99%的人都误会了“学AI”：光上课不练手，其实几乎等于没学。你可能也报过AI课程、玩过几款工具，却发现回到工作里还是用不起来。Manus在新加坡做的事，就是把“学”和“用”绑在一起，让普通人也能把AI变成自己手上的生产力，而不是停留在概念层面。
新加坡如何把“学AI”变成“用AI”
SkillsFuture AI Subscription：课程+工具+练习时间
很多人学AI卡在一个点：课上听懂了，课后没工具、没场景练。新加坡通过SkillsFuture AI Subscription试图打破这个断层。根据新加坡在2026年预算案中的规划，政府把AI工具和结构化学习打包，让个人和企业为未来工作做准备。
在SkillsFuture AI Subscription计划下，符合条件的新加坡公民，只要报名指定的新加坡技能与劳动力发展局（SWDA）支持的AI课程，就能获得6个月的高级AI工具免费使用权限，其中就包括Manus。学习者在上课期间和结课之后，都有充足时间继续练习，把课堂上的知识用在调研、数据分析、演示文稿、网站与应用搭建、流程自动化等具体任务上。
有用户反馈，用这6个月的时间把日常报告、邮件回复和数据整理都交给AI处理，每周能省下至少5-8小时，真正感受到“学会AI”带来的时间红利。
这类设计的目标，不是让大家“见过AI长什么样”，而是让更多人敢用、会用，用到足够熟练，形成稳定的工作习惯。
Singtel AI Pass：先广泛试，再精准选
很多人选AI工具时会纠结：功能太多，看介绍都觉得厉害，但真要付费又怕踩坑。Singtel AI Pass给了一种更务实的路径。符合条件的学习者，可以在3个月内体验一整套精选的高级AI工具，然后再选择其中一款继续使用3个月。
这种“先试用一整套，再锁定一款”的方式，让学习者有时间摸清每个工具的特点，找到最适合自己目标的那一个。有用户在前3个月里，把不同工具分别用在写作、数据分析和流程自动化上，最后发现自己最需要的是能整合多种任务的AI代理，而不是单一写作助手。
从SkillsFuture AI Subscription到Singtel AI Pass，这些项目共同指向一个目标：让人们不只“听说AI很重要”，而是能在工作、学习和创业中，持续把AI用起来、用出成果。
从“有账号”到“有能力”：AI学习的真正门槛
人主导、AI代理助力的未来工作
未来的工作形态，很大概率会是“人主导、AI代理执行”。AI代理已经可以帮人做调研、写方案、搭建简单应用、自动处理重复性工作，把一个模糊的想法变成可落地的结果。问题在于，谁能真正享受到这些能力，并不只是看谁先注册了账号。
所谓“AI采用差距”，不仅是工具有没有开通，更在于：谁知道AI能做什么，谁有机会反复练习，谁敢把任务交给AI代理、会检查结果、也愿意为最终产出负责。很多知识工作者和中小企业老板，并没有技术背景，却每天要做大量文书、沟通和决策工作，他们其实是最需要AI的一群人。
我接触过一位中小企业负责人，他买了几款AI订阅，却一直只用来润色邮件。他说“总觉得AI很强，但不知道还能让它干啥”，这话听着有点扎心，却非常典型。真正的门槛，不是不会写提示词，而是不知道该把什么工作交给AI、怎么拆解任务。
如何判断“AI技能”是不是真的落地
很多培训只看“结课率”和“满意度”，但实战型AI能力的价值，其实要看三个更关键的信号：
- 你是否能列出3个以上，AI已经稳定帮你完成的具体任务
- 你是否敢让AI参与到对结果有影响的工作，而不是只做“玩具项目”
- 你是否能把自己的专业知识，转化成AI可以执行的步骤或规则
数据显示，一些企业内部AI培训项目中，只有约30%的员工在三个月后仍持续使用工具，多数人回到原来的工作方式。原因往往不是工具不好，而是缺少“从项目到日常工作”的过渡设计。Manus在新加坡的合作项目，正是试图补上这一环：课程结束后，仍然有工具、有场景、有时间，去把AI真正嵌入日常工作流。
实战案例：当小企业真正掌握AI，会发生什么
花店Noelle Fleur：用自然语言搭出AI“选花顾问”
很多人以为，只有会写代码的人才能做AI应用。新加坡本地花店Noelle Fleur的故事，给了一个完全相反的例子。店主Noelle没有技术背景，却用自然语言提示，在Manus上搭建了一个AI花束可视化工具，让顾客可以在线描述场景、预算和喜好，系统自动生成搭配建议和效果图。
过去，她需要花大量时间在聊天软件里反复确认颜色、花材和风格，现在很多基础沟通都交给AI完成，她只在关键节点做人工判断和微调。服务体验反而更个性化、更稳定。她自己说：“我把做花的经验，变成了一个24小时在线的‘我’。”这就是把专业知识转成AI可执行规则的典型案例。
Mandai Smoke Co.：从一个小计算器到完整运营系统
Mandai Smoke Co.的起点更朴素：创始人Royston Chan只是想解决“每个周末要准备多少食材”这个问题。他用Manus搭了一个简单的备料计算器，根据订单数量自动估算所需食材。随着业务增长，他不断在这个小工具上加功能，最后演化成名为FLAME的定制系统。
现在，FLAME已经能支持食材规划、订单管理、配送路线安排、客户沟通和反馈收集，帮助Mandai Smoke Co.每月处理超过300个订单。Royston并没有转行做程序员，而是用AI把自己对业务的理解，变成了一套“懂他生意”的数字助手。
这些案例有一个共同点：他们从自己最熟悉的问题出发，一边试一边改，在实践中学会和AI协作，而不是先去背一堆抽象概念。
我也不太确定这个说法对不对，但从这些故事看，真正有效的AI学习路径，往往是“先解决一个小痛点，再慢慢长成系统”，而不是一开始就追求做出惊天动地的大项目。
多种路径，通往同一个目标：让AI为真实工作服务
Manus Academy：从入门到进阶的免费起点
不是每个人都能立刻参加线下课程或大型项目，对很多职场人来说，一个随时可用的在线学习入口更现实。Manus Academy就扮演了这个角色，为希望把AI用在真实工作中的专业人士，提供免费的起步路径。
学习者可以从“Manus基础课”开始，先搞清楚AI代理能做什么、怎么和它对话，再逐步进入中级、高级和岗位定制课程，覆盖商业分析、产品管理、财务、团队协作、行政支持等场景。课程设计更偏“任务驱动”，比如让你用AI完成一份市场调研、一套OKR草案或一份成本分析，而不是只讲模型原理。
随着Manus功能更新，Academy的内容也会同步迭代，包括团队版的使用指南、团队协作与知识共享的最佳实践等。这样一来，个人不只是在“学工具”，而是在学习如何让整个团队一起用好AI。
与Heicoders和RISE by BCG U的合作：把AI嵌进课程和项目
对很多人来说，有老师、有同伴、有项目的结构化学习更容易坚持。Manus与Heicoders Academy和RISE by BCG U的合作，就是把AI工具直接嵌入课程之中。在Heicoders，Manus被整合进课程GA100《生成式AI：自动化与效率提升》，学习者用它来做菜谱生成器、媒介素养小游戏、标准作业流程（SOP）工具等项目。
在RISE by BCG U，部分RISE 2.0和RISE for Business班级的学员，可以免费使用Manus，参与实战型AI代理练习和黑客松活动，配合BCG U的专家授课。数据显示，在这类“学+做”结合的项目中，学员在三个月后仍持续使用AI工具的比例，明显高于只听讲不做项目的班级。
从个人效率，到职业发展、数字化转型和业务增长，这些合作都在强调同一件事：AI的价值体现在“被用起来”，而不是“被介绍过”。当然，这种模式也有门槛——需要投入时间做项目、参加活动，对习惯被动听课的人来说，会有点累，但收获也更扎实。
挑战赛与社区：从“看别人做”到“自己上手”
除了课程和学院，Manus也通过挑战赛和社区活动，把更多人从“围观者”变成“参与者”。一场由Manus支持的跨校园AI挑战，就吸引了来自14所大学和理工学院的1100多名学生报名，题目都围绕真实需求设计。
在与新加坡经济发展局和数字发展与信息部联合举办的“AI for All Create-a-thon”活动中，学生与本地小企业和自由职业者结对，为他们设计AI解决方案。有团队帮自由设计师搭建自动报价与合同生成工具，也有团队为小餐馆做智能菜单与备料助手。
不管形式是课程、挑战赛还是社区项目，底层逻辑都一样：只有当AI被用来完成有意义的任务，人们的能力才真正被拉高，而不是停留在“看别人演示很厉害”。
成为Manus学习合作伙伴：一起搭建更实用的AI学习通道
我们在寻找什么样的合作方
新加坡的这些项目和过往的合作，只是一个起点。Manus希望和全球更多伙伴一起，搭建通往AI实战能力的多条路径。潜在的合作对象包括：国家级AI与劳动力项目、培训机构、大学与职业院校、行业协会、企业雇主，以及各种线上线下学习社区。
Manus可以提供的支持包括：优惠订阅与额度、讲师培训（train-the-trainer）、Academy课程内容、教学与活动组织资源、按岗位定制的使用案例、联合设计的解决方案，以及对活动和学习社区的支持。合作方则带来信任关系、专业领域知识、本地语境和对学习者真实需求的理解。
从风险角度看，把AI引入学习和工作，也需要清晰的边界与规范，比如数据隐私、结果校验、责任划分等。合作项目中如果只强调“效率提升”，而忽略这些问题，反而可能带来新的隐患。越是大规模推广，越需要在设计阶段就把这些问题想清楚。
如果你正在帮助别人学AI
如果你正在为学生、员工或社区成员设计AI相关项目，或者已经在做数字化转型、职业再培训，Manus希望听到你的故事。你可以分享你服务的学习者画像、正在筹备的项目，以及你希望看到的具体成果，比如“让一线员工每周省下多少时间”“让更多非技术岗位能独立搭建简单工具”等。
那些真正有效的判断标准和实践路径，往往是被一批批学习者验证出来的。把它们收集起来、打磨清楚，再分享给更多人，本身就是一种很有价值的合作。
很多人现在正站在“要不要认真学AI”的十字路口。等到身边同事已经用AI把工作提速一倍，再回头补课，成本会高得多。把这套方法和案例留在手边，需要的时候翻出来对照，比临时去问人要靠谱得多。
常见问题
Q：怎么判断自己是真的“会用AI”，而不是只会玩一玩？
A：一个简单判断是，看AI是否已经稳定接管了你3个以上的具体任务，比如周报初稿、数据整理、客户邮件草稿等。如果AI只在你“有空想试试”的时候才被打开，多半还停留在体验阶段。原因在于，真正的AI能力体现在工作流里，而不是零散的灵感。建议你列出一周内最耗时的5件重复性工作，逐个尝试用AI接管，并为每项任务设定“可接受的最低质量标准”，只要达到就坚持使用，慢慢形成习惯。
Q：非技术背景的人，适合从哪里开始学AI比较不容易放弃？
A：更容易坚持的起点，是从你每天都在做、又觉得麻烦的事情开始，而不是从抽象的技术概念入手。原因在于，只有当你在熟悉的场景里看到明显收益，大脑才会愿意为新工具“腾位置”。建议先选一个你最熟悉的工作场景，比如写方案、做表格或客户沟通，用AI完成一个小目标（例如把写方案时间缩短30%），成功一次之后再逐步扩展到其他任务，而不是一口气学完一大堆功能。
Q：企业要不要给员工统一上AI课？会不会变成形式主义？
A：统一培训有价值，但如果只有课堂、没有后续实践设计，很容易流于形式。原因在于，AI能力高度依赖具体岗位和业务流程，单纯讲原理和工具介绍，员工回到岗位上还是不知道怎么用。建议企业在培训时同步设计“岗位实战任务”，比如让销售用AI优化跟进话术，让运营用AI搭建报表自动化流程，并在培训后提供工具账号、内部案例分享和同伴互助机制，让员工有空间持续试错和迭代。
Q：参加AI黑客松或挑战赛，对普通学生或职场人真的有用吗？
A：如果活动题目贴近真实需求，而且有后续跟进，帮助会非常大；如果只是短期拼创意、拼展示，效果就有限。原因在于，AI能力的关键是“把问题拆解并交给AI执行”，挑战赛提供了一个高密度练习的场景。建议在报名前先看清楚活动是否有真实合作方或落地场景，活动中尽量选择自己熟悉的领域做题，结束后把作品继续打磨成可用的小工具，而不是比赛一结束就束之高阁。
Q：在工作中大量使用AI，会不会削弱自己的专业能力？
A：如果只是把AI当成“答案机器”照单全收，确实有可能让判断力变钝；但把AI当成“助手”和“放大器”，反而能逼你把专业知识讲得更清楚。原因在于，要让AI做好一件事，你必须先把自己的思路拆解成步骤和规则，这个过程本身就是对专业能力的再梳理。建议在使用AI时保留三个动作：关键结论自己复核一次、重要文档自己改一轮、每次使用后简单记录“AI哪里帮到了你、哪里还不够好”，长期下来，你会更清楚自己的价值边界在哪里。
有些关于AI学习的好方法，往往是在一次次尝试和踩坑中摸出来的。如果你正站在选择的路口，不妨把这些思路先收起来，等到需要做决定或设计项目时，再拿出来对照一下，可能会比只听一两句“经验之谈”更有参考价值。
