行业快报

一、Manus 是什么？ Manus 是由 Monica.im 团队于 2025年3月发布的全球首款通用型 AI Agent。与 ChatGPT 等对话式 AI 不同，Manus 的核心定位是"知行合一的行动者"——不仅能理解任务需求，还能直接操作浏览器、代码编辑器、数据分析工具等完成复杂任务，并交付完整成果。 2025年底，Manus 官宣加入 Meta（Facebook 母公司），保持独立运营加速产品迭代。 二、技术架构：多智能体协作 Manus 采用"规划-执行-验证"三模块协同架构： 规划代理（Planner） 将复杂任务分解为可操作的子步骤 使用蒙特卡洛树搜索（MCTS）算法优化任务拆解效率 生成可执行的任务清单 执行代理（Executor） 调用工具完成具体操作 内置浏览器、代码编辑器（Python）、数据分析工具 支持调用外部 API 获取数据 在云端沙盒虚拟机（Cloud Sandbox VM）中运行 验证代理（Verifier） 通过沙盒环境测试结果 对抗性测试模块检测输出准确性 确保交付质量 三、核心能力 全链路自主执行：从目标设定到成果交付的完整闭环。用户仅需提出需求，Manus 在云端异步处理，无需持续在线监督。 工具链集成：浏览器、代码编辑器、Photoshop 插件、API 调用——Manus 能像人类一样操作电脑。 持续学习与记忆：记录用户偏好和操作习惯，优化后续执行路径。任务可断点续传，服务器崩溃后仍能恢复。 多模态输出：不仅生成文本，还能输出文档、图表、交互式网页、PPT、视频脚本等。 人机协作：用户可中途介入调整需求，Manus 灵活适应，协作模式接近人类同事。 四、性能表现 在 GAIA（通用 AI 助手基准测试）中，Manus 以 86.5% 的准确率位列第一，超越 OpenAI 的 Deep Research 模型。尤其在需要多步骤规划的任务中表现突出。 五、典型应用场景 职场效率：筛选简历（15份简历，成本仅为单份的3倍）、生成 Excel 报告、整理会议纪要 金融分析：股票分析（特斯拉31页PPT+SWOT分析）、可视化仪表盘 生活服务：旅行规划（生成含地图和日语短语的日本旅行手册）、保险政策比较 编程开发：编写网页代码、生成消消乐游戏并部署 研究分析：市场报告、房产遴选、合同审查 六、与其它 Agent 的对比 Manus vs ChatGPT： ...

Seedance 2.5 发布 字节豆包视频生成模型Seedance 2.5预计7月6日上线体验中心，一周后开放API。 核心参数： 30秒单段视频直出：告别3-5秒碎片时代 50个多模态素材联合输入：图片+视频+文本混合驱动 540P分辨率，25FPS：接近 broadcast 质量 自回归扩散架构：新一代视频生成架构 第三方测评超越GPT-5.6 Sol：国产视频模型首次 30秒直出意味着什么？ 技术跃迁 时代 单段时长 模型 问题 2024初 2-4秒 Sora初版 画面闪炼、不连贯 2024末 5-10秒 Runway Gen-3 勉强可用但短 2025中 10-15秒 Kling 1.5 接近短视频需求 2026初 15-20秒 Sora 2 / Pika 2 广告级 2026.7 30秒 Seedance 2.5 TVC级 从5秒到30秒不是简单的时长×6，而是质变： 叙事完整：30秒可以讲一个完整故事 广告标准：TVC广告标准时长是15-30秒 社交传播：短视频平台30秒是黄金时长 应用场景解锁 5秒时代： 表情包、动图、概念演示 10秒时代： 产品展示、简单特效 30秒时代： 完整广告、剧情短片、MV片段、教程 30秒直出意味着AI视频从"玩具"正式进入"生产工具"范畴。 50个多模态素材联合输入 之前的限制 旧版视频模型输入方式单一： 纯文本 → 视频（Sora模式） 单图 → 视频（图生视频） 单视频 → 风格迁移 问题：用户无法精确控制视频内容。 ...

事件 2026年7月2日，阿里巴巴宣布整合旗下三款Agent产品： QoderWork：代码开发Agent 悟空：通用办公Agent MuleRun：数据处理Agent 整合方向：打造一款面向企业生产力场景的All-in-One AI产品。 这是继7月4日豆包+千问下线智能体功能后，Agent市场整合的又一重磅信号。 为什么要整合？ 1. 用户不需要三个Agent 企业用户的真实痛点不是"没有Agent"，而是"Agent太多还要切换"： 写代码要打开QoderWork 处理文档要切换到悟空 做数据分析又要用MuleRun 每个Agent都有自己的上下文、账号体系、计费方式。工具摩擦远大于工具价值。 2. 数据需要打通 企业场景中，代码、文档、数据三者紧密关联： 需求文档（悟空）→ 代码实现（QoderWork）→ 数据验证（MuleRun） 三个独立Agent意味着数据在不同系统间搬运。整合后，上下文可以贯穿全流程。 3. 成本效率 三个独立产品意味着三套： 模型推理资源 用户管理系统 计费体系 客户支持团队 整合到一套系统，运营成本显著降低。 All-in-One是不是正确方向？ 支持方观点 1. 用户行为验证 微软Copilot的成功证明了All-in-One的价值：用户不想在Word、Excel、Teams之间切换不同AI助手。一个Copilot贯穿所有工具，体验远好于多个独立Agent。 2. 上下文连续性 跨任务的上下文传递是Agent价值的核心。All-in-One天然具备这个能力： 会议纪要（悟空记录） ↓ 自动传递 代码实现（QoderWork生成） ↓ 自动传递 测试数据（MuleRun验证） 3. 企业采购偏好 企业IT部门倾向于采购一个平台而非多个工具。All-in-One降低采购复杂度和供应商管理成本。 反对方观点 1. 大而全 = 什么都不精 每个领域有特殊性：代码Agent需要理解AST，数据Agent需要查询优化，文档Agent需要格式感知。一个Agent做好所有事，技术上很难。 2. 锁定风险 All-in-One意味着深度绑定一个平台。企业担心被供应商锁定，失去议价能力。 3. 创新停滞 垄断平台缺乏创新动力。历史证明，小而精的创业公司往往比大平台更创新。 我的判断 All-in-One是企业市场的正确方向，但不会是唯一方向： 大企业：偏好All-in-One（采购效率、数据打通） 中小企业：可能选best-of-breed（灵活性、成本） 开发者：偏好开源框架（可控、可定制） Agent市场整合趋势 全球趋势 时间 事件 信号 2026 Q1 微软Copilot整合Office全家桶 All-in-One验证 2026 Q2 Google Duet AI升级为Gemini for Work 跟进All-in-One 2026 Q2 Salesforce Einstein GPT整合 CRM垂直整合 2026 Q3 阿里整合三款Agent 中国市场整合 2026 Q3 豆包+千问下线C端智能体 C端Agent退潮 谁会活下来？ All-in-One平台型（3-5家）： ...

重磅突破 研究团队利用AI模型，仅用28个GPU小时就发现了4种人类此前完全未知的超导体。 这个效率有多恐怖？相当于人工探索一百年。 这不是AI第一次在科学领域取得突破，但可能是"AI for Science"最具说服力的案例之一——用极少的算力，解决了人类极长时间才能解决的问题。 为什么这个突破重要？ 1. 超导体研究的困境 超导体是材料科学的"圣杯"之一。零电阻和完全抗磁特性意味着： 无损电力传输 超强磁场（MRI、粒子加速器、磁悬浮） 高效储能 但发现新超导体极其困难： 候选材料空间巨大（10^∞量级组合） 实验验证周期长（每种材料数月到数年） 理论指导不足（高温超导机制至今未完全明了） 2. AI的突破在哪？ 传统方法：理论预测 → 合成 → 测试 → 失败 → 重新开始（每个循环数月） AI方法： 训练数据（已知超导体+非超导体） ↓ AI模型学习材料-性质映射 ↓ 在百万级候选材料中筛选 ↓ 输出top候选（高置信度） ↓ 实验验证（只测最有希望的几个） 关键优势：把搜索空间从"实验级"缩小到"验证级"，实验效率提升数百倍。 28 GPU时意味着什么？ 算力成本 维度 AI方法 传统方法 计算时间 28 GPU小时 N/A 计算成本 约$50-100 N/A 实验次数 4次验证 数百到数千次试错 总耗时 数周 数十年 人力投入 小团队 多个实验室协作 对比参考 GPT-4训练：约25000 A100 GPU天 AlphaFold2训练：约128 TPU天 本次超导体发现：28 GPU小时 这是"小算力大产出"的典范。 不是所有AI科研都需要GPT级别的算力。 ...

WAIC 2026 概览 2026年世界人工智能大会（WAIC）将于7月在上海举办。本届大会规模创历史新高： 超300款AI产品全球首发 从AI Agent到具身智能 从端侧AI到世界模型 人工智能正在从实验室走向日常生活 这不仅是产品展示，更是AI行业下半年风向标。 七大看点 看点一：AI Agent规模化落地 2026年上半年，AI Agent不再是PPT里的概念。OpenAI、Google、微软推进系统级助手，国内厂商也在加速Agent商业化。 关注企业： 阿里：整合后的All-in-One Agent产品（QoderWork+悟空+MuleRun） 字节：豆包企业版（智能体功能虽下线，但企业Agent可能新发布） 百度：文心智能体平台 华为：盘古Agent 关注问题： Agent的商业模式是否跑通？ Agent在垂直行业的渗透率如何？ Agent标准化的进展？ 看点二：具身智能突破 黄仁勋提出的"Physical AI"概念正在中国落地。WAIC 2026预计将有多个具身智能产品发布： 方向 预期产品 意义 人形机器人 多款新一代人形机器人 运动控制+智能对话 工业机器人 AI驱动的柔性制造 从专用到通用 服务机器人 餐饮/零售/医疗 规模化落地 实验室自动化 AI+生命科学 科研效率革命 看点三：大模型新格局 2026年6月，ChatGPT全球市场份额首次跌破50%。大模型市场从单极走向多极： 开源势力：Llama 4、Qwen 3、DeepSeek V3持续迭代 国产突围：美团LongCat-2.0万亿参数、月之暗面Kimi K3即将发布 多模态融合：图像/视频/语音/文本一体化模型 看点四：AI视频生成新阶段 字节Seedance 2.5预计WAIC期间展示完整能力： 30秒单段视频直出 50个多模态素材联合输入 540P分辨率，25FPS 第三方测评已超越GPT-5.6 Sol 阿里和腾讯也共同参与了Kling AI的新一轮融资，AI视频赛道持续升温。 看点五：算力与芯片 Meta Compute入局云算力市场引发行业震荡。WAIC上算力竞争将是焦点： 国产AI芯片：昇腾、寒武纪、壁仞等最新进展 推理芯片：Etched等专用推理芯片公司升温 算力网络：工信部"算力互联互通行动计划"落地进展 看点六：AI安全与治理 联合国独立AI科学专家组刚发布最新报告，警告AI发展速度远超监管。WAIC上安全治理讨论将包括： ...

事件始末 2026年7月初，Anthropic重新上架了Claude Fable 5，但用户反馈迅速涌入： 频繁回退：模型在处理复杂任务时频繁因安全护栏触发而回退到Opus 4.8 能力下降：多个基准测试显示Fable 5重上架版本在某些任务上表现不如此前版本 额度限制：官方限制Fable 5仅占用户每周总额度的50% 计费调整：7月7日起完全按积分计费 这引发了AI安全领域一个持续讨论的核心问题：安全护栏的"度"在哪里？ 用户反馈详情 回退现象 多位开发者报告，Fable 5在以下场景频繁触发回退： 场景 回退频率 之前版本 代码生成（含安全相关代码） 约35% <5% 创意写作（含冲突情节） 约28% <8% 技术分析（含系统架构） 约20% <3% 多轮复杂对话 约15% <5% 能力对比 独立测试者的基准测试结果显示： Fable 5 (原版) Fable 5 (重上架) Opus 4.8 MMLU 89.2 86.7 87.1 HumanEval 92.1 88.3 85.7 GSM8K 95.3 93.1 91.2 MT-Bench 9.2 8.4 8.6 创意写作评分 9.0 7.2 8.0 在创意写作和需要"发散思维"的任务上，重上架版本下降明显。 Anthropic的两难 安全压力 Anthropic面临的安全压力来自多方面： 监管要求：FDA和欧盟AI法案对高风险AI系统有严格的安全要求 公众舆论：此前Fable 5原版因"过于强大"引发安全讨论 内部安全文化：Anthropic以安全为核心价值观 商业压力 但过度限制安全护栏也有代价： ...

事件回顾 2026年7月4日，国内AI行业发生了一件标志性事件：字节跳动旗下豆包与阿里巴巴旗下通义千问，在同一日发布服务调整公告，宣布2026年7月15日正式下线平台内全部用户自定义智能体功能。 两大头部平台同日对同一核心功能"亮起红灯"，这在AI行业尚属首次。 时间线 时间节点 事件 7月2日 阿里宣布整合QoderWork、悟空、MuleRun三款Agent产品 7月4日 豆包、千问同步发布智能体下线公告 7月15日 智能体功能正式下线 7月15日—10月15日 数据备份窗口期（可查看/导出历史数据） 10月15日后 平台按隐私政策处理数据，不可恢复 为什么两大平台同时退出？ 1. 商业模式不成立 用户自定义智能体看起来热闹，但平台端面临三重困境： 算力成本高：每个智能体都需要独立推理资源，免费用户占比过高 留存率低：大部分用户创建智能体后7天内不再使用 变现困难：智能体商店缺乏付费意愿，C端用户付费率不足2% 2. 安全合规压力 随着《生成式AI服务管理暂行办法》深入执行，平台对用户生成内容（包括智能体的prompt和行为）承担连带责任。用户创建的智能体可能产出违规内容，平台审核成本远超收益。 3. 战略聚焦 两家都在从"广撒网"转向"重点突破"： 阿里：整合三款Agent产品为一个All-in-One企业生产力工具 字节：将资源集中到豆包核心对话和视频生成（Seedance 2.5） 对企业Agent选型的影响 直接影响 正在使用豆包或千问智能体功能的企业，需要在10月15日前完成迁移。可选项： 方案 优势 劣势 自建Agent框架 完全可控，数据私有 开发成本高，需要技术团队 OpenClaw等开源框架 灵活定制，社区活跃 需要自部署运维 企业版Agent平台 有SLA保障 费用较高 转用其他C端平台 快速上手 可能面临同样的下线风险 选型建议 1. 不要把核心业务绑在C端平台 C端平台的智能体功能随时可能调整。企业级Agent应该选择有明确SLA的企业版或开源方案。 2. 数据主权是底线 智能体的prompt、知识库、对话历史是企业核心资产。选择支持数据导出和私有化部署的方案。 3. 框架层 > 平台层 与其依赖某个平台，不如构建自己的Agent框架层。开源框架（OpenClaw、LangChain、CrewAI等）提供更好的长期可控性。 4. 关注MCP生态 Model Context Protocol正在成为Agent工具调用的标准协议。选择支持MCP的框架，避免被某个模型供应商锁定。 更深层的信号 两大平台同日下线智能体，折射出行业三个深层趋势： 趋势一：从"人人都是Agent开发者"到"Agent是专业工具" 2025年的Agent热潮让很多非技术用户创建了大量低质量智能体。行业正在回归理性——Agent开发需要专业能力，不是拖拽几下就能做好。 ...

2026上半年AI大事记 2026年上半年，AI产业继续高速发展。本文按时间顺序盘点这半年中最具影响力的20大事件。 1月 1月8日：DeepSeek V4发布 训练成本仅$8M，性能接近GPT-5 引发全球AI圈对"成本效率"的重新思考 单日Hugging Face下载量破纪录：120万次 1月15日：NVIDIA宣布B300开始量产 Blackwell Ultra芯片正式投产 采用3nm工艺，FP4性能15 PFLOPS 台积电CoWoS产能优先保障NVIDIA 1月22日：欧盟AI法案最后过渡期结束 高风险AI系统需在8月前完成合规 企业密集开展AI合规审计 AI合规咨询市场爆发（增长300%） 2月 2月3日：OpenAI完成750亿美元融资 估值达到$320B Thrive Capital领投，微软、软银跟投 创AI公司单轮融资记录 2月14日：Google发布Gemini 2.5系列 Gemini 2.5 Pro和Flash双版本 Flash版本价格仅为GPT-4o的1/20 多语言能力大幅提升（支持120+语言） 2月28日：首个人形机器人AI Agent演示 Figure AI + OpenAI合作的人形机器人 能够理解自然语言指令并执行复杂任务 标志着具身智能的重要进展 3月 3月5日：全国两会AI议题热议 “人工智能+“写入政府工作报告 宣布设立5000亿AI产业基金 中国AI监管框架基本成型 3月12日：Microsoft Copilot用户数破2亿 成为史上增长最快的企业AI产品 Copilot收入占Microsoft 365新增收入的35% 企业AI采用进入爆发期 3月20日：首例AI生成内容版权案开庭 插画师起诉AI公司侵权 案件焦点：训练数据使用是否合法 全球AI产业高度关注 3月28日：AMD MI400规格泄露 128个专家、FP8性能19.2 PFLOPS 在FP8上首次超越NVIDIA同期产品 AMD股价单日上涨12% 4月 4月2日：Mistral Large 3发布 123B参数Dense模型 欧洲语言性能全面超越GPT-6 坚持开源+API商业化路线 4月10日：首个人工智能安全国际公约签署 联合国框架下78个国家签署 核心原则：人类监督、透明度、问责 无强制约束力，但具政治影响力 4月18日：特斯拉Optimus Gen 3亮相 ...

首尔AI安全峰会：在竞争中寻求合作 2026年6月23-25日，第三届全球AI安全峰会在韩国首尔召开。来自65个国家的政府代表、50家AI公司CEO、30个国际组织参加了此次峰会。 峰会的核心议题：在AI竞赛日益激烈的地缘政治环境中，如何在AI安全上建立最低限度的全球共识？ 主要成果 1. 《首尔AI安全框架》签署 65个国家签署了《首尔AI安全框架》，核心内容包括： AI风险分级共识： 一致同意将AI风险分为5级（从"可忽略"到"极端"） 定义了各风险级别的评估标准 建立了风险级别的公开通报机制 红队测试国际标准： 通过了AI系统红队测试的指导原则 建立了红队能力的国际认证体系 推动红队测试结果的跨境互认 AI事故通报机制： 重大AI事故需在72小时内通报 建立全球AI事故数据库（共享匿名化数据） 定期发布AI安全态势报告 2. 计算集群透明度倡议 由美国、欧盟、英国、日本、韩国、澳大利亚、加拿大等20个国家发起： 大型AI训练集群（>10^23 FLOPS）需进行透明度申报 申报内容包括：算力规模、数据规模、安全评估结果 目的：早期识别可能达到AGI的系统 中国未签署此倡议，认为这是"技术监控"。 3. AI安全研究国际合作 建立了三个国际合作研究项目： 1. 可解释AI国际联合实验室（由欧盟牵头） 15个国家参与 预算：2亿欧元/3年 目标：开发AI决策可解释性标准工具 2. AI对齐研究国际合作计划（由美国牵头） 重点是"弱监督"和"可扩展对齐"研究 预算：1.5亿美元/3年 30个顶尖AI实验室参与 3. AI安全基准国际竞赛（由韩国牵头） 建立统一的AI安全基准测试套件 每年举办AI安全竞赛 促进安全技术的开放创新 主要分歧 分歧1：AGI安全优先级 美国/欧盟观点：AGI安全是最高优先级，需要提前布局 中国/印度观点：当前AI系统的安全问题（偏见、虚假信息、就业）更紧迫 结果：两个议题都保留，但AGI安全获得更多资源承诺 分歧2：安全vs创新平衡 欧盟：安全优先，必要时可以牺牲创新速度 美国/英国：平衡安全与创新，避免过度监管 中国：安全是底线，但要在发展中解决 结果：未达成共识，各国保留各自监管路径 分歧3：技术共享程度 美国：关键技术（如先进对齐技术）不应无条件共享 欧盟：AI安全技术应该开放，特别是可解释AI、AI审计等技术 中国：反对技术封锁，主张AI技术应该是全球公共产品 结果：建立了"AI安全技术分类共享机制"——基础技术开放，敏感技术受限共享 分歧4：AI军事应用 联合国秘书长：呼吁禁止完全自主武器（LAWS） 美国/俄罗斯：反对全面禁止，主张制定行为规范 中国：支持禁止，但要求包括网络武器 结果：仅达成"政治宣言"，无法律约束力 中国的参与和立场 中国的积极参与 中国在本次峰会上表现出了比前两届更积极的姿态： 签署了《首尔AI安全框架》（前两届未签署） 宣布加入AI事故通报机制 承诺向AI安全研究国际合作计划捐赠1000万美元 主办下一届AI安全峰会（2027年，北京） 中国的核心立场 1. 发展权优先 ...

企业Agent：从概念到生产的跨越 Gartner 2026年6月发布的《企业AI Agent采用报告》显示：2026年全球2000强企业中，已有43%在生产环境中部署了AI Agent，较2025年的12%增长了2.6倍。 企业AI正在从"概念验证（POC）“走向"生产部署”——这标志着AI产业进入了新的成熟阶段。 采用率数据 按行业分布 行业 采用率 主要应用场景 ROI(1年平均) 金融 68% 客服、风控、投研 312% 科技 65% 编程辅助、测试、运维 287% 零售 52% 客服、推荐、供应链 198% 制造 45% 质检、预测维护、排产 234% 医疗 38% 影像分析、病历、分诊 167% 教育 35% 个性化学习、批改 145% 政府 28% 政务咨询、审批辅助 123% 按企业规模 员工数 采用率 部署规模(平均Agent数) 10,000+ 67% 85 1,000-10,000 48% 23 500-1,000 32% 8 <500 18% 3 大型企业（特别是金融和科技公司）是Agent部署的主力。 成功案例 案例1：摩根大通 - 合规Agent 场景：监管合规审查 之前：2000名合规人员人工审查交易 Agent方案： 实时扫描交易数据 识别可疑模式 生成合规报告 复杂案例转人工 效果： 合规审查时间：从4小时→15分钟 误报率：从23%→8% 合规成本：降低62% ROI：18个月收回投资 案例2：西门子 - 预测维护Agent 场景：工业设备维护 Agent方案： ...