行业动?– 明略科技 //pgsoft-game.org 全球Agentic AI 第一?/description> Tue, 30 Jun 2026 13:05:04 +0000 zh-Hans hourly 1 //wordpress.org/?v=6.6.2 //pgsoft-game.org/wp-content/uploads/2024/08/未标?1.png 行业动?– 明略科技 //pgsoft-game.org 32 32 行业动?– 明略科技 //pgsoft-game.org/news/8143/ //pgsoft-game.org/news/8143/#respond Tue, 23 Jun 2026 06:04:20 +0000 //pgsoft-game.org/?p=8143

近日,微信AI助手”小微”开启小范围内测,用户可以在微信主界面直接与AI对话,让它帮忙点奶茶、设提醒、搜内容,甚至调起小程序完成交易。当14亿用户的消费入口从搜索框变成对话框,品牌现有的数字化资产能否被AI识别和调用,是一个需要正视的技术命题?/p>

从“人找服务”到“AI调服务”,入口逻辑变了

回溯过去两周,微信AI生态的推进节奏密集而清晰:

6?日,五大手机厂商宣布与微信达成A2A(Agent to Agent)合作;

6?日,微信发布开发者接入指引,支持小程序通过”自动模式”?#8221;开发模?#8221;接入AI生态;

6?7日,微信支付推出AI专属卡,打通从消费推荐到支付的全流程;

6?0日,”小微”开启C端内测?/p>

从协议开放到支付闭环再到C端入口,微信AI生态的基础设施在两周内初步成型。在微信发布开发者指引后,京东、美团、携程、滴滴、得物等头部企业密集宣布接入,截?月中旬,10余家企业已明确宣布接入微信Agent生态,覆盖电商、本地生活、出行、旅游、智能家居等核心场景?/p>

微信之外,其他主流AI平台的交易也在加速落地?/p>

豆包APP近日在北京、杭州两地灰度测试一键打车服务,由曹操出行提供运力支持;支付宝已完成3亿笔AI智能体支付?/p>

AI Agent 在多个平台同时打开新的消费入口。同时,也在塑造新的用户行为,建立新的入口逻辑:从?/strong>人找服务”转向“AI调服?/strong>”升?/strong>?/strong>

头部企业的快速响应,本质上基于同一个判断:当用户不再主动搜索,而是向AI提需求,品牌竞争的起点就?#8221;让人看到”前移到了”让AI读懂”。在Agent时代,不被AI理解和调用,意味着品牌可见度或将降低?/p>

?#8221;人找服务”的模式下,用户是决策主体。品牌的数字化建设围?#8221;页面”展开:优化搜索关键词、设计动线、投放信息流广告、运营店铺装修。核心指标是曝光量、点击率、转化漏斗。只要页面做得好、流量买得准,就能获得交易机会?br>

但在”AI调服?#8221;的模式下,AI成为决策中介。用户对AI?#8221;帮我点杯奶茶”,AI解析意图、匹配品牌、调用接口、返回结果,用户确认即完成交易。整个过程中,用户不看页面、不搜关键词?/p>

也就是说,品牌能否被看见,取决于AI能否理解它的服务能力,并将其纳入候选池?/p>

品牌的真问题:Agent看不懂你

?#8221;让AI读懂”成为新的首要任务,品牌会发现自己面前横亘着五个结构性断层,它们恰恰是过?#8221;人找服务”时代不必解决的问题?/p>

商品知识难以被Agent理解

商品的属性、库存、价格、评价等信息散落在不同系统中,缺乏结构化表达,Agent无法形成完整的商品认知,并准确理解调用?/p>

接口不标?/strong>

多数品牌的后端API文档残缺、定义不规范,历史遗留问题多,没有面向Agent的标准化调用接口?/p>

业务规则复杂

促销策略、会员等级、门店库存、履约时段等规则交织在一起,Agent在执行时容易出错或遗漏关键约束?/p>

推荐策略不清?/strong>

缺少Agent专用的推荐策略框架,以及用户需求理解后的商品匹配、排序和推荐的决策逻辑?/p>

多平台协议割?/strong>

微信”小微”、通义千问、豆包、车机等不同AI平台各有接入规范,品牌无力逐一适配?/p>

这五个断层的叠加效应是:即便品牌接入了AI平台,也可能因为”Agent看不?#8221;而无法被有效推荐和调用?/p>

明略科技「Agent Ready」方?/strong>?strong>构建AI入口品牌差异化竞争力

接入只是起点?#8221;Agent Ready”才是终点?/p>

以一个美妆场景为例,当用户对AI?#8221;敏感肌、通勤用、下午能拿到的底?#8221;,系统需要在瞬间完成意图解析(肤?敏感、场?通勤、品?底妆)、知识匹配(调用品牌私有知识库筛选SKU),以及履约校验(库存、门店距离、时段是否满足约束)?/p>

从一句模糊的自然语言到一个可执行的交易方案,品牌要做?#8221;Agent Ready”,涉及知识层、接口层、交互层、运营层等多方面的能力补齐,更多的还依赖于行业专属的意图理解能力?/p>

依托多行业场景知识库、海量真实消费者意图语料,以及多平台工程经验,明略科技?718.HK)已启动与微信、通义千问等AI平台对接实践,面向品牌方全面推出 Agent Ready 解决方案?/strong>

围绕四大方面,帮助企业布局AI入口,赢得用户心智:

需求理解优化:精准捕捉用户模糊表达背后的真实意图,减少沟通偏差,提升Agent交互的准确性?/p>

推荐策略调优?/strong>平衡用户个性化需求与品牌商业策略,让商品推荐贴合场景,实现用户体验与业务价值双赢?/p>

业务规则适配?/strong>灵活处理促销活动、会员等级、库存状态,以及门店服务规则,确保Agent执行逻辑符合业务规范?/p>

多平台协议适配?/strong>建立标准化的接入协议与适配层,快速兼容各类Agent平台与智能终端,降低扩展对接成本?/p>

当消费入口从搜索框迁移到对话框,品牌的可见性将在更大程度上取决于AI能否准确理解品牌的服务能力,并在用户表达需求时优先调用。这既是技术基础设施的升级,也是品牌重新定义自身价值的起点?/p>

扫描二维码,了解「Agent Ready」更多?/strong>

]]>
//pgsoft-game.org/news/8143/feed/ 0
行业动?– 明略科技 //pgsoft-game.org/news/8034/ //pgsoft-game.org/news/8034/#respond Mon, 15 Jun 2026 09:52:44 +0000 //pgsoft-game.org/?p=8034

6?日,香港教育大学知识交流中心(CKEx)在香港数码港正式开幕?/p>

开幕典礼上?strong>香港教育大学校长李子建教授与明略科技集团香港总经理张晓签署合作备忘录,双方在AI教育融合创新、大数据联合科研及创新人才培养等领域正式建立战略合作关系?/strong>

四大合作方向:从联合科研到人才培养?/strong>

根据合作备忘录,双方将围绕以下四大方向展开深度合作?/p>

共建”AI+教育”联合研究平台

双方拟共同挂牌成?#8221;教大-明略科技AI+教育融合创新产学研联合研究中?#8221;,围绕新媒体、社交媒体及”AI+教育”等方向开展联合科研。明略科技将开放旗下AI工具,包括商业智能体平台DeepMiner、开源Agent协作平台Octo、协作创作工具CoCraft等,为研究项目提供经过产业验证的技术支持?/p>

高管讲堂与课程融?/strong>

双方将探?#8221;高管讲堂”模式,由明略科技安排企业高管或合作伙伴高管担任教大客座讲师,重点覆盖新媒体与社交媒体、数码市场与电子商务、创意与数码艺术等学科方向,将行业一线实践经验系统性引入课程体系?/p>

实习游学与人才培?/strong>

双方计划共同建立实习合作机制,为香港教育大学学生提供北京、香港、深圳、广州四地的实习机会,探?#8221;学习—实习—就?#8221;贯通式培养路径,组织学生赴明略科技开展学术交流与企业参访?/p>

员工进修与双向交?/strong>

双方鼓励校企人才双向流动与提升,依托各自在教育及科创领域的资源,共同开展AI+教育相关课程研发与师资培训,推动人工智能技术在教学实践、教育管理等环节的落地应用?/p>

从左到右分别为:中关村京港澳青年创新创业中心驻港联络处主任黄岩、中关村京港澳青年创新创业中心主任张凯、香港教育大学副校长(研究与发展)陈智轩教授、香港教育大学校长李子建教授、明略科技集团香港总经理张晓、明略科技集团高级技术总监吴昊?/figcaption>

香港教育大学校长李子建教授与明略科技集团香港总经理张? 现场签约

AI技术吸引高校合作,明略香港布局纵深推进

适逢明略科技成立二十周年、香港教育大学正名十周年,双方在这一时间节点达成战略合作,既是各自发展历程中的里程碑,也反映出Agentic AI技术正从产业端向教育科研领域加速渗透的趋势?/p>

香港教育大学副校长(研究与发展)陈智轩教?nbsp;在致辞中表示?#8221;今日的合作,实现了政策导向、产业需求与学术发展的完美交会。从联合科研、智慧财产权商业化,到跨界人才的培育,我们正共同建构一个教育与科技创新无缝对接的未来?#8221;

明略科技集团香港总经理张?nbsp;表示?#8221;教育是AI落地最值得投入的方向之一。教大在教育研究领域的积淀,与明略在数据智能和AI Agent方面的产业实践形成了很好的互补。我们希望通过这次合作,把企业一线验证过的AI能力和工具真正带进学术研究和课堂教学,同时从学术端获得更前沿的研究视角?#8221;

明略科技集团香港总经理张晓在现场分享

活动现场

明略科技2025年进驻香港,同年11月登陆港交所?718.HK)。过去一年,公司在港布局逐步展开:加入香港中国企业协会,亮相InnoEX 2026国际创新科技博览会,今年6?日获纳入”港股?#8221;交易标的?/p>

此次与教大共建联合研究中心,标志着明略科技的香港布局从资本市场、行业生态进一步延伸至产学研领域。联合研究中心落地后,双方将围绕”AI+教育”展开系统性研究,推动Agent协作工具在教学科研中的实际应用,同时依托香港的国际化优势,为全球AI产业培养能够驾驭AI、具备产业实战经验的新一代数字人才?/p>

关于明略科技

明略科技?718.HK),成立?006年,中国领先的具备自研模型能力的Agentic Service企业?025年作?#8221;全球Agentic AI第一?#8221;登陆港交所。曾两度斩获吴文俊人工智能科学技术奖,多次入选Gartner、IDC相关报告,拥?400余项技术专利及500余项软件著作权。近年来,多个AI模型在全球权威榜单取得领先成绩。依?0年技术积累,明略科技已服?35家财富世?00强、约2100家品牌客户及?4万家企业用户,覆盖零售、消费品、汽车?C等行业?/p>

]]>
//pgsoft-game.org/news/8034/feed/ 0
行业动?– 明略科技 //pgsoft-game.org/news/8028/ //pgsoft-game.org/news/8028/#respond Mon, 15 Jun 2026 09:11:05 +0000 //pgsoft-game.org/?p=8028 过去两年,AI 行业的叙事重心经历了一次不易察觉但意义深远的转移?/p>

2024 年,市场讨论的核心问题是”谁的模型更强”。参数规模、榜单分数、benchmark 排名是衡量一?AI 公司价值的主要标尺。到?2025 年,随着基础模型能力逐步趋同,行业焦点开始转?#8221;谁能把模型用起来”——Agent 成为新的关键词,各类 Coding Agent、Browser Agent 层出不穷?/p>

而进?2026 年,问题再次前移:不?#8221;能不能用起来”,而是”能不能在真实的业务里跑出结果”?/p>

这个转变催生了一个概念的爆发—?strong>FDE(Forward Deployed Engineer,前端部署工程师?/strong>。Anthropic、OpenAI等头部公司都在大量招?FDE,但多数人对其定义仍然模糊。FDE 不是售前,不是咨询,不是售后支持。它的本质是弥补平台产品和前台最终价值交付之间的 Gap——连上了,技术就能创造价值;没连上,再好的模型也产生不了结果?/p>

?006年创办秒针系统开始,明略科技便在中国实践FDE。二十年来,我们在广告营销、零售、金融等行业积累了超?100家客户,核心能力始终是帮企业做数据治理和智能分析(Data Intelligence)?/p>

2025年开始,随着公司Agentic AI技术的飞速发展,我们的业务结构发生了一次关键性的重组:在原有的数据智能服务之上,生长出了一个全新的品类——Agentic Service(智能体服务)。两者的区别用一句话概括?strong>Data Intelligence是帮客户”看到数据”,Agentic Service是帮客户”用数据做?#8221;?/strong>

这背后指向的是一个FDE带着一群AI Agent,通过Octo(章鱼)平台协同工作的新模式。目前,明略内部已经有超?400名员工和3200多个AI Agent在该平台日常协作?/p>

在近日举行的分析师分享会上,明略科技创始人、CEO兼CTO吴明辉围?#8221;AI Native 组织中的 FDE”进行了系统分享?/strong>

以下为分析师分享会纪要?/p>

Q1:请系统介绍一下FDE的由来,以及它在AI Native时代发生的变化?/strong>

吴明辉:FDE(Forward Deployed Engineer)是Palantir首创的概念,指的是前端部署工程师。我们在2014年成立明略这个品牌时,英文名Mininglamp(Magic Lamp for Data Mining)就借鉴了Palantir,我们对FDE确实有很多研究和思考?/p>

FDE不是有了人工智能之后才火的概念。从Palantir最初做大数据分析,派最好的工程师到客户现场驻场,这个概念就一直存在。传统的软件外包或交付公司,交付后对产品缺乏改进能力。但Palantir的一线团队既服务了前台客户,也把know-how拿回来改进了自己的中台产品,最主要的是数据治理,也就是ontology的编制?/p>

这里面有一个核心原因是Context not Control。这一概念来自Netflix创始人哈斯廷斯的管理哲学:把所有信息的上下文充分授权给一线团队,让一线团队拿到信息后自己做决策,自下而上形成集体智慧和涌现。Palantir在军事场景也借鉴了这一理念。互联网公司的协同办公产品,本质上也是在组织里最大化共享Context?/p>

所以FDE的本质是弥补企业IT中台和前台业务人员之间巨大的gap。如果没有连上这个gap,AI的能力也好,大数据的能力也好,都产生不了价值?/p>

但在AI Native时代,FDE 模式发生了变化。大数据时代?strong>FDE主要做客户端的数据治理工作,帮前线业务人员构建数据中台,share context给人。今天,每一个前台业务人员都有自己的AI Agent,context不仅要share给人,还要share给AI?/strong>AI中台不仅要share context,还要share skills、share算力、share模型网关?/p>

所以在今天,FDE的本质是和客户形成共同目标(Objective),从客户那里拿到足够多的上下文(Context),在持续合作中把客户的品味(Taste)反馈给AI。这三样东西都是AI不知道的。当这些都拿到了,AI就能给出正确的产出?/p>

未来的FDE,推理思考能力反而是次要的,因为这些可以被AI接管。更重要的是跟客户达成信任、沟通互动的能力。他更像一个sales,把客户真正想要的和客户的taste拿回来,AI就可以协助产出最后的结果?/p>

Q2:明略的Octo 平台和上一代在线协同平台的差异在哪?为什么选择了开源?

吴明辉:今天AI写代码的能力已经强大到可以重新定义大型软件的开发效率。过去需要上千人开发数年的协作平台,今天几十个工程师配合AI就可以很好地完成核心功能。Octo的第一版由不到10位研发同事开发,很多用户在GitHub下载部署后反馈很好用?/p>

我们之所以选择开源,是因为大型企业都希望拥有一个开源平台保护自己的 Context。在 AI 时代,这些Context数据是企业的核心资产。真正有价值的生产数据都在人和 Agent 的对话中,但上一代在线协作平台目前还不支持一键导出?/p>

与此同时,很多硬件厂商也希望接入一个开放的AI协作生态。Octo的开源恰好提供了这样的基础。就像当年诺基亚、小米拥抱Android,共同构建了一个丰富的智能终端生态一样。我们相信,AI时代的协作平台也会走向同样的开放路径?/p>

Q3:明略转型为 AI Native 公司的核心驱动力是什么?跟大模型公司之间是竞争还是合作?

吴明辉:明略自成立第一天起就在做AI?/strong>我们并非转型做AI Native的企业。过去二十年,我们的Data Intelligence始终在为AI积累数据。早?020 年,我们便投入AI Agent研发。在AI 写代码的能力突破之后,我们抓住了机会快速上线,一直以来想做的事终于恰逢其时?/p>

今天我们选择了专有模型策略。我们看到的机会是:foundation model具备通用能力,但进入到业务场景,客户要考虑性价比。同时,客户还需要安全地把私有数据跟模型能力连起来,既有模型训练能力、又能连接客户私有数据。客户当然需要聪明的模型,但更需要安全、可靠且成本可控,这就是明略的机会。我们自研的Mano-P等模型在全球权威榜单取得的领先成绩为我们服务客户提供有力的技术支撑?/p>

Q4:客户转?AI Native 普遍面临什么挑战?明略有何建议?/strong>

吴明辉:所有企业现在都非常关心这个问题。我们发现给客户提供 AI Native 系统建设时,不是简单把 Octo 部署上去就可以。我们还需要给客户配备一?#8221;咨询型Agent”,内置科特八步法等转型框架,帮助 CEO 先想清楚如何运作,再设计转型路径?/p>

明略的先天优势在于,我们有大?AI Native 业务在推进。我们用AI改造专业团队,将方法论沉淀到Agent,类似于 OpenAI、Anthropic等AI公司与黑石、高盛的合作模式。未来我们不需要为客户派驻大量咨询工程师,一?FDE 带着一?Agent 就可以完?AI 转型的交付?/p>

最关键的一点:一号位必须亲自下场,对于还在探索中的企业,我们希望通过Octo平台和咨询型Agent,帮助他们缩短这个过程?/p>

Q5:当企业具备AI 能力后,明略长期提供何种价值?

吴明辉:当前,企业AI Native转型需要系统的工程。我们的核心增长点在于Agentic Service。在广告营销等垂直场景中,用AI Agent团队直接交付业务结果?/p>

长期来看,我们的商业模式是三层叠加:

第一层是按效果付费。客户按传统服务商的价格标准支付,我们按线索或GMV分成?/p>

第二层是定制开发服务。企业上了AI Native平台后,大量业务场景需要开发专属Agent。上一代SaaS是给人用的软件,未来一个场景就是一个Agent。我们的FDE带着Agent帮客户完成开发,按token消耗收取服务费。同时我们在后训练自己的代码模型,以更低的成本交付,提升这部分业务的利润率?/p>

第三层是私有化后训练服务。大型企业自建算力后,我们帮助客户在自有基础设施上完成模型的后训练和部署。很多企业需要优化token消耗、降低长期使用成本,这正是我们能持续提供价值的地方?/p>

这三层不是替代关系,而是随着客户AI成熟度的提升逐步展开。即使企业具备了基础AI能力,在行业know-how、专有模型、工程化落地这些环节上,仍然需要专业的合作伙伴?/p>

Q6:市场上有观点认为大企业的Token账单正在失控,明略如何帮助企业把Token转化为有效价值?

吴明辉:我们观察到Agentic任务正在驱动Token消耗量级快速增长。Agentic Service的本质是把复杂任务分解成子任务,一个完整的代运营任务消耗的Token量可能是普通对话式交互的上千倍。但确实有些企业负担不起,核心原因是一线员工在用Token处理低复杂度任务,而非驱动能直接产生收入的业务流程?/p>

我们的解法是帮助客户合理利用Token,产出更高的价值。在Agentic Service场景下,我们不按Token结算,而是按业务结果分成。FDE自己就能看到收入和Token成本,能算P&L,每一个Token对应多少业务结果是可见的。在定制开发场景中,Agent的开发工作量本身可量化,我们按Token收取服务费,让客户为实际消耗的算力付费?/p>

同时,我们认为企业也需要分层使用模型。高频低价值任务用专用小模型,高价值任务用能力更强的模型,这才是合理的状态?/p> ]]> //pgsoft-game.org/news/8028/feed/ 0 行业动?– 明略科技 //pgsoft-game.org/news/8025/ //pgsoft-game.org/news/8025/#respond Mon, 15 Jun 2026 08:54:01 +0000 //pgsoft-game.org/?p=8025 近日,港股上市AI领军企业明略科技?718.HK)与全球领先、具备“硬软芯云”一体化能力的AI平台公司博泰车联?889.HK)签署战略合作框架协议?/p>

双方将整合明略科技在企业级可信AI大模型、智能体套件与精准营销领域的核心技术能力,以及博泰车联在端侧硬件入口、AI算力基础设施和车载应用场景方面的核心技术及资源优势,共同搭?strong>「AI×车×用户需求?/strong>链路平台?strong>以Token经济为底层商业逻辑,打?#8221;品牌营销预算—车端AI算力消耗—用户场景化消费”的完整闭环,探索”智能座舱即流量入?#8221;的创新商业范?/strong>?/p>

场景即入口:AI Agent赋能座舱消费体验

随着智能网联汽车渗透率持续提升,智能座舱正从单一的人机交互终端,向集出行、娱乐、消费于一体的”第三生活空间”演进。然而,当前座舱服务仍多停留于信息展示与功能调用层面,用户在车内场景中的真实消费需求尚未被有效激活?nbsp;

明略科技?/strong>发挥其在精准营销与品牌客户资源方面的核心优势,基于用户画像、实时位置及车辆状态构建精准推荐引擎,联合品牌方设计场景化营销策略?/strong>当用户途经餐厅、抵达商圈、或在充电等待时,AI Agent将主动感知需求,提供AI点餐、AI导购、AI预定等一站式消费履约服务,让智能座舱?#8221;信息展示窗口”升级?#8221;消费决策入口”?/p>

博泰车联将提供车载AI算力基础设施、AI Box硬件入口及车端应用场景,实现明略AI营销服务与车控、导航等原生能力深度融合。双方将共同拓展餐饮、零售、出行等品牌方入驻车载生态,建立全链路效果追踪体系,实现按效果付费的营销模式?/p>

端云协同:AI能力落地车载基础设施

大模型上车已成为汽车智能化的核心趋势,但车端算力与实时性、云端能力与延迟之间的平衡,始终是制约AI规模化落地的关键技术瓶颈。如何构建一套兼顾响应速度与模型能力的底层架构,成为智能座舱迈?#8221;AI原生”的必答题?/p>

明略科技依托自研企业级可信AI大模型与智能体套件,向车端输出AI Agent能力,提供垂直领域模型、Agent编排框架及云端弹性算力调度,为智能座舱注?#8221;会思考、能行动”的AI内核?/strong>双方联合共建「AI×车」技术底座,实现端云协同调度——高频交互由车端本地处理,复杂任务调用云端大模型,共同制定接入标准与数据交换格式,为场景化营销服务奠定技术基础?/p>

Token经济与商业化体系:可持续的价值分配新范式

区别于传统车载服务依赖硬件单次销售的收入结构,双方将共同制定AI服务消耗的计量标准,涵盖模型推理、Agent任务执行、数据查询等算力资源。核心逻辑是:品牌方的营销预算按AI服务的实际调用量与产出计费,实现从「按曝光付费」到「按AI服务结果付费」的模式升级;双方将基于各自在营销效果、算力供给与场景入口方面的贡献,探索可持续的商业化分配机制,形成「品牌付费—AI服务—效果可量化」的商业循环。这一模式有望建立起可持续的运营分成体系,将车端AI服务的算力消耗与品牌营销预算更紧密地对应起来?/p>

值得关注的是,此次合作标志着明略科技Agentic Services业务首次向车载消费场景延?/strong>。从企业营销场景到影视内容生产,再到车载智能——明略科技的AI Agent正在走进越来越多的产业场景,持续验证“AI驱动结果交付”的服?/strong>模式。此次合作亦是双方优势互补、价值共创的成果。明略科技的可信AI能力与博泰车联的车端AI基础设施深度融合,将形成”AI能力—车载场景—品牌价?#8221;可持续运营的商业闭环,为车企、品牌方与用户共同创造价值?/p>

关于合作双方

博泰车联网科技(上海)股份有限公司(股票代码:2889.HK?/strong>:成立于2009年,是以AI技术为核心、具备“硬软芯云”一体化能力的汽车及移动终端解决方案提供商与生态构建者,服务覆盖主动安全、汽车电子、智能操作系统、AI人工智能、IoT等汽车智能化全链路,在中国市?5万元以上中高端自主品牌乘用车前装标配座舱域控市场份额排名第一。公司自创立即聚焦研发,已累计申请超?,000项知识产权,服务全球超过50个汽车品牌的200余款车型,持续引领车载智能化与AI技术及基础设施的大规模落地应用?/p>

明略科技(股票代码:2718.HK?/strong>:创立于2006年,中国领先的具备自研模型能力的Agentic Service企业?025年作?#8221;全球Agentic AI第一?#8221;登陆港交所。曾两度斩获吴文俊人工智能科学技术奖,多次入选Gartner、IDC相关报告,拥?400余项技术专利及500余项软件著作权。近年来,多个AI模型在全球权威榜单取得领先成绩。依?0年技术积累,明略科技已服?35家财富世?00强、约2100家品牌客户及?4万家企业用户,覆盖零售、消费品、汽车?C等行业。其标准化SaaS产品拥有超过24万中小企业客户,在营销智能和营运智能领域拥有深厚积累?/p> ]]> //pgsoft-game.org/news/8025/feed/ 0 行业动?– 明略科技 //pgsoft-game.org/news/7805/ //pgsoft-game.org/news/7805/#respond Fri, 05 Jun 2026 03:24:16 +0000 //pgsoft-game.org/?p=7805 当下,每个企业或组织都面临一个共性的现实挑战?/p>

AI来了,组织的模式和架构该如何重塑,才能既把握新技术带来的效率红利,又守住人的价值、人性的温度,以及组织的独特性,避免沦为算法的附庸?

当AI真正成为组织的一部分,企业会发生什么?

作为全球Agentic AI第一股,明略科技相信代理式AI是未来商业服务和组织运作的主要模式,并开展了一场大型的组织实验?/strong>这场实验?024年启动,2026年上半年因为AI智能体的普及加速,它的路径不是剧烈的推倒重来,而是在现有组织架构内平行内嵌一套AI Native体系—?strong>?09人的职能团队?00+人的分析师团队和?00人的研发团队,都能参与其中?/strong>

实验也已经取得了一些成果?/p>

5?9日,应中国商务广告协会、虎啸奖邀请,明略科技联合创始人、总裁兼CFO姜平出席第二十届虎啸论坛,并登台分享了明略科技的“AI Native:从SaaS到数字劳动力”思考与实践?/p>

以下为现场分享实录:

组织内嵌 AI 代理体系?500人的协同实验

明略科技的使命是打造数据驱动的可信生产力。这意味着,我们自己必须先成为AI Native组织,才有能力为行业提供可信的数字劳动力?/strong>

这场AI Native实践,覆盖了明略科技的三类核心团队:职能团队、分析师团队和研发团队。实验的核心逻辑是:在不改变现有组织架构的前提下,为每个岗位配置AI智能体,让人机协同成为日常工作的基本模式?/p>

职能体系:从流程自动化到文化产品?/h2>

职能团队?09人,每个人都配置了专属的AI智能体。除此之外,大家还能基于自身AI使用习惯,用豆包、用Kimi,或者用明略自研的商业分析智能体DeepMiner,还有人会用Cursor等开发工具?/p>

过程中,每个部门都会积累自己的技能库,财务部、人力资源部、经营部沉淀了大量可复用的技能,其中财务部的技能数量最多?/p>

效率提升是显性的。以财务报表为例,一份报表的制作时间?天压缩到?0分钟?strong>但更值得关注的是,AI让职能部门有能力做以前做不到的事?/strong>

行政部的案例最能说明这一点。行政部的使命是把明略的人文内核——爱与善意,做到实处。以前的做法是组织活动、发通知、签到、合影,虽然完成了所有动作,但复盘时会发现,员工的参与度和实际效果并不理想?/p>

AI来了之后,三位行政同事用3周时间,通过游戏化思维开发出了一套具有生命力的产品—?#8221;善灵?#8221;,一款AI灵宠养成游戏。员工可以领养属于自己的AI善灵,通过完成与爱和善意相关的行为(比如随手关灯、收垃圾、帮助同事)获得小红花,用小红花喂养善灵,陪伴它成长?/p>

善灵盒由移动端、数字大屏和花语录系统组成。移动端用于员工操作,数字大屏展示全员领宠状态和互动信息,花语录系统记录每一份善意。员工完成善行后拍照上传,审核通过后小红花自动到账。这些被爱与善意滋养长大的善灵,也成了明略文化的可视化载体?/p>

这个案例的价值在于,它形成了一个完整的闭环?strong>领养善灵-做善?获得小红?养好善灵。公司的文化也不再是墙上的标语,而是可参与、可反馈、可持续的趣味产品?/strong>

分析师体系:从效率倍增到业务边界拓?/h2>

明略拥有600+人的分析师团队,核心工作是数据整理和洞察分析,日常需要为客户交付大量分析报告?/p>

AI介入后,交付的效率同样大幅提升,报告生成的自动化程度达到?9%。唯一无法压缩的,是与客户的沟通时间。除沟通之外的工作时间,效率的提升都是倍数级的?/p>

但明略没有因为效率提升而裁员,而是让分析师做更多的事。他们不仅继续做数据分析和洞察工作,还会参与到新品发布、战略咨询、品牌陪跑、GEO优化与监测、KOL及品牌UGC内容生产等业务中?strong>释放出来的能力,既充实了分析师的业务矩阵,也拓展了明略业务的边界?/strong>

简单分享一组以“策?内容-投流”闭环为例的真实提效数据:策划阶段,策划和商务组的用时从两周压缩到了48小时;内容生成阶段,人均读帖??0篇拓展至100篇;投流阶段,中小客户的周报,系统仅?分钟即可自动生成?/p>

这种量级的提升,改变的不仅是速度,还有洞察的深度和广度?/strong>

研发体系:多Agent协作的代码闭?/h2>

?00人的研发团队,是明略AI Native实验最深入的领域?/p>

一个典型的bug修复流程就可以说明问题。一个人类产品经理和4个AI智能体,在人类没有写一行代码的情况下,排查了所有bug?/p>

产品经理只需要发?#8221;确认这个bug是否属实,如果属实按流程修复?#8221;的指令,AI产品经理即会自动接手,读代码、定位问题、规划修复方案,制定分工策略,并把任务分配给AI开发者?/p>

AI开发者在确认每个文件都有同样的问题后,会启动修复程序,几分钟内就把代码改好,并用修改方案替代原有下载逻辑,确保文件名正确?br>AI审查员排查必须修复的问题,AI开发者配合修复并更新PR,逐项验证后再通过。AI部署员自动打包部署到测试环境。AI产品经理确认所有环节完成,生成验收清单,等待人类点击测试?/p>

这个案例让明略团队形成了几个宝贵的共识:

一,多个Agent协作比一个万能Agent效果好,分工是必要的?/p>

二,技能需要不断积累、标准化和更好地组织?/p>

三,AI不仅是工具,更应该是伙伴。在职能、业务和研发领域,每一个Agent都被当成一个有角色的协作者?/p>

四,人机协同是关键。在决策环节,人类的价值不可替代,包括问题的提出、判断的做出,这些都是人类擅长的事?/p>

从SaaS工具到数字劳动力:构建业务场景闭?/h1>

明略科技内部的AI Native转型,是为了验证一个判断:AI的目标已经从Copilot(副驾驶)转向Agent(代理)?/strong>黄仁勋在GTC上也提到了这一点。我们也相信,未来的商业服务绝不再是提供一个SaaS工具,而是交付数字劳动力,帮助客户完成业务闭环?/p>

明略在营销领域的实践,正是这一理念的落地。营销链路复杂且成熟,有各种各样的工具,如何才把这些工具串联起来,提供一个完整的AI闭环?我分享几个典型的实操案例?/p>

品牌广告:从生成到评估的全流程自动化

品牌广告是明略最擅长的领域。基于自研的 GUI 智能体大模型Mano与超图多模态大语言模型(HMLLM)的商业视频评测系统,人机协同可以完成品牌广告从生成到评估的完整流程?/p>

用户在智能体平台输入指令,后端模型会自动接入用户界面,在GUI环境中启动Sora 2.0。系统模拟真实用户操作网页,逐步提交视频生成任务,最终生成一版TVC广告的粗剪视频?/p>

之后用户发出指令,系统会通过API将视频上传至评测系统。超图多模态大语言模型对粗剪视频进行内容推理与分析,系统自动定位本地视频文件并核对用户需求。确认无误后,任务被正式提交?br>执行过程中,系统具备自适应能力,包括处理调用逻辑以及网络代理等复杂问题,整个过程无需人工干预。分析完成后,评测系统返回结果,包含主观理解信息以及画面与音频等客观特征。系统生成一份完整的分析报告,明确指出当前视频存在的问题,这些信息作为后续优化的依据?/p>

这个闭环的价值在于,它不是提供一个视频生成工具或一个评测工具,而是把生成、评估、优化、再评估的完整流程自动化,交付的是一个可持续迭代的数字劳动力?/strong>

小红书投放:策划、内容、投流的人机协同闭环

社媒营销的场景,明略通过与上海破圈合作,将AI能力贯穿了整个小红书投放链路,从策划、内容到投流,实现全流程打通?/strong>

对于国民品牌而言,飞书是主要的生产工具。明略团队也在飞书上通过自研的自媒体智能体矩阵,在策划、内容和投流的每个环节实现了人机协同,最终完成从策划到内容到投放的完整闭环。这套体系在小红书平台的应用效果显著,部分品牌已经将其作为核心服务?/p>

抖音电商:三层引擎重构AI生产?/h2>

在抖音电商领域,我们的内容电商产品用三套引擎重构了AI生产线?/p>

Agent通过章鱼人机协同平台下发任务给Multica进入执行层,再对接「妙啊」进行AIGC生产,三层协作跑通全链路框架?/p>

其中,脚本创作Agent会结合报告中的产品卖点和爆款框架进行二次创作,评?0-80分的脚本直接进入生产;视频仿制Agent会将爆款视频?-15秒分段拆解真人口播画面,换人换产品,生成新的口播视频。配音和旁白的合成,全部由AI完成?/p>

基于自研的AIGC工具,还可直接复用拆解过的爆款素材,一次产出多个混剪成片?/p>

除了以上业务场景,明略团队也在短剧制作领域进行了探索,通过自动化的任务编排和交互剪辑,让短剧制作效率大幅提升?/p>

这些案例说明,无论是品牌广告、效果广告、小红书投放,还是抖音电商、短剧制作,AI都可以形成完整的业务闭环。随着AI技术的快速发展,它几乎可以打通所有的业务链路?/strong>

组织变革:探索人机协同的新型管理模式

在明略内部的实践中,每个业务场景都有对应的专家顾问,他们是洞察专家、种草专家、内容剪辑专家等等,我们的员工以及AI智能体在执行每一个任务时,都有项目经理带领,以前是项目经理带着人干,现在项目经理带着人和AI一起干?/p>

这意味着,管理者需要具备新的能力:有人专门负责养AI,有人专门负责训练AI。项目经理需要有更高的品位,既要把人和AI管理好,又要有指挥协调的能力,确保项目落地完成?/p>

目前,明略内部共?300多个工作单元,其中人?400多人,AI智能?900多个。AI的数量已经超过人类的数量?/strong>

在组织结构的管理视图中,无论是人还是AI,都可以进行节点分析。如果某个AI是核心节点,说明这个AI被训练得比较好,对岗位职责比较重要;如果某个人是核心节点,说明他的训练能力强,岗位职责重要。如果AI或人处于边缘位置,说明工作安排还有优化空间?/p>

明略的技术路径:Scaling Out与端侧AI

明略科技的愿景是创造人机同行的美好世界。这不能是一个空洞的口号。AI技术日新月异,我们必须思考人机如何协作才能同行?/p>

机器擅长行动,获得数据、完成任务,人更擅长思考和品鉴,提出好的问题并做决策?/p>

在模型技术路径上,明略主张通过Scaling Out的方式打造更好的模型,而不是Scaling Up?/strong>

Scaling Up 希望打造一个万能的神,比如GPT或Claude,试图用一个AI超越人类所有的智慧。这需要大量的算力,也面临很多挑战。明略更相信的逻辑是:生产一批高中生水平的AI,但这些AI都有持续学习的能力。每个AI出厂后可能水平差不多,但没有一个能统治世界,每个都是平等的。只有平等的个体组成的持续学习、协作机制,才能形成一个更智慧的生态?/p>

基于Scaling Out的理念,明略通过多AI协作的方式打造出了自己在垂直领域和行业的大模型。除了更好的模型,我们也在探索更多的数据获取方式?/p>

我品故我在:坚守人类独特价?/h2>

AI时代,人要有人类独特的价值。最近流行的一个词叫Taste,叫品味、品鉴。这个词对人类有独特的意义?/p>

什么是品味品鉴?它是一种选择的能力。人类有选择和决策的能力,有担责的能力,这些都是品鉴的能力?/p>

明略的一个实操案例可以说明人类品鉴能力的重要性?/p>

我们的AIGC创意生成团队用AI生成了一支广告片,广告完全由AI按照0.3秒的颗粒度自动生成,人类不参与具体制作。但这个过程的时间成本非常高,因为人类的品味需要转化为高质量的AI输出?/p>

它说明了品味的价值,也证明了人的重要性?/p>

黄仁勋在一次演讲中说:”我被聪明人包围着,他们在各自的领域都比我聪明。他们受过更好的教育,去过更好的学校,在各自的领域更深入。我?0个这样的人,他们对我来说都是超人,但我坐在中间,协调?0个人。你得问自己,是什么让一个洗碗工能够坐在超人中间?#8221;

他想表达的,是智能是一种功能性的东西,但人性不是用功能来定义的。它是一个更宏大的词,它包罗万象,由我们各种的生命体验构成,包括了快乐的感知力、对痛苦的承受力、对未知事物的决心等等?/p>

我们真正应该提升的,是人性、品格、同情心、慷慨,这些才是超人的力量?/strong>

AI时代,人类的价值不在于比AI更快、更准确地执行任务,而在于品鉴、选择、决策、担责,在于人性中那些无法被算法替代的温度与力量?/strong>

明略科技的这场AI Native实践,不是简单的用AI替代人,而是让AI成为人的伙伴,让人机协同释放出更大的创造力?/strong>

这场实验还在继续,但方向很清晰:未来的组织,一定是AI和人类共生的智能系统,AI将成为组织提效的关键生产力,同时,人类的独特性也会在人机协作中被挖掘、被凸显,发挥更关键的作用?/p> ]]> //pgsoft-game.org/news/7805/feed/ 0 黄仁勋刚刚定义的三个趋势,和明略科技正在做的三件?/title> <link>//pgsoft-game.org/news/7801/</link> <comments>//pgsoft-game.org/news/7801/#respond</comments> <dc:creator><![CDATA[admin]]></dc:creator> <pubDate>Fri, 05 Jun 2026 03:14:36 +0000</pubDate> <category><![CDATA[明略动态]]></category> <category><![CDATA[行业动态]]></category> <category><![CDATA[AIPC]]></category> <category><![CDATA[明略科技]]></category> <category><![CDATA[端侧模型]]></category> <guid isPermaLink="false">//pgsoft-game.org/?p=7801</guid> <description><![CDATA[黄仁勋GTC台北演讲提出Agent从云端走向端侧。明略科技的回应:企业核心数据(交易明细、商务条款等)绝不能上云却最需AI——端侧模型Mano-P(OSWorld小尺寸模型全球第一)解决数据不出域的智能需求;自研Apple Silicon推理引擎Cider让Agent驻留Mac本地运行;Octo协作网络+Octic硬件串成完整链路。内部已?900+个Agent?400名员工协同工作,秒针全链路AI自动完成?0%、人效提升超20倍。商业模式从"卖工?转向"结果交付",Agentic Services上市首年营收?亿元。]]></description> <content:encoded><![CDATA[ <p>6?日,黄仁勋在台北音乐中心发表GTC主题演讲。RTX Spark、NemoClaw、OpenShell、Jetson,密集的产品发布指向一个明确的方向:Agent正在从云端走向端侧,从工具进化为数字同事?/p> <p></p> <p>这些判断让我们觉得,是时候系统地讲一讲,明略科技?718.HK)过去两年在想什么、在做什么?/p> <p></p> <p></p> <h1 class="wp-block-heading"><strong>数据分三层,第三层只能交给端?/strong></h1> <p></p> <p>我们内部有一个不复杂但很关键的判断框架:企业数据按敏感度天然分为三层:可公开的、可脱敏的、绝对私有的?/p> <p></p> <p>前两层的AI化路径已经非常成熟,接上云端大模型的API就能获得不错的智能增益。但第三层不行。客户的交易明细、未出街的广告创意、正在谈判的商务条款、内部的组织决策流程,这些数据构成企业真正的竞争壁垒,也踩在合规的红线上。它们能不上云,就绝不该上云?/p> <p></p> <p>问题在于,这些数据也最需要AI?/p> <p></p> <p>过去一年,企业客户都面临同一个困境:核心数据不能出域,但业务又迫切需要AI来提升效率。云端大模型解决不了这个矛盾,能解决的只有足够强的端侧智能?/p> <p></p> <p><strong>这就是我们开发Mano-P的出发点?/strong>Mano-P不追求千亿参数的规模竞赛,它的设计目标非常具体——在企业数据不出域的前提下,提供强大的GUI操作和多模态交互能力。在OSWorld基准测试中,Mano-P在小尺寸模型中排名全球第一。这个成绩说明了一件事:端侧模型不是大模型的降级版,它在特定场景下可以做到比云端更加重要,因为它离数据更近、延迟更低、隐私更强?/p> <p></p> <p>黄仁勋在GTC台北发布RTX Spark时说?#8221;PC正在被重新发明?#8221;NVIDIA和微软联合推出OpenShell安全运行时,让Agent在本地安全运行,把隐私查询智能路由到端侧模型。这是同一个判断的不同实现路径,我们将其称之为——Scaling Out,不是把数据喂给一个集中式大脑,而是让智能分布式地生长在数据产生的地方?/p> <p></p> <p>但模型解决的只是”能不能想”的问题。接下来的问题是Agent在哪台设备上跑?</p> <p></p> <p></p> <h1 class="wp-block-heading"><strong><strong>你的Mac不只是你的工具,它也是Agent?/strong></strong></h1> <p></p> <p>黄仁勋的RTX Spark回答了Windows生态的方案,但端侧AI的机会不止一个平台?/p> <p></p> <p>我们很早就注意到,Apple Silicon的统一内存架构和Neural Engine算力天然适合端侧推理。开发者社区的行为也在验证,大量推理框架正在为Apple Silicon做深度适配。Mac正在从一?#8221;人的生产力工?#8221;,变成AI Agent最好的物理载体之一?/p> <p></p> <p><strong>这就是Cider的由来?/strong>Cider是我们自研的端侧推理引擎,专门为Apple Silicon优化。它降低了Mano-P等端侧模型在MacOs上的部署门槛,Agent驻留在你的设备上,持续感知屏幕、理解界面、操作应用,不需要把任何数据上传到外部云端?/p> <p></p> <p>到这一步,我们有了模型,有了推理引擎,Agent可以在一台设备上独立工作了。但现实中的企业不是只有一个Agent。一个处理客户响应,一个整理数据报表,一个执行合规检查,它们之间需要协作,就像人类同事之间需要沟通一样?/p> <p></p> <p>所以我们继而开发了<strong>Octo和Octic</strong>。Octo是开源的Agent协作网络,让Agent之间能互相通信、分工、协作;Octic则是硬件端点,负责物理世界中Context的采集。如果说Mano-P是Agent的手和脚,Cider是加速框架,Octic是感官,那么Octo则是它们共同协作的平台?/p> <p></p> <p>四个组件串起来,构成了一条完整的链路:端侧模型提供智能,推理引擎提供算力适配,硬件端点提供感知采集,协作网络提供组织能力。每一层都在端侧或企业私域内运行,数据主权始终在用户手中?/p> <p></p> <p>技术栈搭完只是第一步,真正的验证只有一种方式,在真实业务里跑起来?/p> <p></p> <p></p> <h1 class="wp-block-heading"><strong>2900+ Agent 已经在上班了</strong></h1> <p></p> <p>在明略内部,Agent作为同事工作已经不是愿景,是日常?/p> <p></p> <p>目前Octo已接?400余名人类员工?900余个Agent。员工和Agent在同一个协作网络里分工,Agent处理数据整理、报告生成、流程执行、客户响应,人类专注于判断、决策和创造?026年,在Octo的赋能下,明略全员AI应用水平不断提升,集体智慧不断涌现,实现了业务场景向AI Native范式的全面转型?/p> <p></p> <p>效果已经体现在数据上:秒针系统全链路AI自动完成率达?0%,人效提升超20倍;户外广告监播效率提升4倍;私域客服人力成本同比下降71%?/p> <p></p> <p>GTC台北上,黄仁勋反复用”digital coworker”来定义Agent。Cadence、达索、西门子等公司通过构建”自主AI工程?#8221;,把数周仿真验证压缩到数小时。而我们的实践表明,Agent作为同事协作这件事,在营销智能、线下营运等场景同样成立?/p> <p></p> <p>当Agent真正成为同事,商业模式也在跟着变。黄仁勋指出,AI工厂是Token工厂,衡量竞争力的单位从FLOPS变成cost-per-token。我们同样深有体会,企业不再?#8221;使用工具的权?#8221;付费,而是为Agent完成任务的结果付费。每一个Token消耗对应一个具体的业务产出:一份分析报告、一条客户线索、一个合规检查。这正是我们理解?#8221;结果交付”?/p> <p></p> <div date-time="1782996016" dir="bfwbxo" class="wp-block-cover is-light" style="min-height:274px;aspect-ratio:unset;"><span aria-hidden="true" class="wp-block-cover__background has-pale-cyan-blue-background-color has-background-dim-10 has-background-dim"></span><div date-time="1782996016" dir="nheznr" class="wp-block-cover__inner-container is-layout-constrained wp-block-cover-is-layout-constrained"> <p class="has-text-align-left" style="font-size:18px"><strong>明略科技创始人、CEO兼CTO吴明辉?/strong>曾表示:?025 年,明略科技完成了一次关键转型——从帮助客户‘看懂数据’,到帮助客户‘拿到结果’。Agentic Services 的意义,正是在于推动 AI 的价值从工具交付走向结果交付。这不仅改变了客户采购专业服务的逻辑,也正在重塑服务方式与商业模式,为明略未来打开更大的增长空间。?/p> </div></div> <p></p> <p>2025年,明略科技 Agentic Services业务上市首年即超1亿元营收,新增大客户中超?30% 来自 Agentic Services 业务板块,围绕营销场景,明略科技已打通从数据洞察、内容生产与分发到营销投放的端到端业务流,以近 3 倍的运营效率帮助客户实现平均 20% 的营销效果增长?/p> <p></p> <p>我们相信,端侧AI不是云端的降级替代,而是让每一个客户的数据资产真正转化为智能生产力的原生路径。明略科技将持续以Agentic Service的模式,帮助客户构建数据不出域、能力持续进化的人机协同网络——让AI的价值最终落到每一次业务决策的结果中?/p> <p></p> <p></p> <p><strong>关于明略科技</strong></p> <p></p> <p>明略科技?718.HK),成立?006年,中国领先的具备自研模型能力的Agentic Service企业?025年作?#8221;全球Agentic AI第一?#8221;登陆港交所。曾两度斩获吴文俊人工智能科学技术奖,多次入选Gartner、IDC相关报告,拥?400余项技术专利及500余项软件著作权?/p> <p></p> <p>近年来,明略科技在Agentic AI领域持续突破?024年,自研超图多模态大模型(HMLLM)技术成果斩获全球顶?ACMMM 2024 最佳论文提名;2025年,全面推出DeepMiner 专有大模型产品线,其中VLA模型Mano登顶Mind2Web、OSWorld全球双榜SOTA?026年,开源端?GUI-VLA 智能体模?Mano-P,登顶OSWorld,ScreenSpot,MMBench?个榜单,其中OSWorld专用模型榜单排名第一名;开源Apple Silicon推理SDK Cider,端侧推理提速最高约1.9倍;开?Agent 协作平台 Octo,打造IOA时代Agent协同网络,并推出首款AI Native录音硬件Octic,将 AI Agent 能力从平台延伸至硬件,构建Agentic AI“模?平台-硬件”闭环?/p> <p></p> <p>依托20年技术积累,明略科技已服?35家财富世?00强、约2100家品牌客户及?4万家企业用户,覆盖零售、消费品、汽车?C等行业?/p> <p></p> ]]></content:encoded> <wfw:commentRss>//pgsoft-game.org/news/7801/feed/</wfw:commentRss> <slash:comments>0</slash:comments> </item> <item> <title>明略科技?718.HK)正式获纳入“港股通”交易标?/title> <link>//pgsoft-game.org/news/7798/</link> <comments>//pgsoft-game.org/news/7798/#respond</comments> <dc:creator><![CDATA[admin]]></dc:creator> <pubDate>Mon, 01 Jun 2026 14:31:40 +0000</pubDate> <category><![CDATA[明略动态]]></category> <category><![CDATA[行业动态]]></category> <category><![CDATA[明略科技]]></category> <category><![CDATA[最新动态]]></category> <category><![CDATA[港股通]]></category> <guid isPermaLink="false">//pgsoft-game.org/?p=7798</guid> <description><![CDATA[6?日,明略科技?718.HK)正式获纳入“港股通”交易标的,符合资格的中国内地投资者可通过“港股通”渠道,直接参与股票交易。明略科技?718.HK)于2025?1月登陆港交所?025年全年实现收?4.26亿元人民币,经调整净利润扭亏为盈,展现出稳健的增长韧性。]]></description> <content:encoded><![CDATA[ <p><strong>6?日,明略科技?718.HK)正式获纳入“港股通”交易标的,符合资格的中国内地投资者可通过“港股通”渠道,直接参与股票交易?/strong>明略科技?718.HK)于2025?1月登陆港交所?025年全年实现收?4.26亿元人民币,经调整净利润扭亏为盈,展现出稳健的增长韧性?/p> <p></p> <p><strong>作为 Agentic AI 领域的先行者,明略科技近期在产品、业务及生态端取得多项重要进展?/strong>目前,公司自研的?Agent 开源协作平?Octo 已在内部?1400 名员工中部署落地,超 2900 ?AI Agent 在实际工作流中高效运行,<strong>Agent ?/strong><strong>?/strong><strong>劳动</strong><strong>力正在成为组织协作的核心要素?/strong></p> <p></p> <p>?AI 模型领域?strong>明略科技端侧 GUI-VLA 智能体模?Mano-P 已在多个公开基准测试中取得领先成?/strong>。目前,Mano-P 的调?Skill 与端侧模型均已开源发布,未来公司还将开?Mano-P 训练方法及相关配套工具。同时,公司开源发布的端侧推理加速框?Cider,能够有效降?MacOS 生态下的端侧模型部署门槛,<strong>使端侧模型在应用场景下呈现更快速、更稳定的运行表现?/strong></p> <p></p> <p>在硬件产品协同方面,明略科技于今?月正式发布首?AI Native 硬件 Octic。该产品精准切入会议场景,可提供高精度的实时语音识别及会?AI 辅助功能,并能无缝接?Octo 生态,<strong>标志着明略科技”模型—平台—硬?#8221;完整 Agentic AI 产品矩阵的进一步完善?/strong></p> <p></p> <p>未来,明略科技将继续保持战略定力,稳步推进代理式人工智能技术的研发应用,加?Agentic Service 模式规模化落地,持续致力于为企业客户提供可信、高效的产品与服务?/p> ]]></content:encoded> <wfw:commentRss>//pgsoft-game.org/news/7798/feed/</wfw:commentRss> <slash:comments>0</slash:comments> </item> </channel> </rss>