Perplexity版的Manus很好，但是“套壳”应用的机会窗口越来越小了

本意是在使用了Perplexity的Lab功能一段时间以后，写一篇关于这个类似于Manus的功能的评论，但是在梳理思路和准备素材时，突然想到了更多的话题，所以这篇文章会分成两部分，一部分是功能评价，一部分是关于AI应用的启发。

进入第一部分：Perplexity的Labs功能。

这当然不是一个刚刚发布的功能，至少我被推送到这个功能是在5月份，所以，这是一篇相对迟到的评论。

页面很简单，就只是在传统的“Search”，“Deep Research”旁边多了个“Labs”。如果说这个功能的定位，那就是跟年初“出圈”的Manus几乎一致。

当然，从功能发布到现在，还是可以很清晰的感知到这项功能在不断的迭代进化，变得更强大。这是我最喜欢Perplexity的地方，每隔几天就会觉得“又进步了”。

该功能跟“Deep Research”本质的不同：Deep Research纯粹是一个勤奋的信息检索和汇总bot（有些解决方案里把它作为Agent，但有些解决方案里是相对独立的模型，所以可能叫bot更合适吧），产出结果更多是素材。但是“Labs”的目标就是直指最终结果，一篇报告（word，markdown，网页，pdf，等等）或者一个ppt，或者其他，这是标准的多agent组合，而且更倾向于将搜索与代码生成结合，更多的代码来实现最终的呈现结果。

一个例子：关于苹果供应链迁移的问题。

最终结果就是一个典型的图文并茂的分析报告：既有搜索到的图片，也有使用代码生成的图表。

而且是底稿完整的，不仅有来源链接，更是在“Assets”下把所有代码和生成的图表都完整的给出了。

都是Python代码，适合与传统的报告形式兼容，毕竟传统报告形式里都是图片。

任务执行的过程也很清楚：

结果可以导出到下述形式：

在这里，我给出Page的分享链接：

苹果供应链迁移

https://www.perplexity.ai/page/ping-guo-gong-si-quan-qiu-gong-C2coWm5EQjWpUAeZdJBtcA

但是，当分享到Page时，代码执行结果和那些图片就看不到了，Perplexity还需要更多的内部功能整合吧。

抛开内容中的“事实描述和数字准确性”（细节是需要一项项核查的，当然Perplexity在这一块的过往记录并不太好），“Labs”功能的完成度和最终交付品，是非常好的（相比刚发布时，内容又丰富了不少），仅就结果而言，我主观可以给70-75分，考虑到是在几分钟内生成的，可以给到85-，A。

当然，公平起见，必须也看一下目前的Manus的能力，所以同样的任务我在开始写这篇文章时，交给了Manus完成。到现在，20分钟过去了，Manus还在努力工作中，期间，需要我手动辅助访问Reuters（当然不成功）。

当然，它现在还在工作，写完文字部分后，再补充图片等信息。

有种看小说故事的即视感。

毫无疑问，现在的Perplexity的Labs是秒杀Manus的：专业的事情，是无法投机取巧的，“Computer Use”和“Browser Use”可以很酷炫，但是点错“技能树”，而且是“拿来主义”的技能，结果确实不太妙。当然，我相信这个团队还可以做出更好的产品，只不过这恐怕是后话了。

Manus结果的最终版是一篇五页的PDF报告。图表使用了文生图功能，更像是GPT-4o的产出。其实以前老老实实生成python代码不是更好吗？

当然，它也值得再给予一次机会的，毕竟有一个创建网页的按钮。

然后，我还是错了，算了，不提它也罢。

当然，以上可能只是一个Manus不擅长的例子，不代表其他场景不好。

回到Perplexity Labs。

评分已经说过了，个人觉得还是挺高的。

其实，Perplexity自从推出后就一直在做内容，无论是Discover，Page，Finance，Travel，Academic，还是现在的Labs，最初喜欢这个产品是简单的出于“分流搜索偏好”（用Perplexity搜八卦，日常，可以有效的确保Google搜索给我推送信息的聚焦），然后是因为不断在持续改进。

如今，它又给了我新的启发，重新去考虑关于AI应用的问题。简化期间，我不从这个起点开始，而是自己重新梳理的逻辑链条出发：

1. 场景：今年以来，我在案头的时间越来越长，原因很简单，Deep Research的出现和AI代码能力的大幅进化（Claude-3.5为分界线）；
2. 推理需求：推理需求的大幅提升和市场上普遍评论的Anthropic依靠Claude模型实现收入快速增长，也大概是以Claude-3.5为分界线；
3. 屏幕时间：“更多时间坐在显示器面前，而不是拿着手机”，可能不是我这样的个案，而是具备一定的普遍性；
4. 社交需求之信息获取：社交需求明显下降了，这个问题在三十年前家用电脑开始普及时开始被广泛讨论。我想，在当前的时间，基于“获取信息”和“任务实现”目的的社交需求确实出现了大幅压缩的情况，实质还是AI搜索和AI Coding能力的大幅提升；
5. 数据：我简单看了下库里的数据，目前全球一年的PC（包含笔记本电脑）销量在2.5亿出头，手机销量超过12亿。虽然因为AI等原因，PC销量从负增速回正，但是依然可以得出基本的结论，相比手机，PC的场景确实小很多。如果考虑屏幕占用时间的话，可能会小更多；
6. 多出来的手机屏幕时间做什么？是不是“无脑刷视频”的负罪感没那么大了？但是我们会更希望看到“真人”，对吧？
7. 基础模型以外的AI应用的机会并不大：实践一直在强化自己长期持有的一个观点，AI应用层的机会自然非常大，但是独立应用的机会越来越小。原因很简单：1）按上面的数据，用户量是不如以前的；2）因为场景更多在“案头”，所以其实用户有更多时间去调配“个性化”的过程和结果，所以即使像今天介绍的Perplexity Labs功能表现不错，也很难带来显著的付费提升；3）AI模型本就在应用层的，我们也看到ChatGPT、Gemini、Claude正在越来越成为完整的应用（整合工具、搜索、Agent），虽然速度可能会比Perplexity等第三方应用慢，但是核心在“模型能力”；
8. 基于AI的生产场景和基于手机APP的移动互联网场景也许仍将并行一段不短的时间，这大概是模型特性和人的生理心理限制共同决定的，其实，这样挺好的。

于我而言，我高频使用的场景、模型和应用越来越聚焦，如果这多少有点代表性的话，或许也意味着，留给模型外三方应用的机会窗口越来越小了。