從 Manus 到 GO-1：當AI逐漸走入物理世界

2025年3月的中國AI領(lǐng)域無疑是一顆投入平靜湖面的巨石，激起層層巨浪，吸引了全球的目光。先是Manus通用AI Agent以“全球首款執(zhí)行級智能體”的姿態(tài)橫空出世，如同一道耀眼的閃電劃破科技的夜空；緊接著，GO - 1通用具身基座大模型宣布開源，宣稱要“重新定義人機交互邊界”，似一場風(fēng)暴席卷而來。這兩大技術(shù)的碰撞與競爭，讓人們不禁思考：當AI開始從云端走向物理世界，真正參與到現(xiàn)實的交互與創(chuàng)造中，人類距離真正的智能革命究竟還有多遠？

Manus：“執(zhí)行級AI Agent”的降維打擊

Manus是由中國初創(chuàng)公司Monica.im開發(fā)的全球首款通用型AI智能體，其核心定位是自主執(zhí)行復(fù)雜任務(wù)并交付成果。Manus的出現(xiàn)標志著AI智能體從單一任務(wù)執(zhí)行向復(fù)雜決策的跨越，其名稱源自拉丁文“mens et manus”，意為“知行合一”，強調(diào)知識與行動的結(jié)合。

1.核心能力：從“思考”到“行動”的閉環(huán)

Manus的出現(xiàn)，宛如一場技術(shù)革命，打破了傳統(tǒng)AI僅僅作為“工具”的屬性。它不再是被動地等待指令，而是具備了從理解指令到自主拆解任務(wù)、調(diào)用工具、跨平臺執(zhí)行并最終交付完整成果的能力，形成了一個從“思考”到“行動”的完美閉環(huán)。

在金融分析領(lǐng)域，當用戶輸入“分析特斯拉股價波動”這樣的指令時，Manus就像一位專業(yè)的金融分析師，能夠自動抓取特斯拉的財報，關(guān)聯(lián)美聯(lián)儲的政策信息，最終生成可視化的報告。這一過程不僅高效，而且精準，大大節(jié)省了金融從業(yè)者的時間和精力。

在教育場景中，教師只需上傳教材，Manus就能自動生成教案、制作PPT、編寫練習(xí)題，甚至還能模擬課堂互動。這對于教育工作者來說，無疑是一個得力的助手，能夠讓他們將更多的精力放在教學(xué)方法的創(chuàng)新和與學(xué)生的互動上。

在企業(yè)級應(yīng)用方面，某跨境電商客戶利用Manus完成了競品分析、廣告投放、物流調(diào)度等全流程工作，效率提升了400%。這一顯著的成效充分展示了Manus在實際業(yè)務(wù)中的強大執(zhí)行力和價值。

更值得一提的是，Manus在GAIA基準測試中的表現(xiàn)堪稱驚艷。其綜合得分達到了86.5%，遠超OpenAI Deep Research的67.9%。這一數(shù)據(jù)表明，AI終于從“實驗室玩具”進化為“職場殺手級助手”，能夠在實際工作中發(fā)揮重要作用。

2. 技術(shù)底層：通用智能體的“靈魂三要素”

Manus之所以能夠具備如此強大的能力，得益于其通用智能體的“靈魂三要素”。

多模態(tài)感知是Manus的重要特性之一。它能夠兼容文本、圖像、語音等多維度輸入，就像人類擁有多種感官一樣，能夠從不同的渠道獲取信息，從而更全面地理解用戶的需求。

動態(tài)規(guī)劃則是Manus高效執(zhí)行任務(wù)的關(guān)鍵。通過強化學(xué)習(xí)，它能夠?qū)崟r調(diào)整任務(wù)的優(yōu)先級，根據(jù)實際情況靈活安排工作流程，確保任務(wù)能夠以最優(yōu)的方式完成。

云端執(zhí)行是Manus的強大后盾。依托分布式算力網(wǎng)絡(luò)，它能夠?qū)崿F(xiàn)7×24小時不間斷作業(yè)，無論何時何地，都能為用戶提供及時、高效的服務(wù)。

正如團隊核心成員季逸超所言：“Manus不是更聰明的AI，而是更像‘人’的AI?！彼某霈F(xiàn)，讓AI更加貼近人類的思維和行為方式，為人類的工作和生活帶來了更多的便利。

GO - 1：具身智能時代的“全能智囊團”

如果說Manus代表了人工智能在工具化應(yīng)用上的突破，那么智元機器人發(fā)布的GO-1則是具身智能領(lǐng)域的一次重大飛躍。GO-1是全球首個通用具身基座大模型，它開創(chuàng)性地提出了Vision-Language-Latent-Action（ViLLA）架構(gòu)。這一架構(gòu)由VLM（多模態(tài)大模型）和MoE（混合專家）組成，通過深度學(xué)習(xí)和生成式人工智能技術(shù)，實現(xiàn)了視覺、語言和動作的深度融合。

1.ViLLA架構(gòu)：從“數(shù)據(jù)模型”到“物理世界的交互接口”

ViLLA架構(gòu)的核心在于彌合圖像-文本輸入與機器人執(zhí)行動作之間的鴻溝。與傳統(tǒng)的Vision-Language-Action（VLA）架構(gòu)相比，ViLLA通過引入Latent Action Tokens（隱式動作標記），顯著提升了模型的動作規(guī)劃和執(zhí)行能力。在實驗中，GO-1在五種不同復(fù)雜度的任務(wù)上表現(xiàn)卓越，成功率比現(xiàn)有最優(yōu)模型提高了32。

2.GO-1的四大創(chuàng)新

（1）人類視頻學(xué)習(xí)
GO-1能夠結(jié)合互聯(lián)網(wǎng)視頻和真實人類示范進行學(xué)習(xí)，增強模型對人類行為的理解。

（2）小樣本快速泛化
在極少數(shù)據(jù)甚至零樣本的情況下，GO-1能夠快速泛化到新場景和任務(wù)，極大地降低了具身智能的應(yīng)用門。

（3）一腦多形
GO-1能夠靈活部署到不同類型的機器人本體上，支持多種機器人形態(tài)，展現(xiàn)出極高的通用性和靈活。

（4）持續(xù)進化
通過數(shù)據(jù)回流系統(tǒng)，GO-1能夠在實際使用中不斷學(xué)習(xí)和優(yōu)化自身性能，越用越聰。

3.GO-1的應(yīng)用場景

GO-1的推出標志著具身智能向通用化、開放化和智能化方向的快速發(fā)展。未來，機器人將不再局限于實驗室，而是能夠適應(yīng)多變的真實世界環(huán)。例如，在工業(yè)制造、物流配送、家庭服務(wù)等領(lǐng)域，GO-1能夠通過視覺、語言和動作的深度融合，實現(xiàn)高效的任務(wù)執(zhí)行。

產(chǎn)業(yè)鏈重構(gòu)與競爭升維 以生成式AI和大模型為代表的新一輪人工智能浪潮正在使廣泛的價值鏈受益。例如，算力需求的激增推動了芯片和云計算產(chǎn)業(yè)升級，數(shù)據(jù)成為核心生產(chǎn)資料，催生數(shù)據(jù)治理和隱私計算市場。同時，智能化應(yīng)用的深化加速了制造、醫(yī)療、內(nèi)容、金融等行業(yè)的轉(zhuǎn)型升級。

從“數(shù)據(jù)模型”到“物理世界的交互接口”

與Manus側(cè)重“執(zhí)行”不同，GO - 1主打“理解與生成”，它的技術(shù)定位是成為物理世界的交互接口。其核心技術(shù)包括多模態(tài)大模型、具身推理和工具學(xué)習(xí)。

多模態(tài)大模型支持圖文音視頻的實時融合分析，能夠像人類一樣綜合處理多種信息，從而更準確地理解物理世界中的各種場景和指令。

具身推理通過傳感器數(shù)據(jù)構(gòu)建動態(tài)環(huán)境模型，讓GO - 1能夠感知周圍的環(huán)境變化，并根據(jù)這些變化做出相應(yīng)的決策。

工具學(xué)習(xí)則使GO - 1能夠調(diào)用機械臂、無人機等實體設(shè)備執(zhí)行指令，真正實現(xiàn)了從虛擬世界到物理世界的跨越。

商業(yè)博弈：中國AI軍團的全球突圍戰(zhàn)

Manus派強調(diào)“任務(wù)導(dǎo)向”，通過標準化接口接入現(xiàn)有工具鏈，這種方式適合快速商業(yè)化。它能夠在短時間內(nèi)為企業(yè)和用戶提供高效的服務(wù)，滿足市場的需求。

GO - 1派則專注于“系統(tǒng)級智能”，通過深度硬件協(xié)同與自主決策能力，構(gòu)建物理世界的實時交互閉環(huán)。它更像是 “嬰兒學(xué)習(xí)”—— 從感知環(huán)境到動作執(zhí)行全鏈路自主進化，而非依賴外部工具。例如，GO-1 通過 AgiBot World 百萬真機數(shù)據(jù)集訓(xùn)練，能在無預(yù)設(shè)場景下理解人類指令并完成倒水、組裝等精細操作，這種能力在工業(yè)質(zhì)檢、服務(wù)機器人等領(lǐng)域展現(xiàn)出顛覆性潛力。其與蘑菇車聯(lián)車路云網(wǎng)絡(luò)的結(jié)合，更實現(xiàn)了從 “單車智能” 到 “城市級智能體” 的躍遷，為自動駕駛、低空物流等場景提供系統(tǒng)級解決方案。

兩者并無優(yōu)劣之分。Manus搶占企業(yè)服務(wù)市場，憑借其強大的執(zhí)行能力和高效的任務(wù)處理能力，為企業(yè)提供全方位的解決方案；GO - 1深耕硬件集成領(lǐng)域，通過與實體設(shè)備的深度融合，實現(xiàn)物理世界的智能交互。

政策對AI的支持

在政策層面，中國政府高度重視人工智能的發(fā)展。2025年全國兩會再次強調(diào)“人工智能+”行動，提出要持續(xù)推進“人工智能+”，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來。這一政策導(dǎo)向?qū)槿斯ぶ悄芗夹g(shù)的落地和應(yīng)用提供有力支持。 從“互聯(lián)網(wǎng)+”到“人工智能+”，AI已成為全球新一輪科技革命和產(chǎn)業(yè)變革的核心內(nèi)容。未來，隨著技術(shù)的不斷進步和政策的支持，人工智能將在更多領(lǐng)域?qū)崿F(xiàn)突破，推動社會的智能化發(fā)展。

AI的 “具身化” 與 “通用化”

從 Manus 的爭議到 GO-1 的突破，AI 的發(fā)展從未如此貼近現(xiàn)實。當智元機器人在臨港工廠量產(chǎn)人形機器人，當 Manus 的更新預(yù)告引發(fā)期待，我們正站在一個新時代的門檻：AI 不再是屏幕后的代碼，而是能感知、思考、行動的 “數(shù)字生命體”，

正如蘑菇車聯(lián)通過深度整合物理世界實時數(shù)據(jù)的AI大模型--MogoMind構(gòu)建城市的實時數(shù)字孿生底座，其通感算網(wǎng)絡(luò)已賦能自動駕駛、低空經(jīng)濟等領(lǐng)域，為AI 與物理世界的深度融合提供了基礎(chǔ)設(shè)施支撐。這場技術(shù)革命，或?qū)⒅匦露x人類與世界的交互方式。

具身化是AI發(fā)展的重要方向。AI將從虛擬世界走向物理世界，通過機器人、無人機等終端直接參與生產(chǎn)生活。這意味著AI將不再僅僅是人們在屏幕前使用的工具，而是能夠真正融入到人們的生活和工作中，成為人們的伙伴和助手。

通用化也是AI發(fā)展的必然趨勢。單一任務(wù)模型將被基座模型取代，AI系統(tǒng)需同時具備理解、推理、執(zhí)行的綜合能力。這將使AI能夠更加靈活地應(yīng)對各種復(fù)雜的任務(wù)和場景，為人類提供更加全面、高效的服務(wù)。

這一趨勢與馬斯克的Optimus、特斯拉的AI戰(zhàn)略不謀而合。當具身智能與通用智能體深度融合，AI或?qū)⒄嬲蔀?“人類的延伸”—— 既能在云端運籌帷幄，又能在現(xiàn)實世界動手創(chuàng)造智能時代的終極圖景 —— 一個虛實交融、萬物互聯(lián)的實時數(shù)字孿生世界。