摘要：不管是上一代的AI公司还是这一代“六小龙”中已落后的公司，犯的第一个错误就是他们的founder没有亲自下场做模型。这是最简单的一个判断，看这些模型厂商的创始人最近几年有没有发论文，只要发论文的就还在牌桌上。非共识是我想表达一个观点，你一味去遵从主流的想法，真

划重点｜

不管是上一代的AI公司还是这一代“六小龙”中已落后的公司，犯的第一个错误就是他们的founder没有亲自下场做模型。

这是最简单的一个判断，看这些模型厂商的创始人最近几年有没有发论文，只要发论文的就还在牌桌上。

非共识是我想表达一个观点，你一味去遵从主流的想法，真的是很难成功的。

AI先解决生产力的问题，终将解决生产关系问题。

“ DeepSeek 之后，每一家公司都是Agent。”这是明略科技创始人吴明辉的一个判断。

DeepSeek的开源大模型把AI技术提升到了一个新高度，企业形态和运营方式都将发生深刻的改变，核心在于，企业要像智能体一样运作，深度融合AI提升效率和竞争力，而非单纯使用AI工具。

明略更像这场深刻变革的一个样本。从一家数据分析挖掘公司演变成一家大模型公司，到底取决于什么呢？

吴明辉是2000年通过奥赛银牌被保送进北大基础数学系的，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），博士进修了 多模态大模型 方向。

2000年的北大数学系被称为“黄金的一代”，出了多位数学家，最突出的一位是恽之玮，19门专业课满分，获过科学界的奥斯卡“新视野奖”。他和吴明辉说“我们学数学不是做应用的”。 这其实代表了北大追求学科研究纯粹性的传统，而吴明辉恰恰走向了另一端——应用（产业实践）。

这种少年天才一帆风顺带来的极度乐观，以及纯数学+AI交叉的学科背景，让他骨子里就带着对数学和AI研发的狂热。

因此，去年笔者和吴明辉曾经有过一场6个小时的对话，谈的却是一场EIP（企业级应用智能软件）项目的挫败。这件事情的难度是，他想做的是类OpenAI的语言处理能力加上微软的Copilot应用，既要做AI的底座，又要做前端的应用。低估了项目的难度，也低估了烧钱的程度。

换个角度来看，EIP项目的终结发生在2022年5月。如果换到现在，可能会有不一样的结果。成功的条件之一是天时，团队的认知能力和执行力如果基于现在的AI环境可能都大为不同。

从那以后，吴明辉也会被教训“不要拿着锤子找钉子”，但和他对谈时，他不认为梁文锋是有明确的“钉子”（应用场景）去做DeepSeek的。很多时候坚持去做一件事，可能会产生无法想象的价值。

在大模型时代，中国AI创业者呈现出了和互联网时代非常不同的特征。中国很多AI技术理想主义者，他们超前到达了“无人区”。从互联网时期的技术跟随者变成了大模型时代的局部引领者。这很大程度上取决于创始人的技术理想和思维模式。

技术路线上，最初吴明辉走的是数据智能—垂直场景应用。因为2006年吴明辉创立秒针，做的是广告监测和大数据分析，数据已经成了明略最重要的资产。吴明辉说：“数据质量决定AI的天花板，数据价值堪比石油之于工业革命。”

当2014年“明略数据”成立，明略从大数据分析挖掘逐渐转型到开发行业专属模型，为营销、零售等垂直场景制定解决方案，明略是中国第一个提出做MAAS模型即服务的企业。只不过那个时间点的行业专属模型在没有通用基础模型的助力的情况下研发成本巨大。但经过了EIP时期的战略调整和中国在开源模型的快速进步，今天吴明辉认为，明略的专有模型更加的务实和落地，是一家真正在企业级服务领域有商业化能力的大模型公司。

2025年9月，明略推出了商业数据分析智能体DeepMiner等。这更像寻找AI技术护城河的第二曲线。

战略上，垂直应用可以快速落地并获取收入，而通用性技术能增强技术壁垒和扩展性。

最近，明略科技正在冲刺港股IPO，这家被认为“中国最大的营销数据平台”的公司，在招股书里，要建设“企业级AI Agent生态”成了亮点。如果明略能顺利上市的话，将成为2025年具有大模型能力的公司在港IPO的第一股。

以下是腾讯新闻和腾讯咨询联合出品的栏目《海拔7950》和明略科技创始人、CEO兼CTO吴明辉的一场对话，如何把技术理想转化为可持续的商业模式？如何在资本市场的短期波动和技术长周期投入中活下来？都是普遍性的难题。

01

DeepSeek之后每一家公司都是Agent

《海拔7950》： 有报道称，DeepSeek计划2025年底前发布一款AI智能体的新模型，据说只需要输入简单的指令，智能体就可以执行多步骤的复杂任务。你曾提到DeepSeek开源是“人类的斯普特尼克时刻”，你觉得DeepSeek的智能体新模型会对全球AI竞争格局带来哪些影响？

吴明辉： 可以说大部分做Agent的公司，如果不像明略这种有自研大模型能力的公司，基本上都主要用Claude。今年到现在已经发布的，包括Kimi的K2，通义千问最新的版本，其实都还挺振奋人心的。虽然大家从综合能力上还赶不上Anthropic的Claude模型的水平，但也能打80分、90分了。

尤其是DeepSeek本身是开源的，不仅仅对于中国企业，我觉得对于全世界所有的公司，大家想基于AI Agent做事情，都有了一个很好的基础。因为DeepSeek，在今年初在AI领域里，尤其是做To B的AI，不是To C的AI，真正的专业技能服务、专业的工作方法是因为有了DeepSeek才成为可能。否则的话，如果这个市场上只有几个闭源模型，最后大家把所有的知识都给了闭源模型，那最后你的工作还是会被它革掉。

Claude Code其实是在不断地蚕食 Cursor 和Windsurf的市场。也就是说，如果今天你没有自己的模型，你就会不断地去喂公开的那个模型，我觉得这个不符合人类发展的方向。人类不可能只有一家公司赚钱，这个绝对不对，还是应该百花齐放。所以，我相信DeepSeek这个新的模型是会有很大的价值的。

另外一方面，我也关注到最近DeepSeek版本升级的过程，我感觉它还对国产的硬件有很大的带动作用。它整个算法底层的设计跟中国以华为为代表的这些芯片会深度绑定。

从我们自己的工作来讲，因为明略是做specialized model（专有模型），我们其实是在细分的应用场景和细分的技能层面上研发了自己独有的模型。但是，一个开源的、底层的base model（基础模型）对我们来讲特别重要。相当于有人给你训练出来了非常优秀的通识教育的本科毕业生，我们再去卷某一个细分专业的硕士和博士的专业，这个对我们来讲是非常有利的。所以，我对DeepSeek下一代的模型寄予厚望。

《海拔7950》： 最近美国AI公司Anthropic全面禁止中国企业使用它的大模型Claude，这个杀伤力有多大？

吴明辉： 其实短期来讲还没有完全封掉，还是有很多公司仍然在用，但是长期来讲不好说。因为对于Claude来讲，它其实是怕中国涌现出DeepSeek这样一些通用模型公司，最后赶上它。它倒不担心大家用它，它真正担心的是大家“蒸馏”它。它为什么不去封其他的国家？它也有所谓的敌对国家。因为那些国家没有人能研发出跟它PK的模型，只有中国人有，所以这是它真正担心的。

它如果彻底把中国所有做Application（应用）的公司都封了，对它来讲，首先我估计至少会损失一半的收入。跟国产芯片的道路一样，它会有一个时间的窗口。我觉得中国国产模型能跟上。

《海拔7950》： 现在哪些模型能替代Claude？

吴明辉： 国内这几个开源模型是全球领先的开源模型。不管是DeepSeek、通义千问、还是Kimi的K2，这几个开源模型都很棒。当然，明略做的是specialized agentic model（专有代理式模型），我们最近推出的专有大模型产品线DeepMiner，打造了全球第一个可信商业数据分析智能体框架。它的核心组件是专有 GUI （图形用户界面）大模型 Mano ，在行业公认的 Mind2Web 和 OSWorld 两大挑战性基准测试榜单中，都排在了第一名。其中第二名是月之暗面。

《海拔7950》： 你说过一个有趣的观点：DeepSeek之后，每一家公司都是Agent。这句话怎么理解？

吴明辉： 一个客观的现实就是，你如果到互联网上去看，几乎每一家上一代的软件公司都宣称自己在做Agent。“Agent”这个单词被计算机学界的人用来作为一个term（术语）都几十年了。只不过含义在不断地演化，Agent早期做的事和今天能做的事区别很大。

一个是2023年OpenAI的一个副总裁叫Lilian Weng，我北大计算机的师妹，她写过一篇博客“LLM Powered Autonomous Agents（基于大语言模型赋能的无人智能体）”，强调的无人智能体，是大语言模型赋能的。就是说以前的Agent因为大语言模型不够强，AI做planning的能力不够强，是做不到无人状态的。

但是被大家广泛认知到Agent的这个概念还要归功于 Manus ，把Agent带到了一个新的阶段。

它不仅仅是简单的思考了，还有你拥有的手和脚的能力是不是足够强？Manus其实是把Browser Use Agent（浏览器使用代理）和Computer Use Agent（计算机使用代理）真正地集成到了无人智能体里面去了。也就是说，以前的Agent就像一个打扫卫生的阿姨，来你家就带了一个抹布，现在她有一个完整的工具箱，里面带了80多种消毒液，各种各样的工具，吸尘器、擦玻璃机器，各种扫地机器人全来了，那她肯定能量是很大的。所以，Manus是开创了这样一个先河，相当于极大地扩展了这个工具的选择。

当然，这里面确实会出现很多技术问题。Agentic Model（代理模型）今天在使用上有非常多的技术不成熟，而这也恰恰是我们当前正在做的模型，专有模型Mano。

《海拔7950》： 我提前体验了一下你们新开发的大模型DeepMiner，它有好多ToB的功能？是否适合我这样经常资料处理的使用者？

吴明辉： 其实我们现在标准的版本是给几种角色的人用的：一个是做电商的操盘手；做商品的数据分析、广告投放的数据分析；二是线上营销和广告行业的人；还有金融的数据分析师。但是，虽然我也不是我们产品的标准用户，但实际上我每天都会用。我会用DeepMiner做一些desk research（桌面研究）。

像DeepResearch、Manus，其实这些产品跟我们的产品最大的区别是，我们的产品使用能力更强，我们可以集成大量的数据库，而这些数据库真正在做桌面研究的时候会很有帮助。

《海拔7950》： 你给DeepMiner的定位是什么？

吴明辉： 我们现在整个公司的定位是要去做“数据驱动的可信生产力”。“可信”是我们做AI在ToB领域最重要的事情。

《海拔7950》： 怎么理解“可信的AI”？

吴明辉： 互联网假信息太多，数据有很多假的，大量的在商业场景里面的问题，需要基于专业的数据来解决问题。我们希望能在AI领域解决这个问题，这就是我们的细分赛道的定位。我们公司名叫Mininglamp（矿灯）Technology ，就是要做数据挖掘，新发布的产品DeepMiner一听就是做数据挖掘的。

02 锤子的力量

《海拔7950》： 2014年你创立明略数据时，选择知识图谱作为AI技术突破口。你也多次提到“行业人工智能”，做的是垂直领域的应用。但你对明略的定位是一个做模型的公司？

吴明辉： 我觉得今天首先是鱼龙混杂，就是所有的人都在讲自己是Agent公司，但是，Agent确实有很多种不同类型的状态的。包括Anthropic自己还写了一篇文章，叫“Building effective Agent”，那里面还论述了几种不同类型的Agent。但是，因为这个本身也是一个复杂的term（术语），没有一个标准的定义。

但更重要的一点，我觉得Agent和Agent的区别就是你有没有自己研发的模型？你有没有自己独有的能力？这个决定了你这个公司能不能创造独有的价值。否则的话，如果你一个Agent公司，尤其是B端的，C端的可能还好，以前我跟Manus的肖弘也聊过（ 注：肖弘，蝴蝶效应创始人，其第一个创业公司夜莺科技2021年被明略收购，曾任明略SCRM事业部负责人 ），他觉得如果C端把它当成一个消费品打造的话，这个域名就很值钱，相当于市场上有任何好的模型，它都可以挂到它这个下面，本身就有流量。

但是B端不一样。B端的客户其实没有所谓的那么大的品牌的倾向，更多的是你的能力是不是真的跟别人不一样，真的强。B端的客户采购是非常理性的。所以，你一定得有一些自己独有的能力。而独有的能力，你说今天一个Agent里面的代码能多么有用？它一定要沉淀在模型里面。这些东西都是有机会成为一个企业的核心竞争力。

总的来讲，如果你选择一个细分的赛道，你有自研的模型能力，你的护城河是会更宽。

从我本人的使命愿景来讲，我就是希望做一个模型公司，不希望只做一个普通的软件公司，何况今天普通软件公司真的是太容易被这些写代码的模型公司给彻底替代掉，这是一方面。

另外一方面，我们要思考的就是，什么东西的泛化能力更强，一定是模型的泛化能力更强。当我们去做一个Application（应用）的时候，那个Application本身它已经被Application的界面给约束住了。像我们这些模型最核心的是它对外的输出是一个API（应用程序接口），AI的时代API有点像苹果的屏幕，什么都能干。乔布斯认为屏幕是一个比较灵活的interface（接口），最后就变成现在这个样子，这是一个非常伟大的发明。

今天Agent的user interface（用户界面）也经历了这样的一个变化，它跟人的交互可能还需要一个用户界面，类似于iPhone，类似于微信这样。当AI和AI之间交互的时候，就是通过API（应用程序接口），通过Agentic function call（智能函数调用）形式，它就是更加灵活的，什么都可以做的。这也是模型它非常伟大的变化，相当于interface（接口）和上一代的用户界面会有巨大的区别，使得它的能力边界会被极大扩展。

《海拔7950》： 对比通用大模型（如GPT-4）与垂直领域模型，明略选择垂直领域模型是否意味着放弃了技术通用性？

吴明辉： 我觉得这是个技术的路径问题。首先我认为不存在真正意义上的通用。今天你去看GPT和Claude这两个模型，也有非常大的区别。一个是跟人打交道更擅长，一个是跟机器打交道更擅长。跟人打交道的我们叫Chat Model（聊天模式），跟机器打交道的我们叫Agentic Model（智能体模型）。而且特别有意思的是，GPT-5发布的时候，说我的Agentic能力很强，因为它一度被Anthropic压制，大家都觉得我们这些写代码的人调模型API都会去调用Anthropic的模型Claude，没有人去调GPT了，所以它非常恐慌，GPT也在补Agentic的能力，但后来这个版本的发布也让ChatGPT变的不好用了，很多用户反馈体验变差很多，一堆做了版本的回滚。

所以，我认为没有真正意义上的通用。就是大家在这个世界上都有不同的存在。比如都是做饮料的公司，百事可乐和可口可乐也是不一样的。实际上不存在真正意义上的通用，大家都还是会各有专长的。

《海拔7950》： 市场上有一派观点觉得不应该先从技术出发，而应该先从市场痛点出发，找到应用场景再进行技术开发，才是正确的做事逻辑。你似乎不认同？

吴明辉： 我们很多情况下都不知道你做这个东西能干什么，我觉得模型公司一个特别有意思的地方，很多模型公司的创始人是不知道我做这个东西最后能干什么的，但是他也坚决去做了。过去几年有无数投资人都这么教育我，“不要拿着锤子去找钉子”，这感觉是个贬义词。实际上你看看很多人最开始就是相信AI是可以通用的，或者某一定程度上通用。绝对通用可能不存在，但在很大程度上是可以泛化的，能产生很大的你想象不到的价值。这件事情是很多产品经理最开始是没想到的。

做模型的企业某种程度上就是会有一种理想主义，他要想我这个事是个大事，有了这种决心的人才会做模型。

我感觉真正大成的可能都是拿着锤子找钉子的。为什么叫创业，或者说叫创新，那个场景不存在，被他创造出来了。

《海拔7950》： 有没有 “拿着锤子找钉子”的成功例子？

吴明辉： 当年百度谷歌出来的时候，能想到后来索引这么多信息，能解决这么多问题吗，没有。亚马逊最开始想的就是卖书。马斯克做火箭，大家觉得那个场景很真实吗？其实真正伟大的成功就是一个理想，一个梦想，很多就是创始人自己YY出来的。

我不觉得梁文锋是有明确的钉子去做DeepSeek的，我也不觉得ChatGPT的伊利亚（OpenAI联合创始人、首席科学家）有一个明确的钉子才去做锤子的，我真心不认为这样子。

很多人最开始创办企业的时候不一定想的那么明白，我将来在哪些场景可以用？但没想清楚也可以干，他其实有一个理念，心中是有个锤子，不一定已经有一个钉子了。

对我自己来说，我确实过去有很惨痛的经历，它的一个核心就是你要对技术的成熟度，转化周期有一个很好的预判。还有一点更难的是你要对需求侧的timing也有一定的预判，你别死在半路上。好在我们现在缓过来了，没死在半路上。我再去做“锤子类型”任务的时候，我肯定会相对保守一点，更加务实一点，但我心里做一个更牛的产品，能够给更多的人提供服务的产品的这个心永远都存在。

《海拔7950》： 这个就说到2022年明略的EIP（企业级应用智能软件）的项目，最终没有做成，算不算技术理想主义和商业现实主义的一次冲突？

吴明辉： 对，这是一个很大的冲突。我们当时的想法太领先了，连聊天的大语言模型都还没成熟的情况下，我做了Agent。今天再去看我2020年底，2021年、2022年我们在产品设计之初做的一些产品原型。那个时间点技术不成熟，我过于理想主义，同时对那个技术的成熟度的预判有点过于乐观。

《海拔7950》： 你有北大数学系的背景，是数学家，提到过“哥德尔不完备定理”，核心是：任何足够复杂的系统，其一致性和完备性无法在系统内部自证，必须依赖外部更高阶的框架。这是否能说技术系统是有局限性的？

吴明辉： 对，是的。

《海拔7950》： 其实像EIP（企业级应用智能软件）项目能不能说明，公司内部无法自洽，是不是需要通过外部市场反馈验证自身价值，而非仅凭内部技术逻辑？

吴明辉： 作为一个商业组织最后一定要通过外部市场反馈的。只不过我刚才说的问题是，你其实是要想清楚，如果所有人都能给你反馈的时候，竞争者就会很多，就变成百团大战，就是一个消耗战。真正伟大的成功都不是消耗战，不管是美团跟阿里、京东的外卖大战，团购大战，这些都是消耗战。最近有一个梗，大家都说All in AI，结果都All in外卖了，因为外卖（拼音waimai）里有两个AI。

比较成功的像余凯的地平线，黄仁勋的英伟达，他们做的事没有什么竞争，就是它有一个理想主义的预判，没有什么竞争。以前大家说了还要有非共识，我觉得这个其实就是我想表达一个观点，你一味去遵从主流的想法，真的是很难成功的。

《海拔7950》： 首先要有技术理想主义，其次要有自己独特的技术优势？

吴明辉： 是。这种技术独特优势往往也是因为你足够理想，你会持续坚持。十年之后突然发现，你就是全世界最牛的锤子可以砸所有钉子。

《海拔7950》： 说到外卖，为什么很多大公司之前立志all in AI，最后却“all in外卖”了呢？是因为外部资源或者资金的条件不支持吗，所以只能先做短期利益的？

吴明辉： 外卖消耗的钱不见得比AI消耗的小。它就是一个消耗战，是一个不创造科技价值的消耗战。我是觉得可以做，没必要消耗战，确实大家很容易卷进去，看上去确实来钱快，算起账来好像未来很大。

03 怎么判断一个创始人的AI技术能力

《海拔7950》： 我有一个疑问，你2006年还在北大读研究生时就开始创立秒针，创业都19年了，虽然你们的AI能力很强。但外界会认为“六小龙”这些AI新势力公司才是AI公司？

吴明辉： 核心是这个公司是不是还在持续学习，持续进步。微软建立时间更长，微软AI也很牛，真的还是要看这个公司是不是在持续更新，持续迭代。说白了这个公司的生命力跟你的生理年龄没关，跟你的精神气儿相关。

《海拔7950》： 在AI能力上，明略的护城河是什么？

吴明辉： AI时代最大最好的护城河，就是团队的学习能力，这是一个终极护城河，就是你的AI组织能力。我们是一个DayOne就想做AI的一个团队，包括我本人也是学这个的，我现在亲自下场做CTO。现在看，不管是上一代的AI公司还是这一代“六小龙”中已经落后的公司，他们犯的第一个错误就是进入到AI时代，他的founder（创始人）没有亲自下场做模型，不是真正亲自带领研发团队。

这个时代供给侧更重要，不是需求侧，我们看所有AI的本土公司，如果你的产品比上一代其他公司产品好一个代际的话，客户瞬间全部迁移过来。它的销售和营销成本是很低的，只要你的产品真正好。AI的产品有一个天然的特性，它的用户体验极佳，你跟它聊天，它就能干活；你打着字就可以干活，不用复杂的用户交互。用户体验这么好的情况下，销售成本低，前提你是一个好产品。这是你能看到的很重要的一点，然后就是学习能力、进步能力。

其次，今天做模型或者真正做AI公司的护城河一定是数据，除了团队的组织能力。你看最近为什么美国的AI挖人大战有一家公司很热，就是这个Scale AI，数据是这里面很大的护城河。数据公司又分为两类，一类是公开的数据，更多的其实就是你要找Scale AI公司帮你清洗数据，训foundation model（基础模型）,我们肯定不是做foundation model，我们做specialized model（专有模型）,这些model所需要的是不同的专业领域的工作所对应的数据，这些数据我们在有些场景本来就有很深的护城河，而且我们公司对数据是非常懂的。

我们在探索新方向第一件事情也是建立数据集，建立benchmark（标准），建立data pipeline（数据管道），我们肯定是国内最懂数据的公司之一，不敢说唯一，但至少可以说是之一。

我们是中国数据智能应用软件第一名，数据是一个很大的护城河。就跟美国DataBricks 为什么现在特别火一样，就是所有的人觉得模型这么厉害了，数据在谁那，有数据的公司就肯定能把模型应用好。

《海拔7950》： 数字经济的核心要素——算法、算力、数据，目前算力还是瓶颈吗？现在哪一个是中国公司开发AI的障碍？

吴明辉： 算力的障碍其实是被DeepSeek给打破了，所以要特别感谢他。

《海拔7950》： 现在一个瓶颈是数据吗？

吴明辉： 本质上来讲，DeepSeek既打破了算力障碍也打破了数据障碍。通用模型的训练的成本是需要很多的数据投入的。当然，它还需要很大的算力投入，这两个投入的体量是差不多的。因为今天DeepSeek，包括最新的一些开源模型的训练方法都已经很省钱了，这些优化之后，你预训练一遍花几百万美金，但实际上投入数据成本比这个还高，数据成本高于一次训练的算力成本。

但是今天开源了，开源了意味着你可以免费用，所以这部分的通识知识所对应的训练出来的参数你都可以直接拿过来用，数据没开源，至少结果给你了，你也可以base on（基于）它进行数据合成，做一个自己的base model（基础模型）继续去训练。

对于我们这些公司，我们积累了一个很重要的护城河，我所在的领域的data或者我想切的细分赛道的数据，我们去做BUA（浏览器操控）、CUA（电脑操控），我肯定是建了对应的数据集，这个数据集是我投入了很多资源、成本持续在优化。如果这个事我是全世界第一，大概率我的模型也是全世界第一。

护城河数据是非常重要的，我们确实在国内算是在B2B的赛道里面拥有数据非常多的一家企业了。

《海拔7950》： 怎么判断一个创始人的AI技术能力？

吴明辉： 你看看这些模型厂商的创始人或者做Application（应用）的创始人，他们最近几年有没有发论文就行。这是最简单的一个判断，只要发论文的就还在牌桌上。

《海拔7950》： 这个论文代表了他的技术能力和他的技术思考？

吴明辉： 代表了他还在研究、学习最新的技术。

《海拔7950》： 最近都谁发了论文？

吴明辉： 比如说DeepSeek肯定在发，智谱在发，Kimi也在发。或许还有我不知道的。

《海拔7950》： 我观察了一些AI公司，他们的估值和他们实际收益相差太大了。未来会有一批倒下吗？

吴明辉： 这个说实在的，不重要。这方面我们肯定会比他们有很多的优势，因为我们是赚钱的。首先他到底想干什么得想清楚，他干的那个事到底有多大，投入多大的资源，有多大的心力才能熬到那一天，也是要想清楚的。

今天亏钱正常，京东当年也亏很多钱，美团当年也亏好多钱。他想的很清楚，京东当年就是建基础设施，建基础设施投重资产亏的这些钱，长期能收回来就行，他能算清楚ROI（投资回报率）。今天一个AI公司亏不亏钱不是它最核心的评估指标，但是对于我们来讲，因为我是经历了周期的创业者，我肯定是不希望公司亏钱的。首先还是要稳扎稳打经营，同时我们也一定会坚决的把超出的利润大部分投入到模型研发上的。

《海拔7950》： 你觉得那些明星AI公司最后留在牌桌上的筹码是什么呢？

吴明辉： 对于某个细分赛道的坚持投资，最后留下来的团队也好，数据也好，还是要选对赛道。

AI先解决生产力问题，终将解决生产关系问题

《海拔7950》： 明略已经向港交所递交了申请，上市之后对AI方面有大的规划吗？

吴明辉： 规划一直有，你在不同阶段，你可以链接的资源不一样，上市之后能链接的资源更多。不管是从品牌、资金、人才上都有进一步的提升，这是很重要的。坦白讲，当年百团大战最后剩下的公司首先是融资融的最多的，否则你活不到最后一天。

《海拔7950》： 上市后钱可以解决很多问题。

吴明辉： 钱不能解决所有问题，钱可能只是一个必要不充分条件。造车也一样，没有钱想都不用想，有了钱那也可以很容易搞垮的，所以这是必要不充分条件。

《海拔7950》： 上市之后很大一部分钱要投向AI领域吗？

吴明辉： 肯定是，研发要持续投入。

我们现在采用的策略Specialized Agentic model（专有代理式模型），你没有卷通用能力全世界第一，你还可以在细分赛道去卷全世界第一，最后就变成一个战略选择问题，你不要打消耗战，消耗战一定是烧不起的，哪怕上市，可能钱一时半会都不够。

随着你的能力越来越强，它不影响你将来变成更牛的。就像英伟达最开始就是做游戏，做GPU，做显卡，他在那个领域做得特别强，最后变成AI。

《海拔7950》： 明略的客户有135家世界500强企业，但是目前即便大公司也在削减广告预算，怎么解决这个难题？明略的战略做了哪些调整？

吴明辉： 我们要做广告产业最大的公司，但不是原来的广告公司，是指这个产业最大的AI公司。首先要面向效果广告，效果广告一个最大的特点，就是有非常明确的结果。我们最早做广告监测，它是品牌广告，品牌广告没有快速的结果反馈。从AI训练优化的角度来讲，没有反馈AI进步不了，优化不了，效果广告非常直接。

对于这些500强企业也好，大公司也好，经济周期的时候，他会去削减品牌广告预算，但是不会削减销售预算的。效果广告本质上就是销售，抖音的直播本质是什么？不是广告，它是销售。

实际上我们更看重的是怎么用AI来解决这部分的工作，这部分对我们来讲是一个巨大的增量市场，客户肯定不会削减预算的。

《海拔7950》： Y Combinator中国创始人陆奇有个观点，企业要“系统化做全球公司”，你怎么理解这句话？

吴明辉： 用最简单的角度去思考，以前我们全球化的组织是以人的组织形成的。人仍然是很重要的，但是我们去构建一个组织还是要考虑这个组织里面的流水线是什么。制造业的流水线和我们今天讲的AI行业的流水线不一样，可能每个公司会有一个Agent。我以前在公司内部讲了一个概念，我在混沌学堂上还分享过叫develop company as an agent（发展公司作为智能体）。那个Agent就是system，公司是个system，以前的组织挺松散的，内部会有人和人之间的内耗，文化的不认同，各种各样的问题。

我相信随着AI越来越强，在工作中的人和人之间，反而会变得更简单。大家跟AI一起工作，AI也帮大家协调得更好，确实围绕AI去做事情，就是那个system。你做一个国际化组织，跟以前会很不一样。Manus现在已经国际化了，包括中国最牛的互联网公司像字节，国际化很成功，他背后肯定不是简单的人过去了，其实是一个system过去了，他那个system在那驱动了不同国家不同、不同市场的人在围绕它做很多事。这其实是一个很大的趋势，你构建的这个组织、人在里面扮演重要的角色。

《海拔7950》： 以前大家觉得AI提升的是公司的效率、公司的技术能力，事实上它把整个组织形态也做了改变？

吴明辉： 第一阶段是解决生产力问题，终将解决生产关系问题。

《海拔7950》： 你说过你个人的算法在不断被优化。你目前的理想是什么呢？

吴明辉： 这个理想有个人的使命层面也有公司的使命层面，最早个人使命就是做出比自己还牛的AI。后来从OpenAI之后，这个使命已不需要变成个人使命，因为这个事一定是几年时间就能实现的。

后来我的个人使命就改成了“把数学之美传递给身边的人”。我们公司的使命是“要打造可信的数据驱动的生产力”。这意味着什么？我们从最开始个人使命要做比我还聪明的AI变成一个对人好的AI，就是AI for Good，或者至少是一个可信的AI，这是非常非常重要的。AI干活的时候我要对它放心，它别骗我，别忽悠我，它给我提的建议也好，数据也好，支持也好，都是符合我的价值观，符合我的底层理念，这个东西值得我信任，这个很重要。

我们的一个大的梦想就是我们在企业里面，短时间内我们不会做ToC的产品，更多是面向企业，面向企业的时候我们希望我们打造的AI更多是在这个层面给人提供价值。

来源：晚晚的星河日记一点号