從「個人開發者」到 Manus——Peak 紀逸超談三次創業、Agent 與產品方法論

時間背景：節目錄於 2025/12/1。主持人張小珺訪談嘉賓 Peak 紀逸超（Manus CTO、首席科學家、聯合創辦人之一）。訪談錄製後不久，Meta 宣布全資收購 Manus，使得這集成為收購前「最後一場長訪談」。

本文整理這場對談的核心脈絡：Peak 如何從高中個人開發者，走到參與創辦 Monica 與 Manus？他在三段創業經歷中驗證了什麼方法論？以及他如何看待 Agent 的本質、商業邏輯與技術堆殼？

一、科學家父親＋連續創業母親，長出「科技創業者」的中間態

Peak 的自我定位不是傳統學霸或純工程宅，而是介於「科學研究」與「商業創業」之間的混合型：

  • 父親是北大教授、偏學術研究的典型科學家；
  • 母親是中關村老一代連續創業者；
  • 自己則很早找到興趣：寫軟體、做產品、在真實市場被驗證。

他坦承自己成績並非一路頂尖，更多是「偏科＋愛折騰」，但關鍵轉折來自 App Store 的出現：它讓「瞎搞」第一次變成可衡量、可變現、可被家人理解的能力。

二、第一次「創業」：iOS 付費瀏覽器，賺到第一桶金

高中時 Peak 做了第三方 iOS 瀏覽器，採用當年很「樸素」的模式：buy copy（一次性付費）。

關鍵細節：

  • 產品累積收入約 30 多萬美金，對高二高三學生已是很穩定的現金流；
  • 當年中國付費不便（多只能用國際信用卡），他甚至「自己破解自己的軟體」放論壇，換口碑與海外付費市場的區隔；
  • 他把那段時代稱為「平台切換的蠻荒期」：桌面→移動，巨頭與個人開發者「同一起跑線」，機會密度高。

也因此反思今天的 AI：技術很新，但平台並沒有完全重置，所以不太存在同樣的蠻荒期。

這段產品最後不是被競爭打死，而是「自然死亡」：沒人維護、系統迭代後不相容而下架。但它留下重要遺產：出海、AI 興趣、變現三件事在第一個產品就同時出現。

三、第二段創業：從「下一代搜尋」到知識圖譜與 OpenIE，被 GPT-3 打醒

從可穿戴想像出發

2013 前後，他判斷未來如果走向 Apple Watch、語音介面等，Google 那種「10 個藍色連結」不一定適配，於是押注「語意搜尋／結構化回答」。

知識圖譜的瓶頸：太依賴人

他們做到了：

  • NER（命名實體識別）＋關係抽取
  • 再往前推到 Open Information Extraction（OpenIE）：不預設 schema，不靠白名單，讓模型讀文本就自動抽三元組、構建知識圖譜。

技術路線一路從依存句法、Word2Vec、LSTM+attention，走到 Transformer/BERT 時代；也很早碰到 long context 的需求（從 512 tokens 的限制一路做到 16K）。

產品叫 Maggie，目標是「AI 自動讀網頁、持續構建並更新知識圖譜」，帶有 continuous/lifelong learning 的味道。

為什麼痛苦：技術迭代太快，垂直整合太重

他們「模型自己訓、infra 自己搞、產品自己做」，每次外部突破都讓前幾年積累作廢。最戲劇性的瞬間是：拿到 GPT-3 early access，隨手 prompt 的效果居然跟他們端到端模型「五五開」。

他形容那一刻像「天塌了」：通用模型開始大一統，過去 NLP 各任務壁壘被抹平，垂直整合的成本—速度比瞬間失衡。

得到的教訓：自己不適合當 CEO

這段創業讓他確認兩件事：

  • 單靠技術解不了很多「非技術問題」（例如搜尋的生態資料與分發）；
  • 他不喜歡管人、不愛商業化、容易被「把技術做到最正道」的衝動帶著跑——因此需要一個更適合做 CEO 的人把方向與節奏管住。

四、空窗期：在 2B 公司「打榜換 GPU」，用算力把手弄髒

Peak 後來在一家 2B 公司工作一年半，做大模型相關業務從零到一。公司內部用「榜單」競爭：你 benchmark 贏得多，就能拿到更多顯卡，形成強者恆強。

他說那段很開心，因為：

  • 大量客戶需求逼著做實驗；
  • 算力充裕讓他快速 skill up；
  • 也加深他對「產品迭代速度永遠比模型訓練快」的直覺。

五、加入團隊：Monica 是「空畫布」，讓他看到 AI 應用真正的使用方式

Peak 最終被 Manus CEO（肖宏Red）說服加入。關鍵那句話很致命：

「你想不想在一個產品裡把瀏覽器、搜尋引擎、語言模型三件事再做一遍？」

他加入後很快形成共識：Monica 是現金流與觀測窗口，不是終局。

他喜歡瀏覽器插件形態，原因有二：

  1. 不改變習慣：用戶照常用 Gmail/YouTube，AI 只在旁邊；
  2. 功能按 context 分發：不同場景出現不同能力，避免「功能越多越稀釋」。

更重要的是：Monica 帶來正向現金流，讓公司敢於理性豪賭第二曲線。

六、曾經差點做成「AI 原生瀏覽器」，最後全員放棄

2024/4–9 他們投入做「AI native browser」，內部產品已可用，但最終放棄。原因一層層變得清晰：

  1. 端側模型＋隱私的幻想不成立：瀏覽器本質要聯網；用戶更在意效果而不是是否離線。
  2. GUI Agent 接管同一台電腦很怪：你滾動頁面會打斷 agent observation，像你和實習生搶同一台電腦。
  3. 長任務的物理限制：agent 在你電腦上跑，你不能把筆電蓋起來睡覺。
  4. 最致命的拷問：

    「做了新瀏覽器後，有什麼是 Chrome + Monica 做不到的？」 他們想不到答案。

  5. 外部印證：The Browser Company 的 Arc 創辦人宣布停更 Arc，理由是「說服不了親友從 Chrome 換過來」。這句話與他們共鳴，成為最後一根釘子。

放棄不是某天拍桌，而是全員逐步形成共識；他形容那段時間「不太笨的人無所事事」反而容易冒出真正的好想法。

七、Manus 的誕生：把「瀏覽器搬到雲上」，用程式當通用媒介

真正的 idea 在觀察 Cursor 使用時爆發：公司內大量「非工程師」在用 IDE 跟 AI 互動，左邊程式碼看不懂也沒關係，他們在乎的是「讓 AI 用程式完成任務」。

結論是：編程不是垂直技能，而是通用媒介。

於是他們做了幾個產品判斷：

  • 不該跑在用戶電腦上（解放注意力、支援並發、多任務長時間運行）；
  • 把技術複雜度包起來，別讓非技術用戶被權限／風險嚇到；
  • 主航道工程師市場太擠，應該面向 prosumer（高價值腦力工作者、但不一定是程式員）。

內部代號甚至是「Airbnb：browser in the air」。從 2024/9 底正式做，2025/1 已基本完成，之後刻意等模型代際（例如 Claude 3.7）再發布，以吃到「模型溢出」帶來的體驗躍升。

八、商業與成本：Agent 的 token 結構把整個定價邏輯改寫

訪談裡最重要的現實面，是他反覆強調的：Agent 更像製造業，不像傳統網路。原因是推理成本不會因用戶增長自然趨近於 0。

他給了關鍵對比：

  • Chatbot 常見 input:output token 比例約 3:1；
  • Manus 這類 agent 可能是 100:1 到 1000:1。

也就是說：Agent 的輸出不一定更長，但「每一步都要帶著環境與上下文重新推」，prefill 吞吐巨大。

因此：

  • 邀請碼不是行銷，而是「算力與推理供應鏈根本跟不上」的控量措施；
  • 早期一天燒到「幾十萬美金」級別並不誇張；
  • Monica 當時 ARR 約 1200 萬美金且盈利，讓團隊有膽做第二曲線；
  • Manus 後來 ARR 超過 1 億美金，並且從發布初期虧損快速逼近打平／轉正（靠工程優化、供應鏈合作、成本曲線下降）。

他也特別強調「反對 Vibe ARR」：ARR 必須用一致口徑（MRR × 12、年付需攤提），否則是自欺。

九、技術方法論：他們做的是「厚到像地殼的殼」，而不是 chatbot 套皮

Peak 認為「套殼」不是貶義，關鍵在殼的厚度：

  • chatbot 系統只有人＋模型；
  • agent 多了第三元：環境（runtime）。

Manus 每個 session 背後是一個隔離的 VM sandbox（一次性沙盒），因此他們要解的不是 UI，而是沙盒調度、並發、工具使用、錯誤恢復、評估體系。

他們的偏好很鮮明：

  • 不追求把 agent 人格化、也不迷信 multi-agent 分工（那是人類因為不全能才需要的組織摩擦）；
  • 更相信「純血 agent」：由智能自主決定路徑，而不是規則主導的 workflow；
  • 討厭堆 guardrail 去堵洞，更喜歡加原子能力（例如「看圖能力」）讓 agent 自己檢查與修復，產生能力之間的網路效應。

十、對模型公司的看法：競合、外包訓練、用影響力反向塑形模型

雖然他們不自訓大模型，但 Peak 認為應用公司可以反過來「影響模型演化」：

  • Manus token 消耗大，成為多家模型廠的 top 客戶之一；
  • 他們會提需求、幫忙設 evaluation，甚至參與某些功能 schema（訪談中提到 Gemini 的 parallel function calling 提案／定義）；
  • 他認為目前多數模型仍被 chatbot 的 alignment 主導，不完全適合 agent：
    • 容易急於一次答完，缺乏長任務耐心；
    • context 壓力會讓 EOS 機率上升；
    • 真正需要的是「會壓縮、會外化到檔案系統、知道何時取回」的 compaction awareness；
    • reasoning 也不該是長 COT 一口氣想完，而是 observation—thinking—action 的交錯式思考（更貼近 ReAct/TIR）。

十一、組織與決策：六位合夥人＋混合決策模型

他們的合夥結構：

  • CEO：Red（肖宏）
  • CPO：張濤
  • CTO：潘潘
  • CM：慧杰
  • CSO／首席科學家：Peak
  • 另有負責運營財務等的合夥人（逐字稿稱 CZ）

決策上不投票，使用混合模型：

  • Goal（目標）偏集權；
  • Priority（優先級）集權＋民主；
  • Alternatives（方案）充分民主，追求「選項數量」先擴大行動空間。

產品驅動節奏更快，Peak 一開始不適應，但最終認同：產品掉頭成本低；而技術對「會毀掉純血 agent、污染 action space、造成長期維護成本爆炸」的快招，有一票否決權。

十二、收購之後回看：這場訪談留下的核心訊息

  1. AI 時代不等於平台重置：少了移動互聯網那種蠻荒期，反應速度巨頭與創業者都很快。
  2. 垂直整合是節奏殺手：在不確定時做 bottom-up 訓模，會被模型迭代拖死；先用產品跑出 PMF，再做模型更合理。
  3. Agent 的本質是「環境」：不是多幾個工具按鈕，而是能否在 VM／文件系統／瀏覽器／API 之間穩定地行動、回復、並發。
  4. 不做什麼，比做什麼更重要：AI 讓產能變大，誘惑是功能無限膨脹；真正難的是克制與聚焦。
  5. 身心健康不是口號，是競爭力：Peak 多次強調，AI 創業更像製造業，經營要求高；能承壓、能復盤、能持續迭代的人更可能活下來。

結語

表面上這集是講 Manus 的產品與 Agent 方法論；但更深的主線其實是 Peak 在三段經歷中反覆驗證的一句話：

先找到能被市場驗證的形式，再用技術把它做深； 而不是先把技術做到極致，再期待市場為你改變。

正因為如此，當 Meta 收購發生時，這場訪談成了 Manus 從「出海插件」走到「通用 Agent」再走進巨頭版圖的一段完整注腳。