Manus 被收購后，垂類Agent如何生存？｜對談Noumena趙歡

在AI垂直的B端應用中，「平庸的智能」一文不值。

作者 /Soren、Oriana

90分的門檻

Manus被收購的消息，是在一個再普通不過的清晨傳開的。

趙歡醒來后，手機里多了幾條來自同事、前同事和朋友的消息——“Manus被收購了”。他并不意外?！八麄儼岩患伦龅煤茉鷮??！彼f。那是一種偏工程師的評價方式，沒有情緒起伏，也沒有行業式的判斷。

在那之前的一段時間里，趙歡和Noumena（物自體科技）的團隊，正處在一種相似的狀態里：系統開始在真實環境中給出穩定反饋，AI第一次在營銷這樣高壓、真金白銀的場景中，做出了超出預期的判斷?！拔覀儍炔科鋵嵰埠芘d奮，”他回憶，“因為我們看到了一些信號?！?/p>

這些信號來自每天持續的營銷投放。Agent開始能夠理解多輪決策、長程任務，開始在復雜約束下維持效果。當技術經驗與商業現實在這個節點交匯，趙歡看到了更本質的競爭法則：在垂直領域，平庸的智能一文不值。通用大模型只能提供60分的基線，而頭部客戶只為90分以上、能直接創造價值的卓越智能買單。誰能持續突破這個“平庸引力”，誰就掌握了定價權——這正是他選擇All in的原因。

Noumena成立于2023年，從一開始就選擇了營銷這個最現實、也最不寬容的切入口。預算、ROI、平臺機制和競對策略同時存在，任何判斷都會迅速得到驗證。具體而言，Noumena 的核心是通過AI原生增長智能（Growth Intelligence）系統幫助品牌在內容社交平臺實現智能增長。

此前，我們曾與CEO裴沵思進行過一次對談，探討Noumena從小紅書起步后，向抖音與Tiktok拓展的爬坡之旅，圍繞戰略方向、產品與商業路徑。這一次，我們把視角推進到技術層面，嘗試理解一個問題：營銷垂類Agent如何生存?

趙歡并不是一個容易被標簽化的角色。

2012年，他加入只有二十多人的字節跳動，參與今日頭條、內涵段子早期的數據團隊建設；隨后在清華做科研助理，2014年進入香港科技大學讀博，系統研究推薦系統與神經網絡。2017年前后，他所在的團隊較早將圖學習引入推薦系統，并逐步成為工業界的“標準實踐”。博士后期，他與阿里巴巴合作，將研究成果落到電商推薦的真實業務中。

2019年，他加入第四范式，負責前沿AI算法的研究與落地，帶隊從0到1推動AutoML與圖學習結合的技術路線AutoGraph的研究與落地，不僅發表了10多篇AI頂會論文，這套方法隨后在制藥、材料、制造業等多個行業落地，包括某頂級醫學研究院的基因組學分析以及中國商飛的大飛機三維零部件檢索與推薦系統。到2023年，大模型浪潮全面到來，他又完整經歷了從預訓練、SFT到偏好對齊的一整輪實踐，對模型能力邊界有了更直觀的認識。

真正促使他做出選擇的，并不是某一次技術突破。

“我一直比較喜歡做從0到1的事情?！?/strong>趙歡說。從字節、博士階段，到第四范式，這條偏好反復出現。2023年前后，當大模型開始吞噬幾乎所有技術資源，裴沵思是在那個時間點找到他的。兩人討論的核心聚焦在營銷這樣的垂直領域：如何讓AI真正進入業務流程，在有ROI約束的環境中持續學習。趙歡幾乎沒有猶豫?！盁o論是推薦系統、大模型，還是營銷里的檢索、排序和決策邏輯，本質上都和我過去十幾年的積累高度重合?！?/p>

與他在第四范式并肩作戰過的老同事中，有人走向了更通用的方向——比如Manus的季逸超；也有人選擇繼續在系統與業務交界處深挖。趙歡選擇了后者。

在Noumena，他負責整體產品與算法，團隊把Agent“送去上班”：引入專家經驗，搭建數據基建，讓AI在真實投放中反復試錯、修正和進化?！澳惆堰@些上下文、數據和反饋都給到它的時候，模型能做到的事情，已經遠遠超過通用場景。”

趙歡對垂類Agent與通用Agent的競爭本質有著自己堅定的判斷：“這是一場關于‘智力進化加速度’的競賽?！?/strong>他認為，真正的壁壘在于垂類Agent進化速度能否遠超通用模型的迭代——否則終將淪為平庸的包裝層。

趙歡搭建的核心班底，是過去從第四范式時期就開始在實驗與項目攻堅中反復磨合過的“00后天團”。這些成員擁有頂尖的學術或工程背景——如被稱“騰訊AI Lab本碩博”、超過十年NLP研究經歷，為創業申請博士休學的俊哥，以及先后放棄微信和Kimi offer、用兩周搭出產品原型的“氣球哥”，還有擁有分子制藥方向的AI頂會論文，內部稱為銷冠，從算法工程師轉為AI Native的產品經理旭哥。這群習慣與代碼對話的年輕人之所以追隨趙歡，是他們相信趙歡對垂類Agent的本質判斷。

更為關鍵的是他在創業首日就明確的規則：所有技術人員必須下場做業務。

這意味著團隊要走出舒適區，擁抱實打實的一線業務，轉型為投手與策劃，去廣告公司駐場，學習與流量和客戶直接交鋒。這一決定并未遇到阻力，因為團隊同樣警惕“離業務太遠”。

于是，這支隊伍在一年內淬煉成矛盾的結合體：既是“最懂營銷的AI技術人”，也是“最懂AI的營銷操盤手”。

Manus的故事，讓市場再次意識到Agent的潛力；而在另一條路徑上，趙歡和Noumena試圖回答的是另一個問題——當 AI 不再停留在能力展示，而是被放進一個高頻、復雜、持續變化的現實業務中，它會變成什么。

以下是新物種與Noumena聯合創始人兼首席科學家趙歡的對談，歡迎進入一段關于垂類Agent如何“活過大逃殺”的討論。

01.把AI扔進最卷的「營銷」試煉場

新物種：當時聽到Manus被收購的消息，你的第一反應是什么？

趙歡：應該是半夜發生的，我那會已經睡了。第二天早上醒來，收到一堆同事、前同事、包括第四范式的朋友發來的消息，說Manus被收購了。

我其實并不意外，反而挺為他們高興的。他們在基礎設施和操作層面確實做得非常好。

更有意思的是，那段時間我們內部其實也非常興奮。因為我們自己在營銷領域，看到了AI做出了一些讓我們感到驚艷的結果。有點像當時季逸超他們內部第一次發現Manus能自己操作瀏覽器、完成之前沒人想到的任務時的那種感覺——你會意識到：這件事成了。

新物種：你覺得你們和Manus在技術判斷上，有什么相似之處？

趙歡：我覺得是在對AI能力的理解和產品設計思路上。我們都意識到：產品一定要最大化釋放AI的能力。不管是引入專家、搭建重數據基建，還是讓AI真金白銀地下場“上班”，本質上都是在為AI創造一個更完整、更真實的環境，讓它充分發揮能力。但在我們這個場景里——每天真金白銀地做投放——你讓一個通用模型來直接干，是一定干不好的。所以必須針對場景做非常深的設計。

新物種：你們和Manus從一開始就選擇了不同方向，這個分叉是怎么形成的？

趙歡：在我創業之前，大概2023年9月前后，其實我們有過一些交流。季逸超也很明確，他更想做ToC、做海外，他也坦率地說，ToB做了幾年比較辛苦。

對我來說，我更在意的是：能不能把研究成果、算法能力，用在一個單點上，把智能水平做到行業里的Top Tier。所以我們一開始就在想，如果要創業，切入點應該是什么。最后我們判斷，應該從垂類領域入手，思考能不能把專家的經驗，用更低成本、更規?；姆绞綇椭瞥鰜?。垂類中我選擇了營銷，國內的內容營銷領域具有先發優勢，比北美至少領先5年，所以就先從國內這個場景切入了。

在實際推進過程中，我們發現這不僅僅是“復刻專家”。在專家和Agent協作、一起干活的過程中，雙方都會共同進化，最終形成一套新的能力體系，幫助客戶在一個極度內卷、持續變化、平臺算法不斷調整的環境中，持續活下去，甚至贏下來。

新物種：你們一開始就選了最卷的美妝領域，這是基于什么考慮？

趙歡：一開始其實是判斷。美妝是小紅書最卷的營銷場景，頭部更卷。只要Agent能在這種環境里學到足夠多的專家判斷和真實業務反饋，它很快就能超過普通代理公司的水平。我們當時投流訓練的一套簡單算子，就已經能明顯超過人類投手。所以我們選擇從最殘酷的地方開始，才有機會把垂類營銷智能水平的上限拉高。

新物種：相較于其他AI應用領域，營銷場景的技術適配難點在哪里？

趙歡：內容營銷這件事，本身就是一個非常困難的問題。

第一，平臺變量太大。你看我們以前在字節、阿里做推薦平臺，平臺是莊家，算法很強，而且是黑盒。很多廣告策劃只能靠刷小紅書、靠經驗去理解平臺規則，再想辦法去fit這個算法。

第二，它是一個充分競爭、極度內卷的模式。你一旦在某個策略上投得好，競爭對手很快就會抄。一個有效的方法，可能只能持續一周、一個月。

而且平臺的推薦算法還在持續更新。你上個月對平臺的理解，這個月可能就不work了。所以這件事天然不確定性很強。經驗當然有用，但又沒那么穩定。一個做了十年的老策劃很懂網感，但平臺一直在變。

新物種：如果策略難以復用，那規?；瘡哪睦飦?？

趙歡：上一代也有人用AI技術來做營銷：抓數據、清洗、打標、做聚類分析。但受限于當時技術的泛化能力，每個行業都要單獨訓練一套模型，規?；茈y。

變化的核心在于大模型。

一是泛化能力。以前每個行業都要重新訓模型，現在更多變成數據基建加prompt和上下文工程，適配成本被大幅拉低。二是世界知識。大模型看過互聯網上大量人類知識，它對人群和偏好天然就有理解。你問它“一線城市女性喜歡什么”，它一上來就能給到六七十分。

所以我們的做法是：站在通用大模型的基礎上，把最難的任務交給它——把它放到真實投放場景里，讓它像我們的技術人一樣去做投流、做決策。通過真實行為、真實反饋和專家互動，讓Agent在營銷場景里快速長到八九十分。

新物種：在具備規?；芰χ?，垂類Agent的核心競爭力會體現在哪？

趙歡：我覺得核心只有一件事：你能不能持續把這個垂類的“智能上限”往上推。在B端，平庸的智能是沒有價值的。通用大模型已經能給到一個大概60分的水平，這個分數對大多數人來說已經“看起來不錯”，但對真正付錢的客戶來說遠遠不夠。

頭部客戶買的不是“能用”，而是“能直接帶來確定收益的判斷”。比如在營銷里，他們愿意為90分、甚至接近專家水平的決策買單，但不會為一個“看起來挺聰明”的通用能力付費。所以在垂類里，競爭的本質就是：誰能最快、最穩定地突破這個60分的平庸區間，誰就掌握了定價權。

02.先做投手，再做Agent

新物種：你們創業早期是一個以技術為班底的團隊，但你提出“所有人都要下場做業務”，這個要求是怎么落地的？

趙歡：我們剛創業時一共9個人，其中6個都是以前一起訓大模型的技術團隊。我當時有一個明確要求：所有人都得下場做業務。大家其實都放棄了原來可能年薪百萬以上的工作，很多人是純技術背景，但要去做投手、做媒介、做策劃，去跟客戶比稿，甚至跟MCN學業務怎么玩。我們不是“摸一下”就回去接著寫代碼，而是真的要做到能按MCN給客戶交付的標準去做。

新物種：你什么時候意識到，“坐在辦公室研究營銷”是不夠的？

趙歡：最早我們以為，營銷的卡點在選題。我們從KOC切入，想用AI給他們做一套選題和創作系統。

那段時間我們買了很多營銷相關的書，也和很多博主、自媒體人聊，大家都說選題重要。但真正做下來半年，我們發現和現實差距很大。真正會做號的人，網感很強；而大量KOC最大的問題，并不是選題好不好，而是能不能每天堅持發。這才是最大的卡點。

后來我們意識到，再怎么在北京“認真研究”，也還是淺。于是做了一個決定：去上海。在營銷上，上海比北京領先一到兩代。而且我們當時也上不了甲方的桌，只能從代理公司開始。我們和一家廣告公司、MCN深度合作，從WeWork到直接駐進他們辦公室，跟著一起見客戶、跑投流、做媒介，幾乎把營銷鏈條里能干的事都干了一遍。

但很快我們又看清了一件事：工具賣給代理公司，是掙不了大錢的。代理本身是低毛利的人力服務，抽點可能只有10%，還會隨著平臺成熟度和競爭持續降低。

新物種：那你們是怎么轉向品牌側的？

趙歡：我們決定自己去找品牌談，哪怕一開始免費做也可以。切入點是投流，而且是我們自己人下場做。比如我們產品經理旭哥，本身是算法工程師，但就真的跟投手一起跑投流。客戶那一季的反饋是：“你們來了之后，這個投手怎么這么準？”投流這件事非常理性，本身就適合用AI去算。等我們把業務真正跑通，產研同學才逐步退回來，把過去一年里在整個營銷場景里研發且驗證過的工具和Agent整合成一個全鏈路的系統，我們內部叫AlphaCat。

新物種：你們選擇的是最卷、最頭部的客戶，會擔心甲方自己下場做Agent嗎？

趙歡：這是一個常見問題，但現階段甲方很難真正做出來。要訓練一個頂級行業智能體，你既需要站在大模型能力之上，也需要同時具備模型、業務和真實投放經驗，還要有一套非常重的數據基建，并持續投入。這樣一整套能力，對人才、資金和長期投入的要求都非常高。從現實來看，即便是頭部客戶，也未必愿意、也未必有能力承擔這樣的成本，這不是一錘子買賣。

03.壁壘不在模型

新物種：通用模型能力不斷上升，垂類Agent的競爭門檻是什么？

趙歡：我更愿意把它理解為一個“進化速度”的問題。通用模型本身也在不斷變強，這是一個客觀事實。如果你的垂類Agent的能力提升速度，跟不上通用模型自然進化的速度，那你遲早會被抹平，最后只能變成一個殼。

真正的門檻在于：你有沒有辦法，讓自己的系統獲得比通用模型更高的“智力加速度”。這個加速度通常來自兩件事：一是私域業務形成的閉環；二是高質量專家的持續反饋。

當你通過真實業務、真實決策和專家參與，獲得的反饋密度和質量，遠遠超過通用模型在公域里能自然學到的東西時，你才可能拉開差距。否則，時間一長，能力一定會被“平權”。

新物種：如果放到其他一般的垂類場景里，Agent要真正變“聰明”，關鍵該從哪里下手？

趙歡：我自己的體會是，真正的關鍵不在于選哪一家大模型，而在于你如何重構Agent所處的外部系統。第一層，是環境。通用環境對AI來說其實是非常貧瘠的。你不能指望把一堆原始數據直接丟給模型，它就能理解業務。垂類必須為Agent搭建一套高信噪比的上下文結構：把雜亂的數據清洗、重組，變成AI一眼就能理解的“業務情報”。這一步，本質上是在幫模型節省認知成本。

同時，這個環境一定要足夠殘酷。真正聰明的Agent，往往不是在實驗室里長出來的，而是在真實交易、真實博弈中被逼出來的。環境的復雜度，基本決定了智能的上限。

第二層，是用戶。B端場景天然復雜，很難一次性把事情交給AI完成。更現實的做法，是設計一種人和AI深度協作的機制。關鍵不在于“替代專家”，而在于讓系統和專家在業務流中形成閉環：當任務模糊時，系統懂得反問；在關鍵節點，主動引入專家判斷；同時，把專家的每一次修改、取舍和決策，都當成高價值數據來積累。當AI在幫專家提效的同時，專家的反饋也持續反哺系統，這個系統才會真正進化。

新物種：具體來看，你們是怎么做的？

趙歡：我們基本也是從環境和用戶兩層同時入手。在環境層，我們做的是一件事：盡可能給Agent一個接近“上帝視角”的認知環境。內部我們把這套體系叫“曼哈頓計劃”。本質上是非常重的社媒數據基建：通過解析大量內容、評論和趨勢，把混亂的公域信息壓縮成結構化情報，讓Agent在做判斷時有足夠完整的上下文。

同時，我們沒有選擇在實驗室里慢慢調模型，而是直接把Agent放進最殘酷的商業環境里，從頭部美妝客戶開始。在這里，它要面對的是最“挑剔”的甲方、最激烈的競爭，以及非常明確的ROI結果。這種壓力，會逼著系統在穩定性、抗干擾能力和決策韌性上，快速超過通用模型。

在用戶層，我們構建的是Thinkflow。我們只和非常資深的專家一起工作，把協作本身當成系統的一部分。Thinkflow的作用有三個：幫助專家把模糊想法轉化成可執行的決策；在關鍵節點引入人機協同；重要的是，通過Skill Evolver，把協作過程中的決策行為沉淀下來。最終的結果不是交付一個工具，而是在高頻協作中，沉淀出一套很難被復制的行業智能。

新物種：你怎么看當前營銷Agent所處的階段？

趙歡：現在行業熱情很高，一個重要原因是通用大模型的階段性紅利已經到位。

一方面是多模態能力。今年Gemini等模型出來后，對內容的理解已經到了一個很扎實的水平，能作為營銷的基礎能力。另一方面是推理和代碼能力的提升，模型對多步決策、長程任務的處理明顯變強，而營銷本身就是一個不斷試錯、修正的過程。

在此基礎上，再疊加我們的人群圖譜、消費者洞察和專家沉淀的think flow，讓Agent真正進入企業“上班”，通過真實投放和反饋不斷迭代，現在已經進入一個很好的狀態。如果放在一年前，Agent更多只能做輔助判斷；到今年下半年，隨著模型能力、數據基建和協作經驗成熟，在單一品牌、單一場景里，Agent已經能明顯超過通用模型。

排版運營/Teagan

- End -