摸着 Manus，字节百度开始过AI Agent这条河

see122

通用 Agent（智能体）的火爆，仍在继续。

引爆这一领域的明星初创公司Manus AI，近期被曝出完成了新一轮7500万美元融资，估值在短短不到2个月内，飙升至5亿美元。

被Manus打开未来想象空间的通用 Agent市场，正在吸引一众科技大厂的入局。最新加入进来的是百度。

近日，百度对外推出了类通用 Agent产品“心响”。百度之前，字节抢跑一众国内科技大厂，率先上线了自家的Agent产品“扣子空间”。

相比传统Agent产品，通用Agent本质区别在于其定位从“工具”向“伙伴”的角色转变，能够处理复杂、多步骤的任务场景。

背靠大厂已有的产品生态，字节和百度共同盯上了同一目标，即借 AI Agent寻找自家 AI 产品体系的新增长点：字节试图将通用Agent概念嵌入工作流，寻找专业场景的落地应用；百度则想要在普通消费者中率先破局。

两者都在尝试打破各自内部的生态壁垒，构建更广泛的AI Agent生态体系，将通用Agent概念彻底打入用户的心智。

然而，受限于大模型技术的成熟度，包括字节、百度在内的所有参与者，都不得不在探索的路上，不断地扪心自问：AI Agent的真正应用场景是什么？

01

追逐AI Agent的场景答案

在找寻差异化应用场景的道路上，字节与百度在这一问题上选择了不同的路径。

字节的扣子空间主要入口为网页端，更易于接触日常办公场景下的软件资源；百度的心响主要面向手机端，目前仍只支持安卓系统，意图将自身产品打入用户的日常场景体验之中。

字节希望用 AI 深度嵌入工作流已成为业界共识。扣子空间“和Agent一起开始你的工作”这句宣传语精准地贯穿了产品逻辑。

扣子空间的最大目标：生产力全面提升。其MCP扩展中，飞书云文档、多维表格和电子表格尤为令人关注。如果能够与飞书平台进行高度整合的话，打通生态间壁垒，扣子空间将会成为企业效率的“智能中枢”。

我们让扣子空间作为一位艺术类型公众号撰稿者，搜集日本艺术家的文字与图片信息，制作成一份文字与艺术作品图片交叉的稿件。

在实际测试中，它对提示词的遵循能力优异，能够自动检索网页、制作可视化报告，流程流畅几乎没有卡顿，给出了一份完整的、规规矩矩的文字报告以及作品时间轴。

字节希望把Agent当作办公过程中的“AI实习生”，主动帮助用户处理文件检索、表格制作、报告生成等任务。其背后的逻辑是：在企业私域内，聪明的AI辅助工具才更容易产生价值。

百度则选择进一步降低使用门槛，从更广泛的普通C端用户切入，其产品心响专为移动端设计，在实际测试中的产品逻辑有些不同：“把难题留给心响，把时间留给生活。"

从功能模块的设计来看，心响相对于字节的扣子空间一个最大的区别是“灵感广场”模块。在该模块内，百度的产品设计者集成了大量的任务模版：晚安故事集、AI绘本、AI相亲等等。

不过，百度的C端策略既聚焦于用户习惯的培养，也有在一定程度上限制了产品的想象空间的嫌疑。技术上来看，心响给了外界一个明显的感受：主模型的指令遵循能力似乎并不如字节扣子空间那样精准，它的思维更加发散。

相比于扣子空间迅捷的内容生成速度，百度的心响在响应速度上显得相对缓慢的多，生成过程耗时更长。

然而，与扣子空间严格遵循提示词、输出规整的报告不同，心响在生成结果时额外设计了交互元素和视觉优化，在输出中融入更多细节和附加价值。

这样的产品逻辑，非常适配于日常场景，因为用户往往被认为在与AI的交互中，提示词工程的经验较弱，甚至很多时候自己都不清楚自己想要的是什么。

02

大厂摸着Manus过河

尽管产品体验上仍有不完美之处，令字节、百度们争抢推出相应Agent产品的的一大原因，则离不开其在商业变现上的天花板足够高。

要知道，竞争打到现在，无论国外的OpenAI，还是国内的字节、百度，其在大模型上都处于亏钱投入阶段。如何寻找到足够强的付费变现模式，无疑是一众大模型厂商的当务之急。

Manus成功拿下7500万美元融资的现身说法，让科技大厂看到了进军Agent领域的一丝曙光。最近OpenAI的一份预期收入报告，则让这丝曙光变得更明亮了些。

据The Information报道，OpenAI预测至2029年，AI Agent及其他新产品的销售额将超越ChatGPT，推高总营收至 1250 亿美元，2030年总营收有望达到1740亿美元。Agent，正被视为继对话式大模型产品之后的下一个大金矿。

而且，对于字节和百度这样生态庞大的公司而言，在各自的生态体系下，借助需要外部MCP交互的Agent，还可以达到盘活现有产品矩阵的效果。

但是，MCP本身不足以实现“世界的互通互联”。其需要大模型在多模态（尤其是推理能力）以及成本价格方面，给予支持。这能也反过来说明，为什么是此时此刻，字节和百度才有能力推出“扣子空间”和“心响”。

根据The Information报道，Manus仅仅在Claude大模型的调用上，两周内就烧掉了超过百万美元。AI Agent的基础工作流中的必要部分——多步推理涉及多次模型调用，处理复杂任务时需结合文本、图像等多模态数据，导致计算量激增，消耗大量GPU资源，说得直白点：AI智能体需要强算力资源、高多模态能力、强推理能力、低成本价格。

进入2025年，推理模型尤其是视觉推理领域的进步，使得Agent在实际产品中的部署变得技术上可行且经济上可持续。字节与百度在多模态大模型领域的早期投入开始有了回报，AI Agent的基础产品形态有了现实支撑。

近期，百度发布了文心4.5 Turbo及 X1 Turbo，强调推理性能与成本优化。代码智能体文心快码更是接入MCP，李彦宏本人直接提出“创新的核心在于成本下降”。

字节同样在4月中旬更新了豆包1.5·深度思考模型，同样主打一个多模态和性价比。据晚点LatePost报道，扣子空间对比了六款国内大模型，最终还是选用了自家的豆包作为基座模型技术支撑，原因是后者推理成本较低，大规模调用可行性高。

03

大厂寻找新“增长点”旅途坎坷

AI Agent概念虽然打得火热，但其定义正被泛化、滥用。通用Agent的资本故事里每一个字都异常美妙，市场潜力巨大，其仍然面临多重技术挑战，包括高任务失败率、上下文理解不足、数据安全风险及潜在的偏见放大问题。例如，无论是Manus、还是字节的扣子空间、百度的心响，这些产品在复杂任务中的可靠性仍说不上有多高。

从较短的时间尺度上来看，AI Agent在复杂任务中的表现仍难以配得上“通用”二字。但如果将目光放得更长远，其作为大厂们AI产品体系的新增长点的潜力无法被忽视。

没有大厂愿意冒着落后的风险，而不选择跟进。这一点深刻地体现在了字节、百度这样的中国科技大厂身上。根据晚点LatePost报道，Manus出圈前后，字节就搞了至少5个团队在开发不同Agent产品；百度的心响则由一群95后组成的团队，在30天内研发出来。

对大厂而言，技术优化迭代是必由之路，挖掘差异化的应用场景才是打开这条路的起始。谁能率先找到复杂用户场景的解决方案，谁就能从这块蛋糕里分走一部分。

这也意味着，字节和百度绝不会是这条赛道里的唯二玩家。国内方面，阿里和腾讯同样虎视眈眈。国外，不光是率先确立了A2A协议的Google，MCP协议的Anthropic，OpenAI对Agent也下了重注。一个月前，The Information 报道称，OpenAI已经在与投资者商议了三类未来的Agent产品的发布，价格从每月2000美元到20000美元不等。

可以想见的是，技术、资本、场景、标准正在AI Agent领域进行混合博弈，对于大厂们而言，这不仅仅是烧钱的开始，也是为产品体系找到全新商业引擎的起点。


来源：36kr