10月8日，AI公司Manus的母公司蝴蝶效应宣布完成超过5亿美元融资。博裕资本、IDG资本共同领投，腾讯、红杉中国和真格基金等老股东继续参与。公司没有披露最新估值，此前曾有消息称，Manus寻求以40亿美元估值融资。

距离Meta宣布收购Manus，还不到一年。2025年12月29日，Meta宣布收购Manus，交易价值据报道超过20亿美元。2026年4月，收购因监管问题撤销。经过数月调整，Manus恢复独立经营，再次获得大额融资。

Manus于2025年3月6日发布。九个月后，公司公布年度经常性收入（ARR）超过1亿美元，员工约105人。据《The Information》报道，2026年6月，Manus的年化收入运行规模达到约5亿美元。公司没有自主训练前沿基础大模型，却在不到两年里获得了数十亿美元级别的资本定价。

创始人肖弘过去十余年一直从事应用软件创业。从微信公众号工具壹伴、企业微信客户管理软件微伴，到AI浏览器助手Monica，团队持续利用大型技术平台提供的能力开发产品。Manus延续了相似的创业方法，但面对的市场已经发生变化。

2025年，美国企业生成式AI支出达到370亿美元，其中AI应用支出约190亿美元。企业开始大规模采购AI软件，智能体也逐渐具备执行复杂任务的能力。Manus获得资本关注，发生在AI应用市场快速增长、通用智能体商业化尚未充分展开的时期。

一、应用公司的生意

2016年，肖弘和几名华中科技大学的创业伙伴准备放弃创业。几个人已经拿到北京互联网公司的录用通知，临走前参加了一场黑客松比赛，意外获得真格基金100万元投资。

团队留在武汉，开发微信公众号工具壹伴。彼时，135编辑器、秀米等软件已经进入市场。壹伴选择浏览器插件的形式，将编辑功能嵌入公众号后台，帮助运营人员减少页面切换和重复操作。

2019年12月，企业微信发布3.0版本，进一步开放客户连接能力。肖弘团队随后开发微伴助手，为企业提供客户管理和营销服务。2021年12月，明略科技宣布战略投资微伴。按照当时披露的数据，微伴累计服务企业达到14万家，帮助企业连接超过1亿名微信客户。

2022年，肖弘再次创业。团队原本准备开发科研软件，但GPT-3表现出的语言处理能力改变了原有计划。11月20日，团队立项开发Monica。十天后，OpenAI发布ChatGPT。

Monica通过浏览器插件提供翻译、总结和写作功能。2023年，团队还收购了ChatGPT for Google插件，获得已有的用户基础。经过一年多经营，Monica积累了百万量级用户，年度经常性收入达到数百万美元。

几次创业，肖弘团队都没有参与底层技术的建设。微信负责连接用户，企业微信提供客户管理接口，OpenAI等公司提供基础模型。团队利用已有平台的能力，开发具体的软件功能，再向用户收费。

大型平台每次开放新的技术能力，都会留下尚未被充分满足的需求。微信提供公众号后台，但运营人员仍然需要编辑工具；企业微信连接客户，但企业需要管理客户关系；ChatGPT能够生成内容，但用户希望在浏览网页时直接调用模型。

肖弘团队进入的，正是平台提供基础能力以后、完整产品尚未充分形成的市场。

平台的用户规模和技术投入，降低了创业公司的研发成本。团队可以将更多资源用于产品设计、用户增长和销售。但平台也可能增加相关功能，压缩第三方软件的经营空间。壹伴、微伴和Monica都面临过同类产品竞争，以及平台功能调整带来的压力。

2024年，Monica已经形成收入，肖弘团队仍然投入数月开发AI浏览器。投资人刘元回忆，他曾在武汉体验新产品，演示结束后，甚至没有察觉自己使用的已经是一款新浏览器。团队最终放弃了项目。

2025年3月，Manus发布。产品能够根据用户提出的任务，调用浏览器、代码执行环境和外部工具，完成资料搜集、数据处理和报告制作。

从Monica到Manus，团队利用的仍然是外部基础模型，但产品承担的工作明显增加。Monica主要帮助用户处理信息，Manus则尝试连续执行多个操作，并交付结果。

肖弘团队的创业经历说明，应用公司的机会往往出现在大型平台的技术能力与用户实际需求之间。 平台提供的能力越强，创业公司能够开发的产品越复杂，但同样需要面对平台直接进入应用市场的可能。

二、AI应用的商业拐点

2025年12月9日，美国风险投资机构Menlo Ventures发布《2025年企业生成式AI发展状况》报告。研究团队调查了约500名美国企业决策者，并结合市场模型估算，2025年企业生成式AI支出达到370亿美元，较2024年的115亿美元增长约2.2倍。其中，AI应用支出约190亿美元，占总支出的51%。

2023年，企业生成式AI支出只有约17亿美元。两年间，市场规模扩大了20倍以上。企业AI采购已经从早期试验，扩展到实际业务部署。

Menlo Ventures还发现，2025年AI原生创业公司获得约63%的AI应用市场收入份额，高于2024年的36%。传统企业软件市场长期由大型厂商掌握客户关系和销售渠道，AI应用市场则出现了一批新的供应商。

不过，企业采购AI产品的进度并不一致。

按照Menlo Ventures的分类，2025年，面向企业不同部门的AI应用获得73亿美元支出，其中编程工具占40亿美元。医疗、金融等垂直行业应用获得35亿美元支出。通用型AI应用市场达到84亿美元，主要由ChatGPT Enterprise、Claude for Work和Microsoft Copilot等产品构成。

编程工具率先形成较大的付费市场，与软件开发工作的特点有关。程序员长期使用代码编辑器和自动化测试工具，AI生成的代码可以通过编译、测试和人工审查进行验证。企业能够相对容易地衡量AI工具带来的效率变化。

智能体市场的发展则相对滞后。

Menlo Ventures估算，2025年通用型AI应用市场中，Copilot类助手获得约72亿美元支出，占比86%；Agent平台获得约7.5亿美元，占比约10%。企业已经愿意为AI辅助工作支付费用，但能够自主执行多步骤任务的通用智能体，尚未成为企业采购的主要类别。

两组数据揭示了AI应用市场的一个变化。企业已经投入大量资金购买能够帮助员工工作的软件，但直接承担工作任务的智能体，仍处于商业化早期。

过去，企业购买软件，主要根据账号数量、使用期限和功能范围付费。软件提高员工的工作效率，工作本身仍然由员工完成。智能体能够执行部分任务以后，企业还可以根据任务完成数量、节省的人工时间和交付质量评估产品价值。

以商业研究为例，研究人员需要查找企业公告、核查融资信息、整理数据，再制作报告。AI助手能够帮助阅读和总结材料，智能体则可以尝试完成资料搜集、表格整理和初稿制作。企业评估相关产品时，除了考虑软件费用，还会计算原本需要投入多少人工时间。

智能体可能改变软件公司的收入来源。 传统软件主要获得企业的信息化预算，能够稳定完成工作的智能体，则有机会获得企业原本用于执行相关任务的部分支出。

但工作预算能否转化为软件收入，取决于智能体的实际表现。企业需要计算购买服务的费用、人工复核成本和任务失败造成的损失。只有综合成本低于原有工作方式，持续采购才具有经济依据。

2025年10月，a16z与金融科技公司Mercury合作，分析后者超过20万家客户的支付数据，筛选出获得实际支出的50家AI原生应用公司。Manus位列第33位，榜单还包括OpenAI、Anthropic和Perplexity等公司。

相比网站访问量和下载量，企业支付记录能够更直接地反映产品商业化情况。但相关样本主要来自Mercury服务的初创企业，不能代表整个企业AI市场。

企业AI应用支出快速增长，通用智能体尚未充分商业化。Manus所处的市场，正处于从辅助员工工作向执行部分工作任务发展的时期。

三、资本押注什么

2025年12月17日，Manus公布了一组经营数据。公司年度经常性收入超过1亿美元，包含使用量收费等项目的整体年化收入运行规模超过1.25亿美元。产品发布九个月，累计处理超过147万亿个Token，创建超过8000万个虚拟计算机实例。

几个月前，资本市场对Manus的判断还主要建立在团队和产品前景上。2025年，Benchmark领投Manus约7500万美元融资。Manus曾披露，投资发生在产品正式发布之前。到了12月，公司已经形成上亿美元规模的年化收入。Meta宣布收购Manus，交易价值据报道超过20亿美元。

2026年，Manus的收入继续增长。据《The Information》报道，6月，Manus的年化收入运行规模达到约5亿美元。10月8日，Manus恢复独立经营后，获得超过5亿美元新融资。公司没有披露本轮融资估值，外界无法根据公开信息准确计算收入倍数。

资本连续投入Manus，反映出AI产业正在形成新的分工。大型科技公司投入资金研发基础模型，应用公司则利用模型能力开发产品、获取用户并提供服务。Manus没有自主训练前沿基础模型，却已经通过订阅和使用量收费形成收入。

但基础模型能力提高，对应用公司同时产生两种影响。模型能够完成的任务越来越复杂，应用公司可以开发功能更强的产品。与此同时，模型通过API向市场开放，竞争对手也能够购买相近的技术能力。

Manus能够调用的基础模型，其他智能体公司通常也能接入。底层技术的普及降低了应用开发门槛，也使单纯依靠模型能力建立产品差异变得困难。

资本为Manus支付的价格，因此包含对应用公司经营能力的判断。

用户提出招聘筛选、股票研究或报告制作需求，Manus需要将任务拆解为多个步骤，调用模型和工具，处理执行过程中出现的异常，再交付结果。产品需要持续改善任务完成率、交付时间和使用体验，才能获得用户付费。

更重要的是，模型成本与产品收入之间可能形成新的利润关系。

智能体每执行一次任务，都需要消耗模型Token、计算资源和运行时间。按照Manus披露的数据，产品发布九个月累计处理147万亿个Token，创建8000万个虚拟计算机实例。相关数字说明Manus需要持续采购计算资源，但公司没有公开相应成本，外界尚无法判断每项任务能够产生多少利润。

未来，基础模型的调用价格如果继续下降，智能体完成相同任务的成本可能降低。假设客户愿意为相同工作成果支付稳定价格，应用公司的利润空间便有机会扩大。

但技术成本下降也会降低竞争对手的经营成本，推动同类产品降价。模型进步创造的经济收益，最终能否留在Manus手中，取决于产品能否保持客户付费意愿。

大型科技公司的行动进一步增加了竞争的不确定性。OpenAI、Anthropic和Google持续开发具备工具调用和任务执行能力的产品。基础模型公司既向独立开发者提供技术服务，也能够直接向终端用户销售智能体。

对于Manus而言，上游供应商同时也是潜在竞争者。公司需要通过任务执行质量、工作流程和客户关系，建立能够持续获得收入的经营能力。

Manus目前披露的主要是收入增长和计算资源使用规模。客户续费率、平均任务执行成本和整体毛利率等指标尚未完整公开。年化收入运行规模也不等于已经实现的全年营业收入，公司未来的盈利能力仍需要更多经营数据验证。

AI应用市场的规模正在扩大，但市场增长创造的利润，未必会按照技术投入的多少进行分配。 基础模型公司拥有研发能力和计算资源，应用公司则尝试掌握客户需求和工作流程。随着智能体承担更多任务，双方都可能获得新的收入。

Manus的高额融资，包含对公司收入增长的认可，也包含资本对智能体未来市场的预期。基础模型能力继续提高以后，独立应用公司能否保留足够的利润，将成为检验Manus长期商业价值的重要问题。