Manus交易失败了，但创始人依然在谈成功学
编译｜宇琪
策划 | Tina
2025 年春天，Manus 靠一段“AI 代替人类干活”的视频爆火，邀请码被炒到 1.4 万美元；同年底，Meta 抛出 20 亿美元的收购橄榄枝，神话达到顶峰。然而，随着 1 月合规评估启动、3 月团队陷入风波、4 月交易正式被叫停，这场曾引发广泛关注的收购案，在数月后回归理性。
这数月里，创始人并没有因此沉默。他们依然活跃在各大论坛，继续宣讲 Agent 时代的成功哲学。这就引出一个值得聊的话题：在硬科技创业这条赛道上，如果一个项目最终因为合规与战略问题没能走完最后一公里，创始人反复强调的“成功学”，到底还有多少参考价值？
Stripe 昨天发了一个视频。令人惊讶的是，即便交易已经失败，Manus 创始人依然在大谈特谈成功学。你会发现一个很有意思的现象——他花了很长时间拆解 Manus 做对了什么：给 AI 配上“手”、做异步工作流、把透明变成产品功能、让工程师混坐在一起催生创新。每一条听起来都像是教科书式的正确决策。但整场对话里，他唯独没有提及那笔 20 亿美元的收购。
在中国，发展人工智能是国家鼓励的方向，同时也需要兼顾安全合规。如果一套“成功学”主要围绕产品、团队和用户增长展开，而对底线等问题涉及较少，那么它究竟是值得借鉴的经验，还是存在一些值得反思的局限？这背后的原因，或许值得每一位创业者认真思考。基于该视频，InfoQ 对内容进行了整理与部分删改。
Manus 的爆红
主持人： 带大家回到全世界第一次知道 Manus 的时候，那是 2025 年 3 月，AI chatbot 已经流行了两三年，但基本也就停留在“聊天”这件事上。突然有一段视频开始在网上疯传，没有炫酷舞台，没有硅谷式 keynote，只是一段非常原始的屏幕录制，展示你们的产品 Manus。你给大家讲讲，那段视频到底展示了什么？
张涛： 我记得离发布只剩 7 天的时候，我看着我们的网站，觉得实在太简单了。我就在想，也许我们应该做个 launch video。于是我联系了一些视频制作公司，但他们都说至少要两三周才能做好。我告诉他们，我们只剩 6 天了。他们直接说：“不可能。”
所以最后我们决定自己来。我用自己的相机拍摄，我们的首席科学家 Peak Ji（季逸超）出镜介绍产品，我再剪辑。我们根本不是什么专业团队，整个视频里，Peak 真正面对镜头讲产品的部分其实只有一分钟。剩下的大部分内容，是他现场 demo 了三个真实使用案例。我觉得这可能就是我们一开始能爆火的核心原因：我们只是单纯地“展示工作本身”，展示 AI 产品除了 chatbot 之外，还能是什么样子。
主持人： 那个视频最震撼的地方在于，它让大家第一次看到：用 Manus，你不只是“聊天”，而是真的可以执行任务。它会自己写 Python 代码、自己打开浏览器。然后它彻底爆了，我记得你们 private preview 光等候名单就有 200 万人。
张涛： 对，第一周 waitlist 就到了 200 万，一个月之后变成了 350 万，真的有非常多人在排队。
主持人： 我还看到有人说，当时网上的邀请码甚至被炒到 1.4 万美元。
张涛： 对。当时只要哪个网红拿到了 Manus 的邀请码，他获得的流量价值，远远超过邀请码本身的价格。不过很遗憾，从这之中我们一分钱都没赚到。
主持人：你觉得那个视频里，到底是什么东西戳中了大家？当时人们真正的 “aha moment” 是什么？
张涛： 在 Manus 出现之前，大家其实一直把 AI 当成一个“回答机器”。我问你一个问题，你给我一个答案。它本质上还是在告诉你“应该怎么做”，但最后真正动手的人还是你自己。
可在我们的 launch video 里，我们一直强调的是最终交付的结果，比如直接交付给你一个网站，或者能运行的代码。还有 AI 做事的整个过程中，完全不需要人类干预。你只需要告诉 Manus 你想要什么，剩下的事情，比如怎么规划、怎么一步一步执行，它都会自己搞定。整个过程都是自动化的。我觉得这对当时整个世界来说，真的是一种全新的体验。
主持人： 我记得我当时第一次有一种感觉：原来 AI 真的可以帮我节省时间，真的可以替我完成工作。以前 AI 更像是一个陪你思考的伙伴，但 Manus 给人的感觉完全不同，那种体验真的很魔幻。
你们发布前一晚，有意识到这东西会这么成功吗？你们当时会不会觉得：“我们真的做出了一个特别的东西”？
张涛： 当时我们团队非常小，整个公司只有 40 个人。我们一直觉得这是个很好的产品，因为在开发过程中，我们自己每天都在被 Manus 惊到，办公室里每天都是这种氛围：“这也太强了吧。”“Manus 连这个都能搞定？”所以我们知道它大概率会成功，但我觉得没有任何人预料到，它最后会成功到现在这个级别。
重新定义 Agent 产品
主持人：从 Manus 一开始出现的时候，我就觉得你们几乎是在重新定义 Agentic AI 产品到底该长什么样。逐个聊聊你们的一些产品设计，以及背后的思考。先说 Virtual Sandbox（虚拟沙盒），那到底是什么？
张涛： 我们内部其实叫它 virtual machine。它非常重要，基本算是整个 Manus 系统的基础设施。因为我们一直觉得，过去很多 AI 之所以“不好用”，本质上是因为它们只有“大脑”。
其实可以顺便讲一下，为什么我们会把产品命名为 Manus。这个词来自 MIT 的校训：Mens et Manus。这是个拉丁语，意思是 “mind and hand”。我们认为，LLM 就是 “mind”，它们是超级聪明的大脑。但人类之所以能真正改变物理世界，不只是因为我们会思考，还因为我们有“手”。所以我们觉得，必须有人为这些聪明的大脑造出“手”，它们才能真正操作工具，真正对现实世界产生影响。
过去很多 AI 产品的问题就在于：它们只有脑子。它们一直在“想”，不停地在脑子里推理。但 Manus 不一样，我们直接给 AI 提供了一台电脑。AI 一旦想到：“也许我该做点什么”“也许我应该运行代码验证一下我的假设”，它就真的可以自己去做。它能自己浏览网页、运行代码、在文件系统里保存文件，甚至 30 分钟之后再把那个文件重新调出来继续工作。这个 virtual machine 基本改变了一切，因为它把电脑本身这个最强大的工具真正交给了 AI。
主持人：你们等于是在给 AI 配工具，让它真正去“工作”。还有一个我觉得特别有意思的产品决策，是你们允许用户实时看到整个过程：打开浏览器、写代码等等。这个设计背后是怎么想的？
张涛： 其实这是我们项目启动之后，第一个特别重要的决定。因为我们意识到，agent 对大众来说太新了，大家根本不熟悉这种产品。所以我们觉得，在这个阶段让用户看到每一步到底发生了什么非常重要。你必须让用户理解后台正在做什么，他们才会信任这个产品，所以我们把“透明”本身做成了产品功能。
主持人：再聊聊 Async workflow 吧。因为你们先通过透明建立了信任，接着用户就可以放心离开，不需要一直盯着它。这个想法是怎么来的？
张涛： 我们创始团队基本全是工程师。虽然我是做产品的，但我已经写了 30 多年代码。我们所有人都会 coding，而且全都是 Cursor 的重度用户。但 Cursor 有个问题：你必须一直开着电脑。因为它是本地运行的，所以你得盯着它。尤其早期那几个月，它经常需要人类不停点击 accept。我们当时就在想：为什么 Cursor 总要我点 accept？后来发现，本质上是因为它运行在我的本地电脑上。它需要我的权限去执行命令，否则真有可能把整台电脑搞坏。
但 Manus 不一样。Manus 的电脑在云里，不在你的本机，所以 agent 可以非常安全地自己执行所有步骤。我们不需要用户不停点 accept 按钮，而是让 agent 自己在云端完成全部工作。然后这又带来了另一个优势：Async。因为一切都运行在云端，所以你把任务交给 Manus 之后，就可以直接离开。你可以关掉电脑，把手机放回口袋，去做自己的事情。等十分钟、二十分钟之后，任务完成了，我们再给你发通知，你只需要回来查看结果就行。
主持人：你自己平时会怎么用 Manus？
张涛： 几乎什么都用。对我来说，我每天都在用 Manus 做 prototyping。只要我脑子里冒出一个新想法，我不会再先找设计师画东西了。我会直接把脑子里的所有想法一股脑告诉 Manus，然后让它给我生成第一个 prototype。而且这个 prototype 不是 Figma 那种静态原型，它是真正能运行的完整 prototype，有前端和后端，甚至里面还带 AI 能力。你真的可以直接玩、直接试、直接改。等 prototype 做完，我再把它交给设计师和工程师。他们会瞬间明白我要什么，因为他们看到的已经不是文档，而是真实的产品。
主持人：你们理想中的 Manus 用户是谁？
张涛： 我们内部会把他们叫作 “long tactical users”。
项目刚开始的时候，其实市场上已经有 Cursor、Windsurf、Devin 这些面向工程师的 fancy tools 了。所以我们当时决定：不再做另一个给工程师的工具，工程师已经拥有足够多了。
但普通用户，其实一直被忽视。他们没有这些 fancy tools，没有 Claude Code，没有 Codex。所以 Manus 的核心目标一直是：为所有人打造。我们理想中的用户，是那些想借助 AI 完成更多事情、但技术背景没那么强的人。
主持人： 我很喜欢这个方向，因为这种普通用户其实比工程师多太多了。
张涛： 对，数量大太多了，市场也大得多。
主持人：你已经写了 30 年代码，你觉得做 AI 产品和传统软件开发真的不一样吗？还是说本质上“软件终究还是软件”？
张涛： 我觉得完全不一样。我在这个行业已经超过 15 年了，以前做产品的方式，大概都是这样：我有一个 idea，先在 Figma 里做 prototype，然后跟设计师聊、跟工程师聊，大家开始做设计、做工程方案、写代码、测试、上线、收反馈，再不断迭代。
但现在整个流程彻底变了。因为过去产品经理和设计师的工作产出，本质上是 PRD 和设计稿，核心是“interface”。但在 AI 世界里，interface 已经逐渐不存在了。大多数 AI 产品，本质上都是 conversation。conversation 或者说 prompt 本身，就是新的 interface。
我知道现在很多公司，prompt 还是工程师或者研究员在写。但我觉得更合理的方式，其实应该是产品经理自己写 prompt。因为你写 prompt 的方式，本质上就像十年前你设计 interface 的方式一样。
主持人： 它其实就是新的 PRD。
张涛： 现在我们内部做产品的流程是：只要有新 idea，我们先直接用 Manus 自己把它 prototype 出来。等我们确认这个功能真的奏效、体验感觉对了之后，再去找工程师。然后工程师会评估，怎么把这个 prototype 真正放进生产环境。等工程师确认“这个东西可以正式上线”之后，最后一步才轮到设计师。
整个产品开发流程其实完全反过来了：我们会先拥有最终体验，然后再让它变得工程化，最后才是设计师收尾。
全球化团队结构
主持人： 在 Stripe，我们很喜欢引用 Pablo Picasso 的一句话，大意是：“当艺术评论家聚在一起时，他们会讨论形式、功能和意义；但当艺术家聚在一起时，他们讨论的是去哪儿买最便宜的松节油。”
张涛： 我特别喜欢这句话，还把这句话写进了自己的个人简介里。
主持人： 我很喜欢做这种采访的原因之一，就是因为像你们这样的 builder、这些公司的 co-founder，本质上真的很像艺术家。
我现在想聊点更具体的战术层面：你们到底是怎么把 Manus 做出来、怎么把公司做成全球化的，你们总部在新加坡，现在东京和旧金山也都有团队。我第一个问题是：你什么时候睡觉？
张涛： 我是那个全世界到处演讲的人，去年可能有 400 个小时都在飞机上。所以我基本属于“能睡的时候就睡”：飞机上睡、车里睡，反正抓紧一切时间。对大部分团队成员来说，尤其核心工程团队，基本都要到凌晨一点、两点之后才睡。不过他们也会起得很晚，所以我们办公室通常是 11 点以后才开始“活”起来。
主持人：你刚才说 Manus 现在大概有 100 人。大多数公司一般要规模大很多之后，才会开始搭全球团队。为什么你们这么早就决定在不同国家开办公室？
张涛： 因为 Manus 发布之后，在全球范围内爆红了。我们在很多国家都有大量 Manus 的用户和粉丝，所以我们觉得，“人在现场”非常重要。我们不想只是一个存在于云里的公司，我们希望真正面对面交流。所以 Manus 发布大概 15 天之后，我就来了美国。而且是从西海岸一路跑到东海岸，在 6 个城市办了 15 场以上用户 meetup。
Manus 是一个通用型 AI agent，它能做很多事情。但问题是说实话，就连我们自己一开始都不知道用户到底在拿它干什么。所以我们觉得，真正认识用户、和他们面对面交流，非常重要，这也是我们最初决定开海外办公室的原因。后来我们又发现，每个地方的文化、商业习惯都完全不同，只有真正落地当地，你才更容易理解那个市场。
主持人：你们在搭建这些办公室的时候，非常坚持让产品、工程、研究人员坐在一起？
张涛： 是的。在之前那个办公室里，我、Peak，还有 Bin（我们的 full stack guy）是坐在一起的。他是真正意义上的 full stack，他什么都干，我们 logo 都是他设计的。
我们每天都坐在一起，会有很多很随意的 small talks。比如有人突然说：“我看到一个特别有意思的东西，我们能不能试一下？”因为大家坐在一起，所以尝试新 idea 的成本特别低。
我知道很多团队会严格拆分：这是产品团队，这是工程团队。但我们一直坚持混坐，直到现在，我、Bin 和 Peak 还是坐在一起，每天都有很多 small talks。而我们相信，过去一年里很多真正重要的创新，其实都来自这些随口发生的 small talks。
主持人：你提到你们工程团队的组织方式，和大多数公司完全不一样。大多数工程团队都是按产品模块、甚至按用户使用过程来划分的。你们是怎么决定“谁负责什么”的？
张涛： 我们的 CTO Pan Pan（潘传盛），对工程团队管理有一套自己的哲学。现在我们大概有四五十个工程师，他们其实属于同一个大团队。每当有新项目时，Pan Pan 会指定几个人去做这个项目。但项目做完之后，他们会重新回到“大池子”里。没有人会永久绑定某个功能或某个项目，我们觉得这样特别重要，因为整个组织会灵活很多。
主持人：那项目结束之后，代码和产品后续谁维护？
张涛： 我觉得我们现在这种工程组织方式，其实也是 AI 能力带来的结果。因为以前总需要同一个工程师长期负责同一个项目，本质上是因为“上下文”，读别人写的代码真的很难。但现在有 AI 之后，这件事突然变简单了。
如果我们让一个工程师接手已有项目，他只需要让 AI 帮他读完整个 codebase，再解释整个项目是怎么工作的。可能 10 分钟，他就能理解一个非常复杂的系统。但在以前，这可能得花好几天。
主持人：我自己也在管理全球团队。我发现，除了上下文同步之外，最难的其实是如何建立统一的文化。你怎么确保在东京、新加坡、旧金山的办公室，大家走进去时感受到的是同一种公司文化？你有什么经验？
张涛： 核心永远是：你怎么领导团队。管理并不只是“管理”本身。本质上，管理是在不断做决策。团队成员会通过你的每一个决策，理解公司到底怎么看事情、公司在不同 trade-off 之间会怎么选择。所以我每次做决策时，都会把背后的原因讲清楚。为什么这么决定？我当时的思考是什么？把这些告诉员工，其实非常重要。
第二件事，是整个公司的 messaging 必须一致。无论在哪个国家，我们做 marketing 的方式、对用户传达的信息，都必须统一。所以每周例会里，我们都会一起 review：“我们线下活动是怎么做的？”“我们应该向用户传递什么信息？”真正对齐的，其实是 message 层面的东西。
主持人： 很多文化其实都是自上而下形成的，领导层在展示什么、怎么做事、怎么表达，团队最后都会学过去。
张涛： 对，因为每个人都会模仿。
8 个月做到 1 亿 ARR
主持人：你们是怎么做到 8 个月 ARR 就突破 1 亿美元的？
张涛： 我知道很多人都特别好奇这个问题，其实我们自己也很好奇。因为在去年 11 月之前，最初那 8 个月，我们在市场营销方面真的一分钱都没花，完全是零预算，绝大多数流量都是自然长出来的。
大概去年 6 月的时候，我们突然发现 Manus 登上了埃及 App Store 第一名，但我们根本不知道为什么。后来我们自己还用 Manus 做了调查，才发现是 Facebook 上一个完全随机的人，用阿拉伯语发了一篇关于 Manus 的帖子，结果 Manus 就突然在埃及爆了。在那篇帖子出现之前，我们甚至都不知道这件事。
巴西也是，我们在巴西有非常大的用户群。最初的传播源头，是两个 YouTube 网红。他们做了两条关于 Manus 的视频，然后我们就在当地彻底火了。而在那之前，我们甚至根本不认识这两个人。
所以对我们来说，很多 viral wave 本质上都来自口口相传。因为就像你刚才说的，当你第一次看到 Manus 的视频时，你会觉得：“这东西不一样。”大家会真的被震撼到，然后他们就会主动发帖子、做视频、分享给朋友。所以最初那 8 个月，我们几乎完全靠产品自己传播。
主持人：所以你们的增长策略，本质上就是：做一个强到离谱的产品？
张涛： 我知道很多公司会把 growth 当成一个独立部门，但我们一直觉得，最好的增长，就是产品本身会销售自己。当然，去年年底我们管理层也认真复盘过。后来发现，其实有几个关键产品决策，确实让我们变得更容易火。其中一个特别重要的功能，是上线前大概 20 天时，我们临时决定做的 Session Replay：每个任务完成后，只要你分享给朋友，对方就能以 replay 模式观看整个 session。
我们觉得它非常重要。因为如果你分享给朋友的只有最后结果，那别人只会觉得：“哦，又一个 AI 产品，没什么特别的。”但如果对方能看到完整过程，看到 AI 在操作浏览器、写代码，那种感觉就会变成：“等等，这到底是什么东西？”我觉得这个功能对我们的增长非常关键。
主持人：你们“先 build，后注册”的功能我也很喜欢，而且你们是基于 Stripe Sandboxes 做的，它对增长有帮助吗？
张涛： 有，非常有帮助。尤其是对 Manus 1.5 的增长。因为在 Manus 1.5 之前，我们其实只能生成静态网页。但到了 Manus 1.5，我们已经能生成真正完整的网站了。
之后很多用户开始问：能不能直接把 Stripe 集成进去？这样他们就能直接在 Manus 生成的网站上做真实生意。
但你也知道，Stripe 的开发者体验已经算行业最强了。可问题在于，我们的目标用户其实是非技术用户。对他们来说，接 Stripe 依然很难，token、各种配置，对普通人都太复杂了。
所以我们觉得，Stripe Sandbox 极大简化了整个流程。即使完全没有技术背景的人，也能直接做出一个真正可运行的 business，比如电商网站。等网站完成后，再把 Stripe Sandbox 切换到真实环境就行。
主持人：你们是怎么衡量成功的？毕竟你们几乎没有现成 benchmark 可以参考。
张涛： 主要看两个指标。第一个是“AI 本身的指标”。这听起来有点传统，但在 AI 时代其实反而更重要，因为现在 AI 仍然非常贵，你没办法做一个完全免费的产品。早期大家一直说的是：“不要太在意收入，先把用户拉进来。”等你有了几百万 DAU，再想办法变现。
但现在情况变了，现在你必须在产品第一版就让用户付费，因为 AI 成本真的很高。而且收费这件事，不只是为了 revenue，本质上是在验证 PMF（产品与市场匹配度）。如果有人愿意付钱，就说明他们真的感受到了价值。所以我们非常关注“AI 相关指标”，不仅是收入，更是产品是否真的成立。
第二个指标，是用户评分。每一个 task 完成之后，我们都会让用户打 1 到 5 星，这个反馈非常重要。因为你可以从不同维度去看：不同功能、不同国家、不同价格层级。它能非常清晰地告诉你产品质量和体验表现。
主持人：你们是怎么思考定价的？
张涛： 说实话，我们也没有标准答案，我们是一路互相学习的。如果你观察今天前沿的 AI 应用，你会发现一个很有意思的现象：从一年尺度来看，大家的定价策略一直在变。有时候我们在向别人学习，6 个月之后你会发现，他们也在学我们。整个行业其实是互相对照、互相调整的状态，所以我们没有所谓“最佳实践”。
但我们一直有一个非常重要的原则：在 AI 世界里，一定会存在重度用户，也就是极高频、高价值用户。他们从产品中获得的价值，远远超过普通用户，所以他们愿意付更多钱。因此，你一定要给他们留一个空间，用 usage-based billing 的方式去收费。即使你有订阅，也一定要留出“按使用量付费”的路径，这点非常关键。
主持人： 有点像是“价值是无上限的”，有些用户愿意付非常高的价格。
张涛： 而且这不仅仅是收入的问题，它其实也是一个信号。比如我们一开始最高的订阅档是 200 美元，当时觉得已经很高了。但后来我们开放了一个机制：用户如果用超了，可以继续充值。结果我们发现，有些用户每个月愿意付到 5000 美元。
这是一个非常强的信号。因为如果一个人愿意付 5000 美元，说明 Manus 对他来说的价值，可能是这个价格的 10 倍以上。我们会去做用户访谈，问他们：“你到底在用什么？”“什么值得你花这么多钱？”这些反馈会直接影响我们的 product roadmap。
主持人：有没有一些具体的洞察可以分享？
张涛： 比如我们做 Manus 1.5，其实就是从这些用户反馈里来的。我们发现有一部分用户，会在 Manus 里直接构建网站，甚至是静态网页，而且他们愿意付很高的费用。
我们问他们为什么。他们说，在他们所在的国家，很难找到工程师，甚至外包工程师都很难找，尤其是给中小企业做网站这件事。所以对他们来说，用 Manus 花 1000 美元，反而是非常便宜的。
这个洞察对我们影响很大。因为我们生活在一个 tech 资源非常丰富的环境里，尤其在 US，大家会觉得工程能力是理所当然的。但现实世界并不是这样，很多人面临的痛点，我们其实从未接触过。
当我们真正理解这一点之后，我们就意识到：也许我们应该把 website builder 做得更强。所以在 Manus 1.5 里，我们直接升级成了完整的 website builder：有前端、后端、数据库，甚至 AI 能力，整个产品能力也因此被彻底拉开了一层。
展望未来
主持人：就在 5 年前，执行一个想法最大的瓶颈还是 coding，但现在这件事已经不再是问题了。那你觉得现在新的瓶颈是什么？是人的想象力吗？还是 prompt 能力？
张涛： 我觉得现在最大的瓶颈，仍然是“定义问题的能力”。因为“解决问题”这件事，其实已经不再是问题了。但“定义问题”这件事，很多人依然做不好。
在今天这个世界里，AI 仍然需要你去提出问题、去分配任务。所以你必须先成为那个能观察世界的人：这个地方有什么痛点？我的组织现在真正需要什么？你要从真实的用户痛点或者组织需求中提炼问题，然后把任务交给 AI 去解决。但如果你看不到这些问题，那你就没有任务可以交给 AI。
主持人：你觉得未来 AI 会不会连“提出问题”和“定义问题”这件事也帮我们完成？
张涛： 也许吧，但我觉得这仍然是一个需要我们去学习的能力。某种程度上，这已经改变了我们学习和工作的方式。以前，只有少数人可以当 manager。因为不是每个人都适合做管理，这样公司也没法运转，总得有人执行具体工作。
但现在情况变了，我觉得未来每个人都可以成为 manager。因为只要你知道怎么管理，你就可以同时管理 10 个、甚至 100 个 AI agents 在帮你工作。所以我觉得，这是一个全新的时代，每个人都需要学习如何成为一个好的 manager。
主持人：把时间快进到 20 年后，AI 已经承担了大量执行型工作，你希望那个世界是什么样子的？
张涛： 很多人其实对那个未来感到害怕，因为他们会觉得：“AI 在抢我的工作。”但如果你回看 100 年前，比如汽车刚被发明的时候，人们也有同样的担忧。当时还有机器被发明出来，可以搬运重物。很多人会觉得：“我是不是没工作了？”因为以前搬重物需要 20 个人，现在一台机器，一个人就能完成。
但历史告诉我们一件事：当这些机械化工具出现之后，人类并没有失去工作，反而释放出了大量时间和精力。然后我们开始做新的事情：艺术、新的商业模式，各种以前根本不存在的工作形态。
所以 AI 可能也是同样的路径。在 20 年后，会有大量重复、枯燥的工作被自动化掉。但与此同时，也一定会出现更多更重要、更有意义的事情需要人去做。我觉得这是一个很美好的未来，也许那时候，我们会更接近“什么才是真正的人类”。
