从 Manus 的多智能体架构到应用层「Wrapper」之争：YC Decoded 深度解析新一代 AI Agent 的工作原理、真实能力与创业者如何在 AI 应用层构建可持续的护城河
AI 领域的成功并不取决于是否重新发明轮子，而在于谁能把现有模型拼装成用户真正喜爱的产品。Manus 以多智能体协作架构在 GAIA 基准测试中逼近人类水平，揭示了 AI Agent 应用层的巨大潜力。
本期 YC Decoded 聚焦近期引爆全球关注的 AI Agent 平台 Manus。视频从技术架构到实际表现，全面拆解这款被称为「中国下一个 DeepSeek 时刻」的多智能体 AI 系统，并深入探讨 AI 应用层创业公司面临的「Wrapper」争议 -- 在基础模型之上构建产品，究竟是取巧还是真正的创新？
Manus 不依赖单一大型神经网络，而是像一位高管带领专家团队：Planner Agent 制定总计划，Sub-Agent 各司其职（知识、记忆、执行），Executor Agent 汇总输出。这种架构让它能调用 29 种工具，从网页自动化到安全代码执行一应俱全。
在涵盖推理、多模态处理、网页浏览和工具使用的 GAIA 基准测试中，Manus 以 86.5% 的得分大幅超越 OpenAI Deep Research 的 74%，距离人类平均水平 92% 仅差几个百分点，展现了多智能体系统的巨大潜力。
Cursor、Windsurf、Harvey 等成功产品都可以被称为「Wrapper」。真正区分优劣的是：直觉化的 UI 设计、专有的评测体系、精细的模型微调，以及深思熟虑的多智能体架构。Manus 联合创始人直言：他们从第一天起就选择与模型开发正交发展。
Wrapper 类产品能快速迭代部署、提供专业 UX、降低前期成本，但也面临 API 定价变动和平台策略调整的风险。创始人需要投资难以复制的专有评测、将工作流深度嵌入用户习惯、或锁定竞争对手难以获取的数据集和平台集成。