Manus 发布内部实践长文：人均 AI 开销超万美元，探索 Agent 协作新范式

事件概述

2026 年 10 月 26 日，Manus 联合创始人、产品合伙人张涛（HideCloud）在公众号发布长文，详细阐述了 Manus 团队如何利用自家 AI 产品（Manus）及 OpenAI Codex 等工具重塑内部研发与协作流程。此举被视为 Manus 进入 2.0 时代的一份宣言，揭示了其产品在组织效率提升、成本控制及团队协作方面的核心逻辑。

核心信息

1. 内部实践作为产品样板间

Manus 采取“吃自己的狗粮”策略，将公司内部的高效工作流直接映射为产品功能：

• 统一代码入口：内部开发了 Manus-mono 系统，配合 AI 说明书，使 AI 能跨仓库查看全局代码。移动端仅 7 人团队即可同步负责 2 个产品及 4 个 App 的开发。
• 产品经理全能化：约半数产品经理能独立将需求转化为上线代码。部分需求文档已升级为视频形式，利用 Manus 2.0 增强的视频生成能力进行演示和开发。
• 数字同事机制：市场团队引入具备自主安排工作、跨团队沟通能力的“数字同事”，对应 Manus 2.0 中可 7×24 小时常驻的云电脑及 Automations 自动化任务触发功能。

2. 从单人 Agent 到团队 Session 协作

Manus 认为通用 Agent 的下一阶段机会在于组织协作，主要体现为三个方向：

• Session 成为协作对象：不同角色（设计师、工程师、产品经理）在同一 Session 中推进任务，而非孤立使用个人 Agent。
• 跨设备与跨人协作：支持多端同步及团队成员间的无缝衔接。
• 接入企业知识库：Agent 能主动发现并解决人类未预设的问题。
• 案例：内部 Slack 机器人能自动判断消息优先级，拆分任务至不同 Session 并行处理，并在项目进度模糊时主动提醒，模拟了认真听会的同事角色。

3. 高昂 AI 开销背后的逻辑

9 月份，Manus 团队人均 AI 月开销超过 1 万美元，部分员工单月花费达七八万美元。针对外界质疑，张涛提出三点理由：

• 购买注意力与时间：降低大规模团队的沟通成本，提升个人对工作的掌控力。
• 探索能力边界：使用顶级模型是了解 AI 极限的核心方法，例如代码审核机器人显著降低了线上故障率。
• 数据反哺产品：内部消耗的 Token 转化为优化自家产品 Manus Studio 的数据，帮助识别 Token 浪费点，从而降低未来成本。张涛预测，当前每月 1 万美元的工作方式，两年后可能仅需数百美元。

4. 组织变革与人才筛选

• 角色转变：工作模式从 Human in the loop（人在回路中补位）转向 Human on the loop（人在回路上监督与决策）。工程师转变为指挥 AI 的角色，产品经理需具备独立上线能力，设计师也开始编写代码。
• 招聘信号：文章同时透露 Manus 在北京开放 17 个岗位，CEO 肖弘称单日收到上千份简历。这种透明化的工作方式描述本身即是一种人才筛选机制，吸引适应高节奏、强自主性文化的候选人。

值得关注

• 成本与创新的悖论：Manus 的模式被评论为“依附式创新”，即在依赖顶级基础模型的同时构建应用层 Agent。高昂的成本既是负担，也是其比用户更早解决 Agent 成本问题的先发优势。
• 质量与责任的挑战：尽管有同事反馈半年无线上故障，但一人应对二十多个需求的模式下，如何保证交付质量及责任落地仍是待解之谜。
• 未来展望：Manus 目前仅在内部使用的部分高级协作功能，何时以何种形态推向外部用户，将是检验其组织效率能否转化为商业价值的关键。