从技术神话到应用落地：DeepSeek、Manus 揭示的 AI 价值转化密码

Manus 这款通用型的 AI Agent 在过去一周多的时间里，不仅彻底点燃了国内 AI 行业，也在海外引起了广泛讨论。

开发者社区沸腾了，纷纷以开源的方式复现 Manus，大家兴奋地讨论着「通用」二字的可能性——智能客服、自动编程、生产调度……以前的 AI，跟它说句话，它顶多给您答个话，而现在，AI Agent 能帮您把事儿给办了。

Manus 的火爆完全超出了其团队对市场的预估。Manus AI 团队产品负责人张涛近日在朋友圈发文表示，这本是一个产品探索过程中的阶段性收获分享，不曾想过会引起巨**澜。

在过去短短两个月的时间里，AI 产业的游戏规则已经发生翻天覆地的变化。

先是国产大模型 DeepSeek 用开源之力敲响技术变革的钟声，颠覆大模型竞争格局；接着，Manus 这个 AI Agent 项目横空出世，一夜爆火，点燃了全行业探索 AI 落地的热情。

Manus 加速了 AI 落地热潮｜图片来源：business insider

Manus 现象背后蕴含了一种强烈情绪：大家对过去的大模型「比拼参数、热衷打榜」的叙事已经感到疲惫。人们无比期待实打实的 AI 落地。

德勤 AI 研究院称，AI Agent 将改变基础业务模式，实现新的工作、运营和价值交付方式。如果说过去 AI 是大模型打榜、拼参数的技术展示游戏，如今则是 AI 应用场景的落地争夺战。

风向变了，规则也变了。

新的共识在形成：从企业对大模型的选择，到 AI 落地的具体过程，逻辑都已经改变，AI 产业正处在关键拐点。

重新理解企业 AI 护城河

这一波 AI 产业游戏规则的剧变，绕不开 DeepSeek。

过去，大模型是「赢家通吃」的剧本，微软靠着绑定 OpenAI、谷歌依靠 Gemini 快速吸引了一大批企业用户，其云服务的增长速度都超出预期。捆绑大模型来销售云服务是其过去两年的增长法宝。

然而，DeepSeek 的横空出世打碎了这一切。

DeepSeek R1 的开源，将最一流的大模型水平和最低的成本，普惠给业界。在上线后不久，在最大的开发者社区 HuggingFace 里，DeepSeek 的受欢迎程度（点赞量）就成为全球第一，创造了行业最快登顶的记录。

过去，OpenAI、Gemini 在行业里实现了绝对的技术领先，微软 CEO 此前表示，OpenAI 的先发优势可以让其保持两年的领先，没有对手。但是打脸来的很快，不仅被 DeepSeek 以低几十倍的成本追上，Anthropic 的 Claude 也迅速完成追赶，尤其在代码方面实现了全球最佳。

于是，大量开发者从其他模型转向 DeepSeek、Claude；OpenAI 的 CEO 甚至开始反思，选择闭源可能是个错误的决定。

在 2 月份时，相信大家都有印象，从英伟达、AMD，到几乎所有的云计算公司，再到微信、Perplexity 等软件应用，以及华为、联想电脑这样的硬件终端，几乎每天就会看到某家公司宣布接入 DeepSeek。

可以说，DeepSeek 彻底瓦解了云厂商依靠「捆绑」打造的大模型护城河。

另外，最新的 Qwen、Claude 等模型在技术方面的快速进展，也推动了另一个共识：依靠某个大模型的技术作为企业 AI 的护城河，优势是极其短暂的。

DeepSeek R1 的开源开启了 AI 产业的新拐点｜图片来源：视觉中国

曾经，微软云增速一度超 35%，谷歌云紧随其后，AWS 只有 20%，市场份额从 40% 滑向 30%，眼看要丢掉老大位置。

而如今，大模型不再是稀缺货，捆绑模式成了老黄历。重要的是，谁能最先拥抱客户最需要的大模型。AWS 借此夺回了主动权。

3 月 11 日，AWS 宣布 DeepSeek-R1 现已作为完全托管的无服务器大语言模型（LLM）在 Amazon Bedrock 上正式可用。

图片来源：亚马逊云科技微信公众号

此次的发布进一步扩展了客户在 Amazon Bedrock 上使用 DeepSeek-R1 及其蒸馏版本（即经过训练、类似于 DeepSeek-R1 的小型模型）的方式。

AWS 也是成为首个将该模型作为完全托管服务推出的云服务提供商，以更高的效率满足了企业对 AI 的诉求。再早些，Amazon Bedrock 也第一时间上线了最新版的 Claude 3.7。

在模型选型方面，AWS Bedrock 是一个亮点。Bedrock 平台集成了 Claude、Llama、DeepSeek 等 100 多种模型，企业随便挑随便调，还能微调优化。AWS 还祭出 Trainium 芯片，性价比比英伟达 H100 高 30%-40%。

在新一轮的 AI 竞赛中，灵活、开放、自由是如今建立 AI 护城河的基础。

而随着大模型普惠化、智能差距拉平，顶尖模型不再是最重要卖点，落地应用成了新战场。

竞逐 AI 落地应用的关键

还有两个小工具最近也火了，一个叫 Browser Use，一个叫 MCP。

因为 Manus 在外网社交平台上的一篇帖子，这帖子获得了超过 240 万的浏览量和数百次转发，直接把 Browser Use 的日下载量从 3 月 3 日的约 5000 次飙升至 3 月 10 日的 28000 次。

Browser Use 是 Manus 执行各种任务的关键组件之一，比如点击网站菜单和填写表单。

MCP（Model Context Protocol）协议是由 Anthropic 提出来的，这协议旨在提供一个开放标准，用于连接大型语言模型（LLMs）与外部数据源和工具，简化 AI 应用的集成与开发。

早在去年 10 月，Anthropic 就基于 Claude 模型，推出了扩展功能 Computer Use，用户能够像指挥人类一样指导 Claude 操作电脑，包括移动光标、点击按钮和输入文本。而在执行器方面，Manus 采用了在编程、以及长程规划和逐步解决问题的能力暂时领先的 Claude。

相比之下，在没有 MCP 之前，AI 助手要想与外部工具互动，必须通过编写代码并调用 API，这意味着每一种具体的连接都需要提前手动编程，效率低下且耗时费力。

这说明在 AI 落地应用的开发中，各种工具是相当重要。

另外，光有工具还不够，数据才是 AI 落地的「命根子」。没有数据战略的 AI 是无源之水，没有 AI 赋能的数据是无舵之舟。

IDC 发布预测称，到 2026 年将有 50% 的中国 500 强数据团队使用 AI Agent 来实现数据准备和分析，并成为重要组织者和协调者；40% 的中国 500 强企业将实现数据智能与 AI 模型智能的结合，以统一 AI 模型和数据的综合治理政策、实践和技术。

不过，企业的业务流程和需求各不相同，如何将 AI Agent 与企业的现有系统和业务流程进行无缝集成，是一个关键问题。

因此，在 AI 落地方面，云服务商的生态服务对于企业来说变得至关重要。以 AWS 为例，其生态完善，技术支持流程成熟，使得其「产品力」在过去一直是业界标杆。

图片来源：亚马逊云科技微信公众号

比如，AWS 构建的 SageMaker 可以让开发人员更轻松地大规模部署模型。Bedrock 和 SageMaker，前者帮你挑模型，后者让你开发应用，存储、计算、分析、连接数据。AWS 在生态服务的布局值得行业学习。

正如 AWS CEO 所言，企业们开始从推出一百个概念验证转向真正想要投入生产。「他们必须能够利用他们的数据。他们想要定制模型。他们想使用一堆不同的模型。他们想要有信息护栏。他们需要与自己的企业数据源集成。」

通过 Amazon Bedrock、SageMaker 等工具链，AWS 正在帮助全球企业打通「数据→AI→商业价值」的闭环。

在新的 AI 浪潮里，只有那些能将技术、场景紧密融合的企业，才能在噪声中找到真正的信号和方向。

小结

如今，AI 已不再局限于「榜单」中的技术展示，而是急需深入到各行各业的实际应用中，成为推动商业变革的核心动力。

在 AI 落地的过程中，工具和数据的重要性愈发凸显。同时，数据作为 AI 发展的「燃料」，其融合和管理成为了企业 AI 战略的核心。

IDC 的预测为我们描绘了一个清晰的蓝图：到 2026 年，AI Agent 将在数据准备和分析中扮演关键角色，推动企业实现数据智能与 AI 模型智能的深度结合。

AI 产业的未来充满机遇与挑战。Manus 和 DeepSeek 的成功只是序幕，真正的竞争在于谁能最快、最有效地将 AI 技术转化为商业价值。

对于企业而言，这不仅是一场技术的竞赛，更是一场关于战略、创新和执行力的全面较量。