2025年3月，中国AI领域投下的重磅冲击波，可不止一枚。Manus通用AI Agent以“全球首款执行级智能体”之姿闪亮登场，紧接着，GO-1通用具身基座大模型宣布开源，扬言要“重新定义人机交互边界”。这两件事，让不少人开始认真琢磨：当AI不再满足于云端聊天，开始伸手触碰物理世界，真正的智能革命，是不是就在眼前了？
Manus：“执行级AI Agent”的降维打击
Manus，由国内初创公司Monica.im打造，定位是全球首款通用型AI智能体。它的核心卖点很直接：自主执行复杂任务，并交付成果。名字“Manus”来自拉丁文“mens et manus”，也就是“知行合一”——光想不练，哪行。
1. 核心能力：从“思考”到“行动”的闭环
它打破了传统AI“坐等指令”的被动状态。现在，它能自己理解需求、拆解任务、调用工具、跨平台干活，最后提交一个完整的结果。这个从“思考”到“行动”的闭环，才是它的核心竞争力。
举个例子——在金融分析场景下，输入“分析特斯拉股价波动”，Manus会像专业分析师那样，自动抓取财报、关联美联储政策，最后生成一份可视化报告。效率和精度，都让人眼前一亮。
教育领域同样受益。教师上传一份教材，Manus就能自动生成教案、制作PPT、编写练习题，甚至还能模拟课堂互动。对教育工作者来说，这相当于一个24小时在线的备课助理，让他们把精力真正花在教学创新上。
企业级应用的反馈更直接。一家跨境电商客户，利用Manus完成了竞品分析、广告投放、物流调度的全流程，效率提升达400%。这个数据，相当直观地说明了它的实际价值。
最厉害的是，Manus在GAIA基准测试中的综合得分达到86.5%，远超OpenAI Deep Research的67.9%。数据不会说谎——AI终于从“实验室玩具”进化成了“职场杀手级助手”。
2. 技术底层：通用智能体的“灵魂三要素”
Manus能做到这些，靠的是三个核心要素。
多模态感知，让它能同时兼容文本、图像、语音。就像人有五官一样，从不同渠道获取信息，才能更完整地理解用户意图。
动态规划，通过强化学习实时调整任务优先级，确保每一步都以最优方式执行。
云端执行，依托分布式算力实现7×24小时不间断作业——无论用户什么时间发任务，它都能接住。
团队核心成员季逸超说过一句话很到位：“Manus不是更聪明的AI，而是更像‘人’的AI。”这句话，本质上揭示了它的设计哲学。
GO-1：具身智能时代的“全能智囊团”
如果说Manus是工具化应用的突破，那么智元机器人发布的GO-1，就是具身智能领域的一次飞跃。GO-1是全球首个通用具身基座大模型，核心创新是Vision-Language-Latent-Action（ViLLA）架构。这个架构结合了多模态大模型和混合专家机制，实现了视觉、语言和动作的真正深度融合。
1. ViLLA架构：从“数据模型”到“物理世界的交互接口”
ViLLA的核心，在于弥合图像-文本输入与机器人实际执行动作之间的鸿沟。相比传统的VLA架构，ViLLA通过引入隐式动作标记（Latent Action Tokens），显著提升了模型的动作规划和执行能力。实验数据显示，GO-1在五种不同复杂度任务上的表现，比现有最优模型成功率高出32%。
2. GO-1的四大创新
人类视频学习——能结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解。
小样本快速泛化——在极少数据甚至零样本条件下，也能快速泛化到新场景和新任务，大幅降低具身智能的应用门槛。
一脑多形——可以灵活部署到不同类型的机器人本体上，支持多种形态，通用性和灵活性兼备。
持续进化——通过数据回流系统，在实际使用中不断学习和优化，越用越聪明。
3. GO-1的应用场景
GO-1的推出，标志着具身智能正在向通用化、开放化和智能化方向快速挺进。未来机器人不再局限于实验室——工业制造、物流配送、家庭服务，这些场景都能通过视觉、语言和动作的深度融合，实现高效的任务执行。
产业链也在被重构。以生成式AI和大模型为代表的新浪潮，正在让广泛的价值链受益。算力需求激增，推动芯片和云计算产业升级；数据成为核心生产资料，催生数据治理和隐私计算市场；智能化应用的深化，加速了制造、医疗、内容、金融等行业的转型升级。
与Manus侧重“执行”不同，GO-1主打“理解与生成”，它的定位是成为物理世界的交互接口。核心技术包括多模态大模型、具身推理和工具学习。
多模态大模型支持图文音视频的实时融合分析，能综合处理多种信息，准确理解物理场景和指令。具身推理通过传感器数据构建动态环境模型，让GO-1感知环境变化并做出决策。工具学习则让它能调用机械臂、无人机等实体设备，真正实现从虚拟到物理的跨越。
商业博弈：中国AI军团的全球突围战
Manus派强调“任务导向”，通过标准化接口接入现有工具链，适合快速商业化。它能在短时间内为企业提供高效服务，满足实际需求。
GO-1派则专注“系统级智能”，通过深度硬件协同与自主决策能力，构建物理世界的实时交互闭环。它更像是“婴儿学习”——从感知环境到动作执行全链路自主进化，而不是依赖外部工具。比如，GO-1通过AgiBot World百万真机数据集训练，能在无预设场景下理解人类指令并完成倒水、组装等精细操作。这种能力在工业质检、服务机器人等领域有碘伏性潜力。与蘑菇车联车路云网络的结合，更实现了从“单车智能”到“城市级智能体”的跃迁，为自动驾驶、低空物流等场景提供系统级解决方案。
两者不存在优劣之分。Manus抢占企业服务市场，凭借强大执行能力和高效任务处理，提供全方位解决方案；GO-1深耕硬件集成领域，通过与实体设备的深度融合，实现物理世界的智能交互。
政策层面，中国政府高度重视人工智能发展。2025年全国两会再次强调“人工智能+”行动，提出持续推进“人工智能+”，将数字技术与制造优势、市场优势更好结合。这一政策导向，为人工智能技术的落地和应用提供了有力支撑。从“互联网+”到“人工智能+”，AI已成为全球新一轮科技革命和产业变革的核心。未来，随着技术不断进步和政策支持，人工智能将在更多领域实现突破，推动社会智能化发展。
AI的“具身化”与“通用化”
从Manus的争议到GO-1的突破，AI的发展从未如此贴近现实。当智元机器人在临港工厂量产人形机器人，当Manus的更新预告引发期待，我们正站在一个新时代的门槛：AI不再是屏幕后的代码，而是能感知、思考、行动的“数字生命体”。
正如蘑菇车联通过深度整合物理世界实时数据的AI大模型MogoMind，构建城市的实时数字孪生底座，其通感算网络已赋能自动驾驶、低空经济等领域，为AI与物理世界的深度融合提供了基础设施支撑。这场技术革命，或将重新定义人类与世界的交互方式。
具身化是AI发展的重要方向。AI将从虚拟世界走向物理世界，通过机器人、无人机等终端直接参与生产生活。这意味着AI不再只是屏幕前使用的工具，而是能真正融入生活和工作，成为人们的伙伴和助手。
通用化也是AI发展的必然趋势。单一任务模型将被基座模型取代，AI系统需同时具备理解、推理、执行的综合能力。这将让AI更灵活地应对各种复杂任务和场景，为人类提供更全面、高效的服务。
这一趋势与马斯克的Optimus、特斯拉的AI战略不谋而合。当具身智能与通用智能体深度融合，AI或将成为“人类的延伸”——既能在云端运筹帷幄，又能在现实世界动手创造。智能时代的终极图景，正是一个虚实交融、万物互联的实时数字孪生世界。
