作者｜Li Yuan

编辑｜ 靖宇

搬到新加坡的 Manus，对通用 AI Agent 的思考没有停止。

在今天在新加坡举行的 Stripe Tour 上，Manus 联合创始人兼首席科学家季逸超（Peak）与 Stripe 亚太地区及⽇本⾸席营收官 Paul Harapin 进行了对谈。

席间， Manus AI 披露了近期的经营数据，Manus AI 收入运行率（RRR，Revenue Run Rate）已经达到 9000 万美元，很快即将上亿。

Manus AI 的肖弘还特意在即刻表示，Revenue Run Rate 指的是当月的 Revenue *12，并不等于 Cash Income。很多 AI 产品都会有年付选项，这部分只能算作预存款，而不能记为 Revenue。「如果我们按照这种【错误方式】披露，可以算出一个一个比 1.2 亿美金更大的数。」肖弘表示。

除了经营数据之外，季逸超还分享了 Manus 团队是如何思考通用 Agent 的的下一步的，以及 AI Agent 和 AGI 未来到底有什么区别。

「现在大家几乎把一切都叫做 Agent。比如一个麦克风，有人会叫它是「有环境感知的收音 Agent。」季逸超开玩笑地讲道。

他也给出了拓展通用 Agent 能力下一步的两条主线： 其一，用多 Agent 协作把执行规模做宽 （如在大规模调研里衍生出上百个并行的子 Agent）； 其二，给 Agent 打开更大的「工具面」 ，不把能力绑死在少数预置 API，而是像程序员一样调用开源生态、安装库、甚至在可视化后 看图自检并回改 。

季逸超还提到，今天的数字世界仍按「给人用」的范式建造——非 API 化网页、CAPTCHA、流程「小游戏化」带来大量摩擦， 瓶颈更像生态与制度约束，而非模型智力 。

这也是 Manus 参与 Stripe 活动的原因之一：双方正推进 在 Agent 内完成支付 ，把「研究—决策—下单/结算」连成闭环，用基础设施协作来消解世界的摩擦。

以下为对话精华，经极客公园编辑整理：

问：给观众简单介绍一下你自己吧。你最近关于「上下文工程」的博客非常鼓舞人心，我觉得对于在座任何正在开发 AI Agent 的人来说都是必读的。我每次去和工程师们吃午饭时，他们总是在谈论这个，所以我现在只能坐到别的地方（笑）。但对于现场可能不太熟悉 Manus 的人，你能分享一下你的经历和愿景吗？

答： 谢谢 Paul。很高兴能来到。Manus 在构建一个通用 AI Agent。

很多研究机构和公司，其实在尝试打造一个大脑——打造一个大语言模型。但我们认为，从消费者的角度来看，这其实并不好。AI 应该能真正采取行动，完成事情，所以我们构建了 Manus。

我们的方式，是让 AI 可以使用人类历史上最伟大的发明之一——通用计算机。给了 AI 计算机，它能做人类能做到的所有事。Manus 能真正完成任务。比如它可以帮你做演示文稿、帮你规划一次旅行，甚至能帮你运营社交媒体——虽然我并不推荐你真的这样做。#p#分页标题#e#

我们的用户真的很喜欢 Manus。 我们在三月份发布了 Manus，现在已经实现了大约 9000 万的收入运行率（RRR，Revenue Run Rate），很快就会突破 1 亿。

我觉得这对我们这样一个小型创业公司来说非常巨大。但更重要的是，这表明 AI Agent 已经不再只是一个研究领域的流行词，而是真正在被应用，落地生根。

我可以和大家分享一个我们构建 Manus 过程中的小故事。

我们其实从 Agent coding 的应用中得到了很多灵感。比如像 Cursor 这样的 AI 编程产品，之前已经吸引了很多关注。

作为工程师，我们自然会使用 Cursor。但让我们惊讶的是，公司里很多非工程师同事也在用 Cursor。当然，他们并不是在写软件，而是用它来做数据可视化，甚至写一些文章。他们会忽略左边的代码部分，只是跟 AI 对话来完成工作。

这让我们意识到：我们应该把这种方式泛化，赋能非程序员。这就是 AI 的一个用例。

问：我们越来越常听到人们谈论 AI Agent 和 AGI。你能不能帮我们更清楚地区分这两个概念？AI Agent 和 AGI 对你和 Manus 来说各自意味着什么？

答： 我们认为这是一个非常好的问题。

现在大家几乎把一切都叫做「Agent」。比如一个麦克风，有人会说它是「有环境感知的收音 Agent「。

但至少我们主张，Agent 应该是应用型 AI 的一个子集。我们不妨退一