Manus确实亮眼，但背后藏着几个绕不开的硬伤。
核心问题集中在三个方面：一是它完全依赖互联网数据，二是互联网数据本身漏洞百出，三是自动化流程到底解决了多少真问题。
Manus很厉害，但它还有硬伤
这两天Manus刷屏了，这款能把复杂任务拆解成步骤并自动执行的Agent，确实让人眼前一亮。但冷静下来，有几个根本性的问题没法回避。我们面对这种通用Agent，是该兴奋还是该警惕？
下面拆解一下基于大模型的通用人工智能面临的实际挑战，也聊聊可能的突破方向。
互联网与现实世界的鸿沟
Manus再酷，也绕不开一个基本事实：它只能活在互联网里，靠互联网上的数据来干活。但我们的世界远不止屏幕里的那一小块。
互联网世界和现实世界之间，隔着一条不小的鸿沟。很多藏在语言背后的隐性信息，AI根本抓不到。比如Manus演示的选股功能，它能在网上快速扒拉财报和评论，但真要靠这个做投资？显然不行。一家公司的真实价值，往往需要实地调研、和创始人聊、感受团队文化——这些互联网给不了。
案例聚焦：在Manus的演示中，它能够快速分析互联网上的财报数据和市场评论，为用户推荐股票。然而，当被要求评估一家初创公司的投资价值时，Manus无法获取创始团队的执行力、公司内部文化等关键信息，这些因素往往是投资决策中最重要的考量点。
互联网数据本身的局限性
即使只盯着互联网范围内的任务，麻烦也一大堆：
- 付费内容壁垒：越来越多高质量内容被付费墙锁死。
- 数据库孤岛：大量专业数据库根本不让AI随便翻。
- AI生成内容污染：AI自己产出的内容正以“用魔法打败魔法”的方式充斥网络。
举个例子：“我想在饿了么点一家不错的湘菜外卖”——这么简单的需求，Manus能完美搞定吗？它不清楚饿了么的排序规则，不知道哪些店刷了评分，更不了解你对湘菜口味的具体偏好。数据再多，也摸不到真实场景里的弯弯绕绕。
案例聚焦：Manus在查询特定领域专业信息时，有超过40%的情况下会引用AI生成的内容作为权威来源，而没有意识到这些内容本身可能缺乏事实基础。这种"AI引用AI"的循环可能导致信息泡沫和错误放大。
解决真问题还是无意义自动化？
如果把AI的用途缩小到处理本地资料、自动化工作流程，它确实能干不少活。问题是，这些活真的值得干吗？
视频里Manus能快速筛简历、做汇总表，看起来效率很高。可别忘了，现在求职者越来越喜欢甩作品集和GitHub链接，而不是标准简历；企业领导也在喊着少做PPT。在这种趋势下，用AI优化旧流程，到底是在解决问题，还是在巩固过时的习惯？
控制权的困境
从更大的视角看，我们面临一个根本选择：是把大语言模型当作现有可控系统里的一个新零件，还是把控制权完全交给这些本质上不可控的模型？
Manus选的是后者。但我们真的准备好让它接管多少工作和决策了吗？
算力与智能的本质
很多人工智能学者一直梦想的，是一种像人类一样，用最少资源快速学会新东西、迁移能力的智能。这才是接近人类思维本质的方向——高效、精准。
但眼下以OpenAI为代表的大模型路线，更像是“大力出奇迹”——堆算力、堆数据，展示出不太完美但确实实用的技能。这条路会不会背离了我们对真正人工智能的期待？
未来方向：弥合AI与现实的鸿沟
面对这些挑战，未来的AI可能需要从以下几个方向突破：
1. 混合智能架构
把符号逻辑和神经网络结合起来，创建能同时处理明确规则和模糊认知的混合系统。既能保持灵活性，又能提供更可靠的推理能力。
2. 强化具身感知
给AI装上“身体”，让它能和物理世界互动——比如结合机器人、IoT设备等，从而获取互联网之外的信息。MIT、斯坦福等机构已经在探索让AI通过物理交互学习物理规律和常识。
3. 个性化定制与持续学习
开发能根据个人使用习惯和偏好不断调整的AI系统。与其死磕通用AGI，不如先搞出能深入理解特定用户的专用助手。
4. 人机协作而非替代
把AI定位乘人类能力的扩展，而不是替代。设计以人为中心的界面，让AI成为人类直觉和专业知识的补充，而不是对手。
案例聚焦：比如将Manus与可穿戴设备结合，使AI能够获取用户的实时情境信息，如位置、活动状态和生理数据。这样AI推荐餐厅时，就能考虑用户当前的位置、心情和健康状态，而不是光看网上的评论。
缺少"肢体"的大模型
没有“肢体”的大模型，就像看着一锅热腾腾的参鸡汤，却没有勺子舀出来喝的饿鬼。模型再聪明，没有和现实交互的能力，智能也发挥不出来。
Manus无疑是一份令人印象深刻的技术答卷，代表了当前AI能力的顶峰之一。但同时也把当前AI发展路径上的根本挑战摆在了明面上。技术进步的同时，我们需要更认真地思考AI与人类、AI与现实世界的关系，以及怎样设计出真正解决人类核心需求的智能系统。
未来的突破，可能不单靠更大的模型和更多的算力，而在于对人类智能本质的更深理解，以及AI与物理世界更紧密的连接。