图片由 AI 生成
临近 2025 年岁末，AI 圈又沸腾了起来。
12 月 30 日，Meta 宣布收购 AI 应用 Manus 背后的公司蝴蝶效应。
有消息称，此番收购金额高达数十亿美元。作为 Manus 的早期投资者，真格基金官方发文表示，这是 Meta 自成立以来第三大的并购，仅次于 WhatsApp 和 Scale AI。
多位接近交易的人士透露，从双方正式接触到达成协议，谈判周期仅十余天。“快到还怀疑过这是不是一个假的 offer。”真格基金合伙人刘元表示。
收购完成后，蝴蝶效应将保持独立运作，创始人肖弘出任 Meta 副总裁。
蝴蝶效应成立于 2022 年，三年时间估值从 1400 万美元增长超过 200 倍。我们了解到，在 Meta 收购前，Manus 正以约 200 亿美元估值进行新一轮融资。
三年，估值增长 200 倍
蝴蝶效应的融资节奏极快。
2023 年 2 月完成种子轮融资，投后估值 1400 万美元，投资人是真格基金。当时，蝴蝶效应第一款产品 Monica 刚上线不久，这是一款 AI 浏览器插件。
半年后，2023 年 8 月，蝴蝶效应完成天使轮，估值升至 5000 万美元，真格基金继续跟投。
2024 年 11 月A轮，蝴蝶效应估值达到了 8500 万美元。这一轮由红杉中国、腾讯、王慧文、真格基金共同投资。此时，Monica 海外用户已突破 1000 万，是中国 AI 行业少有的盈利产品。
2025 年 4 月B轮，蝴蝶效应估值近 5 亿美元，领投方有了硅谷顶级 VC Benchmark Capital。这家机构投资过 Uber、Twitter、Snapchat 的早期。此时，距离 Manus 正式发布仅过去一个月。
接下来，就是今天这则引发轰动的、被 Meta 收购的消息。按保守估计 30 亿美元计算，真格基金种子轮投资 Manus 两年获得超过 200 倍回报。A轮投资者回报约 35 倍，B轮投资者半年多获得5-6 倍回报。
支撑估值短时间内飞升的，是 Manus 的商业化速度。2025 年 12 月，Manus 宣布年度经常性收入（ARR）突破 1 亿美元。从 3 月正式发布到 12 月，用时 270 天。
作为对比，AI 工作管理及效率工具 Slack 从 0 到 1 亿美元 ARR 用了 2.5 年。
值得关注的是，Manus 的增长策略是零市场预算。肖弘判断，AI 的 Token 成本会越来越便宜，但互联网用户获取成本会越来越贵。3 月发布时，Manus 在社交媒体自然传播，内测邀请码被炒到上千元，官网因流量过大崩溃。在 GAIA 基准测试中，Manus 超越了 OpenAI 的同类产品。
产品逻辑的差异在于，Chatbot 给答案，Agent 给结果。“做一个研究并生成精美的 PPT，全程无需干预，只需几分钟，”肖弘在一次采访中表示，Agent 直接交付结果，而不是让用户拿着答案再花两小时变成结果。
技术架构上，Manus 采用“大模型+云端虚拟机”。肖弘认为，AI 的终极“外壳”应该是电脑，给 AI 配一台专属虚拟机，它理论上能完成人类在电脑上能做的所有工作。
“我记得第一次感到震撼，是看到 Manus 执行 git clone 命令，将开源项目下载到自己的‘电脑’里来解决问题，这像极了人类‘使用工具’的行为。”肖弘称。
这个架构能处理海量长尾任务，无论是安装特定软件还是运行自己编写的代码，挑战在于速度和资源消耗，但长期看这些问题会解决。
为何拒绝字节跳动，转投 Meta？
理解肖弘为什么接受 Meta，要先理解他为什么拒绝字节跳动。
市场传言，2024 年初，Monica 刚开始高速增长时，字节跳动高层与肖弘在香港单独会面，出价 3000 万美元收购蝴蝶效应。肖弘拒绝了。
当时，Monica 已实现盈利，现金流健康。更重要的是，肖弘看到了更大机会。
2024 年，Cursor、Devin 等产品验证了 Agent 可行性。肖弘意识到，技术能力一直在进化，但产品形态常常滞后。去年底，Agent 这种能进行复杂规划和自主执行的新能力出现，但缺乏好的产品化形态。
拒绝字节后，蝴蝶效应做了一个更大胆的决定。2024 年初立项 AI 浏览器，团队投入 7 个月，从底层技术开始自己编译 Chrome 内核。
这看起来是顺理成章的演进，但 2024 年中，肖弘叫停了这个项目。
肖弘表示：“AI 浏览器本质是抢用户的鼠标，会产生冲突，更重要的是，浏览器天花板有限，无法处理需要专业软件、复杂环境的长尾任务。”
砍掉投入 7 个月的项目后，转向全新方向，今年 3 月，Manus 正式发布。肖弘认为，“永远从技术能解决用户的什么根本问题出发。真正的难度不在分析，而在于有无勇气坚持清晰的答案。”
从拒绝 3000 万美元到接受数十亿美元，中间不到两年。团队成员已快速实现财务自由，肖弘进入全球科技权力核心；在战略层面，扎克伯格承诺保持独立运作。
肖弘用独立上市的可能性，换取站在巨人肩膀上快速覆盖全球的确定性。
Meta 为什么必须买 Manus
这桩投资案能迅速达成，很大程度上，不是投资委员会看财务模型的决策，而是 CEO 亲身体验后的判断。
马克·扎克伯格（Mark Zuckerberg）及 Meta 多位核心高管都是 Manus 的长期用户。
Meta 在 AI 上投入数百亿美元，向顶尖研究者开出上亿美元年薪，开源 Llama 曾经一度赢得开发者好评。但一个核心问题始终未解：如何把模型能力转化为持续收入。
反观硅谷其他科技巨头，OpenAI 旗下的 ChatGPT 付费用户数（Plus/Pro）订阅用户已突破 3700 万，企业版在快速增长。Google 将 Gemini 整合进 Workspace，押注企业市场；Anthropic 的 Claude 在编程、研究场景建立了优势。微软通过 Copilot 将 AI 渗透企业级应用。
相比之下，Meta 的 Llama 开源战略虽然一度很成功，但变现路径不清晰，尤其是今年 Llama 4 的仓促发布，损害了信誉，引发了社区对 Meta 的信任危机，直接透露出了扎克伯格在激烈竞争下的焦虑与失策。
与此同时，Agent 被视为科技大厂下一个激烈战场。今年 7 月，扎克伯格在公开信中写道：“超级智能将带来个人赋能的新时代，它赋予人们更强大的行动力，让我们能按自己的意愿去推动建设世界。”
Manus 提供了一个现成答案。它已验证订阅制商业模式（ARR 破 1 亿美元），表明 Agent 产品也拥有与 Chatbot 一样的商业变现前景，有的时候，用户付费的需求不仅仅是为了获得更好的答案，也需要“把事办完”。
留给 Meta 的时间窗口已经在收紧。
行业普遍认为，2023 年是 Chatbot 时代，2024 年 Cursor、Devin 验证了 Agent 可行性，2025 年 Agent 进入商业化爆发期。OpenAI 准备推出更强 Agent 能力，Google 收购或投资多家 AI 应用公司，微软通过 Copilot 建立护城河。
在全球范围内，同时满足 1 亿美元 ARR、技术壁垒、零市场预算增长这些条件的标的极少。如果 Meta 自研，可能需要2-3 年跑通商业化路径，而且成功概率未知。
收购不仅是买产品，更是买团队。肖弘、季逸超（高中时开发猛犸浏览器的天才程序员）、张涛（资深产品经理）这个组合已证明执行力。
Meta 超级智能实验室负责人汪滔（Alexandr Wang）转发收购消息时说，Manus 团队在探索当今大模型能力过剩问题上处于世界领先水平。
该实验室正在新加坡扩展团队，Manus 原有约 100 名成员已加入其当地组织。
AI 军备赛，新战线启动
过去两年，AI 竞争聚焦在模型上。OpenAI 的 GPT-4、Google 的 Gemini、Anthropic 的 Claude、Meta 的 Llama，比的是参数量、Benchmark 跑分、技术论文。
但在这条路上，烧钱容易，赚钱难。
正如汪韬所言，Manus 团队在探索大模型能力过剩问题上处于世界领先水平。能力过剩，也就意味着，模型已经足够强，瓶颈不在技术，而在于如何把能力转化为用户愿意付费的产品。
所以，收购 Manus，Meta 买的不是一个产品，而是一套已验证的 AI 变现模板。Manus 的订阅模式、定价策略、用户获取方式、产品迭代节奏，都可以复制到 Meta 其他 AI 产品线。
过去，科技巨头自信“自研至上”，现在转向“收购补齐”，面对 AI 行业激烈的竞争，科技巨头战略也在快速切换。在 AI 时代，似乎并购比自研更高效，时间更短、确定性更高、能直接获得验证过的商业模式和团队。
同时，Manus 也代表了一种路径——中国团队、全球产品、被美国巨头收购。不需要在中国市场做大，而是可以直接出海，在全球舞台竞争。
其背后有中国市场的特殊属性，AI 应用面临更激烈竞争，用户付费意愿相对较低。而在全球，市场天花板更高，用户付费意愿有一定基础，全球顶级 VC 和科技巨头也愿意给出更高估值。
这也许将促使成为科技巨头进一步转变思路，模型层自研保持技术主导权，应用层收购快速获取商业化能力。
正如十年间，连续五次押注这支年轻团队的刘元说的那样，“属于中国这一代年轻创业者的时代已经到来”，AI 打破了传统科技创业的资源壁垒。过去做搜索、做社交网络，需要庞大服务器、复杂技术架构、海量资金投入，现在做 AI 应用，调用大模型 API，小团队就能快速验证产品。
从 3000 万美元到数十亿美元，从拒绝字节到接受 Meta，从 Monica 到 Manus，肖弘与蝴蝶效应故事，是 AI 竞争进入新阶段的一个的缩影。Manus 用 270 天证明 Agent 产品可以快速实现订阅收入，Meta 用数十亿美元证明应用层的价值不亚于模型层。看样子，AI 巨头的战争，又开辟了一个新的战线。（作者｜郭虹妘，编辑｜李程程）
