在此，我首先要感謝十九年來一路同行的每一位伙伴。感謝明略的每一位員工、每一位客戶、每一位合作伙伴。十九年的時(shí)間里有過困難、有過曲折、有過堅(jiān)持、有過轉(zhuǎn)折，但最終我們能夠走進(jìn)資本市場，成為一家以 Agentic AI 為核心定位的上市公司，我想，這是所有伙伴共同努力的結(jié)果。借今天這個(gè)場合，再次向所有人表達(dá)最真摯的感謝！
今年 11 月 3 日，我們正式以 2718 這個(gè)股票代碼在港交所掛牌上市。大家都在問，為什么我們會被稱為“Agentic AI 第一股”？為什么是 2718？其實(shí) 2718 這個(gè)數(shù)字不僅僅是一個(gè)代號，它是自然常數(shù) e 的近似值，而 e 是所有增長函數(shù)、指數(shù)函數(shù)的核心基礎(chǔ)。我們這次上市的主題叫“e啟·指數(shù)未來”，既代表技術(shù)本身的增長，也代表我們希望與行業(yè)攜手共同增長。
今天我的分享分為兩大部分。第一部分，我希望用最清晰的方式解釋 Agentic AI 的真正含義，以及它為什么會成為大模型技術(shù)的主賽道。第二部分，我希望聚焦?fàn)I銷行業(yè)，講清楚 Agentic AI 將如何重塑營銷行業(yè)的生產(chǎn)關(guān)系——也就是我提出的概念：Agentic Marketing。
從 Agentic AI 說起：當(dāng) AI 從“能說”變成“能做”
讓我們先從 Agentic AI 講起。這個(gè)詞不是我發(fā)明的，它在學(xué)界和整個(gè) AI 從業(yè)者圈子里已經(jīng)形成廣泛共識。今年年初，英偉達(dá)創(chuàng)始人黃仁勛在客戶大會分享過一條曲線，講 AI 會經(jīng)歷幾個(gè)階段： 第一個(gè)階段是Perception AI，感知智能，就是用 AI 做聲音識別、圖像識別，讓 AI 擁有類似人類眼睛、耳朵的能力。
第二個(gè)階段是 Generative AI，是過去這段時(shí)間大家非常熟悉的生成式 AI。2019年我在北大讀書的時(shí)候，深度學(xué)習(xí)剛開始改變自然語言處理，而自然語言處理被稱為“人工智能皇冠上的明珠”，因?yàn)槿说乃枷牒椭腔圩詈诵亩家蕾囌Z言能力。過去幾年，這個(gè)領(lǐng)域被新一代 AI 技術(shù)徹底革新了。今天的人工智能，在推理、思考、語言等很多維度都已經(jīng)超過人類水平，我們把這稱為 Generative AI。
再往后的兩個(gè)階段，一個(gè)是 Agentic AI，一個(gè)是 Physical AI。 Physical AI 是在物理世界里能行動、能執(zhí)行任務(wù)的人工智能機(jī)器人，我們叫具身智能。Agentic AI 和 Physical AI 是類似的，它們本質(zhì)上都是“機(jī)器人”，唯一的區(qū)別是：Agentic AI 不是物理世界里的機(jī)器人，而是虛擬世界里的機(jī)器人，也就是在電腦里像人一樣工作。
Physical AI 讓人工智能擁有眼睛和耳朵；Agentic AI 讓人工智能擁有大腦。要真正產(chǎn)生生產(chǎn)力，最終必須走到 Agentic AI 和 Physical AI 這一步：一個(gè)是在虛擬世界裝上“手和腳”，另一個(gè)是在物理世界裝上“手和腳”。裝上“手和腳”之后，它們才真正變成“勞動人民”，才能產(chǎn)生生產(chǎn)力，而不是停留在“光說不練”的 AI。
Agentic AI 把“眼睛和耳朵”（感知），“人的大腦”（思考推理）以及“手和腳”（執(zhí)行行動、使用工具）這些能力全部連在一起，形成一個(gè)能夠在虛擬世界里像機(jī)器人一樣幫人干活的體系。但當(dāng)這三把“鐮刀”都連到一起時(shí)，我們又會發(fā)現(xiàn)，僅靠現(xiàn)有的模型“大腦”好像又不夠用了。
現(xiàn)在大家都在討論 AGI 的到來，OpenAI 創(chuàng)始人 Sam Altman 把通往 AGI 的路徑分成五個(gè)階段：
第一階段是 Conversational AI（Chatbots）；
第二階段是 Reasoning AI（Reasoners）；
第三階段是 Agentic AI（Agents）；
第四階段是 Innovator AI（Innovators）；
第五階段是 AGI（Organizations）。
第一階段首先要解決聊天功能、語言能力，包括讓AI具有世界基本通識知識。Chatbots今天已經(jīng)超過了絕大多數(shù)人類水平；第二階段Reasoning AI 在過去一年也有了技術(shù)性突破，如今AI已經(jīng)能解決非常復(fù)雜的學(xué)術(shù)問題，水平接近甚至超越人類； 第三階段Agentic AI 是真正能產(chǎn)生價(jià)值的階段，但仍然處于非常早期。Agentic Model能幫助我們在工作中使用工具，調(diào)動工具做分解任務(wù)，不過在很多任務(wù)上能力還比不過人類，這個(gè)是今天Agentic AI發(fā)展的狀態(tài)。如果滿分 100 分，它當(dāng)前的能力在 30–40 分之間就已經(jīng)很不錯了。今天這個(gè)領(lǐng)域還是非常前沿的研究課題，也是我們明略過去幾年投入巨大的核心賽道。
未來的 AI 可以成為一個(gè)“創(chuàng)造者”，而且會是一個(gè)非常強(qiáng)大的創(chuàng)造者。現(xiàn)在大家已經(jīng)能看到，AI 在很多科學(xué)研究領(lǐng)域開始參與工作了。數(shù)學(xué)家用 AI 去解決大的命題，化學(xué)家、生命科學(xué)家用 AI 去發(fā)現(xiàn)新的藥物分子結(jié)構(gòu)。去年也已經(jīng)有諾貝爾獎頒給了人工智能方向的科學(xué)家。
AI 輔助人類做科研，其實(shí)就是第四個(gè)階段——“Innovator AI” 的一個(gè)重要方向。但這個(gè)階段最可怕、也是最關(guān)鍵的一點(diǎn)在于：有一天 AI 可能會自己研發(fā)自己，這才是真正意義上的第四階段——AI 能夠自我迭代、自我升級。
大家現(xiàn)在看到明略旗下幾個(gè)模型，其實(shí)都在嘗試這樣的能力：AI 如何自己迭代自己、自己研發(fā)自己。未來的狀態(tài)可能是：Agent 自己換模型，自己升級模型，使用最適合當(dāng)下任務(wù)的模型來處理任務(wù)。這就是“AI 自動升級 AI”的能力。終極形態(tài)，就是 AI 形成自組織。如果說第三階段、第四階段的 AI 仍然是造福人類，那到了第五階段，就可能開始威脅人類了。
DeepMiner&秒針：基于可信數(shù)據(jù)打造可信生產(chǎn)力
當(dāng)前所有 AI 工作者主要都處在第三階段——Agentic AI 的研發(fā)，這是一個(gè)同時(shí)考驗(yàn)工程、模型、工具鏈、知識結(jié)構(gòu)、數(shù)據(jù)質(zhì)量的巨大挑戰(zhàn)。
如前所述，Agentic AI 的難度遠(yuǎn)遠(yuǎn)超過模型本身。它不僅需要像人一樣“能想”，還需要像人一樣“能做”。而在虛擬世界里，“能做”意味著它必須具備一只靈巧的“手”和一顆具備任務(wù)規(guī)劃能力的“腦”。這兩個(gè)能力缺一不可。
先講 Mano。Mano 是西班牙語里“手”的意思，選這個(gè)名字是因?yàn)樗氖姑浅Ｃ鞔_：讓 AI 擁有真正的“手”，在虛擬世界里像人一樣操作電腦。今天大家看到的大模型，絕大部分都停留在 Generative AI 階段，它們“會說”，甚至“會寫”，但并不會“做”。而真正的 Agent 必須具備行動能力，而行動能力的底層就是“操作能力”。
而我們現(xiàn)在把同樣的框架，移植到了虛擬世界，來打造“在電腦上行動的 Agent”。在虛擬世界里：L——是用戶的任務(wù)指令，V——是模型對電腦屏幕的視覺理解（截屏、組件識別、位置判斷），A——是模型對鼠標(biāo)、鍵盤的操作執(zhí)行（點(diǎn)擊、滑動、輸入、拖拽）。也就是說，Mano 就是一只虛擬世界的“靈巧手”，負(fù)責(zé)讓 AI 能夠真正完成任務(wù)，而不是只會對話。
今年我們向全球公開展示了 Mano 的能力，也同時(shí)參與了國際上最權(quán)威的 GUI 操作能力評測——OS World。這是一個(gè)專門評比“誰最會用電腦”的榜單。在這個(gè)評測中，我們的 Mano 72B 模型成功拿下了“全球?qū)Ｓ心Ｐ偷谝弧薄叭蚩偘竦诙保瑑H次于 Anthropic 的 Claude 4.5——而對方使用的是一萬億參數(shù)級模型。這個(gè)結(jié)果不僅代表 Mano 在虛擬世界操作能力上的領(lǐng)先，也代表中國公司在 Agentic AI 的核心能力上取得了全球性突破。
Mano 是如何學(xué)會使用軟件的？我們?yōu)樗鼧?gòu)建了一個(gè)規(guī)模極大的“虛擬世界操作訓(xùn)練基地”。其中既有我們自研的幾十款數(shù)據(jù)分析工具，也有大量外部行業(yè)軟件。通過構(gòu)建模擬環(huán)境，再結(jié)合“在線強(qiáng)化學(xué)習(xí)”，讓 Mano 能夠在虛擬世界里不斷嘗試、不斷犯錯、不斷反思、不斷進(jìn)化。就像機(jī)器人在真實(shí)酒店里走一遍繪制地圖一樣，Mano 會在一個(gè)它從未見過的軟件里探索界面結(jié)構(gòu)、嘗試所有控件、理解按鈕邏輯，然后逐步學(xué)習(xí)如何獨(dú)立完成任務(wù)。所以 Mano 的學(xué)習(xí)方式并不是“做題”，而是“做事”。這也是為什么我們稱它為“虛擬世界里的無人駕駛”。
什么叫不穩(wěn)定？比如 iPhone 17 剛發(fā)布，很多客戶要看發(fā)布后的競品變化、銷量走勢、輿情結(jié)構(gòu)。你在分析軟件里檢索“iPhone 17 銷量”“正負(fù)面評論”等，很容易遇到當(dāng)下 AI 難以可靠解決的細(xì)節(jié)：同一條帖子本周被判為“正面”，下周又被判成“負(fù)面”；或?qū)ο筮吔绾錾虾鱿隆@周把“iPhone 17 Pro / Pro Max”都算進(jìn)來，下周又把“手機(jī)殼”等周邊也歸為 iPhone 17。用這類不穩(wěn)定判斷去做定量分析，結(jié)果就會失真。所以 DeepMiner 的智能體框架要解決的，就是把這類不確定性盡可能收斂到可控范圍。
大家知道美國有一家非常有名的 AI 公司 Palantir，它提出知識圖譜的概念，在數(shù)據(jù)分析和商業(yè)決策里，用來研究任何一個(gè)對象——要清晰定義它是什么、以及它不是什么。但在模型處理這類任務(wù)時(shí)，往往存在不確定性和不穩(wěn)定性。如何讓模型在這些判斷上具備確定性、穩(wěn)定性，這也是 DeepMiner 一系列工作的核心目標(biāo)。
在這個(gè)過程中，我們每天都要做在線強(qiáng)化學(xué)習(xí)，甚至讓模型給自己“出考試題”。下午我們分享的“ AI 認(rèn)知排行榜”，就是通過不斷考大模型：你是否理解某個(gè)行業(yè)的產(chǎn)品？你是否真正理解某個(gè)品類？同樣的方法，我們也在考自己的 DeepMiner，不停地問它問題，觀察它的回答方式。在線強(qiáng)化學(xué)習(xí)的過程非常有意思：每天都會問新的問題，但問題必須問得精準(zhǔn)。同時(shí)我們需要提前預(yù)測正確答案，掌握這個(gè)領(lǐng)域里“好問題”和“好答案”對應(yīng)的數(shù)據(jù)源，建立起相應(yīng)的 Benchmark。這同樣是非常重要的工作。
最后，我們?yōu)槭裁催€要做 Foundation Agent？原因在于：今天的 Agentic AI 技術(shù)仍不夠成熟，尚難以在通用場景中穩(wěn)定解決問題。如果把 AI Agent 接上“所有工具、所有軟件”，它在現(xiàn)實(shí)環(huán)境中往往難以做到準(zhǔn)確執(zhí)行。前面我們在各個(gè)細(xì)分領(lǐng)域的榜單上參賽，雖然屢屢拿到第一，但以 100 分滿分計(jì)算，能夠做到 40～50 分就已是第一名，可見行業(yè)仍然存在大量待解難題。
基于此，我們選擇搭建 Foundation Agent：幫助客戶與伙伴打造垂直領(lǐng)域的 Agent。我們在每個(gè)垂直領(lǐng)域內(nèi)部進(jìn)行集成，聚焦更小而清晰的任務(wù)空間——例如跨境電商數(shù)據(jù)分析、小紅書數(shù)據(jù)分析、抖音數(shù)據(jù)分析等。此時(shí)，數(shù)據(jù)范圍更可控、可調(diào)用工具更聚焦，既可以單獨(dú)訓(xùn)練，又可以隔離部署，從而顯著提升任務(wù)執(zhí)行的準(zhǔn)確率。這相當(dāng)于為不同行業(yè)提供一個(gè)可復(fù)用的底座，既能做行業(yè)通用版，也能為客戶打造客戶獨(dú)有的 Agent。
同時(shí)，這一框架是多智能體（MoA）框架。很多朋友在各自公司已嘗試過打造 Single Agent，但我們之所以強(qiáng)調(diào)“多智能體”，是因?yàn)楝F(xiàn)實(shí)社會本就需要分工協(xié)作。廣告公司 A 可以有 Agent A，廣告公司 B 可以有 Agent B，這些 Agent 之間不僅可以協(xié)作，也會呈現(xiàn)競爭與競合的關(guān)系。以營銷行業(yè)為例，甲方在同一賽道中挑選 5 家代理“賽馬”，未來也將演變?yōu)?5 個(gè) Agent 的賽馬關(guān)系。這將成為一個(gè)長期且有意思的發(fā)展趨勢。因此，F(xiàn)oundation Agent 以多智能體方式，為營銷行業(yè)構(gòu)建一種面向未來的工作模式。
秒針承擔(dān)“可信的數(shù)據(jù)”：從第一天做廣告測量，到今天做內(nèi)容測量，我們始終希望為客戶提供最值得信賴的數(shù)據(jù)。在生成式 AI 興起、互聯(lián)網(wǎng)充斥 AI 生成虛假內(nèi)容的當(dāng)下，我們更要在復(fù)雜環(huán)境中守住真實(shí)與可證的數(shù)據(jù)邊界，把關(guān)鍵數(shù)據(jù)“守”在秒針系統(tǒng)之中。DeepMiner 則承擔(dān)“可信的智能體”：包括可信的模型與可信的工具。我們將沿著這兩條路徑持續(xù)推進(jìn)與自我要求，確保“數(shù)據(jù)可信 × 智能可信”成為明略為產(chǎn)業(yè)創(chuàng)造價(jià)值的根基。
Agentic Marketing：一場營銷行業(yè)的“生產(chǎn)關(guān)系革命”
前面講了Agentic AI ，接下來就來分享我提出一個(gè)新的概念——Agentic Marketing。這是我在研究 Agentic AI 之后，對營銷行業(yè)未來形態(tài)做的重新定義。
要理解 Agentic Marketing，我們首先要回到一個(gè)根本問題：Agentic AI 到底是什么？在 Gartner 的最新報(bào)告里，他們將 Agentic AI 翻譯為 “代理型人工智能”。這個(gè)翻譯非常準(zhǔn)確。Agentic 不僅意味著“能動性”（Agency），更意味著“代替你行動”（Act on behalf of you）。而“代理”這個(gè)詞，對營銷行業(yè)的人來說尤其熟悉——我們的行業(yè)從來都是由代理構(gòu)成的：廣告代理、媒介代理、內(nèi)容代理、品牌服務(wù)代理……可以說，整個(gè)營銷行業(yè)是建立在“代理關(guān)系”之上的。
今天，我們從生成式 AI 進(jìn)入 Agentic AI，本質(zhì)上是人工智能在重塑“代理關(guān)系”，也就是在重塑整個(gè)行業(yè)的生產(chǎn)關(guān)系。
去年我們與復(fù)旦大學(xué)聯(lián)合發(fā)布《2024 AI+：生成式營銷產(chǎn)業(yè)研究藍(lán)皮書》，其中提出“生成式營銷”的概念——即生成式 AI 為營銷行業(yè)帶來新的內(nèi)容生產(chǎn)方式、新的洞察方式、新的創(chuàng)意方式。但我們同時(shí)判斷，生成式 AI 帶來的變革將最終走向“生產(chǎn)關(guān)系重構(gòu)”。當(dāng) Agentic AI 出現(xiàn)之后，這個(gè)判斷被進(jìn)一步驗(yàn)證——它會讓營銷行業(yè)從根本上改寫“誰服務(wù)誰”、“誰代表誰”、“誰與誰協(xié)作”的方式。
對所有營銷從業(yè)者而言，首先要重構(gòu)對營銷鏈路的認(rèn)知。既然 Agentic AI 本質(zhì)上是“代理式 AI”，那么每個(gè)人在互聯(lián)網(wǎng)上都將擁有自己的“分身”。找工作的人會有“獵頭顧問”型分身替他投遞與溝通；消費(fèi)者也會擁有“采購助理”型分身替他選品與決策。
前不久我看到一條新聞，OpenAI 已經(jīng)把 ChatGPT 與 Shopify打通，這意味著 AI 正在從“能回答問題”邁向“能理解你”。隨著技術(shù)不斷演進(jìn)，世界上最了解你的人，可能已不再是家人，而是大模型。很多人把最私密的想法都交給了 AI 去傾訴。過去社交媒體掌握的是人與人之間的關(guān)系，信息仍是“共享”的；而如今，大模型掌握的，是人與自己之間最隱秘的對話。如果它知道你明天女朋友過生日，甚至能主動幫你挑選禮物，那已經(jīng)無需再通過搜索引擎去查——每個(gè)消費(fèi)者都將擁有一個(gè)屬于自己的代理（Agent）。
同樣，營銷行業(yè)的從業(yè)者也會迎來自己的數(shù)字分身。未來，每位專家都應(yīng)把自身的行業(yè)經(jīng)驗(yàn)、專業(yè)方法和私有數(shù)據(jù)，與 AI 結(jié)合，打造屬于自己的 Agent。這樣的分身不只延展你的能力，還能在你休息時(shí)繼續(xù)為你創(chuàng)造價(jià)值。對于廣告公司顧問、品牌策略師，乃至明略這樣的甲方團(tuán)隊(duì)成員來說，構(gòu)建“專家 Agent”將成為下一代競爭力的核心來源。
而品牌方也同樣需要自己的 Agent。品牌 Agent 相對復(fù)雜——它過去依靠人工代理（Human Agency），未來必然轉(zhuǎn)向基于 Agentic AI 的“智能代理”。下一代 Agency 一定是結(jié)合 Agentic AI 的 Agency：整合式智能代理可以同時(shí)調(diào)用多個(gè)專家 Agent，形成協(xié)作網(wǎng)絡(luò)。屆時(shí)，每個(gè)專家都可能成為一個(gè)獨(dú)立的“超級個(gè)體”，以自己的 Agent 形式被不同品牌調(diào)用或雇傭，實(shí)現(xiàn)真正意義上的“智能化分工”。
按照這個(gè)邏輯去看，Agentic AI 真正落地到產(chǎn)業(yè)的本質(zhì)，并不只在營銷行業(yè)；在法律、人力資源服務(wù)等領(lǐng)域同樣如此。Agentic AI 的前提是：每個(gè)人、每個(gè)組織都要打造自己的代理（Agent）。當(dāng)各個(gè)角色都擁有代理時(shí)，由代理與代理一起工作，我們就需要相應(yīng)的評估體系；每個(gè)組織的核心人員要去構(gòu)建數(shù)據(jù)集、訓(xùn)練與管理智能，讓其持續(xù)迭代、持續(xù)優(yōu)化。真正具體的活，應(yīng)盡量讓 AI 去完成；不要妄想一個(gè)人把所有事都干了。人類社會本來就是分工協(xié)作；在智能體社會、在 Agentic AI 框架里，同樣是彼此分工、彼此協(xié)作。
今天我們討論的是“增長的確定性”。在當(dāng)下這個(gè)變化極快、增長壓力巨大的市場里，如何找到確定性？唯一的選擇就是擁抱未來。因?yàn)橹挥袚肀磥恚辽倌氵€在未來里活著；增長今天未必來、明天也未必來，但從長期看它一定會來。可等到增長真正到來那一天，如果你已經(jīng)不屬于這個(gè)時(shí)代、與你與 AI 無關(guān)，那份確定性就不會落到你身上。因此，擁抱未來的方式只有一條：持續(xù)學(xué)習(xí)，持續(xù)迭代自己。
我也想呼吁現(xiàn)場與線上的投資伙伴、營銷科學(xué)家和從業(yè)者：在“超級個(gè)體”的方向上一起行動起來，未來在營銷科學(xué)院共同打造一個(gè)營銷科學(xué)家生態(tài)。每個(gè)人都可以把自己的知識與經(jīng)驗(yàn)沉淀成營銷 IP，并把這些能力打造成 Agent。明略與秒針提供平臺，歡迎每一位超級個(gè)體把自己的知識與數(shù)據(jù)接入，打造屬于你的 Agent，與生態(tài)伙伴協(xié)同，在 AI 生態(tài)中形成你的 IP。
同時(shí)，我們也期待與各家 Agency 結(jié)合最新人工智能開展合作，會后也將有在這一方向上走在前面的伙伴與我們同臺；也希望我們的客戶與品牌方盡早使用 DeepMiner，一起擁抱 Agentic AI 的未來。
這一頁也是我們上市敲鐘當(dāng)天分享的最后一頁。我想強(qiáng)調(diào)所謂“Vibe coding”(氛圍編程)：工程師不再以手寫代碼為中心，而是與 AI 高效對話，形成新的工作氛圍。Claude code這個(gè)工具正在迅速崛起——一個(gè)程序員用好它，效率可能是過去的 100 倍，相當(dāng)于帶著一個(gè)軍團(tuán)在工作，能力呈指數(shù)級爆發(fā)。前陣子明略舉辦第 12 屆黑客松，用 5 天復(fù)刻 Claude code：40支團(tuán)隊(duì)提交了作品，8 支入圍決賽，全部完成了高質(zhì)量復(fù)刻。我們的工程負(fù)責(zé)人作為評委，先自行試做，5 小時(shí)就復(fù)刻完成。按照以往方式，這也許需要幾十人、甚至上百人干上半年；今天一個(gè)人 5 小時(shí)就搞定。
未來，營銷行業(yè)也會進(jìn)入這種狀態(tài)——vibe working。我們要把自己打造成 AI Native 公司，也期待更多合作伙伴成為 AI Native。
以客戶為中心，集新模式與高質(zhì)量服務(wù)為一體
微信截圖_25a236c2-5c61-4fcd-aa56-15274a137235.png)
