回顾过去十几年，市场对 "AI 助手 " 的想象经历过三次大规模的预期校准。

第一次是   Siri   诞生时，语音控制带来了交互的新鲜感，人们以为电影里的智能管家   Jarvis   就在眼前，但随后发现它更多时候只是一个语音闹钟；

第二次是   ChatGPT   横空出世，流畅的对话与推理能力让人觉得   AI   终于有了 " 脑子 "，但很快市场意识到，它依然只是一个在对话框里坐而论道的智者，看不到对话框之外的世界。

2025   年初，Manus   的出现，让   Agent   的概念有了实感。这一次的冲击不同以往——很多人第一次看到   AI   不仅在 " 说 "，而且在 " 做 "。它当着你的面打开浏览器、编写代码、调试错误、甚至因为网页加载太慢而主动刷新。

当   Manus   的热度随着被收购而逐渐平息，人们才发现，无论技术外壳如何变迁，人类对   AI 助手的核心渴望从未改变：用户不只想要一个仅仅能听懂话的陪聊，也不只想要一个会在黑底白字界面里写代码的极客工具；大家想要的，一直都是一个更聪明、真正能把活儿干完的帮手。

随着   Manus   完成它的历史使命，Agent   的下半场大幕正在拉开。

01

Manus   完成了它的历史使命：Agent   的启蒙运动

作为一家公司，Manus   的最终归宿或许存在争议；但作为一个产品现象，Manus   已经完成了它的历史使命——它是   Agent   时代的启蒙者。

在   Manus   之前，Agent   更多停留在学术论文和极客的   Python   脚本里。Manus   的成功之处在于，它通过可视化的交互，第一次向普通用户展示了   Claude   模型背后潜藏的   Agent   能力。它把 " 拆解任务 - 自主执行 - 环境反馈 - 修正路径 " 这一整套复杂的黑盒逻辑，变成了一个让用户盯着屏幕看的直观过程。

Manus   与   Claude   模型是典型的 " 互相成就 "。Claude   稳定的计算机使用（Computer Use）能力、代码能力、工具调用能力是地基，而   Manus   是那座拔地而起的样板房。Manus   的流行，本质上是   Anthropic   技术愿景在应用层的一次成功落地。

然而，Anthropic   自家产品   Claude Code   的持续破圈，影响力逐渐从技术圈外溢，也揭示了一个道理：Agent   的天花板，依然由底层大模型决定。

当应用层的交互红利被吃透后，竞争会回归到模型本身。Manus   展示了 " 过程 "，但受限于模型对虚拟环境的适配度、API   成本和推理稳定性，它依然难以成为大家日常工作的依赖。与此同时，国内外的其他基模创业公司——无论是   OpenAI   还是国内的 DeepSeek、Kimi ——都已将 Agent 作为发力方向：通过把   Agent   能力直接 " 内化 " 进模型里。

但这并不意味着第三方   Agent   创业者的末日，一个更有价值的方向已经浮出水面：基于独有知识库的深度 Agent。当通用执行力被第一方产品 " 内化 " 成模型能力时，第三方   Agent   的核心竞争力就从 " 执行力 " 转向了 " 信息不对称 "。

最典型的例子是金融研报   Agent。一个能够调取过去二十年、数百万份非公开独家研报数据库，并能根据这些高价值信息进行分析的   Agent，其价值远超一个只能翻翻网页的通用工具。在法律、医疗、审计等垂直领域，这种基于 " 孤岛数据 " 构建的   Agent   产品，才是第三方厂商真正能守住的护城河。

现在，行业正处于一个微妙的瓶颈期：基模的   Agent   能力在飞速提升，不同的基模厂商会有各自希望重点突出的   Agent   能力侧重点，但在产品形态上，大多数厂商还在摸索，试图找到让这些能力真正渗透进普通人日常工作流的路径。

02

Agent   的 "iPhone 时刻 "：从炫技到日常

所有现在的   AI   助手，终将进化为   Agent。这已是行业共识。

如果说   2025   年是   Agent   的 " 功能机时代 " ——大家还在比拼谁能多轮联网搜索、谁调用的工具多；那么   2026   年，行业正在呼唤   Agent   的 "iPhone   时刻 "。这场战争的决胜点在于两端：一端是模型原生   Agent   能力的硬核比拼，另一端是产品设计的范式革命。

在国内的赛场上，这种角逐尤为激烈。

最早嗅到这一气息并拿到 " 入场券 " 的，是   Kimi。判断一个产品是否切中刚需，有一个极具中国特色的指标—— " 闲鱼认证 "。在   Kimi   在 25 年 6 月上线 " 深度研究 " 功能，由于免费用户能使用的次数有限，闲鱼上出现了大量倒卖付费会员次数和代跑服务的现象。这种 " 求而不得 "，验证了用户对于 "AI   帮我做完一件事 " 的真实渴望。

随后的故事不仅发生在应用层。Kimi   推出的   K2   模型，是国内较早旗帜鲜明主打   Agentic   能力的基座模型。这直接催生了   Kimi   的通用   Agent   模式。与传统的 " 聊天框 " 不同，Kimi   的   Agent   模式更像是想要打造一个全栈能力的虚拟工作环境。通过   Agent   模式，Kimi   尝试打破 " 对话 " 的边界：从处理百万行   Excel   数据到生成复杂的   PPT，它不再是 " 聊完即走 "，而是像人类一样，从列计划、做调研开始，一步一步去完成一个项目。

2025   年双   11   期间，随着   Kimi   编程套餐的上线，他们也推出了   Kimi CLI   工具。这是一款在命令行里运行的   Agent，与   Anthropic   的   Claude Code   类似，专门服务于开发者的代码场景，但也开始外溢到非技术人员的非编码工作场景。

与此同时，国内战局并未大定。DeepSeek   新模型主打的重点是   Agent   能力。智谱选择了一条差异化的路径，他们开源了   Phone Use   模型。这个模型更侧重于通过视觉识别，像人手一样去操作现有的手机 App   界面……

03

聊天时代结束，中国的 Anthropic 竞赛开始

ChatGPT   开启的   Chat   时代也正在落幕。

未来的   AI   助手，衡量标准将变得非常务实：能不能帮我定位这个线上   Bug，自行搜索解决方案，写好修复代码，跑通测试，并把补丁推上线？能不能帮我整理完这   200   份财报并画出图表？能不能帮我把本周   5   场产品评审会的录音听完，整理出所有需求变更点，同步更新到   PRD   文档，并自动在项目管理软件里创建好对应的开发任务？

在这场从 " 聊 " 到 " 做 " 的转型中，Anthropic   提供了一个参考样本。从早期的   Claude Code   到最近刚刚上线、面向大众协作的   Cowork，尽管   Cowork   作为一个新产品，其实际体验和用户口碑还有待时间验证，但它所代表的方向是清晰的：最强大的   Agent，一定来自基模厂商。

在中国，谁能成为那个 " 中国的   Anthropic"？

答案不在于谁的模型跑分更高，而在于谁能最先做出第三代   AI   助手。这个助手需要满足三个严苛的条件：

第一、它必须具备原生的   Agent   能力，而不是靠外部提示词工程堆砌出来的 " 伪智能 "； 

第二、它必须能处理长时任务（Long-horizon tasks），能像人类员工一样，为了一个目标连续工作数小时甚至数天，而不是聊几句就 " 断片 "；

第三、它必须拥有闭环的数据飞轮，让每一次任务执行的成败，都能成为模型进化的养料。

在这个维度上，国内的模型创业者们正在加速。行业看到，DeepSeek   选择了能把 Agent 推理价格持续降下去的底层方案做突破，暂时没有在产品层发力；而   Kimi   依托自己的 K2 系列模型 Agent   能力，在 " 深度研究 ""PPT"" 数据分析 " 等生产力场景上有了忠实用户群，也初步验证了他们的会员付费能力。智谱则通过开源 AutoGLM 模型，想让会操作手机的 Agent 给每个人日常生活带来帮助。

对于用户而言，谁是 " 中国的   Anthropic" 并不重要。重要的是，当那个对话框消失，取而代之的是一个真正能独立思考、并在后台默默把活儿干完的帮手时，市场才算真正迎来了   Agent   的时代。

毕竟，最好的   AI，不是让你惊叹技术有多强，而是能让你觉得自己有多强。