從全球策略到中國市場的品牌實戰，品牌的挑戰與機遇并存。大會上，科蒂中國彩香品類市場與電商總經理Eymeric Monange?帶來《雙核驅動，贏占香氛藍海：從深度聯結到無限增長》主題演講，展示了科蒂在中國市場的實踐和思路。以下為全文分享：

大家好，今天我想和大家分享我們對美妝行業香水品類的觀察與實踐案例。

美妝行業正在經歷一場以中國為核心的深刻變革。與金融等高度數據化的行業相比，美妝的AI應用雖仍處于早期階段，但在傳統與現代營銷交匯的關鍵時期，其重要性正快速提升。

盡管過去幾年經濟壓力顯著、美妝市場整體收縮，香水品類仍逆勢上揚，社交媒體討論量、搜索量與閱讀量均在增長。在中國市場，香水品類更是展現出強勁的增長勢能。

值得關注的是，咨詢機構數據顯示，中國香水滲透率僅約5%，遠低于日本、韓國的14%，與歐美成熟市場的差距則更大。這種低滲透下的快速擴張，正成為當前最典型、也最具確定性的結構性機會。

在美妝行業，“情緒價值”始終是消費者選擇產品的核心驅動力。依托AI，我們得以洞察推動香水滲透率提升的深層動因。

我們發現，中國消費者在社交媒體的表達呈現出新趨勢：關于贈禮的討論熱度不斷上升——如何制造驚喜、如何為不同關系挑選禮物成為持續增長的話題。而香水天然具備情緒性、私密性與儀式感，因此迅速進入禮品表達體系。

同時，消費者也通過香調探索自我身份與情緒狀態。什么的氣味代表奢華、增強自信或帶來寧靜，這些討論讓我們理解香水如何融入日常生活。

中國香氛市場的另一優勢是人口結構紅利。中國新生代消費者愿意表達與嘗試，推動市場快速擴張。同時，中國消費者高度認同“有益自身、惠及他人、兼顧地球”的價值觀，這讓香水在簡潔、健康、可持續的趨勢中煥發新的意義。

然而，行業挑戰也隨之增加。消費者注意力持續時間平均少于8秒，其中75%停留時間不足3秒。這對營銷提出更高要求，也促使我們提出“聯結共創”模型：在傳統品牌仍依賴傳統營銷的前提下，我們著力將現代內容生態與AI洞察結合。

基于這些趨勢，我們嘗試在香水與AI之間搭建一套“聯結模型”。例如：

• Burberry香水通過播客和故事化內容，強化品牌情緒聯結；
• Adidas Vibes依據AI捕捉情緒關鍵詞，優化產品溝通信息；
• Chloé通過社群和線下場景，讓品牌獨特性可被真實感知。

同時，我們利用AI聚類分析UGC關鍵詞，精準識別消費者關注的核心點，并反向指導KOL內容、產品敘事和媒介策略。在Gucci、Burberry案例中，AI幫助定位關鍵情緒元素，實現更高效的內容生產與社交傳播。

無論是線上還是線下，奢侈品牌還是大眾品牌，美妝行業的核心始終是與消費者的情感建立聯結。當AI洞察、品牌故事與本地化文化表達有效融合，中國香水市場的巨大潛力將得到進一步釋放。

謝謝大家！

本次大會由明略科技（2718.HK）聯合旗下秒針系統及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，首次對Agentic Marketing（代理式營銷）新范式進行系統性解讀。通過專家分享、高峰對話、產品體驗、行業倡導等形式，深度探討營銷科學在AI時代的新技術、新場景，以及新趨勢。

大會匯聚 40 余位全球頭部企業、研究機構及生態伙伴的專家代表深度參與，吸引近千名從業者線下齊聚，數百萬線上直播觀看人次，參與規模均創歷史新高。

中國人民大學勞動人事學院教授&人工智能治理研究院研究員 李育輝?帶來了主題《數智時代的組織與個體》的分享，圍繞人工智能促進新質生產力發展的變革過程中，組織與個體如何順勢而為，追求共融與發展，實現全新重塑等問題進行了探討與分享。以下內容為分享全文整理：

首先非常榮幸受邀參加營銷科學大會。我在參會之前一直在問自己和明輝總一個問題，作為研究組織管理的學者來參加營銷科學大會，我能分享些什么？尤其是剛剛聽到前面幾位企業嘉賓關于AI+業務的精彩分享，這讓我用另一種視角去看待AI所帶來的變化：每一次業務變革的背后，一定伴隨著組織結構、組織能力，以及權力體系的全面重塑。

所以，今天我想在數字變革最為前沿的營銷領域，談一個經典的話題：在技術沖擊下，我們每個人所身處的組織，以及組織當中最核心的資源——“人”，正在經歷什么變革，以及如何順勢而為。我的分享將從以下四個方面展開。

人工智能——發展新質生產力的核心路徑

人工智能正驅動新質生產力發展，并在深刻重塑組織與個體關系。從2023年開始，各界專家在探討人工智能與生產力之間關系時，已經基本達成共識：人工智能一定是實現新質生產力最為重要的路徑。

在科技對生產力和生產模式的變革過程中，我們發現存在不同的模式。營銷的模式非常直接，它能夠觸達每一個消費者；制造業，觸達的可能是一線生產工人；知識工作者，觸達的可能是如何處理人與技術的二元關系。在這當中，以營銷為例，AI對于每一位從業者的能力、工作場景、人和人之間關系改變得更為徹底。

在這種改變當中，我們觀察到了四個趨勢。

趨勢一：數據成為新生產要素，人機信任成為管理核心

數據正在成為全新的生產要素，不僅是用戶數據，更是員工行為數據、組織過程數據。人工智能的加入就像在組織管理中架了一臺無比巨大而精準的顯微鏡，把沉淀在工作系統中的復雜行為數據抓取出來進行分析，讓管理決策從依賴直覺和經驗，轉向基于數據的、可模擬和預測的科學過程。

越來越多的AI參與人事決策，例如要不要晉升，要不要加工資，甚至決定員工去留。在這種情況下，人對AI的信任，就成為了組織所面臨的最為重要的管理核心議題。在接下來很長一段時間，我們的管理對象將從傳統的人和物轉變為全新的人-機協作、人-智協同，這也帶來了新的管理挑戰和潛在風險。

趨勢二：AI深度參與工作和決策流程，人智共生讓領導力從“管理不確定性”向“構建新型信任關系”演變

AI和過去所有工具性技術變革完全不一樣，它不再是一個純粹的工具，而是人和AI共同演化的共生關系。每個人和其互動的智能體，二者協同演化的水準，會成為未來勞動者的職場核心競爭力。

AI不僅能協助我們更為高效地完成業務，還深度參與了各種日常的管理過程。它正在重新定義每位管理者的角色與職業使命。過去管理人和組織的核心命題是“如何管理不確定性”。隨著AI的融入，信任危機或將成為最大的管理風險，未來領導力的核心命題是“如何管理算法的倫理與透明度”。例如在某些企業里，AI已經部分參與了人事決策，那么如何對算法進行解釋，以及如何讓員工在算法中保有尊嚴，構建起人對AI的基本信任，這才是未來管理者面臨的核心命題和重要轉向。

過去我們說一個好的領導者要會管人、會做事。未來的領導者要管的不僅僅是人，更是人與AI共生的新型勞動者群體。在這種新型勞動者群體中，讓人對AI的信任維持在一個穩定水準，這才是未來領導力的核心能力。

趨勢三：個體借助技術實現能力崛起，“人性化”特質成為超越AI的核心競爭力

當數據成為一種新資源，AI進入工作場所，構建全新的人智協作關系時，個體將強勢崛起。前面幾位企業嘉賓展示時，我看到了營銷創作生產力的極大提升。過去需要一個月的創意工作，現在兩周就完成了，并且在產品風格和傳播力度上都有了質的提升。這意味著，如果我們掌握了一個高效協同的AI工具，我們可能就掌握了一種新型能力，一種過去需要多倍人力、物力、財力才能完成復雜任務的能力。在這個過程中，審美、判斷、價值觀等個人特質將發揮不可替代的作用。

趨勢四：組織面臨高速增長的“數字智商”與滯后的“組織情商”之間的矛盾

當個體崛起成為一種新常態，新的矛盾也就出現了：組織在技術上越來越“聰明”，但是如何理解、激發、凝聚我們面對的每一位個體，管理者在快速發展的技術面前反倒顯得不那么勝任，甚至有點兒力不從心。我將其稱為“數字智商”和“組織情商”發展速度不對等的矛盾。

組織之變——從機器隱喻到生態系統

面對這些趨勢和矛盾，組織該怎么做？

過去組織作為一個機器的隱喻正在全面失效。組織內部信息和權力的流動正在從垂直鏈條模式轉向以知識和信息為節點的網狀結構模式。在這種組織結構變革下，我們去激發個體、賦能個體，再以機器去類比個體與組織之間的關系，就不是那么貼切了。

組織正在發生什么樣深刻的變化？每一個業務變革背后都是權力和關系網絡的重塑。我認為本次組織變革的關鍵在于建立以數據和專業知識為核心的網絡化結構。具體包括以下三個方面：

一、打破數據壁壘，構建動態協同網絡

打破企業與企業之間、企業內部門與部門之間的數據壁壘，讓數據毫無阻礙地流動起來，這任重而道遠。在接觸各類企業的過程中，我發現這個壁壘正在被打破或正在重新建立。但在打破壁壘的過程中，還會誕生一種新的”數字化官僚”文化——看似信息化程度提升了，但組織決策速度反倒變慢了。這也是未來管理者需要面臨的挑戰之一。

二、建立智能決策中樞

讓數據驅動的決策輔助過去經驗驅動的決策，讓決策變得更加全面而高效，能夠跨越組織內外的邊界進行橫向與縱向的比較，構建敏捷靈活的決策機制。

三、培育組織的自演化能力

在我們過去對一千多家企業的調研中，有相當多的企業還完全沒有擁抱AI。這些企業的AI演化路徑，我們總結為“自下而上的草根路徑”，即企業里每一個員工都在擁抱AI，但企業內部仍然延續原有的管理模式和決策路徑。我們看到，并不是所有企業都在以科學的方式積極擁抱AI，形成以產品變革帶動管理變革的高效模式。這場變革需要組織自身擁有持續演化的、動態的學習能力。

個體之變——AI對職業并非簡單的替代或增強，而是”重塑”

在組織的變革當中，人始終是最重要的核心要素。對于個體而言，新技術帶來的是就業能力的局部增強，還是一種崗位的完全替代？我的答案是：既非簡單的增強，也非粗暴的替代，而是一種重塑。

重塑既是職業能力的躍遷，也是個體認知的巨變。在我們2024年發布的《人工智能與職場研究報告》中，39%的職場人認為AI會帶來收入下降，33%的職場人認為AI會威脅個體的獨特性，當然也有部分人既不擔心被裁員，也不認為會被替代。另一項針對中國勞動力市場的數據分析指出，人工智能對女性、低教育勞動者、大齡勞動者等勞動力市場中相對脆弱的群體所受的沖擊更大。這也提醒我們，在樂觀擁抱技術變革的同時，也要重點關注不同就業群體技能重塑的差異化進度。

“紫領”的誕生：新質生產力時代的新型勞動者

今年上半年，我們發布了《新質生產力應用型人才就業趨勢報告》，并為AI賦能的一線工人創造了一個全新的職業名詞——“紫領”。我們觀察到“紫領”的幾個特點：

• 以生產一線為主要工作場景，是數智化轉型的排頭兵；

• 介于傳統藍領和白領之間，是手腦并用的新型勞動者；

• 擁有更為廣闊的職業成長空間；

• 與藍領相比，教育程度、社會地位和收入均有提升；

• 具有強烈的價值引領，普遍擁有一種心態：我做這件事情并不僅僅是為了公司，而是要最快找到人智協同的最佳平衡點。

具有強烈的價值引領，普遍擁有一種心態：我做這件事情并不僅僅是為了公司，而是要最快找到人智協同的最佳平衡點。

代際差異下的雙重挑戰：個體訴求的轉變與覺醒

在思考AI對個體的職業技能重塑時，我認為還必須充分考慮到代際職業價值觀的差異。在人智協同背景下，代際差異帶來了管理上的雙重挑戰。

一方面，管理者要面對新生代對職場固有文化的沖擊。另一方面，更要預判人-智協同中代際差異所帶來的差異化格局。例如，我們觀察到80后可能是最適合職場的一群人，因為他們堅信奮斗改變命運；90后已經開始強調體驗即人生，他們在成長中意識到，個體努力之外的社會網絡資源會極大地改變努力的結果；而Z世代年輕人在職業探索初期已經歷從“我的未來是星辰大海”到“世界充滿了不確定性”的社會變革。我們發現，Z世代也是和AI交互最多的年輕人，他們的職業價值觀是“普通而豐盛”，追求的是普通但不平凡，工作中每一個小小的反饋都會帶來平和的滿足和成就感。所以適用于80后的基于戰略目標的長期激勵，對于Z世代可能已經不那么適用了。

那么在變革中，如何基于代際不同特征順勢而為，降低變革阻力就顯得尤為關鍵了。簡單而言，對80后不需要講大道理就能夠找到新技術和組織變革的密切關聯，對90后要注重增強他們的體驗感，對Z世代要增加更高頻的積極反饋。

人性溢價：超越AI的核心競爭力

拋開群體差異，我經常在思考的另一個問題是，人類與AI相比，什么是未來不可或缺的能力？AI在學習速度、重復性任務、解決問題上都遙遙領先。然而，與人的本質相關的能力，我把它稱為“人性化”的特質，如情感、價值判斷、審美等都是AI所不能替代的。

所以，具備人性化特質的人未來將成為組織的核心人才，而人才爭奪戰的焦點將轉向“人類特質溢價”。

當AI精通了所有可編碼的技能（編程、數據分析等），那些AI不擅長的能力——如批判性思維、創造力、同理心、說服力和建立深層信任將變得極其珍貴。組織的競爭優勢將取決于“人性化”人才的密度與質量。

展望2035——數智人性化共融的組織形態

最后，當我們看到技術對于組織和個體都帶來了如此多變革時，我也想大膽預測，到2035年，什么樣的組織形態更為先進、更有利于高質量發展？我們嘗試描繪出一個未來的組織形態——“數智人性化組織”，它一定是人智高度共融的。

在這種形態下，CEO要解決什么問題呢？除了業務問題，我認為CEO在未來要解決的核心命題是AI價值融合，因為每一個AI模型都內嵌了其訓練數據的價值觀和偏見，當企業將AI深度融合到業務流程時，也意味著AI自身攜帶的“文化基因”正在改變企業原有的組織文化。所以CEO的核心命題是主動管理AI和組織文化的融合。

對于組織中的其他管理者，需要解決什么問題？三句話：

要持續構建一種激活而非消耗的機制；

要樹立滋養而非使用的人才發展觀；

要不斷培養、甄選、吸引在AI時代擁有不可替代的人性化能力的人才。

我認為，智能時代的組織變革，最終一定會呈現出技術理性與人文關懷的共融。

立足2025，展望2035。站在組織管理者的角度，我們相信，未來將呈現這樣一個工作場景：AI價值和組織文化深度共融，勞動者技能與AI能力共同演進，管理者實現從管控到激活的全面轉型。那將是個人價值全面綻放的未來，更將是組織活力噴涌的新紀元。

大會上，明略科技集團副總裁、秒針營銷科學院院長譚北平為大家帶來了主題為《與AI 共生 · 營銷科學的未來》的分享，并邀請三位營銷科學專家依次登臺，從不同視角深度剖析營銷科學的發展現狀與前沿思考。

以下為分享全文：

譚北平：

在當下的營銷環境中，客戶對于“營銷科學”提出了大量新問題，而我們也在與行業共同尋找答案。

AI是我們當前最核心的研究方向。從2023年開始，我們便與復旦大學管理學院針對這一領域持續進行聯合研究。2023年，我們發布了《2023 AI+:人工智能與營銷新紀元》白皮書，提出核心觀點：AI 正在帶來營銷生產力的大爆發。2024 年，我們在《2024 AI+生成式營銷產業研究藍皮書》中進一步提出了生成式營銷的新范式。

作為中國營銷科學產學研交流平臺，過去一年中，我們和行業伙伴合作，與營銷科學家共創，在重點命題“AI重塑營銷”方面，產出重要研究成果，包括和復旦管理學院金立印教授共同出版暢銷書《生成：AI生產力重構 營銷新范式》，榮獲中國廣告業大獎長城獎廣告學術類銀獎；出版《生成式營銷戰略實踐全景圖》；聯合復旦大學管理學院、得到高研院推出《從AIGC到AIGD：生成式營銷發展研究報告》，并在其中提出營銷供給與決策管理框架，整理出覆蓋16大營銷領域的148個思維鏈，幫助企業更好地做出決策。

與此同時，我們仍延續過去多年對中國營銷生態的年度追蹤，包括社交媒體生態、媒介格局變化、技術演進等，并持續在秒針營銷科學研究公眾號與視頻號上發布最新研究成果，陸續發布《2025中國社交媒體格局概覽》、《2025中國社媒營銷技術圖》、《2025中國泛社交媒體趨勢白皮書》，并首次發布《中國AI數字媒介地圖》。

在內容研究方面，我們首次基于AI創意測評工具AdEff，通過評估2300+創意素材，總結提煉出打造好創意的BEST框架（覆蓋45個好創意關鍵要素）。該框架背后包含大量行為測量與情緒數據，在如今內容快速生產的時代，我們希望幫助品牌更清晰地理解：什么樣的內容真正能夠打動人？

我們也在持續追蹤品牌增長趨勢。我們發布了2025BrandGrow最具增長價值新銳品牌榜單，幫助行業洞察新變化、新機會。同時，我們與浙江工商大學合作，開展關于品牌情緒與增長的專項研究，發布《2025品牌情緒與增長報告》，通過AI分析品牌可表達的情緒維度，并探討其與增長的關聯邏輯。

在產業層面，我們也梳理了互聯網營銷收入結構與行業格局。今年，我們陸續發布了《2025中國數字營銷趨勢報告》《2024中國互聯網營銷發展報告》，并將于11月28日發布《2025中國數字營銷生態圖》及解讀報告，幫助營銷人全面了解中國營銷、媒介格局及趨勢，品牌及品牌情緒研究方法以及創意打造方法。

下面我們將依次邀請三位營銷科學專家登臺，從不同的視角跟我們分享他們的AI營銷科學觀察。

首先，讓我們歡迎來自復旦大學管理學院的市場營銷學副教授，肖莉教授登臺，從學界角度幫大家回顧一下今年學者們關心的營銷科學問題與進展。

肖莉：

感謝譚老師的介紹，非常高興有機會在這里與大家分享AI 在營銷學界的發展趨勢、研究方向，以及我對未來營銷科學演進路徑的一些思考。

基于現階段的研究積累，我們將 AI 營銷研究的發展大體歸納為四個方向，希望能幫助行業更系統地理解 AI 正在帶來的理論與實踐變革。

第一方向：AI對消費者行為與決策的影響

這一方向的研究目前成果最為豐富，主要聚焦于一個現象——算法厭惡（Algorithm Aversion）。

研究表明，在醫療、金融、生活方式服務等大量消費場景中，用戶普遍表現出對 AI 服務的不信任，不愿使用 AI 服務，也不愿為其支付溢價。換言之，消費者認為人與 AI 的服務質量存在“心理落差”。

我們在研究中曾使用一張獲得索尼攝影獎的圖片進行實驗，讓兩組學生分別觀看。一組被告知這是“索尼獎項得主作品”，另一組被告知這是“AI 生成并獲獎的作品”。

結果發現，當學生認為這是人類作品時，他們會圍繞畫面右下角的“多余手部”展開豐富解讀，將其與家庭倫理、犯罪、情緒敘事甚至外星文明聯系起來，并認為“故事性”是其獲獎理由；而當他們被告知此圖為 AI 生成時，同樣的細節反而被視為“Bug”，學生認為這是計算機錯誤生成而導致的結果。

這一實驗再次印證：當消費者知道內容來自 AI 時，會顯著降低對作品質量和意圖的信任，這就是算法厭惡。

從學界角度而言，未來的研究不僅需要繼續證明這一現象，更需要探索如何減少或消除算法厭惡？尤其在今天使用AI 進行內容生成，需要進行相關標注的監管背景下，如何讓消費者在知道內容由 AI 生成的前提下仍能接受、信任甚至偏好 AI，這是未來極具價值的議題。

第二方向：AI 與人類能力差異及其機制研究

這一方向探討的問題是：AI與人到底不同在哪里？已有研究發現：AI 作為評價者時更偏好 AI 生成的內容；AI 更容易表現出“缺乏耐心”的行為傾向；在某些場景中，AI 判斷更注重結構化邏輯而非情感線索。

而更深層的問題是：AI是否有必要像人類？這一點值得行業反思：AI作為“硅基生命”，為什么一定要模仿“碳基生命”？AI是否應該發展屬于自身的表達方式與能力邊界？

第三方向：AI工具取代人工，即人智協同方向

研究發現，目前AI在協助招聘、會計文本分析、市場調研等工作中擁有出色表現，已經可以取代許多初級的人工職位。

未來更有價值的問題已不再是：AI能做什么？而是：AI不能做什么，它的邊界在哪里？當企業、員工或消費者明確 AI 的能力邊界時，反而有助于降低恐懼與排斥，從而解決前文提到的算法厭惡問題，推動真正的人智協同。

第四方向：基于AI的創新工具

如果說前三個方向回答的是：AI能做什么，那么第四個方向關注的是：AI能創造哪些人類原本甚至無法想象的？

這個方向也是最具創新價值的一部分，它認為AI的作用絕不僅是對現有工作的降本增效，未來將涌現許多基于AI的創新工具，為人機協同提供新的增長空間。

目前已有一些鮮活的案例，包括：基于人臉特征的廣告自動篩選系統、基于 AI 的興趣與審美原型分析做服飾推薦、全自動內容—投放—反饋閉環生成系統等。

這些能力此前在傳統營銷體系中并不存在，而未來可能成為基礎設施。由于該領域技術門檻較高，目前發展速度較慢，但它代表著未來營銷研究從跟隨式應用向前瞻式創造的方向，也將成為營銷界與科技界共同創新的核心領域。

接下來，我們有請OMG宏盟媒體集團首席合作官張繼紅 Lucy登臺，歡迎Lucy。

Lucy張繼紅：

今天討論的核心依然是AI，而整個大會也圍繞這一主題展開。我想從行業觀察與實踐出發，談談我們對 AI 如何重塑營銷關系的理解。

首先，我認為AI并沒有取代人與品牌之間的連接，而是重新定義了這種連接方式。

在過去的營銷體系中，無論是品牌與消費者、廣告主與代理商，還是信息提供方與信息接收方，這些角色之間往往存在一種隱性的對立關系。品牌試圖吸引消費者，消費者則試圖逃離營銷觸達；廣告公司希望說服用戶，而用戶卻努力過濾廣告信息。這種“對立式邏輯”在 AI 時代不再適用。如果仍然以過去的理解方式來思考用戶、品牌和技術之間的關系，我們將無法真正與大模型對話，也無法理解未來營銷的運行方式。因此，重新調整思維框架，而不是僅僅使用新技術，是當下最重要的一步。

如果大家已經在一定頻率上使用大模型，就會發現一種變化正在發生。隨著時間推移，人們對于模型的使用逐漸從“工具依賴”轉向“認知依賴”。無論是生成圖片、短視頻腳本、翻譯文本、搜索答案還是獲取建議，越來越多的人會發現自己已經習慣，甚至必須依賴模型提供的內容和判斷。此時，人類與 AI 的關系不再是使用者與工具的關系，而像是一種雙向的交互與學習。這一點值得我們認真思考。

在中國，AI營銷正在進入一個全新的階段。它并不是對既有體系的簡單疊加，也不是傳統營銷框架的數字化移植，而是一場重新思考語言、文化、責任、體驗以及人與技術關系的過程。

智能技術與文化語境、生活方式、情緒表達乃至價值觀念之間的聯系，遠比我們過去理解的更深。大模型并不是冰冷的機器，而像一個持續與我們保持對話的人，它理解我們的提問方式，也回應我們當下的狀態與需求，回答永遠發生在“此刻”，具有即時性和語境性，而不是過去搜索引擎那樣讓我們跳轉鏈接、判斷、篩選。

我們的愿景是構建一個兼具創新、安全與本地洞察的AI營銷生態，連接全球創新與中國獨特的數字語言與監管環境。中國有獨特的語言文化系統，而語言結構會直接影響模型的思考方式。同樣一句話，用中文問、用英文問，再翻譯回來，模型的答案是不一樣的。

我曾向大模型提出這一問題，它也明確表示不同語言邏輯會帶來不同理解方式。德語偏哲學思辨，英語偏結構邏輯，中文偏情緒表達，而西語則更加熱情。因此，我們未來與模型溝通的方式，不是讓模型機械地重復品牌觀點，而是讓它真正理解品牌的語言人格，與消費者建立意義關聯。

中國品牌必須在本土語義體系中重新構建與AI的溝通方式，讓AI成為可以“聽懂人、理解人”的橋梁，而不僅僅是SEO或GEO的工具。品牌不能僅僅將目光局限于短期通過“引導大模型”來獲得推薦，這會傷害品牌的長期價值。當AI給出推薦時，消費者并不關心品牌自我表達，而更關心問題是否被解決。品牌的價值來自在關鍵場景中提供真正有用的內容與功能。

舉一個更生活化的例子。近期我購買鞋子和床墊，整個決策過程完全來自大模型。我告訴它我的肩頸狀況、睡眠習慣和身體需求，它給出了具體材料結構建議，例如床墊必須是五分區、獨立袋裝結構，不能太軟，需要記憶棉。當我進一步詢問品牌選擇時，它并沒有直接給出答案，而是告訴我應該先線下體驗再決定。我真切感受到，大模型理解了我的需求。這一瞬間，品牌意義不再是傳播結果，而是解決問題的能力，而 AI 成為了觸發這種價值的連接節點。

這意味著品牌、媒介與消費者之間的結構正在從線性傳播轉向矩陣式共創。消費者不再只是接收者，而是內容貢獻者、表達者與參與者。品牌的控制力正在下降，而消費者的表達權與參與度正在提升。所有營銷節點，從內容到決策，都正在被重新定義。這不是一次傳播方式的改變，而是底層邏輯的重構。

因此，我想再次強調，AI并不是替代人與品牌之間的連接，而是為這種連接提供了新的表達方式。未來有價值的品牌，不是聲音最大、傳播最多的品牌，而是能夠傾聽、能夠共鳴、能夠陪伴用戶共同成長的品牌。品牌最終將成為消費者信任的伙伴，而不是信息推送者。我們使用 AI，不是為了讓它更像機器，而是為了讓它理解我們、賦予溝通意義，并與我們共同構建可持續的品牌關系。

接下來，讓我們有請最后一位對談嘉賓，谷元文創科技董事長、上海交通大學數智內容營銷中心聯合主任李勇，歡迎李總。

李勇：

聽聽了今天大半天的分享，我有兩個非常深刻的感受。一方面，很多嘉賓帶來了結構化的理論體系、知識框架和方法論，讓人能迅速建立新的認知地圖，我獲益很大；另一方面，又不斷有人提到語境、人性、意義這些更接近情感與洞察的內容，讓我非常感同身受。我越來越確信，營銷科學大會從來不是那種冰冷的“科學大會”，它是一場理性與感性交織、人性與技術并存的難得交流空間。

延續這個視角，談一個隱藏在營銷技術與實踐背后的核心問題——當一種方法足夠結構化、模型化、流程化，并且在 AI 與數據能力的加持下變得越來越高效、可復用，甚至可以批量產出的時候，那它則意味著標準化的建立。

而標準化的結果，有點像“預制菜”。剛開始我們覺得效率高、成本可控，是一件好事。但如果長期依賴，內容就會失去溫度、煙火氣和不確定性的生命力，就很難繼續讓人感到真實、有趣、鮮活。

所以，我們需要問一個比“效率如何才能更高？”更重要的問題——效率與生命力之間的平衡在哪里？

AI時代，“人”仍然決定方向。人的選擇、人的觀念、人的態度，是決定智能系統意義的最后變量。選擇是一種行為，但選擇背后是意志、感受與判斷以及更底層的價值觀。

這是我始終堅持的一個觀點：無論AI發展到什么程度，人類的主體性與自由意志，是人之為人最后的領地。未來我們終將走向一個“人類智能與機器智能共存”的雙智社會，而屆時，值得討論的問題不是“機器能做到什么”，而是“哪些判斷必須由人做”。

在這樣的未來里，機器主要承擔客觀、理性與效率，而人類承擔意義、判斷與創造力。AI是工具，人把握方向。

在服務客戶過程中，我們也在探索人與智能如何協同。近幾年，圍繞品牌建設與服務創新，我們引入了一整套的包括數智化策略洞察、用戶分析、情緒識別等在內的能力，讓更多品牌成為與消費者共情、共創、共生活的伙伴。這背后，AI的作用不是替代創意，而是幫助我們從龐大的用戶表達中提煉關鍵詞，進一步洞察關鍵詞背后的情緒和人真正的需求與動機。

在數智化情緒價值研究與實踐中，我們團隊始終聚焦一個核心要點：情緒價值必須依托AI和數據逐步細分。不能把“國潮”“動感”這樣寬泛的標簽當成洞察，而是要更精準地拆解，探究“是哪種國潮？”“是哪種動感？”。只有當情緒被真正理解、拆分，并賦予語境，它才有價值。

情緒價值細分也會直接影響媒介與投放邏輯。例如，同樣是運動鞋品牌，如果所有人都投“動感”這個關鍵詞，那么競價機制一定會推高成本，最終消耗品牌利潤。但如果能拆解為“街頭動感”“輕盈彈跳”“果敢力量感”這樣的更精細的情緒表達，那投入的不僅是效率，更是品牌獨特性，而消費者與品牌之間也更容易建立真實的情緒共鳴。

所以，避免內卷的方式不是更快、更強，而是更“不同”。洞察得越深，情緒越精細，品牌越有可能擺脫競爭同質化，擁有屬于自己的意義空間。

最后，我想用一個個人的小例子結束。今年我50歲了，很多人談這一階段的心情時，會說“白發”“銀發”“歲月”“老去”；但表達同樣心緒時，古人會寫“子在川上曰，逝者如斯夫”，會寫“錦瑟無端五十弦，一弦一柱思華年”。同樣地，去年遇見的那位姑娘，可以是“去年元夜時花市燈如晝，月上柳梢頭，人約黃昏后”；也可以是“去年今日此門中，人面桃花相映紅。人面不知何處去，桃花依舊笑春風”。你看，講的是同樣的情緒，卻可以有更多完全不同的表達方式和生命體驗。

小結匯報一下，我們都在表達情緒，但表達情緒的方式和內容可以像人的內心一樣千變萬化、多姿多彩。這就是未來的營銷：既要用好AI完成可標準化的部分，也要依靠對情感、語境與人性的深度理解，重建人與品牌之間真正的“活人感”共鳴。

其他精彩內容，將在后續文章中呈現，敬請期待。

作為數字營銷領域的重要細分賽道，GEO行業正加速崛起。秒針營銷科學院基于頭豹研究院SEO市場規模、GEO滲透率等數據建模計算后預測，2030年中國GEO行業市場規模將達到240億元，發展潛力巨大。

標準和規范是行業蓬勃發展的助推器。近日，為推動中國GEO行業健康發展，在中國商務廣告協會AI營銷應用工作委員會指導下，14家GEO相關企業作為首批發起單位，在第九屆營銷科學大會現場共同發起《中國GEO行業發展倡議》，號召行業各方以“用戶為本，價值導向”“堅守真實，拒絕虛假”“科學優化，反對污染”“公平競爭，光明競合”“開放協作，共建生態”為原則開展協作與服務。大會現場，參會代表們同步按下GEO發展光柱，宣誓“共促規范、共享增長、共贏未來”的發展決心。

11月19日，第九屆營銷科學大會在上海金茂·君悅大酒店盛大舉行。

本次大會由明略科技（2718.HK）聯合旗下秒針系統及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，首次對Agentic Marketing（代理式營銷）新范式進行系統性解讀。通過專家分享、高峰對話、產品體驗、行業倡導等形式，深度探討營銷科學在AI時代新技術、新場景下的發展新趨勢。

AI重構營銷已是行業共識，在眾多應用場景中，生成引擎優化GEO是發展最快的領域之一，全球范圍內已經有不少反應敏銳的品牌開始探索Marketing to AI（對AI營銷）。

截止2025年6月，國內生成式AI的用戶量已經突破5.15億，僅今年上半年就新增2.66億，增幅達107%。應用場景方面，利用生成式AI產品回答問題的用戶最為廣泛，達80.9%，相比其他場景斷崖式領先。

這意味著，目前至少有近4.2億人，在使用AI進行搜索問答，數量占同期搜索引擎用戶（8.78億）的近一半。其中，90%的用戶首選國產大模型。

AI搜索快速取代傳統搜索，GEO生成引擎優化的需求也迎來井噴式發展。

GEO作為新的營銷產業快速發展的同時，各種問題也相繼浮現，比如測量標準混亂、刷排名、信息污染等等。這些問題不僅會降低消費者對AI的信任度，也直接擾亂了正常的市場秩序，危害GEO市場發展。

為此，在中國商務廣告協會指導下，包括知名品牌、全球性4A企業、主流媒體、GEO監測及優化方在內的14家GEO相關企業作為首批發起單位，共同發起《中國GEO行業發展倡議》。它們是：華潤三九、宏盟媒體集團、WPP Media、電通、陽獅集團、微博、知乎、明略科技秒針系統、夜鶯科技、新鍶科技、源易信息、氧氣科技、清藍Pureblue、質安華。

為號召更多企業加入標準和規范倡議隊伍，第九屆營銷科學大會現場特別舉行“信任是金·中國GEO行業規范與標準倡議”發起儀式，13位倡議單位代表登臺，共同按下聚力光柱，宣誓“共促規范、共享增長、共贏未來”的決心。

《中國GEO行業發展倡議》倡導提供GEO服務的企業

遵循以下5個發展規范：

一、用戶為本，價值導向：我們的一切優化行為，最終目標應是幫助AI更好地理解品牌，為終端消費者和用戶提供“真實、客觀且真正符合其需求”的信息，助力他們做出更明智的決策。我們將始終把用戶價值與社會責任置于短期利益之上。

二、堅守真實，拒絕虛假：我們承諾，所有旨在優化AI認知的品牌信息、企業資料及內容，必須基于事實與真相。杜絕虛假宣傳。

三、科學優化，反對污染：我們倡導采用客觀、系統、可驗證的科學方法，而非技術漏洞實現AI認知優化。聚焦于提升信息結構性、清晰度、相關性與權威性。

四、公平競爭，光明競合：我們堅持以品牌自身優勢贏得市場，拒絕任何形式的詆毀、抹黑競爭對手的行為。

五、開放協作，共建生態：我們呼吁業界更多伙伴加入，共同探討并完善行業標準與實踐指南。通過知識共享、技術交流與經驗總結，促進生態繁榮共贏。

秉持開放的態度，倡議也歡迎更多行業機構加入，共同推動中國GEO行業透明、科學、健康可持續的發展。

明略科技高級副總裁、秒針系統CEO趙潔以《從數據分析到決策智能：Agentic時代分析師的范式躍遷》為主題，系統展示了在Agentic時代，秒針系統從第三方監測服務商向營銷智能平臺的轉型實踐，以及AI Agent如何重構營銷分析師的工作方式與能力邊界。

始于秒針，不止于秒針

做“秒”懂品牌需求的智能營銷搭子

“秒針系統是一家監測公司”——這是趙潔加入秒針系統13年來，至今仍常聽到的評價。但她明確表示：”秒針系統早已經不只是做監測，的確我們是始于監測，但不止于’秒針’。”

秒針系統是明略科技旗下營銷智能品牌，已構建起整合”流量策略+KPI指標+產品矩陣+數據能力”的完整體系。其核心數據資產包括：第三方明日DMP數據庫、消費者行為樣組數據CBP（秒針自建，監測消費者廣告、社媒、電商、內容全行為）、全網社媒大數據（10萬+站點，日均采集數據超1.3億條），以及LBS位置大數據（日活覆蓋10億智能設備，日均處理超1600億次定位數據）。這些數據能力支撐起從線上到線下的到店歸因分析，并實現Social DID打通，完成跨平臺歸因分析。

在業務架構上，秒針系統形成了”雙曲線”發展格局：

第一曲線——營銷測量與洞察：涵蓋Reach（認知觸達）、Search（心智觸達）、Buying（到店或效果轉化）的全鏈路測量，以及品類分析、品牌分析、競品分析等洞察服務。

第二曲線——營銷策略與行動（RaaS）：延伸至內容策略（內容解碼、分析、生成與測試）、媒介策略（營銷預算分配、搜索占位）、人群策略（圈層固圈/擴圈/破圈），以及種草運營、私域運營、廣告智投等營銷執行環節。

在產品矩陣方面，秒針系統已形成完整的產品線布局，包括Media Studio（全域廣告監測、跨屏預算分配、廣告智投平臺等）、Social Studio（AI洞察工具魔方Pro、達人優選平臺、社媒種草監測等）、用戶增長系列（智能營銷MA、企微SCRM、客戶智能CDP等），以及AI創新產品（AI多模態創意測評、洞察驅動的內容管理平臺、素人營銷運營平臺等）。

針對不同發展階段的品牌，秒針系統提供差異化的營銷策略指引。對于成熟品牌，強調”10000+100+1″模式：頭部廣告媒體大覆蓋（廣泛觸達）、100個重要社交媒體做種草（影響心智）、各類觸點承接轉化（全布局保證高轉化）。對于新銳和新興品牌，則采用”1+100+10000″的內容種草+分發模式：制作1套內容規范DNA、洞察挖掘100個核心場景的表達、構建10000個海量的內容分發矩陣。

趙潔用一個清晰的邏輯串聯起整個體系：”InsightFlow驅動Content Flow，Content Flow驅動Marketing Growth。我們堅信，只有好的洞察才能產生好的內容，好的內容才能給我們帶來更多的流量和更多的生意增長。”

Deepminer × N種玩法

無限延伸，重構商業智能的未來

趙潔表示，進入Agentic AI時代，問題即生產力。If not now, when？If not us, who？營銷分析師必須完成從單一技能向”T型”人才的躍遷——既要在橫向上拓展行業領域知識，又要在縱向上通過AI工具大幅提升工作效率。

在整個營銷工作流程中，DeepMiner提供了無限玩法。目前，明略科技旗下秒針系統團隊內部已征集100種DeepMiner應用場景。大會現場，趙潔通過四個典型場景案例展示了DeepMiner的成功實踐：

1. 社媒智析領航員：效率革命的2分鐘奇跡

傳統模式下，1位資深分析師處理3000條帖子需要超過8小時，一份完整輿情報告交付周期超過3天，且觀點遺漏率達10%。DeepMiner借助AI之力實現了分鐘級輿情洞察分析：2分鐘完成萬條帖子智能打標，準確率達95%以上；AI智能推薦分析角度，快速抓住洞察重點；分鐘級自動生成可視化洞察報告，支持Excel、PPT、HTML等多種格式。

2. 創意決策引擎：從感覺到共識的數據依據

“DeepMiner不生產’感覺’，只生產’依據’，”趙潔指出，創意決策長期面臨主觀判斷難以達成客觀共識的痛點。DeepMiner通過數據為創意的每一個構成細節提供可量化、可解釋、可復用的判斷標準，當創意團隊與決策團隊基于同一套數據語言溝通時，共識自然形成，決策效率得到前所未有的提升。

3. 營銷決策引擎：整合多源數據的策略瞭望臺

針對品牌需要快速獲取全行業營銷信息、競品現狀及自身策略建議的需求，DeepMiner構建了營銷決策引擎，整合媒體洞察Agent（快速生成廣告投放策略）、社媒分析Agent（快速生成全網輿情表現及應對策略）和營銷專業知識庫（快速生成整合性營銷傳播策略），應用秒針系統海量底層數據，包括DMP、Media、Social數據，以及多年積累的品類行業知識庫和達人數據。

趙潔強調：”如今的營銷知識早已不止于廣告監測與社媒洞察，更需要打通各工種的知識邊界。Agentic AI時代的分析師，不僅是解讀數據的分析師，更是統籌全局的策略師，同時也可以是落地執行的操盤手。”

4. 熱點捕手：穩穩接住潑天流量的營銷閉環

針對品牌常常錯失熱點流量紅利的痛點，DeepMiner構建了從AI熱點識別（根據品牌調性推薦熱點）、AI創意生成（結合熱點自動化生成圖文、視頻等內容），到執行落地（內容分發、千人千言賬號矩陣）的完整閉環，并通過Content Flow Agent實現自動化運營。

圈層營銷風向標

2025年Q3興趣圈層全景圖&白皮書重磅發布

大會現場，明略科技高級副總裁、秒針系統CEO趙潔重磅發布《2025中國消費者興趣圈層Q3白皮書》。趙潔指出，秒針系統聯合秒針營銷科學院已經連續三年發布中國消費者興趣圈層全景圖和白皮書，依據獨家170+圈層標簽體系，基于細分人群、場景、興趣愛好，以及消費者在社媒上的語言和溝通特征進行分類，成為圈層營銷的指引者。

《2025中國消費者興趣圈層Q3白皮書》顯示，無論從環比還是同比，城市探險、漿板、手辦、自駕、脫口秀、同人文化、賽車、VLOG、韓系風穿搭圈等都在榜單TOP20中，反映出”體驗經濟”與”追求即時快樂”在一線城市的全面崛起。

圈層報告不僅定義圈層、分析人群結構，還總結出各圈層的”黑話”，并詳細說明圈層人群的行為方式，幫助品牌在體驗中設計與圈層人群的互動。

在深度解析高增長的潛力圈層的基礎上，秒針系統旗下一站式社媒監測與洞察平臺——魔方Pro還可針對品牌需求進行定制性探索，幫助品牌自定義圈層，找到更多潛在藍海項目。

現場展示的案例顯示，魔方Pro通過”聲量指數”和”互動指數”的二維分析，幫助某品牌在戶外運動領域識別出滑雪、賽車、沖浪等UGC關注度較高的項目，為品牌在戶外”去精致化”趨勢中制定內容策略提供數據支撐。

在實戰落地層面，秒針系統結合圈層標簽數據，沉淀形成了”固圈、破圈、擴圈”的全套打法：針對大眾品牌增加曝光的需求，通過尋找熱點圈層，結合品牌與圈層IP、KOL、場景實現破圈；針對功能品牌鉚定心智的訴求，持續追蹤品牌在特定圈層的心智占領，考察圈層滲透率、TOM等指標實現固圈；針對前沿品牌形成特定圈層的目標，基于品牌調性和領先性，自定義圈層進行擴散，實現擴圈。

趙潔強調，“未來，明略科技旗下秒針系統將持續以AI之力賦能更多品牌在不確定的市場中把握增長確定性，與所有營銷人共同重構商業智能的全新圖景，共赴決策智能的新征程！”

其他精彩內容，將在后續文章中呈現，敬請期待。

本次大會由明略科技（2718.HK）聯合旗下秒針系統及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，首次對Agentic Marketing（代理式營銷）新范式進行系統性解讀。通過專家分享、高峰對話、產品體驗、行業倡導等形式，深度探討營銷科學在AI時代的新技術、新場景，以及新趨勢。

大會匯聚 40 余位全球頭部企業、研究機構及生態伙伴的專家代表深度參與，吸引近千名從業者線下齊聚，數百萬線上直播觀看人次，參與規模均創歷史新高。

明略科技高級副總裁、秒針系統CEO趙潔在開場致辭中表示，九年來，營銷科學大會始終秉持“可測量、可驗證、可預測”的科學精神，與行業一同穿越周期。九九歸一，九代表一個周期的圓滿，歸一代表營銷本質的回歸——創造價值、建立信任、實現增長。展望下一個九年，如何定義Agentic Marketing時代的營銷、讓科學力量真正轉化為增長動力，是行業共同關注的核心命題。

人機協同是營銷生產力釋放的關鍵，企業亦要從組織、思維、生態三個維度積極轉型，以技術驅動增長、以信任構建新生態、以組織AI Native變革，為品牌打造增長確定性，推動營銷生態走向共生，創造更大價值。

｜AI營銷迎來“Agentic 時刻”

2025年初，隨著Agentic AI成為全球焦點，AI營銷正式進入“代理式”新時代。繼生成式AI突破推理能力邊界后，Agentic AI通過賦予AI“手和腳”，實現了自主決策與執行的關鍵跨越，為營銷數智化變革按下加速鍵。

明略科技創始人、CEO兼CTO吳明輝 在主旨演講《From Generative Marketing to Agentic Marketing》中首次系統性解讀Agentic Marketing（代理式營銷）技術方向與明略科技最新成果。他指出，“Agentic Marketing是基于Agentic AI（代理式AI）的營銷新形態，核心是通過構建各角色的AI代理，重塑營銷行業的生產關系與運作模式。”

吳明輝強調，當前企業AI落地的痛點往往在于結果的準確性，而解決這一問題的關鍵依托于“可信數據+可信模型”。數據端，明略科技旗下秒針系統沉淀了海量行業數據，為AI提供可靠依據；模型端，明略科技大模型產品線DeepMiner基于多智能體架構（MoA），通過Foundation Agent模型統一調度，專有模型“專家腦”Cito與“靈巧手”Mano分別實現推理規劃與精準操作，在OSWorld、Mind2Web等全球榜單中多次登頂，為Agentic Marketing在實際業務場景的落地夯實基礎。

多位合作伙伴企業現場分享運用DeepMiner賦能營銷場景的最佳案例：

?? 零壹貳叁科技創始人、CEO 張浩然?介紹利用DeepMiner構建從洞察到分發的AI全鏈路工作流，實現內容智能化生產。

?? 極創美奧科技創始人、COO 蔡振鋒Ivan 分享通過DeepMiner高效拆解爆款視頻，提升分鏡處理效率與內容創作產能。

?? bbk!傳播集團創始人&CEO于瑋麟?展示借助DeepMiner開展精準種草營銷實踐。

?? 歡瑞世紀COO許巍巍?則分享了利用DeepMiner優化短劇營銷與藝人經紀業務，實現爆款孵化與選角效率的雙重提升。

｜匯聚全球前沿經驗??

大會現場，全球領先企業與學界嘉賓圍繞 AI 在不同場景的落地應用展開分享，從消費洞察、跨境布局到組織協同，全方位呈現 “AI + 營銷” 的實踐路徑與增長價值。

?? WPP Media China CSO Dennis Potgraven?分享 “2026 年五大 AI 驅動制勝策略”，從盈利增長、品牌建設等維度提供前瞻指引。

?? 科蒂中國彩香品類市場與電商總經理 Eymeric Monange? 帶來 “雙核驅動，贏占香氛藍海” 的實踐案例，結合 AI 捕捉消費者情感需求，圍繞禮物場景、身份認同等方向深化品牌聯結。

?? 在“決勝：AI驅動下的即時零售與場景革命” 對話環節中，品牌營銷與數字化專家、咨詢公司創始人、美團《場景營銷知行錄》主筆 Alence 子溪，“約翰啥都懂”商業自媒體主理人約翰，邁韜 MTC 創始人、NAN beauty 品牌合伙人古邁?探討 AI 對供需匹配與貨架資源的賦能作用。

?? 小米互聯網業務部商業營銷品牌總經理、智屏視界董事 陳高銘?介紹智屏視界通過 AI 與消費級數據，打造家庭場景大屏營銷新生態。

?? 華為鯨鴻動能研究院 Gary Fang?分享AI 驅動的數字化體系如何在品牌出海中實現標準化與本地化平衡。

?? 京東科技泛零售行業方案負責人 邵松?詳解通過 AI 與數據能力在流量經營、用戶運營中構建增長確定性。

?? 中國人民大學勞動人事學院教授、博導，人工智能治理研究院研究員 李育輝?通過實證研究指出，人類在戰略與情感洞察上相較于AI仍具優勢，未來需構建 “人類創意思考、AI 優化執行”模式。

?? 明略科技高級副總裁、秒針系統CEO 趙潔?分享秒針系統依托 DeepMiner 平臺，構建 “洞察 – 策略 – 行動 – 測量” AI 驅動閉環，強調營銷從業者需借 AI 提升效率，成為 “人機協同全面選手”。

｜共建可信生態?

當AI深度融入人類生活與企業生產，可信價值愈發凸顯。

明略科技副總裁、秒針營銷科學院院長譚北平 在“與AI共生·營銷科學的未來”主題演講中，系統梳理了AI從AIGC到AIGD的演進路徑，強調可信是智能營銷的基石，唯有建立行業規范與標準，才能讓Agentic Marketing持續創造價值。

復旦大學管理學院市場營銷學系副教授肖莉，OMG 宏盟媒體集團首席合作官張繼紅，谷元文創科技董事長、上海交通大學數智內容營銷中心聯合主任李勇?共同參與對話。

大會現場同步舉行“信任是金·中國GEO行業規范與標準倡議”發起儀式，倡議由中國商務廣告協會AI營銷應用工作委員會指導，明略科技作為倡議牽頭企業，聯合華潤三九、宏盟媒體集團、WPP Media、電通、陽獅集團、微博、知乎、夜鶯科技、新鍶科技、源易信息、氧氣科技、清藍、質安華14家企業共同發起，旨在共同推動GEO行業向透明化、可驗證的生態建設邁出關鍵一步。中國商務廣告協會會長李西沙通過視頻致辭表示，當前GEO市場快速發展的同時，也面臨測量標準混亂、信息污染等問題，希望通過行業倡議凝聚共識，共建健康可持續的AI營銷生態。

本屆大會特設?DeepMiner主題展區，圍繞”營銷可信智能體”，參會者可現場與營銷科學家代表面對面，深度探討技術產研與業務應用的落地路徑。同時設置GEO評估監測、AI創意測試AdEff、零壹貳叁科技、bbk!破圈廣告、極創美奧、Domo多謀引擎、魔方Pro、明日數據、明奇科技九大標準展臺，從AI搜索優化、創意測試、內容生成、社媒監測、數據智能到社媒種草、短視頻營銷、線下門店智能營運等多個維度，全方位展示“AI Agent+營銷”賦能場景。

大會結尾，明略科技高級副總裁孫方超?發表閉幕致辭時表示，本屆營銷科學大會是行業對 Agentic Marketing 達成共識的起點，更是技術、業務與標準共建生態的開端，并現場發出邀請，歡迎更多企業與合作伙伴加入 DeepMiner 生態，共同推進 AI 在業務場景中的應用落地，挖掘增長新機會。

未來，明略科技將持續以“數據驅動的可信生產力”為核心，攜手行業伙伴深化AI與營銷場景的融合創新，讓增長確定性貫穿營銷全鏈路，共同開啟智能營銷的全新篇章。

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！

近期，柯林斯詞典正式將Vibe Coding 列為2025 年度詞匯，借助大模型能力，越來越多的頂尖工程團隊也開始將 Vibe Coding 視為下一代開發體系，足見其在全球范圍內的影響力與前瞻性。

與傳統“手寫代碼、人工調試”的模式不同，Vibe Coding 的核心在于通過自然語言表達需求，讓AI自動完成邏輯拆解、整體架構設計、自動代碼生成與迭代等，實現從“人工執行”到“智能協作”的躍遷。

在這一趨勢背景下，明略科技近期面向全體員工舉辦了 2025 黑客馬拉松挑戰賽，首次將 Vibe Coding 高效開發體系與業界公認的前沿 Agentic AI 架構設計深度融合。

技術標準全面升級

五天復現Claude Code核心功能

多智能體系統（Multi-Agent System）被視為 AI 走向通用智能的關鍵路徑，它要求多個專業化 Agent 高效協同，以完成復雜任務。本次比賽，參賽隊伍被要求在為期五天的時間內，復現業內領先的多智能體協作框架 Claude Code 的核心功能。參賽者需要通過自然語言設定需求，驅動大模型自動生成系統框架，并在與模型的持續交互中補全細節、處理報錯、修復異常、優化性能，最終完成從需求到可運行程序的全流程復現。

在傳統模式下，對Claude Code 的復現往往需要數月時間，而Vibe Coding出現讓研發工作的效率獲得了指數級提升。以往需要從零搭建工程結構、模塊功能開發、手動排查錯誤日志的繁復流程，如今只需清晰表達邏輯與需求即可完成。

Vibe Coding 讓開發者得以從重復勞動中解放出來，將更多精力集中于核心需求分解、Agent認知架構設計與關鍵算法創新，讓“思考”成為真正的生產力，而非被瑣碎的代碼細節實現所束縛。

為充分激發大家對 Vibe Coding 開發潛能的深入探索，本次大賽在技術要求上大幅超越行業標準。參賽團隊不僅需要在其成果中構建起多個企業級穩健性機制，包括 Checkpoint 機制、實時中斷及恢復運行機制、以及工具權限管控與 Hook 安全審計機制；還需實現高級協作與智能決策的系統能力，如模型智能路由（Agent Model Router）、上下文自動壓縮（Auto Compaction）以及多模式流程控制（Plan Mode、Edit Mode、Yolo Mode）的靈活切換。全面考驗了團隊在智能體調度、任務分解、流程控制等方面的綜合能力。

優質成果涌現，加速邁向多智能體協作時代

本次黑客馬拉松報名人數創歷屆新高，參賽者不僅涵蓋核心研發團隊成員，還有來自產品、IT等不同崗位的同事與實習生新生力量，充分彰顯了明略人學習 AI、應用 AI 的熱情與積極性。

經過多輪比拼，8 支團隊成功晉級決賽，現場展示了其各自的大模型設計邏輯與亮點功能。參賽選手利用自主構建的大模型，完成了如直接基于UI設計稿一鍵生成完整應用、發票信息識別處理等實際功能演示，充分展現了參賽團隊將 AI 應用于真實業務與使用場景的創造力與執行力。選手們所進行成果功能演示邏輯清晰、性能穩定，生動彰顯了明略科技在 AI 能力體系構建方面的技術積累與人才厚度。

除常規獎項外，大賽特別增設了“Vibe Coding 最佳實踐獎”，以表彰積極擁抱Vibe Coding范式并沉淀積累最佳實踐經驗的先行者，進一步推動公司面向未來Agentic AI時代的產品研發流程變革。比賽現場氣氛熱烈，選手在展示成果的同時積極交流心得，討論與分享貫穿始終，“Vibe coding”與“Vibe working”儼然已經成為了一種自然而然的工作方式及協作文化。

獲得本次大賽一等獎及“Vibe Coding 最佳實踐獎”的團隊讓 AI Agent 學會了“自我成長”——通過 Skills 機制，用戶可以輕松將“制作符合公司品牌風格的PPT”、”生成可視化數據看板”、“處理生成Excel報表”等工作流程轉化為 Agent 的專屬技能，使用越多、能力越強，真正實現智能助手的持續進化。團隊成員李寧表示：“這次比賽讓我們系統性地沉淀了一套適合團隊協作的 Vibe Coding 方法論，并深入理解了 Claude Code 在 Agent 設計上的簡潔性、靈活性和可擴展性理念，也為我們今后在實際業務場景中落地 AI Agent 應用提供了寶貴的指導思路。 ”

全員AI協作，智能生產力全面落地

自創辦以來，明略科技黑客馬拉松已連續舉辦至第十二屆，成為公司頗具代表性的創新傳統與企業文化符號之一。十二屆賽事的延續，塑造了公司持續學習進步、鼓勵前沿探索的技術文化，也成為推動明略人不斷向前、探索智能技術無限可能的重要引擎。

本次黑客馬拉松以 Vibe Coding 與 Agentic AI 的雙輪驅動，有力推動了公司提前布局多智能體系統概念的應用實踐，并培養了內部團隊在 Human-in-the-loop 等關鍵領域的實戰能力，幫助明略科技在 Agentic AI 浪潮中勇立技術前沿，也為公司未來的多智能體產品與解決方案構筑起堅實的技術底座，引領行業從簡單的 LLM 調用邁向復雜的Agent協作時代。

目前，Vibe coding已深度融入公司的研發體系中，多個內外部AI智能工具正被高頻使用，并以真實交付結果驗證了其可靠性、穩定性與效率價值與明略人的AI共創實踐能力。

與此同時，明略科技持續推動公司內部的AI能力建設，越來越多的明略人正在通過與 AI 協作的方式完成日常工作，從流程執行到結果交付，AI 的協同參與已成為常態，曾經耗時耗力的工作正變得更加高效與可控， AI已成為每一位明略人的能力放大器與共創伙伴。

人工智能的價值，最終取決于落地的深度與廣度。明略科技將持續以可驗證的方式推動AI成為公司的智能生產力，深化 Vibe Coding 與智能協作體系的融合應用，持續建設智能體協同體系，拓展更多場景的規模化實踐，讓研發更高效、交付更可靠、創新更迅速，工作更高效，讓 AI 成為推動組織發展與行業創新的強大引擎。

作為第五批香港重點引進企業、全球“Agentic AI第一股”，明略科技（2718.HK）受邀出席本屆大會。

明略科技（2718.HK）創始人、CEO兼CTO吳明輝在科技專題活動暨第八屆“京港青創杯”創業大賽總決賽上發表主旨演講，分享AI技術創新與出海布局；

同時，明略科技（2718.HK）與香港數碼港在京港兩地重點合作項目簽約儀式上正式簽約，攜手深耕香港AI生態，為京港科技協同發展注入新活力。

以可信AI技術賦能產業，錨定全球核心賽道

在科技專題活動暨第八屆“京港青創杯”創業大賽總決賽上，明略科技（2718.HK）創始人、CEO兼CTO吳明輝指出，“Agentic AI已成為全球AI大模型企業的核心布局方向。它不再是簡單的聊天機器人或解答問題的工具，已經真正成為人類助力，可以完成復雜任務。明略科技（2718.HK）推出的全球首個可信商業數據分析智能體DeepMiner，正是這一方向的核心成果。”

“可信是AI規模化落地企業生產流程的核心前提。”吳明輝強調。明略科技自創立起便聚焦數據可信問題，進入大模型與生成式AI時代，進一步明確Trusted and Agentic AI研發主線，重點攻克可信人工智能的兩大核心課題：一是可信的模型，二是可信的數據。

在香港大學人工智能實驗室聯合全球多所知名高校AI lab舉辦的OSWorld比賽中，明略科技專有模型（Specialized model）Mano，憑借“理解需求、執行任務、操作電腦”的核心能力脫穎而出，不僅斬獲專有模型全球第一，更在包含所有大尺寸模型的總榜中位列全球第二（僅次于Anthropic的Claude 4.5）。該模型僅72B參數，可顯著降低算力消耗，且支持在單臺電腦的安全環境中部署，實現本地專有數據的安全連接與計算，充分滿足企業商業場景的核心需求，成為企業落地AI的重要突破口。

簽約香港數碼港，深化京港AI生態協作

重點項目簽約是歷屆京港洽談會的重要看點。據了解，本屆京港洽談會共促成29個重點項目簽約，總金額近560億元人民幣，覆蓋科技服務、人工智能、金融等11個領域。

在簽約儀式上，明略科技（2718.HK）香港總經理張曉與香港數碼港管理有限公司首席企業發展官朱美恩代表雙方簽約，標志明略科技（2718.HK）與香港數碼港的合作正式落地。

香港作為中國鏈接世界的樞紐，聚集了眾多頂尖高校與創新人才，數碼港更是香港AI創新活力的核心載體。

明略科技（2718.HK）創始人、CEO兼CTO吳明輝在現場接受香港衛視采訪時進一步表示，“今年，明略科技（2718.HK）有幸入選香港第五批重點企業并落地數碼港。未來，我們將依托香港的國際化平臺邁向全球，深度聯動本地頂尖人工智能人才及香港高校的AI領域優勢力量；同時加大在港研發投入，通過香港鏈接全球商業伙伴、客戶與大模型生態伙伴，攜手打造屬于中國人的世界領先人工智能企業。”

此次亮相京港洽談會，是明略科技（2718.HK）登陸港股后拓展全球布局的重要一步。依托香港的區位優勢與創新生態，結合自身在可信AI領域的技術積累，明略科技（2718.HK）將持續深化京港協作，以AI之力聯通世界，為全球企業提供更高效、可靠的智能解決方案。

據 OS-World E2E官方榜單最新數據（截至 2025 年10 月），明略科技自研的 GUI 智能體大模型 Mano 以 54.0% 的任務成功率刷新紀錄，位列 Specialized 模型第一、模型總榜第二，僅次于 Anthropic 最新發布的 Claude 4.5。

與今年9月首次提交的數據相比，Mano 的參數規模從 7B 擴展至 72B（約 720 億），任務完成率從40.1% 提升到 54.0%，性能實現了顯著提升。這也標志著專用智能體在真實操作任務中的執行能力達到新高度。

從語言到行動：智能體的下一階段

OSWorld 是目前全球最具權威的“操作智能”評測體系，涵蓋 10 類應用、369 個跨應用任務。它要求模型在真實的桌面和瀏覽器環境中執行連續操作——例如打開電子表格、搜索信息、整理數據、完成填報。這類任務遠比問答生成復雜，因為每一步都需要模型既理解內容，又理解“界面結構”，并能在多次操作中保持邏輯連貫。

在此前的測試中，即便是頂級的通用大模型，在 OSWorld 上的成功率也常停留在 30%–40% 區間。而 Mano 72B 的最新成績——54.0% 的端到端任務成功率——不僅刷新了中國模型的最高紀錄，也讓“專用智能體”第一次在這個“AI 操作考場”中站上了前列。

這背后的技術路線也與傳統語言模型截然不同。明略科技在最新版技術報告《Mano Technical Report》（報告鏈接：https://arxiv.org/abs/2509.17336）中系統闡述了其方法：模型的訓練并不是基于單純的文本對話，而是在高保真的模擬電腦環境中反復嘗試與學習。可以理解為，Mano 被放進了一個巨大的虛擬操作系統，在其中學習如何移動光標、點擊按鈕、識別菜單、輸入數據，并通過反復試錯掌握任務完成的最佳路徑。

技術原理：讓模型在“真實環境”中學習

Mano 的訓練框架包含三個階段：監督微調（SFT）、離線強化學習（Offline RL） 和 在線強化學習（Online RL）。簡單來說，SFT 階段相當于“老師教范例”，模型學習基礎操作方法；離線強化學習階段讓模型通過過去的任務經驗學會“舉一反三”；而在線強化學習階段則是在真實環境中持續練習、發現新策略。

明略科技還引入了一個名為 “Think–Act–Verify” 的執行閉環：模型在操作時，會先判斷當前界面狀態（Think），再執行具體動作（Act），最后驗證結果是否正確（Verify）。如果執行出錯，模型會自動調整步驟重新嘗試。這讓 Mano 在面對復雜、多變的操作場景時，能夠實現自我修正和容錯。

舉個通俗的例子：當你讓智能體“下載一份財務報表”時，通用大模型可能只會給出一段操作說明，而 Mano 會真的打開瀏覽器、登錄賬戶、識別下載按鈕、選擇正確的日期范圍，并在出現錯誤提示時重新登錄、重試。這種能力的獲得，正是通過強化學習與高保真訓練環境協同實現的。

根據論文數據，Mano 在加入在線強化學習后，模型平均任務完成率提升了約 14 個百分點，尤其在多步驟任務（multi-turn task）中表現穩定。研究團隊指出，這種“在環境中學習”的方式，是實現操作智能的關鍵：模型不再依賴靜態語料，而是通過持續交互獲得反饋，從而具備“學習如何行動”的能力。

專用智能體的競爭力

長期以來，大模型的性能評估主要集中在語言理解、知識問答或內容生成任務上。而 GUI 智能體的出現，讓 AI 的邊界從“文字世界”延伸到了真實的操作系統中。與通用大模型相比，專用智能體的核心優勢在于——它們不追求覆蓋所有知識，而是致力于在特定任務上實現更高的執行深度與穩定性。

Mano 的成績正是這一趨勢的體現。通過結構化的任務數據、針對性的強化學習和驗證機制，模型在界面識別、動作規劃和過程穩定性方面表現出了持續進步。OSWorld 官方評述指出，這一成果“展示了專用智能體在真實任務執行中的潛力，也標志著多模態智能體研究的工程化進展。”

對明略科技而言，Mano 不僅是一項研究成果，也正逐步成為企業智能系統的底層技術。公司正在探索如何將 Mano 的操作智能嵌入到數據分析、營銷自動化、合規管理等具體場景，使模型能在實際業務流程中承擔“數字助理”的角色。研究團隊同時提到，未來的方向包括提升推理效率、減少交互步長，并推動端側輕量化部署，讓智能體在普通硬件環境中也能穩定運行。

從 7B 到 72B，從 40.1% 到 54.0%，Mano 的進化歷程不僅是一次參數增長，更是一種能力遷移——從語言理解到操作智能的跨越。明略科技技術團隊在報告中表示，未來 Mano 將繼續優化推理效率與任務泛化能力，并探索端側部署與行業級落地路徑，使智能體能力真正融入企業生產流程。當模型不再只“輸出答案”，而是真正“完成任務”，人工智能才開始具備通往真實世界的執行力。

報告鏈接：https://arxiv.org/abs/2509.17336

榜單鏈接：https://os-world.github.io/