在AI技術迅猛發展的當下，企業形態與運營模式正經歷深刻變革。明略科技創始人吳明輝提出“DeepSeek之后，每家公司都將成為Agent”的論斷，揭示了AI技術對商業生態的重塑邏輯。這家從數據分析起家的企業，通過持續技術迭代，已轉型為具備自研大模型能力的企業服務公司，其發展路徑折射出中國AI創業者的獨特思維。

吳明輝的學術背景頗具代表性：北大基礎數學系保送生、計算機系研究生、多模態大模型方向博士，這種“純數學+AI”的交叉學科訓練，使其既具備理論深度又強調產業應用。他坦言，早期受北大“黃金一代”數學家影響，曾面臨純粹學術研究與產業落地的選擇困境，但最終選擇將數學能力轉化為商業價值。這種選擇在2022年EIP項目挫敗后得到驗證——當時試圖同時構建AI底座與前端應用的項目因技術預判過于樂觀而終止，卻為后續戰略調整積累了經驗。

技術路線選擇上，明略經歷了從數據智能到垂直場景模型的關鍵轉型。2006年創立的秒針系統聚焦廣告監測，積累了海量行業數據。2014年轉型明略數據后，公司提出MAAS（模型即服務）概念，雖受限于當時通用模型能力，研發成本高企，但為后續發展奠定基礎。當前推出的DeepMiner商業數據分析智能體，通過專有GUI大模型Mano在Mind2Web等基準測試中登頂，標志著其技術落地的突破。吳明輝強調，數據質量決定AI天花板，明略在營銷、零售等領域積累的專業數據，構成垂直模型的核心壁壘。

面對國際競爭環境，吳明輝指出國產模型已具備突圍條件。DeepSeek開源模型不僅降低企業AI應用門檻，更帶動國產硬件生態發展。針對Anthropic禁止中國企業使用Claude模型的事件，他認為這反而凸顯中國模型的價值——當國內出現能與Claude競爭的通用模型時，封閉策略將失去市場基礎。目前，DeepSeek、通義千問、Kimi等開源模型已形成技術集群，明略的專有模型則通過細分場景深耕構建差異化優勢。

在商業化路徑上，明略采取“垂直應用+通用技術”的雙輪驅動。戰略層面，垂直模型可快速落地產生收入，通用技術則增強長期壁壘。吳明輝以英偉達為例，強調企業需在細分領域建立絕對優勢。針對500強客戶削減品牌廣告預算的趨勢，公司轉向效果廣告領域，通過AI優化銷售轉化鏈路，將廣告監測能力升級為銷售賦能工具。這種轉型使明略在廣告產業寒冬中保持增長，其客戶涵蓋135家世界500強企業。

創始人技術投入成為判斷AI企業生命力的關鍵指標。吳明輝認為，觀察模型廠商創始人是否持續發表技術論文，是評估其技術活躍度的重要標準。他特別提到，DeepSeek、智譜、Kimi等持續產出研究成果的企業，在技術競爭中保持領先。對于估值與收益背離的現象，他指出AI企業需平衡技術投入與商業可持續性，明略通過將超額利潤投入研發，既保持技術領先又避免過度消耗。

在組織變革層面，吳明輝提出“企業即智能體”的治理理念。他借鑒字節跳動等企業的國際化經驗，認為AI將重構企業組織形態。傳統企業中的人效內耗問題，可通過智能體系統實現流程優化。明略內部推行的“發展公司作為智能體”理念，旨在構建以AI為核心的協作網絡，這種變革已體現在其港股IPO計劃中——招股書將“企業級AI Agent生態”建設列為核心亮點。

對于AI技術發展，吳明輝堅持“非共識創新”原則。他反駁“需求導向優先于技術導向”的論調，以百度、亞馬遜、SpaceX等企業為例，指出偉大創新往往源于技術理想驅動。這種思維體現在明略的技術布局中：既保持對通用模型的技術跟蹤，又通過專有模型構建細分領域優勢。他特別強調“哥德爾不完備定理”的啟示——任何技術系統都需借助外部框架驗證價值，這促使明略建立數據集、基準測試等評估體系，確保技術演進方向正確。

在個人使命與企業愿景的交織中，吳明輝的追求不斷升華。從早期“做出比自己更聰明的AI”到如今“傳遞數學之美，打造可信生產力”，其技術觀已從突破能力邊界轉向創造社會價值。這種轉變在DeepMiner的設計中尤為明顯——通過可信數據框架確保AI輸出符合人類價值觀，解決商業場景中的信息失真問題。當被問及AI終極影響時，他提出技術演進將分兩階段：先解決生產力問題，再重構生產關系，而當前正處于變革的關鍵轉折點。