1.1 चैट विंडो से एक्शन तक: हमें AI प्रोडक्ट्स को दोबारा डिज़ाइन क्यों करना होगा
आज मैं यह बताना चाहता हूँ कि हम AI युग में प्रोडक्ट बनाने को किस नज़रिए से देखते हैं।
मेरा अपना अनुभव काफी समृद्ध है। मैं हमारी मैनेजमेंट टीम का सबसे उम्रदराज़ सदस्य हूँ; मेरे बाकी पार्टनर्स 1992 और 1993 में पैदा हुए थे, जबकि मेरा जन्म 1986 में हुआ था और अगले महीने मैं 40 साल का हो जाऊँगा। छात्रों के बीच लगभग 40 साल के व्यक्ति को देखकर आपको लगेगा कि यह कोई आम मिडिल-एज इंसान है।
मैं इस इंडस्ट्री में जल्दी आ गया था, ग्रेजुएट स्टडीज़ किए बिना ही बैचलर डिग्री के तुरंत बाद काम शुरू कर दिया था।
टीम जॉइन करने से पहले, मैं हमेशा ऐसा प्रोडक्ट बनाना चाहता था जो लगातार 7×24 घंटे चल सके: एक ऐसा प्रोडक्ट जिसे हर वक्त इंसानी इनपुट की ज़रूरत न पड़े, बल्कि वह खुद लगातार रीज़निंग करे और आउटपुट देता रहे। उस वक्त मैंने इसका ठोस रूप भी नहीं सोचा था, लेकिन मैं इसे सच में करना चाहता था क्योंकि मेरा मानना था कि मॉडल इंटेलिजेंस की ऊपरी सीमा (upper limit) इंसानों को पहले ही पार कर चुकी है। हमें एक सही प्रोडक्ट फॉर्म की ज़रूरत थी जो मॉडल को सक्रिय और स्वचालित रूप से उत्तेजित करे, ताकि वह लगातार आउटपुट जनरेट करता रहे। अंतिम एप्लिकेशन सीनारियो चाहे जो भी हो, मेरा मानना है कि यही वह अंतिम रूप है जो किसी AI प्रोडक्ट का होना चाहिए। ये कई विचार मॉडल क्षमताओं की मौजूदा सीमाओं को खोजने से आए थे।
यही मेरे लिए टीम जॉइन करने का एक अहम कारण भी था। उस समय Red ने मुझसे संपर्क किया और कहा कि वह एक AI ब्राउज़र बनाना चाहता है, और सहज रूप से मुझे लगा कि यह दिशा सही है।
बाद में, मैंने हमारी रिसर्च में आई मुख्य समस्या को एक बात में समेट दिया: Chatbot प्रोडक्ट फॉर्म खुद AI मॉडल्स की क्षमताओं के प्रदर्शन को सीमित कर देता है।
इसका मतलब है कि आपने एक प्रोडक्ट बनाया, लेकिन उसकी वैल्यू की ऊपरी सीमा यूज़र्स पर निर्भर है: प्रोडक्ट की असली ताकत को अनलॉक करने के लिए यूज़र्स को न सिर्फ सवाल पूछना आना चाहिए, बल्कि वे सवाल पूछने के लिए तैयार भी होने चाहिए। अगर यूज़र्स को सवाल पूछना ही नहीं आता तो क्या होगा? तब प्रोडक्ट की वैल्यू बहुत कम रह जाएगी।
ब्राउज़र एक बेहतरीन उदाहरण है: आपको लगातार प्रॉम्प्ट्स टाइप करने की ज़रूरत नहीं होती; ईमेल लिखना, सर्च करना, वेब पेज ब्राउज़ करना—ये व्यवहार खुद में इरादे (intent) का प्रदर्शन हैं और मॉडल के इनपुट बन सकते हैं, जिससे बैकग्राउंड में भारी मात्रा में रीज़निंग की ज़रूरत पैदा होती है। मेरे और हमारे चीफ साइंटिस्ट के टीम जॉइन करने का एक और कारण यह था कि Red न सिर्फ एक शानदार प्रोडक्ट मैनेजर है, बल्कि वह कंपनी के ऑपरेशंस को भी गहराई से समझता है।
1.2 AI ब्राउज़र को रोकना: डूबी हुई लागत से कहीं ज़्यादा ज़रूरी समय है
अक्टूबर 2024 तक, हमारा AI ब्राउज़र वास्तव में तैयार हो चुका था। इंटरनल टेस्टिंग में हमेशा एक या दो खास तौर पर शानदार फीचर्स सामने आते थे।
लेकिन जब हमने इसे परिवार और दोस्तों को सुझाया, तो गंभीर समस्याएँ उभरीं: हर कोई ब्राउज़र्स से बहुत अच्छी तरह वाकिफ है। ट्रायल के दौरान उनका पहला सवाल अक्सर यही होता था, "Safari या Chrome वाला वो फीचर कहाँ गया जो मैं इस्तेमाल करता था?"
पुराने अनुभवों पर नए अनुभवों को थोपने में यही सबसे बड़ी समस्या है: यूज़र्स हमेशा अपने पुराने अनुभव के आधार (baseline) से तुलना करेंगे। लेकिन आपकी असली खूबी वहाँ नहीं है। आप चाहते हैं कि वे AI वाले हिस्से पर ध्यान दें, लेकिन हर किसी को सबसे ज़्यादा इस बात की परवाह होती है कि बेसिक ब्राउज़र अनुभव कितना अच्छा है।
एक स्टार्टअप टीम के रूप में, 20 से अधिक वर्षों के परिपक्व बेंचमार्क वाले प्रोडक्ट पर Apple और Google जैसे दिग्गजों के साथ बेसिक अनुभवों को मिलाना लगभग नामुमकिन है। इसे ज़बरदस्ती करने में बहुत ज़्यादा अतिरिक्त ऊर्जा खर्च होगी, जिससे हम AI डेवलपमेंट पर ध्यान नहीं दे पाएँगे। उस समय मुझे लगा कि प्रोडक्ट में सच में कुछ खास बातें हैं और रिलीज़ होते ही हार्डकोर यूज़र्स इसे पसंद करेंगे, और कुछ इटरेशन के बाद यह हिट हो सकता है। लेकिन सितंबर और अक्टूबर में Red बेहद उलझन में था। एक तरफ उसे लगता था कि पुराने अनुभवों पर नए अनुभवों को टाँगना तार्किक रूप से सही नहीं है; दूसरी तरफ उसे डर था कि रिलीज़ होने के बाद पूरी टीम 3 से 6 महीने तक इसी में उलझ कर रह जाएगी। फाउंडर्स अक्सर चीज़ें छोड़ने में हिचकिचाते हैं; अगर पहला वर्ज़न अच्छा परफॉर्म नहीं करता, तो वे सोचते हैं "शायद अभी बस इतना अच्छा नहीं है, इसे और बेहतर करते हैं," और इस तरह छह महीने बर्बाद हो जाते हैं।
स्कूल में शायद आप समय की अहमियत न समझ पाएँ, लेकिन स्टार्टअप्स के लिए पैसा असल में जुटाने वाला सबसे आसान संसाधन है—जब तक दिशा सही है, आप हमेशा फंड जुटा सकते हैं। सबसे कीमती और न बर्बाद होने वाला संसाधन समय है। समय बर्बाद करने से सिर्फ आपकी निजी ऊर्जा खत्म नहीं होती; इससे भी भयानक बात यह है कि आप बाज़ार के चरणबद्ध अवसरों (phased market windows) और ट्रेंड्स को खो देते हैं।
उस समय, अक्टूबर 2024 में, हमारी पूरी कंपनी में सिर्फ 30 लोग थे। ZhenFund के समर्थन से, हमने सिर्फ Angel और Pre-A राउंड ही जुटाए थे, और हाथ में कैश बहुत कम था। एक नए प्रोजेक्ट में 7 महीने लगाने के बाद, जो पहले से ही निखर चुका था और रिलीज़ होने पर बाज़ार को चौंकाने की संभावना रखता था, Red ने आखिरकार उस प्रोजेक्ट को बंद करने का फैसला किया। आज पीछे मुड़कर देखें तो वह एक बेहद अहम फैसला था, क्योंकि अगर हमने ब्राउज़र को नहीं रोका होता, तो आगे चलकर Manus कभी नहीं बनता।
जब हमने पिछले साल पहली बार यह कहानी शेयर की, तो आलोचकों ने कहा कि हमें AI ब्राउज़र ट्रैक की बुराई नहीं करनी चाहिए क्योंकि हमने खुद एक नहीं बनाया था। लेकिन आज हम पूरे आत्मविश्वास के साथ कह सकते हैं कि AI ब्राउज़र ट्रैक में वास्तव में कोई सफल प्रोडक्ट नहीं है। इसका मूल कारण यह है: नए अनुभव बनाने के लिए, पूरी तरह से नए अनुभव बनाना बेहतर है, बजाय इसके कि "AI + पुराना अनुभव" करने की कोशिश की जाए।
1.3 कोडिंग टूल्स में जनरल एजेंट के अवसर देखना
अक्टूबर 2024 में ब्राउज़र को रोकने के बाद, टीम ने सोचना शुरू किया कि अगला प्रोडक्ट क्या होना चाहिए। उस समय बीजिंग की टीम बहुत छोटी थी, एक को-वर्किंग स्पेस में सिर्फ एक छोटे से ऑफिस में कुल पाँच लोग थे। CPO के रूप में, मैं प्रोडक्ट संभालता था; चीफ साइंटिस्ट मॉडल्स संभालते थे; और Abin नाम का एक फुल-स्टैक डेवलपर साथी था। हालाँकि हमारी भूमिकाएँ अलग-अलग थीं, लेकिन हम तीनों का बैकग्राउंड कोडिंग का था। मैंने तीसरी कक्षा में कोड लिखना शुरू कर दिया था।
2024 का सबसे चर्चित प्रोडक्ट Cursor था, जो जुलाई में अचानक लोकप्रिय हो गया। हम इसे रोज़ इस्तेमाल करते थे, लेकिन इस्तेमाल के दौरान हमारे अनुभव अलग-अलग रहे। खासकर एक नॉन-प्रोफेशनल प्रोग्रामर के रूप में, मैंने Cursor का इस्तेमाल कई अन्य कामों के लिए करना शुरू किया: रिइम्बर्समेंट संभालना, अपनी पत्नी के लिए MP4 को MP3 में बदलना, उपन्यास लिखने में मदद करना, आदि।
इस प्रक्रिया में, हमें Cursor के पीछे मौजूद Claude 3.5 Sonnet मॉडल की ताकत का एहसास होता गया। खासकर बाद के वर्ज़न्स में, Cursor और Windsurf दोनों की क्षमताओं में भारी सुधार देखा गया। कई देशी और विदेशी स्टार्टअप्स Cursor की नकल कर रहे थे, जिससे कोडिंग टूल्स की बाढ़ आ गई, हालाँकि उन्हें अभी पूरी तरह से "Coding Agents" नहीं कहा जाता था।
हमें जो असली अवसर दिखा वह यह था: Sonnet 3.5 v2 ने सिर्फ कोडिंग क्षमता से कहीं ज़्यादा कुछ अनलॉक किया—इसने स्वायत्त योजना (autonomous planning) और एक्शन लेने की क्षमताओं को अनलॉक किया।
स्वायत्त योजना और एक्शन क्षमताएँ मुख्य रूप से दो पहलुओं में दिखती हैं:
पहला, Long-horizon Planning (दीर्घकालिक योजना)।
अब यह आम बात लग सकती है, लेकिन 2024 के अंत में ऐसा नहीं था। उस समय, OpenAI के मॉडल्स को इसमें दिक्कत आती थी, वे ChatGPT स्टाइल की बारी-बारी से होने वाली बातचीत को प्राथमिकता देते थे, और एक ही इंटरैक्शन में सीधे समस्या हल करने की कोशिश करते थे। Claude 3.5 Sonnet से शुरू होकर और बाद के वर्ज़न्स में काफी बढ़कर, दीर्घकालिक टास्क प्लानिंग करने की क्षमता सामने आई: यह जानता है कि एक ही बारी में सब कुछ पूरा करने की जल्दी नहीं करनी है, बल्कि सक्रिय रूप से टूल्स को कॉल करना है, यूज़र्स से सवाल पूछने हैं, ज़्यादा जानकारी जुटानी है, और तभी एक्ज़ीक्यूट करना है जब यह पूरी तरह आश्वस्त हो।
दूसरा, Tool Use (टूल का उपयोग)।
Cursor ऐसे टूल्स बनाता है जो ज़्यादा लोगों को इंजीनियर बनने में मदद करते हैं। लेकिन हमारा मानना था कि दुनिया को और इंजीनियर्स की ज़रूरत नहीं है, और न ही इंजीनियर्स को और फैंसी टूल्स की ज़रूरत है—उनके पास पहले से ही पर्याप्त हैं। अगर आप में से कोई नियमित रूप से कोडिंग करता है, तो मुझे यकीन है कि आपके कंप्यूटर में कई टूल्स इंस्टॉल हैं, जिन्हें आप लगातार बदलते और परखते रहते हैं। इंजीनियर्स ऐसे ही काम करते हैं।
हमारा मानना था कि एक बार जब यह क्षमता अनलॉक हो गई, तो इसने आम लोगों के लिए सामान्य क्षमताओं (general abilities) का दरवाज़ा खोल दिया। जब पूरी दुनिया Coding Agents पर दांव लगा रही थी, हमने कोडिंग को एक माध्यम के रूप में इस्तेमाल करके आम यूज़र्स की सामान्य समस्याओं को हल करने का अवसर देखा, इसलिए हमारा नज़रिया बिल्कुल अलग था।
जब हमने दिसंबर 2024 में प्रोजेक्ट शुरू किया, मैं वास्तव में बहुत घबराया हुआ था क्योंकि मुझे लगा कि निश्चित रूप से दूसरों ने भी यह भविष्य देख लिया होगा। हम तनाव में थे, तेज़ी से डेवलपमेंट करने के लिए कंपनी के सभी उपलब्ध संसाधन जुटा रहे थे, डर था कि कहीं कोई और हमसे बाज़ी न मार ले। दो महीने के डेवलपमेंट के बाद, 5 मार्च 2025 को लॉन्च के समय, हमने पाया कि हमारी जानकारी के अनुसार, लगभग सिर्फ हम ही इस दिशा में काम कर रहे थे; बाकी सब अभी भी कोडिंग टूल्स बना रहे थे।
हमने 2024 के अंत में इस बदलाव के बिंदु (inflection point) को पहचाना, और मॉडल की सीमा पर दीर्घकालिक योजना और टूल-यूज़ क्षमताओं को बारीकी से समझा। कई खोजों के बाद, हम सही प्रोडक्ट फॉर्म ढूँढने की लगातार कोशिश करते रहे।
1.4 नॉन-टेक्निकल यूज़र्स को टारगेट करना: इंटेलिजेंस को दिखाना, भरोसा बनाना
शुरुआती Manus बिल्कुल Cursor जैसा दिखता था, एक कोडिंग टूल जैसा। एक बार, ZhenFund के निवेशक Yusen शुरुआती प्रोटोटाइप देखने हमारे ऑफिस आए। उन्होंने कहा, "क्या यह तीन-कॉलम वाला लेआउट कुछ ज़्यादा ही प्रोफेशनल नहीं लग रहा? यह लोगों को दूर भगा सकता है।" प्रोडक्ट की योजना बनाते समय हमारा फैसला नॉन-टेक्निकल दर्शकों को टारगेट करने का था। चूँकि हम नॉन-टेक्निकल लोगों को टारगेट कर रहे थे, इसलिए पहली नज़र में बहुत ज़्यादा प्रोफेशनल दिखना निश्चित रूप से एक समस्या थी। इसलिए हमने इंटरफेस को तीन कॉलम से बदलकर दो कॉलम कर दिया।
इस प्रक्रिया में, हमने टारगेट मार्केट के लिए कई इनोवेशन किए। क्योंकि Agents बहुत नए थे, आम लोगों को यकीन करना मुश्किल था कि वे वास्तव में काम कर सकते हैं। R&D के उन ढाई महीनों में, घर पहुँचते-पहुँचते हर दिन मेरी आवाज़ बैठ जाती थी।
5 जनवरी 2025 को पहला प्रोटोटाइप चलने के बाद, मैंने Moments पर पोस्ट करके दोस्तों से पूछा: अगर आपके पास बैचलर डिग्री वाला कोई इंटर्न हो, तो आप उसे कौन से काम सौंपेंगे? मैंने 100 से ज़्यादा दोस्तों से 400 से अधिक टास्क इकट्ठे किए, जो Manus का सबसे पहला इवैल्यूएशन डेटासेट बना।
पहले प्रोटोटाइप से लेकर, जैसे-जैसे Agent एग्ज़ीक्यूशन फ्रेमवर्क (जिसे बाद में Harness कहा गया) बेहतर हुआ, उन टास्क ने हर दिन चौंकाया। embodied intelligence (जैसे मिल्क टी खरीदना) की ज़रूरत वाले 100 से अधिक टास्क को छोड़ दें, तो बाकी 300 से ज़्यादा टास्क ऐसी तरीकों से पूरे हुए जिनकी कल्पना भी नहीं की जा सकती थी। मैं हर दिन ऑफिस में खुशी से चिल्लाए बिना नहीं रह पाता था, और घर बैठे हुए गले के साथ आता था। मेरी पत्नी पूछती कि काम मुझे इतना थका क्यों देता है। लेकिन स्क्रीन से छलकती उस इंटेलिजेंस का अहसास इतना आकर्षक था कि आप जान जाते थे कि यही भविष्य है।
हालाँकि, यह प्रभाव इतना तीव्र था कि अगर हम यूज़र्स को सिर्फ नतीजे देते, तो वे सोच सकते थे कि यह नकली है। इसलिए हमने एक फैसला लिया: पारदर्शिता (Transparency) को खुद एक प्रोडक्ट फीचर बनना होगा।
Manus के पहले रिलीज़ में, दो महत्वपूर्ण प्रोडक्ट डिज़ाइन्स लगभग सभी AI Agents के लिए डिज़ाइन पैराडाइम बन गए:
पहला, स्टेप-बाय-स्टेप एग्ज़ीक्यूशन डिस्प्ले। यूज़र्स को यह देखने देना कि Agent टास्क को कैसे आगे बढ़ाता है, टूल्स को कैसे कॉल करता है, वेब पेज कैसे विज़िट करता है, नोट्स कैसे लिखता है और कोड कैसे लिखता है।
दूसरा, Session Replay। सेशन शेयर करते समय, दूसरे लोग पूरे एग्ज़ीक्यूशन प्रोसेस को देख सकते हैं।
प्रोडक्ट की इंटेलिजेंस परफॉर्मेंस शायद 80% हिस्सा हो, लेकिन शुरुआती धमाकेदार सफलता के लिए ये दो ग्रोथ-ओरिएंटेड UI डिज़ाइन्स बेहद ज़रूरी थे। शुरुआत में कई लोगों को AI Agents पर भरोसा नहीं था, लेकिन स्टेप-बाय-स्टेप यह देखकर कि यह टास्क कैसे आगे बढ़ाता है, टूल्स कॉल करता है, पेज विज़िट करता है, नोट्स/कोड लिखता है, उन्हें एहसास हुआ कि यह इंसानों की तरह काम करता है, जिससे भरोसा बना। Session Replay के साथ, यूज़र्स को इनवाइट कोड या पेमेंट की ज़रूरत नहीं थी; सिर्फ शेयर किए गए सेशन देखकर वे उन चौंकाने वाले पलों को महसूस कर सकते थे। ये डिज़ाइन्स इसलिए आए क्योंकि हमने अपने टारगेट यूज़र्स को स्पष्ट रूप से नॉन-टेक्निकल माना था: हम उनके तकनीकी बैकग्राउंड की उम्मीद नहीं कर सकते थे, इसलिए हमें प्रोडक्ट इनोवेशन का इस्तेमाल करके उन्हें यह समझाना था कि क्या हो रहा है और उनका भरोसा जीतना था।
1.5 एक लॉन्च के पीछे की असली वजह: प्रोडक्ट इनोवेशन और फाउंडर की अभिव्यक्ति
मार्च के लॉन्च के बारे में, पिछले नवंबर में Tsinghua University में एक छात्र ने पूछा कि क्या कई लोगों को लगता है कि हमने मार्च में बहुत सारे KOLs खरीदे और एक मार्केटिंग इवेंट स्टेज किया।
मार्केटिंग में काम करने वाले एक दोस्त ने मुझसे कहा, "अगर 20-30 मिलियन RMB का बजट भी हो, और तुम मुझसे Manus जैसी मार्केटिंग दोहराने को कहो, तो भी मैं यह असर नहीं ला सकता।" युवा अक्सर मार्केटिंग को बुरा मानते हैं, उन्हें लगता है कि यह गलत है। अगर आप बिज़नेस शुरू करना चाहते हैं लेकिन सोचते हैं कि मार्केटिंग गलत है, तो यह बहुत खराब सोच है। एक अच्छी कहानी कैसे सुनाई जाए, यह ठीक वही हुनर है जिसकी चीनी फाउंडर्स में कमी है, और इसका मुझे पिछले दो सालों में सिलिकॉन वैली में गहरा अनुभव हुआ।
लोग मार्केटिंग की कठिनाई को कम आँकते हैं, यह मानकर कि यह सिर्फ पैसा फेंकने का खेल है। अगर यह इतना आसान होता, तो स्टार्टअप्स को कभी मौका नहीं मिलता क्योंकि आप बड़ी कंपनियों से ज़्यादा खर्च नहीं कर सकते।
मैं पहले कहता था कि मार्च के लॉन्च में 0 RMB खर्च हुआ, लेकिन बाद में मुझे एहसास हुआ कि यह पूरी तरह सही नहीं था:
28 फरवरी 2025 को वेबसाइट तैयार थी। CEO Red ने इसे देखा और कहा, "Tao, क्या यह साइट कुछ ज़्यादा ही सादी नहीं है? क्या हमें कोई वीडियो नहीं जोड़ना चाहिए?" 5 मार्च के लॉन्च में सिर्फ कुछ दिन बचे थे। मैंने बीजिंग में दो-तीन वीडियो प्रोडक्शन कंपनियों से संपर्क किया; सभी ने कहा कि कम से कम दो हफ्ते का समय लगेगा।
आखिरकार, मैंने खुद Sony A7C II कैमरे से वीडियो शूट किया। मेरे पास अच्छे लेंस नहीं थे, इसलिए मैंने ZhenFund के Yusen से 50mm f/1.2 GM लेंस उधार लिया। मैंने दो रातें एडिटिंग में लगाईं। YouTube पर अपलोड करते समय मुझे पता चला कि 4K एक्सपोर्ट के लिए पैसे देने होंगे। इसलिए मैंने CapCut की एक महीने की मेंबरशिप के लिए लगभग $12-15 खर्च किए—उस लॉन्च पर खर्च किया गया यही एक अतिरिक्त पैसा था, जिसे रिन्यूअल के तुरंत बाद कैंसिल कर दिया गया।
वीडियो वायरल होने के बाद, लोगों ने मान लिया कि हम शानदार मार्केटर्स हैं जिन्होंने एक कमाल का वीडियो बनाया। मैं युवा उद्यमियों को चेतावनी देने के लिए यह कहानी बार-बार सुनाता हूँ: अगर किसी धमाकेदार प्रोडक्ट से आपका यही निष्कर्ष निकलता है कि "वे मार्केटिंग में अच्छे हैं," तो आपने गलत सबक सीखा है। चीज़ें कभी इतनी सरल नहीं होतीं।
सबसे पहले, Manus सही समय पर आया, और सही प्रोडक्ट फॉर्म का इस्तेमाल करके दुनिया को दिखाया कि मॉडल क्षमताओं की सीमाएँ कहाँ हैं। अब फ्रेमवर्क्स को Harness कहा जाता है; उस समय यह शब्द लोकप्रिय नहीं था। मेरा मानना है कि हम ऐसे फ्रेमवर्क्स बनाने वाली सबसे शुरुआती टीमों में से एक थे, जिन्होंने मॉडल की सीमाओं को आखिरी छोर तक धकेला। लॉन्च के बाद, मैंने मार्च में सैन फ्रांसिस्को में Anthropic की टीम से मुलाकात की। उन्हें यकीन नहीं हुआ कि हमने सिर्फ उनके मॉडल्स का इस्तेमाल किया है क्योंकि उनके इंटरनल टेस्ट हमारी ताकत से मेल नहीं खाते थे। मैंने कहा कि मुझे सच में उनके मॉडल्स पसंद हैं। बाद में, Claude Code का कुछ कोड लीक हुआ, और हमने उसमें अपने शुरुआती आर्किटेक्चर डिज़ाइन्स की झलक देखी। इसलिए, मेरा मानना है कि लॉन्च की सफलता की मुख्य नींव एक बड़ा प्रोडक्ट इनोवेशन था।
बिना अच्छे प्रोडक्ट इनोवेशन के, सिर्फ वीडियो के भरोसे रहना गाड़ी को घोड़े के आगे लगाने जैसा है। बाद में, अनगिनत स्टार्टअप्स को वही स्टाइल अपनाते देखकर मैं बेबस महसूस करता था: फाउंडर सोफे पर बैठा है और पीछे पौधे हैं। हर कोई ऐसे बर्ताव कर रहा था जैसे पूर्वी एशियाई बच्चे परीक्षा के टेम्प्लेट की नकल कर रहे हों, बिना जाने कि और क्या किया जाए। यह मज़ेदार है क्योंकि हमने वह एंगल इसलिए चुना था क्योंकि हमारे को-वर्किंग पार्क में वह एकमात्र साफ बैकग्राउंड वाली जगह थी, जो शूटिंग के लिए काफी शांत थी। अगर आप ध्यान से देखें, तो एक फ्रेम जंप है क्योंकि हमारे चीफ साइंटिस्ट के बोलते समय उनके पीछे एक सफाई कर्मचारी पोंछा लगा रही थी। जो सच में मायने रखता है वह कभी वीडियो नहीं, बल्कि आपका प्रोडक्ट होता है। फिर भी पीछे मुड़कर देखें तो वह वीडियो अहम रहा क्योंकि मैंने उसे शूट किया था और हमारे चीफ साइंटिस्ट ने उसे प्रस्तुत किया था।
Manus के हिट होने के बाद, कई टीमों को बॉस/निवेशकों के सवालों का सामना करना पड़ा: "तुम Manus क्यों नहीं बना सकते?" सबसे सुरक्षित बहाना अक्सर यही बन गया: "हम एक मजबूत टेक टीम हैं, उनकी तरह मार्केटिंग में अच्छे नहीं हैं।" यह सुनने में व्यावहारिक लगता है, असफलता का ठीकरा "मार्केटिंग में अच्छा न होने" पर फोड़ना।
लोग मूल बात को नज़रअंदाज़ कर देते हैं: मैं एक प्रोडक्ट वाला इंसान हूँ; दूसरा चीफ साइंटिस्ट के रूप में मॉडल्स संभालता है। हम दोनों में से कोई मार्केटिंग से नहीं आया है। हमने बस एक ऐसा प्रोडक्ट बनाया जिस पर हमें गर्व था और जिससे हम संतुष्ट थे, और फिर उसे अपनी भाषा में दुनिया के सामने पेश किया।
शुरुआती दौर के स्टार्टअप मार्केटिंग में फाउंडर्स का व्यक्तिगत रूप से शामिल होना ज़रूरी है। एजेंसियों को आउटसोर्स करने या "मार्केटिंग विशेषज्ञों" को हायर करने से जानकारी के गंभीर रूप से विकृत होने का खतरा होता है। कहानी कैसे सुनानी है, यह सिर्फ फाउंडर्स ही सच में जानते हैं। इसलिए पीछे मुड़कर देखें तो, वीडियो अपने फॉर्मेट की वजह से नहीं, बल्कि इसलिए मायने रखता था क्योंकि हमने इसे खुद बनाया था।
1.6 छह महीने आगे की मॉडल क्षमताओं के लिए प्रोडक्ट डिज़ाइन करना
AI एप्लिकेशन इनोवेशन के लिए, छह महीने आगे की मॉडल क्षमताओं को ध्यान में रखकर प्रोडक्ट डिज़ाइन करें। मेरा मानना है कि अगला साल, 2027, AI एप्लिकेशंस का बड़ा साल होगा।
"छह महीने आगे" का क्या मतलब है? ऐसा मत करो कि आज सुबह तुमने किसी मॉडल अपडेट के बारे में आर्टिकल पढ़ा जिसमें नई क्षमताएँ जुड़ी हैं, और फिर उसके आधार पर ऐप्स बनाने के बारे में सोचने लगे। तब तक बहुत देर हो चुकी होगी।
हमारी टीम में, चीफ साइंटिस्ट ने अहम इनपुट दिए। NLP में एक दशक से ज़्यादा की रिसर्च करने के कारण, वे मौजूदा मॉडल परफॉर्मेंस और सार्वजनिक/गैर-सार्वजनिक जानकारी से फ्रंटियर लैब्स की विकास दिशाओं को बारीकी से भाँप सकते थे। उदाहरण के लिए, हमने Claude 3.5 Sonnet में AGI (Artificial General Intelligence) क्षमताओं को उभरते देखा, जो V2 में और बढ़ गईं। हमने आँका कि वे इस दिशा में भारी निवेश कर रहे हैं। अगर 3-4 महीनों में यह एक और स्तर ऊपर चला गया, तो क्या हमारा प्रोडक्ट अविश्वसनीय रूप से शक्तिशाली नहीं हो जाएगा?
इसलिए हमने तुरंत शुरू करने का फैसला किया। पहले हम 3.5 से 4.0 की छलाँग की उम्मीद कर रहे थे, और 4.0 के साथ लॉन्च करने की योजना थी, लेकिन पहले 3.7 आ गया। जिस रात 3.7 लॉन्च हुआ, मैंने Jike पर पोस्ट किया: "विश्वास को रिचार्ज करने वाली रात।" क्यों? उस रात, हमारे Harness कोड में एक भी लाइन नहीं बदली; हमने बस मॉडल इंटरफेस को 3.5 V2 से बदलकर 3.7 कर दिया। हमारे eval set पर, परफॉर्मेंस में ज़बरदस्त उछाल आया, और पहले से अधूरे रहे लगभग 20-30% मुद्दे तुरंत हल हो गए। हम जान गए कि हमने सही दांव लगाया है।
हमारे चीफ साइंटिस्ट हमेशा ज़ोर देते थे: "कम स्ट्रक्चर, ज़्यादा इंटेलिजेंस।" लॉन्च के बाद, जब मैंने इसे सिलिकॉन वैली और देश में शेयर किया, तो कई लोगों ने इसे खारिज कर दिया। उस समय का आम तरीका यह था कि इंसान वर्कफ़्लो डिज़ाइन करें, AI को स्टेप्स सिखाएँ: जहाँ भी गलती हो, अनिवार्य नियम या कंडीशनल ब्रांच लिखें। लेकिन हमारे पहले Agent एग्ज़ीक्यूशन फ्रेमवर्क ने हर कदम बताने वाले फिक्स्ड वर्कफ़्लो का इस्तेमाल नहीं किया; इसके बजाय, मॉडल ने खुद तय किया कि आगे क्या करना है।
चाहे रिसर्च करनी हो, Slides बनाने हों, वेबसाइट्स बनानी हों या डेटा एनालिसिस, मॉडल ने अगले कदम तय किए, न कि कठोर प्रक्रियाओं ने सब कुछ जोड़ा। उस समय Multi-agent systems बहुत चर्चा में थे, लेकिन हम single-agent रास्ते पर डटे रहे।
ऐसा क्यों? कम प्रीसेट स्ट्रक्चर होने से मॉडल क्षमताओं में होने वाले सुधार का अधिकतम फायदा मिलता है। कठोर वर्कफ़्लो लिखने से आप मॉडल अपडेट्स के फायदों से वंचित रह जाते हैं। 3.7 से पहले, हमें नहीं पता था कि यह फैसला सही है या नहीं। लेकिन लॉन्च की रात, हमने पुष्टि कर ली: एग्ज़ीक्यूशन फ्रेमवर्क को बदले बिना, सिर्फ मॉडल क्षमताओं में सुधार से प्रोडक्ट परफॉर्मेंस बढ़ गई। इसका मतलब था कि सिर्फ इस बार नहीं, बल्कि भविष्य में मॉडल की प्रगति से लगातार फायदा मिल सकता है। इसलिए AI उद्यमियों के लिए, यह बहुत ज़रूरी है कि मौजूदा मॉडल की कमियों को अनंत काल तक पैच करने में न लगें, क्योंकि वे आखिरकार हल हो ही जाएँगी। इसके बजाय पूछें: 6 महीने में मॉडल्स कैसे दिखेंगे? अगर ऐसा हुआ, तो उस भविष्य के मॉडल के लिए कौन सा प्रोडक्ट फॉर्म उपयुक्त होगा?
अभी शुरू करें। 3 महीने में, प्रोडक्ट शायद कमज़ोर लगे, लेकिन अपना विश्वास मजबूत रखें: यह सिर्फ इसलिए है क्योंकि मॉडल्स अभी तक उस स्तर पर नहीं पहुँचे हैं। जैसे ही वे पहुँचेंगे, प्रोडक्ट फॉर्म के फायदे तुरंत दिखने लगेंगे। जब मॉडल्स सच में उस स्तर पर पहुँच जाएँगे, तो आप वहाँ अकेले होंगे, पूरी तरह तैयार।
1.6.1 भविष्य को देखता एक उदाहरण: एक सेकंड की लेटेंसी वाला जनरेटिव अनुभव
आपको यह अमूर्त लग सकता है। वास्तव में क्या किया जा सकता है? हमने जो किया है उसके अलावा, क्या और अवसर हैं? मैं एक अवसर शेयर कर सकता हूँ (जिसे मैं खुद नहीं अपनाऊँगा):
मैं एक पल का इंतज़ार कर रहा हूँ: Seedance जैसे वीडियो जनरेशन मॉडल्स प्रॉम्प्ट इनपुट से लेकर विज़ुअल आउटपुट तक की लेटेंसी को एक सेकंड से कम कर दें। मेरा मानना है कि AI ऐप उद्यमिता के इस दौर के लिए वह एक महत्वपूर्ण मोड़ होगा। क्योंकि मेरी नज़र में, एक सेकंड की लेटेंसी वाला वीडियो जनरेशन मॉडल सिर्फ एक टूल नहीं रह जाता—यह एक नई पीढ़ी का ऑपरेटिंग सिस्टम बन जाता है।
जब यह भविष्य आएगा, तो सॉफ्टवेयर कैसा दिखना चाहिए? यूज़र्स को एक सेकंड की लेटेंसी वाले जनरेटिव प्रोडक्ट्स के साथ कैसे इंटरैक्ट करना चाहिए? मेरा अनुमान है कि ये बदलाव छह महीने के अंदर होंगे। इस दिशा में तैयारी करना उद्यमिता का एक शानदार अवसर है। यह सिर्फ एक उदाहरण है। कई क्षेत्रों में कई मॉडल्स आगे बढ़ रहे हैं। 3 या 6 महीने में वे कैसे दिखेंगे? आम लोग इन क्षमताओं का लाभ कैसे उठा सकते हैं? AI ऐप उद्यमिता का यही मुख्य अवसर है।
1.7 इनपुट की बाधाओं को कम करना, असली वैल्यू पहचानने के लिए पेमेंट का इस्तेमाल
अगला, दूसरा फैसला: हम Chatbots क्यों नहीं बनाते? क्योंकि उनकी सीमा यूज़र प्रॉम्प्ट्स से आसानी से तय हो जाती है; सिर्फ बहुत ज्ञानी यूज़र्स ही उसकी पूरी वैल्यू निकाल पाते हैं, जिससे प्रोडक्ट चुनिंदा बन जाता है। भविष्य में नए प्रोडक्ट के प्रयासों का लक्ष्य यूज़र इनपुट लागत को कम से कम करना है, ताकि यूज़र्स रोज़मर्रा की ज़िंदगी में मॉडल इंटेलिजेंस की वैल्यू को लगातार महसूस कर सकें।
AI युग में, सबसे महत्वपूर्ण प्रोडक्ट वैल्यू यूज़र्स को इंटेलिजेंस का अहसास कराना है। कई लोग इसे नहीं समझते, उन्हें लगता है कि वैल्यू फ्री होने में है। यह कभी फ्री होने के बारे में नहीं रहा; फ्री सब्सिडी AI युग का सबसे बड़ा जाल है।
पिछले 2-3 सालों में चीन की AI ऐप उद्यमिता को पीछे मुड़कर देखें, तो सबसे बड़ा जाल मोबाइल इंटरनेट के पिछले फ्री-सब्सिडी वाले सोच से गुमराह होना था, यह मानना कि यह पीढ़ी भी वही कर सकती है। यह पूरी तरह गलत है:
पहला, अगर इंटेलिजेंस परफॉर्मेंस काफी अच्छी है, तो लोग पैसे देंगे। उदाहरण के लिए, प्लेटफॉर्म के कुछ मुख्य यूज़र्स हर महीने $4,000-$5,000 खर्च करते हैं। रकम बड़ी है, लेकिन उनकी तैयारी बताती है कि उन्हें वैल्यू मिली है।
दूसरा, फ्री सब्सिडी टीमों को गलत फीडबैक के जाल में फँसा देती है। बेशक फीडबैक सुनें, लेकिन फ्री यूज़र्स की माँग होती है "मुझे यह चाहिए, मुझे वह चाहिए।" ये माँगें बेकार नहीं हैं, लेकिन ये उद्यमियों का ध्यान भटका सकती हैं। अप्रासंगिक माँगों को देखना, गलत दिशाओं में सोचना, असल में समय बर्बाद करना है।
तीसरा, पेड मॉडल्स पर टिके रहने से यह सुनिश्चित होता है कि फीडबैक उन यूज़र्स से आए जिन्होंने वैल्यू महसूस की है और पैसों/एक्शन से अपना वोट दिया है। उनकी असली ज़रूरतों के इर्द-गिर्द निर्माण करने से अन्य पेइंग यूज़र्स को बेहतर तरीके से आकर्षित किया जा सकता है।
पिछले 2-3 सालों में, शुरुआती फ्री सब्सिडी के ज़रिए बढ़ने की देशी कोशिशें (चाहे Coding Agents हों या कुछ और) ज़्यादातर नाकाम रहीं। लोगों ने कमज़ोर ब्रांडिंग को दोष दिया, लेकिन मुख्य कारण फ्री होना था। यह बड़ी कंपनियों में और भी ज़्यादा दिखता है: भरपूर संसाधन होने से वे पहले दिन ही करोड़ों सब्सिडी में खर्च कर सकती हैं, जो एक टेढ़े रास्ते पर ले जाता है। मैं फ्री नहीं कर सकता। अगर पहले महीने में आप 100k DAU (Daily Active Users) तक पहुँच जाते हैं, तो यह आपका KPI बन जाता है। अगले महीने आप सिर्फ और ऊँचे आँकड़े चाहते हैं; कोई चार्ज करने की हिम्मत नहीं करता। आप फ्री DAU का यह बोझ ढोते रहते हैं, जो असली यूज़र मार्केट की समझ को कमज़ोर कर देता है। मुख्य बात: यूज़र्स को असली इंटेलिजेंस परफॉर्मेंस का अहसास कराना AI युग में प्रोडक्ट बनाने की सबसे महत्वपूर्ण चीज़ है।
हमने शुरुआत में पेड फीचर्स लॉन्च नहीं किए, चार्जिंग मार्च 2025 के अंत में शुरू की। अप्रैल के पहले महीने में ही ARR 40 मिलियन से ज़्यादा हो गया, 50 मिलियन के करीब पहुँच गया। क्यों? क्योंकि प्रोडक्ट ने सच में ज़बरदस्त इंटेलिजेंस दी। यही मुख्य बात है।
1.8 जनरल-पर्पस पर डटे रहना क्यों: यूज़र की सोच और लॉन्ग-टेल ज़रूरतें
तीसरा फैसला जनरल-पर्पस पर डटे रहना है। Manus लॉन्च करते समय, हमने दावा किया था कि हम दुनिया के पहले जनरल AI Agent हैं। जनरल-पर्पस पर ज़ोर क्यों?
शुरुआत में, हमने कई निवेशकों की राय सुनी, जैसे UI बदलना, लेकिन एक सुझाव को हमने मानने से इनकार कर दिया। निवेशकों ने पूछा, "यह प्रोडक्ट आखिर कर क्या सकता है? हर बार आने पर अजीब लॉन्ग-टेल टास्क दिखते हैं।" मैंने उन्हें इंटरनल/एक्सटर्नल eval के नतीजे दिखाए; उन्होंने कहा, "क्या आप कोई एक व्यावहारिक, वैल्यू दिखाने वाला सीनारियो बता सकते हैं?" मैंने माना कि मैं नहीं बता सकता।
उन्होंने सुझाव दिया कि किसी एक चीज़ पर ध्यान दें, जैसे वेबसाइट जनरेटर या स्लाइड जनरेटर। ये संभव थे, लेकिन हमने इन्हें नहीं किया।
पीछे मुड़कर देखें तो यह हिसाब-किताब वाला लगता है, लेकिन सच में उस समय हमने इतना नहीं सोचा था। सीधी सी बात है, Manus को डेवलप करने के उन ढाई महीनों में, मैं इंटेलिजेंस से बार-बार चौंका, हर दिन बेहद उत्साहित था। यह जानते हुए कि यह अविश्वसनीय है, इंसानों की तरह सभी लॉन्ग-टेल टास्क पूरे कर रहा है, मैं वह खुशी/हैरानी दुनिया के साथ शेयर करना चाहता था।
यह शुद्ध प्रोडक्ट सोच थी, कोई पहले से तय जनरल रणनीति नहीं। लेकिन पीछे मुड़कर देखें तो, जनरल-पर्पस पर ज़ोर देना Manus के सफर में एक अहम रणनीतिक फैसला था।
कारण: ब्रांड की सोच (mindset) पैसों से नहीं खरीदी जा सकती।
यूज़र्स के दिमाग में आपकी जगह को अरबों रुपये खर्च करके भी बदलना मुश्किल है। चूँकि हमने "General Agent" के रूप में शुरुआत की, इसलिए बाद में वेबसाइट डेवलपमेंट, Slides, वीडियो कमांड लॉन्च करना स्वाभाविक लगा। यूज़र्स ने सोचा, "Manus सब कुछ करता है; यह सामान्य है।" वहीं, वर्टिकल प्रतिस्पर्धियों ने जब जनरल टास्क की तरफ कदम बढ़ाया तो यूज़र्स कन्फ्यूज़ हो गए: "क्या तुम वेबसाइट टूल नहीं हो? अब डेटा एनालिसिस क्यों कर रहे हो?" इसे हल्के में न लें।
यूज़र्स के दिमाग में किसी प्रोडक्ट की जगह आमतौर पर जीवन में एक बार ही बनती है। इसे बदलना बेहद मुश्किल है, और इसके लिए ज़िंदा रहने के बाद सालों तक बड़े रणनीतिक/प्रोडक्ट बदलाव करने पड़ सकते हैं। जनरल-पर्पस पर डटे रहने से हमें AI की हर लहर में फायदा मिला, जो आज तक जारी है।
एक और अहम बात: अंदरूनी तौर पर, हमारे पास एक मैट्रिक्स है: X-अक्ष = हमें दिया गया पैसा; Y-अक्ष = यूज़र संतुष्टि। ऊपरी-दाएँ कोने (सबसे ज़्यादा पेमेंट, सबसे ज़्यादा संतुष्टि) पर कौन है?
कोडर्स नहीं। हमारा लक्ष्य नॉन-टेक्निकल यूज़र्स हैं; कोडर्स भी इसका इस्तेमाल करते हैं, लेकिन उनकी संख्या कम है। सबसे ज़्यादा संतुष्ट कॉर्पोरेट मैनेजर्स हैं: CEO, छोटे बॉस, डिपार्टमेंट हेड्स। क्यों? क्योंकि बॉस के पास सबसे ज़्यादा अलग-अलग तरह के काम होते हैं — आज इसकी चिंता, कल उसकी। उन्हें Manus बेहद कारगर लगता है। Manus से पहले कोई भी AI टूल उनके लिए सब कुछ हल नहीं करता था या हर विषय पर चर्चा नहीं कर सकता था। पिछले वर्टिकल AI (जैसे Marketing Agents) सीमित थे; सिर्फ Manus ने ही सब कुछ किया। इसलिए CEO ग्रुप्स ने इसे खुशी-खुशी अपनाया और वफादार हाई-एंड यूज़र्स बन गए। जनरल-पर्पस पर टिके रहने की ज़िद ने हाई-एंड क्लाइंट्स सुरक्षित किए और माइंडशेयर बैरियर्स बनाए, जिससे 1-2 साल के टेक इटरेशन में भी हम टिके रहे और बाहर नहीं हुए।
बेशक, यह ज़रूरी नहीं कि हर कोई जनरल-पर्पस ही बनाए। हम इसलिए सफल हुए क्योंकि उस समय किसी और ने ऐसा नहीं किया था, और हमने पहले माइंडशेयर पर कब्ज़ा कर लिया। बाद में कोशिश करना बहुत मुश्किल होता है।
1.9 यूज़र की ज़िंदगी के हिसाब से डिज़ाइन करें, तकनीकी आदतों के हिसाब से नहीं
चौथा फैसला यूज़र्स को समझना था।
जैसा कि मैंने बताया, हमने शुरुआत से ही यूज़र्स को नॉन-टेक्निकल माना। हमारा मकसद सिर्फ प्रोग्रामर्स को नहीं, बल्कि सभी आम लोगों को मॉडल की धमाकेदार क्षमताओं से लैस करना था।
इसलिए, हमने UX पर काफी काम किया:
पहला, पारदर्शी एग्जीक्यूशन प्रोसेस के ज़रिए भरोसा बनाना।
दूसरा, एसिंक्रोनस क्लाउड एग्जीक्यूशन। Cursor इस्तेमाल करने वाले प्रोग्रामर्स कमांड के बाद कन्फर्मेशन पर क्लिक करते हैं और उन्हें यह अच्छा लगता है। लेकिन आम लोग पूरा दिन कंप्यूटर स्क्रीन नहीं घूरते; वे फोन इस्तेमाल करते हैं या दूसरे काम करते हैं। इसलिए हमने हर टास्क को एक क्लाउड सैंडबॉक्स दिया, ताकि टास्क क्लाउड में रन हो सकें। आम सीन: फोन निकालो, टास्क दो, फोन वापस जेब में रखो, स्क्रीन ऑन रखने की ज़रूरत नहीं, काम खत्म होने पर रिजल्ट चेक कर लो।
तीसरा, प्रोसेस को ही शेयर करने लायक बनाना। हमने Session Replays को एक कहानी की तरह डिज़ाइन किया। शुरुआत में कई लोग इनवाइट कोड्स की वजह से प्रोडक्ट इस्तेमाल नहीं कर पाए, लेकिन रिप्ले देखकर उन्होंने इसकी वैल्यू समझ ली।
1.9.1 इनवाइट कोड्स के पीछे: फंडिंग और इंफरेंस कैपेसिटी की सीमाएं
वैसे, शुरुआत में इनवाइट कोड्स का सख्ती से इस्तेमाल क्यों किया?
कारण बहुत साधारण हैं। जैसे सोफे के वीडियो शूट करना: हमने किया, दूसरों ने कॉपी किया; हमने इनवाइट कोड्स इस्तेमाल किए, दूसरों ने कॉपी किया। लेकिन असली कारण जान लेने पर नकलची लोगों की हरकतें हंसाने वाली लगती हैं।
इनवाइट कोड्स इसलिए थे क्योंकि हमारे पास सिर्फ ~$8-9 मिलियन बचे थे। अभी-अभी एक राउंड जुटाया था, फिर भी हम गरीब कंपनी ही थे। Manus से पहले कई घरेलू VC हम पर दांव लगाना नहीं चाहते थे; चमकते-दमकते AI साथियों के मुकाबले हमारे पास पैसा कम था।
इनवाइट कोड्स के बावजूद, पीक डेली बर्न $500k तक पहुंच गया। अगर पूरी तरह खोल देते, तो मुझे डर था कि 5 मार्च के लॉन्च के एक हफ्ते के अंदर ही कंपनी डूब जाएगी। बड़ी कंपनियों वाले संसाधन नहीं थे, और लॉन्च पर मिली अप्रत्याशित भारी प्रतिक्रिया ने हमें इनवाइट कोड्स के ज़रिए रफ्तार कंट्रोल करने और फिर पेड फीचर्स लॉन्च करने पर मजबूर कर दिया। बिना पेमेंट वाले दौर में इनवाइट कोड्स ने खपत को संभाला।
ऊपर एक कारण बताया; दूसरा कारण इंडस्ट्री के बाहर किसी को नहीं पता: आज AWS/GCP से API/टोकन खरीदना आमतौर पर आसान है, सप्लाई अनलिमिटेड है (ज़्यादातर इसलिए क्योंकि प्रोडक्ट्स इतने बड़े स्केल पर नहीं जाते)। हमारी चुनौती क्या थी? Manus दुनिया का पहला कंज्यूमर-फेस्ड जनरल Agent था। इससे पहले क्लाउड प्लेटफॉर्म Chatbot/कंपैनियन ऐप्स को सर्व करते थे। शुरुआती टेस्ट्स में जब हमने Manus (Agent) की तुलना Monica (Chatbot, हमारे सहकर्मी का प्रोडक्ट) से की, तो सिंगल DAU टोकन खपत में 200-1000 गुना का अंतर था।
यह आंकड़ा कितना बड़ा है? क्लाउड से मॉडल कॉल थ्रूपुट खरीदने के लिए TPM (Tokens Per Minute) का इस्तेमाल होता है। M = Million। एशिया-पैसिफिक में, 10M-20M TPM की ज़रूरत वाले बड़े चैट/कंपैनियन ऐप्स टॉप-टियर क्लाइंट माने जाते थे। लॉन्च के तीन दिन बाद, जब इनवाइट-कोड होल्डर्स के लिए सब कुछ खोल दिया गया, तो डिमांड ~800M TPM तक पहुंच गई।
इसका मतलब क्या है? एक क्लाउड वेंडर (नाम नहीं बता रहा) को कॉल करके मैंने कहा कि हमें 500M TPM चाहिए। स्टार्टअप्स को छूट दिलाने के लिए बढ़ा-चढ़ाकर बोलने की आदत के चलते उन्होंने पूछा, "क्या यह अगले साल का अनुमानित वॉल्यूम है?"
मैंने कहा नहीं, मुझे अभी 500M चाहिए।
वे इतना नहीं दे सकते थे। किसी भी क्लाउड वेंडर के पास पर्याप्त कंप्यूट रिज़र्व नहीं था; कैपेसिटी एक-दूसरे को देखते हुए धीरे-धीरे बढ़ रही थी। शुरुआत में हम इतना जलाने का खर्च नहीं उठा सकते थे, और क्लाउड सर्विसेस AI Agent के इस धमाके के लिए तैयार नहीं थीं।
शुक्र है, हमने एक क्लाउड प्लेटफॉर्म से सैकड़ों M TPM सुरक्षित कर लिए और पहला महीना निकाल लिया। उसके बाद, हम लगातार वेंडर्स से बात करते रहे, उन्हें बताते रहे कि Agents का बूम आने वाला है, और कैपेसिटी तैयार रखने के लिए कहते रहे।
मई तक, जब इनवाइट कोड्स खत्म हुए, पहले की बढ़ोतरी की वजह से कई प्लेटफॉर्म उद्यमियों को 30-50M TPM ऑफर करने लगे।
इसलिए जब मैंने मई/जून में यह बात शेयर की, तो लोगों ने यकीन नहीं किया और हमें डींगें हांकने वाला कहा: "हमें तो कभी ऐसी दिक्कत नहीं आई; 10M मांगो तो कभी भी मिल जाता है।"
मैंने सोचा: पहली बात, दो महीने पहले आपको शायद यह नहीं मिलता; दूसरी बात, 10M और 1000M में 100 गुना का फर्क होता है। लोगों को अंदाज़ा ही नहीं था कि Manus के लॉन्च की डिमांड ने सप्लाई चेन में कितनी उथल-पुथल मचा दी। क्लाउड रिसोर्सेस, इंफ्रास्ट्रक्चर, पेमेंट्स — सब कुछ पायनियर्स को ही सुलझाना पड़ा। बाद वाले Agent उद्यमियों को शायद बिल्कुल वैसी ही समस्याओं का सामना न करना पड़े।
1.10 युवा उद्यमियों के लिए सलाह
आखिर में, यहां मौजूद कई लोग AI-नेटिव उद्यमी बन सकते हैं। तो ये कुछ सुझाव हैं।
1.10.1 पहले दिन से ही ग्लोबल सोचें, सिर्फ पश्चिम नहीं
पहला, ग्लोबल विज़न।
ग्लोबल विज़न क्या है? पिछले जून में, यूरोप के बड़े टेक समिट VivaTech ने हमें बुलाया। एक ग्लोबल फिनॉमेनन प्रोडक्ट के समिट में बोलकर खुशी हुई। रवानगी से तीन दिन पहले, आयोजकों ने एक सरप्राइज़ का वादा किया। उस शाम, Gmail पर elysee.fr (फ्रेंच राष्ट्रपति भवन का डोमेन) से ईमेल आया: राष्ट्रपति मैक्रॉन ने मुझे डिनर पर बुलाया था।
पहला रिएक्शन: कोई स्कैम है। आम लोग यही सोचते हैं, है ना? आयोजकों ने पुष्टि की कि यही वो सरप्राइज़ था। समिट के बाद, मैंने Elysée Palace में मैक्रॉन के साथ डिनर किया। हाल ही में Xiaohongshu पर Jensen Huang की पॉपुलैरिटी का फायदा उठाते हुए जो पोस्ट की, वो इसलिए क्योंकि मैक्रॉन मेरी दाईं ओर बैठे थे और Huang सामने। Huang ने शानदार भाषण दिया; मैंने उसे रिकॉर्ड करके पोस्ट किया, जो हाल ही में ट्रेंड कर रहा था।
यह क्यों बता रहा हूं? प्रोडक्ट लॉन्च हुए सिर्फ 3+ महीने ही हुए थे, फिर भी इतने हाई-प्रोफाइल इवेंट्स में बुलावा आया। दर्जनों टेबलें यूरोपीय फाउंडर्स/इन्वेस्टर्स से भरी थीं। डिनर के बाद की बातचीत में कई स्टार्टअप आइडियाज़ की कमियां सामने आईं।
यूरोपीय स्टार्टअप इकोसिस्टम चीन से काफी पीछे है, और उनका नज़रिया रक्षात्मक है: "यूरोप में बनाओ, यूरोप के लिए बनाओ।" कई लोग लोकल AI को मजबूत करने की वकालत कर रहे थे ताकि यूरोपीय कंपनियां/सरकारें यूरोपीय AI का इस्तेमाल करें, क्योंकि वे US-चीन के दबदबे से डरते हैं।
मुझे अजीब लगा। पास बैठे अमेरिकी फाउंडर्स भी मान रहे थे कि यह अविश्वसनीय है। औपचारिक माहौल होने के कारण खुलकर बोल नहीं पाए, लेकिन मन ही मन सोच रहा था: अगर हमने "चीन में बनाओ, सिर्फ चीन के लिए बनाओ" अपनाया होता, तो मैं आज यहां नहीं बैठा होता।
हम मानते हैं कि LLMs की सबसे बड़ी वैल्यू में भाषा की बाधाओं को नाटकीय रूप से कम करना शामिल है। हमारे तीनों लीडर्स में से, Red और मेरे पास स्टार्टअप शुरू करने से पहले विदेश में पढ़ाई/रहने का कोई अनुभव नहीं था; Red तो US गए भी नहीं थे। सिर्फ चीफ साइंटिस्ट बचपन में थोड़े समय के लिए विदेश में रहे थे। ठीक इसीलिए, क्योंकि भाषा की बाधाएं खत्म हो गईं, हमने ग्लोबल स्तर पर मार्केटिंग की, सेवा दी और सोचा, और ऐसा प्रोडक्ट बना पाए।
फिर भी कई युवा यूरोपीय फाउंडर्स खुद को यूरोप में बंद करने की कोशिश कर रहे थे। यह गलत तरीका है। मैंने बातचीत के दौरान यह बात कही थी।
आज, घरेलू युवा AI-नेटिव फाउंडर्स को प्रोत्साहित करते हुए: पहले दिन से ही ग्लोबल विस्तार/यूज़र सर्विस के बारे में सोचें। भाषा की बाधाएं हट जाने के बाद, विदेश जाना बिल्कुल भी समस्या नहीं है। हमारे इंटरनल सिस्टम/कस्टमर सर्विस मल्टीलिंगुअल हैं क्योंकि अब बाधाएं रही नहीं।
AI चीनी उद्यमियों के लिए भगवान का दिया हुआ तोहफा है। पहले US के टेक एक्सपोर्ट्स से मुकाबला करना मुश्किल था क्योंकि अंग्रेज़ी का दबदबा/सांस्कृतिक नुकसान था। लेकिन AI में, प्रोडक्ट/डायमेंशनल इनोवेशन के ज़रिए ग्लोबल मार्केट जीतने की हमारी क्षमता बहुत मजबूत है। इसलिए AI उद्यमिता के लिए ग्लोबल विज़न सबसे ज़रूरी है।
ज़ोर देकर कह रहा हूं: ग्लोबल ≠ सिर्फ पश्चिम। दुनिया बहुत बड़ी है; ग्लोबल साउथ में भी मौके हैं। राजस्व का सबसे बड़ा बाज़ार US है, लेकिन सबसे ज़्यादा यूज़र्स ब्राज़ील में रहते हैं। मिडिल ईस्ट, यूरोप, जापान/कोरिया, SE एशिया, अफ्रीका — हर जगह यूज़र्स हैं।
ग्लोबल होते समय कभी "विदेश" शब्द का इस्तेमाल न करें। मैं अपनी टीम के सदस्यों को अंदरूनी तौर पर "विदेशी देश" शब्द बोलने से रोकता हूं क्योंकि यह अस्पष्ट है। "विदेश" का मतलब "घरेलू" के खिलाफ एक द्विआधारी विरोध होता है, जो क्षेत्रों/भाषाओं/संस्कृतियों में फैले जटिल ग्लोबल वितरण को ज़रूरत से ज़्यादा सरल बना देता है। क्षेत्रीय अवसरों को पहचानने वाला सच्चा ग्लोबल विज़न नई समझ पैदा करता है।
1.10.2 प्रोडक्ट्स खुद इस्तेमाल करें, भावनात्मक कहानियों से अपने फैसले न बदलें
प्रोडक्ट वालों के लिए दूसरी सलाह: कम सेल्फ-मीडिया पढ़ें।
स्पष्टीकरण: मेरा निशाना यहां क्वालिटी क्रिएटर्स नहीं हैं। लेकिन जो प्रोडक्ट बिल्डर्स सिर्फ सेल्फ-मीडिया आर्टिकल्स पढ़ते हैं, वे शून्यवाद में फंस जाते हैं: आज "न्यूक्लियर-लेवल धमाका", कल "इंडस्ट्री खत्म"। Manus लॉन्च के बाद से, अनगिनत बार घोषणा की गई कि हम "बाधित"/"बेकार" हो गए, फिर भी बिज़नेस लगातार बढ़ता रहा।
ज़्यादातर सेल्फ-मीडिया के पास इंडस्ट्री का अनुभव नहीं होता; व्यूज़ के लिए लिखा जाता है। वे भावनाओं को भुनाते हैं, खुशी/गुस्से/भ्रम के ज़रिए डोपामाइन बढ़ाते हैं, और आपको मैनिपुलेट करते हैं। AI के विकास को इस तरह देखने से आप असलियत से बहुत दूर हो जाते हैं।
उदाहरण के लिए, लॉन्च के 2-3 महीने बाद, TPM 800-900M तक पहुंच गया। ग्लोबल स्तर पर, Cursor/Windsurf आदि को छोड़ दें, तो बहुत कम स्टार्टअप्स ने इतने टोकन जलाए होंगे। फिर भी कई सेल्फ-मीडिया अभी भी "Agents कैसे बनाएं" सिखा रहे थे।
भाषा ताकत है, एक टूल है। लिखे हुए विचार बराबर लगते हैं, लेकिन आधार अलग-अलग होते हैं। कुछ लोगों का मार्केट से कोई संपर्क/यूज़र रिसर्च/ऑनलाइन वैलिडेशन नहीं होता; उनके विचार काल्पनिक होते हैं। रोज़ाना ऐसी चीज़ें पढ़ना आपको भावनात्मक रूप से नीचे खींचता है।
असली प्रोडक्ट सेंस डिटेल में छिपा होता है। जब सुनें "OpenAI ने X रिलीज़ किया, इंडस्ट्री खत्म", तो खुद ट्राई करें: OpenAI के कई प्रोडक्ट्स बेकार होते हैं। दस लॉन्च में से एक सफल होता है क्योंकि उनके पास मैनपावर/फंडिंग/बेस की ताकत है; नौ फेल हो जाते हैं। सेल्फ-मीडिया देखकर यह निष्कर्ष निकालना कि "बड़े खिलाड़ियों ने कर दिया, रास्ता बंद हो गया", मौके गंवाने जैसा है। हर चीज़ को खुद छूना/इस्तेमाल करना/प्रैक्टिस करना ज़रूरी है।
हाल ही में AI PMs का इंटरव्यू लेना बहुत खराब अनुभव रहा। AI PM में रुचि का दावा करने वाले कैंपस रिक्रूट्स ने सिर्फ एक टूल का नाम बताया; हाल की चैट दिखाने को कहा तो फोन में ऐप ही नहीं था या सिर्फ 2-3 टास्क थे — साफ था कि इंटरव्यू के लिए रट्टा मारा गया था।
AI 3-4 साल से इंडस्ट्रीज़ को बदल रहा है, फिर भी AI PM के उम्मीदवार AI इस्तेमाल नहीं करते। यह रेज़्यूमे स्क्रीनिंग की कमियों को दिखाता है (अब हम असली इस्तेमाल का सबूत मांगते हैं), लेकिन मूल रूप से यह डरावना है: लोगों को एहसास ही नहीं है कि AI में काम करने की पूर्वशर्त खुद AI का गहरा इस्तेमाल है। सिर्फ हाथों के अनुभव से ही मौजूदा मॉडल/प्रोडक्ट की सीमाएं/नए मौके पता चलते हैं। पचाकर परोसी गई जानकारी कभी असलियत नहीं बता सकती।
आप आर्टिकल्स/सेल्फ-मीडिया लिखकर दूसरों को प्रभावित कर सकते हैं (टीम के सदस्य करते हैं; मैं भी कभी-कभी करता हूं); लेकिन कभी भी सिर्फ सेल्फ-मीडिया के भरोसे न रहें, वरना इंडस्ट्री को लेकर आपकी समझ विकृत हो जाएगी और सच को नहीं दर्शाएगी।
1.10.3 समस्याएं खोजें, अनजाने को अपनाएं, और काम करके सुधारें
तीसरी सलाह, जो सिर्फ AI PMs के लिए नहीं है, बल्कि एक दशक से बेहतरीन PM बनने की चाहत रखने वालों को दी जाती रही है:
आज के मॉडल्स/टेक भरपूर हैं; कमी टेक/एग्जीक्यूशन की नहीं, बल्कि समस्या खोजने की है। समस्याओं को खोजने/परिभाषित करने और हल होने की स्थिति को स्पष्ट रूप से बताने की क्षमता दुर्लभ है। यह सिर्फ स्टार्टअप की बातें सुनकर नहीं आती। जवान होने/कैंपस में होने पर दबाव कम होता है, समाज/ज़िंदगी, सहपाठियों/इंटर्न सहकर्मियों को देखें, और उन असली समस्याओं को पहचानें जो हल होने का इंतज़ार कर रही हैं।
यह सामाजिक तंत्र कैसे काम करता है? AI कहां दक्षता बढ़ा सकता है? ये सब ज़िंदगी के अवलोकन से आता है। उम्मीद है कि ज़िंदगी के प्रति ज़्यादा जिज्ञासा होगी: जिज्ञासा ही समझ और सुधार लाती है। लेकिन आजकल कई लोगों में जिज्ञासा ही नहीं है।
Manus लॉन्च के लगभग दो साल बाद, युवा उद्यमी अक्सर पूछते हैं "आप सफल कैसे हुए?" वे एक पक्का उत्तर चाहते हैं, यह मानकर कि दस कदमों का पालन करने से सफलता की गारंटी मिल जाएगी। ऐसा कभी नहीं होता। उद्यमिता बहुत अनिश्चित होती है। ज़्यादातर फैसले पूरी स्पष्टता के बिना लिए जाते हैं, फिर भी काम किया जाता है, और बीच में बदलाव किए जाते हैं।
यही उद्यमियों को VCs से अलग करता है। VCs लंबी रिसर्च करते हैं क्योंकि उनके फैसले भारी/अपरिवर्तनीय होते हैं; लगाया गया पैसा लगा ही रहता है। वे प्री-रिसर्च के ज़रिए उच्च सटीकता चाहते हैं, और अंतिम लक्ष्यों/रास्तों के बारे में पूछते हैं। उद्यमी इस तरह नहीं सोच सकते। अगर सब कुछ/सबसे अच्छे रास्ते पहले से तय कर दिए जाएं, तो वह सबसे अच्छा रास्ता नहीं रहता।
उद्यमी युद्ध के मैदान में जीवंत रूप से जीते हैं, रोज़ के बदलाव देखते हैं, दुनिया/बाज़ार/टेक के बदलावों को समझते हैं, और रोज़ाना गतिशील फैसले लेते हैं। बेहतरीन उद्यमी ऐसे ही काम करते हैं।
पिछले 2-3 सालों में एक मजबूत अहसास: युवा उद्यमी तेज़ी से अनजाने को अपनाने से डर रहे हैं, और स्थायी जवाब मांग रहे हैं: यह बंदूक कैसे चलाएं? मार्केटिंग/प्रोडक्ट/टेक/ग्लोबलाइज़ेशन कैसे संभालें? उन्हें पक्कापन चाहिए। जब हम ऐसा नहीं दे पाते, तो उन्हें लगता है कि हम कोई राज़ छिपा रहे हैं; और जब सुनते हैं "कोई राज़ नहीं, पहले काम करो", तो उन्हें लगता है कि हम बताना नहीं चाहते।
इसलिए, दुनिया के प्रति जिज्ञासु रहें। अनजानी चीज़ें सबसे खूबसूरत होती हैं। बड़े मौके अनजाने में होते हैं, पक्की चीज़ों में नहीं। अगर सब पक्का होता, तो हम इसके बजाय AI ब्राउज़र बना रहे होते।
1.11 निष्कर्ष: दिमाग को हाथ दें
आखिर में, कई लोगों को Manus नाम की उत्पत्ति नहीं पता होगी। यह MIT के आदर्श वाक्य Mens et Manus से लिया गया है, जिसका लैटिन में अर्थ है Mind and Hand (मन और हाथ)। यह क्यों चुना? क्योंकि सभी बड़े मॉडल वेंडर्स Minds (दिमाग) बना रहे हैं, लेकिन 2024 के अंत में, इतने मजबूत दिमाग बड़ा प्रभाव क्यों नहीं डाल पा रहे थे? क्योंकि उनके पास दिमाग था, हाथ नहीं। Manus बड़े मॉडल्स के हाथों का प्रतिनिधित्व करता है, जो दिमाग के विचारों को असली दुनिया पर असर डालने और सच्ची समस्याएं हल करने में सक्षम बनाता है।
यह आज के विषय पर भी लागू होता है: सभी विचारों को व्यवहार में उतारना ज़रूरी है। उद्यमिता का सार व्यवहार है, न कि प्रतियोगिताओं में महज़ PPT सिमुलेशन या चमकदार फंडरेज़िंग डेक।
व्यवहार में उतरने की हिम्मत करना, असली समाज का सामना करना, जिज्ञासु रहना, दुनिया की अनसुलझी समस्याओं को हल करना — यही सच्ची उद्यमिता की भावना है, फाउंडर्स का कर्तव्य है — न कि उद्यमी होने का नाटक करते हुए घर-घर खेलना। धन्यवाद।





