还记得3月份哪家一个邀请码被炒到5万的武汉公司吗？

2025 年 12 月，它以20亿美金卖给了Meta。

从接触到签约，前后不过十余天。就在刚刚，Meta 宣布收购 Manus 母公司“蝴蝶效应”（Butterfly Effect），估值 20 亿美元。交易完成后，蝴蝶效应将保持独立运作，其创始人肖弘将出任 Meta 副总裁。

从武汉到硅谷：肖弘的“蝴蝶效应”

肖弘的创业故事，带有典型的“连续创业者”色彩。

他毕业于华中科技大学，江西吉安人，创业起点在武汉。

在 AI 浪潮之前，他最为人熟知的作品是微信生态内的两款工具：公众号排版插件“壹伴”和企微 CRM 工具“微伴”。

2022 年，蝴蝶效应成立。第一款产品是浏览器 AI 插件 Monica，凭借大模型驱动的聊天、搜索和翻译功能，在海外市场迅速撕开口子。

2024 年初，当 Monica 进入高速增长期时，字节跳动高层曾与肖弘在香港秘密会面，开出 3000 万美元的收购价。肖弘拒绝了。现在看来，这个决定无比正确——此后的蝴蝶效应开启了堪称恐怖的融资与增长曲线：

• • 2023 年 2 月：种子轮，估值 1400 万美元；
• • 2024 年 11 月：A 轮，红杉中国、腾讯、王慧文等入局，估值 8500 万美元；
• • 2025 年 4 月：B 轮，Benchmark、Sequoia、Tencent 等中美顶级 VC 联手，估值冲向 5 亿美元。
  

随着 Manus 这一具备调度多工具、解决复杂问题能力的 Agent 产品在 2025 年 3 月上线，蝴蝶效应的收入开始狂飙。

截至今年 12 月中旬，其年度经常性收入（ARR）已突破 1 亿美元，并在收购前夕达到了 1.25 亿美元。

Meta 的焦虑与 Agent 的诱惑

为什么是现在？为什么是 Meta？

对于 Meta 而言，Manus 不仅仅是一个工具，它更是一台精准的“印钞机”。通过向企业销售订阅制的 AI Agent 服务，Manus 能够为 Meta 昂贵的 AI 投入提供最直接的商业回报。

但在这些漂亮的财务数字与耀眼的头衔背后也藏着三声不易察觉的“悲凉”。

悲凉之一：Manus 的梦，终究没能撑起一家独立的公司

即便强如 Manus，在 2025 年的激进竞争中也感到了寒意。

AI 创业的成本极高，算力、人才与流量的消耗无底洞般吞噬着资金。

“识时务者为俊杰”，在此时选择被收购，或许是避免走向平庸的唯一路径。

有消息称，另一家头部的 Agent 公司也在寻求出售。

事实证明，通用 Agent 这条赛道，终究是巨头们的盘中餐，独立创业者的生存空间正被极速压缩。

悲凉之二：历史总是惊人的相似

Meta 收购 Manus，让人不禁联想起当年百度收购 91 手机助手。

那时的百度在焦虑移动互联网的“船票”，如今的 Meta 则在焦虑 AI 时代的破局。

当一个时代的引领者开始通过大额并购来弥补自身的不安时，这种“救命稻草”式的整合，能否真的展现出不一样的故事？

悲凉之三：异样的声音消失了

打开朋友圈和社交媒体，满屏皆是“恭喜”。

创始团队套现离场，投资方赚得盆满钵满，这确实是商业上的巨大成功。

但除了财务自由的狂欢，大家究竟在恭喜什么？是一个改变世界的梦想提前被收编？还是一个充满潜力的独立物种成为了巨头生态里的零件？

结语

Manus 的故事告一段落，但 AI 创业者的焦虑或许才刚刚开始。在这个“巨头通吃”的时代，下一个肖弘在哪里？下一个能拒绝巨头诱惑并走到最后的公司，又在哪里？

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】