11月3日，明略科技-W(2718.HK)正式登陆港交所，首日表现亮眼，高开98.58%至280港元，市值突破400亿港元。该公司IPO定价为141港元/股，市场认购热情高涨，其中公开发售获得4452.86倍认购，国际配售也获得13.93倍认购。
值得关注的是，明略科技以不同投票权（WVR）架构上市，一方面保障管理层对战略方向掌控力，维持经营稳定性；另一方面亦吸引市场资本参与。截至2025年11月，全港WVR上市公司仅20余家，其总市值占比亦不足8%，无论是从数量还是规模成长性，具有明显稀缺性。
作为港股市场首家以”企业级AI大模型”为核心定位的上市公司，明略科技自成立19年来已完成7轮融资，吸引了腾讯、快手、红杉中国等知名投资机构参与。2020年，公司投后估值已超过200亿元。
在人工智能技术重塑各行各业的浪潮中，广告营销领域正在经历深刻变革。作为这一领域的长期参与者，明略科技及其创始人吴明辉的动向备受市场关注。
吴明辉拥有北京大学完整的教育背景，2000年凭借奥赛银牌被保送至北大基础数学系，随后保送计算机系人工智能模式识别与图像处理专业攻读研究生，并在博士阶段深耕多模态大模型方向。2006年，尚在读研的他就创立了明略科技的前身”秒针系统”，专注于全域全链营销服务。如今，明略已为超过135家世界500强企业提供专业服务。
在上市筹备的关键阶段，明略科技在过去一年完成了重要的战略转型。吴明辉强调：”明略不再仅仅是一家数据分析挖掘公司，本质上已成为一家拥有自主模型能力、专注于构建企业级智能体的公司。”
值得一提的是，吴明辉曾收购由肖弘创立的”微伴助手”项目，后者后来成为AI公司Manus的创始人。尽管同样聚焦AI智能体领域，但吴明辉明确表示明略选择了差异化的发展路径： “没有自主模型能力的AI公司终将失去竞争力，”
“未来商业价值的核心就在于各个行业的专有模型，”吴明辉指出。基于这一战略判断，公司自主研发了专业灵巧手模型Mano和专业指令推理模型Cito，致力于将细分领域的模型性能优化到极致，这也被视为明略构建核心竞争壁垒的关键所在。
随着战略转型的落地，明略同步推出了新专有大模型产品线DeepMiner。围绕公司新定位、生成式AI对广告行业的影响以及专有模型的未来发展等议题，吴明辉近期进行了一次深入交流，分享了其对行业趋势的独到见解。
定位于一家“做模型的公司”
问：最近的消息是明略科技港股IPO获证监会备案，上市对你来说意味着什么？您希望通过上市这件事，向市场和客户传递怎样的核心信号？
吴明辉：上市对我们来说是一个重要的里程碑，但它更是一个新的起点。这半年我们的变化非常大，我们完成了一次深刻的战略转型。我们不再仅仅是一家数据智能或营销分析公司，我们本质上是一家拥有自主模型能力、专注于构建企业级智能体的公司。
具体来说，我们重新定位为”做模型的公司”，重点是在细分赛道的模型能力上做到世界领先水平。比如在浏览器操作任务上，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。其中第二位是月之暗面，准确率远超其他通用大模型。这种能力让我们能够将AI技术真正转化为端到端的商业结果，而不仅仅是停留在对话层面。
问：您提出要”给大模型装上手脚”，重点转向企业级智能体。为什么”行动能力”比”对话能力”更能代表AI应用的下一阶段？
吴明辉：对企业而言，真正的价值不在于AI能和你聊得多好，而在于它能代替你完成复杂的、知识密集型的工作。比如操作复杂的电商数据分析软件、分析数百页的招股说明书，甚至直接完成广告投放。
我举一个具体例子：让Agent用浏览器打开Booking.com，查找中关村附近的酒店未来一周的房价，还要考虑4个人入住。这个任务需要执行二三十步操作，通用大模型在最后选择住房人数那一步就卡住了，而我们的模型能够完整执行。这就是行动能力的价值。
问：未来2-3年，生成式AI和企业级智能体将如何重塑企业运作？
吴明辉：未来企业运作将更加“智能体化”，每个部门甚至每个员工都可能拥有自己的专业智能体助手，还可能会出现代表企业利益的“销售智能体”和代表消费者利益的“购物智能体”进行谈判和交互的场景。
在我看来，内容将成为人、财、物之后的第四大生产要素，因为通过AI，内容的生产成本急剧下降，分发精准度极大提升，它不再是附属品，而是直接驱动增长的核心资源。
问：“幻觉”问题是AI落地的一大障碍，明略如何构建可信的行业AI？
吴明辉：我们通过两种方法解决幻觉问题：一是知识萃取与记忆外挂，二是领域特定优化。在我们的Agent系统中，有“知识记忆空间”。当专家与Agent交互时反复修正并确认了某种分析方法后，系统会将这个多轮对话压缩、提炼成关键知识，存入记忆空间。下次遇到类似任务，Agent就能直接调用这个被验证过的“模板”。
领域特定优化指的是，我们在广告、零售等领域，标注了超过1200个专业工具的操作界面。针对这些特定场景专门训练我们的模型，使得在操作专业软件时其准确率远高于通用模型。
问：明略在构建“可信AI”方面有哪些非做不可的原则和底线？
吴明辉：我们的核心原则是客户数据的私有化和本地化部署。我们坚信，涉及企业核心商业秘密的AI应用，绝不能完全依赖公有云。
因此，我们推出一体机解决方案，将模型部署在客户本地的服务器上。这样，Agent操作企业第一方数据时，所有数据都在本地处理，IP地址也是客户自己的，从而最大程度保障安全。没有几个客户敢把身家性命全交给一个在线的、不开源的模型。
“营销的本质没变，但手段变了”
问：你判断“生成式AI正重塑广告营销”，能否举一个具体的案例说明？
吴明辉：我们有一个叫“妙啊”的智能体产品，它可以直接生成广告脚本和抖音视频。这不是一个单纯的文生视频模型，而是一个集成了多能力的复杂智能体。
在成本方面，它集成了抖音热榜数据库、内容理解模型、素材生成工具、数字人合成等技术，可以快速、批量地生成视频创意，成本大幅下降。
在效果方面，其背后依托的模型具备对视频主观情绪的理解和打分能力，从而能够预测视频创意可能引发的情绪反应和最终效果，实现在量产的同时进行优选。
问：从移动互联网时代到AI时代，营销的本质发生了怎样的改变？
吴明辉：营销的本质始终没变，就是追求最终的商业结果。变的是技术和手段。
在AI时代，最大的变化是“内容”成为了第四大生产要素。AI能以前所未有的效率和个性化程度创造和分发内容。但核心没变的是，对用户需求的深刻洞察和实现商业转化的能力。
所有与最终商业结果无关的“支持性劳动”，其价值都会贬值。大家会更聚焦于干货和结果。
问：除了营销，明略智能体在哪些领域有新突破？哪些行业需求最迫切？
吴明辉：金融行业的需求非常迫切。比如分析上市公司的招股说明书，我们的DeepMiner可以接受“对某公司招股书做深度财务分析，重点分析净利润变化趋势并剔除非经营性因素”这样的指令，它能自动进行任务分解、调用工具、执行分析，生成专业报告。
我们看到最迫切的需求是那些数据密集、流程复杂、存在大量重复性知识工作的行业，如金融分析、电商代运营等。这些行业的共同点是，顶级专家有自己独特的“暗知识”，而我们的目标就是用Agent将这些知识固化、放大。
问：明略从服务头部大客户转向瞄准中小企业，智能体技术如何破解“高度定制、无法复制”的魔咒？
吴明辉：这确实是一次深刻的商业模式转型，核心是从售卖工具转向交付结果。过去我们卖SaaS软件，客户要自己学会使用。现在，我们直接用智能体为客户完成工作，比如直接帮客户做电商代运营、按效果收取GMV的百分比作为服务费。我们不再卖软件，而是卖智能体带来的商业结果。
对于中小企业，他们不需要理解复杂软件，只需要关注最终业绩。我们的智能体通过强大的工具使用能力和规划能力，可以标准化地操作各种后台，将定制化服务变成可规模化复制的产品。
“未来商业价值的核心在专有模型”
问：明略正积极借助开源大模型的力量，在”闭源自研”与”开源生态”的路线之争中，你的选择逻辑是什么？
吴明辉：我们的选择逻辑非常务实。我认为未来不应该是“通用大模型一统天下”，而是会是一个模型与工具混合、多种专家模型协同的世界。我们核心是打造专有模型。
对于通用能力，我们采取“拿来主义”的策略，哪个模型在特定任务上表现最好、成本最低我们就通过智能体去调用哪个。这可能是Claude，也可以是其他优秀模型。但我们真正的核心竞争力在于，我们能在细分领域将模型优化到极致。
比如在操作复杂的专业软件时，像卖家精灵这样的电商数据分析工具，界面非常复杂，有各种下拉菜单、滚动条，通用大模型根本操作不了。但我们的模型经过专门训练，能够精准操作这些专业软件，这是我们的核心优势。
问：今年9月，你们开发了一条新的专有大模型产品线，叫DeepMiner，其核心模型是什么？
吴明辉：我们自研了两款专有模型，专业灵巧手模型Mano，和专业指令推理模型Cito。Mano可以在各类软件和浏览环境下实现精细化操作；Cito则可以优化复杂任务规划，提高任务的效率和准确率。
在我们看来，真正能“卷”出商业价值的，也将会是各个垂直领域里的专有模型（Specialized model）。所以我们从去年做 HMLLM（明略自研的明敬超图多模态大语言模型）开始，我们就投入大量精力训练专属模型，有些甚至只为某一个具体任务定制。要想在一个行业里将AI真正用透并实现商业化，就必须采取这种务实的态度，逐个场景去攻克。
这也是为什么很多通用模型公司，除了写代码这类标准化任务能赚钱，在其他行业里离钱还很远——根本原因就是离真实的业务战场太远了，连客户要解决什么问题都摸不清。
问：您觉得专有模型的终极形态会是什么样的？吴明辉：我对“专有模型”的终极形态有个猜想，就是“模型工具化”。通用大模型虽然能力强，但太通用反而容易出问题，比如产生幻觉。而专有模型只做一件事，反而更专注、更可靠。
在我看来它们的最终形态不再是单纯的模型，而是模型和传统工具的混合体。未来垂直领域的任务大多会被“工具化”，但这些工具可能不是靠人手动开发，而是由AI基于大量的行业知识自动构建和优化的。
举个例子：未来我的模型Mano 会成为垂直领域里一个高度智能的自动化脚本，专门负责在软件界面上进行精准的操作；Cito会进化成垂直行业的“规则引擎”或“决策大脑”，专门负责复杂的逻辑推理。
问：未来不同企业之间最终的胜负手会取决于什么？
吴明辉：未来的输赢可能会取决于你掌握的行业特有知识和数据。谁的模型能基于这些独有的资产，在安全、低成本的环境里高效部署，解决实际问题，谁就是赢家。
这其实也是DeepSeek的创始人梁文锋所做的战略选择：不去和巨头们硬拼C端的通用产品，而是深耕垂直行业，比拼谁能在特定领域做出更高性能的解决方案。我们的路径就是结合垂直行业去打造专有模型。
“Manus定义了Agent的范式，但我们的路径不同”
问：Manus的创始人肖弘曾经是你的同事，你怎么看待manus这家公司？
吴明辉：Manus对于整个产业最大的意义在于，它应该是全球第一个真正地把“Browser Use”（网页操作）和“Computer Use”（计算机操作）这两个关键技术引入到Agent行业的公司。
在它之前，像GPT这类早期的Agent，其可以执行任务的工具基本上只有一个，就是联网搜索。而Manus革命性的突破在于增加了两个关键能力：一个是“Browser use Agent”，这使它能够操作浏览器；另一个是调用一个虚拟机，相当于它可以远程操作一台电脑，在终端上执行命令功能。
这个设计是伟大的。它把浏览器和电脑这两个作为入口级的工具加入到Agent里面，使得Agent的能力被无限扩大。我举个亲身使用的例子：我曾给Manus传了一个视频，让它帮我将视频加速一倍。它当场就去用模型查询在电脑上完成这个操作应该用什么软件，然后下载并执行了任务，处理好了我的视频。
所以它的核心价值在于，当Agent能够规划各种复杂任务，并能通过浏览器和计算机来执行时，理论上，未来大部分基于电脑的知识密集型工作都有机会被AI取代。
问：同样布局Agent领域，明略科技的DeepMinder和Manus的区别在哪里？
吴明辉：Manus这家公司的特点在于，它是一个做应用的团队，本身没有模型能力。其模型能力都依赖于调用OpenAI等外部模型，这就决定了它和我们有本质的区别。
我们公司的定位是一家“模型公司”，不是定位为一个做Agent的公司，这是我们之间的核心差异。Manus的成功在于定义了Agent的交互范式，但从底层技术看，一个关键区别是“有模型”和“没模型”，我们做模型，而Manus是没有自己的模型的。
因此，虽然从用户体验上看，我们的产品DeepMinder在形式上可能与Manus有相似之处，但深层的区别在于，我们拥有自主的、在细分领域做到极致的模型能力。如果一家公司没有自己的模型，只是依赖外部模型，长远来看是没有前途的。我们的模型能力，使得我们甚至在未来可以作为“子智能体”（Sub-agent）集成到Manus这样的平台中去。
总之，Manus的伟大在于它开创了“强行动力”（High Agency）的Agent范式，但我们选择的是一条更底层、更具核心竞争力的道路——成为赋能这些Agent的模型提供者。
问：你希望明略科技最终成为一家什么样的公司？
吴明辉：我希望明略成为一家通过模型和智能体技术，重塑多个行业生产力的公司。我们不是一家做Agent应用的公司，我们是一家拥有核心模型能力，并能将这些能力转化为行业终极解决方案的公司。
短期看，我们可能成为最大的AI驱动的广告产业最大的公司之一；长期看，我们希望成为各行各业“专有代理式模型”的基础设施提供者。
问：对于当下想在科技领域创业的年轻人，你会给他们哪些建议？
吴明辉：我的建议是：不要试图做一个什么都能的通用大模型，要深入一个垂直行业，找到那个行业里通用模型解决不了、但又有巨大商业价值的“短板”，用专用模型去攻克它。
未来的机会在于行业独有的知识和数据，谁能用AI在保护这些数据的前提下，高性价比地解决实际问题，谁就能成功。社会是有分工的，AI创业也一样。
