文 观察者网心智观察所

Manus 曾经非常火爆，在不经意间就于国内舆论场中完成了一次关于 AI Agent 的全民科普。然而，当各路投资人纷纷踏破 Agent 企业的门槛时，植入大众心智中的 AI Agent“万能”印象，与它的真实面貌之间依然存在着较大的差距。

日前，心智观察所就 AI Agent 的发展现状与应用前景，与 Agent 初创企业 flowith 的市场负责人郭梓溢（拐子）展开了一次深入的交流，之后将访谈内容进行了整理，整理结果如下。

从业者对技术与市场有洞察。在访谈中，flowith 团队的年轻化给人留下了深刻印象。如果把 AI 比作是类似互联网诞生那样的颠覆性技术，那么它将要颠覆的，绝不仅仅是市场格局。

23 岁的马克·安德森无法忍受 NCSA 的官僚式管理，于是选择出走并创立了网景公司。24 岁的埃隆·马斯克放弃了斯坦福的读研机会，前往网景求职。在他们眼中所看到的，是当时整个硅谷世界还未曾真正发现的那道风景。

媒体一次次惊呼万能 AI 助手“就是它了”，从微软 Copilot 到今天的 Manus。然而，每一次产品实际落地，似乎都与高涨的预期存在不小的落差。

从从业者的角度来看，我觉得无论是 Copilot ，还是 AutoGPT ，亦或是如今很热门的 Manus ，它们都有着一个共同的核心问题，那就是过度地追求通用性。

去年 8 月我们刚推出 Flowith Oracle 。那时我们曾想主打“通用 AI 助手”这个方向。但很快我们就察觉到一个行业真相，即过于通用的 Agent 在垂直场景下很难进行优化，而且对用户而言难以解决实际需求，也难以形成使用习惯。

真正的关键在于找到那些 Agent 能够完成而基础模型无法完成的任务。实际上，倘若你仅仅需要一份旅行攻略，亦或是进行前端开发，即便 Agent 的演示案例再怎么炫酷，直接询问 AI 或许也能获得 80%相近的结果。这其实并非 Agent 的实际价值所在，大模型迟早会具备这些基础功能。

公众对 Agent 的想象往往较为理想化。你认为目前的 AI Agent 距离这样的理想状态还有多远呢？

我个人认为垂类Agent已经足以出现一些杀手级应用。

现在通用 Agent 的热情是件好事。它就像漏斗，能汇集用户的 case，让我们知晓对 Agent 实际应用最强的需求所在。接着，我们或许会定制化开发一些基于现有基础模型和工具就能做出的产品。所以我认为，满足公众期待的垂类应用不会等太久，今年之内肯定会有很多爆发点，包括我们自己。

公众对 Agent 讨论得很多，然而实际使用过的却很少。请给我们列举几个 flowith 用户比较好的用例吧。

我觉得比较有意思的事情有咨询行业编写调研报告，以及学科领域的知识总结。有一个 00 后用户很特别——他把自己的考研笔记转化成了“学科知识图谱”。现在借助 Oracle 系统，能够根据不同学校专业的命题特点自动生成定制化的复习方案。我自己会进行实践，例如结合自身的知识库，能够批量产出具有我自己语言风格和表达习惯的深度内容，接着挑选出一些最好的结果，通过这样的方式，我的小红书在一个月内成功增长了 5000 个粉丝。

对于内容创作与AI结合有什么体会？

人的主体性很重要。我们选择了不同的架构路线。在 Flowith 中，人不是袖手旁观的摆设，而是可以参与到 human-in-the-loop 中的主导者，能够实时参与到创造过程中。当业界和公众对 Agent 的通用性抱有过高期待时，在实际使用产品时就难免会发现理想与现实存在差距。

未来 Agent 的价值并非是替代人类，而是要与人类达成深度融合以及形成互补。这相较于仅仅将 AI 当作工具而言，是更为复杂的，并且其价值也更高得多。

我们认为在 AI 时代，品味可能是人类的最后一道壁垒，这就是原因所在。

你觉得flowith目前商业落地最大挑战是什么？

最早像我们这样的创业者，最为头疼的是公众对 Agent 是什么以及能做什么事并不知晓。然而现在，DeepSeek 切实为整个行业解决了用户普及的问题，即大家对 AI 的了解更多了，对 Agent 也有所知晓了。如此一来，这样的挑战实际上以一种变相的方式得以解决，我们只需把真正能够解决用户痛点的产品制造出来就可以了。

有人认为 AI Agent 只是对基础模型和工具进行整合，自身不存在技术壁垒，对于这种看法该如何看待？

我觉得挺荒谬的。

Agent 的本质，我个人认为更类似造车这门艺术。在第一台汽车出现之前，内燃机以及各种前置技术已然存在。然而，像福特和奔驰这样的先驱者，依然需要极为强大的系统集成能力以及深刻的产品定义洞察。这并非仅仅是简单地拼装零件，而是一个包含无数微妙平衡且需进行系统性思考的复杂过程。

基础大模型更侧重于底层，如同发动机这类的核心部件。尽管 DeepSeek 这样的模型已然极为强大，然而为何大家在日常工作生活中仍难以深度应用它呢？并非是底层技术不够卓越，而是能够与具体场景深度适配的产品形态尚未大规模地呈现出来。

在 AI 飞速进化的这个时代，要将基础能力转化为真正有价值的产品体验，就需要深刻理解人机协作的本质，并且对产品细节进行极致追求。当所有人都使用同一个发动机时，真正的差异化体现在你构建整个系统的方式上，以及体现在你让这个系统为真实用户创造价值的方式上。

海内外的 Agent 初创企业常常会有许多自己独创的技术概念，并且同一个术语所指向的语义也存在差异，你对这个阶段性现象是如何看待的？

我认为重要的是最终落地的商业模式。有些 Agent 想要打造垂直领域中速度最快的跑车，然而有些团队则想做通用型的，以满足大众市场的需求，这类 Agent 的开发相对而言更为困难。但是我觉得基础的技术框架肯定会逐渐固定下来，也就那几种模式，垂直类的 Agent 会对很多特定工具进行优化。

能不能简单讲讲你和flowith的故事？

我的背景包含数学与计算机科学。在本科和研究生阶段，我都对这两个领域进行了深入研究。说实话，创业的想法在大学时期就已经开始萌芽了。那时，我已经进行了几次尝试，这些尝试虽然规模较小，但却给了我非常宝贵的思维训练。

加入 flowith 团队有两个重要的推动力量。其一，与创始人此前就有过接触，这种基于信任的合作在 AI 时代是非常珍贵的。其二，被 flowith 的核心理念深深打动，我们并非在打造另一个 AI 工具，而是要去挑战现状，去挑战人们对于 AI 交互方式的既定认知。

大多数团队还在讨论怎样让 AI 更像人类的时候，我们已经开始思考人与 AI 最理想的协作模式了。我们的愿景很清晰，那就是打造 AI 时代的终极创作工具，是一个能够切实发挥人类品味和 AI 能力各自优势的平台。

我注意到你们的团队成员普遍都很年轻

都是95后，我自己是00后。

接下来的问题与年龄有密切关系，Agent 创业团队呈现出年轻化的特点，这似乎是一个特别显著的特征。

我认为年轻化或许与我们的本科教育存在关联。我还记得在我读本科期间，GPT 就已经出现了。因此，我们较早地接触到了 AI，并且恰好是在我们最为核心的学习阶段。所以，我们当时拥有大量的时间和资源来学习这些东西。这个领域不存在“工作年限即专业度”这样的等式。我们较早地运用了相关理念，对其原理的理解较为深入，思维也足够开放，这才是真正的竞争力的来源。在 AI 几乎能够复制一切的未来，真正的分界线并非谁掌握了更多的知识，而是谁具备更敏锐的洞察力和更独特的思维方式。年轻化不是一种可选择的情况，而是 AI 时代发展所必然呈现的趋势。

Manus 进行宣发时采用的是全英文介绍。我知道 flowith 也是从早期就开始在海外市场起步。那么，你对于本土创业团队做出这样的选择是怎么看待的呢？

最早国内的基础模型能力没有那么强，在 DeepSeek 出来之前。那个时候如果想给用户最好的体验，没有其他选择，只能选最好的模型去做，所以面临只能选择出海这条路，这就是为什么选择出海。

现在的格局发生了根本性变化。我们近期进行的测试表明，DeepSeek、阿里的千问、智谱的 GLM 等国内模型在不断进步，正以惊人的速度拉近与其他模型的差距，它们的能力已经达到了较为出色的程度。这种变化不只是技术指标的上升，还意味着中国 AI 生态正在构建起自己独特的创新道路。

对智谱评价这么高？

智谱的效果确实挺不错。他们在多模态方面的支持做得特别好。国内模型能力的提升，促使我们也将马上推出国内版本。

很多人都认同这样一种观点，即把 AI 比作三十年前的互联网。那时的硅谷具有两个特点，其一，创业者普遍都很年轻；其二，传统的商业模式和评价标准不再适用了。例如，当年信息高速公路的概念刚刚出现时，绝大多数专家都觉得互联网的未来仅仅是 500 个新的内容频道，然而实际情况却是有 5000 万个网站。

00 后年轻人，你如何看待当今外界对于 AI 创业的想象力以及评价体系呢？

我近期一直在深入思索组织形态的革命性转变。传统企业存在的部门壁垒、层级汇报以及固定岗位等情况，在 AI 时代已然显得极为僵化。在 flowith 这里，例如我们每周团队可能会有 100 个任务，每个人挑选自己最为适宜的任务去完成即可，并非是将任务分配到每个部门，然后由 Leader 再去进行任务分配。

我强烈认同未来会有更多“小而美”的独角兽公司涌现出来。这使我想起早期互联网创业者的样子。他们首先完成的范式转换是：以远远少于传统企业的人力，创造出远远超出传统想象力的产品和服务。

国内 AI 开发者社群中，flowith 开始有了一定的能见度。你们接下来会在培育开发者生态方面开展哪些工作呢？

国内方面，我们接下来要走进校园。我们的平台很适合用于学习，所以我们更希望能推动一些偏向普及化的工作。

从市场需求方面来看，国内的个人以及企业，普遍都存在着对 AI 强烈的害怕错过的情绪。尤其是 DeepSeek 出现之后，政企机构都在竞相进行本地部署。对于这个潮流，你是如何看待的呢？

数据安全是一个理由，我认为也存在跟风的因素。我个人觉得这不是好方式，成本是一方面，另外，DeepSeek 的多模态支持比较差，在真实业务场景中应用，对现在业务提升很有限。而且说实话，企业老板若自己不带头使用 DeepSeek，就别指望员工会用了。

我们最近在对 B 端和 SaaS 这些事宜进行评估。对于企业，我们或许会提供一个商用版本，公司能够借助该平台迅速搭建起自己的私域知识库。

你预测何时会出现一个像微软 office 这种量级、能够真正改变行业的 Agent 产品？

我觉得目前还看不到像 office 那样改变用户习惯的产品，但我个人认为改变行业的 Agent 就在今年。除了我们正在进行的项目，我还知道国内和海外有很多团队在开展不错的项目。

假如在五年之后回顾今天的 Agent 热，你认为可能有哪些方面是被过度高估了呢？

我难以想象这个世界五年后将会变成何种模样，因为如今的发展极为迅速，变化必然是极为巨大的。Agent 只是当前 AI 的演进热点，它是否是一个标准答案呢？我认为有可能是，五年后或许会发展得极为出色，但也存在这样的可能性，即 Agent 这个概念在未来会发生新的变化，未来或许只需基础模型加上很轻量的产品就能够满足用户的所有日常需求。但从当前角度来讲，Agent是一条切实可行的发展路径。

国内互联网生态中，大厂在新兴业务方面的扩张冲动较为强烈。朱啸虎近期恰好接受了一次采访，他表示，随着几家大厂在 AI to C 应用领域开始发力，未来的创业团队基本上很难再有机会了。你对这种见解是如何看待的呢？

大厂们在产品和市场预算上投入了重金，并且有非常不错的产品。然而说实话，那种“国内大厂必将统治 AI 应用市场”的预测是完全不切实际的。

从行业的认知以及创新的速度方面来讲，国内外有许多创业团队毫无疑问处在最为前沿的位置。大厂或许能够迅速地复制某个产品的功能特性，然而对于用户的深度理解、产品背后所蕴含的思维模式以及理念等这些核心价值，永远是无法被抄袭走的。另外，许多大厂的产品并非是为了打造具有 AI 体验的原生产品。

另外我觉得大厂的 AI 产品在商业价值转化方面，其转化率应该不会特别高。然而，我们的付费转化率在同类产品中是最高的。这也是我们团队之前没有获得太多资金支持，但仍然保持着极强竞争力的原因。

存在这样一个观感，即大厂依旧处于旧瓶装新酒的思维范式之中，通常会选择对搜索入口用 AI 重新进行制作一遍。

我认为原先的产品定义对很多思路进行了限制，AI 原生的产品需要新的方法论。在大厂中，决定资源分配和优先事项的关键人物通常还是在上一代移动互联网浪潮中成长起来的，他们对于 AI 技术与应用的理解需要进行新的更新。

来源|心智观察所