編譯｜宇琪

策劃 | Tina

2025 年春天，Manus 靠一段「AI 代替人類幹活」的視頻爆火，邀請碼被炒到 1.4 萬美元；同年底，Meta 拋出 20 億美元的收購橄欖枝，神話達到頂峯。然而，隨着 1 月合規評估啓動、3 月團隊陷入風波、4 月交易正式被叫停，這場曾引發廣泛關注的收購案，在數月後迴歸理性。

這數月裏，創始人並沒有因此沉默。他們依然活躍在各大論壇，繼續宣講 Agent 時代的成功哲學。這就引出一個值得聊的話題：在硬科技創業這條賽道上，如果一個項目最終因為合規與戰略問題沒能走完最後一公里，創始人反覆強調的「成功學」，到底還有多少參考價值？

Stripe 昨天發了一個視頻。令人驚訝的是，即便交易已經失敗，Manus 創始人依然在大談特談成功學。你會發現一個很有意思的現象——他花了很長時間拆解 Manus 做對了什麼：給 AI 配上「手」、做異步工作流、把透明變成產品功能、讓工程師混坐在一起催生創新。每一條聽起來都像是教科書式的正確決策。但整場對話裏，他唯獨沒有提及那筆 20 億美元的收購。

在中國，發展人工智能是國家鼓勵的方向，同時也需要兼顧安全合規。如果一套「成功學」主要圍繞產品、團隊和用戶增長展開，而對底線等問題涉及較少，那麼它究竟是值得借鑑的經驗，還是存在一些值得反思的侷限？這背後的原因，或許值得每一位創業者認真思考。基於該視頻，InfoQ 對內容進行了整理與部分刪改。

Manus 的爆紅

主持人： 帶大家回到全世界第一次知道 Manus 的時候，那是 2025 年 3 月，AI chatbot 已經流行了兩三年，但基本也就停留在「聊天」這件事上。突然有一段視頻開始在網上瘋傳，沒有炫酷舞台，沒有硅谷式 keynote，只是一段非常原始的螢幕錄製，展示你們的產品 Manus。你給大家講講，那段視頻到底展示了什麼？

張濤： 我記得離發布只剩 7 天的時候，我看着我們的網站，覺得實在太簡單了。我就在想，也許我們應該做個 launch video。於是我聯繫了一些視頻製作公司，但他們都說至少要兩三周才能做好。我告訴他們，我們只剩 6 天了。他們直接說：「不可能。」

所以最後我們決定自己來。我用自己的相機拍攝，我們的首席科學家 Peak Ji（季逸超）出鏡介紹產品，我再剪輯。我們根本不是什麼專業團隊，整個視頻裏，Peak 真正面對鏡頭講產品的部分其實只有一分鐘。剩下的大部分內容，是他現場 demo 了三個真實使用案例。我覺得這可能就是我們一開始能爆火的核心原因：我們只是單純地「展示工作本身」，展示 AI 產品除了 chatbot 之外，還能是什麼樣子。

主持人： 那個視頻最震撼的地方在於，它讓大家第一次看到：用 Manus，你不只是「聊天」，而是真的可以執行任務。它會自己寫 Python 代碼、自己打開瀏覽器。然後它徹底爆了，我記得你們 private preview 光等候名單就有 200 萬人。

張濤： 對，第一周 waitlist 就到了 200 萬，一個月之後變成了 350 萬，真的有非常多人在排隊。

主持人： 我還看到有人說，當時網上的邀請碼甚至被炒到 1.4 萬美元。

張濤： 對。當時只要哪個網紅拿到了 Manus 的邀請碼，他獲得的流量價值，遠遠超過邀請碼本身的價格。不過很遺憾，從這之中我們一分錢都沒賺到。

主持人：你覺得那個視頻裏，到底是什麼東西戳中了大家？當時人們真正的 「aha moment」 是什麼？

張濤： 在 Manus 出現之前，大家其實一直把 AI 當成一個「回答機器」。我問你一個問題，你給我一個答案。它本質上還是在告訴你「應該怎麼做」，但最後真正動手的人還是你自己。

可在我們的 launch video 裏，我們一直強調的是最終交付的結果，比如直接交付給你一個網站，或者能運行的代碼。還有 AI 做事的整個過程中，完全不需要人類干預。你只需要告訴 Manus 你想要什麼，剩下的事情，比如怎麼規劃、怎麼一步一步執行，它都會自己搞定。整個過程都是自動化的。我覺得這對當時整個世界來說，真的是一種全新的體驗。

主持人： 我記得我當時第一次有一種感覺：原來 AI 真的可以幫我節省時間，真的可以替我完成工作。以前 AI 更像是一個陪你思考的夥伴，但 Manus 給人的感覺完全不同，那種體驗真的很魔幻。

你們發布前一晚，有意識到這東西會這麼成功嗎？你們當時會不會覺得：「我們真的做出了一個特別的東西」？

張濤： 當時我們團隊非常小，整個公司只有 40 個人。我們一直覺得這是個很好的產品，因為在開發過程中，我們自己每天都在被 Manus 驚到，辦公室裏每天都是這種氛圍：「這也太強了吧。」「Manus 連這個都能搞定？」所以我們知道它大概率會成功，但我覺得沒有任何人預料到，它最後會成功到現在這個級別。

重新定義 Agent 產品

主持人：從 Manus 一開始出現的時候，我就覺得你們幾乎是在重新定義 Agentic AI 產品到底該長什麼樣。逐個聊聊你們的一些產品設計，以及背後的思考。先說 Virtual Sandbox（虛擬沙盒），那到底是什麼？

張濤： 我們內部其實叫它 virtual machine。它非常重要，基本算是整個 Manus 系統的基礎設施。因為我們一直覺得，過去很多 AI 之所以「不好用」，本質上是因為它們只有「大腦」。

其實可以順便講一下，為什麼我們會把產品命名為 Manus。這個詞來自 MIT 的校訓：Mens et Manus。這是個拉丁語，意思是 「mind and hand」。我們認為，LLM 就是 「mind」，它們是超級聰明的大腦。但人類之所以能真正改變物理世界，不只是因為我們會思考，還因為我們有「手」。所以我們覺得，必須有人為這些聰明的大腦造出「手」，它們才能真正操作工具，真正對現實世界產生影響。

過去很多 AI 產品的問題就在於：它們只有腦子。它們一直在「想」，不停地在腦子裏推理。但 Manus 不一樣，我們直接給 AI 提供了一台電腦。AI 一旦想到：「也許我該做點什麼」「也許我應該運行代碼驗證一下我的假設」，它就真的可以自己去做。它能自己瀏覽網頁、運行代碼、在文件系統裏保存文件，甚至 30 分鐘之後再把那個文件重新調出來繼續工作。這個 virtual machine 基本改變了一切，因為它把電腦本身這個最強大的工具真正交給了 AI。

主持人：你們等於是在給 AI 配工具，讓它真正去「工作」。還有一個我覺得特別有意思的產品決策，是你們允許用戶實時看到整個過程：打開瀏覽器、寫代碼等等。這個設計背後是怎麼想的？

張濤： 其實這是我們項目啓動之後，第一個特別重要的決定。因為我們意識到，agent 對大衆來說太新了，大家根本不熟悉這種產品。所以我們覺得，在這個階段讓用戶看到每一步到底發生了什麼非常重要。你必須讓用戶理解後台正在做什麼，他們纔會信任這個產品，所以我們把「透明」本身做成了產品功能。

主持人：再聊聊 Async workflow 吧。因為你們先通過透明建立了信任，接着用戶就可以放心離開，不需要一直盯着它。這個想法是怎麼來的？

張濤： 我們創始團隊基本全是工程師。雖然我是做產品的，但我已經寫了 30 多年代碼。我們所有人都會 coding，而且全都是 Cursor 的重度用戶。但 Cursor 有個問題：你必須一直開着電腦。因為它是本地運行的，所以你得盯着它。尤其早期那幾個月，它經常需要人類不停點擊 accept。我們當時就在想：為什麼 Cursor 總要我點 accept？後來發現，本質上是因為它運行在我的本地電腦上。它需要我的權限去執行命令，否則真有可能把整台電腦搞壞。

但 Manus 不一樣。Manus 的電腦在雲裏，不在你的本機，所以 agent 可以非常安全地自己執行所有步驟。我們不需要用戶不停點 accept 按鈕，而是讓 agent 自己在雲端完成全部工作。然後這又帶來了另一個優勢：Async。因為一切都運行在雲端，所以你把任務交給 Manus 之後，就可以直接離開。你可以關掉電腦，把手機放回口袋，去做自己的事情。等十分鐘、二十分鐘之後，任務完成了，我們再給你發通知，你只需要回來查看結果就行。

主持人：你自己平時會怎麼用 Manus？

張濤： 幾乎什麼都用。對我來說，我每天都在用 Manus 做 prototyping。只要我腦子裏冒出一個新想法，我不會再先找設計師畫東西了。我會直接把腦子裏的所有想法一股腦告訴 Manus，然後讓它給我生成第一個 prototype。而且這個 prototype 不是 Figma 那種靜態原型，它是真正能運行的完整 prototype，有前端和後端，甚至裏面還帶 AI 能力。你真的可以直接玩、直接試、直接改。等 prototype 做完，我再把它交給設計師和工程師。他們會瞬間明白我要什麼，因為他們看到的已經不是文檔，而是真實的產品。

主持人：你們理想中的 Manus 用戶是誰？

張濤： 我們內部會把他們叫作 「long tactical users」。

項目剛開始的時候，其實市場上已經有 Cursor、Windsurf、Devin 這些面向工程師的 fancy tools 了。所以我們當時決定：不再做另一個給工程師的工具，工程師已經擁有足夠多了。

但普通用戶，其實一直被忽視。他們沒有這些 fancy tools，沒有 Claude Code，沒有 Codex。所以 Manus 的核心目標一直是：為所有人打造。我們理想中的用戶，是那些想借助 AI 完成更多事情、但技術背景沒那麼強的人。

主持人： 我很喜歡這個方向，因為這種普通用戶其實比工程師多太多了。

張濤： 對，數量大太多了，市場也大得多。

主持人：你已經寫了 30 年代碼，你覺得做 AI 產品和傳統軟件開發真的不一樣嗎？還是說本質上「軟件終究還是軟件」？

張濤： 我覺得完全不一樣。我在這個行業已經超過 15 年了，以前做產品的方式，大概都是這樣：我有一個 idea，先在 Figma 裏做 prototype，然後跟設計師聊、跟工程師聊，大家開始做設計、做工程方案、寫代碼、測試、上線、收反饋，再不斷迭代。

但現在整個流程徹底變了。因為過去產品經理和設計師的工作產出，本質上是 PRD 和設計稿，核心是「interface」。但在 AI 世界裏，interface 已經逐漸不存在了。大多數 AI 產品，本質上都是 conversation。conversation 或者說 prompt 本身，就是新的 interface。

我知道現在很多公司，prompt 還是工程師或者研究員在寫。但我覺得更合理的方式，其實應該是產品經理自己寫 prompt。因為你寫 prompt 的方式，本質上就像十年前你設計 interface 的方式一樣。

主持人： 它其實就是新的 PRD。

張濤： 現在我們內部做產品的流程是：只要有新 idea，我們先直接用 Manus 自己把它 prototype 出來。等我們確認這個功能真的奏效、體驗感覺對了之後，再去找工程師。然後工程師會評估，怎麼把這個 prototype 真正放進生產環境。等工程師確認「這個東西可以正式上線」之後，最後一步才輪到設計師。

整個產品開發流程其實完全反過來了：我們會先擁有最終體驗，然後再讓它變得工程化，最後纔是設計師收尾。

全球化團隊結構

主持人： 在 Stripe，我們很喜歡引用 Pablo Picasso 的一句話，大意是：「當藝術評論家聚在一起時，他們會討論形式、功能和意義；但當藝術家聚在一起時，他們討論的是去哪兒買最便宜的松節油。」

張濤： 我特別喜歡這句話，還把這句話寫進了自己的個人簡介裏。

主持人： 我很喜歡做這種採訪的原因之一，就是因為像你們這樣的 builder、這些公司的 co-founder，本質上真的很像藝術家。

我現在想聊點更具體的戰術層面：你們到底是怎麼把 Manus 做出來、怎麼把公司做成全球化的，你們總部在新加坡，現在東京和舊金山也都有團隊。我第一個問題是：你什麼時候睡覺？

張濤： 我是那個全世界到處演講的人，去年可能有 400 個小時都在飛機上。所以我基本屬於「能睡的時候就睡」：飛機上睡、車裏睡，反正抓緊一切時間。對大部分團隊成員來說，尤其核心工程團隊，基本都要到凌晨一點、兩點之後才睡。不過他們也會起得很晚，所以我們辦公室通常是 11 點以後纔開始「活」起來。

主持人：你剛纔說 Manus 現在大概有 100 人。大多數公司一般要規模大很多之後，纔會開始搭全球團隊。為什麼你們這麼早就決定在不同國家開辦公室？

張濤： 因為 Manus 發布之後，在全球範圍內爆紅了。我們在很多國家都有大量 Manus 的用戶和粉絲，所以我們覺得，「人在現場」非常重要。我們不想只是一個存在於雲裏的公司，我們希望真正面對面交流。所以 Manus 發布大概 15 天之後，我就來了美國。而且是從西海岸一路跑到東海岸，在 6 個城市辦了 15 場以上用戶 meetup。

Manus 是一個通用型 AI agent，它能做很多事情。但問題是說實話，就連我們自己一開始都不知道用戶到底在拿它幹什麼。所以我們覺得，真正認識用戶、和他們面對面交流，非常重要，這也是我們最初決定開海外辦公室的原因。後來我們又發現，每個地方的文化、商業習慣都完全不同，只有真正落地當地，你才更容易理解那個市場。

主持人：你們在搭建這些辦公室的時候，非常堅持讓產品、工程、研究人員坐在一起？

張濤： 是的。在之前那個辦公室裏，我、Peak，還有 Bin（我們的 full stack guy）是坐在一起的。他是真正意義上的 full stack，他什麼都幹，我們 logo 都是他設計的。

我們每天都坐在一起，會有很多很隨意的 small talks。比如有人突然說：「我看到一個特別有意思的東西，我們能不能試一下？」因為大家坐在一起，所以嘗試新 idea 的成本特別低。

我知道很多團隊會嚴格拆分：這是產品團隊，這是工程團隊。但我們一直堅持混坐，直到現在，我、Bin 和 Peak 還是坐在一起，每天都有很多 small talks。而我們相信，過去一年裏很多真正重要的創新，其實都來自這些隨口發生的 small talks。

主持人：你提到你們工程團隊的組織方式，和大多數公司完全不一樣。大多數工程團隊都是按產品模塊、甚至按用戶使用過程來劃分的。你們是怎麼決定「誰負責什麼」的？

張濤： 我們的 CTO Pan Pan（潘傳盛），對工程團隊管理有一套自己的哲學。現在我們大概有四五十個工程師，他們其實屬於同一個大團隊。每當有新項目時，Pan Pan 會指定幾個人去做這個項目。但項目做完之後，他們會重新回到「大池子」裏。沒有人會永久綁定某個功能或某個項目，我們覺得這樣特別重要，因為整個組織會靈活很多。

主持人：那項目結束之後，代碼和產品後續誰維護？

張濤： 我覺得我們現在這種工程組織方式，其實也是 AI 能力帶來的結果。因為以前總需要同一個工程師長期負責同一個項目，本質上是因為「上下文」，讀別人寫的代碼真的很難。但現在有 AI 之後，這件事突然變簡單了。

如果我們讓一個工程師接手已有項目，他只需要讓 AI 幫他讀完整個 codebase，再解釋整個項目是怎麼工作的。可能 10 分鐘，他就能理解一個非常複雜的系統。但在以前，這可能得花好幾天。

主持人：我自己也在管理全球團隊。我發現，除了上下文同步之外，最難的其實是如何建立統一的文化。你怎麼確保在東京、新加坡、舊金山的辦公室，大家走進去時感受到的是同一種公司文化？你有什麼經驗？

張濤： 核心永遠是：你怎麼領導團隊。管理並不只是「管理」本身。本質上，管理是在不斷做決策。團隊成員會通過你的每一個決策，理解公司到底怎麼看事情、公司在不同 trade-off 之間會怎麼選擇。所以我每次做決策時，都會把背後的原因講清楚。為什麼這麼決定？我當時的思考是什麼？把這些告訴員工，其實非常重要。

第二件事，是整個公司的 messaging 必須一致。無論在哪個國家，我們做 marketing 的方式、對用戶傳達的信息，都必須統一。所以每周例會里，我們都會一起 review：「我們線下活動是怎麼做的？」「我們應該向用戶傳遞什麼信息？」真正對齊的，其實是 message 層面的東西。

主持人： 很多文化其實都是自上而下形成的，領導層在展示什麼、怎麼做事、怎麼表達，團隊最後都會學過去。

張濤： 對，因為每個人都會模仿。

8 個月做到 1 億 ARR

主持人：你們是怎麼做到 8 個月 ARR 就突破 1 億美元的？

張濤： 我知道很多人都特別好奇這個問題，其實我們自己也很好奇。因為在去年 11 月之前，最初那 8 個月，我們在市場營銷方面真的一分錢都沒花，完全是零預算，絕大多數流量都是自然長出來的。

大概去年 6 月的時候，我們突然發現 Manus 登上了埃及 App Store 第一名，但我們根本不知道為什麼。後來我們自己還用 Manus 做了調查，才發現是 Facebook 上一個完全隨機的人，用阿拉伯語發了一篇關於 Manus 的帖子，結果 Manus 就突然在埃及爆了。在那篇帖子出現之前，我們甚至都不知道這件事。

巴西也是，我們在巴西有非常大的用戶群。最初的傳播源頭，是兩個 YouTube 網紅。他們做了兩條關於 Manus 的視頻，然後我們就在當地徹底火了。而在那之前，我們甚至根本不認識這兩個人。

所以對我們來說，很多 viral wave 本質上都來自口口相傳。因為就像你剛纔說的，當你第一次看到 Manus 的視頻時，你會覺得：「這東西不一樣。」大家會真的被震撼到，然後他們就會主動發帖子、做視頻、分享給朋友。所以最初那 8 個月，我們幾乎完全靠產品自己傳播。

主持人：所以你們的增長策略，本質上就是：做一個強到離譜的產品？

張濤： 我知道很多公司會把 growth 當成一個獨立部門，但我們一直覺得，最好的增長，就是產品本身會銷售自己。當然，去年年底我們管理層也認真覆盤過。後來發現，其實有幾個關鍵產品決策，確實讓我們變得更容易火。其中一個特別重要的功能，是上線前大概 20 天時，我們臨時決定做的 Session Replay：每個任務完成後，只要你分享給朋友，對方就能以 replay 模式觀看整個 session。

我們覺得它非常重要。因為如果你分享給朋友的只有最後結果，那別人只會覺得：「哦，又一個 AI 產品，沒什麼特別的。」但如果對方能看到完整過程，看到 AI 在操作瀏覽器、寫代碼，那種感覺就會變成：「等等，這到底是什麼東西？」我覺得這個功能對我們的增長非常關鍵。

主持人：你們「先 build，後註冊」的功能我也很喜歡，而且你們是基於 Stripe Sandboxes 做的，它對增長有幫助嗎？

張濤： 有，非常有幫助。尤其是對 Manus 1.5 的增長。因為在 Manus 1.5 之前，我們其實只能生成靜態網頁。但到了 Manus 1.5，我們已經能生成真正完整的網站了。

之後很多用戶開始問：能不能直接把 Stripe 集成進去？這樣他們就能直接在 Manus 生成的網站上做真實生意。

但你也知道，Stripe 的開發者體驗已經算行業最強了。可問題在於，我們的目標用戶其實是非技術用戶。對他們來說，接 Stripe 依然很難，token、各種配置，對普通人都太複雜了。

所以我們覺得，Stripe Sandbox 極大簡化了整個流程。即使完全沒有技術背景的人，也能直接做出一個真正可運行的 business，比如電商網站。等網站完成後，再把 Stripe Sandbox 切換到真實環境就行。

主持人：你們是怎麼衡量成功的？畢竟你們幾乎沒有現成 benchmark 可以參考。

張濤： 主要看兩個指標。第一個是「AI 本身的指標」。這聽起來有點傳統，但在 AI 時代其實反而更重要，因為現在 AI 仍然非常貴，你沒辦法做一個完全免費的產品。早期大家一直說的是：「不要太在意收入，先把用戶拉進來。」等你有了幾百萬 DAU，再想辦法變現。

但現在情況變了，現在你必須在產品第一版就讓用戶付費，因為 AI 成本真的很高。而且收費這件事，不只是為了 revenue，本質上是在驗證 PMF（產品與市場匹配度）。如果有人願意付錢，就說明他們真的感受到了價值。所以我們非常關注「AI 相關指標」，不僅是收入，更是產品是否真的成立。

第二個指標，是用戶評分。每一個 task 完成之後，我們都會讓用戶打 1 到 5 星，這個反饋非常重要。因為你可以從不同維度去看：不同功能、不同國家、不同價格層級。它能非常清晰地告訴你產品質量和體驗表現。

主持人：你們是怎麼思考定價的？

張濤： 說實話，我們也沒有標準答案，我們是一路互相學習的。如果你觀察今天前沿的 AI 應用，你會發現一個很有意思的現象：從一年尺度來看，大家的定價策略一直在變。有時候我們在向別人學習，6 個月之後你會發現，他們也在學我們。整個行業其實是互相對照、互相調整的狀態，所以我們沒有所謂「最佳實踐」。

但我們一直有一個非常重要的原則：在 AI 世界裏，一定會存在重度用戶，也就是極高頻、高價值用戶。他們從產品中獲得的價值，遠遠超過普通用戶，所以他們願意付更多錢。因此，你一定要給他們留一個空間，用 usage-based billing 的方式去收費。即使你有訂閱，也一定要留出「按使用量付費」的路徑，這點非常關鍵。

主持人： 有點像是「價值是無上限的」，有些用戶願意付非常高的價格。

張濤： 而且這不僅僅是收入的問題，它其實也是一個信號。比如我們一開始最高的訂閱檔是 200 美元，當時覺得已經很高了。但後來我們開放了一個機制：用戶如果用超了，可以繼續充值。結果我們發現，有些用戶每個月願意付到 5000 美元。

這是一個非常強的信號。因為如果一個人願意付 5000 美元，說明 Manus 對他來說的價值，可能是這個價格的 10 倍以上。我們會去做用戶訪談，問他們：「你到底在用什麼？」「什麼值得你花這麼多錢？」這些反饋會直接影響我們的 product roadmap。

主持人：有沒有一些具體的洞察可以分享？

張濤： 比如我們做 Manus 1.5，其實就是從這些用戶反饋裏來的。我們發現有一部分用戶，會在 Manus 裏直接構建網站，甚至是靜態網頁，而且他們願意付很高的費用。

我們問他們為什麼。他們說，在他們所在的國家，很難找到工程師，甚至外包工程師都很難找，尤其是給中小企業做網站這件事。所以對他們來說，用 Manus 花 1000 美元，反而是非常便宜的。

這個洞察對我們影響很大。因為我們生活在一個 tech 資源非常豐富的環境裏，尤其在 US，大家會覺得工程能力是理所當然的。但現實世界並不是這樣，很多人面臨的痛點，我們其實從未接觸過。

當我們真正理解這一點之後，我們就意識到：也許我們應該把 website builder 做得更強。所以在 Manus 1.5 裏，我們直接升級成了完整的 website builder：有前端、後端、數據庫，甚至 AI 能力，整個產品能力也因此被徹底拉開了一層。

展望未來

主持人：就在 5 年前，執行一個想法最大的瓶頸還是 coding，但現在這件事已經不再是問題了。那你覺得現在新的瓶頸是什麼？是人的想象力嗎？還是 prompt 能力？

張濤： 我覺得現在最大的瓶頸，仍然是「定義問題的能力」。因為「解決問題」這件事，其實已經不再是問題了。但「定義問題」這件事，很多人依然做不好。

在今天這個世界裏，AI 仍然需要你去提出問題、去分配任務。所以你必須先成為那個能觀察世界的人：這個地方有什麼痛點？我的組織現在真正需要什麼？你要從真實的用戶痛點或者組織需求中提煉問題，然後把任務交給 AI 去解決。但如果你看不到這些問題，那你就沒有任務可以交給 AI。

主持人：你覺得未來 AI 會不會連「提出問題」和「定義問題」這件事也幫我們完成？

張濤： 也許吧，但我覺得這仍然是一個需要我們去學習的能力。某種程度上，這已經改變了我們學習和工作的方式。以前，只有少數人可以當 manager。因為不是每個人都適合做管理，這樣公司也沒法運轉，總得有人執行具體工作。

但現在情況變了，我覺得未來每個人都可以成為 manager。因為只要你知道怎麼管理，你就可以同時管理 10 個、甚至 100 個 AI agents 在幫你工作。所以我覺得，這是一個全新的時代，每個人都需要學習如何成為一個好的 manager。

主持人：把時間快進到 20 年後，AI 已經承擔了大量執行型工作，你希望那個世界是什麼樣子的？

張濤： 很多人其實對那個未來感到害怕，因為他們會覺得：「AI 在搶我的工作。」但如果你回看 100 年前，比如汽車剛被髮明的時候，人們也有同樣的擔憂。當時還有機器被髮明出來，可以搬運重物。很多人會覺得：「我是不是沒工作了？」因為以前搬重物需要 20 個人，現在一台機器，一個人就能完成。

但歷史告訴我們一件事：當這些機械化工具出現之後，人類並沒有失去工作，反而釋放出了大量時間和精力。然後我們開始做新的事情：藝術、新的商業模式，各種以前根本不存在的工作形態。

所以 AI 可能也是同樣的路徑。在 20 年後，會有大量重複、枯燥的工作被自動化掉。但與此同時，也一定會出現更多更重要、更有意義的事情需要人去做。我覺得這是一個很美好的未來，也許那時候，我們會更接近「什麼纔是真正的人類」。