2026年第2周全球产业趋势跟踪周报：Meta收购Manus，智谱AI与MiniMax即将港股挂牌

核心关注

市场交易热点

上周，A 股涨幅居前的重要主题指数为数字货币、减速器、拼多多合作商。

主题与产业趋势变化：Meta 收购 Manus，模型巨头补齐应用短板；智谱 AI 与 MiniMax 即将港股挂牌，中国 AI 产业迎来“成人礼”

（1）Meta 收购 Manus，模型巨头补齐应用短板

Meta 收购 Manus

Meta 在 2025 年 12 月 30 日宣布以超 20 亿美元收购 AI 初创公司 Manus，这笔交易成为 Meta 成立以来规模第三大 的收购案，仅次于 2014 年的 WhatsApp（190 亿美元）和 2025 年的 Scale AI 战略投资（143 亿美元）。更值得注 意的是交易完成的速度——从接触到交割仅用时 10-15 天，这在 Facebook 母公司严密的内部流程框架下显得异常迅 速，反映出管理层在 AI 战略中的强烈紧迫感。 这次收购标志着三个关键的产业转变信号。首先，它代表大型科技平台从被动投资 AI 能力向主动收购执行层的战略 转向。Meta 首席 AI 官 Alexandr Wang 公开表示，Manus 工程团队带来的是“生产就绪的智能体栈”，这允许 Meta 以“至少提前一年”的速度加快市场进入。其次，它验证了 AI 智能体（autonomous agents）正从实验室概念转向企 业级生产系统，而非仅停留于研究阶段。第三，在模型层面日益同质化的背景下，巨头们的竞争焦点已从“什么 LLM 最强”转向“谁能最好地将 AI 转化为可执行的行动”。

Manus 赛道介绍：AI Agent

传统 LLM 助手（如 Claude、GPT-4）遵循“请求-响应”范式：用户提出问题，AI 生成答案。这个模型的局限在于， 最终的执行者仍然是人类——AI 只能建议，不能行动。相比之下，AI Agent 采取“请求-自主规划-多步骤执行-结果 交付”的范式。例如，用户对 Agent 说“帮我分析竞争对手的定价策略”，系统会自动搜索竞争对手网站、提取定价 数据、进行对比分析、生成结构化报告——整个过程无需人工干预。 这个差异看似细微，实则涉及两个不同的产业：一个是“知识工作的数字助手”（市场已相对拥挤），另一个是“知 识工作的自动化”（市场才刚起步）。前者的商业模式受限于用户时间与数量，后者则可以支持”24 小时无人值守 的任务执行”。 AI 智能体市场正处于指数级增长的早期阶段。根据市场研究数据，全球 AI 智能体市场在 2024 年规模为 54.3 亿美元， 预计 2025 年增至 79.2 亿美元，并将在 2034 年达到 2360.3 亿美元，复合年增长率高达 45.82%。北美地区在 2024 年占据 41%的市场份额，但亚太地区预期增速最快，这给 Manus 这类亚洲初创企业带来巨大机遇。

Manus 定位：面向消费端的云端通用智能体

所谓 Manus 所代表的定位，可以概括为三个关键词：面向消费者、通用、云端。首先，“面向消费者”并不只是指 产品开放给个人用户使用，而是意味着用户不需要具备开发背景，也无需理解工作流、工具链或系统配置，只需像委 托他人一样，把一件完整的任务直接交出去。这一点与早期在开源社区爆火的 Auto-GPT、BabyAGI，以及 OpenAI Agents 这类面向开发者的平台形成了鲜明对比。后者与其说是 Agent 本身，不如说是构建 Agent 的工具：它们要 求用户自行设计目标、流程和执行逻辑，更多服务于企业或团队内部的 Agent 搭建，或被集成进像 Notion 这样的 产品中，用来增强功能与用户黏性，而并非直接替普通用户承担任务责任。

其次，“通用”指的是 Manus 的任务能力并不被限定在某一垂直场景或单一系统之内，它可以同时处理研究、分 析、整理、规划等多种知识工作，既能撰写金融研报，也能进行系统性编程并产出可运行的软件成品，还可以执行完 整的学术研究流程；这与 VS Code Copilot Agent 那种被严格锚定在代码仓库环境中的嵌入式 Agent，或客服 Agent、 运维 Agent 等高度场景化的智能体有着本质差异。最后，“云端”意味着任务的执行、调度和持续运行不依赖用户 本地设备。Manus 通过构建虚拟计算机与运行环境，让任务在云端完成，在这一虚拟环境中，它可以直接使用 Python 环境跑实验、生成图表并整理结果，用户无需自行配置环境，甚至可以在离线状态下等待任务完成并最终交付成果。 这一点与依赖本地脚本、本地 Copilot，或必须持续前台交互的工具形成了明确区分。正是这三个条件同时成立，Manus 才不再只是一个“增强人类工作的工具”，而是一个真正面向消费者、在云端承担完整任务责任的通用智能体。

从 Meta 收购 Manus 看产业变革：从模型到智能体的转变

Meta 收购 Manus 代表了 AI 产业的一个关键转折点：从生成式 AI（Generative AI）向代理式 AI（Agentic AI）的 范式转变已成为现实。这不是媒体的炒作，而是由大型科技企业的战略选择所推动的产业演进。 过去两年，生成式 AI 在单次推理能力上的代际跃迁速度已明显放缓。这一变化并不意味着模型能力停滞，而是意味 着：在可接受的算力、成本与时延约束下，单靠“把模型再做大一点”来显著提升复杂任务成功率，边际收益正在下 降。在这一背景下，主流厂商的技术重心开始从“让模型一次性答对问题”，转向“让模型通过多轮推理、工具调用 与反馈校正来稳定完成任务”。 具体而言，各大模型厂商正在系统性地增强模型的过程能力：包括显式推理、外部信息检索、工具使用、代码执行与 实验验证等。模型不再被期望直接给出最终答案，而是被允许（甚至被鼓励）经历失败、回溯与修正，并在内部消化 错误结果，而不是将未经验证的输出直接呈现给用户。这一趋势也使得“对话”与“思考”之间的界限逐渐模糊：在 简单问题上直接生成答案，在复杂问题上则自动进入更长的推理与执行流程。需要强调的是，这种行为更多体现为系 统层面的策略设计，而非单一模型能力的突然跃迁。

但是这不意味着模型厂商可以在模型底层能力本身的竞赛中获得喘息。在模型厂商持续加码底层能力的同时，以 Manus 为代表的 Agent 产品公司在短期内反而具备一定的结构性优势。这类公司并不需要自研基础模型，而是通过 在不同任务阶段灵活调用来自不同厂商的模型，将“最新模型能力”以接近零边际成本的方式整合进产品中。只要模 型生态持续演进，Agent 层就可以不断吸收外溢红利，而不必承担底层研发的不确定性。此外，多模型协同也使其避免被单一模型厂商锁定：例如，在轻量级、确定性较高的子任务中调用低成本模型，在关键决策或复杂分解阶段使用 更强的推理模型。 但这种“轻资产”模式本身也意味着护城河有限。从技术角度看，Agent 的构建门槛正在快速下降：无论是流程编排、 工具调用，还是调试与评估，主流平台都已提供可视化或半自动化的开发工具。以 OpenAI 等厂商提供的 Agent Builder 为例，单个开发者在一台个人电脑上即可搭建功能完整的 Agent 原型。因此，单纯依赖流程设计或提示词工 程，难以形成长期排他性优势。Manus 能够在早期脱颖而出，更合理的解释是：其在用户体验、任务拆解逻辑与工 程稳定性上形成了阶段性领先，而不仅仅是“提示词写得更好”。 正因如此，在 Agent 市场中，“品牌与分发”可能比纯技术更早成为决定性因素。一旦某一产品在消费者心智中建 立起“可靠完成任务”的认知，就更容易获得使用频率与资金支持，并反过来通过更大规模的工程投入持续优化系统， 形成正反馈循环。从这个角度看，Manus 的优势更多体现在先发用户规模与产品心智，而非不可复制的技术壁垒。

放眼短期行业格局，Manus 级别的消费级通用 Agent 再次出现的概率并不高。原因并非需求不足，而是平台型公司 正在快速内化 Agent 能力：如 Microsoft 的 Copilot Agent、Notion 的内置 Agent，以及各类垂直行业平台自建的 专用 Agent。这些产品依托既有用户基础与数据资产，天然具备分发优势。相比之下，通用型 Agent 容易面临“覆 盖面广但深度不足”的问题，从而被垂直 Agent 在特定场景中逐步蚕食使用时长。 不过，Manus 当前并不需要过度担忧通用 Agent 在外部市场中的竞争问题。被 Meta 收购之后，Manus 的核心价 值不再局限于其原有的消费级产品形态，而在于其 Agent 构建能力在 Meta 内部的大规模复用。通过将 Manus 在 任务拆解、流程编排、工具调用与可靠性工程方面的成熟经验引入 Meta 的产品体系，Meta 得以系统性提升旗下产 品的 Agent 化水平与用户黏性。从这一角度看，此次收购的重点并非获取一个现成的消费级平台，而是吸收一套经 过实际验证的 Agent 构建方法论与工程组织能力。Manus 创始人肖弘被任命为 Meta 副总裁，也从侧面印证了 Meta 更看重其在技术体系与管理层面的长期价值，而非单一产品本身。

（2）智谱 AI 与 MiniMax 即将港股挂牌，中国 AI 产业迎来“成人礼”

中国 AI 产业的“成人礼”

2026 年的钟声刚刚敲响，中国人工智能产业便迎来了一个历史性的转折点。在经历了长达三年的“百模大战”技术 军备竞赛后，行业发展的重心正急剧从单纯的模型参数比拼转向商业闭环的验证与资本市场的价值兑现。这一转折的 标志性事件，便是被誉为中国 AI“独角兽”双子星的北京智谱华章科技股份有限公司（智谱 AI）与 MiniMax Group Inc. （稀宇科技），几乎在同一时间窗口向香港联合交易所（HKEX）发起了冲击，分别定于 2026 年 1 月 8 日与 1 月 9 日正式挂牌上市。 本次 IPO 智谱华章拟全球发售约 37,419,500 股 H 股（其中香港公开发售 1,871,000 股，国际配售 35,548,500 股）。发行价已确定为每股 116.20 港元。按照这一价格计算，预计募资总额约 43 亿港元，扣除相关费用后的净募资约 41.73 亿港元。此次发行不涉及超额配股权时，公司 IPO 估值约在 511 亿港元左右。 MiniMax 本次拟全球发售约 25,389,220 股 H 股，其中香港公开发售约 5%（约 126.95 万股），国际配售约 95%（约 2,411.97 万股），并预留 15%的超额配股权以应对额外需求。发行价格区间设定为每股 151～165 港元。按照此区 间计算，预计募集资金总额介于 38.34 亿至 41.89 亿港元之间。以发行价区间中值 158 港元测算，募资净额约 38.18 亿港元。不考虑超额配售权行使，MiniMax 此次 IPO 的发行市值将在 461.23 亿～503.99 亿港元之间，与智谱华章 体量相当（相当于约 60 亿美元的估值）。

这两家企业的上市不仅仅是单纯的融资行为，更是中国大模型产业两种截然不同发展路径的首次公开“路演”与“定 价”。智谱华章，依托清华系深厚的学术底蕴，代表了“基础设施+ToB 赋能”的重资产、高壁垒模式，意在成为中 国版的“OpenAI+Oracle”；而 MiniMax 则凭借敏锐的产品嗅觉和全球化视野，代表了“超级应用+ToC 流量”的快 迭代、高爆发模式，试图复刻“字节跳动”式的增长神话。

智谱华章：通用大模型领跑者

智谱华章成立于 2019 年，由清华大学计算机系知识工程实验室的技术成果转化而来。创始团队拥有深厚的学术和产 业背景：核心人物包括清华大学教授、知识图谱与大模型领域权威唐杰，以及清华本硕博连续培养的“超级学霸”、 曾参与欧盟跨语言知识抽取项目和国家 863 计划的张鹏博士。在唐杰教授的学术引领和张鹏 CEO 的工程团队带领 下，智谱立志打造中国乃至全球领先的通用人工智能基础模型公司，追求通用人工智能（AGI）的创新突破。公司自 诞生起就被誉为“中国的 OpenAI” ，体现出其在技术路线上的高起点和远大目标。 智谱华章专注于通用大模型的研发与商业化，是国内最早投入大模型研制的企业之一。其业务模式以 MaaS （Model-as-a-Service，模型即服务）为核心，即通过开放 API 接口向开发者和企业输出通用智能能力。智谱提供 云端 API 调用服务以及本地化部署解决方案，满足不同行业客户对大模型能力的需求。2021 年，公司发布了中国首 个自主研发的预训练大模型框架 GLM（General Language Model）并搭建了 MaaS 平台，开始面向开发者提供大模 型服务 。2022 年，智谱开源了国内首个千亿参数级大模型 GLM-130B，成为开源社区里程碑事件。目前，公司已 形成 “基座大模型 + API 服务平台” 双轮驱动：一方面持续研发迭代 GLM 系列通用基座模型，另一方面通过订阅制 的云端 MaaS 平台为企业和个人开发者赋能智能应用。 智谱华章的旗舰产品是其 GLM 系列大模型。GLM 架构由智谱团队自主研发，采用混合专家（MoE）等前沿技术以在 参数规模和计算效率间取得平衡 。这一架构在长文本处理和垂直行业落地方面具有优势，例如针对医疗领域，智谱 与协和医院联合开发了“智医助手”模型，可分析超过 200 万份电子病历并支持 CT 影像与文本的联合诊断，提高医 生工作效率。GLM 系列自诞生以来保持高速迭代节奏，平均每 3-6 个月推出新一代基座模型并保持技术全球领先水 平 。迄今，智谱已发布从百亿级参数的 GLM-130B 到对标 GPT-4 的 GLM-4 系列模型，并在 2025 年末推出新一代 旗舰 GLM-4.7，进一步增强了模型在代码生成、长程任务规划、工具协同以及聊天、写作、角色扮演等方面的能力 。 凭借扎实的技术积累和持续高额的研发投入（2019-2025 年累计投入约 44 亿元研发经费 ），智谱构建了对标 OpenAI 的全栈原创技术体系，在中文通用大模型技术上一直走在行业前列。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）