在AI技术迅猛发展的当下，企业形态与运营模式正经历深刻变革。明略科技创始人吴明辉提出“DeepSeek之后，每家公司都将成为Agent”的论断，揭示了AI技术对商业生态的重塑逻辑。这家从数据分析起家的企业，通过持续技术迭代，已转型为具备自研大模型能力的企业服务公司，其发展路径折射出中国AI创业者的独特思维。
吴明辉的学术背景颇具代表性：北大基础数学系保送生、计算机系研究生、多模态大模型方向博士，这种“纯数学+AI”的交叉学科训练，使其既具备理论深度又强调产业应用。他坦言，早期受北大“黄金一代”数学家影响，曾面临纯粹学术研究与产业落地的选择困境，但最终选择将数学能力转化为商业价值。这种选择在2022年EIP项目挫败后得到验证——当时试图同时构建AI底座与前端应用的项目因技术预判过于乐观而终止，却为后续战略调整积累了经验。
技术路线选择上，明略经历了从数据智能到垂直场景模型的关键转型。2006年创立的秒针系统聚焦广告监测，积累了海量行业数据。2014年转型明略数据后，公司提出MAAS（模型即服务）概念，虽受限于当时通用模型能力，研发成本高企，但为后续发展奠定基础。当前推出的DeepMiner商业数据分析智能体，通过专有GUI大模型Mano在Mind2Web等基准测试中登顶，标志着其技术落地的突破。吴明辉强调，数据质量决定AI天花板，明略在营销、零售等领域积累的专业数据，构成垂直模型的核心壁垒。
面对国际竞争环境，吴明辉指出国产模型已具备突围条件。DeepSeek开源模型不仅降低企业AI应用门槛，更带动国产硬件生态发展。针对Anthropic禁止中国企业使用Claude模型的事件，他认为这反而凸显中国模型的价值——当国内出现能与Claude竞争的通用模型时，封闭策略将失去市场基础。目前，DeepSeek、通义千问、Kimi等开源模型已形成技术集群，明略的专有模型则通过细分场景深耕构建差异化优势。
在商业化路径上，明略采取“垂直应用+通用技术”的双轮驱动。战略层面，垂直模型可快速落地产生收入，通用技术则增强长期壁垒。吴明辉以英伟达为例，强调企业需在细分领域建立绝对优势。针对500强客户削减品牌广告预算的趋势，公司转向效果广告领域，通过AI优化销售转化链路，将广告监测能力升级为销售赋能工具。这种转型使明略在广告产业寒冬中保持增长，其客户涵盖135家世界500强企业。
创始人技术投入成为判断AI企业生命力的关键指标。吴明辉认为，观察模型厂商创始人是否持续发表技术论文，是评估其技术活跃度的重要标准。他特别提到，DeepSeek、智谱、Kimi等持续产出研究成果的企业，在技术竞争中保持领先。对于估值与收益背离的现象，他指出AI企业需平衡技术投入与商业可持续性，明略通过将超额利润投入研发，既保持技术领先又避免过度消耗。
在组织变革层面，吴明辉提出“企业即智能体”的治理理念。他借鉴字节跳动等企业的国际化经验，认为AI将重构企业组织形态。传统企业中的人效内耗问题，可通过智能体系统实现流程优化。明略内部推行的“发展公司作为智能体”理念，旨在构建以AI为核心的协作网络，这种变革已体现在其港股IPO计划中——招股书将“企业级AI Agent生态”建设列为核心亮点。
对于AI技术发展，吴明辉坚持“非共识创新”原则。他反驳“需求导向优先于技术导向”的论调，以百度、亚马逊、SpaceX等企业为例，指出伟大创新往往源于技术理想驱动。这种思维体现在明略的技术布局中：既保持对通用模型的技术跟踪，又通过专有模型构建细分领域优势。他特别强调“哥德尔不完备定理”的启示——任何技术系统都需借助外部框架验证价值，这促使明略建立数据集、基准测试等评估体系，确保技术演进方向正确。
在个人使命与企业愿景的交织中，吴明辉的追求不断升华。从早期“做出比自己更聪明的AI”到如今“传递数学之美，打造可信生产力”，其技术观已从突破能力边界转向创造社会价值。这种转变在DeepMiner的设计中尤为明显——通过可信数据框架确保AI输出符合人类价值观，解决商业场景中的信息失真问题。当被问及AI终极影响时，他提出技术演进将分两阶段：先解决生产力问题，再重构生产关系，而当前正处于变革的关键转折点。
