11月19日，第九届营销科学大会在上海金茂·君悦大酒店圆满举行。本次大会由明略科技（2718.HK）联合秒针营销科学院主办，以「Agentic Marketing·营销可信智能体：要“增长确定性”」为核心主题，聚焦AI营销从生成式向代理式演进的新阶段。

大会上，明略科技创始人、CEO兼CTO吴明辉在主旨演讲中首次明确Agentic Marketing的核心定义：基于Agentic AI构建各角色AI代理，重塑营销行业生产关系与运作模式。同时他也指出，解决企业AI落地准确性痛点的关键在于“可信数据+可信模型”——明略科技旗下秒针系统沉淀的海量行业数据，与基于多智能体架构（MoA）的DeepMiner大模型形成协同，其Foundation Agent模型、“专家脑”Cito与“灵巧手”Mano模型已在多项全球榜单中登顶，为技术落地筑牢基础。

以下为演讲全文：

各位营销科学领域的同仁、朋友们，大家早上好！

非常高兴在今年的营销科学大会上与大家再度相聚。今天是第九届营销科学大会，同时今天的日期——2025 年 11 月 19 日——无论从数字还是从意义上来说，都充满了一层奇妙的巧合。2025 这个数字本身就是 45 的平方，而 45 恰好是从 1 加到 9 的总和，这是小学奥数里经常出现的典型结构；而第九届大会恰好对应着 1 到 9 的这个跨度。更巧的是，今年恰好也是明略走到第十九年的节点。从 2006 年 12 月我们注册“秒针系统”域名开始，到今年 11 月 3 日正式在港交所敲钟上市，整整十九年，今天再次站在营销科学大会的舞台上，这种时间上的闭合感，让我觉得今天的交流格外有意义。

在此，我首先要感谢十九年来一路同行的每一位伙伴。感谢明略的每一位员工、每一位客户、每一位合作伙伴。十九年的时间里有过困难、有过曲折、有过坚持、有过转折，但最终我们能够走进资本市场，成为一家以 Agentic AI 为核心定位的上市公司，我想，这是所有伙伴共同努力的结果。借今天这个场合，再次向所有人表达最真挚的感谢！

今年 11 月 3 日，我们正式以 2718 这个股票代码在港交所挂牌上市。大家都在问，为什么我们会被称为“Agentic AI 第一股”？为什么是 2718？其实 2718 这个数字不仅仅是一个代号，它是自然常数 e 的近似值，而 e 是所有增长函数、指数函数的核心基础。我们这次上市的主题叫“e启·指数未来”，既代表技术本身的增长，也代表我们希望与行业携手共同增长。

今天我的分享分为两大部分。第一部分，我希望用最清晰的方式解释 Agentic AI 的真正含义，以及它为什么会成为大模型技术的主赛道。第二部分，我希望聚焦营销行业，讲清楚 Agentic AI 将如何重塑营销行业的生产关系——也就是我提出的概念：Agentic Marketing。

从 Agentic AI 说起：当 AI 从“能说”变成“能做”

让我们先从 Agentic AI 讲起。这个词不是我发明的，它在学界和整个 AI 从业者圈子里已经形成广泛共识。今年年初，英伟达创始人黄仁勋在客户大会分享过一条曲线，讲 AI 会经历几个阶段： 第一个阶段是Perception AI，感知智能，就是用 AI 做声音识别、图像识别，让 AI 拥有类似人类眼睛、耳朵的能力。

第二个阶段是 Generative AI，是过去这段时间大家非常熟悉的生成式 AI。2019年我在北大读书的时候，深度学习刚开始改变自然语言处理，而自然语言处理被称为“人工智能皇冠上的明珠”，因为人的思想和智慧最核心都依赖语言能力。过去几年，这个领域被新一代 AI 技术彻底革新了。今天的人工智能，在推理、思考、语言等很多维度都已经超过人类水平，我们把这称为 Generative AI。

再往后的两个阶段，一个是 Agentic AI，一个是 Physical AI。 Physical AI 是在物理世界里能行动、能执行任务的人工智能机器人，我们叫具身智能。Agentic AI 和 Physical AI 是类似的，它们本质上都是“机器人”，唯一的区别是：Agentic AI 不是物理世界里的机器人，而是虚拟世界里的机器人，也就是在电脑里像人一样工作。

Physical AI 让人工智能拥有眼睛和耳朵；Agentic AI 让人工智能拥有大脑。要真正产生生产力，最终必须走到 Agentic AI 和 Physical AI 这一步：一个是在虚拟世界装上“手和脚”，另一个是在物理世界装上“手和脚”。装上“手和脚”之后，它们才真正变成“劳动人民”，才能产生生产力，而不是停留在“光说不练”的 AI。

Agentic AI在今年才真正火起来，全球所有大模型厂商，包括做AI应用的公司如今都在做Agentic AI相关工作。明略科技在这个领域也做了非常多的工作，如今我们在Agentic AI领域走在全球前列，也成为了近期登陆资本市场第一家做Agentic AI产品、服务以及模型的公司。

讲到 Agentic AI，首先必须回到“Agent”这个概念本身。人工智能和计算机出现之后，Agent 一直存在，它的核心目的就是让机器自动干活、代替人执行任务。但在大语言模型出现前后，Agent 发生了非常大的变化。

在没有大语言模型之前，Agent 面对一个任务，需要由人来思考、拆解，然后把其中能自动化的部分交给机器执行。但有了大语言模型之后，Agent 自身具备了“规划能力”（Planning）。今天在场的每位都在用大模型做规划，比如最简单的旅游行程规划。

规划的核心就是右下角的 Subgoal decomposition（子目标分解）。比如你要去伦敦旅游，可以拆成“早上吃早餐”“住在哪儿”等细项。当大语言模型具备了像人一样的思考和推理能力，也就是有了“脑子”之后，它就能够自动拆解任务。这是和过去的 Agent 最大的区别之一。

第二个核心能力是 Tools 工具使用。我们小学课本都会讲，人类是唯一会使用工具的物种。但如果我们把 AI 当成一种新的“物种”，那么从 Generative AI 之后，工具使用就不再是人类独有的了，硅基生命——也就是 AI Agent——也可以使用工具。

例如大家今天使用的联网搜索，它其实就是非常简单的 Agent。你提出一个复杂任务，比如“我想研究明略科技公司”，AI 会把它拆成十个子任务：研究团队、研究创始人、研究产品、研究客户、研究财务发布等，这些都是 subgoal decomposition。

那 Tools 是怎么调用的？很简单：它会在网上搜索对应关键词，分成十个关键词，各自调研，然后把十组结果拿回来，再做总结。这一整套，就是 Agent 执行任务的过程。

在调用 Tools 的过程中，本质上也是 Agent 在做 Action。而在调 Tools 时，它也需要长短期记忆（Memory）支持，这就是 Agent 的工作机制。而支撑 Agent 完成这一整套能力的技术体系，我们称之为 Agentic AI。

真正让 Agent 为全球大众所熟知的，是一家叫 Manus 的公司。这家公司与明略有渊源，Manus 的创始人“小红”——肖弘，是我们当年并购夜莺科技时的创始团队成员。今天很多人都在用的“微伴助手”，当年就是他和团队做出来的。他从一个在人力增长工具领域非常优秀的产品经理，成为了全球范围内最早让大众真正看到“Agent 可以做什么”的人。以前的 AI 只能处理单一任务；而小红让它拥有了一整套新工具：浏览器、网页、表格、Office、邮箱——所有能在电脑上干的活，都可以做了。这个能力的飞跃，让 Agent 变成了真正意义上的“Super Assistant”。

Agentic AI 把“眼睛和耳朵”（感知），“人的大脑”（思考推理）以及“手和脚”（执行行动、使用工具）这些能力全部连在一起，形成一个能够在虚拟世界里像机器人一样帮人干活的体系。但当这三把“镰刀”都连到一起时，我们又会发现，仅靠现有的模型“大脑”好像又不够用了。

现在大家都在讨论 AGI 的到来，OpenAI 创始人 Sam Altman 把通往 AGI 的路径分成五个阶段：

第一阶段是 Conversational AI（Chatbots）；

第二阶段是 Reasoning AI（Reasoners）；

第三阶段是 Agentic AI（Agents）；

第四阶段是 Innovator AI（Innovators）；

第五阶段是 AGI（Organizations）。

第一阶段首先要解决聊天功能、语言能力，包括让AI具有世界基本通识知识。Chatbots今天已经超过了绝大多数人类水平；第二阶段Reasoning AI 在过去一年也有了技术性突破，如今AI已经能解决非常复杂的学术问题，水平接近甚至超越人类； 第三阶段Agentic AI 是真正能产生价值的阶段，但仍然处于非常早期。Agentic Model能帮助我们在工作中使用工具，调动工具做分解任务，不过在很多任务上能力还比不过人类，这个是今天Agentic AI发展的状态。如果满分 100 分，它当前的能力在 30–40 分之间就已经很不错了。今天这个领域还是非常前沿的研究课题，也是我们明略过去几年投入巨大的核心赛道。

未来的 AI 可以成为一个“创造者”，而且会是一个非常强大的创造者。现在大家已经能看到，AI 在很多科学研究领域开始参与工作了。数学家用 AI 去解决大的命题，化学家、生命科学家用 AI 去发现新的药物分子结构。去年也已经有诺贝尔奖颁给了人工智能方向的科学家。

AI 辅助人类做科研，其实就是第四个阶段——“Innovator AI” 的一个重要方向。但这个阶段最可怕、也是最关键的一点在于：有一天 AI 可能会自己研发自己，这才是真正意义上的第四阶段——AI 能够自我迭代、自我升级。

大家现在看到明略旗下几个模型，其实都在尝试这样的能力：AI 如何自己迭代自己、自己研发自己。未来的状态可能是：Agent 自己换模型，自己升级模型，使用最适合当下任务的模型来处理任务。这就是“AI 自动升级 AI”的能力。终极形态，就是 AI 形成自组织。如果说第三阶段、第四阶段的 AI 仍然是造福人类，那到了第五阶段，就可能开始威胁人类了。

DeepMiner&秒针：基于可信数据打造可信生产力

当前所有 AI 工作者主要都处在第三阶段——Agentic AI 的研发，这是一个同时考验工程、模型、工具链、知识结构、数据质量的巨大挑战。

如前所述，Agentic AI 的难度远远超过模型本身。它不仅需要像人一样“能想”，还需要像人一样“能做”。而在虚拟世界里，“能做”意味着它必须具备一只灵巧的“手”和一颗具备任务规划能力的“脑”。这两个能力缺一不可。

在物理世界中，机器人最大的技术难题叫“灵巧手问题”。人类用筷子夹豆子轻而易举，但全世界所有机器人公司还没有一家能让机器人像人一样灵活地控制手指。这个问题在人形机器人领域依然没有被攻破。同样，在虚拟世界里，AI 要在电脑上执行任务，也存在一模一样的难题：它必须具备虚拟世界的“灵巧手”，也就是能够像人一样操作软件、拖拽窗口、点击按钮、识别控件、处理弹窗、输入内容，从而完成电脑上的多步复杂任务。这一点，过去的大模型远远做不到。

这正是我们打造 DeepMiner 的一个核心原因。DeepMiner 产品线在明略内部，是与秒针并行的一个全新旗舰级产品线。秒针负责“可信数据”，DeepMiner 负责“可信智能”。DeepMiner 由三个核心模块组成：Foundation Agent、GUI 操作模型 DeepMiner Mano，以及专注于任务规划与专家推理的 Cito。这三部分构成了一个能够真正承担商业任务执行的 Agentic AI 体系。

先讲 Mano。Mano 是西班牙语里“手”的意思，选这个名字是因为它的使命非常明确：让 AI 拥有真正的“手”，在虚拟世界里像人一样操作电脑。今天大家看到的大模型，绝大部分都停留在 Generative AI 阶段，它们“会说”，甚至“会写”，但并不会“做”。而真正的 Agent 必须具备行动能力，而行动能力的底层就是“操作能力”。

在无人驾驶技术领域，有一个经典的模型框架叫 VLA：Vision（视觉）— Language（语言）— Action（行动）。无人驾驶汽车的视觉模块负责“看路”；语言模块负责“收到任务，如从上海开到杭州”；行动模块负责“打方向盘、调油门、刹车”。这个框架被应用在了实体机器人上。

而我们现在把同样的框架，移植到了虚拟世界，来打造“在电脑上行动的 Agent”。在虚拟世界里：L——是用户的任务指令，V——是模型对电脑屏幕的视觉理解（截屏、组件识别、位置判断），A——是模型对鼠标、键盘的操作执行（点击、滑动、输入、拖拽）。也就是说，Mano 就是一只虚拟世界的“灵巧手”，负责让 AI 能够真正完成任务，而不是只会对话。

今年我们向全球公开展示了 Mano 的能力，也同时参与了国际上最权威的 GUI 操作能力评测——OS World。这是一个专门评比“谁最会用电脑”的榜单。在这个评测中，我们的 Mano 72B 模型成功拿下了“全球专有模型第一”“全球总榜第二”，仅次于 Anthropic 的 Claude 4.5——而对方使用的是一万亿参数级模型。这个结果不仅代表 Mano 在虚拟世界操作能力上的领先，也代表中国公司在 Agentic AI 的核心能力上取得了全球性突破。

Mano 是如何学会使用软件的？我们为它构建了一个规模极大的“虚拟世界操作训练基地”。其中既有我们自研的几十款数据分析工具，也有大量外部行业软件。通过构建模拟环境，再结合“在线强化学习”，让 Mano 能够在虚拟世界里不断尝试、不断犯错、不断反思、不断进化。就像机器人在真实酒店里走一遍绘制地图一样，Mano 会在一个它从未见过的软件里探索界面结构、尝试所有控件、理解按钮逻辑，然后逐步学习如何独立完成任务。所以 Mano 的学习方式并不是“做题”，而是“做事”。这也是为什么我们称它为“虚拟世界里的无人驾驶”。

我们还有一个模型叫 Cito——AI 专家脑。它的目标是在专用场景里像人一样做任务分解，把复杂问题拆成清晰、可执行的子任务，并映射到大模型可调用的各类工具上。难点在于：在数据分析领域，分解与判断必须“非常非常严谨”，否则就会出现不稳定。

什么叫不稳定？比如 iPhone 17 刚发布，很多客户要看发布后的竞品变化、销量走势、舆情结构。你在分析软件里检索“iPhone 17 销量”“正负面评论”等，很容易遇到当下 AI 难以可靠解决的细节：同一条帖子本周被判为“正面”，下周又被判成“负面”；或对象边界忽上忽下——这周把“iPhone 17 Pro / Pro Max”都算进来，下周又把“手机壳”等周边也归为 iPhone 17。用这类不稳定判断去做定量分析，结果就会失真。所以 DeepMiner 的智能体框架要解决的，就是把这类不确定性尽可能收敛到可控范围。

大家知道美国有一家非常有名的 AI 公司 Palantir，它提出知识图谱的概念，在数据分析和商业决策里，用来研究任何一个对象——要清晰定义它是什么、以及它不是什么。但在模型处理这类任务时，往往存在不确定性和不稳定性。如何让模型在这些判断上具备确定性、稳定性，这也是 DeepMiner 一系列工作的核心目标。

在这个过程中，我们每天都要做在线强化学习，甚至让模型给自己“出考试题”。下午我们分享的“ AI 认知排行榜”，就是通过不断考大模型：你是否理解某个行业的产品？你是否真正理解某个品类？同样的方法，我们也在考自己的 DeepMiner，不停地问它问题，观察它的回答方式。在线强化学习的过程非常有意思：每天都会问新的问题，但问题必须问得精准。同时我们需要提前预测正确答案，掌握这个领域里“好问题”和“好答案”对应的数据源，建立起相应的 Benchmark。这同样是非常重要的工作。

最后，我们为什么还要做 Foundation Agent？原因在于：今天的 Agentic AI 技术仍不够成熟，尚难以在通用场景中稳定解决问题。如果把 AI Agent 接上“所有工具、所有软件”，它在现实环境中往往难以做到准确执行。前面我们在各个细分领域的榜单上参赛，虽然屡屡拿到第一，但以 100 分满分计算，能够做到 40～50 分就已是第一名，可见行业仍然存在大量待解难题。

基于此，我们选择搭建 Foundation Agent：帮助客户与伙伴打造垂直领域的 Agent。我们在每个垂直领域内部进行集成，聚焦更小而清晰的任务空间——例如跨境电商数据分析、小红书数据分析、抖音数据分析等。此时，数据范围更可控、可调用工具更聚焦，既可以单独训练，又可以隔离部署，从而显著提升任务执行的准确率。这相当于为不同行业提供一个可复用的底座，既能做行业通用版，也能为客户打造客户独有的 Agent。

同时，这一框架是多智能体（MoA）框架。很多朋友在各自公司已尝试过打造 Single Agent，但我们之所以强调“多智能体”，是因为现实社会本就需要分工协作。广告公司 A 可以有 Agent A，广告公司 B 可以有 Agent B，这些 Agent 之间不仅可以协作，也会呈现竞争与竞合的关系。以营销行业为例，甲方在同一赛道中挑选 5 家代理“赛马”，未来也将演变为 5 个 Agent 的赛马关系。这将成为一个长期且有意思的发展趋势。因此，Foundation Agent 以多智能体方式，为营销行业构建一种面向未来的工作模式。

这正是 DeepMiner 可信智能体 的定位与路径。站在明略的长期定位上，我们要打造可信的人工智能，形成数据驱动的可信生产力。在此体系中，我们有两大品牌：秒针与 DeepMiner，各自扮演清晰角色。

秒针承担“可信的数据”：从第一天做广告测量，到今天做内容测量，我们始终希望为客户提供最值得信赖的数据。在生成式 AI 兴起、互联网充斥 AI 生成虚假内容的当下，我们更要在复杂环境中守住真实与可证的数据边界，把关键数据“守”在秒针系统之中。DeepMiner 则承担“可信的智能体”：包括可信的模型与可信的工具。我们将沿着这两条路径持续推进与自我要求，确保“数据可信 × 智能可信”成为明略为产业创造价值的根基。

Agentic Marketing：一场营销行业的“生产关系革命”

前面讲了Agentic AI ，接下来就来分享我提出一个新的概念——Agentic Marketing。这是我在研究 Agentic AI 之后，对营销行业未来形态做的重新定义。

要理解 Agentic Marketing，我们首先要回到一个根本问题：Agentic AI 到底是什么？在 Gartner 的最新报告里，他们将 Agentic AI 翻译为 “代理型人工智能”。这个翻译非常准确。Agentic 不仅意味着“能动性”（Agency），更意味着“代替你行动”（Act on behalf of you）。而“代理”这个词，对营销行业的人来说尤其熟悉——我们的行业从来都是由代理构成的：广告代理、媒介代理、内容代理、品牌服务代理……可以说，整个营销行业是建立在“代理关系”之上的。

今天，我们从生成式 AI 进入 Agentic AI，本质上是人工智能在重塑“代理关系”，也就是在重塑整个行业的生产关系。

去年我们与复旦大学联合发布《2024 AI+：生成式营销产业研究蓝皮书》，其中提出“生成式营销”的概念——即生成式 AI 为营销行业带来新的内容生产方式、新的洞察方式、新的创意方式。但我们同时判断，生成式 AI 带来的变革将最终走向“生产关系重构”。当 Agentic AI 出现之后，这个判断被进一步验证——它会让营销行业从根本上改写“谁服务谁”、“谁代表谁”、“谁与谁协作”的方式。

我用一个真实发生的例子来解释什么叫“生产关系重构”。在 DeepMiner 发布后，我和一家大型人力资源服务公司的 CEO 作了深度交流。他们公司已经在做自己的 Agent，但他们的 Agent 被限制在“提升自家软件体验”的范围内，比如帮助候选人更快写简历、帮助 HR 在自家平台里筛选简历。但当他看到 DeepMiner 能实现跨平台操作时，他突然意识到一件事情：“原来 Agent 的真正价值，不在于提升一个软件，而在于重构整个行业的交互方式。”

如果一个求职者的 Agent 可以自动把简历投到所有招聘平台、自动与 HR 沟通、自动筛选公司、自动确认面试时间……那这个 Agent 本质上就是一个“你的私人猎头”。而对于 HR 来说，如果 HR 的 Agent 能够自动在所有平台筛选人才、自动匹配岗位、自动生成候选人分析报告……那这个 Agent 就变成了“HR 的智能助理”。

这意味着，在未来互联网结构中，人与平台的关系会被“Agent ↔ Agent”重新组织。这也是为什么很多手机厂商，都在全力打造自己的系统级 Agent。因为当用户说一句“帮我打车”“帮我点外卖”，这个需求不再通过 App 触达商家，而是通过 Agent 触达 Agent。这是生产关系的重构。

对所有营销从业者而言，首先要重构对营销链路的认知。既然 Agentic AI 本质上是“代理式 AI”，那么每个人在互联网上都将拥有自己的“分身”。找工作的人会有“猎头顾问”型分身替他投递与沟通；消费者也会拥有“采购助理”型分身替他选品与决策。

前不久我看到一条新闻，OpenAI 已经把 ChatGPT 与 Shopify打通，这意味着 AI 正在从“能回答问题”迈向“能理解你”。随着技术不断演进，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给了 AI 去倾诉。过去社交媒体掌握的是人与人之间的关系，信息仍是“共享”的；而如今，大模型掌握的，是人与自己之间最隐秘的对话。如果它知道你明天女朋友过生日，甚至能主动帮你挑选礼物，那已经无需再通过搜索引擎去查——每个消费者都将拥有一个属于自己的代理（Agent）。

同样，营销行业的从业者也会迎来自己的数字分身。未来，每位专家都应把自身的行业经验、专业方法和私有数据，与 AI 结合，打造属于自己的 Agent。这样的分身不只延展你的能力，还能在你休息时继续为你创造价值。对于广告公司顾问、品牌策略师，乃至明略这样的甲方团队成员来说，构建“专家 Agent”将成为下一代竞争力的核心来源。

而品牌方也同样需要自己的 Agent。品牌 Agent 相对复杂——它过去依靠人工代理（Human Agency），未来必然转向基于 Agentic AI 的“智能代理”。下一代 Agency 一定是结合 Agentic AI 的 Agency：整合式智能代理可以同时调用多个专家 Agent，形成协作网络。届时，每个专家都可能成为一个独立的“超级个体”，以自己的 Agent 形式被不同品牌调用或雇佣，实现真正意义上的“智能化分工”。

按照这个逻辑去看，Agentic AI 真正落地到产业的本质，并不只在营销行业；在法律、人力资源服务等领域同样如此。Agentic AI 的前提是：每个人、每个组织都要打造自己的代理（Agent）。当各个角色都拥有代理时，由代理与代理一起工作，我们就需要相应的评估体系；每个组织的核心人员要去构建数据集、训练与管理智能，让其持续迭代、持续优化。真正具体的活，应尽量让 AI 去完成；不要妄想一个人把所有事都干了。人类社会本来就是分工协作；在智能体社会、在 Agentic AI 框架里，同样是彼此分工、彼此协作。

在这种生态中，首先会出现协作：不同角色的能力彼此互补、共同完成任务；其间也会出现竞争：既有“赛马”式的比拼，也有与平台之间的攻防（例如平台为了限制“吸引眼球”的内容而设置规则，双方形成此消彼长的关系），平台与平台、不同玩家之间也会发生此类博弈。更有意思的是，未来还将长期存在竞合——既竞争、又合作。

这就是我所说的 Agentic Marketing 的定义：每个角色都有自己的代理，由代理与代理之间开展协作、甚至竞争，最终形成一个人机协同的生态。

在竞争激烈的当下找到增长确定性

今天我们讨论的是“增长的确定性”。在当下这个变化极快、增长压力巨大的市场里，如何找到确定性？唯一的选择就是拥抱未来。因为只有拥抱未来，至少你还在未来里活着；增长今天未必来、明天也未必来，但从长期看它一定会来。可等到增长真正到来那一天，如果你已经不属于这个时代、与你与 AI 无关，那份确定性就不会落到你身上。因此，拥抱未来的方式只有一条：持续学习，持续迭代自己。

我也想呼吁现场与线上的投资伙伴、营销科学家和从业者：在“超级个体”的方向上一起行动起来，未来在营销科学院共同打造一个营销科学家生态。每个人都可以把自己的知识与经验沉淀成营销 IP，并把这些能力打造成 Agent。明略与秒针提供平台，欢迎每一位超级个体把自己的知识与数据接入，打造属于你的 Agent，与生态伙伴协同，在 AI 生态中形成你的 IP。

同时，我们也期待与各家 Agency 结合最新人工智能开展合作，会后也将有在这一方向上走在前面的伙伴与我们同台；也希望我们的客户与品牌方尽早使用 DeepMiner，一起拥抱 Agentic AI 的未来。

这一页也是我们上市敲钟当天分享的最后一页。我想强调所谓“Vibe coding”(氛围编程)：工程师不再以手写代码为中心，而是与 AI 高效对话，形成新的工作氛围。Claude code这个工具正在迅速崛起——一个程序员用好它，效率可能是过去的 100 倍，相当于带着一个军团在工作，能力呈指数级爆发。前阵子明略举办第 12 届黑客松，用 5 天复刻 Claude code：40支团队提交了作品，8 支入围决赛，全部完成了高质量复刻。我们的工程负责人作为评委，先自行试做，5 小时就复刻完成。按照以往方式，这也许需要几十人、甚至上百人干上半年；今天一个人 5 小时就搞定。

未来，营销行业也会进入这种状态——vibe working。我们要把自己打造成 AI Native 公司，也期待更多合作伙伴成为 AI Native。

谢谢大家！