Manus 上線 Wide Research：多通用智慧體並行，搞定大規模調研

如果你用過各類 AI 助手做調研，大機率遇到過這種尷尬：讓它對比全美前五十的商學院，或者梳理《財富》500 強裡的特定業務，AI 要麼查到第五個就開始胡編，要麼在漫長的單執行緒網頁瀏覽中直接卡死超時。

這個問題說白了不是模型不夠聰明，而是傳統的 AI 代理幹活太像單兵作戰，一個人哪怕再快，翻幾百個網頁也得累趴下。

7 月 31 日，Manus 宣佈推出一項名為 Wide Research 的新功能。他們想做的事情很直接：把給單個使用者分配的算力直接拉大 100 倍，讓你通過打字聊天，就能排程一個並行的 AI 叢集去跑深度調研。

讓幾十個通用例項一起幹活

很多人以為 Manus 只是個會用瀏覽器的聊天框，但團隊在部落格裡強調，他們打一開始就把 Manus 當成個人雲端計算平臺來做。使用者發起的每一次對話，背後都跑著一臺獨立的雲端虛擬機器。

有了這套虛擬化底座後，Manus 思考的是怎麼做擴充套件。這次的 Wide Research 本質上是一套系統級的並行處理機制和代理間協作協議。

它和以往常見的多 Agent 架構有個很大的不同。行業裡很多多代理系統喜歡玩角色扮演，比如人為劃分誰是專案經理、誰是程式設計師、誰是設計師。這種預設分工一旦遇到複雜的非標任務，流程很容易卡殼。

而 Wide Research 派出去的每一個子代理，本身就是一個具備完整能力的通用 Manus 例項。面對 Fortune 500 強分析、全量生成式 AI 工具盤點這類涉及數百個物件的大任務，系統可以瞬間拉起大量對等的子例項，分別去沙箱裡跑程式碼、翻網站、整理資料，最後再統一收攏。

目前這項功能已經率先面向 Pro 訂閱使用者開放，官方表示後續會逐步覆蓋到 Plus 和 Basic 使用者。

為什麼重要

我們認為，Wide Research 最聰明的地方在於避開了死磕單模型上下文的死衚衕，轉而用系統工程的方式去解大任務。

以前做幾百家公司的橫向調研，使用者要麼自己寫爬蟲指令碼，要麼忍受 AI 在超長上下文中逐漸迷失。現在你只要提出需求，底層就自動幫你把任務切碎、併發分發給幾十個獨立虛擬機器去執行，這對商業分析師、投資經理和獨立研究者來說，確實能省下大把機械勞動的時間。如果你手頭經常有大批次資訊比對的需求，現在就很值得在 Pro 訂閱裡試試。

但這套做法也有顯而易見的代價。併發跑幾十個虛擬機器和通用 Agent，消耗的 token 和雲端算力是成倍飆升的，Manus 目前只敢先給 Pro 使用者開閘，也是在觀察成本和基礎設施的承壓情況。未來普及到免費或低階使用者時，會不會在併發數量或執行深度上大打折扣，還需要打個問號。

對整個 Agent 賽道來說，這也是一個風向轉變。單純比拼單模型智商的邊際效應正在遞減，像 Manus 這樣把重點轉向虛擬機器虛擬化排程、把 Agent 當作分散式計算單元的做法，看起來正在成為解決複雜長鏈路任務的新共識。