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(shù)據(jù)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(fā)行價141港元上升98.6%，其香港公開發(fā)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(yè)機構需要探索的十大戰(zhàn)略技術趨勢”之一，能通過自主規(guī)劃和采取行動實現(xiàn)用戶定義的目標，為實現(xiàn)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(zhèn)，2025長三角人工智能產(chǎn)業(yè)融合共生發(fā)展大會上，以“AI時代的生態(tài)融合與產(chǎn)業(yè)重構”為主題的巔峰對話，就在36氪CEO馮大剛與明略科技創(chuàng)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(yè)化的前期，而要判斷一個公司是否發(fā)生了AI變革，要看老業(yè)務的bottom line有沒有被優(yōu)化，以及優(yōu)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(fā)、推動AI從分析轉向執(zhí)行后，明略科技實現(xiàn)了全面盈利：“意味著你的工作方法一定產(chǎn)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(yè)結果。但對于飛速迭代的行業(yè)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(yè)最終的護城河是否在于其獨有的“數(shù)據(jù)”？

• 當大部分企業(yè)遭遇“有痛點，無場景”的困境，組織應該如何擁抱AI？

• 當創(chuàng)新面臨95%的失敗率，我們如何理性看待創(chuàng)新的成本與必然？

這場對話從商業(yè)本質、組織邏輯與產(chǎn)業(yè)進化等層面，共同探索AI價值真實發(fā)生的路徑與條件。

以下是“36氪未來產(chǎn)業(yè)”對巔峰對談內容的整理，內容略經(jīng)編輯：

模型之間沒有本質差異，最后企業(yè)間的競爭是模型+數(shù)據(jù)的終極效果

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

從2006年開始創(chuàng)業(yè)做秒針，到現(xiàn)在已經(jīng)19年了。今天被稱為Agentic AI第一股，是公司完成了從數(shù)據(jù)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(yè)，包括一些世界500強，包括非常優(yōu)秀的中國民營企業(yè)。這些企業(yè)，大家今天確實在探索AI的邊界、探索AI怎么真正在企業(yè)落地。所以Agentic AI這個概念，肯定是面向企業(yè)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(yè)級市場，除了阿里、字節(jié)、騰訊等平臺型的互聯(lián)網(wǎng)公司以外，我們肯定是擁有在平臺以外數(shù)據(jù)最多的一家企業(yè)。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(shù)據(jù)的企業(yè)，它的valuation都是在被重估的，因為大家都覺得模型已經(jīng)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(yè)與企業(yè)的競爭，一定是模型+數(shù)據(jù)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(lián)網(wǎng)上獲取不到的數(shù)據(jù)，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(yè)客戶就更多了。我們在企業(yè)級服務里面，擁有客戶數(shù)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(yè)務和數(shù)據(jù)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(chuàng)辦公司，確實有19年了，我創(chuàng)業(yè)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(shù)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(yè)。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(tài)大模型博士，所以我是實實在在從創(chuàng)業(yè)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(chuàng)業(yè)的19年以來，中國企業(yè)經(jīng)歷了非常多的數(shù)據(jù)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(shù)據(jù)+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(chuàng)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(yè)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(lián)網(wǎng)上面的世界通識知識之后，各行各業(yè)的Vertical AI研發(fā)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(shù)據(jù)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(tài)數(shù)據(jù)，分析成本很高，數(shù)據(jù)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(yè)里面的新概念、新產(chǎn)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(fā)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(yè)里面真的要做定量數(shù)據(jù)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(chǎn)生幻覺，其實就是一個穩(wěn)定性問題。比如我們在大數(shù)據(jù)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(yè)獨有的Data。我們在廣告行業(yè)積累了很多消費者情感的數(shù)據(jù)，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(shù)據(jù)都是互聯(lián)網(wǎng)沒有的。

我們在去年、前年，先后在幾個多媒體和多模態(tài)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(shù)據(jù)跟通用大語言模型訓練到了多模態(tài)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(yè)。

包括現(xiàn)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(fā)布之后，我跟投資人介紹我們的產(chǎn)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(chuàng)業(yè)者和在上一代擁有海量數(shù)據(jù)的企業(yè)，都會享受很大的紅利。

AI在企業(yè)落地是一種創(chuàng)新，任何的創(chuàng)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(qū)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(chǎn)生。我相信中國的幾個基模的創(chuàng)業(yè)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(yè)化的前期，純新型的AI收入是賣Token。我們公司陸陸續(xù)續(xù)也會產(chǎn)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(yè)化落地的最簡單的方法，可以看一個老業(yè)務的bottom line有沒有被優(yōu)化，以及老業(yè)務在bottom line優(yōu)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(guī)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(tài)。我自己剛做完明年的預算，明略這方面肯定是以億的規(guī)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(guī)模。

我覺得大家首先要看你這個企業(yè)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(yōu)化。我們最高峰的時候虧損差不多10億，今天我們經(jīng)調整的報表其實已經(jīng)盈利了，它意味著你的工作方法一定產(chǎn)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(yè)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(tǒng)業(yè)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(chuàng)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(chǎn)品，是因為相當于這個moment它已經(jīng)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(xiàn)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(shù)據(jù)分析師，這些數(shù)據(jù)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(yōu)秀的AI Agent和對應的Agentic Model，所以這是有很大的優(yōu)勢。

馮大剛：我們經(jīng)常做大量的企業(yè)報道，看到企業(yè)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(tǒng)的，只能描述一個具體細節(jié)，但是不知道整體應該怎么解決，以至于最后企業(yè)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(yè)落地AI遇到的挑戰(zhàn)，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(xiàn)在流行AI Native組織，5-10個人，它的業(yè)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(yè)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(yè)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(yè)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(chuàng)新。

前兩天互聯(lián)網(wǎng)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(yè)落地，它就是一個創(chuàng)新活動，任何一個創(chuàng)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(chuàng)新都是95%的失敗概率。

馮大剛：如果過去數(shù)據(jù)化、自動化創(chuàng)新是95%失敗，你覺得整體數(shù)據(jù)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(chuàng)新，可能是95%的失敗概率。等到第二年、第三年，在很多行業(yè)里面第一個客戶已經(jīng)用好了，其他客戶就不叫創(chuàng)新了。不叫創(chuàng)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(jīng)非常久了，大動作上，我們已經(jīng)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(shù)字化系統(tǒng)、AI系統(tǒng)，我們都是深度參與研發(fā)和共創(chuàng)。為什么？因為我們確實不懂它的業(yè)務，他們原來從AI、大數(shù)據(jù)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(yè)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(yè)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(xiàn)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(tǒng)業(yè)務企業(yè)，用AI改造它，因為你已經(jīng)擁有這個企業(yè)，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(yè)和檢查作業(yè)的人

馮大剛：我們自己觀察，整個AI行業(yè)這幾年明顯在分層，我自己看到有三類公司：

一類是字節(jié)、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(fā)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(chǎn)關系的機會。

在過去不管是企業(yè)級的服務還是to C，實際上有很多軟件、生產(chǎn)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(yè)，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(chǎn)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(xiàn)，是一個非常有意思的行業(yè)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(shù)據(jù)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(tài)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(yè)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(yè)，以廣告行業(yè)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(jīng)濟角度來講的。另外一方面，實現(xiàn)端到端后，AI的優(yōu)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(xù)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(yè)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(jīng)緯做投資，也看企服的投資，我好像經(jīng)歷了一個幻滅，中國SaaS好像出現(xiàn)了系統(tǒng)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(chǎn)業(yè)、to B服務會有一個新的機會嗎，我們當年的夢還能實現(xiàn)嗎？

吳明輝：前兩天我在我們公司的戰(zhàn)略會上跟大家講過這個事，我們to B公司的老板經(jīng)常說，中國的to B是不是一個“鹽堿地”，to B行業(yè)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(yè)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(chǎn)生價值。另一方面，所有的產(chǎn)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(yè)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(yè)變成了供給極豐富，從經(jīng)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(yè)、賺很多錢的企業(yè)也沒那么多，整個中國企業(yè)之間本身也很卷。這種情況下，企業(yè)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(jīng)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(yè)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(yè)服務和企業(yè)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(shù)字員工，它拿的是數(shù)字勞動力市場的錢，數(shù)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(yè)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(yōu)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(shù)據(jù)，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(xù)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(fā)展的趨勢。

馮大剛：如果你已經(jīng)是創(chuàng)始人、CEO，那管理梯隊上就沒有上一層了。創(chuàng)始人怎么在AI時代保持自己的價值，哪些東西才是創(chuàng)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(chuàng)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(yè)和檢查作業(yè)的人，做作業(yè)肯定讓AI做了。

所以對于創(chuàng)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(shù)、獎勵函數(shù)，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(yè)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(fā)現(xiàn)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(yè)CEO來講，核心還是規(guī)劃企業(yè)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(yè)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。