中國AI黑馬Manus暴紅!全球首款「通用型AI代理」厲害在哪?33歲創始人肖弘是誰?
中國AI黑馬Manus暴紅!全球首款「通用型AI代理」厲害在哪?33歲創始人肖弘是誰?

繼DeepSeek橫空出世後,中國人工智慧業界迸出另一黑馬ManusAI

ManusAI 是由中國新創團隊 Monica.im 推出的全球首款通用型 AI Agent(人工智慧代理),主打「直接交付任務成果」而非僅僅提供建議,被視為 AI 領域的突破性進展。

其暴紅源於 2025 年 3 月發布的 4 分鐘演示影片, 展示自主執行「複雜任務」的能力,可模擬人類完整的「計劃-執行-檢查-行動」工作流程。 由於當前ManusAI需要有邀請碼才能試用,進而引發科技圈熱議與邀請碼搶購潮,甚至被炒至 5 萬元人民幣(約為新台幣22.6萬元)。

根據官網描述, ManusAI 具備「直接操作數位工具」的能力,能在虛擬機環境中解壓縮檔案、瀏覽網頁、編寫程式碼(如 Python 生成 Excel 表格) ;此外,其代理功能具備跨領域應用能力,涵蓋篩選履歷、房地產研究、股票分析等多元場景。

依據中國媒體《極客公園》描述,經用戶對 Manus 實測 ,「你甚至可以直接對它描述一個影片畫面中的內容,Manus 可根據對應的訊息,跨越平台搜索限制,精準找到某個抖音短影片的連結。」

任務成功率92%!可充當人資過濾履歷

在評估通用 AI 助手能力的 GAIA 基準測試中,Manus 於所有難度級別均超越 OpenAI 同類模型,創下 SOTA(當前最優)紀錄。官網指出,相較於 OpenAI GPT-4 僅 15% 的得分率,ManusAI 整體得分率超過 65%,並在企業級應用場景(如財務分析、合約審查)達到 92% 任務成功率。

測試表現.jpg
在評估通用 AI 助手能力的 GAIA 基準測試中,Manus 於所有難度級別均超越 OpenAI 同類模型。
圖/ ManusAI

而在官方發布的影片中,介紹了三個 Manus 在實際應用情境下完成的工作範例。以第一個任務「篩選履歷」為例,Manus 的任務是從 15 份履歷中挑選出最適合「強化學習演算法」的工程師候選人。

在這個演示中,假設為人資的使用者甚至不用解壓縮檔案、將裡面的履歷逐一手動上傳。Manus 會自動解壓縮檔案,並逐頁瀏覽每一份履歷,同時摘要其中的重要資訊。

在 Manus 生成的結果中,不僅有自動產生的排名建議,還會根據工作經驗等重要面向,將應徵者分為不同等級。在收到使用者希望能以 Excel 表格呈現的要求後,Manus 還能透過即時撰寫 Python 腳本的方式,自動生成對應的表格。

延伸閱讀:Manus在紅什麼?外媒評測訂餐、訂位、訂票⋯都碰壁:它是中國第二個DeepSeek時刻?

Manus有哪些應用場景?

根據官方網站展示的使用範例,Manus具備以下的應用場景:

1.旅遊規劃:不只能整合旅遊資訊,還能為使用者量身打造旅遊手冊。舉例來說,為使用者規劃四月份的日本旅遊,提供客製化的行程建議和詳細筆記。

2.股票分析:進行深入的股票分析,設計吸睛的視覺化儀表板,呈現全面的股票洞察。舉例來說,對特斯拉的股票進行深度分析,並製作視覺化的儀表板。

3.教育內容製作:例如為國高中老師製作教學影片素材,講解動量定理等複雜的概念,幫助老師更有效率地教學。

4.保險方案比較:製作清楚易懂的保險方案比較表,提供最佳的決策建議,協助使用者選擇最適合的保險產品。

5.供應商採購:在網路上進行詳盡的研究,尋找最符合使用者需求的供應商,並以公正的代理人角色為使用者服務。

6.財務報告分析:透過研究和數據分析,掌握市場對特定公司(例如亞馬遜)的情緒變化,提供過去四個季度的市場情緒分析。

7.新創公司列表整理:瀏覽相關網站,找出符合條件的公司,並整理成表格。舉例來說,整理 YC W25 批次的所有 B2B 公司列表。

8.網路商店營運分析:例如分析亞馬遜商家的銷售數據,提供可執行的洞察,並輸出詳盡的視覺化圖表和客製化的策略,幫助提升銷售業績。

若想試用Manus,目前使用必須先輸入邀請碼或登陸電子郵件發送請求,導致中國網路上manus邀請碼「一碼難求」。根據《中央社》報導,甚至二手交易平台上Manus邀請碼的標價被炒到人民幣999元至5萬元(約新台幣4400至22萬元)不等。

創始人肖弘是誰?

此外,Manus 的創始人是一位「90後」連續創業者肖弘。據了解,1992年出生的肖弘現年33歲,畢業於華中科技大學軟體工程專業,比DeepSeek創辦人梁文鋒還更年輕。

綜合中國媒體報導,肖弘於 1992 年出生於江西一個小鎮, 從小就展現出對電腦的濃厚興趣,高中時期便喜歡在部落格上撰寫軟體測評,文章瀏覽量甚至達到數十萬。

據悉,肖弘在大學期間就展現出極強的創業天賦。他與室友合作推出了多款校園創新產品,例如志願填報助理、圈子市集,以及基於微信的漂流瓶和上牆功能,這些產品迅速在校內外走紅。

2015年1月19日,肖弘大學畢業後創立了武漢夜鶯科技有限公司,專注於微信生態應用的開發與推廣,推出了「壹伴助手」和「微伴助手」,這兩款產品分別面向新媒體內容創作者和企業微信用戶,提供了一系列便捷的工具和服務。

夜鶯科技其後獲得了包括騰訊、真格基金、明略科技在內的四輪融資, 並在2020年被明略軟體收購,目前夜鶯科技由明略軟體、騰訊產創投分別持股88.6667%、11.3333%;2024年12月,肖弘退出了夜鶯科技的股東行列。

2022 年 4 月 20 日,隨著 AI 大模型技術的興起,肖弘在北京創立了「蝴蝶效應」公司, 並推出 AI 瀏覽器外掛 Monica,其為一款 All-in-One 的 AI 助手,集成了多個主流大模型,如 Claude 3.5、DeepSeek 等, 為用戶提供聊天、翻譯、文案處理等功能。

Monica 早期專注於海外市場,隨後在2年內用戶規模突破百萬,並在 2024 年實現了可觀的盈利;2025 年 2 月,Monica 中文版開啟內測,該版本基於 DeepSeek R1 和 V3 模型打造,具備深度推理思考能力,並支持記憶功能和實時聯網搜索。  

2025 年 3 月,肖弘的團隊推出了 Manus, 聲稱為全球首款真正意義上的通用型 AI Agent,可模擬人類完整的「計劃-執行-檢查-行動」工作流程,並直接交付完整成果。

延伸閱讀:博通概念股有哪些?AI客製化晶片需求爆表,財報帶動股價飆漲!
「台積電在哪裡設廠都是最棒的!」魏哲家一次釋疑:研發中心會搶走台灣技術嗎?護國神山會喪失優勢嗎?

資料來源:manusai極客公園新浪科技鉅亨

責任編輯:李先泰

關鍵字: #AI #中國創業
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓