“讓每一句人機對話都安全可信，讓每一次智能交互都風險可控——這是屬于AI時代的安全承諾。 —— 啟明星辰”
2025年3月初，中國AI初創公司Monica.im推出的通用智能體Manus，以一匹黑馬的姿態攪動了全球人工智能領域的格局。這款號稱“全球首款全自主執行復雜任務的數字代理人”，憑借其“規劃-執行-驗證”多智能體協同架構，在GAIA基準測試中刷新了智能體解決現實問題的性能紀錄。其獨特的云端異步處理模式讓用戶親眼目睹AI像人類般調用瀏覽器、編寫代碼、生成報告的全流程操作，這種“手腦并用”的突破性設計，使得AI智能體從對話建議者蛻變為任務執行者。
當前，Manus引發的熱潮已超越技術本身，成為觀察中國AI產業化路徑的窗口。與DeepSeek的基礎大模型技術突破型路徑不同，Manus選擇在應用層智能體突圍。這種“從1到10”的創新能力或將重構人機協作范式，推動智能體從實驗室走向真實生產力場景。這場由工程整合驅動的智能革命，正在為通用人工智能的產業化按下加速鍵。
一、“指月”公案
Manus剛一發布，推崇者、質疑者就紛至沓來。提問DeepSeek，回答總結了最近業界的主要爭議：
? 技術原創性與工程整合之爭：是否套殼，依賴第三方模型，工程能力VS原創性，復刻容易。
? 營銷策略與傳播真實性：饑餓營銷、邀請碼炒作，演示與體驗落差，國內外傳播差異。
? 技術路徑與行業標準分歧：基礎模型派VS應用派，倫理標準缺失，評估體系不統一。
? 產品成熟度與商業可持續性：早期產品不穩定，運行速度慢，崩潰問題，復現門檻低，大廠競爭風險。
? 倫理與責任界定問題：濫用風險如詐騙，責任劃分不明確，缺乏法律框架。
禪宗有一個著名的“指月”公案。
公案有兩種經典版本：
禪師版本：有修行者問禪師“何為佛法”，禪師不答，僅以手指向夜空明月。問者卻誤將“手指”當作佛法本身，忽略了手指指向的明月。
佛陀版本：佛陀說法時手指月亮，眾人不解其意。佛陀解釋道：“佛經如指向月亮的手指，目的是讓你們找到月亮，但若只研究手指的粗細、顏色，便永遠見不到真正的明月?！?/p>
盡管存在諸多爭議和討論，我們不一定要把注意力都聚焦在“Manus”這只手上。我們可以嘗試去仔細觀察審視一下這只手所指的月亮——AGI通用人工智能（Artificial General Intelligence）；即使AGI遙不可及，是否可以看看月亮周圍的星辰——API專業人工智能（Artificial Professional Intelligence）。
API專業人工智能聚焦在一個清晰邊界內的專業領域內，比如：網絡安全、日常Office辦公、量化交易等，在領域內達成一定的通用智能。借鑒Manus給我們的提示，采用多智能體集群的大模型應用形態，可以解決單智能體難以負擔的自主驅動的復雜API任務。
二、智能體集群化，從組織到器官、系統
一個單智能體就是最小的API專業人工智能，就像人體生理解剖學中細胞聚合而成的“組織”；
而多智能體的結構性組合就好像是人體生理解剖學中的“組織構成了器官”；
因為API專業人工智能具有數學上的一種“分形”特性，可以讓API組成更大更強的API，讓結構性的智能體集群形成好像人體中的“系統”（好像呼吸系統、消化系統、免疫系統等等）。
智能體集群化思想，以及衍生的結構問題、規模問題、能力問題（算力問題）、循環問題（數據和知識問題）、行動問題（工具問題）等等，都成為研究API專業人工智能乃至走向AGI通用人工智能的重要路徑。
以智能體集群思想，對機構安全開展全面智能改造的主要思路就是兩點:
其一，讓基礎安全能力原子化、工具化、智能體化；
其二，構建一個多智能體、智能體集群的安全體系。
啟明星辰研判，當下和未來一段時間的安全智能化路徑，應當走API專業人工智能、智能體集群的研究路線、產品路線和工程路線。
三、M·A·N·U·S，智能體集群的五大特征
就像人體有呼吸、消化、循環等等八大系統，結合最近幾年的AI研究積累和“Manus的指月”，啟明星辰提出API專業人工智能和智能體集群應當具有的五大特征（五大能力、五大屬性）：
Ｍ-Multi-Agent Synergy 多智能體協同
Ａ-Autonomous Execution 自主執行
Ｎ-Natural Interaction Framework 自然交互框架
Ｕ-Unified Tool & Application Interface 統一工具和應用接口
Ｓ-Secure-Compliance Mesh 安全合規網格
1、M – Multi-Agent Synergy（多智能體協同）
多智能體、甚至是智能體集群一起協同完成智能任務。智能體集群模式可以讓智能體擁有集中和分布的選擇，可以實現智能體向數據靠攏、向訪問者靠攏。智能體集群可以實現并行執行，也可以像人那樣同時進行深度思考與肌肉反射。多智能體協同的結構多樣性，讓API專業人工智能具有了好像人體“器官”的復雜功能、人體“系統”的協調體系。
核心技術機制探索：
（1）通過分布式調度算法實現跨模型、跨工具鏈的動態協作，支持行業知識庫與私有數據的混合調用。
（2）參考Manus的實踐，多智能體系統采用規劃-執行-驗證三層動態調度機制。
? 規劃層：通過任務規劃引擎將用戶指令拆解為原子任務（如“生成財報”分解為數據清洗、模型訓練、可視化等），并基于資源池動態分配智能體。
? 執行層：各智能體獨立調用工具API接口（如Python腳本生成、數據庫查詢），通過異步通信協議共享中間結果，避免資源競爭。
? 驗證層：驗證輸出結果，確保子任務正確執行。
（3）動態負載均衡，結合算力調度，智能體集群可根據任務復雜度動態調整資源分配。
? 輕量任務（如數據查詢）優先分配至邊緣節點，降低延遲；
? 高耗任務（如大模型推理）路由至云中心GPU集群，并通過彈性擴縮容控制成本。
2、A – Autonomous Execution（自主執行）
以AGI通用人工智能的高度要求，要求智能體要具有人類那樣的自主性、甚至自我意識。而從API專業人工智能的角度，所謂自主執行只需能夠在某個專業領域內接受長期或復雜的任務目標，并在執行中能夠自我應對各種例外情況（而這些例外處理并不是程序員編好的），而在極端情況下可以再尋求人類的支持和接管。
核心技術機制探索：
（1）基于實時自動化工具構建，將用戶指令轉化為端到端工作流，通過大模型的function calling能力將工作流中的子任務轉換為工具調用，對無工具調用的情況，實時構建代碼工具：
? 語義→代碼映射：將工作流任務指令轉換為詳細的功能描述，再通過代碼大模型生成可執行代碼（如Python、SQL）；
? 動態調試：在沙箱環境中預執行代碼片段，捕獲異常后觸發自修復算法（如變量類型推斷、API參數補全）。
（2）閉環反饋機制。通過強化學習獎勵函數優化執行路徑：
? 正向反饋：任務完成時間、資源消耗等指標達標時，強化當前策略；
? 負向反饋：失敗任務觸發根因分析模塊，自動生成改進方案并更新知識庫。
（3）多智能體的自主執行，涉及智能體之間的調度關系。至少有兩大類趨向：
? 主從調度關系。存在一個智能體是主master，由其來調度其他的從智能體slaver。
? 令牌調度關系。沒有一個固定的主智能體，而是多個智能體在某種規則下轉移主智能體身份。整體執行的還是主從調度。
? 對稱調度關系。不存在一個絕對的主智能體，而是通過多個智能體各自的自主執行和相互通訊來形成一種平衡調度。
3、N – Natural Interaction Framework（自然交互框架）
自然交互框架，里面涉及人與智能體集群的交互，以及智能體之間的交互。這里主要闡述的是人與智能體集群交互的“自然”，包括“自然語言”和其他可稱之為自然的交互方式（類似人與人的那些交互方式，比如手勢）。
核心技術機制探索：
（1）自然語言深度理解
? 突破字面語義解析，識別隱喻、幽默等文化語境（如識別學生作業中的諷刺表達）
? 結合情感計算模型分析用戶情緒狀態（如在線教育中檢測學習者挫敗感）
（2）多模態交互設計
? 支持語音、手勢、觸控等混合輸入方式
? 動態調整交互風格適配用戶特征（如為兒童提供擬人化語音反饋）
（3）認知共情模擬
? 通過記憶強化網絡構建用戶畫像（記錄偏好、知識盲點等）
? 生成帶情感溫度的輸出（如心理咨詢AI的安慰性回應）
4、U – Unified Tool & Application Interface（統一工具與應用接口）
人類區別于動物的兩件重要的事情，一個是使用語言，另一個是使用工具。一個智能體集群，其工具集應當是一體化的。而且工具的向上接口應當是標準的、統一的。
核心技術機制探索：
（1）協議抽象層，參考 UniApp跨平臺方案，通過以下技術屏蔽底層差異：
? 標準化描述語言：使用OpenAPI規范封裝異構工具（如REST、gRPC、GraphQL），開發者僅需聲明輸入輸出格式；
? 自適應路由：根據運行時環境（如iOS/Android/Web）自動選擇最優通信協議。
（2）熱插拔擴展機制
? 模塊化加載：新增工具（如HuggingFace模型）只需實現標準接口類，無需修改核心代碼；
? 依賴隔離：通過容器化部署避免版本沖突，確保不同版本大模型可并行調用。
（3）在一些復雜功能還暫時難于封裝為工具的時候，可以將大型App應用通過API接口規范來聯接調用。
（4）工具鏈基座與知識編織層難以割裂，而知識層與工具調用層的統一化標準化，可以形成一個“Unified Cognitive Fabric統一認知架構”。
5、S – Secure-Compliance Mesh（安全合規網格）
在一個復雜的智能體集群中，必然有一些智能體是專司安全和合規功能的；一個大范圍的智能體集群中，必然有一些安全基座提供貫穿全局的安全服務和安全規制。
核心技術機制探索：
（1）零信任策略網格
? 四維權限模型：結合主體（用戶/應用）、客體（數據/API）、環境（時間/位置）與操作（讀/寫/執行）動態鑒權；
? 微隔離：每個API調用均經過最近的策略執行點（PEP）驗證，防止橫向滲透。
（2）合規自動化
? 規則引擎：將GDPR、HIPAA等法規轉化為可執行策略（如“患者數據存儲≤90天”）；
? 證據鏈生成：記錄和審計操作日志，支持一鍵導出審計報告。
M·A·N·U·S的一些邏輯關系
在智能協作層：Multi-Agent Synergy多智能體協同，驅動Autonomous Execution自主執行的任務分解。
在認知融合層：Unified Tool & Application Interface統一工具和應用接口、Natural Interaction自然交互框架，分別提供到世界、到人的聯接。
在治理防護層：Secure-Compliance Mesh安全合規網格，為所有層提供安全與合規約束。
M·A·N·U·S術語體系完整覆蓋了從智能協同（M/A/N）到認知融合（U）再到安全治理（S）的技術閉環，每個術語既獨立承載核心價值，又通過架構設計形成有機整體。
M·A·N·U·S 就像AI智能體的新DNA密碼。
“MANUS is the New DNA of AI Agents”。
四、充分認可M·A·N·U·S代表的智能體集群方向
AI賦能網絡安全，從一開始就不是簡單的語言類大模型應用。從一開始就直接深入到智能體應用的層次。啟明星辰在發布了九天·泰合安全大模型之后，很快就發布了安星安全智能體。在2024年一直在致力于推動安全產品、安全能力逐步向智能體轉化。
在今年春節前后的DeepSeek熱潮開始后，更是將DeepSeek深度融合到安全智能體的改造和開發中。下面就是春節后一個月的時間，啟明星辰在安全智能體領域的產品發布和技術研究：
? 啟明星辰全面對接DeepSeek大模型，全場景智能化安全再升級
? 新賽道 | 啟明星辰發布MAF大模型應用防火墻產品，提升DeepSeek類企業用戶安全
? DeepSeek賦能TAR，打造全流量威脅檢測技術新范式！
? 疊加DeepSeek多模型基座，啟明星辰安全運營實現躍升
? 新賽道 | DeepSeek引爆企業AI應用，啟明星辰發布MASB定義大模型訪問安全
? 新賽道 | DeepSeek引爆安全剛需，啟明星辰發布MAVAS大模型安全評估系統
? 啟明星辰發布大模型應用安全“新三件套”，奠基“后DeepSeek智能時代”的安全基石
? AI原生安全訪問基座：產業演進視角下的MASB躍遷
? SaaS化星辰云MAVAS大模型安全評估服務，守護“后DeepSeek智能時代”的穩健防線
? 后DeepSeek智能時代，啟明星辰“大模型應用安全超融合服務”讓安全與業務同頻共舞
? DeepSeek讓安全火力重部署！【大模型安全運營前哨基地】向前推進效能邊界
? 啟明星辰發布《AI-R-IAM AI就緒的大模型身份與訪問管理白皮書》（附下載鏈接）
? 啟明星辰發布《AI-R-SDLayer AI就緒的安全數據通層白皮書》（附下載鏈接）
? 啟明星辰發布《AI-R-SOCC AI就緒的安全合成管理中心白皮書》（附下載鏈接）
? 新賽道 | 啟明星辰發布“大模型訪問脫敏罩”，客戶安心面對DeepSeek引爆的訪問安全剛需
? AI賦能再升級！啟明星辰態勢感知平臺深度適配DeepSeek，打造自主可控安全基座
? ……
而在三月初之后，啟明星辰更是將安全產品和安全能力的進化方向與智能體集群化、M·A·N·U·S化結合在了一起，開啟了新的創新格局。
? 《啟明星辰安星智能體集群化MANUS化，開啟安全智能體從組織到器官、系統的進化》
? 《安全瞭望塔，MANUS化的威脅情報智能體集群》
? 《大模型應用安全資源池， MANUS化的全效防護智能體集群》
? 《生成式蜜罐，MANUS化欺騙式防御集群中的新智能體》
? 《安全運營前哨基地，一個MANUS化的運營智能體集群》
? 《一個MANUS化智能體集群的安全體系架構方案：構建“感知-分析-驗證-預警”自主閉環》
? ……
快速鏈接
Copyright ? 啟明星辰 版權所有 京ICP備05032414號 
京公網安備11010802024551號
