吴明辉访谈深读：企业级 Agent 的护城河是数据上下文与可信行动

核心判断：在企业世界里，Y = F(X) 的 X 比 F 更难

吴明辉用一个极简的生产函数表达企业 AI 的竞争：模型是 F，context/data 是 X。随着基础模型越来越聪明、Token 越来越便宜，通用 F 会逐渐商品化；而企业真正的差异，藏在长期积累的数据、领域专家的隐性知识、工具权限、业务环境和结果信用里。

3:47:46 内容地图：从创业史到数据驱动的可信生产力

一、19 年创业史：数据观来自错过移动互联网之后

吴明辉从推荐系统、外包数据和广告测量讲起：早期产品在 IDC 带宽与服务器瓶颈中成长，分布式计算、用户 ID、广告曝光和效果测量成为公司的底层经验。2012–2015 年移动互联网转型时，团队因为没有看懂客户端与价值网络的变化而慢了一步，这段错失后来变成他对技术与产品接口的长期警觉。

明略科技与明链数据的合并，解决的不只是公司组合，而是一个数据问题：如何把社会化媒体、广告、客户关系、门店、库存、SKU、价格、销售对话等连续时间序列放到一个“企业大脑”里。吴明辉认为，快照数据可以被复制，持续变化的上下文才构成长期资产。

二、数据护城河：公开数据是燃料，私有 context 才是环境

吴明辉把企业数据分成两种价值：公共数据可以训练通用模型，企业的私有数据和环境才决定某个决策是否正确。一个市场分析 Agent 需要知道最新产品型号、真实库存、渠道价格、客户关系和内部审批；这些信息不会完整存在于互联网上，也不能只靠一个更大的模型猜出来。

因此他预测，通用 Token 会越来越像电力价格，而企业会围绕 X 竞争。这个观点与大数据公司的历史经验相连：数据不是堆在网盘里的文件，而是被持续使用、纠错、组合、内化的工作状态。没有用户、工具和结果，数据量不会自动变成 context。

三、企业 Agent 的现实接口：没有 API 时，GUI 就是协议

企业软件的难点不在于有没有一个聊天框，而在于旧系统、税务系统、政府平台、浏览器和桌面应用往往没有安全、稳定的 API。吴明辉把这类操作称为 GUI/Browser/Computer Operation，Agent 必须像人一样观察界面、填写表格、点击按钮并确认结果。

这不是“退回人工”，而是把操作空间从纯代码扩展到现实的软件世界。代码/API 适合稳定、可测试的接口；GUI 适合连接历史遗留系统和短期不可改造的业务。企业 Agent 的核心产品因此更像一个 cockpit：把数据、工具、权限、子 Agent 和人类负责人接在同一个可审计任务里。

四、DeepMiner：Foundation Agent 加专业 Agent，而不是万能 Agent

吴明辉明确区分 Foundation Agent 与 General Agent。基础 Agent 负责多轮问题框架、规划和工具使用，但不直接作为一个万能商品出售；它进入广告、零售、工业、金融等领域后，连接各自的工具、子 Agent、数据和规划逻辑。领域知识越丰富，规划问题越容易被压缩，小模型也能在私有环境里完成大模型难以稳定完成的任务。

这也解释了为什么明略不把自有模型单独卖给客户：模型只是自己 Agent 的动力，不是独立产品。7B/8B 级别的小模型可以私有化部署、降低延迟和数据外泄风险；大模型可以在需要时被调用。企业需要的是一个结果系统，而不是一张参数表。

五、可信 Agent：从“最聪明”转向“有身份、有信用、能提醒我不确定”

访谈后半段的转折很重要：吴明辉过去希望做一个比自己聪明的 AI，后来把目标改成最可信的 AI。数据不能证明未来，只能证伪假设、在没有被证伪时给人信心；专家的价值在于让决策者愿意承担决策，而不只是给出更多候选答案。

他进一步设想 Agent 需要身份、持续结果、信用和声誉。一个定价专家的 Agent 之所以能卖得贵，不是因为消耗更多 token，而是因为它封装了专家没有写进公开数据的 context，并且长期记录证明它在什么环境里有效。Agent IP 由此成为一种可以加入多个团队、按结果参与分成的专业资产。

六、多智能体组织：专家 Agent 像合伙人，不是流水线员工

吴明辉用心理咨询、英语教育和运动员团队举例：一个复杂服务并非由一个公司包办，而是由多个专业体共同协作。心理咨询 Agent 可以和英语教育 Agent、老师 Agent、家长接口组成团队；营养、体能、比赛和心理教练则共同服务一个运动员。

他把这种结构称作 MOA（多智能体组织）的可能形态：专家 Agent 有自己的 IP，可以同时加入不同团队，以专业结果而非职位归属获得收益。人仍然是重要主体，因为人承担责任、设定基准和定义审美；Agent 则降低协调和执行成本。

七、Tool Use 与 SECI：真正的记忆来自人机共同挖掘

吴明辉把企业知识与 SECI 模型联系起来：师徒共事先把缄默知识传给另一个人，再通过分享外显化，不同专家的显性知识组合后形成规范，最后又内化为新的缄默知识。AI 的难点是把这个循环转成可用 Memory。

他的产品答案不是让 Agent 完全自主，而是设计一个“很烦”的 Human-in-the-loop 模式：Agent 不断追问 context，在工作过程中展示数据源、CSV、代码、图表和每一步处理，用户可以修改、检查、溯源。只要最终交付正确，系统就能知道哪些隐性信息实际参与了任务，并将其沉淀为个人或团队记忆。

这条路径也解释了他对“自主模式”的保留：完全自治的一波流速度很快，却难以挖出人的隐性 context；多轮协作更慢，却能把人脑中的任务规格写入系统。对企业而言，慢一点的可追溯，可能比快一点的黑盒更便宜。

八、数据挖掘的路线图：从拿对数据到预测

吴明辉把 DeepMiner 的短期工作拆成一棵任务树。叶子节点的 Tool Use 决定能不能找到准确数据、正确来源和可复现的处理；下一阶段要识别数据本身的矛盾、过时、引用错误和多源冲突；更远的终局才是预测——选品、定价、投资、营销和资源配置都可以被理解为 forecast。

九、ToB 的长处与局限：二十年的行业环境是训练资产

明略的优势不是“更早喊 AI”，而是在广告、零售和企业数据环境里拥有长期用户、领域专家、真实反馈与实施经验。与只从代码和公开网页出发的 Agent 公司相比，它能把业务任务直接变成模型环境；但代价是交付反馈慢、行业场景碎片化，大公司也不愿意为最后一公里配置长期 owner。

吴明辉认为，中国 ToB 软件过去受供给过剩、甲方人才强和客户要求源代码等因素影响，价格与知识产权秩序不理想。模型黑盒和数据不外泄的边界，反而可能为 AI 能力提供更清晰的保护。上市后，他希望把有限资源投入若干细分任务，各自做到世界级，再通过 MOA 组合，而不是在所有基础模型任务上平均用力。

进一步推演：这场访谈留下的八条 Insight

1. 企业 Agent 的公式是“强 F × 强 X × 可审计动作”。 任何一项接近零，模型能力都不会转成业务结果。
2. Context 是企业版的训练数据，也是权限边界。 越有价值的 context 越不能无条件共享，记忆必须带 owner、版本和用途。
3. Foundation Agent 比 General Agent 更像企业现实。 基础规划与专业环境组合，能把可靠性、成本和责任限制在可管理的范围。
4. Tool Use 是反幻觉的地基。 叶子节点的错误会沿任务树放大，工具、来源、回放和人工检查应先于更复杂的自主规划。
5. 企业知识管理的终局不是网盘，而是共同工作。 只有在结果生成过程中追问、修改、验证，缄默知识才有机会成为可用 Memory。
6. 数据价值的上限是预测，下限是证伪。 一个可信 Agent 先学会说“这里的数据互相矛盾”，再谈未来预测。
7. Agent IP 会形成新的专业劳动力市场。 身份、信用和结果记录让专业能力可以跨组织组合，前提是责任与收益分配透明。
8. ToB 的最后一公里不是低价值苦活。 它是把公共模型接到私有环境、业务规则和真实后果的地方，往往正是最难复制的资产。

怎样证伪或修正这套判断

• 若通用云 Agent 在企业中可以安全读取全部关键 context，私有部署和领域数据的壁垒会被低估。
• 若完全自主的 Agent 长期比 Human-in-the-loop 更准确且能持续获得隐性知识，访谈对“很烦的协同模式”的强调需要修正。
• 若数据量和模型规模即可稳定预测未来，不需要专家信用与多源证伪，X 与可信的相对价值会下降。
• 若 Agent IP 无法形成可追责的长期结果记录，MOA 的专业合伙人结构只能停留在比喻层。

证据边界与资料索引

正文以 #116 完整逐句材料为主，保留嘉宾/主持人说话人映射；章节时间来自公开节目大纲。融资、估值、团队规模、DeepMiner/OSWorld 排名、验证成本、用户采用与上市计划均按嘉宾口述或当时计划处理。明略招股书用于核对公开业务与风险，不把访谈中的技术性能和未来目标当作监管已确认事实。

• Zhang Xiaojun Podcast #116：吴明辉访谈：原始视频与章节入口。
• 明略科技招股书（香港交易所公开文件）：公开公司历史、业务与风险。
• OSWorld 项目：电脑操作 Agent 评价环境；访谈中的 pass-at-one 与团队表现仍属嘉宾口径。
• Lilian Weng：LLM Powered Autonomous Agents：规划、记忆、工具与 Agent 运行系统的公开框架。
• 明略科技官方入口：公司与产品公开入口，页面内容会随时间更新。

证据顺序：节目原始材料 → 香港交易所/公司公开资料 → 本文分析。本文提供结构化深读，不复刻整期逐字稿。