Manus開放注冊，AI生產力革命繼續

開放注冊后，用戶反饋呈現出明顯的“斷層現象”。

5月13日，在經歷了一段時間的爆火與爭議后Manus宣布取消邀請碼限制、全面開放注冊——標志著這場始于2025年3月的AI智能體熱潮正式進入第二階段。

網紅模型Manus實測：冰火兩重天

根據Manus官方公告：1. 所有用戶可直接注冊，無需等待名單2. 每位用戶每天可免費執行一項任務（價值300積分）3. 所有注冊用戶將一次性獲得1000積分獎勵。

Manus的開放注冊策略背后，隱藏著清晰的商業邏輯。

此前，Manus通過邀請碼制造的稀缺性，既因服務器容量限制的客觀因素，也暗合互聯網時代經典的“流量引爆”法則。這種策略成功將其估值推高至5億美元，并獲得硅谷風投Benchmark領投的7500萬美元融資。

但限量模式終究難以支撐規模化發展——每日免費1項基礎任務（300積分）與三檔付費訂閱計劃（19-199美元/月）的組合，標志著其正式轉向“用戶分層+增值服務”的成熟商業模式。

開放注冊后，用戶反饋呈現出明顯的“斷層現象”。在實測中，Manus展現的“數字員工”特性令人驚艷：從德克薩斯州教堂建設方案的19份文檔自動生成，到Python虛擬環境的自主搭建，其多代理協作架構（規劃、執行、驗證代理分工）確實實現了“類人類工作流”。有開發者觀察到，Manus在40分鐘持續作業中展示的自我糾錯能力，已超越Cursor等工具的時間閾值。

但另一面的吐槽同樣尖銳——代碼生成錯誤頻發、復雜任務人工干預率高、全英文界面與本地化不足等問題，暴露出技術成熟度的短板。尤其當用戶將其與Gemini 2.0的多模態能力對比時，Manus在動態環境適應上的缺陷更為明顯。這種落差源于市場對其“通用型”定位的過高期待——盡管GAIA基準測試成績優異，但真實場景中的長尾問題仍依賴預設腳本，與宣傳的“自主規劃”存在認知偏差。

宏觀來看，Manus面臨的真正挑戰，來自全球AI巨頭的戰略擠壓。OpenAI即將推出的“博士級智能體”與谷歌Gemini 2.0的多模態工具鏈，正在構建智能體開發的基礎設施。

相較之下，Manus的差異化路徑在于“垂直場景滲透+工作流封裝”：從簡歷篩選到股票分析，其通過整合瀏覽器、代碼編輯器等工具鏈，形成覆蓋200+場景的“AI流水線”。這種“工具集式創新”雖缺乏底層技術光環，卻更貼近企業降本增效的剛需。

算力饑渴時代：高效大模型催生“印鈔機”神話

當全球科技巨頭競相推出參數規模突破萬億的AI大模型時，一種看似矛盾的商業邏輯正在算力市場中浮現——模型效率的提升非但未削弱算力需求，反而將整個產業推入更深的“算力饑渴”狀態。這種反直覺現象的背后，是人工智能技術演進路徑與半導體產業格局的深層耦合。

從技術迭代規律觀察，大模型研發已陷入“參數競賽”與“效率優化”的雙重螺旋。盡管模型架構改進和算法優化確實提升了單次計算任務的效率，但行業對模型性能的極致追求推動著參數規模以每年10倍的速度膨脹。OpenAI的研究顯示，頭部AI模型的訓練算力需求每3-4個月翻番，這種增速遠超摩爾定律支撐的芯片性能提升曲線。

更關鍵的是，當模型參數突破千億門檻后，其“智慧涌現”特性要求訓練數據量同步呈現指數級增長。GPT-4的訓練數據量已達TB級別，而下一代多模態模型所需處理的圖像、視頻等非結構化數據，將把數據吞吐需求推向新的量級。這種“效率紅利”被更大規模模型吞噬的現象，在半導體領域被稱為“安迪-比爾定律”的AI版本——軟件進步帶來的性能提升，總會被更復雜的計算需求消耗殆盡。

市場需求的結構性變化正在重塑算力產業的底層邏輯。傳統通用算力與智能算力的市場份額對比發生歷史性逆轉，中國信通院數據顯示，2022年中國智能算力規模已超越通用算力，預計到2026年將占據整體算力結構的65%以上。

這種轉變直接反映在硬件采購清單上——單臺搭載8顆H100 GPU的DGX服務器售價超過25萬美元，但全球科技企業仍趨之若鶩。微軟為支撐Azure AI服務，單筆訂單就包含數萬張英偉達加速卡；特斯拉Dojo超算二期工程規劃算力達到100 Exaflops，相當于30萬臺A100服務器的集群規模。

值得關注的是，大模型產業化帶來的算力需求已從訓練端蔓延至推理端。IDC預測，到2026年全球AI推理工作負載將占據數據中心算力消耗的60%，這意味著即便模型訓練完成，持續的推理運算仍需消耗相當于訓練階段30%的算力資源。

在算力饑渴時代，投資者該如何把握時代紅利？

人工智能概念相關公司股價普遍較高，如英偉達、甲骨文、谷歌、微軟、Meta 等，普通投資者持有多只股票的資金成本較高。相比之下，人工智能相關 ETF 具有資金門檻低的優勢，一般購買一手（100 份）僅需一百多美元。

ETF 選品豐富，涵蓋人工智能產業鏈上下游企業，投資者無需深入研究個股即可實現風險分散，分享行業發展紅利。此外，ETF 不存在停牌或退市風險，即使在熊市也能正常交易，為投資者提供了止損機會。基于其門檻低、交易透明、選品豐富、穩定性高和支持場內交易等優勢，ETF 成為普通投資者和新手投資者參與人工智能市場的理想選擇。

以下是一些市面上熱門的人工智能ETF產品，僅作舉例，不作推薦建議：

風險投資家Tomasz Tunguz表示，投資者和大型科技公司在賭，未來十年中，由于推理模型和AI的迅速普及，對AI模型的需求可能會增加一萬億倍或更多。

祝大家投資順利~