一笔让行业无法忽视的融资

10 月 8 日,通用 AI 智能体公司 Manus 的母公司蝴蝶效应宣布完成超 5 亿美元新一轮融资,由博裕投资、IDG 资本联合领投,腾讯、红杉中国、真格基金等老股东继续参与。据钛媒体 10 月 15 日报道,这距离 Manus 结束与 Meta 的收购交易、恢复独立运营,还不到一个月。

资本愿意这么快重新下注,底气来自一组收入数据:据 The Information 今年 6 月的报道,Manus 的年化收入运行率已达约 4 亿至 5 亿美元,而 2025 年 12 月这个数字还只有约 1 亿美元——半年翻了四到五倍(钛媒体 10 月 15 日、智脑时代 10 月 13 日均引述了这组数据)。

这笔钱为什么重要

通用智能体(General Agent)是 AI 创业里被质疑最多的一条路线:聊天机器人回答问题就够了,凭什么用户要为一个”替你做事”的 Agent 持续付高价?Manus 的收入曲线是目前对这个问题最有力的回答之一。

搜狐财经”时间线”栏目 10 月 13 日的分析算了一笔账:若按彭博社此前报道的 40 亿美元目标估值和 4 亿至 5 亿美元年化收入计算,Manus 的估值收入倍数约 8—10 倍;而去年 12 月 Meta 以超 20 亿美元收购它时,对应倍数约 16 倍。收入涨了三到四倍,估值倍数反而降了——资本不是在为概念付溢价,而是在为已经验证的收入付溢价。

值得注意的是,就在融资前后,Manus 于 9 月 28 日发布了 Manus 2.0:新的 Cascade Agent 框架、云电脑、自动化工作流,以及个人智能体应用 Cue(今日头条 10 月 17 日、新浪财经 10 月 19 日报道)。产品从”演示一个惊艳功能”转向”每天稳定替你干活”,这正是收入能持续增长的前提。

保持清醒:两个未解的问题

不过,”年化收入运行率”不等于已经落袋的营收。搜狐的分析也指出:去年 Manus 披露的 1 亿美元明确是订阅等经常性收入,而今年 4 亿至 5 亿美元的运行率中,经常性收入占比、续费情况和收入结构均未公开。如果其中相当一部分来自一次性任务,增长的可持续性仍需验证。

第二个问题是计费模式本身。虎嗅 10 月 16 日的行业分析提到,Manus 的积分制争议较大——有用户抱怨每天 300 免费积分连一次正式任务都不够,任务失败也照扣积分,”扣分规则像黑盒”。按量计费是智能体商业化的必经之路,但怎么让用户觉得公平,还没有标准答案。

小结

从 1 亿到 5 亿美元,Manus 用半年走完了多数 SaaS 公司几年的路。它的意义不在于一家公司值 40 亿美元,而在于第一次有”通用智能体”这个品类,拿出了可以和其他软件公司放在同一张表里比较的收入数字。智能体的商业化竞赛,从此有了明码标价的起跑线。


参考链接

  1. AI 竞争升级,个人 Agent 添火 — 钛媒体(2026-10-15,引述 The Information 收入数据)
  2. Manus 超 5 亿美元融资:AI 智能体商业化前夜 — 智脑时代(2026-10-13)
  3. 大厂围堵下,Manus 值不值 40 亿美元? — 搜狐时间线(2026-10-13)
  4. 国内大模型行业三类玩家格局初定,五条商业化路径与盈利三关显现 — 虎嗅网(2026-10-16)
  5. Manus 拿到超 5 亿美元融资:通用智能体,终于要从”会做事”走向”有人愿意付钱” — 搜狐时间线(2026-10-22)

一组少见的硬数据

企业谈 AI 提效,多数是”感觉快了”。券商行业这两周给出了一组可以直接对账的数字。

据新华网 10 月 21 日报道,在 2026 外滩年会上,国泰海通证券首席信息官俞枫披露:智能体投用后,研报解析效率提升 10 倍,针对上市发债主体的风险研判时长节省 75%,智能交易已在 QFII、固收、场外复核等场景落地。

同一场合,交通银行副行长钱斌介绍,交行已在金融市场领域运用 AI 智能体提升交易效率与决策质量,累计交易金额超过万亿元。

更大的盘子

10 倍和 75% 是单点效率,真正值得注意的是总量。同花顺 10 月 23 日、腾讯新闻 10 月 22 日对俞枫的进一步专访披露:国泰海通目前已在九大领域、近 300 个场景中应用 AI;按公司自行统计,2025 年相关智能化服务达到 1.14 亿人次,估算节约约 66 万工时。

66 万工时是什么概念?按每年 250 个工作日折算,大约相当于 2500 多人一整年的工作量。当然,这笔账是企业自报的估算口径,节省的工时去向何处、是否转化为实际产能,外界无法逐一核验——但一家头部券商愿意把数字公开到”近 300 个场景”的颗粒度,本身就说明智能体已经过了试点期,进入了规模化应用阶段。

为什么是券商先跑通

俞枫自己的解释提供了一个视角:金融行业的容错率极低,基本不能有错,所以不能只等一个”完美模型”,而要靠系统化工程方法控制输出、限定行动、追溯责任。国泰海通的实践是把责任链贯穿知识来源、档案生成、持续校正、行动职能,形成一套”可信内容、可靠输出”机制,最后由人决定方向和承担责任。

这个路径和短剧行业”先跑量再治理”的路数截然不同:智能体先在合规最严的行业里证明了自己能稳定干活,再向外扩散。同一场年会上,麦肯锡 9 月发布的 2026 全球银行业年度报告也呼应了这一点——对中国银行业而言,关键是在风险可控的前提下,把 AI 投入转化为经营效率和长期竞争力。

冷思考

值得保留一份谨慎:这些数字全部来自企业自行披露,缺少第三方核验;且”节约工时”不等于”等比例降本”,释放出来的时间去了哪里,连俞枫也承认,人的角色会转向复杂问题判断和风险兜底。效率账是真实的,但它是”能力账”,能不能变成”利润账”,还要看下一个财报季。


参考链接

  1. 金融更好助力科技创新——来自外滩年会的声音 — 新华网(2026-10-21)
  2. 国泰海通证券首席信息官俞枫:AI 不会改变金融市场本身的一些基本功能,但会改变运行节奏跟传导机制 — 同花顺(2026-10-23)
  3. 国泰海通俞枫:AI 可能削弱券商的牌照、规模和人脉优势 — 腾讯新闻(2026-10-22)

一个信号密集的两周

过去两周,游戏行业密集上演了三出相似的戏码,拼在一起看,指向同一个风向变化。

第一出:世嘉(Sega)10 月 13 日发售《全面战争:幕府将军 2》复刻版,玩家很快指出画面中有武士脸部被替换成金属质感的”翻车”细节,质疑团队使用了低质 AI 素材。两天后,世嘉直接将该复刻版从 Steam 下架,恢复了原版销售。据 IGN 报道,此次下架源于大量玩家投诉。

第二出:卡普空(Capcom)在 10 月初的技术大会上介绍了下一代 RE 引擎路线图中”让人类程序员与 AI 系统并肩工作”的设想,舆论场迅速把它压缩成”卡普空要用 AI 做游戏”的惊悚叙事。10 月 9 日,卡普空不得不通过 IGN 公开发声澄清:AI 只用于辅助代码生成、自动化测试等开发环节,成品的游戏资产不会是 AI 生成的。

第三出:微软 Xbox 一位负责商业战略的高级经理在社交媒体上发表”拒绝 AI 的开发者不该留在游戏行业”等言论,据快科技 10 月 19 日转引 PC Gamer 的报道,他因此收到大量回复和评论,最终关闭了自己的社交账号。

风向的变化不在声量,在举证责任

把这三件事放在一起,变化的核心不是”反对 AI 的声音变大了”,而是举证责任反转了。

两三年前,一家公司在游戏里用 AI,默认是”拥抱新技术”的加分项,反对者需要解释自己为什么保守。现在正好反过来:卡普空要专门开会澄清”哪些环节没用 AI”,世嘉面对”疑似 AI”的指控选择直接下架,力挺 AI 的高管被喷到销号。默认设置从”用了 AI 很正常”变成了”用了 AI 要自证清白、没用也要自证没用”。

Tilly Norwood 的遭遇是另一个注脚。这位被称为”全球首位 AI 演员”的虚拟艺人,其创作者、Particle 6 公司 CEO Eline van der Velden 在 10 月 23 日的 NDTV 世界峰会上公开回应行业反弹,称公众的不安主要源于对技术的误解。即便态度如此,她的回应本身也说明:”先自证、再表达”已经成了 AI 应用者的标准姿势。

连最拥护的人也开始悼念

耐人寻味的是,这种怀疑甚至蔓延到了受益最深的开发者群体内部。著名开发者 Simon Willison 在 10 月 19 日引用独立开发者 Jeremy Scheff 的文章《我的编程讣告》,转述了一个有点扎心的观察:编程曾是最好的工作——拿钱解有意思的谜题;而编码智能体把”解谜”这件事本身自动化之后,对于那些真正享受解题过程的程序员来说,”失去是真实的”。

Willison 本人是 AI 编程工具最积极的推广者之一,连他都认真讨论这种”失去感”,说明评论风向已经不是简单的”挺 AI 对反 AI”,而是进入了更细的层面:效率之外,手艺人的乐趣、作品的真实感、创作的尊严,开始成为公共讨论的主角。

冷思考

TS Lombard 经济学家 Dario Perkins 在 10 月的一份报告里警告:”一起高调的事故就能让 AI 变成众矢之的。” 过去两周的游戏行业风波没有涉及任何事故,仅仅是”疑似使用”就足以引发下架、澄清和销号——这比任何预测都更早地验证了他的判断。

对内容和技术行业来说,真正的门槛已经不是”用不用 AI”,而是”能不能说清自己在哪用了、为什么用、对用户意味着什么”。风向变了,沉默不再是金,披露才是。


参考链接

  1. Sega Pulls Disastrous Total War: Shogun 2 Remaster From Sale Following Backlash — IGN(2026-10-15)
  2. Capcom Responds to Resident Evil AI Backlash — Tech Insider(2026-10-18,引述 IGN 与 iXBT.games 报道)
  3. Xbox 高管发表激进言论被玩家喷烂:账号已关 — 快科技(2026-10-19,转引 PC Gamer)
  4. NDTV World Summit 2026: Tilly Norwood 创作者回应 AI 演员争议 — NDTV Profit(2026-10-23)
  5. My obituary for programming — Simon Willison’s Weblog(2026-10-19)
  6. An AI bust could come from places investors aren’t watching — Business Insider(2026-10,经 AI Zeitgeist 摘录)

先看一组硬数字

谈 AI 智能体”赚钱”,多数报道停留在估值和融资。短剧行业给出了一个可以直接算账的样本。

据每经网、东方财富等多家媒体 10 月 14 日报道,国金证券在研报中援引案例测算:以巨日禄 AI 为例,接入智能体(Agent)之后,同一支 6 人团队的月产能从 1 部短剧提升至 5 部;每分钟人工成本从约 800 元降至 200 元,工具费用约 200 元,总制作成本从约 1000 元降至 400 元。制作周期则从 50—60 天压缩到 30 天以内。

换句话说,同样一笔制作预算,现在能做的事是原来的 2.5 倍;同样一个团队,月产出是原来的 5 倍。省下来的钱,按国金证券的说法,还可以回头去打磨剧本、优化画面、尝试新题材。

这不是孤例,是一条产线被换掉

单家案例可能是个例,但横向数据指向同一个方向。财新网 10 月 15 日引述中泰证券 8 月研报的数据:AI 短剧的平均制作团队规模已从 2025 年的 15 人左右缩减至 2026 年的 3—5 人,制作周期从 4 周以上压缩到 10 天左右;2026 年上半年,2D/3D 漫剧和仿真人品类的制作成本相比 2025 年整体再降 80%—90%,仅为传统短剧成本的 2%—10%。

有团队把这件事推到了极致:据剧短短 10 月 4 日报道,短剧《万兽独尊》使用字节”小云雀 AI 短剧 Agent”全流程制作,5 个人 8 天做出 60 集内容。

需求侧的确认来自 TikTok CEO 周受资。他在 10 月 18 日接受澎湃新闻报道的访谈中确认,中国短剧产业已广泛采用 AI 模型进行制作。但他同时泼了一盆冷水:AI 生成视频目前获得的观看量仍处于低个位数水平——产能解决了,消费端还没有完全跟上。

钱的去向也变了

值得注意的是,成本结构变化之后,短剧生意的钱往哪里流也在改变。行业媒体 10 月 16 日的报道显示,字节系漫剧的日 token 消耗已突破 7000 万元,首次超过真人短剧——曾经烧演员、烧场地、烧周期的产能,正在被算力账单替代。演员和场地的钱省了下来,付给了模型厂商和智能体平台。

对内容团队来说,这是一笔划算的交换:固定人力成本大幅下降,可变成本按用量付费,盈亏平衡点随之下移。封面新闻采访的成都团队甚至出现了”6 至 7 人一天产出 5 集、已实现盈利”的案例。

冷思考

算账不能只算生产成本。媒体报道同样提示了风险:免费模式的 ARPU 偏低、爆款率不足 1%、内容同质化和合规成本在上升。智能体把”拍得起”解决了,但”有人看、看得完”仍然是这门生意真正的瓶颈。

一句话总结:短剧智能体目前创造的收益,主要不是新收入,而是把同一笔预算的效率放大了 5 倍——在竞争惨烈的短剧行业,这本身就是真金白银。


参考链接

  1. 字节 AI 出海矩阵再下一城,亿级流量闯关变现与合规深水区 — 每经网(2026-10-14,引述国金证券案例测算)
  2. 又一短剧应用海外爆火!AI 漫剧概念走强 — 东方财富网(2026-10-11,点名巨日禄 AI 案例)
  3. 【数据图解】短剧平台占领娱乐 App 榜单,短剧出海进度几何? — 财新网(2026-10-15,引述中泰证券数据)
  4. TikTok CEO 最新访谈:人类对 AI 内容消费仍处低水平 — 澎湃新闻(2026-10-18)
  5. 从写提示词到多智能体协作:AI 视频模型把短剧制作压进”天”级周期 — 剧短短(2026-10-04)

最近在玩《大侠立志传》时总觉得查资料不方便,于是自己动手做了一个结构化检索站,人物、物品、事件、门派、结局、武学、地图一个页面全搞定,支持快速检索,不用再到处翻攻略帖了。

站内直接预览

下面直接嵌入站点的实时页面,可以在里面直接搜索浏览:

新窗口打开

如果嵌入区域显示异常,或者想获得完整浏览体验,点击下面的按钮在新窗口打开:

🗡️ 打开「大侠立志传 · 资料站」

站里有什么

  • 人物:NPC 背景、喜好、入队条件
  • 武学:武功、内功的获取方式与效果
  • 物品:装备、道具、材料的出处
  • 事件 / 门派 / 结局 / 地图:主线支线触发条件、门派路线、全结局达成条件、地图资源点位

站点会持续补充完善,有错误或建议欢迎留言反馈。

在滕王阁背诵《滕王阁序》可以免门票
“豫章故郡,洪都新府。星分翼轸,地接衡庐。襟三江而带五湖,控蛮荆而引瓯越。物华天宝,龙光射牛斗之墟;人杰地灵,徐孺下陈蕃之榻。”–王勃《滕王阁序》所谓“星分翼轸”、“龙光射牛斗之墟”,其实就是东方文化里的星宿。
中国的易经,中医,命理等来自于哪里,来自于太空,
-太极,就是太空,是宇宙的本源,不可道,生生不息。
太极生两仪,生命出现了
两仪是DNA双螺旋结构。
-四象,青龙、白虎、朱雀、玄武是星空的四个分野,也由此确定地球的东西南北。
-八卦,是地球上天、地、雷、风、水、火、山、泽八种自然现象,也是事物的状态
太极图是什么,是在太空俯瞰地球黄道附近二十八星宿的分布图,由此当参照物来计算日月的运行轨道,指导人们的生产和生活。
它不是平面,它是立体的。
太极图就是超级大模型,这里面什么没有,算法简单,内涵无穷,不知道比现在的GPT高到哪里去。
很多人易经八卦当做封建迷信,是用自己的局限去解读世界的无限。
还是杨振宁说的好啊。
这一看就像是设计出来的嘛,怎么能是偶然呢?
西方其实有人想到这点的,无奈天文学不给力,又缺乏建模能力,
只能盲猜生命来自于太空,由“工程师”创造拍摄了著名电影《普罗米修斯》。
图,你以为的太极图,实际上的太极图



源自鉴茶院,长留以思辨。

新入

  1. 工作准备
  2. 熟悉mac/windows系统操作
  3. 软件安装webstorm熟悉快捷键操作熟悉插件功能postmangithub掌握分支熟悉常用操作charles 掌握原理及场景熟悉代码规范

进阶

  1. 熏陶网易云课堂产品与业务背景供需关系、业务逻辑
  2. 淬炼夯实JS、CSS、HTTP通信基础Vue SPA项目、SSR项目开发要点熟悉工作流熟悉自动化100%自测覆盖
  3. 价值0重大bug上线单位时间高质量产出交互、性能规范生产,千人一面

日常

  1. 日报
  2. 周报
  3. 计划
  4. 自己的、别人的产品,多用用、多想想,相互对比思考总结
  5. 两只手都动起来,强迫自己快捷键切换操作,培养习惯

PS:

  • 业务覆盖非洲、东南亚、中东等地区,有阿语、乌尔都语、英语、法语等,可以和国家运营同事探讨
  • 劳逸结合,注意饮食和睡眠,打持久战

具体效果可见 ∞ Color UI Demo
极其鲜亮的高饱和色彩,更注重视觉的CSS类库。不是一个JS框架,注重于视觉交互。

Demo截图
Demo截图

计算字符串长度

${#str}
expr “$str” : ‘.*’
index
expr index $string $substring
str=abcdef1234
echo expr index "$str" ce  # 3

子字符串

${string:position} # 从position开始截取,position为负数则反向
${string:position:length} 从position开始截取length长度
str=abcdefghijklnm
echo ${str:0}    # abcdefghijklnm
echo ${str:2}    # cdefghijklnm
echo ${str:2:4}  # cdef
echo ${str:-3}     # abcedfghijklnm
echo ${str:(-3)}   # lnm
echo ${str: -3}    # lnm 细微的差别与上面的多了一个空格

expr

str=abcdef1234AB

子串提取

expr substr $string $position $length
echo expr substr $str 1 2    # ab 注意这里的下标是从 1 开始的,与 ${$str:position:length} 从 0 不同。

使用 * 或 @ 可以返回参数

test.sh a b c d e

echo ${*:2}    # b c d e
echo ${@:2}    # b c d e

子串匹配

子串匹配

从开始位置匹配

expr match “$string” ‘($substring)‘  
expr “$string” : ‘($substring)‘
echo expr match "$str" '\(.[0-9]*.)'  # ab
echo expr "$str" : '\(.[0-9]*.)'      # 同上

从尾部匹配

expr match “$string” ‘.($substring)‘
expr “$string” : ‘.
($substring)‘

子串删除

删除子串

${$str#$substr}    # 从开始处匹配短的删除
${$str##$substr}    # 从开始处匹配最长的删除
stringZ=abcABC123ABCabc
echo ${stringZ#aC}      # 123ABCabc
echo ${stringZ##a
C}     # abc
${$str%$substr}     # 从结束处匹配短的删除
${$str%%$substr}    # 从结束处匹配最长的删除
echo ${stringZ%bc}      # abcABC123ABCa
echo ${stringZ%%b
c}     # a

子串替换

${string/substring/replacement}    # 替换第一个匹配到的子串
${string//substring/replacement}   # 替换所以匹配到的子串
stringZ=abcABC123ABCabc
echo ${stringZ/abc/xyz}       # xyzABC123ABCabc
echo ${stringZ//abc/xyz}      # xyzABC123ABCxyz

delete

${string/substring}  
${string//substring}
${string/#substring/replacement}   # 匹配头部开始的替换
${string/%substring/replacement}  # 匹配尾部结束的替换
stringZ=abcABC123ABCabc
echo ${stringZ/#abc/XYZ}          # XYZABC123ABCabc
echo ${stringZ/%abc/XYZ}          # abcABC123ABCXYZ

参数替换

parameter 不存在或为空(:-)使用 default 替代

${parameter-default}, ${parameter:-default}
username2=
echo “username2 = ${username2:-whoami}”    # username2 =
echo “username2 = ${username2:-whoami}”    # username2 = user

parameter 不存在或为空(:=)使用 default 赋值

${parameter=default}, ${parameter:=default}

parameter 不存在或为空(:+)使用空字符串,否则使用 alt_value

${parameter+alt_value}, ${parameter:+alt_value}

匹配所有以 varprefix 开头的变量

${!varprefix*}, ${!varprefix@}
var1=1 var2=2 var3=3
$allvar=${!var*}   # a = 1 2 3

大小写转换

var=”Username”
echo ${var^^} #转成大写
echo ${var,,} #转成小写

0%