11月19日，第九屆營銷科學大會在上海金茂·君悅大酒店圓滿舉行。本次大會由明略科技（2718.HK）聯合秒針營銷科學院主辦，以「Agentic Marketing·營銷可信智能體：要“增長確定性”」為核心主題，聚焦AI營銷從生成式向代理式演進的新階段。

大會上，明略科技創始人、CEO兼CTO吳明輝在主旨演講中首次明確Agentic Marketing的核心定義：基于Agentic AI構建各角色AI代理，重塑營銷行業生產關系與運作模式。同時他也指出，解決企業AI落地準確性痛點的關鍵在于“可信數據+可信模型”——明略科技旗下秒針系統沉淀的海量行業數據，與基于多智能體架構（MoA）的DeepMiner大模型形成協同，其Foundation Agent模型、“專家腦”Cito與“靈巧手”Mano模型已在多項全球榜單中登頂，為技術落地筑牢基礎。

以下為演講全文：

各位營銷科學領域的同仁、朋友們，大家早上好！

非常高興在今年的營銷科學大會上與大家再度相聚。今天是第九屆營銷科學大會，同時今天的日期——2025 年 11 月 19 日——無論從數字還是從意義上來說，都充滿了一層奇妙的巧合。2025 這個數字本身就是 45 的平方，而 45 恰好是從 1 加到 9 的總和，這是小學奧數里經常出現的典型結構；而第九屆大會恰好對應著 1 到 9 的這個跨度。更巧的是，今年恰好也是明略走到第十九年的節點。從 2006 年 12 月我們注冊“秒針系統”域名開始，到今年 11 月 3 日正式在港交所敲鐘上市，整整十九年，今天再次站在營銷科學大會的舞臺上，這種時間上的閉合感，讓我覺得今天的交流格外有意義。

在此，我首先要感謝十九年來一路同行的每一位伙伴。感謝明略的每一位員工、每一位客戶、每一位合作伙伴。十九年的時間里有過困難、有過曲折、有過堅持、有過轉折，但最終我們能夠走進資本市場，成為一家以 Agentic AI 為核心定位的上市公司，我想，這是所有伙伴共同努力的結果。借今天這個場合，再次向所有人表達最真摯的感謝！

今年 11 月 3 日，我們正式以 2718 這個股票代碼在港交所掛牌上市。大家都在問，為什么我們會被稱為“Agentic AI 第一股”？為什么是 2718？其實 2718 這個數字不僅僅是一個代號，它是自然常數 e 的近似值，而 e 是所有增長函數、指數函數的核心基礎。我們這次上市的主題叫“e啟·指數未來”，既代表技術本身的增長，也代表我們希望與行業攜手共同增長。

今天我的分享分為兩大部分。第一部分，我希望用最清晰的方式解釋 Agentic AI 的真正含義，以及它為什么會成為大模型技術的主賽道。第二部分，我希望聚焦營銷行業，講清楚 Agentic AI 將如何重塑營銷行業的生產關系——也就是我提出的概念：Agentic Marketing。

從 Agentic AI 說起：當 AI 從“能說”變成“能做”

讓我們先從 Agentic AI 講起。這個詞不是我發明的，它在學界和整個 AI 從業者圈子里已經形成廣泛共識。今年年初，英偉達創始人黃仁勛在客戶大會分享過一條曲線，講 AI 會經歷幾個階段： 第一個階段是Perception AI，感知智能，就是用 AI 做聲音識別、圖像識別，讓 AI 擁有類似人類眼睛、耳朵的能力。

第二個階段是 Generative AI，是過去這段時間大家非常熟悉的生成式 AI。2019年我在北大讀書的時候，深度學習剛開始改變自然語言處理，而自然語言處理被稱為“人工智能皇冠上的明珠”，因為人的思想和智慧最核心都依賴語言能力。過去幾年，這個領域被新一代 AI 技術徹底革新了。今天的人工智能，在推理、思考、語言等很多維度都已經超過人類水平，我們把這稱為 Generative AI。

再往后的兩個階段，一個是 Agentic AI，一個是 Physical AI。 Physical AI 是在物理世界里能行動、能執行任務的人工智能機器人，我們叫具身智能。Agentic AI 和 Physical AI 是類似的，它們本質上都是“機器人”，唯一的區別是：Agentic AI 不是物理世界里的機器人，而是虛擬世界里的機器人，也就是在電腦里像人一樣工作。

Physical AI 讓人工智能擁有眼睛和耳朵；Agentic AI 讓人工智能擁有大腦。要真正產生生產力，最終必須走到 Agentic AI 和 Physical AI 這一步：一個是在虛擬世界裝上“手和腳”，另一個是在物理世界裝上“手和腳”。裝上“手和腳”之后，它們才真正變成“勞動人民”，才能產生生產力，而不是停留在“光說不練”的 AI。

Agentic AI在今年才真正火起來，全球所有大模型廠商，包括做AI應用的公司如今都在做Agentic AI相關工作。明略科技在這個領域也做了非常多的工作，如今我們在Agentic AI領域走在全球前列，也成為了近期登陸資本市場第一家做Agentic AI產品、服務以及模型的公司。

講到 Agentic AI，首先必須回到“Agent”這個概念本身。人工智能和計算機出現之后，Agent 一直存在，它的核心目的就是讓機器自動干活、代替人執行任務。但在大語言模型出現前后，Agent 發生了非常大的變化。

在沒有大語言模型之前，Agent 面對一個任務，需要由人來思考、拆解，然后把其中能自動化的部分交給機器執行。但有了大語言模型之后，Agent 自身具備了“規劃能力”（Planning）。今天在場的每位都在用大模型做規劃，比如最簡單的旅游行程規劃。

規劃的核心就是右下角的 Subgoal decomposition（子目標分解）。比如你要去倫敦旅游，可以拆成“早上吃早餐”“住在哪兒”等細項。當大語言模型具備了像人一樣的思考和推理能力，也就是有了“腦子”之后，它就能夠自動拆解任務。這是和過去的 Agent 最大的區別之一。

第二個核心能力是 Tools 工具使用。我們小學課本都會講，人類是唯一會使用工具的物種。但如果我們把 AI 當成一種新的“物種”，那么從 Generative AI 之后，工具使用就不再是人類獨有的了，硅基生命——也就是 AI Agent——也可以使用工具。

例如大家今天使用的聯網搜索，它其實就是非常簡單的 Agent。你提出一個復雜任務，比如“我想研究明略科技公司”，AI 會把它拆成十個子任務：研究團隊、研究創始人、研究產品、研究客戶、研究財務發布等，這些都是 subgoal decomposition。

那 Tools 是怎么調用的？很簡單：它會在網上搜索對應關鍵詞，分成十個關鍵詞，各自調研，然后把十組結果拿回來，再做總結。這一整套，就是 Agent 執行任務的過程。

在調用 Tools 的過程中，本質上也是 Agent 在做 Action。而在調 Tools 時，它也需要長短期記憶（Memory）支持，這就是 Agent 的工作機制。而支撐 Agent 完成這一整套能力的技術體系，我們稱之為 Agentic AI。

真正讓 Agent 為全球大眾所熟知的，是一家叫 Manus 的公司。這家公司與明略有淵源，Manus 的創始人“小紅”——肖弘，是我們當年并購夜鶯科技時的創始團隊成員。今天很多人都在用的“微伴助手”，當年就是他和團隊做出來的。他從一個在人力增長工具領域非常優秀的產品經理，成為了全球范圍內最早讓大眾真正看到“Agent 可以做什么”的人。以前的 AI 只能處理單一任務；而小紅讓它擁有了一整套新工具：瀏覽器、網頁、表格、Office、郵箱——所有能在電腦上干的活，都可以做了。這個能力的飛躍，讓 Agent 變成了真正意義上的“Super Assistant”。

Agentic AI 把“眼睛和耳朵”（感知），“人的大腦”（思考推理）以及“手和腳”（執行行動、使用工具）這些能力全部連在一起，形成一個能夠在虛擬世界里像機器人一樣幫人干活的體系。但當這三把“鐮刀”都連到一起時，我們又會發現，僅靠現有的模型“大腦”好像又不夠用了。

現在大家都在討論 AGI 的到來，OpenAI 創始人 Sam Altman 把通往 AGI 的路徑分成五個階段：

第一階段是 Conversational AI（Chatbots）；

第二階段是 Reasoning AI（Reasoners）；

第三階段是 Agentic AI（Agents）；

第四階段是 Innovator AI（Innovators）；

第五階段是 AGI（Organizations）。

第一階段首先要解決聊天功能、語言能力，包括讓AI具有世界基本通識知識。Chatbots今天已經超過了絕大多數人類水平；第二階段Reasoning AI 在過去一年也有了技術性突破，如今AI已經能解決非常復雜的學術問題，水平接近甚至超越人類； 第三階段Agentic AI 是真正能產生價值的階段，但仍然處于非常早期。Agentic Model能幫助我們在工作中使用工具，調動工具做分解任務，不過在很多任務上能力還比不過人類，這個是今天Agentic AI發展的狀態。如果滿分 100 分，它當前的能力在 30–40 分之間就已經很不錯了。今天這個領域還是非常前沿的研究課題，也是我們明略過去幾年投入巨大的核心賽道。

未來的 AI 可以成為一個“創造者”，而且會是一個非常強大的創造者。現在大家已經能看到，AI 在很多科學研究領域開始參與工作了。數學家用 AI 去解決大的命題，化學家、生命科學家用 AI 去發現新的藥物分子結構。去年也已經有諾貝爾獎頒給了人工智能方向的科學家。

AI 輔助人類做科研，其實就是第四個階段——“Innovator AI” 的一個重要方向。但這個階段最可怕、也是最關鍵的一點在于：有一天 AI 可能會自己研發自己，這才是真正意義上的第四階段——AI 能夠自我迭代、自我升級。

大家現在看到明略旗下幾個模型，其實都在嘗試這樣的能力：AI 如何自己迭代自己、自己研發自己。未來的狀態可能是：Agent 自己換模型，自己升級模型，使用最適合當下任務的模型來處理任務。這就是“AI 自動升級 AI”的能力。終極形態，就是 AI 形成自組織。如果說第三階段、第四階段的 AI 仍然是造福人類，那到了第五階段，就可能開始威脅人類了。

DeepMiner&秒針：基于可信數據打造可信生產力

當前所有 AI 工作者主要都處在第三階段——Agentic AI 的研發，這是一個同時考驗工程、模型、工具鏈、知識結構、數據質量的巨大挑戰。

如前所述，Agentic AI 的難度遠遠超過模型本身。它不僅需要像人一樣“能想”，還需要像人一樣“能做”。而在虛擬世界里，“能做”意味著它必須具備一只靈巧的“手”和一顆具備任務規劃能力的“腦”。這兩個能力缺一不可。

在物理世界中，機器人最大的技術難題叫“靈巧手問題”。人類用筷子夾豆子輕而易舉，但全世界所有機器人公司還沒有一家能讓機器人像人一樣靈活地控制手指。這個問題在人形機器人領域依然沒有被攻破。同樣，在虛擬世界里，AI 要在電腦上執行任務，也存在一模一樣的難題：它必須具備虛擬世界的“靈巧手”，也就是能夠像人一樣操作軟件、拖拽窗口、點擊按鈕、識別控件、處理彈窗、輸入內容，從而完成電腦上的多步復雜任務。這一點，過去的大模型遠遠做不到。

這正是我們打造 DeepMiner 的一個核心原因。DeepMiner 產品線在明略內部，是與秒針并行的一個全新旗艦級產品線。秒針負責“可信數據”，DeepMiner 負責“可信智能”。DeepMiner 由三個核心模塊組成：Foundation Agent、GUI 操作模型 DeepMiner Mano，以及專注于任務規劃與專家推理的 Cito。這三部分構成了一個能夠真正承擔商業任務執行的 Agentic AI 體系。

先講 Mano。Mano 是西班牙語里“手”的意思，選這個名字是因為它的使命非常明確：讓 AI 擁有真正的“手”，在虛擬世界里像人一樣操作電腦。今天大家看到的大模型，絕大部分都停留在 Generative AI 階段，它們“會說”，甚至“會寫”，但并不會“做”。而真正的 Agent 必須具備行動能力，而行動能力的底層就是“操作能力”。

在無人駕駛技術領域，有一個經典的模型框架叫 VLA：Vision（視覺）— Language（語言）— Action（行動）。無人駕駛汽車的視覺模塊負責“看路”；語言模塊負責“收到任務，如從上海開到杭州”；行動模塊負責“打方向盤、調油門、剎車”。這個框架被應用在了實體機器人上。

而我們現在把同樣的框架，移植到了虛擬世界，來打造“在電腦上行動的 Agent”。在虛擬世界里：L——是用戶的任務指令，V——是模型對電腦屏幕的視覺理解（截屏、組件識別、位置判斷），A——是模型對鼠標、鍵盤的操作執行（點擊、滑動、輸入、拖拽）。也就是說，Mano 就是一只虛擬世界的“靈巧手”，負責讓 AI 能夠真正完成任務，而不是只會對話。

今年我們向全球公開展示了 Mano 的能力，也同時參與了國際上最權威的 GUI 操作能力評測——OS World。這是一個專門評比“誰最會用電腦”的榜單。在這個評測中，我們的 Mano 72B 模型成功拿下了“全球專有模型第一”“全球總榜第二”，僅次于 Anthropic 的 Claude 4.5——而對方使用的是一萬億參數級模型。這個結果不僅代表 Mano 在虛擬世界操作能力上的領先，也代表中國公司在 Agentic AI 的核心能力上取得了全球性突破。

Mano 是如何學會使用軟件的？我們為它構建了一個規模極大的“虛擬世界操作訓練基地”。其中既有我們自研的幾十款數據分析工具，也有大量外部行業軟件。通過構建模擬環境，再結合“在線強化學習”，讓 Mano 能夠在虛擬世界里不斷嘗試、不斷犯錯、不斷反思、不斷進化。就像機器人在真實酒店里走一遍繪制地圖一樣，Mano 會在一個它從未見過的軟件里探索界面結構、嘗試所有控件、理解按鈕邏輯，然后逐步學習如何獨立完成任務。所以 Mano 的學習方式并不是“做題”，而是“做事”。這也是為什么我們稱它為“虛擬世界里的無人駕駛”。

我們還有一個模型叫 Cito——AI 專家腦。它的目標是在專用場景里像人一樣做任務分解，把復雜問題拆成清晰、可執行的子任務，并映射到大模型可調用的各類工具上。難點在于：在數據分析領域，分解與判斷必須“非常非常嚴謹”，否則就會出現不穩定。

什么叫不穩定？比如 iPhone 17 剛發布，很多客戶要看發布后的競品變化、銷量走勢、輿情結構。你在分析軟件里檢索“iPhone 17 銷量”“正負面評論”等，很容易遇到當下 AI 難以可靠解決的細節：同一條帖子本周被判為“正面”，下周又被判成“負面”；或對象邊界忽上忽下——這周把“iPhone 17 Pro / Pro Max”都算進來，下周又把“手機殼”等周邊也歸為 iPhone 17。用這類不穩定判斷去做定量分析，結果就會失真。所以 DeepMiner 的智能體框架要解決的，就是把這類不確定性盡可能收斂到可控范圍。

大家知道美國有一家非常有名的 AI 公司 Palantir，它提出知識圖譜的概念，在數據分析和商業決策里，用來研究任何一個對象——要清晰定義它是什么、以及它不是什么。但在模型處理這類任務時，往往存在不確定性和不穩定性。如何讓模型在這些判斷上具備確定性、穩定性，這也是 DeepMiner 一系列工作的核心目標。

在這個過程中，我們每天都要做在線強化學習，甚至讓模型給自己“出考試題”。下午我們分享的“ AI 認知排行榜”，就是通過不斷考大模型：你是否理解某個行業的產品？你是否真正理解某個品類？同樣的方法，我們也在考自己的 DeepMiner，不停地問它問題，觀察它的回答方式。在線強化學習的過程非常有意思：每天都會問新的問題，但問題必須問得精準。同時我們需要提前預測正確答案，掌握這個領域里“好問題”和“好答案”對應的數據源，建立起相應的 Benchmark。這同樣是非常重要的工作。

最后，我們為什么還要做 Foundation Agent？原因在于：今天的 Agentic AI 技術仍不夠成熟，尚難以在通用場景中穩定解決問題。如果把 AI Agent 接上“所有工具、所有軟件”，它在現實環境中往往難以做到準確執行。前面我們在各個細分領域的榜單上參賽，雖然屢屢拿到第一，但以 100 分滿分計算，能夠做到 40～50 分就已是第一名，可見行業仍然存在大量待解難題。

基于此，我們選擇搭建 Foundation Agent：幫助客戶與伙伴打造垂直領域的 Agent。我們在每個垂直領域內部進行集成，聚焦更小而清晰的任務空間——例如跨境電商數據分析、小紅書數據分析、抖音數據分析等。此時，數據范圍更可控、可調用工具更聚焦，既可以單獨訓練，又可以隔離部署，從而顯著提升任務執行的準確率。這相當于為不同行業提供一個可復用的底座，既能做行業通用版，也能為客戶打造客戶獨有的 Agent。

同時，這一框架是多智能體（MoA）框架。很多朋友在各自公司已嘗試過打造 Single Agent，但我們之所以強調“多智能體”，是因為現實社會本就需要分工協作。廣告公司 A 可以有 Agent A，廣告公司 B 可以有 Agent B，這些 Agent 之間不僅可以協作，也會呈現競爭與競合的關系。以營銷行業為例，甲方在同一賽道中挑選 5 家代理“賽馬”，未來也將演變為 5 個 Agent 的賽馬關系。這將成為一個長期且有意思的發展趨勢。因此，Foundation Agent 以多智能體方式，為營銷行業構建一種面向未來的工作模式。

這正是 DeepMiner 可信智能體 的定位與路徑。站在明略的長期定位上，我們要打造可信的人工智能，形成數據驅動的可信生產力。在此體系中，我們有兩大品牌：秒針與 DeepMiner，各自扮演清晰角色。

秒針承擔“可信的數據”：從第一天做廣告測量，到今天做內容測量，我們始終希望為客戶提供最值得信賴的數據。在生成式 AI 興起、互聯網充斥 AI 生成虛假內容的當下，我們更要在復雜環境中守住真實與可證的數據邊界，把關鍵數據“守”在秒針系統之中。DeepMiner 則承擔“可信的智能體”：包括可信的模型與可信的工具。我們將沿著這兩條路徑持續推進與自我要求，確保“數據可信 × 智能可信”成為明略為產業創造價值的根基。

Agentic Marketing：一場營銷行業的“生產關系革命”

前面講了Agentic AI ，接下來就來分享我提出一個新的概念——Agentic Marketing。這是我在研究 Agentic AI 之后，對營銷行業未來形態做的重新定義。

要理解 Agentic Marketing，我們首先要回到一個根本問題：Agentic AI 到底是什么？在 Gartner 的最新報告里，他們將 Agentic AI 翻譯為 “代理型人工智能”。這個翻譯非常準確。Agentic 不僅意味著“能動性”（Agency），更意味著“代替你行動”（Act on behalf of you）。而“代理”這個詞，對營銷行業的人來說尤其熟悉——我們的行業從來都是由代理構成的：廣告代理、媒介代理、內容代理、品牌服務代理……可以說，整個營銷行業是建立在“代理關系”之上的。

今天，我們從生成式 AI 進入 Agentic AI，本質上是人工智能在重塑“代理關系”，也就是在重塑整個行業的生產關系。

去年我們與復旦大學聯合發布《2024 AI+：生成式營銷產業研究藍皮書》，其中提出“生成式營銷”的概念——即生成式 AI 為營銷行業帶來新的內容生產方式、新的洞察方式、新的創意方式。但我們同時判斷，生成式 AI 帶來的變革將最終走向“生產關系重構”。當 Agentic AI 出現之后，這個判斷被進一步驗證——它會讓營銷行業從根本上改寫“誰服務誰”、“誰代表誰”、“誰與誰協作”的方式。

我用一個真實發生的例子來解釋什么叫“生產關系重構”。在 DeepMiner 發布后，我和一家大型人力資源服務公司的 CEO 作了深度交流。他們公司已經在做自己的 Agent，但他們的 Agent 被限制在“提升自家軟件體驗”的范圍內，比如幫助候選人更快寫簡歷、幫助 HR 在自家平臺里篩選簡歷。但當他看到 DeepMiner 能實現跨平臺操作時，他突然意識到一件事情：“原來 Agent 的真正價值，不在于提升一個軟件，而在于重構整個行業的交互方式。”

如果一個求職者的 Agent 可以自動把簡歷投到所有招聘平臺、自動與 HR 溝通、自動篩選公司、自動確認面試時間……那這個 Agent 本質上就是一個“你的私人獵頭”。而對于 HR 來說，如果 HR 的 Agent 能夠自動在所有平臺篩選人才、自動匹配崗位、自動生成候選人分析報告……那這個 Agent 就變成了“HR 的智能助理”。

這意味著，在未來互聯網結構中，人與平臺的關系會被“Agent ? Agent”重新組織。這也是為什么很多手機廠商，都在全力打造自己的系統級 Agent。因為當用戶說一句“幫我打車”“幫我點外賣”，這個需求不再通過 App 觸達商家，而是通過 Agent 觸達 Agent。這是生產關系的重構。

對所有營銷從業者而言，首先要重構對營銷鏈路的認知。既然 Agentic AI 本質上是“代理式 AI”，那么每個人在互聯網上都將擁有自己的“分身”。找工作的人會有“獵頭顧問”型分身替他投遞與溝通；消費者也會擁有“采購助理”型分身替他選品與決策。

前不久我看到一條新聞，OpenAI 已經把 ChatGPT 與 Shopify打通，這意味著 AI 正在從“能回答問題”邁向“能理解你”。隨著技術不斷演進，世界上最了解你的人，可能已不再是家人，而是大模型。很多人把最私密的想法都交給了 AI 去傾訴。過去社交媒體掌握的是人與人之間的關系，信息仍是“共享”的；而如今，大模型掌握的，是人與自己之間最隱秘的對話。如果它知道你明天女朋友過生日，甚至能主動幫你挑選禮物，那已經無需再通過搜索引擎去查——每個消費者都將擁有一個屬于自己的代理（Agent）。

同樣，營銷行業的從業者也會迎來自己的數字分身。未來，每位專家都應把自身的行業經驗、專業方法和私有數據，與 AI 結合，打造屬于自己的 Agent。這樣的分身不只延展你的能力，還能在你休息時繼續為你創造價值。對于廣告公司顧問、品牌策略師，乃至明略這樣的甲方團隊成員來說，構建“專家 Agent”將成為下一代競爭力的核心來源。

而品牌方也同樣需要自己的 Agent。品牌 Agent 相對復雜——它過去依靠人工代理（Human Agency），未來必然轉向基于 Agentic AI 的“智能代理”。下一代 Agency 一定是結合 Agentic AI 的 Agency：整合式智能代理可以同時調用多個專家 Agent，形成協作網絡。屆時，每個專家都可能成為一個獨立的“超級個體”，以自己的 Agent 形式被不同品牌調用或雇傭，實現真正意義上的“智能化分工”。

按照這個邏輯去看，Agentic AI 真正落地到產業的本質，并不只在營銷行業；在法律、人力資源服務等領域同樣如此。Agentic AI 的前提是：每個人、每個組織都要打造自己的代理（Agent）。當各個角色都擁有代理時，由代理與代理一起工作，我們就需要相應的評估體系；每個組織的核心人員要去構建數據集、訓練與管理智能，讓其持續迭代、持續優化。真正具體的活，應盡量讓 AI 去完成；不要妄想一個人把所有事都干了。人類社會本來就是分工協作；在智能體社會、在 Agentic AI 框架里，同樣是彼此分工、彼此協作。

在這種生態中，首先會出現協作：不同角色的能力彼此互補、共同完成任務；其間也會出現競爭：既有“賽馬”式的比拼，也有與平臺之間的攻防（例如平臺為了限制“吸引眼球”的內容而設置規則，雙方形成此消彼長的關系），平臺與平臺、不同玩家之間也會發生此類博弈。更有意思的是，未來還將長期存在競合——既競爭、又合作。

這就是我所說的 Agentic Marketing 的定義：每個角色都有自己的代理，由代理與代理之間開展協作、甚至競爭，最終形成一個人機協同的生態。

在競爭激烈的當下找到增長確定性

今天我們討論的是“增長的確定性”。在當下這個變化極快、增長壓力巨大的市場里，如何找到確定性？唯一的選擇就是擁抱未來。因為只有擁抱未來，至少你還在未來里活著；增長今天未必來、明天也未必來，但從長期看它一定會來。可等到增長真正到來那一天，如果你已經不屬于這個時代、與你與 AI 無關，那份確定性就不會落到你身上。因此，擁抱未來的方式只有一條：持續學習，持續迭代自己。

我也想呼吁現場與線上的投資伙伴、營銷科學家和從業者：在“超級個體”的方向上一起行動起來，未來在營銷科學院共同打造一個營銷科學家生態。每個人都可以把自己的知識與經驗沉淀成營銷 IP，并把這些能力打造成 Agent。明略與秒針提供平臺，歡迎每一位超級個體把自己的知識與數據接入，打造屬于你的 Agent，與生態伙伴協同，在 AI 生態中形成你的 IP。

同時，我們也期待與各家 Agency 結合最新人工智能開展合作，會后也將有在這一方向上走在前面的伙伴與我們同臺；也希望我們的客戶與品牌方盡早使用 DeepMiner，一起擁抱 Agentic AI 的未來。

這一頁也是我們上市敲鐘當天分享的最后一頁。我想強調所謂“Vibe coding”(氛圍編程)：工程師不再以手寫代碼為中心，而是與 AI 高效對話，形成新的工作氛圍。Claude code這個工具正在迅速崛起——一個程序員用好它，效率可能是過去的 100 倍，相當于帶著一個軍團在工作，能力呈指數級爆發。前陣子明略舉辦第 12 屆黑客松，用 5 天復刻 Claude code：40支團隊提交了作品，8 支入圍決賽，全部完成了高質量復刻。我們的工程負責人作為評委，先自行試做，5 小時就復刻完成。按照以往方式，這也許需要幾十人、甚至上百人干上半年；今天一個人 5 小時就搞定。

未來，營銷行業也會進入這種狀態——vibe working。我們要把自己打造成 AI Native 公司，也期待更多合作伙伴成為 AI Native。

謝謝大家！