Manus帶來AGI的曙光初現，AI安全再有變局

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。

驚嘆科技發展之快之餘，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：

1. 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。

2. 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。

3. 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，避免生物信息泄露。

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泄露。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布，可能是最早在主網上發布的去中心化身份（DID）項目。
而在零信任安全模型方面，NKN 於2019年發布了其主網。
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。網絡信息安全的價值不僅在於解決當前問題，更是為強AI時代鋪路。在這條通向AGI的險峻之路上，網絡信息安全不是可選項，而是生存的必需品。