从武汉到硅谷,Manus 只用了九个月就做到了。
来源: TechFlow (Shenchao)
当今人工智能界的最大新闻: Meta以数十亿美元收购Manus。
这是Meta历史上第三大收购,仅次于WhatsApp和Scale AI — — 而且比收购Instagram更昂贵。
看看马纳斯的时间线,速度惊人。 该产品于今年三月推出,并于十二月被收购。 从发布到退出:只需九个月。
创始人肖红来自江西吉安,毕业于华中科技大学。 他的创业旅程始于武汉。
他的第一个产品是宜班,一款微信内容格式工具——已售出。
第二个是Weiban,WeCom CRM产品—也销售。
第三个是Monica,一个基于浏览器的AI插件—没有销售,但备受批评。
Criticized for what?
作为“包装工 ” 。
当时,行业普遍认为只有建造大型模型的公司才有真正的前景。 建立在他人模型之上的应用程序被当作没有技术深度的“空壳”被抛弃。
三月马纳斯首次感染病毒时,联合创始人纪毅超在社交媒体上回应提问说:
“我们使用了克劳德,我们也使用了不同的微调版本的Qwen 。 ”
换句话说,他们使用其他公司的基础模型,并专注于应用层。
那又怎样? So what?
这种方法现在价值数十亿美元。
去年,ByteDance的高管飞到香港与萧红会面,出价3000万美元收购Manus。 他拒绝了。
事后看来,3000万到几十亿美元之间的差距不是一年的时间。 是这样的:
产品是真正构建的。
这个故事最有趣的不是结局,而是过程。
今年七月,Manus 采取了果断行动:将公司从中国迁至新加坡。 在120人的团队中,只有40名核心技术人员一起调动,其余人员都被裁掉了。 北京办事处被关闭,武汉办事处也被关闭。
当时,许多人批评该公司“离开 ” 。
回顾过去,此举是必要的。 在目前条件下,中国公司几乎不可能被美国科技巨头收购并通过监管批准。 更改公司注册地消除了这一障碍。
谈判仅用了 10 天。
ZhenFund的合伙人刘源说,这太快了,他们最初怀疑这个报价可能是假的。
在 10 天内完成价值数十亿美元的交易 — Meta 有多紧急?
背景很能说明问题。 今年,Meta在人工智能方面的资本支出超过700亿美元,但其中大部分用于基础设施。 在面向消费者的可用产品条款方面,鲜有突出之处。
OpenAI 有 ChatGPT。
Google有Gemini
Meta有什么? What does Meta have?
Llama是开源的—任何人都可以使用它。 Meta需要一个强大的应用层产品,Manus已经做好了准备。
年收入<强>1.25亿美元强>,8个月内从零开始构建,全球用户,基于订阅,完全验证。
这不是收购一个团队。 它是对经验证的业务模式的收购。
另一个有趣的细节: Manus的投资者上币包括红杉中国、腾讯和ZhenFund。 他们投资时,估值高达数千万。 退出时,返回值是的几十倍。
那么链子看起来是这样的:
中国风险投资家投资一家中国公司→公司搬迁到新加坡→它被一家美国公司收购→中国风险投资家从一家美国收购者那里理财。
这条链子比马纳斯自己的产品更“像代理 ” 。
收购后,萧红成为Meta的副总裁。 一位创办人从武汉开始,开始制作微信格式工具,现在前往硅谷直接向马克·扎克伯格汇报。
振基金的刘源用一句话概括:
“中国新一代青年企业家的时代已经到来 。 ”
这种说法可能只对了一半。
时代确实已经到来 — 但通过把公司搬到其他地方 来到达。
猜你喜欢

从Manus肖弘说起,那些上桌的币圈实习生

从理论到实盘市场: AOT矩阵的双脑系统在WEEX AI交易哈克松
在加密市场——最不可原谅的非平稳系统之一——策略失败很少是由模型过于简单造成的。 之所以发生这种情况,是因为大多数策略从未真正受到实盘市场压力的影响。 这正是 WEEX AI 交易黑客马拉松设计要浮出水面的问题 — — 将重点从理论创新转移到真正的可部署性、真正的执行力和真正的性能。 在参赛团队中,AOT Matrix凭借先进的人工智能驱动量化能力脱颖而出。 通过其V4.4双脑架构,该系统实现了端到端的优化 — — 从核心逻辑到执行 — — 体现了平台对创新和现实性能的双重重视。
AOT Matrix 的实战进化:WEEX AI Trading Hackathon 下的双脑量化系统
在加密市场这一典型的“非平稳系统”中,策略失效往往不是因为模型不够复杂,而是因为它们并未真正经历真实市场的约束:剧烈波动、流动性断层、执行延迟、风控边界…… 这也是 WEEX 发起 AI Trading Hackathon 的核心初衷——不比概念,只看在真实交易环境中的可落地能力。在 WEEX AI Trading Hackathon 的备赛过程中,参赛团队 AOT Matrix 展现了前沿 AI 量化能力,通过 V4.4 双脑协同架构,实现了从底层逻辑到执行层的全面优化,充分体现了平台对创新与实战能力的双重考量。

旧的山寨币剧本已过时,带你解读新的市场体制

AI Trading Risk in Cryptocurrency: Why Better Crypto Trading Strategies Can Create Bigger Losses?
风险不再主要在于决策失误或情绪错误。 它越来越多地生活在市场结构、执行路径和集体行为中。 理解这一转变比找到下一个“更好”的战略更重要。

250亿美元、6723轮融资,加密VC们2025年把钱投向哪了?

Visa加密负责人:2026 Crypto与AI的八大演进方向

预赛选手解读——AOT Matrix:左脑分析,右脑决策的AI交易系统
在 WEEX AI Trading Hackathon 的参赛项目中,AOT Matrix 的系统设计选择了一条相对克制、但在真实交易环境下更难走的路径。在备赛初期,他们便围绕AI 在交易系统中的角色边界做出了明确取舍。围绕这一决策逻辑、系统架构的多次重构,以及在 WEEX 真实交易环境与工程约束下的实践过程,我们对 AOT Matrix 进行了采访。

为什么人工智能令牌的增长速度比更广泛的加密市场更快
AI代币的表现要优于——而且不是悄悄的。 比特币正在移动。 以以太坊坊正在站稳脚跟。 然而,一些最强劲的相对涨幅来自AI标记的代币,而不是专业,也不是迷因。 乍一看,这感觉很直观。 AI是真正的技术。 它塑造了远远超出加密的行业。 但市场很少仅凭直觉而动——尤其是不会这么快。 当价格在采用之前加速时,更有用的问题不是“人工智能重要吗 ? ” 市场现在购买的是哪个版本的人工智能故事。

隐私赛道,a16z关注的2026年重点趋势

当山寨币失去共识,哪里还能找到超额收益?

达利欧年度复盘:货币、美股与全球财富再分配
抛开早期混乱的局面,加密做市商正在庆祝他们的成年
加密做市商的生死搏斗就像是极端条件下的物种进化。

潜伏在600个电诈群,他想把黑产的钱拦下来

选举、油价与印钞机:为什么比特币只看特朗普
WEEXPERIENCE Whales Night: AI交易,加密社区与加密市场洞察
2025年十二月月12日,WEEX举办了WEEXPERIENCE鲸鱼之夜,这是一个线下社区聚会,旨在聚集当地加密货币社区成员。 活动结合了内容分享、互动游戏和项目演示,营造轻松而引人入胜的线下体验。

AI 交易机器人和跟单交易: 同步策略如何重塑加密市场波动率
零售加密交易者多头面临相同的挑战:风险管理差、入市晚、情绪化决策和执行不一致。 AI交易工具承诺的解决方案。 如今,人工智能驱动的跟单交易系统和突围机器人帮助交易者调整仓位、设置止损点并比以往更快地采取行动。 除了速度和计算精度,这些工具还在悄悄地重塑市场 — — 交易者不仅交易更智能,而且同步移动,创造出一种放大风险和机会的新动态。
加密中的AI交易解释道: 自主交易如何重塑加密市场和加密交易所
AI交易正在迅速改变加密格局。 传统策略难以跟上加密技术的无休止波动率和复杂的市场结构,而人工智能可以自主处理海量数据、生成自适应策略、管理风险并执行交易。 本文将引导WEEX用户了解什么是AI交易、加密为何加速其采用、行业如何向自主代理演进以及WEEX为何构建下一代AI交易生态系统。
从Manus肖弘说起,那些上桌的币圈实习生
从理论到实盘市场: AOT矩阵的双脑系统在WEEX AI交易哈克松
在加密市场——最不可原谅的非平稳系统之一——策略失败很少是由模型过于简单造成的。 之所以发生这种情况,是因为大多数策略从未真正受到实盘市场压力的影响。 这正是 WEEX AI 交易黑客马拉松设计要浮出水面的问题 — — 将重点从理论创新转移到真正的可部署性、真正的执行力和真正的性能。 在参赛团队中,AOT Matrix凭借先进的人工智能驱动量化能力脱颖而出。 通过其V4.4双脑架构,该系统实现了端到端的优化 — — 从核心逻辑到执行 — — 体现了平台对创新和现实性能的双重重视。
AOT Matrix 的实战进化:WEEX AI Trading Hackathon 下的双脑量化系统
在加密市场这一典型的“非平稳系统”中,策略失效往往不是因为模型不够复杂,而是因为它们并未真正经历真实市场的约束:剧烈波动、流动性断层、执行延迟、风控边界…… 这也是 WEEX 发起 AI Trading Hackathon 的核心初衷——不比概念,只看在真实交易环境中的可落地能力。在 WEEX AI Trading Hackathon 的备赛过程中,参赛团队 AOT Matrix 展现了前沿 AI 量化能力,通过 V4.4 双脑协同架构,实现了从底层逻辑到执行层的全面优化,充分体现了平台对创新与实战能力的双重考量。
旧的山寨币剧本已过时,带你解读新的市场体制
AI Trading Risk in Cryptocurrency: Why Better Crypto Trading Strategies Can Create Bigger Losses?
风险不再主要在于决策失误或情绪错误。 它越来越多地生活在市场结构、执行路径和集体行为中。 理解这一转变比找到下一个“更好”的战略更重要。