文 | 张冰冰

编辑 | 阿至

封面图来源 | 大会提供

无论技术圈还是资本市场，AI的动向都备受关注。

11月3日，被称为“中国最大的数据智能应用软件供应商”、“全球Agentic AI第一股”的明略科技（2718.HK）在港交所上市。开盘价280港元，较发行价141港元上升98.6%，其香港公开发售部分获4452.86倍超额认购。这是一份亮眼的成绩单。

Agentic AI（代理型AI）被Gartner列为“2025年企业机构需要探索的十大战略技术趋势”之一，能通过自主规划和采取行动实现用户定义的目标，为实现能够分担和补充人类工作的虚拟劳动力带来了希望。Gartner预测，到2028年，至少15%的日常工作决策将由代理型AI自主做出，而2024年这一比例为0%。

这预示着一个新时代正在开启。

12月12日，在中国（杭州）算力小镇，2025长三角人工智能产业融合共生发展大会上，以“AI时代的生态融合与产业重构”为主题的巅峰对话，就在36氪CEO冯大刚与明略科技创始人、CEO兼CTO吴明辉之间展开。

冯大刚抛出一个颇为尖锐的问题：“明略的财报，其中有90%左右的收入还是来自于过去的营销、营运等收入，来自于AI的大概不到10%。我们怎么证明这个时代真的变了？”

吴明辉回答得很坦诚。他表示，今天仍然是AI商业化的前期，而要判断一个公司是否发生了AI变革，要看老业务的bottom line有没有被优化，以及优化过程中在算力和Token上的消化情况。明略科技预计明年的AI方向投入过亿，更重要的是，在全力投入自主智能体研发、推动AI从分析转向执行后，明略科技实现了全面盈利：“意味着你的工作方法一定产生了巨大的变革。”

共识在于，AI的价值正越过概念，通过股价和收益转化为商业结果。但对于飞速迭代的行业来说，讨论永远多于答案：

• 当模型能力的差距可能迅速抹平，企业最终的护城河是否在于其独有的“数据”？

• 当大部分企业遭遇“有痛点，无场景”的困境，组织应该如何拥抱AI？

• 当创新面临95%的失败率，我们如何理性看待创新的成本与必然？

这场对话从商业本质、组织逻辑与产业进化等层面，共同探索AI价值真实发生的路径与条件。

以下是“36氪未来产业”对巅峰对谈内容的整理，内容略经编辑：

模型之间没有本质差异，最后企业间的竞争是模型+数据的终极效果

冯大刚：明略科技最近上市了，是“中国最大的数据智能应用软件供应商”、“全球Agentic AI第一股”，公开发售4420倍超认购，这些都是非常漂亮的成绩。

从2006年开始创业做秒针，到现在已经19年了。今天被称为Agentic AI第一股，是公司完成了从数据智能公司到AI公司的转变，还是说只要上市，叫什么概念无所谓？

吴明辉：我们团队在公开市场定位自己、讲自己的资本故事的时候，也在思考我们的故事到底是讲给谁听的？最后我们想得很清晰。

如果我们讲一个很sexy的故事，让所有股民都熟悉我们，那讲Agentic AI大概没有人懂。如果我们蹭概念的话，应该蹭大模型第一股，但毫无疑问我们没有蹭这样的概念。

所以如果从我们的关键词来看，肯定不是面向资本市场讲的，就是面向我们最终的客户讲的。

明略科技19年的历程，我们服务的很多都是大型企业，包括一些世界500强，包括非常优秀的中国民营企业。这些企业，大家今天确实在探索AI的边界、探索AI怎么真正在企业落地。所以Agentic AI这个概念，肯定是面向企业讲的。

资本市场怎么认可我们的价值？我觉得这里面有几点：

第一点，明略科技从秒针做起，到今天我们肯定是在企业级市场，除了阿里、字节、腾讯等平台型的互联网公司以外，我们肯定是拥有在平台以外数据最多的一家企业。不光是拥有，也有可能是连接。

最近，大家可以看到在硅谷或者美国真正拥有领域数据的企业，它的valuation都是在被重估的，因为大家都觉得模型已经强大到如此水平了，模型和模型之间没有本质的差异，就算有差异，可能半年之内就被追上了。但最后企业与企业的竞争，一定是模型+数据的终极效果。

我觉得资本市场认可我们，可能会思考到一个点，跟美国的投资者是一样的，就是你在过往这么多历史，积累了很多通用模型在公开互联网上获取不到的数据，所以这是一部分的价值。

第二部分的价值，我们是做toB的，明略科技服务了30%的世界500强，大中型客户有2000+以上，中小企业客户就更多了。我们在企业级服务里面，拥有客户数量肯定也是很多的。

但今天在我看来，真正价值最大的一部分，老的业务和数据可能是一方面，但很重要的一点是我们的团队从第一天就是要做AI的。

我本人2006年创办公司，确实有19年了，我创业的时候是北京大学计算机系研究生二年级的学生。我是2000-2004年保送北大基础数学系本科，2004-2007研究生保送了计算机系人工智能模式识别与图像处理专业。2019年的时候，我在职的情况下又回北大读了新一代人工智能多模态大模型博士，所以我是实实在在从创业第一天就要做AI的。

其实我们从2020年就开始做Agent，收购了Manus前身的“微伴助手”这家公司，做了很多工作，包括我们最新的Agentic Model，自研的模型非常厉害了。

所以我们肯定不是蹭概念，这个概念对资本市场没意义，大家可能都不知道Agentic AI是什么意思。

冯大刚：从明略创业的19年以来，中国企业经历了非常多的数据化、自动化等概念，每次出来一个新的概念，它们就会重新被鼓舞一次、被武装一次。

如果我们过去几年真的变成了一个数据+智能的公司，我们今天能提供的什么东西，是五年以前做不到，今天能做到的？

吴明辉：在过去两三年或者过去五年里面，从人工智能技术领域来讲最大的一个变革还是预训练技术，这是GPT开创的。

我记得我读博士的前期，GPT在我们做自然语言AI综述的时候，还不是一个最重要的技术。但是2022年、2023年以后，全行业都形成了高度的共识。有了预训练技术，今天的基础模型吸收了整个互联网上面的世界通识知识之后，各行各业的Vertical AI研发成本都大大降低，这件事情使我们在不同领域的工作都有巨大的进展。

比如以前广告数据分析，我们帮客户做舆情分析、消费者洞察，要分析短视频、图片、文字评论等多模态数据，分析成本很高，数据标注成本也很高。今天这些标注仍然还需要，但是它的成本大大降低了，因为基本上通识知识都不需要标注了，大模型都可以做到了。

而我们更需要标注的是行业里面的新概念、新产品、新SKU。比如我们的客户真要定量分析iPhone17的销量变化，这个时候单靠大语言模型是不够的。因为大语言在iPhone17发布之前，不知道iPhone17是什么，iPhone17的定义需要非常精确的，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”（本体驱动的智能体)，核心点是如果今天在企业里面真的要做定量数据分析，不去编辑知识图谱和ontology，是不可能做到的。

大语言模型不是说产生幻觉，其实就是一个稳定性问题。比如我们在大数据处理的Infra这一层的积累，仍然需要跟大语言模型很好地结合，这都是我们历史的积累和新技术之间的交叉关系。

另外一方面，在我们的database里面存了很多各行各业独有的Data。我们在广告行业积累了很多消费者情感的数据，比如消费者看到广告之后的脑电信号变化，他们的眼动也就是注意力变化，这些数据都是互联网没有的。

我们在去年、前年，先后在几个多媒体和多模态大会上，有一些论文拿到最佳论文和最佳论文提名奖，因为我们把这些数据跟通用大语言模型训练到了多模态模型里面，这是今天这个技术完全做不到的，但有了之后，它会颠覆我们所有的行业。

包括现在做的GUI模型，就是让AI能够理解一个软件的操作，连接更多的软件，让AI去代理去操作软件。最近豆包手机发布之后，我跟投资人介绍我们的产品，他们都非常容易理解了“那个是豆包手机，你们就是明略电脑”。

我觉得今天所有做AI的创业者和在上一代拥有海量数据的企业，都会享受很大的红利。

AI在企业落地是一种创新，任何的创新都有95%的概率会失败

冯大刚：我们换一个角度衡量问题，我看到明略的财报，其中有90%左右的收入还是来自于过去的营销、营运等收入，来自于AI的大概不到10%。

首先，我们怎么证明这个时代真的变了？你觉得再过三年、五年，我们来自于AI收入比例占多少？另外一个更深层的问题，你觉得有没有必要把这两个东西区分开？

吴明辉：这是非常好的问题。首先大家看纯AI公司，美国的Anthropic、OpenAI公司，他们今天的收入还是在Token上产生。我相信中国的几个基模的创业公司，很快也都会登陆资本市场，但他们的收入从绝对体量来讲还是比较小的。

也就是说今天仍然是AI商业化的前期，纯新型的AI收入是卖Token。我们公司陆陆续续也会产生卖Token的收入，因为我们确实有很强的模型，而且不是开源的，直接可以在Token上赚钱。

另一方面，大家看今天AI商业化落地的最简单的方法，可以看一个老业务的bottom line有没有被优化，以及老业务在bottom line优化过程中，它在算力和Token上的消化情况。

比如我们去年的收入大概是十几亿，逻辑上来讲，很多这样体量规模的公司，推理和日常员工使用的Token算力的成本可能是几百万到头了，甚至只有几十万，很多人买了Token都是用不掉的状态。我自己刚做完明年的预算，明略这方面肯定是以亿的规模往上走的，可能一亿都不止。我们预测自己在Token上的消耗，可能将来是十亿、二十亿的规模。

我觉得大家首先要看你这个企业在里面做的投资是否是很重的投资。另外一方面，如果大家看我们的bottom line，肯定是有巨大的优化。我们最高峰的时候亏损差不多10亿，今天我们经调整的报表其实已经盈利了，它意味着你的工作方法一定产生了巨大的变革。

从这个角度来讲，一个有年头的公司，要考虑的第一件事是怎么用AI把原有的业务变得更加健康，在这个过程中再沉淀出新的能力。新能力的沉淀，反而对于有传统业务的公司有巨大好处。

比如今天在AI领域，大家讲Agentic Model做得最好的是Anthropic。Anthropic有一个写代码的Agent，一年应该有几十亿美金的收入，很厉害。为什么它做得好？这里面很重要的原因是它的创始人很早就开始要求全体员工写代码必须用这个写。如果它只有5个工程师，坦白讲都做不好这个产品，是因为相当于这个moment它已经有500个工程师。今天Anthropic几乎所有的代码都是用Claude Code写的，它的Agent、Agentic Model就可以做得非常好。

从明略来讲，我们现在1800名员工，写代码不是我们公司卷的最大的方向，我们还是用别人的模型就够了，明略真正卷的方向是Data Mining模型和智能体。我敢说我们今天的DeepMiner，应该是在全世界这个领域最牛的，因为我们有好几百号数据分析师，这些数据分析师每天都在用我的DeepMiner在做Data Mining的工作，我们在背后还是用自己独有的模型。

比如我今天找大客户，说你把组织改了，那它几乎不可能去拥抱AI，但是我自己的公司很容易。所以这几百人号，我告诉他你只能用这个，你不用就不能在这个公司工作了。从这个角度，我倒逼出来非常优秀的AI Agent和对应的Agentic Model，所以这是有很大的优势。

冯大刚：我们经常做大量的企业报道，看到企业落地AI过程中有很大的困难，叫做“有痛点，没有场景”。

他的痛点可能是非常分散的、不系统的，只能描述一个具体细节，但是不知道整体应该怎么解决，以至于最后企业不愿意为AI付费，跟今天非常火热的资本市场投资相背离。造成这种撕裂最大的问题在哪儿？

吴明辉：我觉得今天大部分的企业落地AI遇到的挑战，还是组织问题，就是组织能不能自上而下整体性拥抱AI。

冯大刚：你说组织是一种决心问题吗？

吴明辉：决心可能大家也都有，关键是要落到行动上，这就很不容易了。

因为它天然很难的是什么？小公司组织问题会简单很多，现在流行AI Native组织，5-10个人，它的业务量也小。它的AI整完了以后，1万元变成10万元，变化不大。但大的组织，500强企业一年有几百亿投入、上千亿收入，这个组织问题就极其复杂了，怎么让这么大的组织突然一天就拥抱AI？

AI来了公司之后，就是一个新的物种，相当于大量新的聪明的应届毕业生加入公司工作，实实在在就是一个组织问题。而且每个AI模型、AI工具都有自己的特点。所以上一代从IT信息化进到企业的过程，就涉及到很多组织流程再造、组织变革，而变革都是一种创新。

前两天互联网上有文章说“95%都失败”，我觉得这个写法是客观的，但大家也不要觉得AI有问题，所以导致了95%都失败。本质原因是今天AI在企业落地，它就是一个创新活动，任何一个创新活动都是95%的失败，这不是危言耸听。不是说AI有问题，是任何一个AI创新都是95%的失败概率。

冯大刚：如果过去数据化、自动化创新是95%失败，你觉得整体数据化、自动化这件事情是成功的吗？或者换一个哲学问题，如果一件事情95%的尝试是失败的，是否能说这件事情是失败的？

吴明辉：我觉得不能这么说，因为这里面有一个重要的维度叫“时间维度”。

今天这一代AI刚刚开始，在第一年里面它称之为创新，可能是95%的失败概率。等到第二年、第三年，在很多行业里面第一个客户已经用好了，其他客户就不叫创新了。不叫创新，成功率远远大于95%，可能50%、80%了。所以50年、100年以后，最后的结果是不用AI的公司，没有人活着，或者只有5%人还活着。

就像当年我们学计算机一样，今天哪一个公司不用计算机。但是计算机刚出来的前一两年三年，很多公司说我们的IT、信息化成功率只有5%。我觉得大家要加上时间的维度，你不能说今天是失败的，永远都是失败的，不可能。

冯大刚：在这个过程中，明略怎么帮助客户成功？

吴明辉：坦白讲，今天成功的案例也没有那么多。我们做AI做的时间已经非常久了，大动作上，我们已经做得非常多，最大的动作是跟大型客户直接成立合资公司。

比如说百胜餐饮集团，我们跟它有一个合资公司，这里面有大量的数字化系统、AI系统，我们都是深度参与研发和共创。为什么？因为我们确实不懂它的业务，他们原来从AI、大数据各个不同的领域也很难有那么多的投资，或者有那么多的人才储备。所以跨界的组合，我觉得能够真正把领域知识和AI人才绑到一起，大家共享利益，最后用AI如果能赚到钱，大家一块分。这是一种形式。

第二种形式，今天大型组织解决不了问题，但小型组织又没什么问题可以解决。这个时候我们还找到了一个中间方案：大型组织过往有很多服务外包给别人，也就是各行各业都会有很多的Agency，比如广告公司、媒介代理。我提了一个新的口号“from Agency to Agent”，上一代是纯人肉帮客户代理服务，今天是新一代的、是人机结合的Agency，甚至是以AI Autonomous Agent为主导的Human-in-the-loop Agency。Agency组织变革相对容易，因为它不是大型的完整的组织，而是把某一个完整的业务流程外包出来了。

我们在这个领域做了很深刻的实践，比如客户在抖音上投广告、做短视频有大量成本，做广告视频、投流成本很高，他之前都是外包给Agency。今天我能不能改造Agency的工作模式，甚至我也可以跟Agency成立合资公司，所有这些都是我们今天正在尝试的，现在看起来应该是有效果的方法。

最近硅谷也有一些投资人在做类似的事，我前两天听说一个词叫“AI Rollup”，就是去收购上一代传统业务企业，用AI改造它，因为你已经拥有这个企业，就能改造了。所以我觉得大家还是要利益彻底绑在一起做。

AI时代，每个人都是布置作业和检查作业的人

冯大刚：我们自己观察，整个AI行业这几年明显在分层，我自己看到有三类公司：

一类是字节、阿里这样的巨头，他们做的是无所不包，或者说在做AI的基础设施“水电煤”；另外一类是一个公司只做Agent，做得非常垂直、非常细分，针对一个极其小的赛道，但可能收入、利润也不错；第三类公司是所谓的中间层，把一堆功能和东西集成在一起做了一套营销体系。

你觉得明略是否是其中某一类的代表？能否预测一下几年以后，这几类公司会有怎样的发展？甚至什么样的公司可能会消失、什么样的公司会做大？

吴明辉：从明略来讲，我们拥抱Agent是非常早的，我们在2020年就有这方面的投入。为什么我在这方面的投入很坚决？我觉得这确实是一次改变生产关系的机会。

在过去不管是企业级的服务还是to C，实际上有很多软件、生产资料是非常碎片化的。今天的Agent可以帮助一个用户，不管是个人还是企业，可以代理他很多的任务，帮他操盘所有的软件和应用，就像最近的豆包手机。所以，它是一次重构生产关系的重大机会。

我们这些小一点的公司，大家肯定希望争取到这些机会，所以大家要有这个野心，但这个野心也不容易实现，是一个非常有意思的行业博弈。这个博弈最终会走向何方？不知道。但有人会朝to C方向努力，我们可能会在to B赛道努力，这是我们第一个思考的问题。努力成功了也可能成为一个巨头公司，我们首先要有这样的野心。

但务实来讲，这件事情可能是长期博弈的过程。短期来讲，我们有两个事一定会做：

第一，我们既然是原来中国最大做Data Mining的公司，我们有最多的数据分析师和在平台以外的data，所以我们一定可以打造成为中国乃至全球最牛的做Data Mining的AI Agent ，这就是我们的天赋、禀赋，以及我们在这个领域有很好的投资和生态位所决定的，这是我们一定会做的一件事。这个能力非常通用，因为不是只有广告有Data Mining，供应链、制造业也有，每个领域都有Data Mining。所以我觉得它的潜在覆盖面不比AI Codding领域小；

第二，在垂直行业，以广告行业为代表要坚决做端到端整体的AI。这个市场为什么要做端到端？因为端到端了，才有可能享受最大的利益，这是从经济角度来讲的。另外一方面，实现端到端后，AI的优化也是更全面、效率最高的。尤其效果广告有最终的结果，所以它特别适合我们做强化学习、持续学习。这件事情，对我们来讲是非常有价值的。

所以“一横一纵”，其实就是各行各业我们都要做Data Mining。在个别的几个vertical领域，我们一定要去做端到端的，最后给客户交付有价值的AI。这些都是我们比较务实的工作。

冯大刚：刚才吴总讲到toB的时候，我突然想追加一个问题。我以前在经纬做投资，也看企服的投资，我好像经历了一个幻灭，中国SaaS好像出现了系统性的危机，中国的SaaS没有成功，不像美国to C、to B各占一半，我们当时认为中国的to B应该是这样的，但结果不是这样的。

我想知道你怎么看前几年SaaS热之后的幻灭，以及今天到了AI时代，整个to B产业、to B服务会有一个新的机会吗，我们当年的梦还能实现吗？

吴明辉：前两天我在我们公司的战略会上跟大家讲过这个事，我们to B公司的老板经常说，中国的to B是不是一个“盐碱地”，to B行业是不是还值得投资？

我自己觉得如果只看to B的软件，确实有可能是这个情况。因为软件行业其实就是雇一堆工程师写代码，首先你要有很好的有价值的需求，写的代码能产生价值。另一方面，所有的产品和服务的定价最后是要基于供需关系。在中国的软件行业供给，几乎所有的人都会写代码。说“所有的人”可能有点夸张，但今天以后基本上不夸张，因为AI也能写，意味着所有人都会写。所以这个行业变成了供给极丰富，从经济学角度来讲，最后的定价就不可能基于价值定价，只能基于成本定价。

需求端也是一样的，中国真正有钱的企业、赚很多钱的企业也没那么多，整个中国企业之间本身也很卷。这种情况下，企业其实也是希望抠每分钱，所以他会想办法跟供应商进行博弈。美国工程师没那么充足，基本上把几个工程师拉到一起，把一个团队建立起来，都已经可以融资了，因为大家觉得只要有这个团队，怎么着都能挣钱，哪怕做外包都能挣钱，而且很多公司就是这么赚钱的。所以我觉得在这个事上，中国和美国完全不一样。

但是中国企业服务是不是一个“盐碱地”，我觉得以后可能不是。如果你看每一家公司花不花钱？都花钱，只不过不买软件。企业服务和企业软件是两个不同的赛道。

未来的AI不是以软件的形式交付给客户，未来的AI有两个大赛道：一是数字员工，它拿的是数字劳动力市场的钱，数字劳动力不是软件；二是具身智能，拿的是蓝领的劳动力的钱，就是物理世界的劳动力市场。这两个市场按照黄仁勋的判断，都是百万亿美金级别的市场，所以我觉得这个仍然是非常大的机会。

冯大刚：未来如果一个大学生入职这家公司，老板跟他说你部门有10个人，但只有你一个人是物理上的人，另外都是Agent，有可能吗？

吴明辉：完全有可能。甚至将来都不一定有“入职”的概念，就是每一个人都应该在就业之前做自己的Agent，把你的Agent派给你的老板，给你打工。每个人做Agent，你的Agent去上班，你在家里面优化你的Agent就好了。

冯大刚：这是我们讨论AI时代的组织问题。我们也有一个判断，过去很多所谓的管理者管流程、管数据，他们管的东西可能在未来没那么重要了。所以如果我今天是一个公司的初级或者中级管理者，我怎么能够让自己持续有价值，不会被开掉？

吴明辉：我2023年在一些商学院讲课的时候，建议大家重新读一下《管理梯队》那本书，大家每个人给自己定位高一层就好了，因为你底下有一层AI了。每个人定位高一层，你作为一个一线员工，你要想你也是一个管理者，你要管AI。你作为一个一线管理者，从管普通员工变成了管管理者，因为你所有的员工都要会管AI，这个其实是一个简单的思路。

但坦白讲，未来可能中层管理者就会越来越少，我觉得这是一个必然会发展的趋势。

冯大刚：如果你已经是创始人、CEO，那管理梯队上就没有上一层了。创始人怎么在AI时代保持自己的价值，哪些东西才是创始人不会被取代的东西？

吴明辉：这是一个特别好的话题，我觉得不光是创始人，每个人可能都可以按照这个维度去思考。AI时代，每个人都是布置作业和检查作业的人，做作业肯定让AI做了。

所以对于创始人来讲，最核心的几个事：第一，设计公司长期和短期目标、价值体系。就是价值函数、奖励函数，我们公司的使命愿景是什么，到底要做什么，我们的短期激励是什么、对于每个员工的激励是什么。就是设计公司什么是对的、什么是错的、什么是好的、什么是我们应该做的、什么是不应该做的。这件事情永远是企业管理者制定的，AI不可能给你制定这个事。

前两天美国AI大神AK讲了一件事，他发现AI是一种新的计算范式。以前大家学习代码是plan学习的过程，而AI今天不是，AI是说我们的人告诉它我要的结果是这样的东西，你帮我explore，它是一种新的计算范式。所以对于企业CEO来讲，核心还是规划企业的目标，去设计这里面每个事的benchmark、审美是什么，什么是对的、什么是错的，这是由人做主的。

第二，对于企业CEO，包括每一层管理者来讲，一个很重要的职责是AI永远不可能替代的，就是你要take responsibility。公司做得好，是我来承担责任；做的不好，也是我来承担责任。AI能给你承担责任吗？不可能。

冯大刚：所以你觉得AI不可能当CEO？

吴明辉：AI不可能当CEO，必须是人当CEO，我向董事会take responsibility，管理者首先要承担你的职责，这件事情机器人永远不可能承担。