文 | 張冰冰

編輯 | 阿至

封面圖來源 | 大會提供

無論技術圈還是資本市場，AI的動向都備受關注。

11月3日，被稱為“中國最大的數據智能應用軟件供應商”、“全球Agentic AI第一股”的明略科技（2718.HK）在港交所上市。開盤價280港元，較發行價141港元上升98.6%，其香港公開發售部分獲4452.86倍超額認購。這是一份亮眼的成績單。

Agentic AI（代理型AI）被Gartner列為“2025年企業機構需要探索的十大戰略技術趨勢”之一，能通過自主規劃和采取行動實現用戶定義的目標，為實現能夠分擔和補充人類工作的虛擬勞動力帶來了希望。Gartner預測，到2028年，至少15%的日常工作決策將由代理型AI自主做出，而2024年這一比例為0%。

這預示著一個新時代正在開啟。

12月12日，在中國（杭州）算力小鎮，2025長三角人工智能產業融合共生發展大會上，以“AI時代的生態融合與產業重構”為主題的巔峰對話，就在36氪CEO馮大剛與明略科技創始人、CEO兼CTO吳明輝之間展開。

馮大剛拋出一個頗為尖銳的問題：“明略的財報，其中有90%左右的收入還是來自于過去的營銷、營運等收入，來自于AI的大概不到10%。我們怎么證明這個時代真的變了？”

吳明輝回答得很坦誠。他表示，今天仍然是AI商業化的前期，而要判斷一個公司是否發生了AI變革，要看老業務的bottom line有沒有被優化，以及優化過程中在算力和Token上的消化情況。明略科技預計明年的AI方向投入過億，更重要的是，在全力投入自主智能體研發、推動AI從分析轉向執行后，明略科技實現了全面盈利：“意味著你的工作方法一定產生了巨大的變革。”

共識在于，AI的價值正越過概念，通過股價和收益轉化為商業結果。但對于飛速迭代的行業來說，討論永遠多于答案：

• 當模型能力的差距可能迅速抹平，企業最終的護城河是否在于其獨有的“數據”？

• 當大部分企業遭遇“有痛點，無場景”的困境，組織應該如何擁抱AI？

• 當創新面臨95%的失敗率，我們如何理性看待創新的成本與必然？

這場對話從商業本質、組織邏輯與產業進化等層面，共同探索AI價值真實發生的路徑與條件。

以下是“36氪未來產業”對巔峰對談內容的整理，內容略經編輯：

模型之間沒有本質差異，最后企業間的競爭是模型+數據的終極效果

馮大剛：明略科技最近上市了，是“中國最大的數據智能應用軟件供應商”、“全球Agentic AI第一股”，公開發售4420倍超認購，這些都是非常漂亮的成績。

從2006年開始創業做秒針，到現在已經19年了。今天被稱為Agentic AI第一股，是公司完成了從數據智能公司到AI公司的轉變，還是說只要上市，叫什么概念無所謂？

吳明輝：我們團隊在公開市場定位自己、講自己的資本故事的時候，也在思考我們的故事到底是講給誰聽的？最后我們想得很清晰。

如果我們講一個很sexy的故事，讓所有股民都熟悉我們，那講Agentic AI大概沒有人懂。如果我們蹭概念的話，應該蹭大模型第一股，但毫無疑問我們沒有蹭這樣的概念。

所以如果從我們的關鍵詞來看，肯定不是面向資本市場講的，就是面向我們最終的客戶講的。

明略科技19年的歷程，我們服務的很多都是大型企業，包括一些世界500強，包括非常優秀的中國民營企業。這些企業，大家今天確實在探索AI的邊界、探索AI怎么真正在企業落地。所以Agentic AI這個概念，肯定是面向企業講的。

資本市場怎么認可我們的價值？我覺得這里面有幾點：

第一點，明略科技從秒針做起，到今天我們肯定是在企業級市場，除了阿里、字節、騰訊等平臺型的互聯網公司以外，我們肯定是擁有在平臺以外數據最多的一家企業。不光是擁有，也有可能是連接。

最近，大家可以看到在硅谷或者美國真正擁有領域數據的企業，它的valuation都是在被重估的，因為大家都覺得模型已經強大到如此水平了，模型和模型之間沒有本質的差異，就算有差異，可能半年之內就被追上了。但最后企業與企業的競爭，一定是模型+數據的終極效果。

我覺得資本市場認可我們，可能會思考到一個點，跟美國的投資者是一樣的，就是你在過往這么多歷史，積累了很多通用模型在公開互聯網上獲取不到的數據，所以這是一部分的價值。

第二部分的價值，我們是做toB的，明略科技服務了30%的世界500強，大中型客戶有2000+以上，中小企業客戶就更多了。我們在企業級服務里面，擁有客戶數量肯定也是很多的。

但今天在我看來，真正價值最大的一部分，老的業務和數據可能是一方面，但很重要的一點是我們的團隊從第一天就是要做AI的。

我本人2006年創辦公司，確實有19年了，我創業的時候是北京大學計算機系研究生二年級的學生。我是2000-2004年保送北大基礎數學系本科，2004-2007研究生保送了計算機系人工智能模式識別與圖像處理專業。2019年的時候，我在職的情況下又回北大讀了新一代人工智能多模態大模型博士，所以我是實實在在從創業第一天就要做AI的。

其實我們從2020年就開始做Agent，收購了Manus前身的“微伴助手”這家公司，做了很多工作，包括我們最新的Agentic Model，自研的模型非常厲害了。

所以我們肯定不是蹭概念，這個概念對資本市場沒意義，大家可能都不知道Agentic AI是什么意思。

馮大剛：從明略創業的19年以來，中國企業經歷了非常多的數據化、自動化等概念，每次出來一個新的概念，它們就會重新被鼓舞一次、被武裝一次。

如果我們過去幾年真的變成了一個數據+智能的公司，我們今天能提供的什么東西，是五年以前做不到，今天能做到的？

吳明輝：在過去兩三年或者過去五年里面，從人工智能技術領域來講最大的一個變革還是預訓練技術，這是GPT開創的。

我記得我讀博士的前期，GPT在我們做自然語言AI綜述的時候，還不是一個最重要的技術。但是2022年、2023年以后，全行業都形成了高度的共識。有了預訓練技術，今天的基礎模型吸收了整個互聯網上面的世界通識知識之后，各行各業的Vertical AI研發成本都大大降低，這件事情使我們在不同領域的工作都有巨大的進展。

比如以前廣告數據分析，我們幫客戶做輿情分析、消費者洞察，要分析短視頻、圖片、文字評論等多模態數據，分析成本很高，數據標注成本也很高。今天這些標注仍然還需要，但是它的成本大大降低了，因為基本上通識知識都不需要標注了，大模型都可以做到了。

而我們更需要標注的是行業里面的新概念、新產品、新SKU。比如我們的客戶真要定量分析iPhone17的銷量變化，這個時候單靠大語言模型是不夠的。因為大語言在iPhone17發布之前，不知道iPhone17是什么，iPhone17的定義需要非常精確的，下面有iPhone17、iPhone17 air、iPhone17 pro、iPhone17 pro max。

所以今天Palantir公司提出的概念是叫“Ontology-driven Agents”（本體驅動的智能體)，核心點是如果今天在企業里面真的要做定量數據分析，不去編輯知識圖譜和ontology，是不可能做到的。

大語言模型不是說產生幻覺，其實就是一個穩定性問題。比如我們在大數據處理的Infra這一層的積累，仍然需要跟大語言模型很好地結合，這都是我們歷史的積累和新技術之間的交叉關系。

另外一方面，在我們的database里面存了很多各行各業獨有的Data。我們在廣告行業積累了很多消費者情感的數據，比如消費者看到廣告之后的腦電信號變化，他們的眼動也就是注意力變化，這些數據都是互聯網沒有的。

我們在去年、前年，先后在幾個多媒體和多模態大會上，有一些論文拿到最佳論文和最佳論文提名獎，因為我們把這些數據跟通用大語言模型訓練到了多模態模型里面，這是今天這個技術完全做不到的，但有了之后，它會顛覆我們所有的行業。

包括現在做的GUI模型，就是讓AI能夠理解一個軟件的操作，連接更多的軟件，讓AI去代理去操作軟件。最近豆包手機發布之后，我跟投資人介紹我們的產品，他們都非常容易理解了“那個是豆包手機，你們就是明略電腦”。

我覺得今天所有做AI的創業者和在上一代擁有海量數據的企業，都會享受很大的紅利。

AI在企業落地是一種創新，任何的創新都有95%的概率會失敗

馮大剛：我們換一個角度衡量問題，我看到明略的財報，其中有90%左右的收入還是來自于過去的營銷、營運等收入，來自于AI的大概不到10%。

首先，我們怎么證明這個時代真的變了？你覺得再過三年、五年，我們來自于AI收入比例占多少？另外一個更深層的問題，你覺得有沒有必要把這兩個東西區分開？

吳明輝：這是非常好的問題。首先大家看純AI公司，美國的Anthropic、OpenAI公司，他們今天的收入還是在Token上產生。我相信中國的幾個基模的創業公司，很快也都會登陸資本市場，但他們的收入從絕對體量來講還是比較小的。

也就是說今天仍然是AI商業化的前期，純新型的AI收入是賣Token。我們公司陸陸續續也會產生賣Token的收入，因為我們確實有很強的模型，而且不是開源的，直接可以在Token上賺錢。

另一方面，大家看今天AI商業化落地的最簡單的方法，可以看一個老業務的bottom line有沒有被優化，以及老業務在bottom line優化過程中，它在算力和Token上的消化情況。

比如我們去年的收入大概是十幾億，邏輯上來講，很多這樣體量規模的公司，推理和日常員工使用的Token算力的成本可能是幾百萬到頭了，甚至只有幾十萬，很多人買了Token都是用不掉的狀態。我自己剛做完明年的預算，明略這方面肯定是以億的規模往上走的，可能一億都不止。我們預測自己在Token上的消耗，可能將來是十億、二十億的規模。

我覺得大家首先要看你這個企業在里面做的投資是否是很重的投資。另外一方面，如果大家看我們的bottom line，肯定是有巨大的優化。我們最高峰的時候虧損差不多10億，今天我們經調整的報表其實已經盈利了，它意味著你的工作方法一定產生了巨大的變革。

從這個角度來講，一個有年頭的公司，要考慮的第一件事是怎么用AI把原有的業務變得更加健康，在這個過程中再沉淀出新的能力。新能力的沉淀，反而對于有傳統業務的公司有巨大好處。

比如今天在AI領域，大家講Agentic Model做得最好的是Anthropic。Anthropic有一個寫代碼的Agent，一年應該有幾十億美金的收入，很厲害。為什么它做得好？這里面很重要的原因是它的創始人很早就開始要求全體員工寫代碼必須用這個寫。如果它只有5個工程師，坦白講都做不好這個產品，是因為相當于這個moment它已經有500個工程師。今天Anthropic幾乎所有的代碼都是用Claude Code寫的，它的Agent、Agentic Model就可以做得非常好。

從明略來講，我們現在1800名員工，寫代碼不是我們公司卷的最大的方向，我們還是用別人的模型就夠了，明略真正卷的方向是Data Mining模型和智能體。我敢說我們今天的DeepMiner，應該是在全世界這個領域最牛的，因為我們有好幾百號數據分析師，這些數據分析師每天都在用我的DeepMiner在做Data Mining的工作，我們在背后還是用自己獨有的模型。

比如我今天找大客戶，說你把組織改了，那它幾乎不可能去擁抱AI，但是我自己的公司很容易。所以這幾百人號，我告訴他你只能用這個，你不用就不能在這個公司工作了。從這個角度，我倒逼出來非常優秀的AI Agent和對應的Agentic Model，所以這是有很大的優勢。

馮大剛：我們經常做大量的企業報道，看到企業落地AI過程中有很大的困難，叫做“有痛點，沒有場景”。

他的痛點可能是非常分散的、不系統的，只能描述一個具體細節，但是不知道整體應該怎么解決，以至于最后企業不愿意為AI付費，跟今天非常火熱的資本市場投資相背離。造成這種撕裂最大的問題在哪兒？

吳明輝：我覺得今天大部分的企業落地AI遇到的挑戰，還是組織問題，就是組織能不能自上而下整體性擁抱AI。

馮大剛：你說組織是一種決心問題嗎？

吳明輝：決心可能大家也都有，關鍵是要落到行動上，這就很不容易了。

因為它天然很難的是什么？小公司組織問題會簡單很多，現在流行AI Native組織，5-10個人，它的業務量也小。它的AI整完了以后，1萬元變成10萬元，變化不大。但大的組織，500強企業一年有幾百億投入、上千億收入，這個組織問題就極其復雜了，怎么讓這么大的組織突然一天就擁抱AI？

AI來了公司之后，就是一個新的物種，相當于大量新的聰明的應屆畢業生加入公司工作，實實在在就是一個組織問題。而且每個AI模型、AI工具都有自己的特點。所以上一代從IT信息化進到企業的過程，就涉及到很多組織流程再造、組織變革，而變革都是一種創新。

前兩天互聯網上有文章說“95%都失敗”，我覺得這個寫法是客觀的，但大家也不要覺得AI有問題，所以導致了95%都失敗。本質原因是今天AI在企業落地，它就是一個創新活動，任何一個創新活動都是95%的失敗，這不是危言聳聽。不是說AI有問題，是任何一個AI創新都是95%的失敗概率。

馮大剛：如果過去數據化、自動化創新是95%失敗，你覺得整體數據化、自動化這件事情是成功的嗎？或者換一個哲學問題，如果一件事情95%的嘗試是失敗的，是否能說這件事情是失敗的？

吳明輝：我覺得不能這么說，因為這里面有一個重要的維度叫“時間維度”。

今天這一代AI剛剛開始，在第一年里面它稱之為創新，可能是95%的失敗概率。等到第二年、第三年，在很多行業里面第一個客戶已經用好了，其他客戶就不叫創新了。不叫創新，成功率遠遠大于95%，可能50%、80%了。所以50年、100年以后，最后的結果是不用AI的公司，沒有人活著，或者只有5%人還活著。

就像當年我們學計算機一樣，今天哪一個公司不用計算機。但是計算機剛出來的前一兩年三年，很多公司說我們的IT、信息化成功率只有5%。我覺得大家要加上時間的維度，你不能說今天是失敗的，永遠都是失敗的，不可能。

馮大剛：在這個過程中，明略怎么幫助客戶成功？

吳明輝：坦白講，今天成功的案例也沒有那么多。我們做AI做的時間已經非常久了，大動作上，我們已經做得非常多，最大的動作是跟大型客戶直接成立合資公司。

比如說百勝餐飲集團，我們跟它有一個合資公司，這里面有大量的數字化系統、AI系統，我們都是深度參與研發和共創。為什么？因為我們確實不懂它的業務，他們原來從AI、大數據各個不同的領域也很難有那么多的投資，或者有那么多的人才儲備。所以跨界的組合，我覺得能夠真正把領域知識和AI人才綁到一起，大家共享利益，最后用AI如果能賺到錢，大家一塊分。這是一種形式。

第二種形式，今天大型組織解決不了問題，但小型組織又沒什么問題可以解決。這個時候我們還找到了一個中間方案：大型組織過往有很多服務外包給別人，也就是各行各業都會有很多的Agency，比如廣告公司、媒介代理。我提了一個新的口號“from Agency to Agent”，上一代是純人肉幫客戶代理服務，今天是新一代的、是人機結合的Agency，甚至是以AI Autonomous Agent為主導的Human-in-the-loop Agency。Agency組織變革相對容易，因為它不是大型的完整的組織，而是把某一個完整的業務流程外包出來了。

我們在這個領域做了很深刻的實踐，比如客戶在抖音上投廣告、做短視頻有大量成本，做廣告視頻、投流成本很高，他之前都是外包給Agency。今天我能不能改造Agency的工作模式，甚至我也可以跟Agency成立合資公司，所有這些都是我們今天正在嘗試的，現在看起來應該是有效果的方法。

最近硅谷也有一些投資人在做類似的事，我前兩天聽說一個詞叫“AI Rollup”，就是去收購上一代傳統業務企業，用AI改造它，因為你已經擁有這個企業，就能改造了。所以我覺得大家還是要利益徹底綁在一起做。

AI時代，每個人都是布置作業和檢查作業的人

馮大剛：我們自己觀察，整個AI行業這幾年明顯在分層，我自己看到有三類公司：

一類是字節、阿里這樣的巨頭，他們做的是無所不包，或者說在做AI的基礎設施“水電煤”；另外一類是一個公司只做Agent，做得非常垂直、非常細分，針對一個極其小的賽道，但可能收入、利潤也不錯；第三類公司是所謂的中間層，把一堆功能和東西集成在一起做了一套營銷體系。

你覺得明略是否是其中某一類的代表？能否預測一下幾年以后，這幾類公司會有怎樣的發展？甚至什么樣的公司可能會消失、什么樣的公司會做大？

吳明輝：從明略來講，我們擁抱Agent是非常早的，我們在2020年就有這方面的投入。為什么我在這方面的投入很堅決？我覺得這確實是一次改變生產關系的機會。

在過去不管是企業級的服務還是to C，實際上有很多軟件、生產資料是非常碎片化的。今天的Agent可以幫助一個用戶，不管是個人還是企業，可以代理他很多的任務，幫他操盤所有的軟件和應用，就像最近的豆包手機。所以，它是一次重構生產關系的重大機會。

我們這些小一點的公司，大家肯定希望爭取到這些機會，所以大家要有這個野心，但這個野心也不容易實現，是一個非常有意思的行業博弈。這個博弈最終會走向何方？不知道。但有人會朝to C方向努力，我們可能會在to B賽道努力，這是我們第一個思考的問題。努力成功了也可能成為一個巨頭公司，我們首先要有這樣的野心。

但務實來講，這件事情可能是長期博弈的過程。短期來講，我們有兩個事一定會做：

第一，我們既然是原來中國最大做Data Mining的公司，我們有最多的數據分析師和在平臺以外的data，所以我們一定可以打造成為中國乃至全球最牛的做Data Mining的AI Agent ，這就是我們的天賦、稟賦，以及我們在這個領域有很好的投資和生態位所決定的，這是我們一定會做的一件事。這個能力非常通用，因為不是只有廣告有Data Mining，供應鏈、制造業也有，每個領域都有Data Mining。所以我覺得它的潛在覆蓋面不比AI Codding領域小；

第二，在垂直行業，以廣告行業為代表要堅決做端到端整體的AI。這個市場為什么要做端到端？因為端到端了，才有可能享受最大的利益，這是從經濟角度來講的。另外一方面，實現端到端后，AI的優化也是更全面、效率最高的。尤其效果廣告有最終的結果，所以它特別適合我們做強化學習、持續學習。這件事情，對我們來講是非常有價值的。

所以“一橫一縱”，其實就是各行各業我們都要做Data Mining。在個別的幾個vertical領域，我們一定要去做端到端的，最后給客戶交付有價值的AI。這些都是我們比較務實的工作。

馮大剛：剛才吳總講到toB的時候，我突然想追加一個問題。我以前在經緯做投資，也看企服的投資，我好像經歷了一個幻滅，中國SaaS好像出現了系統性的危機，中國的SaaS沒有成功，不像美國to C、to B各占一半，我們當時認為中國的to B應該是這樣的，但結果不是這樣的。

我想知道你怎么看前幾年SaaS熱之后的幻滅，以及今天到了AI時代，整個to B產業、to B服務會有一個新的機會嗎，我們當年的夢還能實現嗎？

吳明輝：前兩天我在我們公司的戰略會上跟大家講過這個事，我們to B公司的老板經常說，中國的to B是不是一個“鹽堿地”，to B行業是不是還值得投資？

我自己覺得如果只看to B的軟件，確實有可能是這個情況。因為軟件行業其實就是雇一堆工程師寫代碼，首先你要有很好的有價值的需求，寫的代碼能產生價值。另一方面，所有的產品和服務的定價最后是要基于供需關系。在中國的軟件行業供給，幾乎所有的人都會寫代碼。說“所有的人”可能有點夸張，但今天以后基本上不夸張，因為AI也能寫，意味著所有人都會寫。所以這個行業變成了供給極豐富，從經濟學角度來講，最后的定價就不可能基于價值定價，只能基于成本定價。

需求端也是一樣的，中國真正有錢的企業、賺很多錢的企業也沒那么多，整個中國企業之間本身也很卷。這種情況下，企業其實也是希望摳每分錢，所以他會想辦法跟供應商進行博弈。美國工程師沒那么充足，基本上把幾個工程師拉到一起，把一個團隊建立起來，都已經可以融資了，因為大家覺得只要有這個團隊，怎么著都能掙錢，哪怕做外包都能掙錢，而且很多公司就是這么賺錢的。所以我覺得在這個事上，中國和美國完全不一樣。

但是中國企業服務是不是一個“鹽堿地”，我覺得以后可能不是。如果你看每一家公司花不花錢？都花錢，只不過不買軟件。企業服務和企業軟件是兩個不同的賽道。

未來的AI不是以軟件的形式交付給客戶，未來的AI有兩個大賽道：一是數字員工，它拿的是數字勞動力市場的錢，數字勞動力不是軟件；二是具身智能，拿的是藍領的勞動力的錢，就是物理世界的勞動力市場。這兩個市場按照黃仁勛的判斷，都是百萬億美金級別的市場，所以我覺得這個仍然是非常大的機會。

馮大剛：未來如果一個大學生入職這家公司，老板跟他說你部門有10個人，但只有你一個人是物理上的人，另外都是Agent，有可能嗎？

吳明輝：完全有可能。甚至將來都不一定有“入職”的概念，就是每一個人都應該在就業之前做自己的Agent，把你的Agent派給你的老板，給你打工。每個人做Agent，你的Agent去上班，你在家里面優化你的Agent就好了。

馮大剛：這是我們討論AI時代的組織問題。我們也有一個判斷，過去很多所謂的管理者管流程、管數據，他們管的東西可能在未來沒那么重要了。所以如果我今天是一個公司的初級或者中級管理者，我怎么能夠讓自己持續有價值，不會被開掉？

吳明輝：我2023年在一些商學院講課的時候，建議大家重新讀一下《管理梯隊》那本書，大家每個人給自己定位高一層就好了，因為你底下有一層AI了。每個人定位高一層，你作為一個一線員工，你要想你也是一個管理者，你要管AI。你作為一個一線管理者，從管普通員工變成了管管理者，因為你所有的員工都要會管AI，這個其實是一個簡單的思路。

但坦白講，未來可能中層管理者就會越來越少，我覺得這是一個必然會發展的趨勢。

馮大剛：如果你已經是創始人、CEO，那管理梯隊上就沒有上一層了。創始人怎么在AI時代保持自己的價值，哪些東西才是創始人不會被取代的東西？

吳明輝：這是一個特別好的話題，我覺得不光是創始人，每個人可能都可以按照這個維度去思考。AI時代，每個人都是布置作業和檢查作業的人，做作業肯定讓AI做了。

所以對于創始人來講，最核心的幾個事：第一，設計公司長期和短期目標、價值體系。就是價值函數、獎勵函數，我們公司的使命愿景是什么，到底要做什么，我們的短期激勵是什么、對于每個員工的激勵是什么。就是設計公司什么是對的、什么是錯的、什么是好的、什么是我們應該做的、什么是不應該做的。這件事情永遠是企業管理者制定的，AI不可能給你制定這個事。

前兩天美國AI大神AK講了一件事，他發現AI是一種新的計算范式。以前大家學習代碼是plan學習的過程，而AI今天不是，AI是說我們的人告訴它我要的結果是這樣的東西，你幫我explore，它是一種新的計算范式。所以對于企業CEO來講，核心還是規劃企業的目標，去設計這里面每個事的benchmark、審美是什么，什么是對的、什么是錯的，這是由人做主的。

第二，對于企業CEO，包括每一層管理者來講，一個很重要的職責是AI永遠不可能替代的，就是你要take responsibility。公司做得好，是我來承擔責任；做的不好，也是我來承擔責任。AI能給你承擔責任嗎？不可能。

馮大剛：所以你覺得AI不可能當CEO？

吳明輝：AI不可能當CEO，必須是人當CEO，我向董事會take responsibility，管理者首先要承擔你的職責，這件事情機器人永遠不可能承擔。