善友探索流 01｜從天才到歸真：吳明輝的“悟道”之路

采訪｜李善友 混沌創辦人

受訪｜吳明輝 明略科技創始人、CEO兼CTO

吳明輝是典型的學霸型創業者，也是投資人非常喜歡的有技術背景的創始人。

小時候數理化很難不考滿分，2000年通過奧賽銀牌被保送進北大基礎數學系，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。創業后他既有很強的技術背景，對產業有理解，對商業戰略有足夠深的思考，有足夠強的愿景。風光的時候，公司連續兩輪融資各20億，賬上躺著 10億，敢做敢賭。

但同時，他也是真正穿越周期的創業者，經歷了戲劇性的畫面——高歌猛進后的急轉直下，“商業世界重大的錯誤我全犯了”。最慘的時候，公司連裁員補償都發不起，被員工認為是騙子，要跑路了，甚至直到如今負面輿情還影響著公司的人才招聘。

他用了將近二十年時間，探索商業世界的第二曲線、第三曲線，“這個過程非常煎熬”。同時，他也在不斷思考個人的使命，“我吳明輝這一輩子應該做什么？”

就在不久前，明略科技推出了基于多模態基礎模型的網頁 GUI 智能體 Mano，一舉在兩大國際權威基準——Mind2Web 與 OSWorld 上刷新紀錄，雙雙登頂 SOTA（表現最優?。?。這意味著 Mano 已具備在真實網頁環境中完成復雜操作鏈的能力——AI 開始真正“看懂網頁、動起手來”了。

與此同時，明略科技的專有大模型產品線 DeepMiner 也正式亮相。它試圖回答一個更難的問題：當AI從C端走向B端，從消費場景邁入企業決策，如何讓智能體做到可信、可解釋、可追溯？

近期，明略擬通過港交所上市。在IPO前發布新產品，被認為是“秀肌肉”，但看完下面的訪談，這些產品指向了吳明輝在商業世界與個人世界的漫長探索，他的答案在變得清晰。

在與善友教授這場長達5小時的深度對談中，教授與吳明輝幾乎復盤了他二十年的創業與思考——從北大數學系到計算機，從“秒針系統”到“明略DeepMiner”，從互聯網時期的廣告監測業務到最新的AI時代的發力點。

這是一位走過了PC互聯網、移動互聯網、大數據、到人工智能的創業者，如今，AI成為了他的新武器。但他更在意的，不是AI能有多聰明，而是“信任”的重建。因為技術的盡頭，是對世界的理解。

經歷了反思、推翻與重建之后，他重新找回了那個核心問題——什么才是可信的數據？

在吳明輝身上，你看到的不只是一個連續創業者的野心，還有一個數學家式的冷靜與堅守。

“我希望AI成為商業決策的守門員。”這句話，也許正是他在AI時代給出的最清醒的答案。

吳明輝：一個愛解難題的人

李善友：明輝歡迎你來參加我的第一個播客。你能不能講講你自己的過去，回憶一下你個人的情況。

吳明輝：非常榮幸。我爸爸原來是軍人，后來轉業做了警察。我媽媽是在全國都出名的北極星鬧鐘廠工作，職務是質量檢查員。后來我創業的初創公司叫“秒針”，其實當時注冊名字時，我并沒有聯想到我媽媽的工作。后來我們做的工作，就是數據的質量檢查，這確實跟我媽媽的工作某種程度上是相關的。

李善友：說說你的這個學習和求學情況怎么樣？

吳明輝：其實我從小確實學習還算非常好的。但我是一個偏科的學生，一開始就是偏數學，后來到了中學以后有物理化學，那時候我的數理化基本上很難不考滿分。

數學確實是我一生的熱愛了。到現在為止，我第一次做數學題，我就覺得太有意思了，而且越難的數學題我越喜歡。我在一個小城市，我在中學期間，其實沒有特別多的題。我每次碰到特別好的題，我都一定要把它做出來。我記得有一道題我是做了一年才做出來，甚至在睡夢中都在想，而且那個書沒有答案。

李善友：在你求學期間，你在哪個方面什么時刻是最努力的？

吳明輝：其實如果你今天從機器學習角度，從AI訓練的角度來講的話，這個努力就叫scaling law（規模定律：投入越多，結果越好）。

努力分為了預訓練階段的努力和后訓練階段的努力，甚至還有續訓練階段的努力。續訓練其實就是持續跟這個社會互動，你要不斷的實踐。但是如果我們討論學習期間的努力的話，更多的是這個預訓練和后訓練。預訓練的階段的努力，其實就是要不停地讀書。那后訓練的階段的努力其實什么呢？要不斷地做題。這兩個事情的努力都很重要。

如果是讀書的話，我在中學期間，我把我所在城市的圖書館里面能買的數學書我全讀完了。我是數學、物理、化學、計算機基本上每一科都參加競賽的。那每一科去打比賽的時候，我都會到那個城市，第一件事情是下了火車先去當地圖書館，我先把數學書都買了。所以對數學確實是有一種癡迷。

李善友：所以在數學上看到兩個方面，一個是你那個天賦，因為你喜歡解難題，在解答題當中你會感受到那個美感。第二你看到你的努力。那么你在整個求學階段，有沒有受過什么挫折和失??？

吳明輝：我本科一入學的時候，對我來講是一個不小的一個挫折。我們宿舍六個同學有四個跟我一樣是奧賽保送的，而且還有一個國際奧賽奧林匹克。這個時候你就會發現，他確實真的是比我聰明，一些特別難的題，可能我需要想5分鐘，他直接就可以做出來。

我們的這個數學系的考試，100分的卷子，如果你特別認真聽講，及格是沒問題的。如果你特別認真，并且還算有一定的天賦，那應該是能得90分，但是不會超過95。總有5分是來檢驗你將來是不是數學家的，那個題我是肯定做不出來的。

我在那個時間點，我發現我好像當不了數學家了，對自己有一點點小懷疑。然后我就開始轉行做創業，開始去賺錢了，寫軟件，教書，就做一些跟商業相關的事兒了。

李善友：這個數學的這個夢想后來就借此放下了還是怎么樣？

吳明輝：沒有放下，因為我做的其他的工作，尤其是計算機，實際上它是一個數學的application（應用）。我就選擇了在北大繼續讀計算機，在北大搞算法。

李善友：今天其實有兩個關鍵詞，我覺得你是一個學術型創業者，你跟別人不太一樣，那第一個學科是數學，但現在聊著聊著你第二個學科出來了，計算機。

吳明輝：我第一次參加計算機競賽是初中二年級的時候，我拿了市里面計算競賽的一等獎，當時就發了一些軟盤，還有一些教育軟件。我當時說這個好像獎品更豐富，作為一個小孩我覺得很不錯，也沒想別的，就覺得這個搞計算機好像很有錢。

然后到了高中的時候，就開始寫代碼，后來還甚至寫游戲給大家去玩。所以其實我后來對計算機非常喜歡，是因為它既跟數學有關，它是一個數學的顯性的表現。同時它更容易獲得不管是物質還是跟社交相關的精神的反饋。

當奧數老師賺第一桶金，給朋友“救火”走向創業

李善友：一個有數學家夢想的人，對計算機也非常之擅長，怎么樣走向創業這個路上來的呢？

吳明輝：在大學一年級的國慶節回到家，我媽讓我算賬的時候，我突然發現，入學第一個月好像他給了我兩千多塊錢，我一下就基本上全花掉了。而我媽媽那個時候一個月其實是400塊錢。

我意識到了我們家沒那么有錢，所以我當時就想出去賺錢，第一個手段就是出去教奧數。我當時可能就是覺得財富自由了，一邊教課，一邊我也在思考還可以做什么事情。

直到大三的時候，我的一個高中同學，他有一個合伙人跟他一起去做軟件開發。他的合伙人寫的代碼老是有bug，我的同學很火大，因為他每次都被客戶罵。后來，他有一天實在是受不了，然后就過來找我了。他說明輝，要不你看看這個代碼的bug怎么改。我周末就在北大圖書館泡了整整兩天，把圖書館里面跟那個要修改的bug的那個語言相關的一些書，看了一遍。翻完了以后，我就跟我的同學說，我已經學得七七八八了，你把代碼給我，我來改一下。

他后來就跟我一起成立了一個工作室，我們后來一直在做軟件開發。

我覺得一個很大的轉折點是我碩士二年級的時候，服務了新浪的教育頻道，做完了以后，就認識了新浪的教育頻道的主編，于是認識了我最早期的一個創業合作伙伴，李豐。

豐叔他那個時間點其實是在新東方，但是他也是一個不安分的人，想自己創業，已經有一個公司了，我跟他應該是2006年在離新東方很近的一個公寓里面見了一面。當時還看到了羅永浩，因為羅永浩還是那個公司的股東。李豐說，你每天做的都是很苦的，這個性價比很低的。你現在創業就是給別人干活，賣自己的時間賺錢。其實你還可以去融資，講一個更大的故事，拿資本市場的錢。我說還有這種事兒，然后他就給我講了半天。

李豐給我掃了盲以后，他說我把我的公司跟你的公司合起來，我做CEO，你做CTO。所以從這個時間點我才真正地開始擺脫了給別人去做軟件外包，開始走向我們要去融資，做一個自己的產品。

因為李豐的背景，我們本來的想法是做一個在線教育公司，但是很快這個概念就被投資人徹底地給否定了。

投資人一直反復在問一個問題，你們這個團隊到底有什么核心競爭力？你的技術壁壘是什么？早期我也不是特別會回答，后來我就慢慢地把我以前在做軟件外包開發過程中用到的一些核心技術去給他們去講。這個核心技術將來能支撐什么呢？就是支撐我們的千人千面的教育系統，因材施教。

我2007年真正開始獨立融資的時候，我還有一個合作方叫祝偉，他也是早期李豐拉來的一個天使投資人之一。他是廣告公司的一個高管，我跟他又重新的優化了我們的商業計劃書，其實出去講的就是千人千面的推薦系統。

李善友：千人千面推薦，那是移動互聯網的東西，后邊是AI了。其實2007年的時候，這兩個核心關鍵詞已經出現在你的生命軌跡中了。

吳明輝：我的碩士論文就是我后來創業的這個方向，Recommendation System（推薦系統）是跟大數據的Data Mining（數據挖掘）以及自然語言處理相關的，但之前的Recommendation System跟自然語言是沒關系。因為我在研究過程中看到了一個分詞的算法，比如說吳明輝是明略科技的創始人，明略科技是一個詞，創始人是一個詞，這個分詞其實就相當于是把中文的詞和詞之間要用空格給它隔開。

而這個過程需要非常復雜的算法，當時我們叫隱Markov（馬爾可夫）模型，其實就是今天的強化學習的最核心的底層算法。所以其實我當時就在那個時間點誤打誤撞開始研究分詞算法。

我當時做的是內容的推薦。第一個應用場景就用到了新聞的網站上，我當時第一個客戶就是羅永浩的牛博網。牛博網當時博客旁邊的推薦都是我的算法推出來的。一個新聞本旁邊推薦什么新聞，其實不僅僅是要看看了這篇網站的人還看過什么，還要看網頁和網頁之間的相似度，而網頁和網頁之間的相似度用到的技術就是語言模型。我相當于是最早把語言模型用到了recommendation，這就是我的碩士論文。但是當時的語言模型都不大。

北大的計算機系和北大中文系合作的一個研究所叫北大語言所。他做了中國的第一個中文概念詞典。中文概念詞典其實就是中國最早的語言模型。所以其實就相當于是我機緣巧合又因為創業的原因開始做自然語言。

今天我們的多模態模型，就又需要圖像、視頻的能力，又需要自然語言的處理能力。所以我的學術背景，天然的特別適合做多模態，今年我們剛發的Mano，也是多模態的，成全球智能體榜單新SOTA。（SOTA指State of the Art，最新技術狀態，描述某一領域當前達到的最佳性能水平或最先進的技術）

掃碼收聽完整版播客

做可信的“第三方”

李善友：你的推薦系統后來用到內容新聞推薦里了。后來怎么樣變成你的秒針的呢？

吳明輝：我在07年的下半年開始跑市場，就見一些客戶，同時也見投資人，投資人當時對這個recommendation system沒什么感覺。直到這個直到我碰到了一個很好的一個朋友，他是在醫療健康領域的非常好的一個連續創業者。他說明輝，我看你挺可憐的，你也別收我錢了，你免費讓我用。我用完了以后，你看看這個到底有啥結果。

當時我就把我的系統掛到他的網站上了，掛了大概一天就發現了一個很大的問題，我知道為什么這些網站不愿意用我了，因為我一下就能看到它真實的流量。

他這個公司的主要商業模式就是賣廣告，它對外宣稱是2000萬，實際上不是2000萬，是200萬。所以我突然意識到，原來互聯網公司不喜歡我的原因，是因為他們怕真實的數據被別人知道。所以從那個時間點上我就開始想，其實我們有可能有另外一個視角，誰想拿到這些數據呢？其實就是被這些媒體有可能欺騙了的廣告商。

吳明輝：我很快就把商業計劃書改了，變成了三步走。第一步，基于類似于DoubleClick這樣的技術去幫客戶做廣告監測，做真實的流量的分析。分析完了以后，我們就積累了大量數據。第二階段做廣告的recommendation，就可以千人千面地投廣告。第三階段做everything的recommendation，什么都可以投。

然后就出現了一個非常有意思的事情，我們的這個系統上線之后，就開始跟媒體技術大量博弈了。因為媒體真的是不喜歡我們的，因為我們把他的真實的流量告訴了廣告主，他不想讓我拿到數據，他就把我們的代碼刪掉了。刪掉以后，我們就通過一些技術手段繞開它。

我們有一個客戶就是寶潔，他覺得這個博弈太沒有意思了。有一天就把我和祝偉叫到了他們辦公室，然后他說，擁有你們的這個數據分析技術的公司不止一家，你們長期怎么定位自己？我想了三天，然后跟客戶說，我們堅決地做中立的第三方。

李善友：第三方這個詞就這時候出來了。

吳明輝：我絕不會影響這個數據的真實性，一定讓這個數據是可信的。

李善友：可信這個詞也出來了，所以從數據到可信、第三方、真實，這個定位最后怎么產生結果的呢？

吳明輝：客戶就把所有的媒體叫到了他的辦公室。他說從今天開始，我們寶潔要大量地投資互聯網廣告，但前提是，你們不允許刪秒針的監測代碼，如果刪了的話，我就不付錢。我要付錢的依據就是秒針的數據，這是結算標準。

最后，我們成為行業標準很重要的一個原因是媒體也開始覺得我們對他是好的。

李善友：怎么轉變的？

吳明輝：當時最大的廣告市場其實是電視，互聯網廣告是很小的。我們要把電視收視率的數據跟我們的互聯網監測數據融合到一塊兒。融合完了以后，我們的那個軟件就成為了當時全世界出名的軟件。不光是中國，因為連美國、英國的那些大的消費品公司的總部，他們都沒見過，把一個big data和傳統的調研的一個small data這兩個融合起來的一套算法。因為這個原因，其實我們一方面受到了客戶的認可，更重要的一點是所有的互聯網公司都覺得，這家公司原來好像不是我們的敵人，是在幫我們搞錢過來的。

李善友：所以你解決了一個大卡點就是廣告主和媒體之間互不信任的問題，你用獨立第三方的這個形態成為交易環節必不可少的那么一步。第二，你也找到了一個10倍速的機會，恰好是從電視廣告向互聯網廣告轉，你又把這個問題給接住了。第三點的話的確也挺有意思的，你 2007年那個論文是想recommendation for everything，然后第一步是廣告的推薦、內容的推薦，結果就順著這個方向去走了。

高歌猛進：“投資人非常喜歡我這樣的創始人”

李善友：秒針最后做到什么樣的一個情況了？后來為什么去做明略了呢？

吳明輝：所以我其實當時每個季度我都會去看中國的網民到底有多少了，我們真能看到真實的情況，我有一個大盤。在2012年的時候，如果我們只做這個廣告監測業務這一個業務，其實已經沒有很高的天花板的增長了。所以我一定要再切到第二個曲線。

其實第二曲線在尋找的時候，我想到首先還是廣告推薦系統。我在公司內孵化一個新的業務線，去做一個廣告的推薦系統來幫廣告客戶來去做投放。

在 12年13年，big data這個詞兒火起來了。這個時候其實大家突然就發現到，好像數據量大了可以解決很多問題。所以我就同時干了好幾個事兒。一來是在秒針內部做了秒針的第二曲線，做廣告投放。同時我又在這個外面又注冊了一個新的公司，當時叫明略數據，其實就是學習美國最厲害的這幾個大數據公司。

李善友：你其實在資本運作上也是比較順利的，而且這方面似乎你的能力是很超群的。這種能力怎么出來的？你先后融資這方面的情況怎么樣？

吳明輝：我早期融資還是很難的。第一次融資應該是09年年底拿到的第一個Term Sheet（投資意向），10年年初才融到了A輪，其實是我覺得一個很大的原因是當時對戰略是沒有真正深入的思考，還有一個原因就是畢竟當時自己還是nobody。

到了B輪C輪之后，融資就相對容易一些了相對容易一些了。

我覺得這里面一個很重要的一點，為什么能持續融到錢？我覺得很大程度上得益于兩件事情。一個是我作為技術背景的創始人，正好趕到了過去這20年里面的技術紅利，就相當于從互聯網、移動互聯網、大數據，然后上一代人工智能，后來又到這一代人工智能，在這個過程中，我覺得我自己包括我們的團隊，是有一種持續學習的精神的。

那同時還有一個很大的紅利，我覺得就是不管是中歐創業營還是混沌，就是跟著您的學習，我覺得這個對我來講也是受益終身的。我這是我為什么一直特別感謝混沌，感謝教授，就是您帶著我、帶著我們整個公司一直往前走了很多很多。

相當于是你在商業上的一些思考打開了，同時又有很強的技術背景。這時候其實投資人是非常喜歡我這樣的創始人的。相當于是他覺得你是有vision（愿景）的，就是對產業有理解，對戰略有理解，同時又覺得你是能落下去的，我覺得得益于我后來又回歸CTO的崗位。

李善友：的確，你實際上是把這兩個特色是很好地合在一起，第一個是在技術上背景很強，第二是你對商業理解，你對商業的理解很深，你的vision是非常深的。第三你的表達，你把戰略商業和技術產品合在一起的這個表達能力上是非常之強的。

掃碼收聽完整版播客

急轉直下：“商業里面的這些重大錯誤我全犯了”

李善友：所以18年、19年明略和秒針合并之后，你又變成這個CEO。有點像一個少年一路高歌猛進，沒有遇到特別大的挫折。這個過程中去找方向是很正常的，但接下來這個失敗應該是有點大了。

吳明輝：對，這個挫折真的是血淋淋的教訓。

吳明輝：我前面的18年、19年分別做了兩次整合。首先是秒針并購了最大的競爭對手對手，我們一下成為了中國在數據這個賽道的第一大公司。

因為之前融了兩輪，其實我也在做這個公司戰略，去思考機會在什么地方？我當時想到的第一個護城河應該是數據。如果一個企業擁有了自己的數據，或者說你比較方便的access（獲?。┻@些數據。其實你的護城河就會產生，由數據產生網絡效應。

當時的前沿的技術就是利用深度學習、深度神經網絡來去做自然語言處理，這是2019年的時候。正好2020年來了，出現了一個非常戲劇性的變化，就是人類的工作全上網了，產生了太多新的數據了。

我在2020年底收購了Manus的前身夜鶯科技，當時它是企業微信最好的一個社交CRM（SCRM）工具。而它里面其實是可以access大量的在企業微信里面的數據，就是銷售、導購跟顧客之間的聊天，這個是一個非常好的可以用來去做AI學習訓練的一個場景。而且今天的AI的智能客服、AI智能銷售，包括今天在這個領域的agent（智能體），其實都是要用這個數據的。

我當時做的事情有三層。

第一層它首先是一個數據中臺，這個數據中臺是要把一個企業的所有的數據都集中到一起。第二層我們要去做AI，在那個時間點還沒有基礎大模型，所以其實是我們要基于小模型，從底到頂全做，而且它是沒有通用能力的，相當于是你每做一個任務，都做一個模型。

舉個例子，比如說OCR，我做一個名片識別，都是一個單獨的模型，對方把名片發過來后，自動把這個名片識別出來，自動加到我的CRM里面，當時明略的這個企業微信已經有這個功能了，都是我們自己做的，這是一個很小的功能。

當時我其實做了非常多的很有意思的產品。其實今天我們也可以叫它copilot，也可以叫agent，那個時候這些概念都沒有，我們其實是全球原創。那同時還要有applications，因為你光做完這兩個東西，你跟applications接不起來，大家也就都不知道。不像今天大家都知道說你做模型的公司做好AI就行了，我可以直接提供API的服務，大家就API就可以花錢買token。

李善友：這是嚴重違反了精益創業的原則。

吳明輝：商業里面的這些重大錯誤我全犯了。我當時為什么就是決心做這個事兒呢？我當時覺得，首先大力可以出奇跡，這是第一個觀點。第二，我當時有一個觀點，中國的軟件公司為什么賺不到錢，是因為我們中國大部分的軟件都是投資很少做出來的軟件。如果我搞1000人我連續做兩年、做三年呢？

而且我又有這個錢，我當時融了好多錢，我用1000人連續做三年，三年之后市場上沒有任何人敢復刻這個產品。我可以連虧三年，如果我資本市場對我是OK的話，我就持續。

吳明輝：我后來資金鏈斷了，因為21年沒融到錢，22年就一點希望都沒有了。其實我21年年底差點融到融到5億美金。

李善友：可能也就過去了。這個項目后來怎么樣了？

吳明輝：整個的大團隊裁掉了95%的人。

李善友：這應該是你創業以來最痛苦的一段時間。是的，那段時間好像你的錢連裁員的錢都給不起了。

吳明輝：當時公司的賬上可能也就剩了兩個億。

李善友：為什么決定要砍掉？

吳明輝：這是理性的決策。首先其實21年我做這個項目的時候，也不是所有人都支持我。一些保守的投資人其實是不理解的，但是一些激進的投資人和信我的人，他覺得吳明輝賭敢、敢試，反正賬上當時是有超過10個億的現金，是敢做的。

我本來是差一點再融5億美金，本來都已經快好了，結果突然間由于當時的中美關系，以及地緣政治俄烏戰爭爆發了，當時所有的美元資本都開始被美國要求不允許投中國的AI公司。我是非常感謝騰訊的，其實騰訊相當于是在最危難的時候，其實救了公司，借了點錢給公司。我借了一千多萬美金，投給了公司。這都是我們裁員之后的事兒。

裁員之前，首先先跟現有的股東去化緣，騰訊還是支持我的，但是騰訊當時就說你還要再找個投資人去投才行。但這個時間點上真的一個投資都找不著了。所有的投資人都勸我要開始裁員了。

因為當時還面臨著什么是，銀行抽貸，因為所有的銀行看到的這個情況全部都是到期貸款，再也不給你續貸。

但是我當時最難受真正打擊我的是什么呢？是團隊不信任我了。這個是一個致命的打擊。之前我一路高歌猛進，其實得益于團隊對我的信任，包括投資人，投資人覺得吳明輝是一個帶團隊一直在打勝仗的人。

所以我特別感謝騰訊的投資團隊，在我們各種會議里面對我們各種的批評。其實是讓我知道一個CEO絕對不是只有遠大夢想就夠了的。你必須要有非常的強大的經營能力，這個就是對數字負責，對于每一分錢負責，對于團隊感受負責，你對于每一個事情都要負責。

真的是在那個時間點開始，我覺得明略就是一個真正意義上的穿越了周期的團隊，穿越了周期的公司，以及我是穿越了周期的CEO。

李善友：所以你和你的團隊也經歷過真正意義上的“至暗時刻”。你看，從你求學開始，你幾乎一路順風順水—— 數學容易、計算機容易，比賽也拿獎。創業初期其實也是一樣，完全是學霸的邏輯。你做了“千人千面”的推薦系統，接著又做廣告監測，很快拿到了第一筆錢。然后第二個業務、第三個業務，也都做得不錯。

但后來，突然遭遇了那樣的打擊。雖然我們現在事后回頭看，方向其實是對的。我今天想請你回頭看一看，在那個時刻，我們到底犯了什么樣的錯誤？如果要反省的話，你覺得問題出在哪里？你那個階段的教訓是什么？

吳明輝：我后來反思復盤最核心的錯誤其實是戰略節奏沒有控制好。

其實有一種戰略，有一種業務叫什么？叫愿景式業務。大家往往會因為一個特別美好的愿景出了belief（信念），但是這里面有個很大的問題，但凡是這種跨時代的東西，你就必須是慢慢做，不能大肆擴張。但是你做晚了也沒用，那個愿景不屬于你了。

李善友：你是個愿景驅動式的、理念驅動式的、使命式的創業者，你不是就今天做什么就往下去的那種感覺，包括說秒針，你本來也是很有愿景的，當然那個愿景本來把秒針只是當做第一步的，但走著走著走向另外一個了。

吳明輝：其實就是我雖然是技術出身的，但是我當時對于技術的預判過于樂觀。在通用人工智能沒有出現之前，基于傳統的這個模型，想要在企業辦公這么復雜的、各種各樣千奇百怪需求場景里面去落地，這個AI的成本和它的技術可行性上面的預判出現了嚴重失誤。而且我覺得我有這么多的錢，大力出奇跡，我應該可以把它燒出來，這個想的有點過于簡單了。

反思、轉念：找到“新武器”

李善友：那經歷了這件事情，你這個人有沒有改變，有沒有一些恐懼？在人和人之間的關系或者其他方面，對你的情緒有沒有改變呢？

吳明輝：其實在那個過程中，我突然意識到，當你面臨一個高度不確定性的研發任務的時候，團隊每個人都互相都沒有那么服氣，每個人都想成就自己，都想證明自己不一樣，而且大家沒有一個共同的目標，因為其實因為那個goal（目標）不清楚，甚至連半程的里程碑都沒有，我不知道那是什么樣子的，所以我對那個組織理解是不夠的。

這時候的組織會成為一個災難。所以從精益創業者來講，小團隊創業其實就是為了避免這種錯誤。

其實是，你得讓這個事兒變得更清晰一點以后，你才能吸引更多優秀人進來，而更多人又進來了以后，他看到了清晰的部分，這時候大家思想目標就會一致。我在裁員之前，我就已經深刻地領悟到了自己的這個錯誤，裁員過程中我其實是應該是有了更多的同理心。

我記得以前雷軍也說過，人性即天理，要順勢而為。那個勢首先其實是人心，如果你連人心都順不了，那也不可能有什么勢的。我今天腦子里面有這根弦了。

李善友：什么時候還的員工的離職補償？

吳明輝：第一筆是到22年的年底，大部分的錢其實23年才還。

李善友：一年以后了。

吳明輝：因為我們裁員也不是一次性裁完的。第一波五六月份被裁的員工，其實是22年的年底才拿到錢，拖了半年。我們最開始說三個月就行，一拖再拖。但是第一筆錢大家拿到了以后，其實網上才有一些同事說，輝哥還是沒騙人的。到后面其實慢慢的才輿情稍微好了一點，之前大家有人就說我們跑路了，公司倒閉了。

而且其實到今天為止，有一些負面的帖子仍然會影響到我們的人才招聘。人工智能領域的人才是非常稀缺的，可能他在網上搜了搜一些你的負面評論，就不敢來了。所以這個信任真的太重要了，這太重要了。我覺得這就是一個企業家，包括一個優秀的團隊，非常寶貴的資產，不管是跟投資人、跟客戶、跟外部的合作伙伴。

李善友：你后來怎么走出來的呢？

吳明輝：首先第一件事情我還是要贏得團隊的信任。如果沒有贏得團隊的信任的話，也不可能走出來。我跟現有的團隊做了一個深刻的反思和道歉，有個道歉對這個過程很重要。

我覺得在那個時間點上，其實很多同事應該是原諒我了。他們也都是覺得公司挺不容易的，我們要集體把這個組織的生命維護好，一定要維護好，我們還是有機會的。

吳明輝：還有一點，這次道歉的時候，其實我對于未來其實還沒有想的那么明白，但是我也跟大家說了，我說我們肯定不能放棄，今天大模型已經如火如荼的展開了，咱們一定要在大模型領域上拿到一張船票。

李善友：這個時候大模型這個詞你已經出來了，就是22年年底ChatGPT出來了，你就get到了。

吳明輝：在這個時間點上，其實我已經開始初步探索瀏覽器的自動化。

那段期間，還有我覺得對我幫助特別大的一件事情，就是我從23年開始又來混沌上課。這一系列課其實對我有個很大的幫助是什么呢？就是我們開始挖公司的卡點。

我遇到了卡點，第一曲線“秒針”沒戲了，好吧，我去做第二曲線，或者做第三曲線。所以這個過程其實就是一個挺煎熬的，就是你一方面要去試新的東西，另外一方面老的東西就是卡死在那個地方。每天都在想，但是當時就沒有一個特別好的思路，一直到25年才想出來。

李善友：24年我陪你的時間長一點，我覺得的確是這樣子的，24年的時候，你的創業的思考的方式變了。

其實那個時候，你的注意力已經不在“秒針”上了，而是在不停地探索第二曲線。咱們在 24 年有一個共同的感悟，那就是“維度”。第一曲線本身就是一個維度，有時候我們看到第一曲線出現卡點，就像小孩身上有了泥，我們想給他洗干凈，但洗完之后，把泥扔了，也把孩子一起扔了。這就叫“狗熊掰棒子”——什么都沒留下。

所以那個階段你要解的題變了。第一曲線是一個維度，第二曲線又是一個維度，當兩個維度合在一起的時候，“一體性”這件事就出現在咱們的世界觀里了。但很顯然，這個題目也變大了。

吳明輝：第一曲線那個維度，把孩子的泥都給它洗掉之后，發現其實就是數據。我是有一次是被點醒了，做了一個巨大的轉變，發現原來客戶最后買單的原因是，一個有了好的交互的數據產品，數據才是核心的。說白了，哪怕那個交互很爛，這個數才是最關鍵的。所以當我對那件事情有了一個轉念之后，我的注意力又回到了數據上了。

但是我今天有個武器叫AI，AI的武器有沒有機會幫我把這個卡點給突破掉？

李善友：我覺得這個轉念是很漂亮的。

吳明輝：但是當時沒有找到解決方案，就是持續地在找。

掃碼收聽完整版播客

讓AI成為商業決策的“守門員”

李善友：接下來你怎么找到那個載體的呢？這次有什么不同？你怎么最后找到那個載體的？

吳明輝：其實這個是非常簡單的。我的卡點就是被效果廣告“卡死了”。今天我們做效果廣告的時候，已經不看點擊量什么的，它都是把電商的銷量作為結果。

但是這里面的數據在哪？都是在電商后臺，在廣告平臺的后臺。我們如何用最新一代的人工智能把這些數據跟我原有的數據連接起來，跟客戶的自己的in house（內部的）數據連接起來？

這個其實就是今天我們正在做的新產品DeepMiner。這個產品恰恰就是可以完美的去解決這個問題。它的載體就是一個新一代的agent，或者是叫商業數據分析的可信的一個智能體。

李善友：那DeepMiner是個啥呢？你描述一下它是個什么東西，它的價值是什么？

吳明輝：當你要解決一個商業問題的時候，往往涉及到數據的支持。比如說廣告應該怎么投？你今天去問DeepSeek的時候，他也要做消費者的分析，他要分析很多數據的，但是其實真正在企業里面有大量的軟件的數據，大模型是鏈接不到的。它的這個無人駕駛能力是非常差的，就是復雜一點的軟件都是走不過去的。

其實DeepMiner是幫助企業去鏈接了可信的數據源，這里面有企業自己in house數據，也有external（外部的）的數據。這些數據鏈接起來以后，你在這上面再去做下游的任務的時候，它才有數據可依。你的決策才是有一個可信的決策依據。

李善友：那對于我這個公司講，如果我想買你這個產品，我是取代了誰，或者我增加了什么，對我有什么特別大的變化嗎？比如說我第一次用Manus，那我覺得也很震驚，那用戶用你就會有一種震驚感嗎？

吳明輝：用了一段時間Manus的人，首先會覺得它的商業數據分析是肯定不行的。它里面大量的都是編出來的數，因為它沒有數據源，頂多到互聯網上搜一搜就結束了。但是比如說，我們公司明天的廣告片應該怎么拍，這肯定要做數據分析。需要更全面的、更專業的、更準確數據源。所以這是一個很大的區別。

第二，其實是在處理模型分析數據過程中產生的幻覺這個事，我們從產品設計上還有一個非常大的不同，就是我的整個數據分析全鏈路完全透明，可追溯。也就是說，我從拋出一個問題給到DeepMiner，到最后他給我的結案報告，中間的每一個環節的數據全存下來了，上一步到下一步中間怎么算的，全都在這個過程中是透明的。

所以今天作為一個人類的數據分析師，是可以在任何一個環節上對它進行提問質疑，然后進一步的修改，都可以做到。

DeepMiner其實今天擁有全世界最強的數據分析洞察能力，我又把它鏈接到了圖像和視頻生成的能力上。所以今天我在效果廣告投放上，我可以說我們應該是全世界范圍內真正意義上對客戶效果負責，去做內容創意的最強的一個agent。這個是我們今天在效果廣告領域已經做了的事情，后面完整的工作其實把整個投放的引擎徹底閉環。

其實，內容是今天效果廣告投放最重要的部分，把基于可信數據的這個內容生成完了以后，再放到這些平臺的投放引擎上，投完再基于投放的結果反饋，去強化流量采買模型，甚至進一步去迭代你的創意制作，這樣形成一個閉環。

李善友：自動投放這方面怎么樣呢？

吳明輝：我現在發布還是數據分析的部分。我們在今年年底的時候能做投放這件事情。

李善友：創意這部分已經完事兒了。所有這些創意是AI產生的嗎？

吳明輝：其實不是完全自動，人還是在參與的，但是是用自然語言交互的。我認為這個vibe coding，氛圍編程，它最后會演化成為vibe working，就是氛圍工作，有可能是vibe marketing，有可能是vibe data analyzing。

李善友：所以你要做的這個。

吳明輝：那未來其實這個一定會出現的一個情況就是，我們的這個DeepMiner是一個公司數據分析的中臺，是操作臺，就像是一個八爪魚，我可以幫你鏈接所有的軟件，你在這兒去用自然語言去做數據分析。

吳明輝：而且這個最大的好處什么？就是不只是數據分析師才能使用。比如說我們作為公司的決策者，以前可能我都不知道數據軟件怎么用，但你今天過來問問DeepMiner就行了 。

所以DeepMiner最核心的我們要卷的能力是鏈接能力。我們在數據分析這個領域，第一步先把所有的工具全都鏈接過來了，這時候如果企業里面的工作人員每天都去用它，它就會越來越聰明了，越來越厲害了。這個時候其實我們有一天再鏈接到投放系統、廣告創意系統，那就非常厲害了。這樣，我們就可以稱之為“可信的數據驅動、可信的生產力”了。

李善友：春節的時候Manus已經出來了，特別的爆火，但是好像我們的DeepMiner沒有像Manus這么火爆，是我們因為這就是必然的過程，還是中間我們踩了什么坑呢？

吳明輝：我覺得B2B公司其實很難爆發，這也是為什么很多的優秀的創業者，其實挺愿意去做B2C的業務，因為它會有一些爆發的階段。但是我認為任何的事物都是有客觀規律的，任何的爆發，它其實都是消耗能量，就是有代償的。

吳明輝：我覺得每一個行業它的進步速度是不一樣的。首先我們既然選擇了To B的賽道，大家是要忍受一定的寂寞的。那另外一件事情，我覺得就是我的這個更長期的愿景，我要去做一個可信的模型，這件事情是足夠偉大的。

李善友：清楚了。所以用咱們的“第二曲線理論”和“價值網理論”來看，DeepMiner 和秒針確實是兩個不同的存在。秒針起始于PC互聯網時代，當時你把電視和互聯網打通，后來又順利銜接到移動互聯網，但你的基因畢竟是留在那個時代。

今天這個DeepMiner，經過這九十個月的探索，已經真正進入AI價值網了。而且你找到的第一個場景，恰好還是秒針所在的領域——用AI的方式去賦能、去重塑這個體系。

慢慢就能改造整個秒針。當這個體系被重塑之后，它其實會變成一個基座，就像鏈家和貝殼。貝殼原本是鏈家的“孩子”，但后來變成了承載所有房產服務的平臺，而鏈家只是上面的第一個使用者。我覺得現在的明略，也在走向類似的格局。盡管 DeepMiner 還只是個孩子，但那個可能性、那個世界，真的被打開了。

“有一天我的墓碑上面也要寫個數學公式”

李善友：你個人的使命叫做數學之美，你的公司現在是一個家人工智能公司，站在今天來講，你未來的個人的使命和公司的使命怎么結合呢？這里跟計算機和人工智能什么關系呢？

吳明輝：其實我在第一次思考自己的人生意義，就是在一個相對認知更全面之后，就是在2013、2014年的時候。而且也是教授您對我的一個啟發，我記得我在中歐創業營上課的時候，你當時最后跟我們這些同學們其實語重心長講的最后一段話——你下次再見善友的時候，不要再跟我講說你又融了多少錢，估值多么牛，你下次跟我講講，你是不是make something different（打破常規），你到底做了多么牛的一件事情。

吳明輝：我那個時候就是每天在想我到底應該做什么？我吳明輝這一輩子應該做什么？其實我是從那個時候開始想的。我當時立下了一個自己的一個愿望，一個大愿。當時想的是說我要做一個比我還聰明的AI。這是我在2014年（中歐創業營）畢業幾個月之后想明白的一件事情。所以后來就有了明略，最開始我們叫明略數據，一直到2018年2019年，我們先后做了一些并購整合，最后把明略和秒針又做了一個整合，變成了這個明略科技集團。

其實相當于是明略數據是在我讀中歐創業營期間的第二曲線，因為一直跟您學第二曲線，學創業創新。

這個想法和這個愿望一直推動我去做公司的持續的戰略迭代，因為它是一個足夠遠、足夠大的一件事情。直到什么事兒讓我發生了一個很大的一個變化，突然間我覺得我這個使命要改了，就是我在讀博士期間正好碰到了這個ChatGPT，生成式人工智能大模型，在2022年到2023年期間對我沖擊很大。

因為這期間一方面是我們公司遇到了很大的資本外部環境的一個變化，縮減了很多的研發預算，特別大的一些研發的項目給砍掉了。另外一方面就是你突然看到了AI可以這么牛了。

所以我就在那個時間就開始重新思考，我的人生使命到底是什么？肯定不是聰明的AI了。所以我在這個過程中，在反復思考自己的個人使命。

但是對于AI的定位來講，其實逐漸地就涌現出來的一個思路，就是我們要去做一個真正讓人類信得過的可信的AI。為什么是可信的？因為真正的商業社會里面，其實造假數據騙大家其實更容易賺錢。

李善友：具體體現你使命的那個點是什么呢？假如有那么一句話。

吳明輝：其實今天我想到了一句話，也是非常鼓舞我的一句話。我希望能夠在我的這個墓碑上寫一個公式，這個公式就是人機協同互信的數學原理，它背后這樣的一個數學公式。

我在咱們的混沌課上看了張首晟老師的第一性原理那門課，他就講過他在很困惑的時候去到了英國的教堂里（倫敦威斯敏斯特教堂）看到了先賢們（牛頓、達爾文等）的墓碑，每一個墓碑上面會有一個公式。我當時就在想，有一天我的墓碑上面也一定要寫個數學公式，它會是什么公式呢？

所以我今天想到的就是人工智能，我既然作為人類的一員，我應該要去看他做的事，是不是對人類好的，是不是可信的，我們是不是可以把日常任務放心地交給他。

如何對人類是好的？它不是一個數學的詞，那我如何去解釋它，我現在還沒有答案。今天明略要做的是可信的AI，而我的個人使命，因為要跟數學有關，所以我就一定要把這背后原理寫成數學公式，刻到最后我的墓碑上。這樣我的個人夢想和公司的夢想真正的合一了。

李善友：那你今天依然是愿景式的創業者嗎？是的，那你的那個愿景，你的那個使命到底是啥呢？

吳明輝：我剛才提到的其實就是第二階段的目標。我們不會只做某一兩個細分賽道的 data mining。在我們內部，DeepMiner 是一個基礎智能體，我們稱之為 Foundation Agent（通用智能體）。這個 Foundation Agent 跟一般的 Agent 不一樣，它可以裂變出很多個垂直領域的智能體。比如在營銷領域，它本身就可以衍生出一整套子系統。

國外和國內的營銷體系都非常龐大，而 Foundation Agent 越往細分領域深入，反而越容易落地，技術可行性更高。在這個基座上，我們可以不斷裂變出不同的 vertical agent。我們的終極目標，就是在各行各業中，凡是涉及數據驅動決策的地方，我們都能幫助人類構建出可信的模型，訓練出能被信任的 AI，讓它成為商業決策的“守門員”。

李善友：我覺得這太美好了。今天聊下來，我感覺你身上其實有兩個“吳明輝”。一個是“學者吳明輝”，另一個是“創業者吳明輝”。而在你剛才那段話里，我甚至看到了“企業家吳明輝”的影子?；仡^看你的人生軌跡——念書時學數學，后來轉向計算機。走著走著，計算機成了你的工作，帶你進入人工智能的世界。現在你又把數學重新融入 AI。如果你真能寫出一個屬于自己的數學公式，那它也許會成為未來明略的核心原理。在那個之上構建的工程化系統，就可能成為新的明略載體。我覺得這真是一個非常有趣、很完整的循環。人生走了一圈又回來了。沒有一段是浪費的，一切都被整合進了現在的你。

李善友：那最后，我想請你送給今天的創業者們，特別是 AI 時代的新一代創業者，三個關鍵詞。無論是正在轉型的，還是剛開始創業的，你會給他們什么建議？

吳明輝：我覺得在 AI 時代，更需要我們每個人去重新思考未來的生活方式。人和人的關系會怎樣變化？AI 和 AI 的關系又是什么？

第一點，我認為每個創業者都要有長期思考。我們要相信——巨頭不可能把所有事都做完。這不符合計算機的原理，也不符合社會分工的規律。一定會有創新的空間、差異化的機會。

第二點，要找到自己的獨特定位。無論是個人還是公司，都要清楚自己在體系中的位置。這個定位，最好和你自己深層的能力與特質有關。

第三點，要建立可衡量的系統。而且基于每個定位應該要有對應的評估系統benchmark（參考標準），也就是說我能夠衡量這件事情是對還是錯。

所以我的建議是，每個創業者都要去思考自己的長期定位——個人的、公司的，并且要有一套對應的理念體系，還要能在數據和數學層面上定義它。只要在這件事上有自己的獨特堅持，長期來看，你的企業一定會有持續的價值，不會被通用模型淹沒。甚至有一天，也許從你的小領域里，又能長出一棵新的大樹，成為未來新的“大模型”公司。

掃碼收聽完整版播客