Manus帶來AGI的曙光初現，AI安全亦值得深思

Manus 在 GAIA 基準測試中取得了 SOTA（State-of-the-Art）的成績，顯示其性能超越 Open AI 的同層次大模型。換句話說，它能夠獨立完成複雜任務，例如跨國商業談判，這其中涉及到合同條款分解、策略預判、方案生成，甚至還能協調法務和財務團隊。與傳統系統相比，Manus 的優勢在於其動態目標拆解能力、跨模態推理能力以及記憶增強學習能力。它能將大型任務分解成數百個可執行子任務，同時處理多種類型的數據，並利用強化學習不斷提升自身決策效率，降低錯誤率。

驚歎科技發展之快之餘，Manus 也再次引發了圈內對 AI 演化路徑的分歧：未來究竟是 AGI 一統天下，還是 MAS 協同主導？

這要從 Manus 的設計理念說起，它暗含兩種可能性：

一種是 AGI 路徑。通過持續提升單體智能水平，使其逼近人類綜合決策能力。

還有一種是 MAS 路徑。作為超級協調者，指揮數千個垂直領域 Agent 協同作戰。

表面上，我們在討論不同的路徑分歧，實際上我們討論的是 AI 發展的底層矛盾：效率與安全應該如何平衡？當單體智能越接近 AGI，其決策黑箱化風險越高；而多 Agent 協同雖能分散風險，卻可能因通信延遲錯失關鍵決策窗口。

Manus 的進化，無形中放大了 AI 發展的固有風險。比如數據隱私黑洞：在醫療場景中，Manus 需要實時訪問患者基因組數據；金融談判時，可能觸及企業未公開財報信息；比如算法偏見陷阱，在招聘談判中，Manus 對特定族裔候選人給出低於平均水平的薪資建議；法律合同審核時，對新興行業條款的誤判率將近一半。再比如對抗攻擊漏洞，黑客通過植入特定語音頻率，使 Manus 在談判中誤判對手報價區間。

我們不得不面對 AI 系統的一個可怕的痛點：越智能的系統，攻擊面也越廣。

然而，安全是一直在 web3 中被不斷提到的詞彙，在 V 神的不可能三角（區塊鏈網絡無法同時實現安全性、去中心化和可擴展性）框架下也衍生出了多種加密方式：

• 零信任安全模型（Zero Trust Security Model）： 零信任安全模型的核心理念是「不信任任何人，總是進行驗證」，即無論設備是否位於內部網絡，都不應被默認信任。​該模型強調對每個訪問請求進行嚴格的身份驗證和授權，以確保系統安全。
• 去中心化身份（Decentralized Identity，DID）： DID是一套標識符標準，使實體能夠在無需集中式註冊表的情況下，以可驗證和持久的方式獲得識別。​這實現了一種新的去中心化數字身份模式，常與自我主權身份相提並論，是 Web3 的重要組成部分。
• **全同態加密（Fully Homomorphic Encryption，FHE）**是一種先進的加密技術，允許在不解密數據的情況下，對加密數據執行任意計算。​這意味著，第三方可以對密文進行操作，得到的結果在解密後與對明文進行相同操作的結果一致。​這一特性對於需要在不暴露原始數據的情況下進行計算的場景，如雲計算和數據外包，具有重要意義。

零信任安全模型和 DID 在多輪牛市中都有一定數量的項目進行攻堅，他們或有所成，或淹沒在加密浪潮中，而作為最年輕的加密方式：全同態加密（Fully Homomorphic Encryption，FHE）也是解決 AI 時代安全問題的大殺器。全同態加密（FHE）是一種允許在加密數據上進行計算的技術。

如何解決？

首先，數據層面。用戶輸入的所有信息（包括生物特徵、語音語調）在加密狀態下被處理，連 Manus 自身也無法解密原始數據。舉個例子，在醫療診斷案例中，患者基因組數據全程以密文形式參與分析，避免生物信息洩露。

算法層面。通過 FHE 實現的「加密模型訓練」，連開發者都無法窺探 AI 的決策路徑。

在協同層面。多個 Agent 通信採用門限加密，單個節點被攻破不會導致全局數據洩露。即使是在供應鏈攻防演練中，攻擊者滲透多個 Agent 後，也無法獲取完整業務視圖。

而由於技術限制，web3 安全可能與大部分用戶並沒有直接聯繫，但卻有著千絲萬縷的間接利益相關，在這片黑暗森林裡，若不盡力武裝，將永無逃脫「韭菜」身份之日。

• uPort於 2017 年在以太坊主網上發佈，可能是最早在主網上發佈的去中心化身份（DID）項目。
• ​而在零信任安全模型方面，NKN於 2019 年發佈了其主網。
• Mind Network 則是首個主網上線的 FHE 項目，並率先通過了與 ZAMA，Google，DeepSeek 等合作。

uPort 和 NKN 已經是小編從未聽聞的項目，似乎安全項目真的不被投機者們所關注，Mind network 是否能逃離這個詛咒，成為安全領域的龍頭，讓我們拭目以待。

未來已來。AI 越接近人類智能，越需要非人類的防禦體系。FHE 的價值不僅在於解決當下問題，更是為強 AI 時代鋪路。在這條通向 AGI 的險峻之路上，FHE 不是可選項，而是生存的必需品。