明略科技吴明辉：新一代AI互联网已来，可信是核心

创业与技术探索的二十年

吴明辉从2000年保送北大数学科学学院开始，便踏上了一条与技术深度交织的创业之路。虽然他所在的北大数学系被誉为“黄金一代”，但他并未选择走纯数学研究的道路，而是意识到自己的兴趣在于交叉领域，由此开启了AI和数据智能的探索。

他早期在北大计算机系攻读硕士期间，专注于机器视觉和语言模型的推荐系统，为后来的创业打下了坚实基础。2006年，吴明辉在读研期间创办了秒针系统，最初聚焦广告监测领域，随后逐步扩展到企业级数据分析。这一阶段，他提出了“聚焦”原则：通过专注解决某一类问题，剔除冗余设计，从而在有限资源下实现极致性能。

这种专注和持续的技术积累，使明略科技在2025年成功登陆港交所，股票代码“2718.HK”象征着自然对数底e的复利精神，也标志着他正式迈向Agentic AI这一前沿赛道。

Agentic AI的前瞻布局

2025年，明略科技推出了商业数据分析智能体DeepMiner，明确提出“数据驱动的可信生产力”作为企业定位。吴明辉强调，当AI能够生成高度逼真的广告内容时，行业真正的稀缺能力不再是“制作”，而是“洞察”——即基于真实、可靠的数据理解消费者意图并制定策略。

为了实现这一目标，明略构建了一个闭环系统：通过DeepMiner连接广告与营销领域的专业数据库，AI智能体基于数据生成策略，调用创意工具与投放平台执行任务，并根据反馈结果进行迭代优化。这套系统不仅提升了效率，还增强了企业在数据使用上的可控性与可信度。

值得一提的是，吴明辉在2019年果断决定回北大攻读博士，研究多模态AI。这项决策催生了超图多模态大语言模型HMLLM，以及后来全球领先的GUI操控模型Mano。Mano在Mind2Web和OSWorld测试中排名第一，标志着明略在Agentic AI核心技术上的突破。

“可信”成为AI互联网时代的核心命题

吴明辉认为，随着AI生成能力的增强，信息的真实性面临前所未有的挑战。AI可以轻松生成逼真的图像、视频甚至虚拟场景，导致“眼见为实”的传统认知失效。他以自己滑雪照片被AI篡改为例，形象地说明了AI滥用可能带来的信任危机。

因此，他将“可信”置于企业使命的核心位置。明略科技致力于打造基于可信数据的AI系统，确保从输入到输出的全过程透明、准确。他提出，AI不仅要智能，更要“可信”，否则技术越强大，风险也越高。

这一理念也体现在产品设计上。DeepMiner采用“human in the loop”机制，允许用户基于自身数据和经验构建和训练专属智能体。这种人机协同的方式，既保留了AI的高效性，也避免了完全自动化的失控风险。

企业级AI Agent生态的构建挑战

尽管Agentic AI在技术和市场层面展现出巨大潜力，但吴明辉也坦言，其最大的挑战并非技术，而是组织层面的适配。在传统企业中，AI的引入常常引发员工对“被替代”的担忧，尤其是一线员工，可能缺乏使用AI的意愿。

为了解决这一问题，吴明辉选择“以身作则”，让公司内部成为第一个AI Agent落地场景。他将1800名数据分析师转型为产品经理，直接参与DeepMiner的研发和优化，推动组织从内而外的AI化。

他指出，未来广告行业可能会出现越来越多的“一人公司”，即个体基于AI平台提供专业化服务。这种模式不仅降低了运营成本，还提高了灵活性和个性化能力，推动产业结构的深刻变革。

对AI创业者的判断标准

在谈及AI创业的可持续性时，吴明辉提出了一个简洁却深刻的判断标准：是否还在“发论文”。他认为，持续进行基础研究、推动技术边界的企业，才真正具备长期竞争力。

他以DeepSeek、智谱和Kimi为例，说明这些走在前沿的公司仍在不断发布研究成果。而明略科技也在不断优化自己的数据集、建立行业基准和训练专有模型，形成技术壁垒。

吴明辉还强调，AI时代最核心的护城河是团队的学习能力与数据资产。他坚信，只有不断更新、迭代、深入理解技术的人和组织，才能在AI浪潮中持续领先。

未来愿景：从“AI工具”到“AI组织”

吴明辉对AI的终极愿景超越了“工具”的范畴，他提出“develop company as an agent”的理念，即将企业本身视为一个可智能化的系统。在他看来，未来的企业运作将像智能体一样，自动感知、分析、决策、执行，并不断自我优化。

这种构想不仅是技术的跃迁，更是组织和运营模式的重构。他希望将数学的简洁与AI的力量结合，打造一个更加高效、透明、可信的商业世界。正如他所说：“真正的成功，是让AI成为你思考方式的一部分。”