我们的用户真的很喜欢 Manus。 我们在三月份发布了 Manus，现在已经实现了大约 9000 万的收入运行率（RRR，Revenue Run Rate），很快就会突破 1 亿。
我觉得这对我们这样一个小型创业公司来说非常巨大。但更重要的是，这表明 AI Agent 已经不再只是一个研究领域的流行词，而是真正在被应用，落地生根。
我可以和大家分享一个我们构建 Manus 过程中的小故事。
我们其实从 Agent coding 的应用中得到了很多灵感。比如像 Cursor 这样的 AI 编程产品，之前已经吸引了很多关注。
作为工程师，我们自然会使用 Cursor。但让我们惊讶的是，公司里很多非工程师同事也在用 Cursor。当然，他们并不是在写软件，而是用它来做数据可视化，甚至写一些文章。他们会忽略左边的代码部分，只是跟 AI 对话来完成工作。
这让我们意识到：我们应该把这种方式泛化，赋能非程序员。这就是 AI 的一个用例。
问：我们越来越常听到人们谈论 AI Agent 和 AGI。你能不能帮我们更清楚地区分这两个概念？AI Agent 和 AGI 对你和 Manus 来说各自意味着什么？
答： 我们认为这是一个非常好的问题。
现在大家几乎把一切都叫做「Agent」。比如一个麦克风，有人会说它是「有环境感知的收音 Agent「。
但至少我们主张，Agent 应该是应用型 AI 的一个子集。我们不妨退一步，看看常见的 AI 应用类别。
大多数人已经熟悉两类：一类是聊天机器人，比如 ChatGPT；另一类是生成式工具，比如 MidJourney 或 Sora。 在这些系统中，通常只有两个角色：用户和模型。你和模型交互，得到输出。而 Agent 的不同在于，它除了用户和模型，还引入了第三个关键元素——环境。
这个「环境」的概念会因智能体类型不同而变化，比如在设计型 Agent 里，环境可能是一个画布或一段代码；而在 Manus 这里，我们的目标是让 Agent 出现在虚拟机甚至整个互联网中。这样 Agent 就能观察环境，决定下一步该做什么，并通过行动来改变环境。这让它非常强大。
比如在 Manus，你可以表达需求，它会打开浏览器、发布网页、帮你订一张机票。我很喜欢这个例子，因为虽然订机票听起来很简单，但这其实是 AI 在直接改变现实世界——结果不是模型的输出，而是你手里的机票。AI 真正介入了你的世界。这就是我们所说的 Agent。
简单来说，Agent 就是能代表用户与环境交互的 AI 系统。
至于 AGI，这个词也经常被提到，很多人把它等同于超级智能。我们认为，AGI 是一种能利用 AI 模型的通用能力，在不经过特别设计的情况下完成许多任务的系统。
我们认为「Agent coding」其实是通往 AGI 的一条路径。它不是一个垂直领域的能力，而是如果你把它赋予计算机，它几乎能在计算机上做任何事。所以对我们来说，AGI 的条件就是要构建足够完善的环境，让这种能力得以发挥。