Revue complète : comment Manus est-il né ?
TechFlow SélectionTechFlow Sélection
Revue complète : comment Manus est-il né ?
« Les agents pourraient poser un problème d'alignement, plutôt qu'une question de capacités fondamentales du modèle. »
Dédié à des analyses Web3 approfondiesAuteur : Wan Chen
L’histoire entrepreneuriale qui m’a apporté le plus d’inspiration l’année dernière provient de Zhang Luyu, fondateur de Dify.
La première fois que je l’ai rencontré, c’était lors de l’événement « Xixi Lundao » en 2023. Parmi une foule de noms prestigieux, celui de Zhang Luyu passait inaperçu. En 2024, lorsqu’on s’est revus, Dify racontait une tout autre histoire — un entrepreneur sans parcours brillant avait réussi, malgré les critiques incessantes sur son modèle économique, à créer l’un des produits open source d’intelligence artificielle les plus populaires au monde.
Ce qui s’est déroulé dans cette entreprise durant une seule année — comme son succès inattendu sur le marché japonais, réputé conservateur et difficile d’accès — m’a aidé à mieux comprendre ce qu’est l’entrepreneuriat. Il y a beaucoup d’imprévus, il faut aussi de la chance, mais surtout, il faut être capable de tracer un chemin à travers les changements constants et les revers.
Aujourd’hui, une histoire similaire se déroule autour d’un autre entrepreneur très suivi — Xiao Hong, fondateur de Manus.im, et son équipe.
Il y a quatre mois, Xiao Hong partageait une préoccupation : « Notre équipe excelle pour passer du zéro à un, elle est très forte pour saisir les opportunités. Mais dès qu’il s’agit d’aller du un à N, notre efficacité baisse. »
Dans son parcours antérieur, ses projets entrepreneuriaux ont généralement atteint des revenus stables et significatifs, et sa précédente entreprise a été rachetée avec succès. En 2023, sa nouvelle société « Butterfly Effect » a lancé Monica.im, une extension de navigateur, qui, au cœur de la bataille entre centaines de modèles IA, a su se positionner différemment pour devenir l’une des applications IA connaissant la croissance la plus rapide, avec une expérience utilisateur exceptionnelle. À seulement 32 ans, il semblait être un entrepreneur ayant toujours eu la voie facile.
Pourtant, il n’en retirait pas grande satisfaction. Selon Xiao Hong, être considéré comme un « serial entrepreneur », ressentir cette euphorie constante de repartir de zéro, c’est comme vivre dans une prison dorée : même si saisir des opportunités est gratifiant, on finit par craindre de devoir recommencer encore et encore.
En 2024, les experts du secteur pensaient que des assistants IA comme Monica.im, dotés de fonctionnalités de mémoire, allaient faire face à la concurrence féroce de produits tels que Doubao, rendant leur développement bien plus difficile qu’en 2023. Bien que Monica.im ait réussi brillamment le passage du zéro à un, elle risquait de buter sur le passage du un à N.
C’est précisément cette préoccupation qui l’a poussé à envisager des défis plus ambitieux, aux plafonds plus élevés — explorer comment franchir le cap du un à N.
Jusqu’alors, beaucoup supposaient que cet objectif plus exigeant était le navigateur IA tant attendu mais jamais publié par l’équipe.
Mais maintenant, on réalise qu’on s’était trompé.
Le véritable défi exploré était en réalité : abandonner le navigateur IA déjà prêt à être lancé, chercher le prochain « moment ChatGPT », identifier l’agent généraliste comme objectif, puis créer Manus.im, récemment publié.
À quel point Manus représente-t-il une innovation ? Quel niveau peut-il atteindre ? Ce sont désormais des sujets extrêmement chauds. Mais ce qui mérite surtout attention, c’est la direction trouvée à travers les imprévus, et le processus même de découverte. Manus.im ne garantit pas nécessairement que l’équipe réussira le passage du un à N, ni qu’elle reproduira le succès de Monica.im. Pourtant, comme le nom de la société — « effet papillon » — le suggère, de petits gestes et décisions peuvent avoir des impacts profonds sur l’avenir. « Relier les points » : le chemin de demain est caché dans les expériences d’aujourd’hui.
01 L'expérience produit unique de Manus découle des erreurs commises avec le « navigateur IA »
Depuis la mi-2023, le développement d’un navigateur IA par l’équipe de « Butterfly Effect » est devenu un secret de Polichinelle dans l’industrie. Le produit officiellement dévoilé, c’est Manus, qui a suscité une attention fulgurante.
Si vous avez testé Manus ou vu une démonstration, vous avez probablement remarqué une différence marquée par rapport aux chatbots ou agents similaires : Manus peut exécuter des tâches de manière asynchrone et parallèle.
Avec des applications comme Doubao, Kimi ou Computer Use, lorsque vous posez une question, vous devez attendre la réponse. Si vous intervenez pendant que l’IA travaille, la tâche en cours est interrompue. La conversation suit un schéma A-B-A-B, comme un relais.
Mais avec Manus.im, bien que l’interface ressemble toujours à celle d’un chatbot, vous pouvez lui poser 20 questions simultanément. Pendant ce temps, vous êtes libre de faire autre chose sur votre ordinateur — regarder une vidéo, rédiger un document, jouer à un jeu — sans perturber son travail. Dès qu’une tâche est terminée ou rencontre un problème, Manus vous alerte. Si vous remarquez une erreur dans son raisonnement, vous pouvez à tout moment ajouter des indications dans la discussion ; il ajustera alors son raisonnement avec ce nouveau contexte.
L’expérience est donc asynchrone, parallèle, comparable à celle d’avoir une équipe de stagiaires capables de travailler pour vous.
En réalité, cette architecture produit axée sur l’asynchronicité découle d’une leçon apprise lors du développement d’un produit non publié — le navigateur IA. C’est également la raison pour laquelle l’équipe, après y avoir consacré d’importants efforts, a décidé en octobre dernier d’arrêter ce projet.
The Browser Company a annoncé le 25 octobre 2024 l’arrêt du développement de nouvelles fonctionnalités pour Arc, redirigeant ses ressources vers un nouveau navigateur, Dia, conçu pour être plus simple et convivial, centré sur l’IA. | Source : site officiel d’Arc
« Dans un navigateur IA, l’IA interrompt continuellement l’utilisateur. » Conçu pour un seul utilisateur, quand l’IA utilise l’ordinateur, vous ne pouvez plus l’utiliser. Vous êtes obligé de rester spectateur, incapable d’intervenir sans risquer de tout faire planter. Vous hésitez même à toucher le clavier ou la souris, de peur de tout compromettre.
Cette situation a conduit l’équipe à deux conclusions :
-
Utiliser directement l’ordinateur pour “Computer Use” n’est pas viable à court terme.
-
L’IA devrait utiliser un navigateur, mais pas le vôtre. Elle devrait avoir son propre navigateur, idéalement dans le cloud, et vous renvoyer simplement les résultats.
Dans une interview avec Zhang Xiaojun de Tencent Tech, Xiao Hong explique que, en analysant les formes produits allant de Jasper à ChatGPT, de Monica à Cursor ou Devin, l’équipe a identifié que Devin, présenté comme un « programmeur humain », correspondait parfaitement à cette architecture d’expérience asynchrone.
Contrairement à Windsurf, qui parfois vous demande confirmation avant d’installer une bibliothèque, ou exécute une commande nécessitant votre accord (oui/non) car cela pourrait endommager votre machine ou provoquer un conflit — obligeant à bloquer le processus jusqu’à votre validation — Devin évite ces interruptions.
L’équipe de Manus pense donc que « le chatbot devrait disposer d’un ordinateur dans le cloud, où il exécute son code et accède aux informations via navigateur. Étant donné qu’il s’agit d’un serveur virtuel, peu importe s’il est corrompu — on peut en lancer un nouveau. Il peut même libérer ce serveur une fois la tâche terminée. »
À noter que contrairement à Devin, qui cible un domaine vertical et des ingénieurs chevronnés, l’équipe Manus choisit de développer un assistant IA généraliste, grand public, disponible sur Web et App. Capable d’exécuter diverses tâches professionnelles ou personnelles selon vos instructions, il livrera ses résultats à un prix abordable pour le consommateur.
02 Moins de structure, plus d’intelligence
Avec une vision claire, l’étape suivante consiste à concrétiser cette idée. Comment Manus y parvient-il ?
Selon Zhang Tao, associé produit de Manus, cela implique de fournir au grand modèle un ordinateur, ainsi que des droits système (accès à des dépôts de code, sites spécialisés, API privées), et une formation adéquate.
Ainsi, l’IA peut utiliser cet ordinateur pour ouvrir un navigateur, activer des outils, observer les effets de ses actions sur le monde réel, réfléchir à la suite, agir à nouveau, observer… Tel est le processus par lequel l’IA explore et mène à bien une tâche. Au fil du temps, Manus s’adapte à vos exigences grâce à vos ajustements. Même si vous ne définissez pas clairement une demande, il pourra anticiper vos besoins à partir des connaissances accumulées lors des tâches précédentes.
Li Bojie, ancien prodige de Huawei et fondateur de Logenic AI, souligne que Manus possède une caractéristique immédiatement frappante : résoudre les problèmes à la manière d’un programmeur geek. | Source : capture WeChat
La philosophie produit de Manus s’est précisée progressivement au sein de l’équipe : Less Structure, More Intelligence (moins de structure, plus d’intelligence).
C’est ce principe qui a généré chez l’équipe de nombreux moments de stupéfaction (« A-Ha, Wait ! »). Par exemple, en janvier dernier :
L’équipe a demandé à Manus de répondre à une question du test GAIA : « Dans une vidéo YouTube simulant un reportage National Geographic, des manchots entrent et sortent de l’image. Combien de types différents de manchots apparaissent simultanément au maximum dans une seule image ? »
Alors, quelque chose de magique s’est produit.
Manus a d’abord ouvert la vidéo, puis a pressé la touche « K », ensuite pris des captures successives pour identifier les espèces présentes à chaque instant, et conclu que trois types de manchots étaient visibles simultanément. Pour vérifier, son action suivante a été d’appuyer sur « 3 »… Après vérification, la réponse finale était bien 3.
Bien que les concepteurs de Manus connaissent théoriquement ses limites, ils sont régulièrement surpris. Non seulement Manus a trouvé la bonne réponse, mais il a utilisé des raccourcis clavier que même des utilisateurs habituels de YouTube ignorent probablement.
Intrigués, l’équipe a refait le parcours avec Manus : « K » est la touche pause, permettant de figer l’image pour capturer chaque frame ; « 3 » est un raccourci qui positionne la barre de progression à 30 %, permettant d’accéder précisément à une seconde donnée de la vidéo, puis d’identifier combien d’espèces sont visibles.
« Ce processus diffère radicalement du chatbot traditionnel. Premièrement, il analyse l’image de la vidéo, pas seulement les sous-titres. Deuxièmement, nous avons découvert qu’il utilise des raccourcis clavier de YouTube — ce qui nous a sidérés. » Xiao Hong a mentionné cet épisode dans une interview avec Tencent Tech.
Soudain, l’équipe a réalisé que Manus ne surpassait pas seulement les humains en programmation, mais possédait aussi une connaissance des interfaces Web et App bien supérieure à ce qu’on imagine. En tant qu’IA omnisciente, il connaît tous les moyens disponibles dans n’importe quel outil, et choisit systématiquement la méthode optimale.
Cela a renforcé chez l’équipe la conviction en « Less Structure, More Intelligence » : minimiser les contraintes artificielles imposées à l’IA, laisser son intelligence évoluer naturellement plutôt que de lui dicter chaque étape.
En bas du site officiel de Manus, figure discrètement la découverte fondamentale derrière le produit : « Less Structure, More Intelligence ». | Capture : Manus
C’est Peak, cofondateur et scientifique en chef de « Butterfly Effect », qui a exposé et approfondi le premier principe fondamental derrière Manus, « Less Structure, More Intelligence », le jour du lancement du produit :
Lorsque vos données sont suffisamment qualitatives, votre modèle assez intelligent, votre architecture suffisamment souple et votre ingénierie solide, alors des concepts comme Computer Use, Deep Research ou Coding Agent cessent d’être des fonctionnalités isolées pour devenir des capacités émergentes naturelles.
Ce retour aux principes premiers nous a permis de repenser complètement la forme du produit :
· Un navigateur IA n’est pas un navigateur avec de l’IA ajoutée, mais un navigateur fait pour l’IA ;
· Une recherche IA ne consiste pas à récupérer des index puis résumer, mais à permettre à l’IA d’obtenir l’information avec les droits de l’utilisateur ;
· Interagir avec une interface graphique ne signifie pas prendre le contrôle du périphérique utilisateur, mais donner à l’IA sa propre machine virtuelle ;
· Écrire du code n’est pas un objectif en soi, mais un médium universel pour résoudre des problèmes ;
· Créer un site web ne dépend pas du cadre technique, mais du contenu significatif ;
· L’attention n’est pas « tout ce dont on a besoin » — libérer l’attention de l’utilisateur permet de redéfinir le DAU ;
· ···
Grâce à ces découvertes et pratiques répétées de « Less Structure, More Intelligence », Manus a produit des résultats dépassant les attentes : notamment, son score pass@1 sur le benchmark GAIA a surpassé celui d’OpenAI Deep Research en cons@64. En tests internes, Manus couvre déjà 76 % des scénarios des agents spécialisés de Y Combinator W25.
03 « Les agents, ce n’est peut-être pas un problème de capacité du modèle de base, mais un problème d’alignement »
Aujourd’hui, la pertinence de ces découvertes suscite des discussions plus larges :
Clement Delangue, fondateur et PDG de Hugging Face, écrit sur X que la découverte de Peak mérite réflexion : les capacités des agents ne sont pas limitées par le modèle de base, mais par un problème d’alignement, similaire à la différence entre GPT-3 et InstructGPT (ChatGPT). Certains modèles open source sont entraînés à répondre entièrement en un seul tour, quelle que soit la complexité — adapté aux chatbots, mais insuffisant pour les agents. Un simple post-entraînement sur le cheminement de l’agent peut faire une énorme différence. | Capture : X
Manus n’introduit pas MCP (Model Context Protocol), mais permet à l’IA d’écrire elle-même du code pour appeler des API, afin de gérer toutes sortes de tâches longues. | Capture : X
Dans les derniers jours de discussion autour de Manus, la question la plus fréquente est : Un agent IA généraliste est-il viable ? Où se situent ses limites ?
Pour Peak, l’interaction humaine avec le monde suit des schémas standards — yeux, mains, oreilles. Si l’espace d’action (action space) est bien défini, un agent peut remplacer un humain dans n’importe quel processus.
Si un humain peut utiliser divers outils pour effectuer des opérations complexes dans un domaine spécialisé, alors un agent doté de connaissances suffisantes, correctement formé et disposant d’une bonne interface avec le monde, devrait pouvoir travailler comme un humain — voire utiliser un SaaS spécifique. Par exemple, sur le site de Manus.im, un cas montre l’IA utilisant un logiciel immobilier spécialisé pour trouver un logement.
Il faut, selon lui, définir les limites d’utilisation des outils par l’agent, plutôt que de limiter son utilisation à certaines catégories d’utilisateurs. Manus ne simule pas un individu effectuant une tâche précise (comme développeur ou chef de produit), mais un agent capable d’accomplir des missions — comme un stagiaire.
Le système multi-agents de Manus repose sur la séparation entre planification (Planning) et exécution (Execution).
Pour l’exécuteur (Executor), Manus utilise Claude, leader actuel en programmation et résolution progressive de problèmes complexes, tout en post-formant des modèles Qwen.
Hier, Manus a annoncé un partenariat stratégique avec Alibaba Tongyi Qianwen, visant à implémenter toutes les fonctionnalités de Manus sur des plateformes chinoises de modèles et de calcul. | Source : Manus
Pour la composante planificateur (Planner), Manus a accompli un travail considérable.
Les modèles ou API disponibles sur le marché sont essentiellement alignés sur les chatbots : lors de l’entraînement, peu importe la complexité de la question, l’objectif est de répondre complètement en une seule réponse. Or, cela va à l’encontre de ce que requiert un agent.
Utiliser directement ces modèles existants dans un scénario agent ne fonctionne pas — ils seront toujours pressés de donner un résultat approximatif en un seul tour, comme un simple résumé en puces.
« L’alignement doit être différent. Nous pensons qu’il faut des données spécifiques pour un alignement dédié », affirme Xiao Hong.
En octobre dernier, Peak avait documenté sur Zhihu un projet personnel visant à reproduire OpenAI o1 — le modèle open source Steiner — qui s’est soldé par un échec. Ce projet était en réalité une recherche préliminaire sur la planification pas à pas (step-by-step planning) pour le module Planner de Manus.
En résumé, Manus cherche à simuler un humain capable d’agir — telle est la définition produit de Manus comme assistant IA généraliste. Quant à ses limites, l’équipe continue probablement d’explorer, à travers davantage de cas utilisateurs.
Dans une interview avec Tencent Tech publiée avant le lancement de Manus, Xiao Hong avait déjà partagé sa réflexion initiale sur la généralité de Manus : « Une question centrale, une responsabilité clé du product manager, est de bien gérer les attentes des utilisateurs. Supposons qu’il puisse tout faire — par exemple, “Comment gagner 1 million de dollars ?” Ce n’est pas une tâche qu’un agent devrait exécuter. Mais si nous fournissons des exemples concrets, les attentes deviendront plus réalistes, et l’utilisation sera plus fluide. »
04 “La coquille a son utilité” — l’équipe qui comprend le mieux la “coquille”
Dans la nuit du 27 février, lorsque Zhang Tao, associé produit de Manus, et Ji Yichao (Peak), scientifique en chef, ont vu les résultats de Manus sur les classements, les deux ont pleuré. Manus a surpassé Deep Research d’OpenAI sur le benchmark GAIA, avec un coût environ 10 fois inférieur (2 $ par tâche), un résultat inattendu.
Source : Manus.im
Une petite équipe, alors que l’industrie commence à converger sur les agents, est devenue l’une des premières à proposer un produit agent généraliste, avec des innovations notables en ingénierie produit, UX et interface.
Aucune récompense ne vaut ce sentiment de réussite. Pour une startup, rien n’est plus motivant. Mais comment Manus est-il né ? Pourquoi cette équipe-là ?
« Les capacités actuelles des modèles permettent déjà d’accomplir des tâches complexes et multistep. Simplement, il n’y avait pas encore de produit pour le montrer, donc personne ne le sentait. » Cette observation de Xiao Hong, faite lors d’une interview avec Tencent Tech, aide à comprendre.
De plus, peu d’équipes ont l’opportunité de développer un produit agent. Cela demande des compétences multiples : avoir travaillé sur des chatbots, sur l’IA en programmation, sur les navigateurs (car il faut invoquer un navigateur), et avoir une bonne intuition des limites des LLM — savoir où en sont les modèles aujourd’hui, et où ils vont aller. Peu d’entreprises cumulent toutes ces compétences, et celles qui les ont sont souvent absorbées par des projets précis. Nous avons eu la chance que certains membres aient le temps de s’unir pour construire cela.
« Par hasard. »
-
Par hasard, avoir détecté au bon moment que les modèles atteignaient un niveau suffisant pour faire des agents, sans attendre un modèle end-to-end comme Operator ;
-
Par hasard, avoir identifié que le problème venait de l’alignement ;
-
Par hasard, avoir développé à la fois des extensions de chatbot et un navigateur IA ;
-
Et parce que, en étant constamment dans les « coquilles » d’applications basées sur LLM, l’équipe a développé une sensibilité aiguë aux limites des modèles ;
L’équipe de « Butterfly Effect » réunissait tous les éléments nécessaires pour créer un agent généraliste à ce moment précis, produisant ainsi un agent d’un niveau de maturité rare dans l’industrie.
Interrogé sur le moment décisif ayant mené à Manus, Peak donne plus de détails : « En entrepreneuriat, il n’y a pas de pivot “propre”. Tout est continu, sans frontière nette. »
« En développant un produit, on surveille constamment l’environnement extérieur. » À l’époque, plusieurs signes : en développant le navigateur, l’équipe a expérimenté des modèles côté terminal, puis a réalisé que les besoins du navigateur étaient extrêmement larges, avec de nombreuses fonctionnalités. Ce processus a révélé que la puissance des modèles de base augmentait rapidement, au point que l’écart entre eux et les agents pouvait se réduire à un simple problème d’alignement — même si l’opinion courante parlait de saturation des grands modèles linguistiques.
Parallèlement, l’environnement évoluait. Début 2023, Cursor a commencé à percer, suivi par Windsurf puis Devin. Ces produits reflètent une même tendance : les agents prennent de l’ampleur dans la programmation, par paliers croissants. Cursor est un copilote pour programmeurs, améliorant l’efficacité. Avec Windsurf, des automatisations apparaissent, offrant plus d’autonomie locale. Devin pousse encore plus loin.
Les VC suivaient aussi cette tendance : l’an dernier et celui d’avant, YC a investi dans deux types d’entreprises : les navigateurs cloud (ex. Browser Base), et les machines virtuelles IA légères (ex. e2b).
Cela indiquait que « les infrastructures modèles et techniques mûrissaient rapidement. En voyant que les produits extérieurs gagnaient en acceptation, nous avons senti que c’était une direction valant le tout-in. Ce fut un processus progressif et fluide. Et les acquis du navigateur, comme Chromium, ont pu être réutilisés sans friction — c’est pourquoi nous avons osé créer un navigateur dans le cloud. »
En somme, la sensibilité aiguë aux besoins et aux modèles, acquise dans les « coquilles », combinée à l’expérience accumulée, a permis de créer Manus. De nombreux cas de Monica nécessitaient un post-entraînement des modèles ; l’expérience du navigateur IA a renforcé la leçon cruciale : “less structure, more intelligence”, révélant que les modèles étaient prêts pour les agents, à condition d’aligner correctement. Puis, trois mois d’évolution fulgurante ont suivi.
Auparavant, l’équipe de « Butterfly Effect » avait été critiquée pour sa dépendance aux « coquilles », remettant en question leur valeur. Sans développer leurs propres grands modèles, ils ont intégré des modèles existants pour créer Monica, combinant chat, recherche, lecture, écriture, traduction, et connectant via API de nombreux scénarios d’exécution. Fin 2023, l’application comptait déjà des dizaines de millions d’utilisateurs.
Aujourd’hui, alors que Doubao, Kuai, Yuanbao lancent massivement leurs propres versions de Monica, et qu’une petite équipe utilise les technologies existantes pour créer le premier agent grand public généraliste, il est temps de repenser la notion de “coquille”.
Qu’est-ce que la « coquille », et à quoi sert-elle ?
Pour Xiao Hong, toutes les avancées viennent des modèles — c’est toujours le modèle qui mène, qui ouvre la voie. La coquille sert à rendre perceptible cette innovation technique, à emballer la capacité innovante du modèle de façon compréhensible pour l’utilisateur.
Partant de là, DeepSeek App (y compris l’affichage de la chaîne de pensée) est la coquille de DeepSeek-R1, Cursor est celle de Anthropic Sonnet 3.5, Perplexity celle de GPT-4, ChatGPT celle d’InstructGPT.
Avec l’évolution rapide des modèles, la « coquille » doit elle aussi évoluer. Après chaque saut technologique, ce n’est pas forcément le fabricant d’origine, mais parfois un tiers, qui en révèle toute la valeur perçue par l’utilisateur — comme Cursor avec Claude 3.5 Sonnet.
Le 5 mars, jour du deuxième anniversaire de Monica.im, la réponse à la question « pourquoi cette petite équipe a-t-elle créé un produit surpassant Deep Research et OpenAI Operator ? » réside dans leur compréhension et pratique de la coquille.
Comment créer la meilleure coquille possible pour un nouveau modèle capable d’agents ?
Pour Zhang Tao, créateur de Manus : « En examinant l’architecture complète en arrière-plan, on voit qu’il reste énormément de travail à chaque niveau, et chacun de ces points est critique, transformant radicalement l’expérience produit. »
Pour l’équipe, l’avantage principal est la vitesse d’innovation (pace of Innovation). Que ce soit pour les applications ou les modèles, on atteint un état de saturation. La compétence finale décisive est simplement d’aller vite, même si les notions de « boucle de données » ou « effet réseau » restent à prouver.
« Dans un domaine entièrement nouveau, tout est incertain, tout est inconnu. L’essentiel est la vitesse d’innovation : explorer, tester, se tromper rapidement, et trouver la bonne voie. » L’équipe Manus est extrêmement flexible dans sa gestion, son organisation et ses processus industriels. Face à une nouvelle opportunité, elle peut mobiliser rapidement toutes ses ressources, prendre des décisions à grande vitesse, et s’adapter aux retours d’erreurs.
De gauche à droite : Peak (scientifique en chef de Butterfly Effect), Xiao Hong (PDG), Zhang Tao (associé produit) | Source : Internet
Sur les attentes concernant Manus, Xiao Hong estime : « Même s’il n’y a qu’une fenêtre d’opportunité, ça vaut la peine d’essayer. » L’an passé, sa réflexion a profondément évolué. Il pense désormais : « Quand tu te rends compte que tu es en avance, sois plus audacieux, extrêmement audacieux. En y repensant, Monica en 2023 n’était pas assez audacieuse. » « Si tu sais que tu innoves, que tu mènes, alors sois audacieux. »
On ignore si Manus permettra à Xiao Hong et son équipe de vivre l’expérience du passage du un à N, mais cette équipe, experte en « coquilles », croit en la création main dans la main avec l’esprit, et en l’effet papillon de la création — Manus tire son nom d’un mot de MIT : Mens et manus, mettant l’accent sur l’union de l’esprit et de la main. Il ne suffit pas de savoir, il faut agir, impacter le monde réel — c’est cela, la vraie connaissance.
À l’avenir, à mesure que davantage de technologies sous-jacentes à Manus seront ouvertes, l’effet papillon s’étendra encore plus largement.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
