AI 在开始时更像边际成本很高的原子生意,然后(也许会)逐步转变成为边际成本更低或者接近于零的比特生意。和这个匹配的做法是
1.制造超贵但是拓展人类能力边界的 AI 产品。
2.用 1 挣到的钱造价格实惠的 AI 产品。
3.再用 2 挣到的钱造价格更实惠的 AI 产品。
现在在阶段 1,也才刚刚开始。下一个发布,再来 100x Token 消耗量。
Wide Research 是我们在 Agent-Agent 协作方面的最新探索。基于我们的大规模虚拟化基础设施,Manus 现在可以自主调度一支由同质 Manus Agent 组成的团队并行工作,并汇总结果。
在构建 AI Agent 的过程中,我们一直受到经典系统研究的启发。Wide Research 直接受到了 20 多年前由 @JeffDean 和 Sanjay Ghemawat 提出的 MapReduce 范式的启发。作为大规模分布式系统的先驱,谷歌遇到了其他人尚未面临的挑战,并慷慨地与世界分享了他们的解决方案。
如今,随着 Manus 推动 AI Agent 的边界,我们正遇到一类只有在大规模时才会出现的新问题。我们将继续分享在此过程中学到的经验。
通信人家园 (https://www.txrjy.com/) | Powered by C114 |