Manus 2.0 正式推出后，我得到的核心启示在于：对于 AI 应用的产品经理而言，聚焦于路由架构（router）来构建产品，才是最具价值的创业路径。
然而遗憾的是，我观察到国内多数创业者仍倾向于开发单一通路的单体 AI 应用，也就是以某个特定 AI 模型为基础，搭建自己的产品。
这种架构存在一个显著问题：如果所依赖的 AI 模型发展滞后于其他竞品，该如何应对？此外，投资人必然会追问：
AI 应用的上限是否会被模型厂商所突破？你的核心壁垒在哪里？
因此，产品架构直接决定了产品的商业模式、技术门槛以及整体定位。而 MANUS 采用的架构，正是通过整合不同厂商的 AI 基座模型能力来打造产品，这种思路几乎无懈可击。
这就像木桶原理——每个模型厂商都有其长处与短板，但在我的体系中，它们都只是拼图的一部分。我可以将这些能力组合起来，为用户提供最终体验，从而规避单一模型的缺陷。
例如，近期备受关注的 5.5 OPS 中，最新版 Claude 能替代大量 AE 视频剪辑师和视频编辑工作；而 ChatGPT Astra 则在 3D 构建和编码方面表现出色。将两者融合成一个完整产品，才是 AI 应用所能触及的天花板。
一个在 AE 编辑上更强，另一个在通过 Astra 操作 Blender 上更优，若将二者结合，至少能打造出一款无懈可击的 AI 应用产品。
相比之下，简单的套壳行为——仅以 AI 应用为外包装——已经难以形成竞争力。
以下是两种 AI 产品架构的对比形态
[图片1] [图片2]
单体应用架构直接对接软件工程与通用模型，缺乏中间环节的分发与整合能力。
而路由架构要求产品经理深入理解各类 AI 模型的优劣势和能力差异。从当前发展趋势看，各家模型已出现明显分化：例如 Grok 更侧重于物理世界，为机器人和特斯拉做好准备；ChatGPT 则更擅长文字与编码；Claude 在编码与编辑创作方面表现突出。
理解 Benchmark，是想要融资的 AI 套壳应用产品经理的基本功
不同的 Benchmark 代表了不同领域的领先水平——无论是创作、音乐还是数学，这些评测体系都有各自的侧重点。
采用路由架构的 AI 套壳应用产品经理，需要针对自己的用户场景，首先明确各模型在评测中的劣势与优势。
[图片3]
因此，如果产品定位是通用型，就必须选择各类 Benchmark，让产品经理不仅从事 AI 产品设计，还要真正沉下心来研究学术文献和行业评测方法。这意味着 AI 产品经理必须具备科研学术能力，甚至需要结合 Python 技能，才能完成产品工作。
许多 AI 产品经理无法胜任路由架构，原因在于不愿学习英文和科研
为什么大量 AI 产品经理仍停留在 WorkBuddy 这类工具上，而非尝试我提到的路由架构？主要是因为后者需要深刻理解各模型的能力、评测体系，甚至内部基座和数据集的差异。这要求团队至少配备一名科学家，而目前 99% 的 AI 产品不具备这一条件。
或者说，软件工程背景的产品经理很难真正融入科研团队，因为思考方式不是基于用户需求调研，而是阅读科研论文。
因此，在 AI 应用产品领域——哪怕是套壳产品——AI 产品经理都需要主动查阅文献。
本次分享就到这里。
本文来自微信公众号“Kevin改变世界的点滴”（ID：Kevingbsjddd），作者：Kevin那些事儿，36氪经授权发布。