【实战派】Meta Muse 与 Manus Cue 的双胞胎诞生记 原创

独家专栏作者  祁瑞峰

（祁瑞峰（Ken Qi），CaptionLens CEO与联合创始人，曾任零一万物联合创始人、爱笔（Aibee）科技联合创始人，在微软、甲骨文、SAP、史宾沙等公司任职多年，拥有逾 20 年的跨界领军经验，专注于AI、2B企业营销运营、企业数字化转型等领域。）

几乎同时间段推出的Meta Muse 与 Manus Cue，再次点火了大洋此岸的personal agent 个人智能体的火热。

Meta 发布自主智能体产品 Muse，上线之后迅速收获大量用户，也被视作 Meta 在生成式 AI 赛道的核心布局。但如果你仔细看，产品演示与公开资料，很快注意到一件事：Muse 的整套工作逻辑，和此前 Manus 的设计思路高度重合。

几乎同一时期，曾经计划被 Meta 收购的 Manus 团队，在收购被监管否决、完成法律层面完全剥离之后，对外推出了新一代产品 Cue。

就这样，市场出现了一对十分特殊的同源产品：Muse 继承了 Manus 的整套产品构想，由 Meta 继续落地迭代；Cue 则由原 Manus 团队开发，沿着同样的底层理念，走向另一条产品道路。二者源头一致，但产品定位、能力边界已经出现明显分化。

2025 年底，Meta 收购 Manus 的开发公司。收购推进过程中，监管机构提出约束要求，这笔交易最终无法完成，两家主体必须在法律、业务层面做彻底切割。

股权、公司实体可以通过监管手段强制拆分，但双方已经充分交流过的产品构想、整套智能体该如何工作的设计方案，很多产品的理念与knowhow，雁过留痕，已经沉淀下来的，无法无痕切割。Meta 没有拿到 Manus 的源代码，但是完整吸收了它的产品蓝图，在此基础之上实现了 Muse；另一边，原 Manus 团队保留完整研发力量，继续演进技术，打造出 Cue。

一、Muse：吸收 Manus 的产品蓝图，复刻核心设计理念

在 Manus 出现之前，市面上绝大多数 AI 助手都有一个共同局限：需要人保持对话窗口在线。一旦关闭程序，正在推进的任务就会直接中断，再次打开只能重新开始。

Manus 想要解决的，就是长周期任务中断这个痛点。它的核心思路，是给每一位用户分配一套独立、可以持续运行的专属运行环境。即便用户退出软件，这套环境依旧保持运转，AI 可以继续一步步推进任务，不用受客户端开关的限制。

Meta 的 Muse，继承的正是这套核心思路。它为每位用户配置独立的隔离运行环境，用户退出 App，后台任务依旧可以持续执行。

基于这套持续运行的环境，延伸出一整套配套的产品能力。

首先是真实网页交互。不再只依赖第三方接口，AI 可以像普通人一样浏览网页，完成点击、填表这类网页端的实际操作。其次是各类外部服务对接，通过授权机制连接邮箱、日历以及各类生活服务应用。

安全管控也被放在很重要的位置。AI 如果可以代用户发送邮件、发起支付，就必须设置明确的风险管控。Manus 的处理方式是高风险动作必须获得用户确认。Muse 沿用了这套逻辑，把风险校验独立出来，关键操作需要人工确认之后才会执行，避免 AI 在无人知晓的情况下执行敏感行为。

这里需要厘清一点：这并不是界面层面的模仿。Meta 复用的不是现成代码，而是一整套设计思路：怎样让 AI 脱离客户端持续干活，怎么做环境隔离，外部服务如何对接，风险操作的人机边界如何划定。底层大模型可以替换更新，但这套智能体的整体执行框架，被完整继承。

二、一次失败的并购，完成了一次成功的“技术授粉”

这可能是整个故事里最值得创业者思考的地方。

传统科技并购最重要的资产通常是：

专利、代码、客户、数据、团队。

但是AI时代越来越重要的一种资产其实很难写进资产负债表：

Product Insight。

也就是：

到底应该怎么做。

Manus真正值钱的，也许从来不只是它当时那几百万行代码。

它最值钱的是比大厂提前一步想明白了：

Agent不能只是Chatbot；

Agent需要自己的Computer；

Agent必须能够持续运行；

Agent必须拥有Browser和Tools；

Agent必须通过Connector进入真实世界；

Agent需要Memory；

Agent最终应该拥有Identity；

最终一个人管理的不是一个Agent，而是一群Agent。

这些东西一旦被另一支顶尖团队真正理解，就很难再“退货”。

所以这次交易出现了一个很奇特的结果：

Meta把公司还回去了，但是已经无法把认知还回去。

而Manus同样不是原来的Manus。

经历Meta之后，它推出Cue，把原来的“General Agent”进一步发展成：

Agent Team + Identity + Computer + Phone + Wallet。

双方实际上都在那段共同经历以后继续沿着同一条Product Roadmap向前走。

于是才有了今天这种奇景：

Muse和Cue几乎同时出生，而且长得像一对双胞胎

三、Muse 与 Cue：同源框架之下，产品路线出现分化

二者根基一致，都认同「需要持续运行的独立环境，来支撑脱离客户端的长周期任务」，也都把风险校验、用户授权作为产品必不可少的组成部分。但面向用户的前端设计，已经出现很清晰的分歧。

四、同源分叉背后，AI Agent 的竞争重点已经发生变化

很多人讨论 Agent 智能体，习惯把焦点完全放在大模型本身，比较推理能力、上下文长度这些模型指标。但 Muse 和 Cue 的案例，带来一个很现实的行业提示。

大模型更偏向思考与目标拆解，它负责想清楚一件事要分成哪些步骤。但想要真正把整件事落地做完，还需要一整套配套能力：任务如何跨时间持续推进，不同账号服务如何安全对接，风险动作怎么拦截校验，多任务之间如何隔离互不干扰。

这些属于执行层面的设计，和大模型本身是相互独立的。模型可以迭代、可以替换，但这一整套让 AI 能够持续做事的执行框架，才是这一类产品真正的核心壁垒。

当然，这套路线也有现实的难题需要面对。

想要维持每个用户独立的持续运行环境，资源消耗会显著高于传统用完即销毁的临时模式。随着用户规模增长，成本压力会持续上升，如何平衡体验与商业化，是绕不开的现实命题。

安全依旧是绕不开的核心矛盾。AI 能做的事情越多，权限边界就越需要仔细权衡。完全放任自动执行会带来风险，事事都要人工确认，又会削弱自动化带来的效率提升，产品需要在二者之间不断寻找平衡点。

五、两种路线，各自的机遇与挑战

Muse 背靠 Meta 的社交产品矩阵，拥有触达海量普通用户的天然优势。但它需要在大规模用户的前提下，扛住持续运行环境带来的资源成本，同时不断打磨大众用户的使用体验。这次的Muse就是朋友推荐码注册，给免费Token带来的病毒式营销，借助meta的社交矩阵，确实很恐怖。

Cue 没有巨头流量加持，但完整走完了这套理念从 0 到 1 的研发过程，选择多智能体协同这条差异化路线。它需要解决获客问题，同时也要验证，普通用户到底有多少真实场景，真的需要多个 AI 互相配合完成工作。

一场收购被监管叫停，切断了法律层面的归属关系，但是已经被验证可行的产品构想保留了下来，生长出两条不同的进化路径。

我一直认为，通用大模型与通用Agent的创业窗口已经对创业公司关闭了，这是大厂的菜，小厂几乎无法抗衡。新的创业机会应该在 Agent +垂直与专业领域，这里有无数的细分赛道与场景值得去做。

Manus 的 Cue，能给我一个不同的答案吗？我热切盼望被证错。

Ken速写于美国西雅图

商务合作，请联系侯经理 18801065284（微信同号）

报料及内容合作，请联系chanlianshe2026（微信号）