5月13日，在经历了一段时间的爆火与争议后Manus宣布取消邀请码限制、全面开放注册——标志着这场始于2025年3月的AI智能体热潮正式进入第二阶段。

网红模型Manus实测：冰火两重天

根据Manus官方公告：1. 所有用户可直接注册，无需等待名单2. 每位用户每天可免费执行一项任务（价值300积分）3. 所有注册用户将一次性获得1000积分奖励。

Manus的开放注册策略背后，隐藏着清晰的商业逻辑。

此前，Manus通过邀请码制造的稀缺性，既因服务器容量限制的客观因素，也暗合互联网时代经典的“流量引爆”法则。这种策略成功将其估值推高至5亿美元，并获得硅谷风投Benchmark领投的7500万美元融资。

但限量模式终究难以支撑规模化发展——每日免费1项基础任务（300积分）与三档付费订阅计划（19-199美元/月）的组合，标志着其正式转向“用户分层+增值服务”的成熟商业模式。 

开放注册后，用户反馈呈现出明显的“断层现象”。在实测中，Manus展现的“数字员工”特性令人惊艳：从德克萨斯州教堂建设方案的19份文档自动生成，到Python虚拟环境的自主搭建，其多代理协作架构（规划、执行、验证代理分工）确实实现了“类人类工作流”。有开发者观察到，Manus在40分钟持续作业中展示的自我纠错能力，已超越Cursor等工具的时间阈值。 

但另一面的吐槽同样尖锐——代码生成错误频发、复杂任务人工干预率高、全英文界面与本地化不足等问题，暴露出技术成熟度的短板。尤其当用户将其与Gemini 2.0的多模态能力对比时，Manus在动态环境适应上的缺陷更为明显。这种落差源于市场对其“通用型”定位的过高期待——尽管GAIA基准测试成绩优异，但真实场景中的长尾问题仍依赖预设脚本，与宣传的“自主规划”存在认知偏差。 

宏观来看，Manus面临的真正挑战，来自全球AI巨头的战略挤压。OpenAI即将推出的“博士级智能体”与谷歌Gemini 2.0的多模态工具链，正在构建智能体开发的基础设施。

相较之下，Manus的差异化路径在于“垂直场景渗透+工作流封装”：从简历筛选到股票分析，其通过整合浏览器、代码编辑器等工具链，形成覆盖200+场景的“AI流水线”。这种“工具集式创新”虽缺乏底层技术光环，却更贴近企业降本增效的刚需。 

算力饥渴时代：高效大模型催生“印钞机”神话

当全球科技巨头竞相推出参数规模突破万亿的AI大模型时，一种看似矛盾的商业逻辑正在算力市场中浮现——模型效率的提升非但未削弱算力需求，反而将整个产业推入更深的“算力饥渴”状态。这种反直觉现象的背后，是人工智能技术演进路径与半导体产业格局的深层耦合。

从技术迭代规律观察，大模型研发已陷入“参数竞赛”与“效率优化”的双重螺旋。尽管模型架构改进和算法优化确实提升了单次计算任务的效率，但行业对模型性能的极致追求推动着参数规模以每年10倍的速度膨胀。OpenAI的研究显示，头部AI模型的训练算力需求每3-4个月翻番，这种增速远超摩尔定律支撑的芯片性能提升曲线。

更关键的是，当模型参数突破千亿门槛后，其“智慧涌现”特性要求训练数据量同步呈现指数级增长。GPT-4的训练数据量已达TB级别，而下一代多模态模型所需处理的图像、视频等非结构化数据，将把数据吞吐需求推向新的量级。这种“效率红利”被更大规模模型吞噬的现象，在半导体领域被称为“安迪-比尔定律”的AI版本——软件进步带来的性能提升，总会被更复杂的计算需求消耗殆尽。

市场需求的结构性变化正在重塑算力产业的底层逻辑。传统通用算力与智能算力的市场份额对比发生历史性逆转，中国信通院数据显示，2022年中国智能算力规模已超越通用算力，预计到2026年将占据整体算力结构的65%以上。

这种转变直接反映在硬件采购清单上——单台搭载8颗H100 GPU的DGX服务器售价超过25万美元，但全球科技企业仍趋之若鹜。微软为支撑Azure AI服务，单笔订单就包含数万张英伟达加速卡；特斯拉Dojo超算二期工程规划算力达到100 Exaflops，相当于30万台A100服务器的集群规模。

值得关注的是，大模型产业化带来的算力需求已从训练端蔓延至推理端。IDC预测，到2026年全球AI推理工作负载将占据数据中心算力消耗的60%，这意味着即便模型训练完成，持续的推理运算仍需消耗相当于训练阶段30%的算力资源。

在算力饥渴时代，投资者该如何把握时代红利？

人工智能概念相关公司股价普遍较高，如英伟达、甲骨文、谷歌、微软、Meta 等，普通投资者持有多只股票的资金成本较高。相比之下，人工智能相关 ETF 具有资金门槛低的优势，一般购买一手（100 份）仅需一百多美元。

ETF 选品丰富，涵盖人工智能产业链上下游企业，投资者无需深入研究个股即可实现风险分散，分享行业发展红利。此外，ETF 不存在停牌或退市风险，即使在熊市也能正常交易，为投资者提供了止损机会。基于其门槛低、交易透明、选品丰富、稳定性高和支持场内交易等优势，ETF 成为普通投资者和新手投资者参与人工智能市场的理想选择。

以下是一些市面上热门的人工智能ETF产品，仅作举例，不作推荐建议：

风险投资家Tomasz Tunguz表示，投资者和大型科技公司在赌，未来十年中，由于推理模型和AI的迅速普及，对AI模型的需求可能会增加一万亿倍或更多。

祝大家投资顺利~