Agent非统一形态，反向匹配才是出路

Manus和Genspark在2026年跑通变现，揭示Agent产品形态非普适，而是与市场SaaS密度反向匹配。SaaS稀缺要All-in-One结果交付，SaaS成熟要可控过程嵌入。

“用户不再满足于‘帮我总结一下’，他们开始要pitch deck、视频脚本、跟进邮件。”——Genspark联创Kay

2025年上半年，Manus的邀请码被炒到十万，Genspark宣布转型Agent，随后双双沉寂。到了2026年，当巨头们的通用Agent看似已一统江湖时，这两家非巨头出身的独立Agent产品却异军突起，移动端月流水双双翻倍不止。它们用完全相反的产品路径证明了一件事：Agent的产品形态不是普适的，而是与其所在市场的“现有工具组合复杂度”严格反向匹配。这对中国企业老板和市场负责人的启示是：与其幻想一个包打天下的超级AI，不如思考你的业务场景到底需要一个“卖结果”的暗箱，还是一个“卖过程”的透明沙盒。

一、夹缝生存：被巨头和垂类工具双向挤压的长尾用户

2026年的AI市场正形成一种奇怪的竞争格局。Codex和Claude Code两大巨头通用Agent向下兼容轻量任务，Gamma、Otter、Granola等垂直工具则向上截胡高频刚需场景。理论上，卡在中间的通用Agent产品几乎没有生存空间。但Manus和Genspark却找到了自己的用户群，一群被巨头忽视的长尾用户：设计师、初级运营、律师、独立小店主。

这群用户的共同特征非常清晰——任务种类多，单项任务频次低。今天要处理表格，明天要做促销海报，后天又要写合同摘要和跟进邮件。如果为每一项任务单独订阅一个垂直工具，经济成本和学习成本都太高了。他们需要的恰恰是一个能接管所有零散事务的All-in-One入口。

Reddit上一位日本便利店主的评论很能说明问题：“店里的促销海报和数据处理全部交给Genspark，每次能省两三个小时。”这并非一个高大上的生产力革命场景，而是无数微观碎片化任务被统一接管后，在时间上的自然涌现。

从数据看，2026年5月，Manus移动端月流水达到360万美元，是2025年年末水平的3倍；Genspark基数更小，但增速更猛，冲到130多万美元，是原来的6倍多。Web端同样翻倍增长，Manus月访问量从2025年11月的1527万增长到2026年4月的3030万，Genspark则从1140万涨到2135万。两款产品分列AI智能体网站访问量榜的第二、三名。

但更值得关注的是，这两个产品虽然形似，付费用户的地域构成却完全割裂——Manus的主要收入来自美国，Genspark的绝大多数流水由日韩市场贡献。这一分化，直接指向了两种截然不同的产品哲学。

二、“卖结果”与“卖过程”：一种反向匹配的方法论

两家的首页已经暴露了它们的底层差异。Manus的输入框提示语是“分配一个任务”，核心入口围绕Agent、插件、云电脑、定时任务等执行能力展开，与Codex的范式很像。Genspark的输入框则是“Create anything”，首页最显眼的位置直接展示文档、PPT、图像、视频等具体可交付成果。

往下看功能，分野更加清晰。Manus持续强化的是过程性能力：云电脑、定时任务、多信源深度调研，让用户看到任务如何被拆解、执行、卡在哪一步，随时可以介入干预。Genspark则不断扩展交付成果的能力边界：打电话、生成音乐、自动剪辑、翻译、下载，用户提需求，Agent把成果送到面前。

这不是两种Agent之间的技术高下之争，而是产品人格的截然不同。Manus试图构建一个让用户看见过程并随时介入的Agent，Genspark则把自己打造成一个提出目标然后等结果到货的Agent。它们并非绝对对立，也在互相吸收对方的能力，但底层的产品哲学决定了它们最终会被哪一类市场买单。

Genspark在日本：填补SaaS真空的All-in-One超级入口

根据Podobas Global的数据，日本SaaS占整体IT支出的比重只有4%，而美国则有15%-18%。这个数据背后隐含一个关键信息：对于便利店老板、普通职员这类个人用户来说，日本市场几乎不存在真正针对他们的垂类工具。这个空白，正是Genspark持续填补的。

今年上线的“Call for me”功能是一个绝佳的案例。这个功能让Agent直接替用户打电话完成查询或预约，AI返回结果，用户全程不用开口。放在美国市场，这几乎不会成为一个卖点，但在“社恐”文化氛围浓厚、日常又需要频繁打电话的日本，这是一个非常具体的刚需。有些日本用户甚至分享用AI给领导打电话辞职的场景，精准回应了一批真实用户的真实痛点。

Genspark在韩国市场的广告素材，打出的也是All-in-One的旗帜。在一个SaaS工具稀缺的市场，用户要的就是一个能接管一切杂事的超级入口，不要过程，只要结果。这是典型的“暗箱式交付”，对执行透明度要求低，对最终产出效率要求高。

Manus在美国：嵌入现有工作流的可控过程节点

当目光转向美国市场，情况完全不同。Gamma、Otter、Notion等工具几乎都诞生于美国，本土普及率极高。美国用户的工作流本身就是多个SaaS工具拼成的，这意味着“一个超级工具直接交付结果”对他们的吸引力其实有限，反而是“能被嵌进现有工作流、过程可见、随时干预”的能力更值钱。

在美国市场的用户评论中，出现了两类典型用法。一类是多工具切换，用户先在ChatGPT里做前期构思，再把初稿拿到Manus里整合成最终文档；另一类是把Manus接入GitHub和Vercel，跟Agent一起写代码，满意了直接推送上线。两类用法的共同点是：用户没有离开原有工具生态，而是让Manus承接了执行和整合的特定环节。这是一种“过程在场”的协作模式，Agent不是替代者，而是工具链上的一个可控节点。

之前曾有评论指出，Manus在管理咨询场景里存在局限，因为缺少专家洞察、企业内部数据和第三方基准，一度被困在宏大的叙事幻想里。但回过头看，2026年Manus真正跑通的，并不是它最初想象的咨询替代场景，而是把“过程可控”这个长板下沉到了那群每天处理零散SaaS任务的美国普通工作者身上。

这种“用户群体下移找到产品市场匹配”的路径，与Genspark的“填补SaaS真空”在底层逻辑上完全一致——都是根据所在市场的工具生态密度，反向决定产品形态和交付方式。

三、架构是产品哲学的技术表达

产品理念的差异为它们找到了不同的用户，但往更底层看，这更是技术架构差异的直接映射。

Genspark走的是多模型路由路径。用户的输入先通过路由层做任务拆解和分类，然后被分发到30多个模型和自封装工具中进行处理，每个模型权重相对均等。这种方式的代价是用户不知道具体由哪个模型完成了哪一步，过程不可追溯，但好处也很直接：对大量不需要复杂推理的标准化任务——表格处理、电话查询等——延迟更低、成功率更高。这种“暗箱但快”的产品体感，完美契合日韩市场用户对结果交付的偏好。

Manus则选择了完全不同的架构路线：主模型加辅助模型加上下文优化。它将大模型视为“大脑”，把记忆管理、工具调用和任务状态等原本要塞进上下文窗口的内容剥离出来，交给一个独立的Agent Runtime负责协调，再通过专属各任务的虚拟机方案完成实际操作。最重要的是，任务执行过程完全可见，用户能够追踪、检查甚至干预每一步操作。相比Codex的沙箱方案，Manus的沙箱更强调可见性，任务怎么跑、每一步在做什么，用户全程看得到。

从CloudRivers的技术博客资料来看，两家的技术选择并不是孤立的工程决策，而是产品理念的直接技术表达。Genspark要的是“一个入口接住一切”，所以需要路由层让30多个模型在背后分工协作；Manus要的是“用户全程在场”，所以把执行过程从模型内部搬到沙盒之外，让一切都能被看见和介入。

四、对中国企业AI落地的三重启示

Manus和Genspark的故事绝非两个远在海外的小众新闻，它给中国企业老板和市场负责人提供了极为务实的三重启示。

第一，放弃“统一Agent”幻想，拥抱“场景Agent”路线

2025年关于通用Agent的争论，整个行业默认假设是赛道最终会跑出一两个普适型Agent，把所有用户和场景一网打尽。但2026年的数据告诉我们，这可能是AI领域最大的认知误区。Agent的产品路径本质上是和用户现有工具组合复杂度反向匹配。SaaS稀缺市场要All-in-One的超级入口，SaaS成熟市场要能嵌入工作流的可控过程节点。对于中国这样一个SaaS渗透率介于日韩和欧美之间的市场，企业需要同时具备两种Agent部署能力——在内部流程不成熟的团队中推结果交付型Agent快速见效，在已有成熟SaaS生态的团队中嵌过程可控型Agent实现深度协作。

第二，定价灵活性可能比产品能力更决定付费转化

Manus和Genspark在定价方式上都采用按Tokens计费，并提供定制订阅方案和额外购买积分的选项，覆盖了20美元到200美元之间的中间地带。而CodeX和Claude Code仅有20美元和200美元两档，缺乏弹性。有用户直言：“我的预算到不了Max套餐，还是继续用Genspark了。”付费意愿从来不是一个单纯的产品能力问题，更是一个支付能力和选择自由度的问题。对于希望在企业内部推动AI订阅的市场负责人来说，为不同预算层级和使用频次的员工提供阶梯式入口，可能比选择最强大的模型更重要。

第三，低门槛接入和移动端交付是下沉市场的关键

CodeX和Claude Code虽然都有移动端，但作用仅限于监控和管理，任务仍需跑在PC桌面。Claude Code还要求配置本地开发环境，学习成本天然高于直接可用的Genspark和Manus。后者可以直接在移动端完成结果交付，这对非技术背景的运营人员、小店主、初级设计师构成了巨大的使用门槛优势。这提醒中国企业：AI工具的推广不能只盯着总部大楼里的白领，更要关注那些在门店、在仓库、在出差路上的移动化场景。

五、反向匹配：值得写入战略文档的方法论

Manus和Genspark最有意思的地方，不在于它们各自找到了什么客户，而在于它们共同证伪了“Agent会有统一产品形态”的预期。这个结论的意义远超产品经理的竞品分析范畴，它本质上是一套判断AI产品市场匹配的方法论：不要假设用户需要什么，去看他们的现有工具组合密度。

当市场SaaS工具稀缺，用户要的是All-in-One的结果交付；当市场SaaS工具饱和，用户要的是能嵌入流程的过程可控。这种反向匹配逻辑，可能比“Agent找到了PMF”这个结论本身更值得中国企业关注。它暗示着一个更根本的战略判断：在AI时代，产品的最终形态不是由技术能力决定的，而是由目标市场现有的工具生态密度反向塑造的。