把时间放在 2026-04-19 UTC，ai-china 里有一条信号已经越来越清楚：真正值得看的产品竞争，不再只是某一个智能体能否独自把任务做完。[1][2][3][4] 更耐看的变化，落在智能体正被改造成一块共享工作空间，团队成员、子智能体、文件、credits 与权限在里面汇合。
顺着这个角度展开，眼前这批公开产品表面，比“助手更聪明了”那种说法要硬得多。Manus 已经把协作、共享 credits 与连接器写成第一层能力。[1][2][3] Moonshot 直接把 Agent Swarm 说成一套可并行调度 100 个 sub-agents 的结构。[4] 01.AI 则把企业多智能体讲成从“一人一工具”走向“一人一团队”，甚至讲成“硅基团队”开始上岗的组织变形。[5]
这是一条现场信号，并非已经落定的市场判决。大部分证据都来自产品方自己，说明它们想让用户如何理解这些产品，比说明长期留存与真实黏性更直接。即便如此，这条线已经很难忽略。我基于 [1] 到 [5] 的判断是，竞争单元正在从单人提示框，抬升到模型外面那层工作空间契约：谁共享上下文，谁承担成本，谁能介入，外部数据如何挂接，并行任务怎样被组织。
图片说明：题图采用 Wikimedia Commons 上一张 2017 年的真实黑客松协作照片。它适合本文，因为这篇文章真正讨论的，并非孤立的聊天智能，而是 AI 产品正在越来越像协作工作表面：多个人、多个分工角色，围着同一个持续演化的任务聚拢起来。[6]
Manus 把工作空间契约写得很明白
Manus 在这件事上讲得尤其直白。它的 Collab 文档没有把协作写成叠在助手上面的一层轻量评论功能。[1] 文档直接写成 one shared workspace、one version、以及通过 one link 访问的 single source of truth，并且所有参与者都能实时看到更新，也都能直接向系统发出提示。[1]
真正关键的，是里面的操作边界。Manus 明说，在协作模式下，只有任务所有者会消耗 credits，协作者可以完整参与，却不消耗自己的额度。[1] 这等于把成本所有者、访问所有者与共享历史模型都一起定义出来。同一页里还写到，只有 owner 能邀请协作者，而且所有协作者都能看到完整任务历史。[1] 这已经并非普通聊天窗口加几个头像，而是一块带着治理逻辑的工作表面。
它的定价文档又把这个判断往前推了一步。Manus 写得很清楚，Team Plan 面向需要协作访问与更高使用上限的团队，核心是 shared team credit pool、team collaboration 与 admin controls。[2] 一旦额度被池化，访问被团队化，真正被售卖的东西，就不再只是个人推理能力，而是一份带规则的工作空间预算。
连接器把存储层变成了实时上下文
下一步更有意思的地方，在于工作空间开始不再与团队真实资料分离。
Manus 的 Google Drive Connector 页面把 Drive 写成一块personal database，而并非被动上传文件的地方。[3] 这个表述很关键。页面明确说，Drive 会变成一块 single source of truth，系统可以实时读取、写入、整理，并且还能把自动收集的信息、生成的报告，直接写进共享 Drive 文件夹供团队查看。[3]
这一步的分量，比“又加了一个 connector”要大得多。共享文件夹一旦变成任务的实时上下文，智能体就开始黏在团队的工作记忆上。价值不再只落在某一次回答，而落在同一块工作空间能够读取旧文档、写回新成果、整理目录结构，并把结果留在原来的知识仓里。[3]
这会直接改写切换成本。单独更强的模型，始终都或许把用户吸走。可一块已经知道团队文档放在哪里、报告要回写到哪个文件夹、谁在看哪份材料的工作空间，就没那么容易被替换。
Kimi 与 01.AI 也在把智能体写成“组织”
Moonshot 与 01.AI 说明，这种变化并不只发生在协作工具层。更深的移动，落在产品隐喻本身：越来越多公司开始把智能体写成组织结构，而不只是助手。
Moonshot 的 Agent Swarm 文章写得非常直接。它说，未来并非“更好的单智能体”，而是“能够建立组织的智能体”，随后给出三组数字：Kimi K2.5 最多可并行调度 100 个 sub-agents，可强制执行超过 1,500 次 tool calls，在大规模任务上可比串行执行快 4.5 倍。[4] 同一篇文章还明确点出，它最擅长的是可并行化工作：大范围研究、批量下载、多文件处理、多角度分析与长篇写作。[4]
这一点之所以重要，正在于产品隐喻本身在起作用。Moonshot 并非单纯说模型更强，而是在说模型应该被当成一套可管理的团队结构来使用，里面有分工、协调、并行与结果回收。[4]
01.AI 的 1 月企业多智能体文章，则从企业侧走到了相似结论。文章写到，它的多智能体演示可以处理过去至少需要十人团队才能完成的复杂工作流，并把下一阶段企业智能体定义成从“一人一工具”进阶到“一人一团队”。[5] 同一篇文章反复把多智能体写成“组织智能”，强调规划、协同、校验与可复用能力模块。[5]
从另一层看，Moonshot 在消费级与专业执行层面使用“组织”语言，01.AI 则在企业重构层面使用同样的语言。外层表面不同，方向却相当一致：智能体正被卖成一块能够组织角色的工作空间，而不只是更会写字的回答器。
为什么这比再多一张 benchmark 表更重要
这背后的实际含义，是 AI-China 的一部分护城河正在从底座模型往上移动，进入模型外面的操作表面。
在这个世界里，有四件事会变得格外重要。
第一，是上下文持续性。一块工作空间如果已经包含任务历史、协作者提示、共享文件与产出落点，它本身的重要性就会逐渐接近里面运行的模型。[1][3]
第二，是治理能力。由 owner 控制邀请、由团队共享额度、由系统明确计费责任，这些功能并不炫目，却决定了一块 AI 工作空间能不能真正进入团队流程。[1][2]
第三，是并行结构。当厂商开始把 sub-agent 团队与分工协作正常化，竞争重点也会从纯粹输出质量，转向编排质量：什么时候拆任务，什么时候回收分歧，怎样让这些行为保持可检查。[4][5]
第四，是工作流黏性。一个单人助手，只要换一条 URL 或一把 SDK key，替换成本就很低。一块带着协作者、文件夹规则、报告出口与成本控制的共享工作空间，替换速度会慢得多。我基于 [1] 到 [5] 的判断是，这正是这些公司反复同时发布协作、连接器与多智能体组织叙事的原因。
接下来该看什么
接下来有三条信号值得继续盯住。
第一，看更多 ai-china 厂商会不会把共享预算与权限控制公开写到产品表面上，而并非只留在企业销售材料里。[1][2]
第二，看连接器会不会继续从文件存储层，往更深的系统记录层扩展。工作空间越能直接读写团队原有数据层，黏性就越强。[3]
第三，看多智能体产品会不会公开更多关于协调质量的证据，而不只是并行规模。能拉起 100 个 sub-agents 很吸引眼球，能把冲突、审计与任务归属讲清楚，分量更重。[4][5]
更有用的结论，并非“AI 工作空间已经赢了”，也并非“这仍然只是更聪明的聊天机器人”。当前公开的 AI-China 市场，正在越来越明显地训练用户按共享式智能体工作空间来理解产品：共享上下文、边界清楚的访问、可连接的文件层，以及在同一任务表面里的组织化委派。[1][2][3][4][5]
来源
- Manus Documentation，《Manus Collab》（共享工作空间、单链接事实源、仅 owner 消耗 credits、邀请控制与完整任务历史可见性）。
- Manus Documentation，《Plans and Pricing》（Team 方案中的 shared team credit pool、team collaboration 与 admin controls）。
- Manus Blog，《Google Drive Connector on Manus》（把 Drive 写成 personal database、single source of truth、共享文件夹报告与实时文件上下文）。
- Kimi，《Kimi Agent Swarm: 100 Sub-Agents at Scale》（组织隐喻、100 个 sub-agents、1,500+ 次 tool calls、4.5 倍提速与并行任务最佳场景）。
- 零一万物 / Lingyiwanwu，《零一万物发布万智2.5企业级多智能体，开启2026'硅基团队'上岗元年》（企业多智能体演示、“一人一团队”与“组织智能”框架）。
- Wikimedia Commons，《File:Men working on a computer.jpg》（本文题图所用 2017 年协作照片的来源页）。