了。

這是一場史無前例的技術革命，也必然深刻塑造未來的人類社會。正是在這個意義上，Leo對當下AI投資的困惑和質疑，不一定都對，但也不乏價值。

以下內容根據訪談整理，投中網略作編輯：

自動駕駛會帶來新崗位，這是在扯淡

很多純理工科或者純金融背景的投資人，不太關注具體的人在技術變革中所遭受的困境。

一個最直接的問題是，AI取代掉人的崗位之后怎么辦。很多人的工作沒了，而且是徹底沒了。工業革命帶來了蒸汽機和紡織機，之后出現了紡織工人這樣的崗位，但再往后，連紡織工人都不用了。

我以前看過一些文章，預測未來數千年人類社會按勞分配的原則可能會改變。這眼看著機器工作就是比人的效率高，怎么辦呢？社會可能不需要那么多人勞作了，那對于那些無法通過勞作獲取報酬的人來說，如何應對這種歷史的摩擦力呢？

大膽設想一下，國家發錢可能是一個思路，類似北歐那樣的稅收體系和財富再分配體系，但制度建立需要時間，磨合成合適的樣子也需要時間，必然有一部分人的利益來不及得到保障。這些利益受損的人就會成為技術推廣過程中的犧牲者。

美國從上個世紀70年代開始加速，發展成今天以金融服務業為主的國家，這個過程中美國工人的利益被犧牲。現在他們為什么要回到一種更低效的經濟生產方式呢？雖然金融賺錢是效率最高的，但如果沒有做好財富再分配，人民再就業的引導，那些利益受損的人就會用腳投票。

這可能是一個不太恰當的類比，總之我想表達的是，技術不是萬能的。我看到一部分人現在有點太樂觀了，但這社會怎么會像你想得那樣在很短時間內發生翻天覆地的改變。當AI越來越先進，除了從純商業的角度看能帶來多少投資收益和效率提升外，是不是還應該同時考慮這種破壞性創新帶來的負面影響，以及這種成本是不是現階段我們能承受的？

去年7月，當時一個事件引發的說法是，自動駕駛會帶來新的工作崗位。我覺得這種說法很扯淡，它是放在了一個很宏觀的歷史的角度去講。沒錯，它確實能夠帶來一些新的崗位。但是，首先，這些崗位有多少呢？如果他們指的是安全員或者說給自動駕駛的車收集數據的這些駕駛員，能有多少跟這些的士司機的崗位數量相當？其次，新的崗位更偏愛年輕人。他們上網，能更理解技術，更能接受新事物。但那些四五十歲的司機怎么辦？

很多人不去討論AI的倫理，其實這是一個很重要的問題。商業上總會有一個模式出來，前提是先把倫理的問題給解決了。比如說，自動駕駛的車出車禍了，責任是由誰來擔？現在很多地方在推車路云協同之類的，但是關鍵并不在于技術上或者說商業上未來有沒有實現的可能，而是恰恰是權責的問題。沒有人愿意站出來承擔風險，所以就推不下去。

另外，技術本身的發展水平也是一個挑戰。自動駕駛出來三四年了，但是直到今年才允許它開到人流和車流量大的地方。背后的原因是，一旦路上車多起來，一定開得很慢，掉個頭變個道，都可能磨蹭半天，因為它要保證安全。就跟我小時候過馬路似的，其實車離我大概50米遠，成年人覺得能過了，但是小孩就覺得我要左看右看，直到視野范圍內一輛車都沒有。客觀的結果，就是我在斑馬線前面停了很久。自動駕駛的車也是這樣，無論是從安全還是交通效率的角度，都沒有辦法大規模地開到哪個市區，所以自動駕駛依然會有爭議。

技術當然在不斷進步，但技術改進，又是一個“雞生蛋還是蛋生雞”的問題。因為自動駕駛的訓練需要數據，數據需要上路開來獲取，但是高峰期的路不讓你開，那你就收集不到這個數據，所以技術就總是沒法進步到足夠好。

當然，行業內早在探索采用仿真數據，包括李飛飛在美國做的World Labs，也包括智慧君當年發布的機器人，它的強化學習也是靠著仿真數據，蘋果最近也在搞仿真數據。他們都在試圖繞開現實的場景中收集不到數據的問題。我直接打造一個模型，模型里面仿真現實世界里面可能會發生各種各樣的問題。問題是，你能仿真到多大的程度？總有一些沒有辦法求取出來的場景。

比如，路上突然跑過來一只貓，這種問題怎么處理？比如，有人看到老朋友突然變道到機動車道怎么辦？很多仿真數據是人建立的，在這種情況下，人的認知的上限就是仿真數據的上限。

相比于過往的任何一次技術革命，AI給每個人帶來的影響都更深遠持久。之前的技術浪潮只是提升效率，但在不同場景的復用性沒那么強，從來沒有一個技術能替代每一個人。所以技術推廣面臨的問題不只是來自技術本身，也不只來自商業，還來自文化傳統、監管、以及社會公平正義的要求。

我對AGI的到來有信心，但現階段多數人還是在賭

說回AI應用，說白了，人類基本就兩個需求嘛，一種是save time，一種是kill time。save time就是生產力工具，幫你完成績效，幫你寫個文檔，幫你畫個PPT。kill time就是陪伴工具，娛樂休閑談戀愛。

有的創業者試圖在二者之間做一個嫁接，比如，在同一個平臺上，這邊讓你用AI生產一個東西，那邊再給你搭建一個社區，讓你把生產出來的內容發進去，大家一起討論。但我不是特別理解這個邏輯。無論是效率工具，還是娛樂工具，本質上都是用戶直接跟AI互動。我覺得很難在這個平臺上交流怎么一起玩AI，這一點都不AI原生。非要我跟你到一個新的平臺上聊，我們各自是怎么玩AI的，那我為什么不跟你加個微信聊呢？

現在大家都還在拿移動互聯網的思路來做AI的產品，當然這也是因為技術的局限，大家還想象不出來一個AI原生的東西是什么樣的。AI幫你寫東西，幫你畫PPT，都只是把人給替代掉了。AI搜索，也只不過是改變了檢索排列和歸納信息的方式，但搜索這個東西早就有了。

我還是在等待一個奇點時刻，當AI從本質上改變了生產關系，能創造出人與人之間、人與物之間交互的全新模式，在這個模式里真得離開AI都玩不轉。什么事是離開AI做不了的？一個是技術上實現不了，一個是離開AI的話，這個生意就實現不了。

比如說，AI能夠幫一個模式從不成立到成立，我原來用人來做這件事情沒有辦法形成正向現金流，這個時候我把人替代掉換成AI，現金流變正了。這是一個質變對吧？就是所謂的改變了生產關系。我在等待和尋找這樣的東西。

從這個角度來看，現在的項目確實都長得很像，看不出什么區別。你會發現用AI做PPT的，都是先在數據庫里放了一堆的PPT模板，然后用AI來寫文字，再把文字填充到模板里，再稍微調一下字體。其實從技術實現上來說很簡單，壁壘可能就是你原來寫的文字有多好，擺放文字的位置合不合理。

從商業上考慮，我再講另外一件事。在印度，洗衣機是很稀有的家用電器，因為印度用人洗衣服比用機器洗衣服更便宜。所以這背后還是一個商業問題。我知道洗衣機很省人力，而且洗得更干凈，但是我用人來洗比用機器來洗更便宜，哪怕慢一點。類似地，在我們國家，如果開啟一些業務也比在美國更難，因為美國的人工成本太高了。就拿打車來說，美國打車老貴了，所以這個時候換成打那些無人駕駛的、不用給小費的、以及有補貼的車能省很多。卡車也一樣，司機一年工資老高了，把人力省掉以后，利潤率暴漲，所以無人卡車這個場景在美國的商業空間也很大。

再看國內，2016、2017年左右的時候，做卡車無人駕駛的圖森未來就已經拿了很多融資，但后面出了一堆雞毛蒜皮的事情。架不住國內人力成本不算太高，所以你打一個真人開的車跟打一個自動駕駛的車，價格沒差多少。

所以，我對AGI的到來是有信心的，我對AI會帶來很多的商業機會也是有信心的。但現階段我看到的讓我感覺多數人都還只是在賭。當然也有邏輯很順的場景，比如AI coding，海外的cursor，國內字節的Trae，基本上已經可以滿足很多人對寫代碼的需求，只是獨創性的部分還是需要人來實現。

其實創業者都很有激情，很有理想，但還是那個雞和蛋的問題。技術就這個水平，你看不到他能做更多的事情，所以就只能先做水平以下的產品，產品就不能由量變引起質變。原來的模式沒有受到沖擊，新入場者就分不到市場上的那杯羹，就只能靠投資人的錢活著。所以說去年AI投資一下子縮水這么多，大家好像不敢再這么下注了，你這什么時候才能有回報呢？

當然，具體到項目上，我們除了看團隊看創始人，看這個技術有沒有壁壘，產品上有沒有一些獨到的東西，也看其他投資人有沒有關注。別人投了，哪怕我看不懂，應該也是個有價值的東西對吧？

為什么Agent無法大規模應用

現在的共識是，Manus和復刻Manus的產品，還在一個小白裝機的階段。因為它們只是把各個東西拼湊起來，算力的消耗并不是最經濟的路徑，任務完成的效果也未見得滿足人的期待。重點是，它們形成了一個富有啟發性的新范式——我們可以圍繞這么一個核心的技術這樣來操作，也許未來就會有更多人把它做得更好，做成一個可以賣錢的臺式主機。

Manus也再次印證了一個AI時代的原則，人們都喜歡白盒。當DeepSeek的R1把思維鏈展示出來的時候，用戶很激動，意識到原來AI是這么思考問題的。當Manus把規劃工作的流程展示出來，也讓用戶覺得很新奇很有意思，而且增加了信任度。當電腦只是一個龐大的機器的時候，它是一個標準的to B商品。后來它走向尋常百姓家，還是因為有可視化的操作系統，用戶還是想看到它里面到底在干嘛。

過去，我們把Agent理解成一個類似于插件的東西，比如說豆包里面，有各種AI翻譯、AI學術和AI編程的工具。放在一個通用的模型里面，然后你自己主動或者是模型幫你去調動另外一種工具，完成特定的任務，之前對于Agent的認知是這樣的。也是因為技術限制，Agent沒有辦法像今天一樣做那么多事。

但今天Agent仍然面臨很多技術以及技術之外的限制。我自己有時會幻想，會不會有一天Agent就像鋼鐵俠的助手小辣椒一樣，本身獨立存在，像個真正的得力助手。但是技術上能實現嗎？能不能打通那么多的數據孤島，獲得那么多權限？就算可以，那有多少人愿意為這個付費？

首先是數據的問題。Manus聲稱他們是General Agent，你會發現它實現通用能力的方式是給它配個虛擬機，讓它像人一樣去開網頁開視頻，調用別的工具。比如說，你讓它剪個視頻，它其實不會剪，但讓它給你打開一個能剪視頻的網站，它就能幫你剪了。厲害的點在于，它能理解你的意圖，并且找到對應的能用的工具。

我擔心的地方是，萬一之后這些地方就像是APP之間的數據孤島一樣，把你給屏蔽了，不讓你用怎么辦？不管是Agent還是AI應用，真正的價值在于垂類深耕。做得太淺了，沒辦法觸動真正的付費意愿。那要深耕某一個領域，就涉及到數據收集和打通的問題。

比如說，醫療垂類Agent，要能幫你完成從線上診療到線下掛號到復診的就醫全流程，必須得打通上下游的數據體系。前述到這么多的數據，這么多的服務機構，這件事情很難辦。事實上，你能拿到醫院的病歷數據就已經很難了。咱們現在老說數據不夠用，或者數據用完了，前提是互聯網上的高質量的公開數據。但更多的數據埋在水下，在各個公司的數據庫里，這些都是私有數據，都是商業機密。

在這樣的情況下，我不給你這個數據，你拿什么來訓練模型？或者是就算你仿真出來一些數據，似乎是具備了某種能力，但真要用的時候還是調不出來。你不知道我的身份證號背后對應的是哪張社保卡，不知道對應的之前的病例都有哪些，不知道這次開藥的時候要注意哪些過敏原。當然，國家也在發力打通數據。中央和各個地方最近都成立了數據集團，就是為了把零散的數據收集起來。

算力和成本也是大問題。執行任務的算力消耗和聊個天的算力消耗完全不能同日而語。一個任務可以拆解成幾百步，每一步都需要思考和消耗算力，這個是幾何量級的算力增加。一個現實的問題是，不是每個人都愿意為這個算力付費。一個員工要是干不好，我可以扣他工資，或者不給他發獎金。但是AI做不好，得是它做完了以后，你才知道它做不好，而且這時候錢已經花掉了。當你不是月結工資，而是每秒結工資的情況下，你肯定不敢給這個員工隨便安排任務。你必須得讓他做那些確保能做出來的東西，才能保證每一秒的工資都是有回報的。

相當于給你兩個選擇，A是你做完了再付費，B是邊做邊付費。這個時候多數客戶會在二者之間做一個相對風險小的選擇。寧愿上限低一些，也要保下限高一些。

在營銷界有一個很重要的概念叫experiencing markting。很多店很多品牌在搞一些旗艦店和體驗店，那些店里面沒賣多少商品，人家就沒打算讓你在里面買東西，就是為了塑造一個品牌調性，讓你在里面玩，讓你體驗感受一下原來擁有這個品牌是這種感覺。如果Agent真幫人把這些過程都替代掉，你確實能省很多時間，但是我也喪失了我的生命體驗。

再來問一個問題，萬一Agent出錯了怎么辦？以采購為例，你讓Agent去采購一個公司需要的零件，零件的編號都特別長，特別細。萬一有一個字母或者一個數字出錯，完了，它給買成另一個型號了，或者在后面多加一個0之類的，那就是巨大的錯誤。這種情況下，誰來背責任？Agent公司嗎？

反正我認可Agent的前景，但對于它為什么現階段無法大規模應用有一些自己的思考，不僅僅是從技術的角度出發，而是更多從商業上，或者從社會文化的角度出發。假如我是一個自己要去做這個事的人，我需要這個專屬體驗，或者說我花不起這個錢。如果我是一個老板的話，我雇傭一個真的人來干某件事，也不僅僅是因為我需要這個人的專業知識，而是也許需要有個人來幫我背鍋。

很多人開玩笑說會計是最難被AI取代的東西，因為AI沒法背鍋。不妨換一個更正面的例子，我招聘一個人，不只是需要他來干活，也需要這個人來跟著公司一起共同成長。AI能背股權嗎？AI能給你注資嗎？但是你拉一個真人來公司干這個活，他或許真能給你帶來錢和更寶貴的資源。有個理論叫六度空間，我跟世界上任何1個人之間都隔著不會超過6個人，AI能做到嗎？所以在很大程度上，Agent能否普及不僅僅是有技術的趨勢就足夠。人是社會性的動物，這點導致Agent沒有辦法去實現更大的想象空間。

回到那個問題，Agent的投資是一個課題嗎？首先，現在沒有多少人做出真正值得投的Agent，Manus以及復刻Manus的東西，都沒有什么技術壁壘。投資人就是關心壁壘的問題，擔心我投了你，萬一另外一家做起來了，我不就白投了。就像前面講的，Manus的意義并不在于它這個產品本身，而在于它打開了一個想象力的空間。哪怕是套殼，但能在這個基礎上再加一些獨有的壁壘，也許它就能work，就是一個商業上能賺錢的東西。