“閉源已死，開源已來，從 token 和模型上賺錢?！?br/>

文丨程曼祺 實(shí)習(xí)生付自文

編輯丨宋瑋

AI 正在吃掉軟件，Agent 正殺死 SaaS。

吳明輝好像應(yīng)該為此擔(dān)憂。他創(chuàng)立的明略科技去年底剛剛登陸港股，主業(yè)是為廣告營(yíng)銷和零售提供數(shù)據(jù)挖掘與分析服務(wù)，主要產(chǎn)品形態(tài)就是軟件與 SaaS。

而現(xiàn)在，你在他身上看到的是興奮。他時(shí)常睡不著覺，因?yàn)榭偸怯刑?idea 要交給龍蝦（OpenClaw）執(zhí)行。

有一次，他兩周就在 “龍蝦” 上花了 10000 美元 token 費(fèi)，看到賬單的第一反應(yīng)是：“怎么這么便宜？”——“那兩周我怎么著也給公司創(chuàng)造了十億的價(jià)值。”

明略全員都在自建的新協(xié)作辦公平臺(tái) “章魚” 上工作，這是一個(gè)真人和 “龍蝦” 的混合網(wǎng)絡(luò)，按一套權(quán)限機(jī)制互動(dòng)。吳明輝頻繁溝通的龍蝦有 18 只，有自己的，也有同事的，它們分別叫 “畢達(dá)哥拉斯”、“圖靈”、“馮·諾依曼”……每只各有所長(zhǎng)。

開發(fā)章魚的是一個(gè)不到 10 人的小團(tuán)隊(duì)，兩個(gè)多月生產(chǎn)了近百萬行代碼，每周花近 4 萬美元 token 費(fèi)。曾有工程師一天就花了 8000 美元，遠(yuǎn)超自己的日薪。

在大腦的高速運(yùn)轉(zhuǎn)和興奮中，吳明輝真正擔(dān)心的其實(shí)是 “猝死”，生物意義上的。

這不是一個(gè)老板初見 AI 的 “上頭”。

2000 年，吳明輝憑奧賽保送北大基礎(chǔ)數(shù)學(xué)系，四年后研究生保送北大計(jì)算機(jī)學(xué)院人工智能模式識(shí)別與圖像處理方向，碩士期間創(chuàng)立秒針系統(tǒng)，后來發(fā)展為明略科技。

大模型熱潮前的 2019 年，吳明輝再次進(jìn)入北大軟件與微電子學(xué)院攻讀人工智能博士。今年春天準(zhǔn)備博士答辯時(shí)，他在章魚上用龍蝦為自己安排了一場(chǎng)虛擬評(píng)審會(huì)，押中了好幾個(gè)現(xiàn)場(chǎng)提問。

他對(duì)人工智能的認(rèn)知也來自慘痛的實(shí)踐。2020 年，剛?cè)诹?20 億人民幣的明略決定做 EIP（Enterprise Intelligence Platform，企業(yè)智能系統(tǒng)），想把一家企業(yè)的所有數(shù)據(jù)和知識(shí)喂給 AI，公司員工一度擴(kuò)張到近 4000 多人。正是這期間，明略收購了 Manus 創(chuàng)始人肖宏的上一家創(chuàng)業(yè)公司夜鶯科技。

這在當(dāng)時(shí)是一次失敗的 AI 轉(zhuǎn)型，以 2022 年的近半裁員、估值大幅下滑收尾。

但吳明輝沒有受傷的感覺?；謴?fù)元?dú)夂?，明略?2023 年的大模型熱潮中快速投入，至今已發(fā)布用于商業(yè)數(shù)據(jù)分析的多 Agent 協(xié)作數(shù)據(jù)分析平臺(tái) DeepMiner，和開源的端側(cè) GUI（圖形界面操作）模型 Mano 系列。

OpenClaw 這類 AI Agent 框架興起后，吳明輝的新判斷是：軟件 “殼” 的價(jià)值已接近于零，閉源必死，未來要靠 AI 和模型賺錢，開發(fā)中的章魚就會(huì)以開源形式發(fā)布。

軟件本身的價(jià)值已經(jīng)接近于沒有了。一個(gè)億的 token，就能大體復(fù)刻別人歷史上幾十億堆出來的東西。

以前大家按人月、人天收費(fèi)。將來會(huì)變成 “token 成本加管理費(fèi)”。

一個(gè)反共識(shí)的想法是明略不裁員，吳明輝看到人仍有無可替代的價(jià)值。

笛卡爾說 “我思故我在”，我覺得現(xiàn)在是 “我品故我在”。思，是基于確定性前提往后推理，AI 正在替代；品，是基于人生經(jīng)驗(yàn)、閱歷，知道自己想要什么、什么是好的，這是 AI 不可替代的人類的獨(dú)有存在方式。

我們問他這個(gè)判斷是否夾雜了太多個(gè)人希望。他說 “希望本身會(huì)產(chǎn)生力量”。

一個(gè)人的希望可能不夠。但如果 80 億人里 79 億人都有共同的希望，都相信自己有價(jià)值，你覺得這件事會(huì)不會(huì)實(shí)現(xiàn)？

一個(gè)存在已久的公司，它的業(yè)務(wù)和組織會(huì)如何被 AI 改變？一個(gè)創(chuàng)業(yè)已經(jīng) 20 年，而且曾因?yàn)檎`判 AI 吃過大虧的創(chuàng)始人為什么愿意再次跳進(jìn)浪潮。明略和吳明輝提供了一種可能，一種答案。

生產(chǎn)力爆棚、不想睡覺，AI 時(shí)代的大風(fēng)險(xiǎn)是猝死

晚點(diǎn)：我知道你春節(jié)到現(xiàn)在都在狂用 AI，尤其是龍蝦這類 Agent，你現(xiàn)在每周在 AI 上花多少錢？

吳明輝：我自己大概一周 5000 美金。有一天續(xù)費(fèi)時(shí)隨手看了一眼，那兩周我花了一萬美金，第一反應(yīng)是——怎么這么便宜！

我真心覺得，那兩周我怎么著也給公司創(chuàng)造了十億的價(jià)值。1 萬美金真的太便宜了。

晚點(diǎn)：你具體用它做什么？

吳明輝：我不在一線寫代碼，我的龍蝦主要做公司戰(zhàn)略、寫論文、產(chǎn)品討論，偏 CEO 和 CTO 的管理類工作。但公司很多同事的龍蝦我也可以調(diào)用，所以我一有想法，它們馬上就可以開始干。

以前我這種人，特別能想，但行動(dòng)力沒那么強(qiáng)，現(xiàn)在我執(zhí)行力直接爆棚。

最可怕的是它們（龍蝦）干得太快了，快到我沒法睡覺。我想到一個(gè) idea，一回車，10 分鐘之后就做好了，然后又想到一個(gè)，10 分鐘后又好了。晚上十二點(diǎn)多躺到床上，龍蝦大概率已經(jīng)把上一波活干完了，我就忍不住還要再跟它說一會(huì)兒。

晚點(diǎn)：明略的其他同事怎么用 AI 呢？現(xiàn)在 token 消耗有多大？

吳明輝：以我們一個(gè)新產(chǎn)品 “Octo 章魚” 的核心開發(fā)團(tuán)隊(duì)為例，他們不到 10 個(gè)人，兩周前我看到的最高數(shù)字是一天 3.7 萬美金，這兩天可能又漲了。

最厲害的一個(gè)工程師，一個(gè)人一天能消耗八千美金。Token 費(fèi)用已經(jīng)超過了人力成本。

晚點(diǎn)：如果每個(gè)人的執(zhí)行力都被極大放大，還需要公司嗎？一人公司 OPC（One Person Company）是否才是未來？

吳明輝：我更認(rèn)同 TPC，Three Persons Company。三個(gè)人分別處在 3 個(gè)不同時(shí)區(qū)，全面覆蓋 24 小時(shí)——我睡覺時(shí)，另一個(gè)人繼續(xù)和 AI 一起做事，等他要睡了，第三個(gè)人再接上。就像以前的三班倒。

晚點(diǎn)：你對(duì)這一波 AI 變化很興奮，會(huì)不會(huì)擔(dān)心太興奮時(shí)有盲區(qū)？

吳明輝：其實(shí)我最擔(dān)心的是猝死。

晚點(diǎn)：這不是開玩笑的？

吳明輝：真的。我相信用龍蝦用得好的朋友都很難睡著覺。但凡哪一天你有一個(gè) big idea，一定睡不好，你會(huì)帶著龍蝦不停工作。

所以一定要團(tuán)結(jié)兄弟們，不能一個(gè)人扛。我會(huì)把自己的思考傳給自己和同事們的龍蝦，大家和他們的龍蝦會(huì)沿著這個(gè)方向繼續(xù)往前走，也會(huì)幫我找里面的漏洞。一個(gè)人撐不住，但一群人可以。

Agentic 的進(jìn)化方式是 (e?)' = e?

晚點(diǎn)：你說 “要大家一起扛”，明略正在做的人和龍蝦之間的協(xié)同辦公網(wǎng)絡(luò)就是這么來的嗎？

吳明輝：這個(gè)產(chǎn)品叫 Octo 章魚。是一個(gè)讓很多龍蝦和很多人一起協(xié)作的系統(tǒng)，也是我們公司現(xiàn)在正在用的工作環(huán)境，可以理解成龍蝦版的飛書。

它的起點(diǎn)很簡(jiǎn)單。春節(jié)前我們幾個(gè)同事把幾只龍蝦拉進(jìn)一個(gè)群里玩，玩著玩著我突然發(fā)現(xiàn)，把不同專長(zhǎng)的龍蝦放在一起，會(huì)產(chǎn)生非常有意思的化學(xué)反應(yīng)——集體智慧涌現(xiàn)。

比如我就有一只龍蝦叫 “畢達(dá)哥拉斯”，主要學(xué)數(shù)學(xué)；還有學(xué)了 AI 的 “圖靈” 和學(xué)了博弈論的 “馮·諾依曼”——它幫我參謀商業(yè)談判。把它們拉到一個(gè)群里互動(dòng)，效果比一只什么都知道的龍蝦更好。

大模型領(lǐng)域有個(gè)概念叫 MoE（混合專家模型），由少數(shù)研究員提前配置好專家分工，是預(yù)設(shè)好的。我春節(jié)發(fā)現(xiàn)，MoA（混合 Agent 模型）可以實(shí)現(xiàn)類似效果，但更靈活，因?yàn)?Agent 在被海量用戶動(dòng)態(tài)使用，不同智能體的專長(zhǎng)在互動(dòng)中動(dòng)態(tài)變化，不需要提前配死。

現(xiàn)在所有模型公司做的都是個(gè)體學(xué)習(xí)，但人類歷史上其實(shí)還有一種更強(qiáng)的學(xué)習(xí)方式——集體學(xué)習(xí)。多 Agent 網(wǎng)絡(luò)就是一種集體學(xué)習(xí)，而且是集體持續(xù)學(xué)習(xí)：每一只 Agent 從分散的人類個(gè)體和其它 Agent 身上獲取偏好和上下文。

類比 MoE 模型中提前配置的路由（影響模型不同專家的能力分配）和固定的優(yōu)化目標(biāo)，MoA 的路由分配，甚至優(yōu)化目標(biāo)本身都在動(dòng)態(tài)、持續(xù)地變化。

章魚就是我們?cè)谶@個(gè)方向上的實(shí)驗(yàn)。

晚點(diǎn)：它怎么變成一個(gè)嚴(yán)肅的產(chǎn)品嘗試的？

吳明輝：這是我做章魚的另一個(gè)出發(fā)點(diǎn)——我不能接受明略的組織和工作方式還停留在上一代。

我們當(dāng)時(shí)上市選的股票代碼是 2718，是自然對(duì)數(shù) e 的近似值。e 的 x 次方有個(gè)性質(zhì)，它的一階導(dǎo)數(shù)（速度）、二階導(dǎo)數(shù)（加速度）都是它自己，三者同步增長(zhǎng)。規(guī)模（函數(shù)值）越大，速度越大，加速度也越大。

今天 OpenClaw 就像 e^x，全世界用戶都在用龍蝦本身來幫龍蝦進(jìn)化，給它貢獻(xiàn)代碼。

所以龍蝦既是工具，又是工具改造的對(duì)象。它的代碼越強(qiáng)，寫代碼的能力就越強(qiáng)，進(jìn)步速度就越快。這就是 Agentic 的進(jìn)化狀態(tài)。

用中國(guó)古話講就是 “工欲善其事，必先利其器”，自己的生產(chǎn)力工具一定要自己造，造出來還可以拿出去賣，形成閉環(huán)。我希望明略也能進(jìn)入這種 Agentic 的狀態(tài)。

晚點(diǎn)：章魚的具體開發(fā)過程是怎樣的，本身是不是也大量用到了 AI？

吳明輝：特別好玩，我們做章魚骨干網(wǎng)的工程師只有 5 個(gè)人，基本上都是用龍蝦在開發(fā)，哪有人自己開發(fā)？否則不可能這么快。前兩天（4 月初）我看已經(jīng)有 37 萬行代碼，那還是 iOS 版沒做完時(shí)。

這 5 個(gè)人 2 個(gè)多月就做了過去要投幾千人干十年的事。假設(shè)他們一天花 5 萬美金 token，一年就是 1800 萬美金、1 個(gè)多億人民幣。而過去可能投了三四十億到上百億、花了好多年，才堆出飛書、釘釘今天的樣子。

晚點(diǎn)：章魚的產(chǎn)品形態(tài)和飛書、釘釘有什么不一樣嗎？

吳明輝：表面看也是一群人在聊天、帶著龍蝦做事。但背后邏輯完全不同。

首先，我們對(duì)龍蝦做了最核心的改造：把它從個(gè)人助理變成團(tuán)隊(duì)協(xié)作者。原版龍蝦不認(rèn)人，也沒有權(quán)限機(jī)制。我們給它加了一個(gè)插件，讓它能認(rèn)人，知道誰是它的主人，優(yōu)先聽誰的話，這個(gè)插件也貢獻(xiàn)到了 OpenClaw 的開源庫里。一個(gè)龍蝦只能有一個(gè)主人，不存在 “部門的龍蝦”，只有 “部門 Leader 的龍蝦”——他可以把龍蝦開放給團(tuán)隊(duì)用，但出了問題由他負(fù)責(zé)。

晚點(diǎn)：那你作為 CEO，所有龍蝦都得聽你的嗎？

吳明輝：當(dāng)然不是。龍蝦得有自己的信任度判斷。這是我們做的第二件事，建了一套面對(duì)人類的 “品鑒者” 機(jī)制。

你在組織里貢獻(xiàn)的判斷和想法如果被廣泛認(rèn)可，你的 “品鑒 credit” 就會(huì)增加，更多龍蝦就會(huì)聽你的。這是一套和職級(jí)體系完全不同的新秩序。

最后，章魚里的信息是高度透明的。我對(duì)內(nèi)部一直這樣講：平時(shí)聊天、罵老板，還是在企業(yè)微信；用龍蝦干活，在章魚里。章魚存在的意義，是讓組織可以做關(guān)系分析、工作流程優(yōu)化，最終做貢獻(xiàn)歸因——把每個(gè)人做了什么事、創(chuàng)造了多少價(jià)值，清楚地記錄下來，讓所有貢獻(xiàn)都透明、可追溯。

晚點(diǎn)：未來你們的激勵(lì)也會(huì)和這體系掛鉤？

吳明輝：肯定的。舉一個(gè)我們已經(jīng)在做的事，最近我們和龍蝦一起開發(fā)了一個(gè)寫論文的 Co-Craft 系統(tǒng)， 顧名思義，就是大家聯(lián)合打磨一個(gè)作品，重復(fù)性工作讓 AI 做，真正創(chuàng)造價(jià)值的部分人來做。

這其中有 3 個(gè)產(chǎn)生價(jià)值的關(guān)鍵環(huán)節(jié)：開始的 idea 是誰提的？實(shí)驗(yàn)是誰做的？最后的論證過程誰貢獻(xiàn)了 taste？。有時(shí) idea 就是很重要，比如哥德巴赫猜想將來真被人解出來了，哥德巴赫依然很有名——因?yàn)樗翘岢鰡栴}的人。

我期待這個(gè)系統(tǒng)將來可以自動(dòng)把論文作者排名列出來

晚點(diǎn)：但貢獻(xiàn)歸因仍是主觀的，有人認(rèn)為 idea 重要，有人認(rèn)為 idea is easy，做出來才重要。

吳明輝：解決方式很簡(jiǎn)單，提前建立共識(shí)。先把歸因準(zhǔn)則和公理定好，否則不要一起玩。做公司、做產(chǎn)品，我做任何事都是這個(gè)原則，得先有一個(gè)哲學(xué)系統(tǒng)。

晚點(diǎn)：你設(shè)想的多 Agent 網(wǎng)絡(luò)的哲學(xué)系統(tǒng)是什么？

吳明輝：我給龍蝦研發(fā)了一套商業(yè)倫理學(xué)，底層世界觀主要來自康德的義務(wù)論、有效利他主義還有契約論。

康德義務(wù)論的核心是：道德法則必須無條件遵守，不能說謊就是不能說謊，沒有例外。但這個(gè)要求對(duì)人來說太難了——人有私欲、有立場(chǎng)、有情境，絕對(duì)誠實(shí)幾乎不可能做到。

哥德爾不完備定理告訴我們，任何足夠復(fù)雜的系統(tǒng)都無法完全證明自身——人作為這樣的系統(tǒng)，天然存在自我認(rèn)知的盲區(qū)。但春節(jié)時(shí)我突然發(fā)現(xiàn)，龍蝦是可以自指的，它可以全量自我觀察。它的全部代碼、soul、memory、skills 都在自己這臺(tái)機(jī)器上，它掃描自己的源代碼就行了，沒有盲區(qū)，它對(duì)自己了解得無比清楚。龍蝦會(huì)有很神奇的世界觀。

晚點(diǎn)：這套哲學(xué)系統(tǒng)，你和工程師去講，他們能接受嗎？會(huì)覺得太虛了嗎？

吳明輝：不虛呀，我給的都是源代碼，把這套哲學(xué)寫成 MD 文檔直接放進(jìn)龍蝦的 memory 里，有什么好虛的？而且公司現(xiàn)在真的有幾個(gè)產(chǎn)品經(jīng)理和工程師對(duì)這套東西極其著迷，他們把我這些文件當(dāng)成養(yǎng)蝦秘籍。

晚點(diǎn)：你怎么判斷他們是真的著迷，還是因?yàn)槟闶?CEO？

吳明輝：看行為。就像一只龍蝦，它從上線到下線，從來沒做過壞事，每天交給它的任務(wù)都圓滿完成——你為什么要認(rèn)為它是只壞龍蝦？

晚點(diǎn)：如果形象描述一下，章魚用起來是怎樣的？

吳明輝：左邊是聊天，右邊根據(jù)你在做什么來定。寫論文，右邊就是論文編輯器——一邊是 LaTeX，一邊是接近 PDF 的渲染結(jié)果，可以直接在渲染結(jié)果上改公式、改圖，調(diào)用 AI 去改。做數(shù)據(jù)分析，右邊就是表格，我直接點(diǎn)那個(gè)格子說 “把這里改一下”，比用文字描述 “第五行第十列” 精準(zhǔn)得多。

“章魚” Octo 的交互界面，左列是聯(lián)系人和群列表（包含真人和龍蝦），右邊的工作界面隨任務(wù)變化，有可能是聊天群、畫布等等。

因?yàn)槭情_源的，大家都可以按自己的工作流定制右邊的界面。我們只會(huì)把自己用得最順手的幾個(gè)場(chǎng)景開源出來，比如寫論文、數(shù)據(jù)分析。其他行業(yè)有自己的場(chǎng)景，自己去開發(fā)就行。

晚點(diǎn)：已經(jīng)有大量用戶的飛書和釘釘也在做 AI 轉(zhuǎn)型，網(wǎng)絡(luò)里也能加 Claw，為什么不是他們更能做成這件事？

吳明輝：他們要做，第一件事就是先學(xué)我，把自己開源，不開源都白搭。

如果真的擁抱 AI，就會(huì)知道閉源必死。因?yàn)檐浖旧淼膬r(jià)值已經(jīng)接近于沒有了。一個(gè)億的 token，可能就能把別人歷史上幾十億堆出來的東西大體復(fù)刻出來。

這件事本質(zhì)是創(chuàng)新者的窘境——飛書有幾千名工程師，如果真要開源，那一刻他們?cè)趺聪耄?/p>

企業(yè)微信可能相對(duì)安全一點(diǎn)，因?yàn)樗澈笥形⑿抨P(guān)系鏈。但其他幾個(gè)辦公協(xié)作平臺(tái)，說實(shí)在的，沒有什么絕對(duì)壁壘。

晚點(diǎn)：即使你開源不要錢，用戶遷移也有成本。一個(gè)組織在飛書上有聊天記錄、大量文檔和工作群，換起來很麻煩。

吳明輝：要看遷移成本，也要看遷移動(dòng)力。如果原有的辦公平臺(tái)開始漲價(jià)，而且企業(yè)發(fā)現(xiàn)自己掌握自己的數(shù)據(jù)很重要時(shí)，遷移動(dòng)力就出來了。

短期內(nèi)我不認(rèn)為大家會(huì)全部搬到新平臺(tái)。章魚和飛書可以共存。比如飛書文檔做得很好，已經(jīng)開放了接口，那它就可以變成章魚的外掛。龍蝦需要調(diào)資料，通過接口到飛書里拿，拿完再回來協(xié)作。大家是互補(bǔ)的網(wǎng)絡(luò)，不是你死我活。

晚點(diǎn)：章魚會(huì)開源，那你們?cè)趺促嶅X？

吳明輝：靠 AI 賺錢，不靠軟件賺錢。

靠 AI 賺錢無非三種方式。一是做基礎(chǔ)模型的分發(fā)商。我?guī)涂蛻艚尤胱詈线m的基模，賺一點(diǎn)路由和調(diào)度差價(jià)，但這個(gè)價(jià)值不高，只是基礎(chǔ)。

第二種也是我們真正的方向：在細(xì)分場(chǎng)景里自己訓(xùn)模型，這時(shí)毛利會(huì)高得多。我們有一個(gè)叫 Mano 的模型，專門做軟件 GUI（圖形界面）操作。通用榜單上第一名可能也就七十多分——十次操作錯(cuò)三次，生產(chǎn)里根本沒法用。但我們針對(duì)出海電商這個(gè)具體場(chǎng)景的軟件，可以做到 99.9% 的準(zhǔn)確率。這種模型比通用模型小得多，但在這個(gè)場(chǎng)景里效果更好，我就可以把這個(gè) token 賣得比基礎(chǔ)模型公司更貴。

還有第三種：在場(chǎng)景里積累獨(dú)有的 Context，然后把 Context 和基礎(chǔ)模型組合起來賣。比如你做一個(gè)接入學(xué)術(shù)論文庫的龍蝦服務(wù)，通用模型沒有這個(gè)上下文，你就可以在中間賺差價(jià)。

所以最后的邏輯是：軟件開源，用模型和數(shù)據(jù)賺錢。開源越徹底，用的人越多，模型的場(chǎng)景數(shù)據(jù)積累越快，護(hù)城河越深。

“我怎么會(huì)認(rèn)為自己沒有價(jià)值？不可能”

晚點(diǎn)：你現(xiàn)在做章魚、大力投入 AI，和 2020 年招人、想用 AI 做 EIP （Enterprise Intelligence Platform，企業(yè)智能系統(tǒng)）有什么不同？上一次你們沒能成功。

吳明輝：首先，當(dāng)年的動(dòng)機(jī)和今天完全一樣。我當(dāng)時(shí)想，如果一家公司所有的數(shù)據(jù)、知識(shí)、信息都被一個(gè)模型學(xué)習(xí)了，它就可以變成公司里每個(gè)人最好的個(gè)人助理。這就是 EIP 的核心動(dòng)機(jī)。只不過，我差不多早了六年。

這就是當(dāng)年的第一個(gè)錯(cuò)誤：對(duì)技術(shù)判斷過于樂觀。那時(shí)我們還在 BERT（Google 基于 Transformer 的模型）那套思路里，后來真正把問題解決的是超大規(guī)模預(yù)訓(xùn)練，就是 GPT。等到 2022 年我真正想轉(zhuǎn)向，錢已經(jīng)燒完了。

第二個(gè)錯(cuò)誤是組織。當(dāng)時(shí)是八方神仙、各路諸侯，去做一個(gè)所有人都不知道到底是什么的產(chǎn)品——說實(shí)話，連我自己的描述也還是非常模糊的概念。最后是組織上的巨大崩潰。

晚點(diǎn)：EIP 最后是怎么結(jié)束的？

吳明輝：很簡(jiǎn)單，沒錢了。

晚點(diǎn)：有多沒錢？

吳明輝：2022 年 4、5 月，我們判斷肯定拿不到新融資了。那時(shí)上海封城，客戶回款也很難，發(fā)票都開不了。算來算去，從 4000 人里要減掉一半。

晚點(diǎn)：這個(gè)決定怎么執(zhí)行的？

吳明輝：做不下去，但不得不做。我有個(gè)北大同學(xué)，跟了我很多年，是公司早期核心成員之一，很多人也是他招來的。最后，這個(gè)對(duì)門宿舍的同學(xué)也不得不被我裁掉。那個(gè)過程里，真心會(huì)覺得自己很渺小，沒有能力給大家回報(bào)。

晚點(diǎn)：?jiǎn)T工怎么反應(yīng)？

吳明輝：有人到公司鬧、拉橫幅；有人的家屬是律師，說一定會(huì)替家人鳴不平。

在那個(gè)時(shí)刻，我第一次真正理解：真實(shí)世界不是我在象牙塔里想象的簡(jiǎn)單世界。

晚點(diǎn)：你 2006 年就開始創(chuàng)業(yè)了，到 2022 年已經(jīng)十六年。為什么那個(gè)時(shí)候才第一次感覺看到了真實(shí)世界？

吳明輝：可能之前太順了。從小學(xué)習(xí)好、上北大、進(jìn)數(shù)學(xué)系，后來創(chuàng)業(yè)。我在同學(xué)里應(yīng)該算最會(huì)賺錢的人，到哪兒都挺光鮮。公司雖然沒做到騰訊、字節(jié)那么大，但在細(xì)分賽道里是站穩(wěn)了腳跟，做出了自己的分量。

所以 2020 年前，我一直春風(fēng)得意，沒有真正的 Context。但真正有價(jià)值的創(chuàng)新，一定需要巨大的挫折、巨大的 Context。

晚點(diǎn)：你負(fù)反饋太少，都是正反饋。

吳明輝：其實(shí)在控制論里，負(fù)反饋不是給一個(gè)負(fù)向的反饋，不給反饋才叫負(fù)反饋。以前在很多重大問題上，沒有人真正給我上過人生課。

晚點(diǎn)：那你看到的真實(shí)世界是怎樣的？以前你又是怎么想象的？

吳明輝：以前我做任何事，都有點(diǎn) “見不到人”。我認(rèn)為方向?qū)?、努力做，事情自然?huì)成。組織里每個(gè)人應(yīng)該跟著大老板想的方向走。

但那兩年我才真正明白：組織里每個(gè)人都有自己的目標(biāo)和利益，不可能和老板完全一樣。

某種程度上，今天很多大模型公司的創(chuàng)始人還陷在一種技術(shù)烏托邦的盲區(qū)里。他們認(rèn)為未來人類不再需要參與知識(shí)工作，AI 全部干了就行，看不見人的存在。

晚點(diǎn)：所以明略一方面現(xiàn)在用了很多 AI，但另一方面也不裁員，是因?yàn)槟阏J(rèn)為人還是有不可替代的價(jià)值？

吳明輝：對(duì)。今天就算投資人、董事會(huì)逼我裁，我也會(huì)據(jù)理力爭(zhēng)。AI 可以讓效率翻倍，但不應(yīng)該把人裁掉。所有公司都大裁員，誰來消費(fèi)？需求從哪兒來？

我現(xiàn)在的想法是，給原有團(tuán)隊(duì)里每個(gè)愿意認(rèn)真干活的人一張 AI 時(shí)代的船票。人加更好的 AI 可以創(chuàng)造更多新產(chǎn)品和價(jià)值。

晚點(diǎn)：你會(huì)不會(huì)擔(dān)心，這個(gè)商業(yè)判斷里夾了太多自己的希望？

吳明輝：希望，本身會(huì)產(chǎn)生力量。一個(gè)人的希望可能不夠。但如果 80 億人里有 79 億人都有共同的希望，都相信自己有價(jià)值，你覺得這件事會(huì)不會(huì)實(shí)現(xiàn)？

晚點(diǎn)：你覺得多數(shù)人還是會(huì)站在你這一邊，站在人這一邊。

吳明輝：這還用說嗎？肯定。人怎么會(huì)認(rèn)為人沒有價(jià)值？我怎么會(huì)認(rèn)為自己沒有價(jià)值？不可能。

我學(xué)奧數(shù)出身、拿過獎(jiǎng)，今天 AI 數(shù)學(xué)算得比我厲害，我當(dāng)然不服氣。我要帶著 AI 去解哥德巴赫猜想。你 AI 不是厲害嗎？你自己先解決試試。

晚點(diǎn)：你之前經(jīng)歷那么大的低谷，公司命懸一線，為什么現(xiàn)在還是自信心爆棚？

吳明輝：我可能比較奇怪，哪怕在最弱小的時(shí)候，也沒有真正動(dòng)搖過。最困難時(shí)我想的是：最壞情況是把爛攤子收拾干凈，給大家一個(gè)交代。只要問心無愧，就算公司搞崩了，我自己也能活，大不了去教奧數(shù)。我還會(huì)彈鋼琴、彈吉他，去天橋上抱把吉他也能養(yǎng)活自己。

我是企業(yè)家、科學(xué)家還是街頭藝人，這可能會(huì)變。但 “我自己有價(jià)值” 這件事，我從來沒有懷疑過。

OpenAI 追求更聰明的超級(jí)單體模型，我想讓更多普通模型協(xié)作起來

晚點(diǎn)：如果章魚這個(gè)形態(tài)和模式做成了，明略會(huì)變成一家什么樣的公司？

吳明輝：一家有自研模型能力的 Agentic Service 公司。

原來我們是 Data Intelligence，幫客戶在廣告營(yíng)銷和零售領(lǐng)域做數(shù)據(jù)挖掘和數(shù)據(jù)分析。現(xiàn)在這塊業(yè)務(wù)還在做，但同時(shí)磨刀磨出了 DeepMiner 和章魚。這些我們統(tǒng)稱為 Agentic AI 產(chǎn)品，商業(yè)模式是 Agentic Service。

簡(jiǎn)單說，就是我不再賣軟件給你，而是直接幫你提供某一種數(shù)字勞動(dòng)力服務(wù)——生成廣告素材、做數(shù)據(jù)分析、做內(nèi)容生成——比如我們最近也在做短劇內(nèi)容生成。而且我們會(huì)自己訓(xùn)練一些支撐這些能力的小模型。

紅杉之前寫過一篇文章，說未來會(huì)有很多 “披著服務(wù)商外衣的 Agent 公司”。我們做的就是這件事，表面是服務(wù)，背后是 Agent 和模型。

晚點(diǎn)：這其實(shí)就是用 AI 做個(gè)性化軟件外包。但為什么企業(yè)或用戶不干脆用 Coding 或通用 Agent 工具 DIY 了？外包還會(huì)存在嗎？

吳明輝：當(dāng)然會(huì)存在。你自己也可以開發(fā)，但如果我開發(fā)效率比你高，我仍然可以替你做。更何況，如果我在這個(gè)行業(yè)里有自己的模型，中間就會(huì)有 margin。這就是 Agentic Service 的邏輯。

晚點(diǎn)：外包過去不是好生意，它很難規(guī)模擴(kuò)展。Agentic Service 會(huì)改變這一點(diǎn)嗎？

吳明輝：以前大家按人月、人天收費(fèi)。將來會(huì)變成 “token 成本加管理費(fèi)”。比如你要開發(fā)一套軟件，最后消耗了 100 萬美金的 token，在這個(gè)基礎(chǔ)上再收 20 萬美金管理服務(wù)費(fèi)。

傳統(tǒng)廣告公司本來就是這么收費(fèi)的——幫客戶花一億廣告費(fèi)，中間收 5% 到 10% 的管理費(fèi)——幫客戶做創(chuàng)意，定投放策略，執(zhí)行投放，甚至解決金融墊款問題。

Agentic Service 還是在做這些服務(wù)，只不過背后是模型和 Agent 在干活。

晚點(diǎn)：這樣原來的數(shù)據(jù)分析師的工作會(huì)減少，你們又不想裁員，讓他們做什么了？

吳明輝：不要小瞧我們公司的數(shù)據(jù)分析師。他們非常懂自己服務(wù)的行業(yè)，懂產(chǎn)品、競(jìng)對(duì)、競(jìng)爭(zhēng)格局。這種 taste，通用模型今天拿不走。

我現(xiàn)在想放大這個(gè) taste 的價(jià)值。以前他們只給客戶做廣告數(shù)據(jù)分析，今天能不能幫客戶做新產(chǎn)品研發(fā)的分析？再往上，能不能做戰(zhàn)略分析？分析來分析去，客戶最終不就是想多賣貨嗎？那我干脆幫你賣貨。

這不是簡(jiǎn)單的降本增效。我昨天給你干 5 分的活收 5 塊錢，今天可能降到 4 塊；但如果我能給你干 8 分的活，就有機(jī)會(huì)收 6 塊、7 塊。

晚點(diǎn)：其他有數(shù)據(jù)和人才積累的同行是不是也可以這么做？

吳明輝：當(dāng)然可以做。如果我比競(jìng)爭(zhēng)對(duì)手早半年把 AI 用明白，一開始我成本少了，利潤(rùn)多了。但競(jìng)爭(zhēng)對(duì)手不會(huì)等死，也會(huì)學(xué)，整個(gè)行業(yè)成本結(jié)構(gòu)都變好，客戶就會(huì)來壓價(jià)。

唯一出路是你有自己的 specialized AI，加上獨(dú)有的數(shù)據(jù) Context——這兩樣組合在一起，才能做出比同行高一級(jí)的結(jié)果。光靠用普通 AI 降成本，撐不住。

甚至 specialized AI，我也不覺得大家將來一定做不到，更多人能做到才好，這說明這個(gè)世界還是溫暖的，不是被少數(shù)寡頭公司壟斷的。

晚點(diǎn)：你們已經(jīng)訓(xùn)了 Mano 等模型，SaaS 時(shí)代就存在的公司，自研模型的機(jī)會(huì)是什么？

吳明輝：我們不是 Scaling Up，而是 Scaling Out——通過多模型、多 Agent 協(xié)作，在細(xì)分賽道里做到比通用大模型更好的結(jié)果。

現(xiàn)代智人打敗尼安德特人，不是因?yàn)閱蝹€(gè)人更強(qiáng)，而是因?yàn)楦鼤?huì)協(xié)作。單個(gè)龍蝦保持今天這個(gè)水平就夠了，關(guān)鍵是讓它們組合起來的效果，超過下一代更大的單體模型。

晚點(diǎn)：為什么你覺得龍蝦保持現(xiàn)在的水平就夠了？

吳明輝：因?yàn)樗呀?jīng)越過了能干活的基線。接下來的機(jī)會(huì)是把模型做專、做小、做快。

晚點(diǎn)：過去三年，更強(qiáng)的模型一直在解鎖意想不到的應(yīng)用，競(jìng)爭(zhēng)邏輯在快速洗牌。最近的 Mythos 和 GPT-5.5、Image-2 等模型仍在提升上限，你還是認(rèn)為做小模型有機(jī)會(huì)？

吳明輝：我們要解決的問題完全不一樣。它們?cè)谧非髥误w模型更聰明；我在做的，是讓一群普通模型協(xié)作起來，在細(xì)分戰(zhàn)場(chǎng)里打贏更大的單體模型。

我們相對(duì)基礎(chǔ)模型公司當(dāng)然是 “窮人”，但窮人有窮人的路。在我想打的細(xì)分賽道里，用我們的方法做出來的專業(yè)小模型，成本更低、效果更好，毛利也會(huì)明顯高于基礎(chǔ)模型公司。

晚點(diǎn)：“窮人” 的方法是什么？

吳明輝：一是訓(xùn)練方法的設(shè)計(jì)，我們用了 “雙向強(qiáng)化學(xué)習(xí)”，借鑒對(duì)抗生成網(wǎng)絡(luò)（GAN）的思路——一邊生成，一邊對(duì)抗。放到 Mano 所在的 GUI 這個(gè)任務(wù)里，一個(gè)模型負(fù)責(zé)生成網(wǎng)站，另一個(gè)模型負(fù)責(zé)學(xué)會(huì)操作網(wǎng)站，兩個(gè)模型互相博弈。基于開源基礎(chǔ)模型做后訓(xùn)練就夠了。

同時(shí)，多個(gè) Agent 的互動(dòng)本身就能更便宜地獲取智能。最近我意識(shí)到，這就是一種持續(xù)學(xué)習(xí)，窮人版的持續(xù)學(xué)習(xí)。

學(xué)術(shù)上的持續(xù)學(xué)習(xí)，是指模型訓(xùn)完后，還能在使用階段繼續(xù)獲取新數(shù)據(jù)、更新參數(shù)。但如果中心化大模型公司要拿全世界用戶的數(shù)據(jù)做持續(xù)學(xué)習(xí)，這有成本問題，也有商業(yè)倫理問題。

我說的持續(xù)學(xué)習(xí)是 Personalized Continual Learning——在具體細(xì)分場(chǎng)景，貼著每個(gè)人發(fā)生的學(xué)習(xí)，龍蝦這類 Personal Agent 就是在這么做。

每個(gè)龍蝦學(xué)到的新能力和上下文不需要回傳、更新到一個(gè)統(tǒng)一的大模型里，而是分散地存在于不同 Agent 中。當(dāng)這些 Agent 一起交流、干活，就能調(diào)用這些分散的上下文，激發(fā)出群體的智能。

我品故我在

晚點(diǎn)：如果你設(shè)想的這種人和 Agent 的協(xié)作網(wǎng)絡(luò)和群體智能能實(shí)現(xiàn)，人在里面的位置是什么？

吳明輝：笛卡爾說 “我思故我在”，現(xiàn)在我覺得是 “我品故我在”。

思，think，這是 AI 可以替代的，它是基于確定性前提往后推理；品，品鑒，taste，這是 AI 不可替代的，它是基于人生經(jīng)驗(yàn)和閱歷知道自己想要什么、自己認(rèn)為什么是好的，再往后推。

愛因斯坦研究相對(duì)論，是因?yàn)樗约合胍@個(gè)東西，沒有人能證明他一定能做出來。這是科學(xué)家做的事，也是未來每個(gè)知識(shí)工作者甚至每個(gè)人要做的事。這是 AI 無法替代的人的獨(dú)特存在方式。

晚點(diǎn)：“上班” 會(huì)變成什么樣？

吳明輝：說不定將來大家每周只需要來公司一天。這天大家聚在一起，交流最近六天在世界各地接觸到的新東西、共享靈感，再?zèng)Q定下一周做什么。周一到周六，大家在外面走、在外面想，其實(shí)也是在干活。

上一代老板讓團(tuán)隊(duì)來公司，是因?yàn)椴欢⒅恢来蠹矣袥]有干活。現(xiàn)在不一樣了，系統(tǒng)里可以持續(xù)做歸因分析。真正厲害的人，可能一天說一句話就夠了。

晚點(diǎn)：對(duì)還沒有開始工作的孩子和年輕人，怎么積累 “品味”？還有什么專業(yè)是安全的嗎？

吳明輝：真正危險(xiǎn)的不是某個(gè)專業(yè)，而是把 think 本身當(dāng)成職業(yè)核心。每個(gè)專業(yè)里都有 taste 的部分，關(guān)鍵是你有沒有抓住。

以前別人問我該學(xué)什么，我說學(xué)數(shù)學(xué)；不知道將來干什么時(shí)，就先鍛煉身體。體育鍛煉的是體力，數(shù)學(xué)鍛煉的是思維和判斷力。但今天我的想法變了：各行各業(yè)都會(huì)繼續(xù)存在，文科也會(huì)煥發(fā)新的光輝。核心是你到底熱愛什么。

我堅(jiān)定認(rèn)為，現(xiàn)在很多院校縮減文科非常錯(cuò)誤。社會(huì)科學(xué)里有大量真正需要重新研究的問題——AI 沖擊之后，人和人還有什么區(qū)別？社會(huì)階層會(huì)怎么變化？怎么讓社會(huì)變得更好？這些都是重大課題。

今天有點(diǎn)像 “軸心時(shí)代”（公元前 800 年至前 200 年之間，古代中國(guó)、印度、希臘等地哲學(xué)思想迸發(fā)的年代）：會(huì)冒出大量新思想，古希臘哲學(xué)家，中國(guó)的孔子、孟子、老子奠定了后來一兩千年的人類思想基礎(chǔ)。我覺得今天也需要新的思想基礎(chǔ)。

晚點(diǎn)：很多人現(xiàn)在擔(dān)心 AI 對(duì)教育的沖擊。你自己有兩個(gè)孩子，他們是怎么用 AI 的？

吳明輝：他們給了我很多啟發(fā)。有次我女兒在電腦上編程，遇到 Bug 來問我，我說你問 AI。結(jié)果她不是把報(bào)錯(cuò)信息復(fù)制給 AI，而是直接讓 AI 看屏幕。我當(dāng)時(shí)突然意識(shí)到，我們這代人還是被上一代習(xí)慣束縛了。今天的小朋友有完全不一樣的打法。

晚點(diǎn)：你現(xiàn)在怎么跟他們談學(xué)習(xí)？

吳明輝：以前我?guī)麄兲焯焖W數(shù)，疫情期間也拿了不少獎(jiǎng)。但最近一年基本不刷了。

現(xiàn)在我會(huì)和他們一起研判：這道題值不值得做。不值得做的，我就在題上用紅筆寫 Ugly，跳過去。清明節(jié)假期，我在家一邊寫論文，一邊每半天輪一個(gè)小朋友坐旁邊，遇到題就一起研判。最后可能一半題是 Ugly，一半是 Beautiful。我覺得這個(gè)活動(dòng)特別好玩。

晚點(diǎn)：按這個(gè)方式學(xué)，奧賽成績(jī)肯定下降。

吳明輝：已經(jīng)下降了。但如果他們兩個(gè)里有一個(gè)將來真能做數(shù)學(xué)家，我覺得概率反而更大。

數(shù)學(xué)競(jìng)賽和數(shù)學(xué)家最大的區(qū)別在這里：競(jìng)賽是兩天九小時(shí)六道題，你知道題一定有答案，套路大概率練過；數(shù)學(xué)家是把一輩子交給一道題，沒人告訴你一定有答案，這才是最痛苦的地方。偉大的數(shù)學(xué)家，不是因?yàn)榻忸}能力強(qiáng)，而是因?yàn)樗嘈庞幸粋€(gè)東西是美的，愿意用一輩子去追它。

晚點(diǎn)：這就是你說的 taste。

吳明輝：對(duì)。今天有 AI 幫你算，你不需要再比誰算得快，而是在算完以后，能判斷這個(gè)結(jié)果美不美。將來可能沒有數(shù)學(xué)家這個(gè)職業(yè)了，只有數(shù)學(xué)評(píng)論家——大家評(píng)論幾個(gè)解法里，哪個(gè)更美。

不只是數(shù)學(xué)，各行各業(yè)都一樣。真正危險(xiǎn)的，是一輩子只會(huì) think，從來沒有發(fā)現(xiàn)自己的 taste。

題圖來源：明略科技