我们似乎总陷入同一种错觉：为即将到来的一年设想天翻地覆的剧变，却对接下来十年间，那些细微改变累积而成的深远重塑视而不见。此刻，站在2026年的开端，我们恰恰身处这“高估”与“低估”的缝隙里。潮水并未如预言般汹涌淹至，但它润湿大地的深度，已远超我们的想象。

去年12月，Meta以20亿美元收购了中国AI应用Manus。半年后，交易因监管审查被迫终止，双方拆分各自恢复独立运营。

按照常理，故事到这里就该结束了，但事情的发展并没有到此为止。

据报道，Manus的早期中国投资方红杉中国、真格基金以及腾讯正计划以同样的20亿美元价格，从Meta手中回购公司股权。也就是说当初Meta付了多少钱，中国投资方就按那个数把它买回来。

如果只看表面，这像是一笔“原路退回”的交易，但真正让这件事变得有意思的是Manus在过去半年里发生的事情。

在被Meta收购之前，Manus的年化收入大约是1亿美元。到2026年5月，也就是交易终止、双方开始拆分业务的时候，它的年化收入已经涨到了4-5亿美元。

这意味着中国投资方如果以原价回购，他们拿回的是一家收入规模已经翻了数倍的企业。以当前的收入体量估算，Manus的市场估值已经远超20亿美元。

这场资本反转的背后，其实有两层结构在起作用。

第一层是交易本身的背景，Manus在2025年3月凭借AI智能体产品迅速走红，随后资本迅速跟进，公司迁至新加坡，试图以更中立的身份拓展海外市场。Meta的收购本应是一次国际巨头对中国AI应用创新的认可，但涉及AI核心技术和数据合规的敏感议题，最终导致收购被监管要求终止。

第二层是资本的结构性调整，红杉中国和真格并不打算向LP索回已分配的出售收益，而是动用新的资金池完成回购。美国风投Benchmark则选择了退出，这意味着中国投资方在回购完成后将获得更大的股权占比，进一步巩固对公司的控制权。

所以这已经不再是一笔简单的“退货”交易，更是中国资本在AI资产定价权上的一次主动回撤。当跨境收购因合规原因受阻时，本土投资方凭借对市场的理解和资金优势，以更低成本重新掌控了一家高速成长的公司。

更值得关注的是回购之后的方向，据报道Manus正考虑重组为境内合资企业，并为未来的香港IPO铺路。合资模式能够在合规框架内保障中国投资者的持股结构，境内实体身份也有助于在IPO审核中提供更高的确定性。

从产品层面看，Manus的商业模式清晰且高效，通过订阅制销售AI智能体工具，月费区间在20-200美元。近期的收入激增部分得益于产品本身的网络效应，也可能与Meta收购期间带来的资源协同有关。

尽管双方现已拆分，但Manus已经借此完成了用户基数的快速积累。接下来市场的焦点将是Manus能否在脱离Meta体系后继续维持4-5亿美元ARR的增长势头，以及它能否成为首批以境内合资架构登陆港股的AI应用公司。

所以这笔20亿美元的交易，本质上是在赌Manus在Meta体系里的那半年里到底是借了巨头的东风，还是自己已经能飞。

最终是“抄底”还是“接盘”，只有时间能给答案。

6-12个月后见分晓

俗称自媒体的CIA化

端午快乐 先干为敬

懂AI不如懂业务

过去一年，AI能写代码这件事已经不再稀奇，稀奇的是写代码这件事本身正在发生一些微妙的变化。

一份来自Anthropic的内部报告分析了近四十万次Claude Code的真实使用记录，他们想知道到底谁在用AI写代码以及用得怎么样，但结果和很多人想的不太一样。程序员当然是主力，不过设计师、律师和销售人员也在用，而且他们成功的概率和正经软件工程师的差距并不大。

其中最反直觉的一个发现是决定你用得顺不顺的并非会不会写代码，而是懂不懂那个领域。

这话怎么理解？一个写了十年Java的架构师，如果让AI去写Rust，他在这件事上就是新手。一个完全不懂编程的会计，如果能精准地告诉AI“核对表单时要按这三条准则走，特殊抵扣项这么处理”，在这个任务里他就是绝对的专家。

这一点在数据的呈现上很直观，新手用户每给AI发一条指令，AI平均只执行五个动作，产出六百字。专家用户发一条指令，AI平均会执行十二个动作，产出三千二百字。同样一项任务，你带进对话的认知越深，AI能接住的活儿就越多。

这背后是人和AI分工方式的变化，在一个典型的会话里，人做了大约七成的规划决策，比如要解决什么问题、用什么路径。AI做了大约八成的执行决策，比如改哪个文件、跑什么命令、怎么写代码。

在过去七个月里，用户用Claude Code做的事情也变了。修Bug的比例从三成降到了不到两成，而部署软件、数据分析、写文档这些更偏向“端到端交付”的任务占比翻了一倍。AI不再只是叫来挑错的，它开始被用来做完整的事。

任务成功率的数据也能说明问题，新手拿到“已验证成功”的概率是15%，中级及以上用户则飙升到了28%-33%。其中从新手到中级的跃升非常大，从中级到专家反而平缓了。这意味着你不必非要成为行业顶尖，只要对业务逻辑有中等偏上的扎实理解，AI就能发挥出绝大部分潜力。

专家真正的优势体现在出错的时候，当AI跑偏后19%的新手会选择直接放弃，而中级和专家用户放弃的比例只有5%到7%。懂行的人不仅能在一开始就给出好指令，更能在AI犯错时把它拉回来。

所有这些迹象都在表面编程正在从一项需要多年训练的专业技能，变成一种可以被自然语言调用的能力。未来的障碍不再是会不会写代码，而是知不知道要做什么。其中那个“知不知道”就是领域知识，AI在抹平技能壁垒的同时也在无限放大领域壁垒。

对绝大多数知识工作者来说，这其实是个好消息。你不需要重新学一门语言，也不需要成为全栈工程师，只需要把你对行业的理解尽可能清晰、具体地告诉AI。你对业务越熟，AI能替你干的活就越多。你带来的判断越精准，AI撬动的产出就越大。

AI不会替代那些真正理解业务逻辑的人，它只是在替代那些可以被标准化的执行动作。在真正理解业务的人手里，AI的执行效率会高得惊人。

所以未来的工作并不会消失，但它的定义正在被重新改写。技术不会让人贬值，真正让人贬值的是失去了对业务的理解。

而那个重新定义工作的人，应该是你自己。

一开口就是老外交家了

VC搞钱字节花 薅尽羊毛靠大家

可以的 不割穷人

叙事的重要性被大大低估了

吹大泡沫就是在找接盘侠的信号了