IPP播客｜对话戴明洁：Manus被收购背后，中国AI正在“向外生长”吗？|ipp|manus|中国|人工智能|戴明洁|美国

IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台。

导语：

1月8日，中国商务部就Meta收购人工智能平台Manus一事作出回应。商务部发言人何亚东表示，企业在开展对外投资、技术出口、数据出境及跨境并购等活动时，必须严格遵守中国法律法规。商务部正会同相关部门，对此次收购依法开展合规性评估调查。

在此之前的2025年12月30日，Manus官方宣布即将加入互联网巨头 Meta，不仅创下国内AI团队从创立到被科技巨头并购的最快纪录，也成为Meta成立以来金额排名第三的并购案例。

回溯数月前，随着“通用AI智能体”概念迅速升温，Manus一度被视为中国AI应用层的重要突破。其邀请码也在市场上高价流转。然而，产品热度尚未完全消退，公司却已开始收缩国内业务、裁撤本土团队，并加快向海外转移。此后短短半年时间，Meta收购Manus的消息就浮出水面。

从国内的明星应用，到快速完成业务外移并最终被海外科技巨头收购，这一转型路径看似顺畅，但也折射出中国AI创新在全球科技竞争背景下面临的技术资产与高端人才外流的现实压力。

围绕这一事件，IPP新媒体主管刘深与长期关注人工智能及科创企业议题的IPP研究员戴明洁博士展开对话，尝试从资本、技术与地缘政治等多个维度，拆解Manus并购背后的逻辑，并由此引出一个更为根本的问题：在全球AI竞赛不断加速的背景下，中国的创新路径究竟应如何定义，又该如何坚守？

对话人

戴明洁

IPP研究员

刘深

IPP新媒体主管、政策分析师

【时间轴】

01:32-06:36 从中国人工智能企业和人才的出走说起

07:08-11:52 中国人工智能初创企业的发展困境

12:12-13:20 新加坡在中美人工智能角力中的角色

13:45-17:50 香港在人工智能竞赛中落后于新加坡的原因

18:40-23:19 中美为何选择了不同的人工智能发展路径

24:26-30:39 中国真的缺乏原始创新？

31:11-37:09 中国人工智能发展环境有哪些真正需要改善的？

刘深：就在2025年末，中国科技圈和人工智能圈爆出了一条重磅消息：今年年初曾引发广泛关注的中国人工智能独角兽Manus，据报道将被Meta（Facebook母公司）收购。报道称，这笔交易规模约为20亿美元，是Meta成立以来第三大收购，金额仅次于WhatsApp和Scale AI。随后，Manus也在官网发布消息称，公司即将加入Meta；相关产品与订阅服务将继续通过App和网站向用户提供；同时，公司将继续在新加坡运营，Manus创始人之一肖弘也将出任Meta副总裁。

那么到了1月8号，商务部在回应有关审查Meta收购人工智能平台Manus的提问时表示，商务部将会同相关部门对此项收购与出口管制、技术进出口、对外投资等相关法律法规的一致性开展评估调查。商务部的这一表态，也让Manus被Meta收购的前景蒙上了一些不确定性的因素。从年初在国内“ 火得一塌糊涂 ” ，到短时间内完成业务外移并被美国科技巨头纳入旗下，这家一度被认为前途无量的 AI 公司，为何会选择离开中国？这一转折背后，又折射出哪些更值得关注的现实问题？围绕上述问题，我们特别邀请 IPP 研究员戴明洁博士，为我们带来解析。

戴明洁：关于Manus事件，如果将其发展轨迹作一番简要梳理，最重要的无非两个节点：一是年中公司整体迁往新加坡，二是年底被Meta收购。将这两个节点放在同一条时间线上，才能更清楚地理解，为什么Manus会在今年反复进入公众视野，并逐渐成为一个具有代表性的讨论样本。

这一关注首先源于其年初推出的产品。年初，Manus发布首个AI Agent，迅速引发市场对AI智能体研发与应用的广泛关注。与此同时，公司本身长期活跃于资本市场和科技圈，一直被视为人工智能领域的“独角兽”。

在产品走红之前，市场对Manus的资本走向就已多有讨论。早在2024年，业内曾传出Manus可能被字节跳动收购的消息，当时讨论的交易规模约为3000万美元。进入2025年3月，公司首个智能体产品正式发布并迅速走红，关注度随之显著上升；随后在6月，投资人和创始团队公开宣布将公司整体搬迁至新加坡，中国区的120多名员工中，80人被裁员，其余40名核心技术人员则整体随迁至新加坡。这一决定当时也引发了不小的舆论关注。到2025年底，Meta收购Manus的消息逐步浮出水面，并最终成为焦点。

图源：Getty Imagies

需要指出的是，Manus并非中国人工智能独角兽首次被国际科技巨头收购。早在2018年、中美科技竞争加剧之初，苏州一家从事AI芯片研发的企业——深鉴科技，就曾被美国芯片巨头赛灵思（Xilinx）以3亿美元收购。

近一两年，在芯片和AI相关领域，类似并购案例出现得愈发频繁。以英伟达为例，其持续收购由华人创立、或以华人团队为核心的AI初创企业，其中较为知名的就包括焦建涛创立的NexusFlow。

将这些案例放在一起，可以看到一个值得注意的现象：英伟达CEO黄仁勋本身是华人，而其收购的多家AI公司，无论创业地点在美国、加拿大，还是中国，往往都具有明显的华人背景。与其简单理解为“美国企业收购中国企业”，不如说，美国科技企业正在系统性地吸纳由华人创立、并在海外（或外迁后）发展的AI公司。

也正是在这样的背景下，我更倾向于从中美科技竞争的视角，尤其是从战略资源外流的角度，来理解Manus事件。它所牵涉的，并不只是单一企业的去留问题，而是中国长期投入资源培养的科技人才，以及在本土环境中成长起来的高科技初创企业，正被纳入全球科技竞争的另一条轨道之中。

2025年，英伟达以约4亿美元收购多伦多AI初创公司CentML，并整组吸纳其华人创始团队。图源：路透社

从目前的观察来看，这类企业与人才的外流，大致可以归纳为三种形态：

第一种，是在中国本土完成培育、由华人创业，随后流向海外，并最终在海外被收购，Manus 即更接近这一类型；

第二种，是华人创业者从一开始就选择在海外创业，例如360副总裁陆剑锋于2019年前往新加坡创办WIZ.AI，以及前百度副总裁景鲲直接在美国成立MainFunc；

第三种，则是企业本身起步于海外，由华人团队主导，随后被美国科技巨头收购。

尽管路径各不相同，但这三种形态背后反映出的核心问题是相通的：中国投入大量资源培养的人才，以及在本土环境中成长起来的高科技企业，在全球技术竞争不断加剧的背景下，仍在持续外流。

刘深：接下来也想请您进一步解读一下：为什么这么多中国企业和中国人才不选择留在国内，而是远走海外？毕竟我们也看到，近两年国内AI的整体发展态势并不差——模型很多、资金也不少，各方面支持力度都在加大，那么他们为什么还是要走？

戴明洁：在这一问题上，企业与人才的流动逻辑并不完全相同。这里我主要从企业，尤其是AI初创企业的角度来谈。总体来看，企业选择外迁，既受到美国科技地缘政治压力的影响，也与国内创业生态和商业化环境密切相关。

以Manus为例，其当年选择外迁的直接原因和主要动因，大致可以归纳为三点。

第一，美国投资审查带来的资金压力是Manus快速出走的直接原因。最直接的导火索出现在B轮融资阶段。去年5月，由硅谷顶级风投公司Benchmark领投的7500万美元B轮融资，成为了Mauns出走事件的导火索。因为这笔投资触发了美国《对外投资安全计划》的严格审查，而这类审查通常需要一年到一年半的时间。对初创企业而言，如此漫长且高度不确定的周期会使其在现金流上难以承受。在这一现实约束下，若希望继续推进融资，迁出中国便成为一种现实可行的策略选择。

第二，美国出口管制升级使得Manus面临硬件获取与软件生态接入的技术限制。自中美“芯片战”以来，初创企业在获得先进芯片方面普遍面临更大压力，而Manus的情况尤为突出。作为一家专注AI智能体的公司，其对芯片和算力的需求本身就更高。公司内部研发负责人曾提到，由于无法获得英伟达最新芯片，相关研发进度一度被迫延缓约2—3个月。在智能体这样的前沿赛道上，这种延迟会显著削弱其与美国同类公司的竞争力。相较之下，若迁往新加坡，或直接被美国企业收购，上述压力会明显缓解。

第三，中美AI付费市场的差异以及中国企业间的低价竞争，使得Manus面临着巨大的商业化压力。今年国内频繁出现“内卷式竞争”“低价竞争”等说法，Manus也难以置身事外。整体来看，中国AI市场的付费意愿与美国仍存在明显差距：美国市场AI产品的付费率接近20%，客单价约30美元；而中国市场的付费率约为3%，客单价折合美元约5美元。Manus作为智能体产品，其单次任务处理成本大约在10—50美元之间，这样的收入水平难以覆盖研发和运行成本，使其在商业化阶段本身就承受较大压力，也更加依赖融资“回血”。

与此同时，公司还面临本土大厂的低价围剿。同期字节跳动推出的“扣子” (Coze)海外版三档会员价格仅为9、19和39美元，直接对标Manus的19、39和199美元定价体系。凭借更强的资本实力，大型科技公司可以在早期通过持续烧钱，对初创企业形成“降维打击”。在这样的环境下，若继续留在国内市场，无论是市场本身的变现能力，还是来自本土科技巨头的竞争压力，企业后续的商业化难度都会显著上升。

Manus走红后，其功能迅速被开源社区与大厂“同步复刻”。发布仅两天，OWL、OpenManus等开源项目即在GitHub上线；2025年4月，字节、百度等大厂相继推出智能体产品。

总的而言，可以说Manus的出走是在海外资本压力、海外技术限制、中国市场困局，以及更宏观的科技竞争环境下做出的一种妥协。

刘深：但我们也注意到一个很微妙的细节：Manus想要对接国际市场，却并没有直接去到最领先的美国，而是选择先去新加坡，而且目前总部仍然设在新加坡。为什么会选择新加坡这样一个地方？你认为主要原因是什么？

戴明洁：从本质上看，在当前全球AI创新格局中，新加坡实际上可以被视为“美国体系的一部分”。当下的全球AI科创版图，大致可分为两大板块：一是中国板块，二是以美国为核心的体系。

之所以说新加坡“本质上更接近美国”，关键在于企业在当地所能获得的条件——无论是投资环境、算力获取，还是数据跨境流动，都与美国本土高度相似，而这些正是AI企业发展的核心基础要素。

相比之下，企业若直接赴美布局，往往面临更高的制度门槛与现实成本；而新加坡在制度设计上高度开放，对海外企业和高端人才具有天然吸引力。因此，许多中国企业会将新加坡视为一个现实可行的“跳板”。

需要强调的是，这个“跳板”并不只是通往美国市场的中转站，它使企业能够更顺畅地接入整个国际AI创新生态——而在当前阶段，这一生态本身仍由美国主导。

刘深：说到新加坡的这个角色，其实我们国家自身也有一个类似的存在——香港。我们也知道，香港是国际金融中心，在互联网数据流动等方面，限制相对也不多。为什么香港在这一轮竞争中，似乎是落后于新加坡的？

戴明洁：对香港与新加坡的比较，可以从两个维度来理解：一是所处的国际环境，二是各自的发展路径。

从国际环境看，核心仍然是地缘政治对科技发展的影响。正如前面所说，新加坡在当前全球AI科创格局中，本质上嵌入在以美国为核心的体系之中；而从外部视角看，香港更多被视为与中国高度绑定。

在改革开放初期，国家确实将香港定位为国际化窗口，承担“超级联系人”的角色。但自2019年香港的社会事件及国安法出台后，西方舆论对香港的叙事发生明显转向，不再强调其国际中介功能，而是刻意强化其“内地化”形象。在这一背景下，企业若选择赴港发展，在美国主导的科技地缘政治体系中所承受的外部压力，与留在中国大陆相比并无本质差异，这使香港难以成为企业眼中的“中转地”或“替代选项”。

从自身发展路径看，香港与新加坡也存在结构性差异。新加坡的突出特点在于，在过去几轮全球科技浪潮中，基本都能较好地抓住转型机遇：从出口导向和加工制造，到科创转型，再到近年来重点布局智能经济，尤其是人工智能和生物医药等前沿领域，其发展始终紧贴国际创新生态的演进。

相比之下，香港虽然起点相近，早期同样以出口经济和加工贸易为主，但在上世纪七八十年代经历了一轮“制造业外迁”。在服务国家改革开放的过程中，香港将制造业大量转移至广东及内地，自身发展重心逐步转向高端服务业，主要集中在金融服务和高等教育科研。

香港拥有多所国际排名靠前的高校，但由于本土缺乏完整的高端制造业体系支撑，其科研体系更多以论文产出为导向，而非技术转化或与本地企业深度协作的商业化应用。金融体系方面，香港仍以传统商业金融为主，与科技创新深度耦合的科技金融和风险投资体系相对不足，这与新加坡近年来主动布局科技金融、服务初创企业的取向形成对比。

综合来看，即便不考虑地缘政治这一外部因素，仅从本土创新能力和创新生态的完整性与适配度来看，新加坡在当前阶段，确实更具优势。

刘深：我们把视角拉回到中国AI发展的整体环境来看。2025年初，DeepSeek横空出世一度让大家信心倍增。但我们也注意到，这股热潮似乎很快就退却了。进入下半年后，围绕DeepSeek的用户批评的声音也开始增多；与此同时，海外新的模型还在不断迭代，整体看下来，中国AI的发展似乎又进入了一种相对“沉寂”的状态。你怎么看待当前中国AI发展的环境？为什么会出现这样的情况？

戴明洁：整体来看，无论是DeepSeek在具体应用层面暴露出的一些问题，例如“幻觉”现象，还是在部分行业场景中的适配不足，其实都并非中国模型所独有。从当前情况看，中美两国在性能排名靠前的大模型，在这些问题上的表现大体相似，很难说中国模型在整体能力上已明显落后于美国。在实际使用过程中出现质疑与批评，本身也是技术扩散阶段的正常现象。

我更关注的是，DeepSeek在今年年初引发的讨论，其真正的重要性并不在于模型本身的优劣，而在于它揭示了一条不同于美国科技巨头的AI发展路径。具体而言，DeepSeek选择的是一条低成本、开源的技术路线；而当前美国主流模型更强调以前沿能力和商业回报为核心的闭源路径。相比之下，开源模式更侧重技术扩散和广泛应用，对AI的发展逻辑作出了不同回答。

正是这种由DeepSeek所代表的路径分歧，在2025年持续发酵，并逐渐演化为具有标志意义的分水岭。这种分歧不仅体现在全球AI技术路线的讨论中，也开始反映到中国自身的AI战略政策与企业研发实践中。

如果从中美对比来看，这一点尤为清晰。今年7月，中美两国几乎同时发布了各自在AI领域最核心的战略文件。美国发布的是《赢得AI竞赛：美国AI行动计划》（Winning the AI Race: America’s AI Action Plan），核心仍然是强化对通用AGI和最前沿模型能力的追求，并配套以围绕前沿模型的全栈AI技术出口策略，技术导向进一步向尖端能力集中。

美国白宫在2025年7月发布《赢得AI竞赛：美国AI行动计划》，从联邦采购、基础设施建设和技术出口三个核心层面，力求重塑并强化美国在全球人工智能领域的领先地位。图源：路透社

中国方面，虽然难以简单判断是否直接受到DeepSeek的启发，但结合长期强调的优势——如丰富的应用场景、完整的工业体系，以及DeepSeek在开源策略下获得的国际关注——可以看到，中国在AI战略上的侧重点正更加明确地转向应用导向。

从这个意义上看，DeepSeek这一看似“小企业”的事件，实质上折射的是中美两种人工智能发展路径的分化。这种分化对全球AI格局的影响，可能远比模型使用过程中暴露出的具体问题更为深远。

在企业实践层面，这一变化同样逐渐显现。自ChatGPT于2022年底发布以来，中国无论是腾讯、阿里等科技巨头，还是随后出现的一批明星AI企业，在相当长一段时间内都选择跟随美国科技公司的路径，集中资源投入通用大模型，试图在同一赛道上竞争。

而进入今年之后，一个明显的转向开始出现：越来越多中国企业将重心放在具体行业场景，转向垂直领域、小模型和行业模型的开发。可以说，以通用大模型为核心的路径，正在被更加应用导向、行业导向的发展路径所补充，甚至在部分企业中逐渐成为主流选择。

刘深：顺着你刚才的分析继续追问一个问题。过去我们常说，在AI领域，美国可能会长期主导最前沿创新，而中国更多集中在应用和商业化层面。那么从今天这些收购案例和发展趋势来看，未来会不会仍然是这样一种格局——美国凭借在资本、人才、芯片等方面的优势，持续保持AI创新领先；而中国由于人才外流、风险投资相对不足、芯片受限、国际环境制约，以及国内支付能力偏弱等因素，更多只能扮演“跟随创新、复制扩散、推动应用”的角色？这种模式是否会持续下去？

戴明洁：这个问题之所以重要，在于它触及了一个长期存在于中国科技发展中的深层议题——对“原始创新”的焦虑。

2015年，硅谷创投教父、PayPal 创始人Peter Thiel 在其著作《从0到1》中，曾对中国的创新模式提出尖锐批评，认为中国缺乏“True Innovation”(真正的创新)。此后，中国在2016年正式提出“创新驱动发展”国家战略，对原始创新的重视逐渐上升为国家层面的核心导向。在相当长一段时间里，围绕创新是否“源头在中国”、能否在基础科学和前沿领域取得突破，甚至是否产生诺贝尔奖等标志性成果，成为高度关注的焦点。

但近几年可以看到，这种对“原始创新”的强调在实践层面有所转向。相较于过去对创新源头的高度聚焦，当前讨论更多集中在技术如何落地、如何应用，以及如何更快形成产业化和规模效应。整体而言，应用导向、产业导向在科技发展中的权重正在上升。

在我看来，在讨论路径选择之前，有必要先回到一个更根本的问题：什么才是真正的创新？以及，我们追求创新的目的究竟是什么？

如果从这一视角出发，是否一定要把“最前沿突破”视为唯一目标，便值得重新审视。不可否认，美国作为全球科技强国，集中了最优质的资本、人才和科研资源，在前沿领域持续探索，仍具备很强的延续成功能力。但与此同时，这种以前沿突破为核心的创新模式，也在社会层面引发了一系列问题，其中最典型的就是社会结构与政治分化。

早在2016年特朗普当选时，这一问题就已在美国政治地图上清晰显现：最富裕、创新高度集中的地区，主要集中在湾区、波士顿等少数区域，而其他地区的贫富差距却持续扩大。从更宏观的角度看，如果创新红利长期只集中在少数前沿领域，而未能向更广泛的行业、地区和社会阶层扩散，其后果便会逐步显现。当前，美国的AI红利更多被少数高科技行业吸收，而农业、建筑业、制造业等传统领域是否真正受益，仍存在疑问。这种不均衡，可能进一步加剧类似“制造业铁锈带”的结构性问题。

从社会发展的视角看，创新最终应服务于人的发展和整体进步，而不是“为了科创而科创”。美国二战后曾引以为傲的“橄榄型社会结构”，如今正向“沙漏型”演化：富裕阶层和贫困阶层同时扩大，中产阶层不断收缩。这也促使我们反思，是否应将最多、最优质的资源，长期集中投向极少数最前沿技术领域？

回到中国的创新路径选择，我并不认为强调技术扩散、推动AI赋能千行百业，就意味着放弃对原始创新的追求。相反，在研究中我发现，我们对创新往往存在一种固化认知，即将创新理解为一条从高校基础科研出发、经企业转化、最终落到产品和应用的线性路径。

但近年来，越来越多研究正在挑战这种线性模型：原始创新并不一定只发生在基础科研阶段，它同样可能在工程化创新和产业应用过程中产生。换言之，并非只有“先把前端科研做完”，才能孕育真正的原始创新。

从这一角度看，中国推动AI在不同行业、不同产业场景中的应用，与对原始创新的追求并不矛盾。相反，在解决具体产业问题、回应真实市场需求的过程中，反而可能挖掘出一些在美国既有路径下并不容易出现的创新机会。这种从应用和工程实践出发、再反向推动原始创新的路径，本身具有相当潜力。

2025年8月，国务院印发的《关于深入实施“人工智能+”行动的意见》对外公布。图源：新华社

近期的讨论中，工程院院士李国杰也提出，中国的优势并不只是“产业应用”，而是“以产业应用为导向的科技创新”。这意味着，中国并非停留在技术应用或简单模仿层面，而是通过创新联合体的方式，将企业、高校和科研机构结合起来，在解决实际问题的过程中，持续挖掘新的原始创新机会。长期来看，这或许正在孕育一条不同于美国路径、甚至具有颠覆性的原始创新道路。

刘深：你刚才提到“创新焦虑”，这似乎也是中国语境中一个非常典型的心理惯性。比如年初DeepSeek出现时，很多人会认为说中国终于有创新了”；但 Manus出来之后，又有不少声音批评它只是“套壳”。所以最后也想请您从更现实的角度谈一谈：对于当前中国人工智能的发展环境，无论是在观念层面，还是在制度和政策层面，还有哪些地方是可以进一步改善的？

戴明洁：在前面对中美AI发展路径差异的讨论基础上，再来思考制度改革以及对企业和人才的支持，逻辑会更加清晰。

回到现实层面，短期内仍必须正视一个事实：尽管中长期路径逐渐明朗，但在当前阶段，中国依然面临企业和人才外流的现实压力，这一点无法回避。

以Manus出走为例，其暴露出的最直接问题之一，就是投资审查。进一步说，当企业因拒绝美国资本而面临融资压力时，国内是否能够在关键时刻提供有效的资本补位？从现实情况看，这方面仍然存在明显不足。

这与我国当前的科创资本结构密切相关。近年来，中国大力发展各类政府产业引导基金和创投基金，但整体仍以国家资本为主，而国资在撬动和吸引社会资本方面的能力尚不充分。同时，与美国相比，我国市场化风险投资体系仍不够活跃，对高风险、前沿科技企业的支持力度有限。

因此，未来一个重要方向，是构建更加多元、多层次的资本市场结构：在完善国资体系的同时，加强对风险投资机构的培育，提升对社会资本的吸引力。只有资本体系更具韧性和弹性，才能在面对美国投资审查等外部冲击时，更快通过国内渠道为企业“接力”，缓解因资金压力导致的外迁问题。

第二个现实挑战，是算力“卡脖子”。国产芯片替代正在推进，但在短期内，与最前沿水平之间仍可能存在数月的差距。在这种情况下，短期内更可行的路径，是发挥中国在完整产业链上的整体优势，通过增强产业生态的“粘性”，留住企业和人才。

美国的优势在于掌握最前沿芯片，而中国则可以通过强化协作、减少内耗，让大中小企业形成更紧密的合作关系，帮助初创企业降低创新过程中的市场成本和制度性成本。尤其在AI领域，最昂贵的基础设施集中在算力和数据两端。美国主要由科技巨头承担这一角色，而在中国，这更需要国家层面的参与。

例如，政府是否可以牵头建设高质量、行业级数据集，并提供公共算力与智能算力；通用大模型本身，是否可以被视为一种国家级公共基础设施。若这些基础条件由公共体系建设得更加完善，企业在开发行业模型和应用时的成本压力将显著降低，也不易同时受到美国算力限制和国内低价竞争的双重挤压。

在此基础上，还可通过政府采购、更完善的营商环境以及企业全生命周期服务，进一步增强产业生态的吸引力和稳定性，从多个层面缓解外部“卡脖子”带来的冲击。

第三个方面，是监管问题。在当前科技竞争环境下，许多领域出现“泛安全化”倾向，安全优先成为普遍逻辑。但正如郑永年老师反复强调的，不发展，才是最大的不安全。中国长期强调的，正是以发展为导向的监管体系。

在此背景下，是否可以借鉴改革开放时期设立经济特区的经验，在创新驱动转型阶段探索“科创特区”模式？从中央层面授权，赋予地方在特定新兴技术领域的改革自主权，对新兴技术落地“去监管”，使其能够更快推进商业化和应用落地，同时承担一定的国际化市场探索功能，帮助企业减少对国内低价竞争和“内卷式竞争”的依赖。这些方向都值得进一步探索。