【文/观察者网专栏作者 顾嘉时】

在经历了年初的风波之后，原本已经陷入沉寂的Manus收购案迎来最新进展：4月27日，国家发展改革委发布消息，外商投资安全审查工作机制办公室依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。

这也是《外商投资安全审查办法》2020年实施以来，首个被公开叫停的AI领域外资收购案，也是该办法框架下最严的一档审查结论——办法明文规定，“对禁止投资的，不得实施投资”。

这件事之所以引发全行业震动，核心原因在于它打破了很多人此前对AI产业的固有认知：AI技术只是互联网式的普惠工具；而这一事件也警醒我们，AI早已不只是普通商业产品，尤其是通用AI Agent，一旦成为任务执行入口，就同时涉及模型能力、用户数据、业务流程、产业生态和技术控制权。

过去两年，“AI普惠平权”是最受欢迎的科技叙事，但从顶级模型封锁、订阅服务缩水、算力供给不足，到跨境收购触发安全审查，AI正在呈现出新的分层结构：对个人，是价格和体验的分层；对企业，是生产率和组织能力的分层；对国家，则是算力、模型、数据和Agent入口控制权的分层。AI正在成为国家战略资产，而真正的AI普惠，不可能建立在关键能力受制于人的基础上。

Manus收购案被叫停，AI已经不只是普通商品

4月27日，国家发展改革委发布消息：外商投资安全审查工作机制办公室依法依规对外资收购Manus项目作出禁止投资决定，要求当事人撤销该收购交易。

Manus官网首页显示，“Manus现已成为Meta的一部分”

这条消息引发关注，不只是因为Manus是过去一年最受关注的AI Agent项目之一，更因为Agent不同于普通聊天机器人。它不只是回答问题，而是可以围绕一个目标拆解任务、调用工具、搜索网页、处理文件、运行代码并交付结果。过去我们说AI是“帮你说”，Agent则开始“帮你做”。

一旦这类产品进入工作流，它沉淀的不只是用户提问记录，更是任务链条、业务流程、行业数据、知识结构与组织运行习惯。因此，Manus被叫停不能简单理解为一笔跨境并购受阻。它释放出的信号是：当AI从工具变成入口，从应用变成基础设施，它就会进入核心技术、数据安全、产业控制权和国家安全交叉重叠的区域。

过去两年，人们习惯把AI理解成一种信息处理工具：写文章、做PPT、写代码、查资料、整理会议纪要。但更关键的问题在于：优质AI能力由谁掌握？谁能控制算力？谁能支配数据？谁能决定入口向谁开放、向谁关闭？

这也是为什么，AI不只是正在变贵、变稀缺、变分层，它更正在成为一种战略资产。

AI普惠叙事正在出现裂缝

过去两年，AI行业最流行的叙事是普惠平权。任何人打开一个AI聊天窗口，就能拥有近似专家助理的能力；普通个体也能写代码、做研究、生成图片、分析数据；中小企业不需要庞大IT团队，也可以接入模型提升效率。

这个叙事并不全错。生成式AI的确以惊人的速度扩散。圣路易斯联储关于美国生成式AI使用情况的研究显示，到2025年8月，18至64岁美国成年人中，已有54.6%使用过生成式AI；工作场景使用率为37.4%，非工作场景使用率为48.7%。这一扩散速度明显快于PC和早期互联网在相同阶段的普及速度。

但问题在于，使用过AI，不等于真正拥有AI能力。能打开一个免费聊天窗口，不等于能调用最强模型；能试用一个工具，不等于能稳定获得高质量、长上下文、高并发、高安全等级的AI服务。

过去一段时间，用户已经开始感知到几个变化。

第一，顶级的AI能力越来越不对普通公众开放。越接近网络安全、代码自主执行、关键基础设施、复杂推理和Agent任务链的能力，越容易被放进企业级、白名单、合作伙伴或安全审查体系中。

第二，身份验证和合规审查正在收紧。AI平台开始越来越重视使用者身份、地区、用途和风险类型。过去互联网产品强调“注册即用”，但高阶AI能力越来越接近“审核后使用”。

第三，订阅服务开始缩水。早期AI产品常见的体验是，交一笔固定月费，就能相对宽松地使用各种能力。但随着推理成本上升、调用量激增、上下文窗口变长，越来越多产品开始引入额度、速率限制、调用次数限制，甚至对不同模型、不同功能、不同场景分层计费。

第四，算力供给并不总是充足。部分国产高阶模型订阅计划一开放就被抢光，部分海外高阶模型在高峰期降速、排队、限制调用。用户以为自己购买的是完整的智能服务，但平台实际提供的，是受算力、成本、带宽与调度系统多重约束的有限服务。

第五，用户感知到的“模型降智”现象愈发普遍。很多人会发现，同一个产品在不同时间、不同账号、不同任务上的表现并不稳定。有时反应变慢，有时推理变浅，有时复杂任务处理得明显粗糙。这背后可能有模型调度、成本控制、负载均衡和安全策略等多重原因，但对普通用户来说，体验就是：我付了钱，却不一定知道自己到底调用了什么能力。

近期Claude Opus 4.6降智问题引发大量关注

封锁、认证、涨价、限额、降智——这些变化共同指向一个方向：AI正在从“人人都可平等调用的工具”，变成一种层级分明的能力体系。

为什么AI服务必然走向分层

AI服务走向分层，不只是因为大模型公司“变坏了”，而是因为这门生意的成本结构天然不同于传统IT行业。

传统软件和SaaS公司的核心特征，是边际交付成本相对较低。软件开发完成后，多服务一个用户，成本并不会同比例上升。因此，成熟SaaS公司获得70%至90%的毛利率并不罕见。

但AI不是这个逻辑。由于用户提问内容、使用场景各不相同，模型每一次应答都需要独立完成实时运算；上下文越长、模型越强、工具调用越复杂，消耗的算力和显存资源就越高。ICONIQ Capital 2026年AI报告显示，AI产品平均毛利率预计在2026年达到约52%，高于2024年的41%，但仍明显低于成熟SaaS常见水平。

也就是说，AI不是一次开发、无限复制。它更像是一种持续消耗算力的服务。每一次回答背后，都有芯片、电力、机房、网络、调度、推理优化和工程运维成本。

更关键的是，AI硬件本身也很昂贵。高端GPU和AI加速芯片价格高、迭代快、折旧压力大。现在的先进芯片，几年后可能就不再适合训练最前沿模型。对于AI公司来说，模型研发与算力布局并非一次性投入，而是需要长期持续投入资本的重资产基础设施。

这就决定了，平台不可能长期用同一个价格、同一个入口、同一个体验，向所有用户开放最高能力。它必然会做分层：免费版用于拉客户，基础订阅用于覆盖部分边际成本，企业版和API用于贡献收入，高级能力则被放进更贵、更受限、更可控的访问体系。

需求侧变现也不轻松。生成式AI虽然扩散极快，但C端用户付费意愿并不强。过去互联网长期形成“免费+广告”的用户认知，很多人已经习惯信息服务低价甚至免费。AI虽然更强，但用户未必愿意为此支付足以覆盖真实成本的价格。

于是，一个结构性矛盾出现了：一边是供给侧成本难以下降，一边是需求侧收入难以变现。结果就是，AI公司只能通过分层来维持商业模式。AI确实可以让更多人接触智能工具，但真正高质量、高稳定、高权限、高安全等级的AI能力，越来越不可能无差别开放。