福布斯发文指出，Manus并非真正的自主AI，而是一个执行预设脚本的大语言模型，类似于ChatGPT和Gemini，只能生成缺乏深度的“最大公约数”答案。在复杂决策方面，Manus暴露出与OpenAI DeepResearch相似的缺陷，无法识别关键数据优先级。福布斯强调，真正有价值的AI企业专注于特定领域，构建结构化工作流，如Octomind、Flank和r2decide等。AI的成功在于业务场景的深度聚焦，而非通用性。同时，人类监督至关重要，人机协同是弥补算法短板的关键。Manus在人机协同决策方面做得不足，多APP联动也未突破自动化工具的固有局限。

🤖Manus被福布斯评价为仅是执行预设脚本的大语言模型，与ChatGPT类似，无法摆脱生成“最大公约数”答案的局限，缺乏深度。

✈️在制定标准化旅行计划时，Manus表现尚可，但在处理突发天气下的航班改签等复杂决策时，暴露了无法识别关键数据优先级的缺陷，与OpenAI DeepResearch类似。

🛡️真正有价值的AI企业专注于特定领域，构建结构化工作流，如Octomind、Flank和r2decide等，通过限定决策范围提升可靠性，并在医疗、金融等垂直领域建立护城河。

🤝人类监督对于AI至关重要，人机协同机制是弥补算法短板的关键。Manus在人机协同决策方面做得不足，无法替代人类的核心决策能力。

3月11日，福布斯发文称，Manus远非新奇。它宣称具备自主性，但实际上，它不过是又一个执行预设脚本工作流程的大语言模型罢了。与ChatGPT、Gemini等工具类似，Manus的核心仍是基于互联网语料库生成"最大公约数"答案。测试显示，要求其撰写关于Manus的报道大纲时，系统自动强调“技术突破”、“通用能力”等市场热词。评论人指出，Manus这种工作机制注定只能产出符合热点却缺乏深度的内容。

福布斯表示，Manus在制订标准化旅行计划时表现尚可，但涉及复杂决策（如突发天气下的航班改签）时，系统暴露出与OpenAI DeepResearch模型相似的缺陷——无法识别关键数据优先级，生成看似合理实则漏洞百出的方案。

福布斯认为，真正创造价值的AI企业，都在特定领域构建结构化工作流。比如通过解析网页代码模拟用户行为，实现端到端自动化测试的Octomind；在法律文件生成中嵌入专家决策逻辑，精准处理合规审查的Flank；基于消费数据动态生成个性化销售建议，重塑电商购物链路的r2decide。这些案例都表明，AI的成功不在于通用性，而在于业务场景的深度聚焦。

当Manus宣传其“全能代理”愿景时，行业先行者早已在医疗、金融等垂直领域建立护城河——通过限定决策范围提升可靠性，借助人机协同机制弥补算法短板。

福布斯还表示，对于AI，人类的监督至关重要。大多数公司在有效地将AI融入决策过程中都面临着困难。康奈尔课程反馈揭示，当前技术无法替代人类的核心决策能力。而Manus在人机协同决策方面所做甚少。

Manus演示的多APP联动看似炫酷，实则并未突破自动化工具的固有局限。反观亚马逊的Alexa，即将深度嵌入Microsoft Teams、Slack等办公生态，通过API级整合实现上下文感知。福布斯质疑，Manus是否能在短期内达到这样的集成水平。