對話明略科技吳明輝：這才是AI時代最大最好的護城河！

“AI時代最大最好的護城河，就是團隊的學習能力，這是一個終極護城河?！?/strong>

最近，明略科技正在沖刺港股IPO，這家被認為“中國最大的營銷數據平臺”的公司，在招股書里，要建設“企業級AI Agent生態”成了亮點。如果明略能順利上市的話，將成為2025年具有大模型能力的公司在港IPO的第一股。吳明輝是明略科技創始人、董事長兼CEO，他是混沌創業營六期校友、混沌學園五期校友。

“DeepSeek之后，每一家公司都是Agent。”這是明略科技創始人吳明輝的一個判斷。

DeepSeek的開源大模型把AI技術提升到了一個新高度，企業形態和運營方式都將發生深刻的改變，核心在于，企業要像智能體一樣運作，深度融合AI提升效率和競爭力，而非單純使用AI工具。

明略更像這場深刻變革的一個樣本。從一家數據分析挖掘公司演變成一家大模型公司，到底取決于什么呢？

吳明輝是2000年通過奧賽銀牌被保送進北大基礎數學系的，研究生保送了計算機系（人工智能模式識別與圖像處理專業），博士進修了多模態大模型方向。

2000年的北大數學系被稱為“黃金的一代”，出了多位數學家，最突出的一位是惲之瑋，19門專業課滿分，獲過科學界的奧斯卡“新視野獎”。他和吳明輝說“我們學數學不是做應用的”。 這其實代表了北大追求學科研究純粹性的傳統，而吳明輝恰恰走向了另一端——應用（產業實踐）。

在大模型時代，中國AI創業者呈現出了和互聯網時代非常不同的特征。中國很多AI技術理想主義者，他們超前到達了“無人區”。從互聯網時期的技術跟隨者變成了大模型時代的局部引領者。這很大程度上取決于創始人的技術理想和思維模式。

技術路線上，最初吳明輝走的是數據智能—垂直場景應用。因為2006年吳明輝創立秒針，做的是廣告監測和大數據分析，數據已經成了明略最重要的資產。吳明輝說：“數據質量決定AI的天花板，數據價值堪比石油之于工業革命?！?/p>

當2014年“明略數據”成立，明略從大數據分析挖掘逐漸轉型到開發行業專屬模型，為營銷、零售等垂直場景制定解決方案，明略是中國第一個提出做MAAS模型即服務的企業。只不過那個時間點的行業專屬模型在沒有通用基礎模型的助力的情況下研發成本巨大。但經過了EIP時期的戰略調整和中國在開源模型的快速進步，今天吳明輝認為，明略的專有模型更加的務實和落地，是一家真正在企業級服務領域有商業化能力的大模型公司。

2025年9月，明略推出了商業數據分析智能體DeepMiner等。這更像尋找AI技術護城河的第二曲線。

戰略上，垂直應用可以快速落地并獲取收入，而通用性技術能增強技術壁壘和擴展性。

以下是騰訊新聞和騰訊咨詢聯合出品的欄目《海拔7950》和明略科技創始人、董事長兼CEO吳明輝的一場對話，如何把技術理想轉化為可持續的商業模式？如何在資本市場的短期波動和技術長周期投入中活下來？都是普遍性的難題。

轉載自 |騰訊科技

作者 |徐曇

DeepSeek之后每一家公司都是Agent

《海拔7950》：你說過一個有趣的觀點：DeepSeek之后，每一家公司都是Agent。這句話怎么理解？

吳明輝：一個客觀的現實就是，你如果到互聯網上去看，幾乎每一家上一代的軟件公司都宣稱自己在做Agent?！癆gent”這個單詞被計算機學界的人用來作為一個term（術語）都幾十年了。只不過含義在不斷地演化，Agent早期做的事和今天能做的事區別很大。

一個是2023年OpenAI的一個副總裁叫Lilian Weng，我北大計算機的師妹，她寫過一篇博客“LLM Powered Autonomous Agents（基于大語言模型賦能的無人智能體）”，強調的無人智能體，是大語言模型賦能的。就是說以前的Agent因為大語言模型不夠強，AI做planning的能力不夠強，是做不到無人狀態的。

但是被大家廣泛認知到Agent的這個概念還要歸功于Manus，把Agent帶到了一個新的階段。

它不僅僅是簡單的思考了，還有你擁有的手和腳的能力是不是足夠強？Manus其實是把Browser Use Agent（瀏覽器使用代理）和Computer Use Agent（計算機使用代理）真正地集成到了無人智能體里面去了。也就是說，以前的Agent就像一個打掃衛生的阿姨，來你家就帶了一個抹布，現在她有一個完整的工具箱，里面帶了80多種消毒液，各種各樣的工具，吸塵器、擦玻璃機器，各種掃地機器人全來了，那她肯定能量是很大的。所以，Manus是開創了這樣一個先河，相當于極大地擴展了這個工具的選擇。

當然，這里面確實會出現很多技術問題。Agentic Model（代理模型）今天在使用上有非常多的技術不成熟，而這也恰恰是我們當前正在做的模型，專有模型Mano。

《海拔7950》：我提前體驗了一下你們新開發的大模型DeepMiner，它有好多ToB的功能？是否適合我這樣經常資料處理的使用者？

吳明輝：其實我們現在標準的版本是給幾種角色的人用的：一個是做電商的操盤手；做商品的數據分析、廣告投放的數據分析；二是線上營銷和廣告行業的人；還有金融的數據分析師。但是，雖然我也不是我們產品的標準用戶，但實際上我每天都會用。我會用DeepMiner做一些desk research（桌面研究）。

像DeepResearch、Manus，其實這些產品跟我們的產品最大的區別是，我們的產品使用能力更強，我們可以集成大量的數據庫，而這些數據庫真正在做桌面研究的時候會很有幫助。

《海拔7950》：你給DeepMiner的定位是什么？

吳明輝：我們現在整個公司的定位是要去做“數據驅動的可信生產力”。“可信”是我們做AI在ToB領域最重要的事情。

《海拔7950》：怎么理解“可信的AI”？

吳明輝：互聯網假信息太多，數據有很多假的，大量的在商業場景里面的問題，需要基于專業的數據來解決問題。我們希望能在AI領域解決這個問題，這就是我們的細分賽道的定位。我們公司名叫Mininglamp（礦燈）Technology ，就是要做數據挖掘，新發布的產品DeepMiner一聽就是做數據挖掘的。

錘子的力量

《海拔7950》：2014年你創立明略數據時，選擇知識圖譜作為AI技術突破口。你也多次提到“行業人工智能”，做的是垂直領域的應用。但你對明略的定位是一個做模型的公司？

吳明輝：我覺得今天首先是魚龍混雜，就是所有的人都在講自己是Agent公司，但是，Agent確實有很多種不同類型的狀態的。包括Anthropic自己還寫了一篇文章，叫“Building effective Agent”，那里面還論述了幾種不同類型的Agent。但是，因為這個本身也是一個復雜的term（術語），沒有一個標準的定義。

但更重要的一點，我覺得Agent和Agent的區別就是你有沒有自己研發的模型？你有沒有自己獨有的能力？這個決定了你這個公司能不能創造獨有的價值。否則的話，如果你一個Agent公司，尤其是B端的，C端的可能還好，以前我跟Manus的肖弘也聊過（注：肖弘，蝴蝶效應創始人，其第一個創業公司夜鶯科技2021年被明略收購，曾任明略SCRM事業部負責人），他覺得如果C端把它當成一個消費品打造的話，這個域名就很值錢，相當于市場上有任何好的模型，它都可以掛到它這個下面，本身就有流量。

但是B端不一樣。B端的客戶其實沒有所謂的那么大的品牌的傾向，更多的是你的能力是不是真的跟別人不一樣，真的強。B端的客戶采購是非常理性的。所以，你一定得有一些自己獨有的能力。而獨有的能力，你說今天一個Agent里面的代碼能多么有用？它一定要沉淀在模型里面。這些東西都是有機會成為一個企業的核心競爭力。

總的來講，如果你選擇一個細分的賽道，你有自研的模型能力，你的護城河是會更寬。

從我本人的使命愿景來講，我就是希望做一個模型公司，不希望只做一個普通的軟件公司，何況今天普通軟件公司真的是太容易被這些寫代碼的模型公司給徹底替代掉，這是一方面。

另外一方面，我們要思考的就是，什么東西的泛化能力更強，一定是模型的泛化能力更強。當我們去做一個Application（應用）的時候，那個Application本身它已經被Application的界面給約束住了。像我們這些模型最核心的是它對外的輸出是一個API（應用程序接口），AI的時代API有點像蘋果的屏幕，什么都能干。喬布斯認為屏幕是一個比較靈活的interface（接口），最后就變成現在這個樣子，這是一個非常偉大的發明。

今天Agent的user interface（用戶界面）也經歷了這樣的一個變化，它跟人的交互可能還需要一個用戶界面，類似于iPhone，類似于微信這樣。當AI和AI之間交互的時候，就是通過API（應用程序接口），通過Agentic function call（智能函數調用）形式，它就是更加靈活的，什么都可以做的。這也是模型它非常偉大的變化，相當于interface（接口）和上一代的用戶界面會有巨大的區別，使得它的能力邊界會被極大擴展。

《海拔7950》：對比通用大模型（如GPT-4）與垂直領域模型，明略選擇垂直領域模型是否意味著放棄了技術通用性？

吳明輝：我覺得這是個技術的路徑問題。首先我認為不存在真正意義上的通用。今天你去看GPT和Claude這兩個模型，也有非常大的區別。一個是跟人打交道更擅長，一個是跟機器打交道更擅長。跟人打交道的我們叫Chat Model（聊天模式），跟機器打交道的我們叫Agentic Model（智能體模型）。而且特別有意思的是，GPT-5發布的時候，說我的Agentic能力很強，因為它一度被Anthropic壓制，大家都覺得我們這些寫代碼的人調模型API都會去調用Anthropic的模型Claude，沒有人去調GPT了，所以它非?？只?，GPT也在補Agentic的能力，但后來這個版本的發布也讓ChatGPT變的不好用了，很多用戶反饋體驗變差很多，一堆做了版本的回滾。

所以，我認為沒有真正意義上的通用。就是大家在這個世界上都有不同的存在。比如都是做飲料的公司，百事可樂和可口可樂也是不一樣的。實際上不存在真正意義上的通用，大家都還是會各有專長的。

《海拔7950》：市場上有一派觀點覺得不應該先從技術出發，而應該先從市場痛點出發，找到應用場景再進行技術開發，才是正確的做事邏輯。你似乎不認同？

吳明輝：我們很多情況下都不知道你做這個東西能干什么，我覺得模型公司一個特別有意思的地方，很多模型公司的創始人是不知道我做這個東西最后能干什么的，但是他也堅決去做了。過去幾年有無數投資人都這么教育我，“不要拿著錘子去找釘子”，這感覺是個貶義詞。實際上你看看很多人最開始就是相信AI是可以通用的，或者某一定程度上通用。絕對通用可能不存在，但在很大程度上是可以泛化的，能產生很大的你想象不到的價值。這件事情是很多產品經理最開始是沒想到的。

做模型的企業某種程度上就是會有一種理想主義，他要想我這個事是個大事，有了這種決心的人才會做模型。

我感覺真正大成的可能都是拿著錘子找釘子的。為什么叫創業，或者說叫創新，那個場景不存在，被他創造出來了。

《海拔7950》：有沒有 “拿著錘子找釘子”的成功例子？

吳明輝：當年百度谷歌出來的時候，能想到后來索引這么多信息，能解決這么多問題嗎，沒有。亞馬遜最開始想的就是賣書。馬斯克做火箭，大家覺得那個場景很真實嗎？其實真正偉大的成功就是一個理想，一個夢想，很多就是創始人自己YY出來的。

我不覺得梁文鋒是有明確的釘子去做DeepSeek的，我也不覺得ChatGPT的伊利亞（OpenAI聯合創始人、首席科學家）有一個明確的釘子才去做錘子的，我真心不認為這樣子。

很多人最開始創辦企業的時候不一定想的那么明白，我將來在哪些場景可以用？但沒想清楚也可以干，他其實有一個理念，心中是有個錘子，不一定已經有一個釘子了。

對我自己來說，我確實過去有很慘痛的經歷，它的一個核心就是你要對技術的成熟度，轉化周期有一個很好的預判。還有一點更難的是你要對需求側的timing也有一定的預判，你別死在半路上。好在我們現在緩過來了，沒死在半路上。我再去做“錘子類型”任務的時候，我肯定會相對保守一點，更加務實一點，但我心里做一個更牛的產品，能夠給更多的人提供服務的產品的這個心永遠都存在。

《海拔7950》：這個就說到2022年明略的EIP（企業級應用智能軟件）的項目，最終沒有做成，算不算技術理想主義和商業現實主義的一次沖突？

吳明輝：對，這是一個很大的沖突。我們當時的想法太領先了，連聊天的大語言模型都還沒成熟的情況下，我做了Agent。今天再去看我2020年底，2021年、2022年我們在產品設計之初做的一些產品原型。那個時間點技術不成熟，我過于理想主義，同時對那個技術的成熟度的預判有點過于樂觀。

《海拔7950》：你有北大數學系的背景，是數學家，提到過“哥德爾不完備定理”，核心是：任何足夠復雜的系統，其一致性和完備性無法在系統內部自證，必須依賴外部更高階的框架。這是否能說技術系統是有局限性的？

吳明輝：對，是的。

《海拔7950》：其實像EIP（企業級應用智能軟件）項目能不能說明，公司內部無法自洽，是不是需要通過外部市場反饋驗證自身價值，而非僅憑內部技術邏輯？

吳明輝：作為一個商業組織最后一定要通過外部市場反饋的。只不過我剛才說的問題是，你其實是要想清楚，如果所有人都能給你反饋的時候，競爭者就會很多，就變成百團大戰，就是一個消耗戰。真正偉大的成功都不是消耗戰，不管是美團跟阿里、京東的外賣大戰，團購大戰，這些都是消耗戰。最近有一個梗，大家都說All in AI，結果都All in外賣了，因為外賣（拼音waimai）里有兩個AI。

比較成功的像余凱的地平線，黃仁勛的英偉達，他們做的事沒有什么競爭，就是它有一個理想主義的預判，沒有什么競爭。以前大家說了還要有非共識，我覺得這個其實就是我想表達一個觀點，你一味去遵從主流的想法，真的是很難成功的。

《海拔7950》：首先要有技術理想主義，其次要有自己獨特的技術優勢？

吳明輝：是。這種技術獨特優勢往往也是因為你足夠理想，你會持續堅持。十年之后突然發現，你就是全世界最牛的錘子可以砸所有釘子。

《海拔7950》：說到外賣，為什么很多大公司之前立志all in AI，最后卻“all in外賣”了呢？是因為外部資源或者資金的條件不支持嗎，所以只能先做短期利益的？

吳明輝：外賣消耗的錢不見得比AI消耗的小。它就是一個消耗戰，是一個不創造科技價值的消耗戰。我是覺得可以做，沒必要消耗戰，確實大家很容易卷進去，看上去確實來錢快，算起賬來好像未來很大。

怎么判斷一個創始人的AI技術能力

《海拔7950》：我有一個疑問，你2006年還在北大讀研究生時就開始創立秒針，創業都19年了，雖然你們的AI能力很強。但外界會認為“六小龍”這些AI新勢力公司才是AI公司？

吳明輝：核心是這個公司是不是還在持續學習，持續進步。微軟建立時間更長，微軟AI也很牛，真的還是要看這個公司是不是在持續更新，持續迭代。說白了這個公司的生命力跟你的生理年齡沒關，跟你的精神氣兒相關。

《海拔7950》：在AI能力上，明略的護城河是什么？

吳明輝：AI時代最大最好的護城河，就是團隊的學習能力，這是一個終極護城河，就是你的AI組織能力。我們是一個DayOne就想做AI的一個團隊，包括我本人也是學這個的，我現在親自下場做CTO?，F在看，不管是上一代的AI公司還是這一代“六小龍”中已經落后的公司，他們犯的第一個錯誤就是進入到AI時代，他的founder（創始人）沒有親自下場做模型，不是真正親自帶領研發團隊。

這個時代供給側更重要，不是需求側，我們看所有AI的本土公司，如果你的產品比上一代其他公司產品好一個代際的話，客戶瞬間全部遷移過來。它的銷售和營銷成本是很低的，只要你的產品真正好。AI的產品有一個天然的特性，它的用戶體驗極佳，你跟它聊天，它就能干活；你打著字就可以干活，不用復雜的用戶交互。用戶體驗這么好的情況下，銷售成本低，前提你是一個好產品。這是你能看到的很重要的一點，然后就是學習能力、進步能力。

其次，今天做模型或者真正做AI公司的護城河一定是數據，除了團隊的組織能力。你看最近為什么美國的AI挖人大戰有一家公司很熱，就是這個Scale AI，數據是這里面很大的護城河。數據公司又分為兩類，一類是公開的數據，更多的其實就是你要找Scale AI公司幫你清洗數據，訓foundation model（基礎模型）,我們肯定不是做foundation model，我們做specialized model（專有模型）,這些model所需要的是不同的專業領域的工作所對應的數據，這些數據我們在有些場景本來就有很深的護城河，而且我們公司對數據是非常懂的。

我們在探索新方向第一件事情也是建立數據集，建立benchmark（標準），建立data pipeline（數據管道），我們肯定是國內最懂數據的公司之一，不敢說唯一，但至少可以說是之一。

我們是中國數據智能應用軟件第一名，數據是一個很大的護城河。就跟美國DataBricks 為什么現在特別火一樣，就是所有的人覺得模型這么厲害了，數據在誰那，有數據的公司就肯定能把模型應用好。

《海拔7950》：數字經濟的核心要素——算法、算力、數據，目前算力還是瓶頸嗎？現在哪一個是中國公司開發AI的障礙？

吳明輝：算力的障礙其實是被DeepSeek給打破了，所以要特別感謝他。

《海拔7950》：現在一個瓶頸是數據嗎？

吳明輝：本質上來講，DeepSeek既打破了算力障礙也打破了數據障礙。通用模型的訓練的成本是需要很多的數據投入的。當然，它還需要很大的算力投入，這兩個投入的體量是差不多的。因為今天DeepSeek，包括最新的一些開源模型的訓練方法都已經很省錢了，這些優化之后，你預訓練一遍花幾百萬美金，但實際上投入數據成本比這個還高，數據成本高于一次訓練的算力成本。

但是今天開源了，開源了意味著你可以免費用，所以這部分的通識知識所對應的訓練出來的參數你都可以直接拿過來用，數據沒開源，至少結果給你了，你也可以base on（基于）它進行數據合成，做一個自己的base model（基礎模型）繼續去訓練。

對于我們這些公司，我們積累了一個很重要的護城河，我所在的領域的data或者我想切的細分賽道的數據，我們去做BUA（瀏覽器操控）、CUA（電腦操控），我肯定是建了對應的數據集，這個數據集是我投入了很多資源、成本持續在優化。如果這個事我是全世界第一，大概率我的模型也是全世界第一。

護城河數據是非常重要的，我們確實在國內算是在B2B的賽道里面擁有數據非常多的一家企業了。

《海拔7950》：怎么判斷一個創始人的AI技術能力？

吳明輝：你看看這些模型廠商的創始人或者做Application（應用）的創始人，他們最近幾年有沒有發論文就行。這是最簡單的一個判斷，只要發論文的就還在牌桌上。

《海拔7950》：這個論文代表了他的技術能力和他的技術思考？

吳明輝：代表了他還在研究、學習最新的技術。

《海拔7950》：最近都誰發了論文？

吳明輝：比如說DeepSeek肯定在發，智譜在發，Kimi也在發。或許還有我不知道的。

《海拔7950》：我觀察了一些AI公司，他們的估值和他們實際收益相差太大了。未來會有一批倒下嗎？

吳明輝：這個說實在的，不重要。這方面我們肯定會比他們有很多的優勢，因為我們是賺錢的。首先他到底想干什么得想清楚，他干的那個事到底有多大，投入多大的資源，有多大的心力才能熬到那一天，也是要想清楚的。

今天虧錢正常，京東當年也虧很多錢，美團當年也虧好多錢。他想的很清楚，京東當年就是建基礎設施，建基礎設施投重資產虧的這些錢，長期能收回來就行，他能算清楚ROI（投資回報率）。今天一個AI公司虧不虧錢不是它最核心的評估指標，但是對于我們來講，因為我是經歷了周期的創業者，我肯定是不希望公司虧錢的。首先還是要穩扎穩打經營，同時我們也一定會堅決的把超出的利潤大部分投入到模型研發上的。

《海拔7950》：你覺得那些明星AI公司最后留在牌桌上的籌碼是什么呢？

吳明輝：對于某個細分賽道的堅持投資，最后留下來的團隊也好，數據也好，還是要選對賽道。

AI先解決生產力問題，終將解決生產關系問題

《海拔7950》：明略已經向港交所遞交了申請，上市之后對AI方面有大的規劃嗎？

吳明輝：規劃一直有，你在不同階段，你可以鏈接的資源不一樣，上市之后能鏈接的資源更多。不管是從品牌、資金、人才上都有進一步的提升，這是很重要的。坦白講，當年百團大戰最后剩下的公司首先是融資融的最多的，否則你活不到最后一天。

《海拔7950》：上市后錢可以解決很多問題。

吳明輝：錢不能解決所有問題，錢可能只是一個必要不充分條件。造車也一樣，沒有錢想都不用想，有了錢那也可以很容易搞垮的，所以這是必要不充分條件。

《海拔7950》：上市之后很大一部分錢要投向AI領域嗎？

吳明輝：肯定是，研發要持續投入。

我們現在采用的策略Specialized Agentic model（專有代理式模型），你沒有卷通用能力全世界第一，你還可以在細分賽道去卷全世界第一，最后就變成一個戰略選擇問題，你不要打消耗戰，消耗戰一定是燒不起的，哪怕上市，可能錢一時半會都不夠。

隨著你的能力越來越強，它不影響你將來變成更牛的。就像英偉達最開始就是做游戲，做GPU，做顯卡，他在那個領域做得特別強，最后變成AI。

《海拔7950》：明略的客戶有135家世界500強企業，但是目前即便大公司也在削減廣告預算，怎么解決這個難題？明略的戰略做了哪些調整？

吳明輝：我們要做廣告產業最大的公司，但不是原來的廣告公司，是指這個產業最大的AI公司。首先要面向效果廣告，效果廣告一個最大的特點，就是有非常明確的結果。我們最早做廣告監測，它是品牌廣告，品牌廣告沒有快速的結果反饋。從AI訓練優化的角度來講，沒有反饋AI進步不了，優化不了，效果廣告非常直接。

對于這些500強企業也好，大公司也好，經濟周期的時候，他會去削減品牌廣告預算，但是不會削減銷售預算的。效果廣告本質上就是銷售，抖音的直播本質是什么？不是廣告，它是銷售。

實際上我們更看重的是怎么用AI來解決這部分的工作，這部分對我們來講是一個巨大的增量市場，客戶肯定不會削減預算的。

《海拔7950》：Y Combinator中國創始人陸奇有個觀點，企業要“系統化做全球公司”，你怎么理解這句話？

吳明輝：用最簡單的角度去思考，以前我們全球化的組織是以人的組織形成的。人仍然是很重要的，但是我們去構建一個組織還是要考慮這個組織里面的流水線是什么。制造業的流水線和我們今天講的AI行業的流水線不一樣，可能每個公司會有一個Agent。我以前在公司內部講了一個概念，我在混沌學園上還分享過叫develop company as an agent（發展公司作為智能體）。那個Agent就是system，公司是個system，以前的組織挺松散的，內部會有人和人之間的內耗，文化的不認同，各種各樣的問題。

我相信隨著AI越來越強，在工作中的人和人之間，反而會變得更簡單。大家跟AI一起工作，AI也幫大家協調得更好，確實圍繞AI去做事情，就是那個system。你做一個國際化組織，跟以前會很不一樣。Manus現在已經國際化了，包括中國最牛的互聯網公司像字節，國際化很成功，他背后肯定不是簡單的人過去了，其實是一個system過去了，他那個system在那驅動了不同國家不同、不同市場的人在圍繞它做很多事。這其實是一個很大的趨勢，你構建的這個組織、人在里面扮演重要的角色。

《海拔7950》：以前大家覺得AI提升的是公司的效率、公司的技術能力，事實上它把整個組織形態也做了改變？

吳明輝：第一階段是解決生產力問題，終將解決生產關系問題。

《海拔7950》：你說過你個人的算法在不斷被優化。你目前的理想是什么呢？

吳明輝：這個理想有個人的使命層面也有公司的使命層面，最早個人使命就是做出比自己還牛的AI。后來從OpenAI之后，這個使命已不需要變成個人使命，因為這個事一定是幾年時間就能實現的。

后來我的個人使命就改成了“把數學之美傳遞給身邊的人”。我們公司的使命是“要打造可信的數據驅動的生產力”。這意味著什么？我們從最開始個人使命要做比我還聰明的AI變成一個對人好的AI，就是AI for Good，或者至少是一個可信的AI，這是非常非常重要的。AI干活的時候我要對它放心，它別騙我，別忽悠我，它給我提的建議也好，數據也好，支持也好，都是符合我的價值觀，符合我的底層理念，這個東西值得我信任，這個很重要。

我們的一個大的夢想就是我們在企業里面，短時間內我們不會做ToC的產品，更多是面向企業，面向企業的時候我們希望我們打造的AI更多是在這個層面給人提供價值。

抓住AI時代紅利；

根據業務的六大場景落地AI；

與2000多位AI先行者學習；

這場大課，可別錯過！

混沌2025AI應用成果大課（含大展）將于10月31日至11月2日在江蘇無錫飛馬水城舉辦，屆時，全國2000多位AI創新者與AI領域的著名企業家、投資人、AI創新專家將參與其中。