报告概述
本报告重新定义了通用智能体竞争的分析框架，将研究对象从基座模型转向真正面向任务交付的产品层。报告以Manus、Genspark、Flowith三款产品为主线，对比其任务交付能力、环境控制、记忆与工作台等维度，同时剖析OpenAI、Google、Anthropic提供的原语层能力以及Devin等高价值垂直代理。报告旨在帮助读者理解谁才是用户心智中的“真正通用智能体”，并预判未来两年的竞争格局。
报告的核心结论
通用智能体竞争已从模型竞争转向任务交付产品竞争。
报告指出，未来护城河更多体现在任务交付、工作台入口和记忆治理上，而非参数规模。Manus、Genspark、Flowith等产品层玩家正取代基座模型厂商成为竞争主轴。
Manus、Genspark、Flowith代表三条不同的产品路线。
Manus最像数字同事，强调任务交付与结果生成；Genspark是agent-native生产力套件，争夺工作台入口；Flowith则聚焦长期上下文与可视化工作流，定位为AI Agent操作系统。
底座能力层与产品层将加速分离。
OpenAI、Google、Anthropic提供computer use、browser use等动作原语，但真正占领用户心智的是将这些原语封装成完整任务产品的产品层玩家。
交付替换权将成为通用智能体时代的核心平台红利。
一旦某个agent成为用户默认的任务承接方（研究、演示、表格等），它将不再是工具，而是新的工作入口，拥有持续的数据、记忆和流程优势。
未来两年竞争焦点是产品竞争、原语分化与工作台价值上升。
通用智能体竞争越来越像产品与入口竞争，工作台、记忆和入口的价值持续上升，底座能力层与产品层继续分离，强者将赢得默认任务承接方地位。
报告回答的关键问题
什么才算真正的通用智能体？
报告认为，真正的通用智能体能接任务、拆任务、执行任务并交付结果，而不是只会聊天。它至少需要处理开放任务、调用工具、维持状态并交付产物（如PPT、网站等）。只会聊天或只在单一场景强的系统不算通用agent。
Manus、Genspark、Flowith有什么区别？
Manus最强调任务交付与结果生成，像有自己电脑的虚拟同事；Genspark将多种AI能力整合为统一工作台，争夺用户入口和平台黏性；Flowith则侧重长期项目中的连续协作，通过Canvas、Knowledge Garden等实现可视化任务流。它们分别代表执行、套件和上下文空间三条路线。
为什么基座模型不再是通用智能体竞争的中心？
报告指出，基座模型决定能力上限，但不是最终竞争单位。真正决定用户心智的是产品层如何将模型能力包装成默认工作入口。用户不会长期围绕抽象模型迁移，而会围绕能把活做完的agent迁移。因此报告主轴必须转向产品层。
Devin算不算通用智能体？
Devin是典型的高价值垂直代理（AI软件工程师），在软件工程场景深度极强，但广度不足以称为通用智能体。报告将其归为深度智能体，与Manus等广度智能体长期并存，而非替代。
未来通用智能体竞争的关键维度有哪些？
报告提出五个关键竞争维度：任务交付能力、环境控制能力、workspace与记忆、用户入口与平台黏性、企业治理与控制面。这些维度将决定谁能成为默认任务承接方。
完整报告包含什么
- 报告第二部分详细对比Manus、Genspark、Flowith三款产品：Manus通过本地浏览器执行与文件交付实现端到端任务，Genspark以SuperAgent为核心构建AI工作套件（含Docs/Sheets/Slides等），Flowith则通过Canvas、Recipe、Nodes和Knowledge Garden实现长期项目协作。
- 第三部分深入分析底座能力层，包括OpenAI的Operator与ChatGPT agent、Google的Project Mariner与Project Astra、Anthropic的computer use，解释它们为何重要但不应替代产品层。
- 第四部分聚焦高价值垂直代理Devin，剖析其作为AI软件工程师的能力边界，以及与通用智能体产品的定位差异。
- 第五部分提出五个真正的竞争维度：任务交付、环境控制、workspace与记忆、用户入口与平台黏性、企业治理与控制面，并配以详细评估框架。
- 第六部分包含团队首创的五个原创概念：任务交付型智能体、原语层与产品层分离、工作台护城河、广度智能体与深度智能体、交付替换权，帮助理解竞争本质。
- 第七部分是未来两年判断，给出产品竞争强化、原语层分化、工作台价值上升三条主判断，并指出谁成为默认任务承接方将获得平台红利。
- 报告还包含大量对比图表、竞争象限图以及各产品的功能截图，直观展示差异。
- 附录提供研究方法说明、术语表以及清新研究团队的背景介绍。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
