采访｜李善友 混沌创办人

受访｜吴明辉 明略科技创始人、CEO兼CTO

吴明辉是典型的学霸型创业者，也是投资人非常喜欢的有技术背景的创始人。

小时候数理化很难不考满分，2000年通过奥赛银牌被保送进北大基础数学系，研究生保送了计算机系人工智能模式识别与图像处理专业，博士进修了多模态大模型方向。创业后他既有很强的技术背景，对产业有理解，对商业战略有足够深的思考，有足够强的愿景。风光的时候，公司连续两轮融资各20亿，账上躺着 10亿，敢做敢赌。

但同时，他也是真正穿越周期的创业者，经历了戏剧性的画面——高歌猛进后的急转直下，"商业世界重大的错误我全犯了"。最惨的时候，公司连裁员补偿都发不起，被员工认为是骗子，要跑路了，甚至直到如今负面舆情还影响着公司的人才招聘。

他用了将近二十年时间，探索商业世界的第二曲线、第三曲线，"这个过程非常煎熬"。同时，他也在不断思考个人的使命，"我吴明辉这一辈子应该做什么？"

就在不久前，明略科技推出了基于多模态基础模型的网页 GUI 智能体 Mano，一举在两大国际权威基准——Mind2Web 与 OSWorld 上刷新纪录，双双登顶 SOTA（表现最优！）。这意味着 Mano 已具备在真实网页环境中完成复杂操作链的能力——AI 开始真正"看懂网页、动起手来"了。

与此同时，明略科技的专有大模型产品线 DeepMiner 也正式亮相。它试图回答一个更难的问题：当AI从C端走向B端，从消费场景迈入企业决策，如何让智能体做到可信、可解释、可追溯？

近期，明略拟通过港交所上市。在IPO前发布新产品，被认为是"秀肌肉"，但看完下面的访谈，这些产品指向了吴明辉在商业世界与个人世界的漫长探索，他的答案在变得清晰。

在与善友教授这场长达5小时的深度对谈中，教授与吴明辉几乎复盘了他二十年的创业与思考——从北大数学系到计算机，从"秒针系统"到"明略DeepMiner"，从互联网时期的广告监测业务到最新的AI时代的发力点。

这是一位走过了PC互联网、移动互联网、大数据、到人工智能的创业者，如今，AI成为了他的新武器。但他更在意的，不是AI能有多聪明，而是"信任"的重建。因为技术的尽头，是对世界的理解。

经历了反思、推翻与重建之后，他重新找回了那个核心问题——什么才是可信的数据？

在吴明辉身上，你看到的不只是一个连续创业者的野心，还有一个数学家式的冷静与坚守。

"我希望AI成为商业决策的守门员。" 这句话，也许正是他在AI时代给出的最清醒的答案。

吴明辉：一个爱解难题的人

李善友：明辉欢迎你来参加我的第一个播客。你能不能讲讲你自己的过去，回忆一下你个人的情况。

吴明辉：非常荣幸。我爸爸原来是军人，后来转业做了警察。我妈妈是在全国都出名的北极星闹钟厂工作，职务是质量检查员。后来我创业的初创公司叫"秒针"，其实当时注册名字时，我并没有联想到我妈妈的工作。后来我们做的工作，就是数据的质量检查，这确实跟我妈妈的工作某种程度上是相关的。

李善友：说说你的这个学习和求学情况怎么样？

吴明辉：其实我从小确实学习还算非常好的。但我是一个偏科的学生，一开始就是偏数学，后来到了中学以后有物理化学，那时候我的数理化基本上很难不考满分。

数学确实是我一生的热爱了。到现在为止，我第一次做数学题，我就觉得太有意思了，而且越难的数学题我越喜欢。我在一个小城市，我在中学期间，其实没有特别多的题。我每次碰到特别好的题，我都一定要把它做出来。我记得有一道题我是做了一年才做出来，甚至在睡梦中都在想，而且那个书没有答案。

李善友：在你求学期间，你在哪个方面什么时刻是最努力的？

吴明辉：其实如果你今天从机器学习角度，从AI训练的角度来讲的话，这个努力就叫scaling law（规模定律：投入越多，结果越好）。

努力分为了预训练阶段的努力和后训练阶段的努力，甚至还有续训练阶段的努力。续训练其实就是持续跟这个社会互动，你要不断的实践。但是如果我们讨论学习期间的努力的话，更多的是这个预训练和后训练。预训练的阶段的努力，其实就是要不停地读书。那后训练的阶段的努力其实什么呢？要不断地做题。这两个事情的努力都很重要。

如果是读书的话，我在中学期间，我把我所在城市的图书馆里面能买的数学书我全读完了。我是数学、物理、化学、计算机基本上每一科都参加竞赛的。那每一科去打比赛的时候，我都会到那个城市，第一件事情是下了火车先去当地图书馆，我先把数学书都买了。所以对数学确实是有一种痴迷。

李善友：所以在数学上看到两个方面，一个是你那个天赋，因为你喜欢解难题，在解答题当中你会感受到那个美感。第二你看到你的努力。那么你在整个求学阶段，有没有受过什么挫折和失败？

吴明辉：我本科一入学的时候，对我来讲是一个不小的一个挫折。我们宿舍六个同学有四个跟我一样是奥赛保送的，而且还有一个国际奥赛奥林匹克。这个时候你就会发现，他确实真的是比我聪明，一些特别难的题，可能我需要想5分钟，他直接就可以做出来。

我们的这个数学系的考试，100分的卷子，如果你特别认真听讲，及格是没问题的。如果你特别认真，并且还算有一定的天赋，那应该是能得90分，但是不会超过95。总有5分是来检验你将来是不是数学家的，那个题我是肯定做不出来的。

我在那个时间点，我发现我好像当不了数学家了，对自己有一点点小怀疑。然后我就开始转行做创业，开始去赚钱了，写软件，教书，就做一些跟商业相关的事儿了。

李善友：这个数学的这个梦想后来就借此放下了还是怎么样？

吴明辉：没有放下，因为我做的其他的工作，尤其是计算机，实际上它是一个数学的application（应用）。我就选择了在北大继续读计算机，在北大搞算法。

李善友：今天其实有两个关键词，我觉得你是一个学术型创业者，你跟别人不太一样，那第一个学科是数学，但现在聊着聊着你第二个学科出来了，计算机。

吴明辉：我第一次参加计算机竞赛是初中二年级的时候，我拿了市里面计算竞赛的一等奖，当时就发了一些软盘，还有一些教育软件。我当时说这个好像奖品更丰富，作为一个小孩我觉得很不错，也没想别的，就觉得这个搞计算机好像很有钱。

然后到了高中的时候，就开始写代码，后来还甚至写游戏给大家去玩。所以其实我后来对计算机非常喜欢，是因为它既跟数学有关，它是一个数学的显性的表现。同时它更容易获得不管是物质还是跟社交相关的精神的反馈。

当奥数老师赚第一桶金，给朋友"救火"走向创业

李善友：一个有数学家梦想的人，对计算机也非常之擅长，怎么样走向创业这个路上来的呢？

吴明辉：在大学一年级的国庆节回到家，我妈让我算账的时候，我突然发现，入学第一个月好像他给了我两千多块钱，我一下就基本上全花掉了。而我妈妈那个时候一个月其实是400块钱。

我意识到了我们家没那么有钱，所以我当时就想出去赚钱，第一个手段就是出去教奥数。我当时可能就是觉得财富自由了，一边教课，一边我也在思考还可以做什么事情。

直到大三的时候，我的一个高中同学，他有一个合伙人跟他一起去做软件开发。他的合伙人写的代码老是有bug，我的同学很火大，因为他每次都被客户骂。后来，他有一天实在是受不了，然后就过来找我了。他说明辉，要不你看看这个代码的bug怎么改。 我周末就在北大图书馆泡了整整两天，把图书馆里面跟那个要修改的bug的那个语言相关的一些书，看了一遍。翻完了以后，我就跟我的同学说，我已经学得七七八八了，你把代码给我，我来改一下。

他后来就跟我一起成立了一个工作室，我们后来一直在做软件开发。

我觉得一个很大的转折点是我硕士二年级的时候，服务了新浪的教育频道，做完了以后，就认识了新浪的教育频道的主编，于是认识了我最早期的一个创业合作伙伴，李丰。

丰叔他那个时间点其实是在新东方，但是他也是一个不安分的人，想自己创业，已经有一个公司了，我跟他应该是2006年在离新东方很近的一个公寓里面见了一面。当时还看到了罗永浩，因为罗永浩还是那个公司的股东。李丰说，你每天做的都是很苦的，这个性价比很低的。你现在创业就是给别人干活，卖自己的时间赚钱。其实你还可以去融资，讲一个更大的故事，拿资本市场的钱。我说还有这种事儿，然后他就给我讲了半天。

李丰给我扫了盲以后，他说我把我的公司跟你的公司合起来，我做CEO，你做CTO。所以从这个时间点我才真正地开始摆脱了给别人去做软件外包，开始走向我们要去融资，做一个自己的产品。

因为李丰的背景，我们本来的想法是做一个在线教育公司，但是很快这个概念就被投资人彻底地给否定了。

投资人一直反复在问一个问题，你们这个团队到底有什么核心竞争力？你的技术壁垒是什么？早期我也不是特别会回答，后来我就慢慢地把我以前在做软件外包开发过程中用到的一些核心技术去给他们去讲。这个核心技术将来能支撑什么呢？就是支撑我们的千人千面的教育系统，因材施教。

我2007年真正开始独立融资的时候，我还有一个合作方叫祝伟，他也是早期李丰拉来的一个天使投资人之一。他是广告公司的一个高管，我跟他又重新的优化了我们的商业计划书，其实出去讲的就是千人千面的推荐系统。

李善友：千人千面推荐，那是移动互联网的东西，后边是AI了。其实2007年的时候，这两个核心关键词已经出现在你的生命轨迹中了。

吴明辉：我的硕士论文就是我后来创业的这个方向，Recommendation System（推荐系统）是跟大数据的Data Mining（数据挖掘）以及自然语言处理相关的，但之前的Recommendation System跟自然语言是没关系。因为我在研究过程中看到了一个分词的算法，比如说吴明辉是明略科技的创始人，明略科技是一个词，创始人是一个词，这个分词其实就相当于是把中文的词和词之间要用空格给它隔开。

而这个过程需要非常复杂的算法，当时我们叫隐Markov（马尔可夫）模型，其实就是今天的强化学习的最核心的底层算法。所以其实我当时就在那个时间点误打误撞开始研究分词算法。

我当时做的是内容的推荐。第一个应用场景就用到了新闻的网站上，我当时第一个客户就是罗永浩的牛博网。牛博网当时博客旁边的推荐都是我的算法推出来的。一个新闻本旁边推荐什么新闻，其实不仅仅是要看看了这篇网站的人还看过什么，还要看网页和网页之间的相似度，而网页和网页之间的相似度用到的技术就是语言模型。我相当于是最早把语言模型用到了recommendation，这就是我的硕士论文。但是当时的语言模型都不大。

北大的计算机系和北大中文系合作的一个研究所叫北大语言所。他做了中国的第一个中文概念词典。中文概念词典其实就是中国最早的语言模型。所以其实就相当于是我机缘巧合又因为创业的原因开始做自然语言。

今天我们的多模态模型，就又需要图像、视频的能力，又需要自然语言的处理能力。所以我的学术背景，天然的特别适合做多模态，今年我们刚发的Mano，也是多模态的，成全球智能体榜单新SOTA。（SOTA指State of the Art，最新技术状态，描述某一领域当前达到的最佳性能水平或最先进的技术）

扫码收听完整版播客

李善友：你的推荐系统后来用到内容新闻推荐里了。后来怎么样变成你的秒针的呢？

吴明辉：我在07年的下半年开始跑市场，就见一些客户，同时也见投资人，投资人当时对这个recommendation system没什么感觉。直到这个直到我碰到了一个很好的一个朋友，他是在医疗健康领域的非常好的一个连续创业者。他说明辉，我看你挺可怜的，你也别收我钱了，你免费让我用。我用完了以后，你看看这个到底有啥结果。

当时我就把我的系统挂到他的网站上了，挂了大概一天就发现了一个很大的问题，我知道为什么这些网站不愿意用我了，因为我一下就能看到它真实的流量。

他这个公司的主要商业模式就是卖广告，它对外宣称是2000万，实际上不是2000万，是200万。所以我突然意识到，原来互联网公司不喜欢我的原因，是因为他们怕真实的数据被别人知道。所以从那个时间点上我就开始想，其实我们有可能有另外一个视角，谁想拿到这些数据呢？其实就是被这些媒体有可能欺骗了的广告商。

吴明辉：我很快就把商业计划书改了，变成了三步走。第一步，基于类似于DoubleClick这样的技术去帮客户做广告监测，做真实的流量的分析。分析完了以后，我们就积累了大量数据。第二阶段做广告的recommendation，就可以千人千面地投广告。第三阶段做everything的recommendation，什么都可以投。

然后就出现了一个非常有意思的事情，我们的这个系统上线之后，就开始跟媒体技术大量博弈了。因为媒体真的是不喜欢我们的，因为我们把他的真实的流量告诉了广告主，他不想让我拿到数据，他就把我们的代码删掉了。删掉以后，我们就通过一些技术手段绕开它。

我们有一个客户就是宝洁，他觉得这个博弈太没有意思了。有一天就把我和祝伟叫到了他们办公室，然后他说，拥有你们的这个数据分析技术的公司不止一家，你们长期怎么定位自己？我想了三天，然后跟客户说，我们坚决地做中立的第三方。

李善友：第三方这个词就这时候出来了。

吴明辉：我绝不会影响这个数据的真实性，一定让这个数据是可信的。

李善友：可信这个词也出来了，所以从数据到可信、第三方、真实，这个定位最后怎么产生结果的呢？

吴明辉：客户就把所有的媒体叫到了他的办公室。他说从今天开始，我们宝洁要大量地投资互联网广告，但前提是，你们不允许删秒针的监测代码，如果删了的话，我就不付钱。我要付钱的依据就是秒针的数据，这是结算标准。

最后，我们成为行业标准很重要的一个原因是媒体也开始觉得我们对他是好的。

李善友：怎么转变的？

吴明辉：当时最大的广告市场其实是电视，互联网广告是很小的。我们要把电视收视率的数据跟我们的互联网监测数据融合到一块儿。融合完了以后，我们的那个软件就成为了当时全世界出名的软件。不光是中国，因为连美国、英国的那些大的消费品公司的总部，他们都没见过，把一个big data和传统的调研的一个small data这两个融合起来的一套算法。因为这个原因，其实我们一方面受到了客户的认可，更重要的一点是所有的互联网公司都觉得，这家公司原来好像不是我们的敌人，是在帮我们搞钱过来的。

李善友：所以你解决了一个大卡点就是广告主和媒体之间互不信任的问题，你用独立第三方的这个形态成为交易环节必不可少的那么一步。第二，你也找到了一个10倍速的机会，恰好是从电视广告向互联网广告转，你又把这个问题给接住了。第三点的话的确也挺有意思的，你 2007年那个论文是想recommendation for everything，然后第一步是广告的推荐、内容的推荐，结果就顺着这个方向去走了。

高歌猛进："投资人非常喜欢我这样的创始人"

李善友：秒针最后做到什么样的一个情况了？后来为什么去做明略了呢？

吴明辉：所以我其实当时每个季度我都会去看中国的网民到底有多少了，我们真能看到真实的情况，我有一个大盘。在2012年的时候，如果我们只做这个广告监测业务这一个业务，其实已经没有很高的天花板的增长了。所以我一定要再切到第二个曲线。

其实第二曲线在寻找的时候，我想到首先还是广告推荐系统。我在公司内孵化一个新的业务线，去做一个广告的推荐系统来帮广告客户来去做投放。

在 12年13年，big data这个词儿火起来了。这个时候其实大家突然就发现到，好像数据量大了可以解决很多问题。所以我就同时干了好几个事儿。一来是在秒针内部做了秒针的第二曲线，做广告投放。同时我又在这个外面又注册了一个新的公司，当时叫明略数据，其实就是学习美国最厉害的这几个大数据公司。

李善友：你其实在资本运作上也是比较顺利的，而且这方面似乎你的能力是很超群的。这种能力怎么出来的？你先后融资这方面的情况怎么样？

吴明辉：我早期融资还是很难的。第一次融资应该是09年年底拿到的第一个Term Sheet（投资意向），10年年初才融到了A轮，其实是我觉得一个很大的原因是当时对战略是没有真正深入的思考，还有一个原因就是毕竟当时自己还是nobody。

到了B轮C轮之后，融资就相对容易一些了相对容易一些了。

我觉得这里面一个很重要的一点，为什么能持续融到钱？我觉得很大程度上得益于两件事情。一个是我作为技术背景的创始人，正好赶到了过去这20年里面的技术红利，就相当于从互联网、移动互联网、大数据，然后上一代人工智能，后来又到这一代人工智能，在这个过程中，我觉得我自己包括我们的团队，是有一种持续学习的精神的。

那同时还有一个很大的红利，我觉得就是不管是中欧创业营还是混沌，就是跟着您的学习，我觉得这个对我来讲也是受益终身的。我这是我为什么一直特别感谢混沌，感谢教授，就是您带着我、带着我们整个公司一直往前走了很多很多。

相当于是你在商业上的一些思考打开了，同时又有很强的技术背景。这时候其实投资人是非常喜欢我这样的创始人的。相当于是他觉得你是有vision（愿景）的，就是对产业有理解，对战略有理解，同时又觉得你是能落下去的，我觉得得益于我后来又回归CTO的岗位。

李善友：的确，你实际上是把这两个特色是很好地合在一起，第一个是在技术上背景很强，第二是你对商业理解，你对商业的理解很深，你的vision是非常深的。第三你的表达，你把战略商业和技术产品合在一起的这个表达能力上是非常之强的。

急转直下："商业里面的这些重大错误我全犯了"

李善友：所以18年、19年明略和秒针合并之后，你又变成这个CEO。有点像一个少年一路高歌猛进，没有遇到特别大的挫折。这个过程中去找方向是很正常的，但接下来这个失败应该是有点大了。

吴明辉：对，这个挫折真的是血淋淋的教训。

吴明辉：我前面的18年、19年分别做了两次整合。首先是秒针并购了最大的竞争对手对手，我们一下成为了中国在数据这个赛道的第一大公司。

因为之前融了两轮，其实我也在做这个公司战略，去思考机会在什么地方？我当时想到的第一个护城河应该是数据。如果一个企业拥有了自己的数据，或者说你比较方便的access（获取）这些数据。其实你的护城河就会产生，由数据产生网络效应。

当时的前沿的技术就是利用深度学习、深度神经网络来去做自然语言处理，这是2019年的时候。正好2020年来了，出现了一个非常戏剧性的变化，就是人类的工作全上网了，产生了太多新的数据了。

我在2020年底收购了Manus的前身夜莺科技，当时它是企业微信最好的一个社交CRM（SCRM）工具。而它里面其实是可以access大量的在企业微信里面的数据，就是销售、导购跟顾客之间的聊天，这个是一个非常好的可以用来去做AI学习训练的一个场景。而且今天的AI的智能客服、AI智能销售，包括今天在这个领域的agent（智能体），其实都是要用这个数据的。

我当时做的事情有三层。

第一层它首先是一个数据中台，这个数据中台是要把一个企业的所有的数据都集中到一起。第二层我们要去做AI，在那个时间点还没有基础大模型，所以其实是我们要基于小模型，从底到顶全做，而且它是没有通用能力的，相当于是你每做一个任务，都做一个模型。

举个例子，比如说OCR，我做一个名片识别，都是一个单独的模型，对方把名片发过来后，自动把这个名片识别出来，自动加到我的CRM里面，当时明略的这个企业微信已经有这个功能了，都是我们自己做的，这是一个很小的功能。

当时我其实做了非常多的很有意思的产品。其实今天我们也可以叫它copilot，也可以叫agent，那个时候这些概念都没有，我们其实是全球原创。那同时还要有applications，因为你光做完这两个东西，你跟applications接不起来，大家也就都不知道。不像今天大家都知道说你做模型的公司做好AI就行了，我可以直接提供API的服务，大家就API就可以花钱买token。

李善友：这是严重违反了精益创业的原则。

吴明辉：商业里面的这些重大错误我全犯了。我当时为什么就是决心做这个事儿呢？我当时觉得，首先大力可以出奇迹，这是第一个观点。第二，我当时有一个观点，中国的软件公司为什么赚不到钱，是因为我们中国大部分的软件都是投资很少做出来的软件。如果我搞1000人我连续做两年、做三年呢？

而且我又有这个钱，我当时融了好多钱，我用1000人连续做三年，三年之后市场上没有任何人敢复刻这个产品。我可以连亏三年，如果我资本市场对我是OK的话，我就持续。

吴明辉：我后来资金链断了，因为21年没融到钱，22年就一点希望都没有了。其实我21年年底差点融到融到5亿美金。

李善友：可能也就过去了。这个项目后来怎么样了？

吴明辉：整个的大团队裁掉了95%的人。

李善友：这应该是你创业以来最痛苦的一段时间。是的，那段时间好像你的钱连裁员的钱都给不起了。

吴明辉：当时公司的账上可能也就剩了两个亿。

李善友：为什么决定要砍掉？

吴明辉：这是理性的决策。首先其实21年我做这个项目的时候，也不是所有人都支持我。一些保守的投资人其实是不理解的，但是一些激进的投资人和信我的人，他觉得吴明辉赌敢、敢试，反正账上当时是有超过10个亿的现金，是敢做的。

我本来是差一点再融5亿美金，本来都已经快好了，结果突然间由于当时的中美关系，以及地缘政治俄乌战争爆发了，当时所有的美元资本都开始被美国要求不允许投中国的AI公司。我是非常感谢腾讯的，其实腾讯相当于是在最危难的时候，其实救了公司，借了点钱给公司。我借了一千多万美金，投给了公司。这都是我们裁员之后的事儿。

裁员之前，首先先跟现有的股东去化缘，腾讯还是支持我的，但是腾讯当时就说你还要再找个投资人去投才行。但这个时间点上真的一个投资都找不着了。所有的投资人都劝我要开始裁员了。

因为当时还面临着什么是，银行抽贷，因为所有的银行看到的这个情况全部都是到期贷款，再也不给你续贷。

但是我当时最难受真正打击我的是什么呢？是团队不信任我了。这个是一个致命的打击。之前我一路高歌猛进，其实得益于团队对我的信任，包括投资人，投资人觉得吴明辉是一个带团队一直在打胜仗的人。

所以我特别感谢腾讯的投资团队，在我们各种会议里面对我们各种的批评。其实是让我知道一个CEO绝对不是只有远大梦想就够了的。你必须要有非常的强大的经营能力，这个就是对数字负责，对于每一分钱负责，对于团队感受负责，你对于每一个事情都要负责。

真的是在那个时间点开始，我觉得明略就是一个真正意义上的穿越了周期的团队，穿越了周期的公司，以及我是穿越了周期的CEO。

李善友：所以你和你的团队也经历过真正意义上的"至暗时刻"。你看，从你求学开始，你几乎一路顺风顺水—— 数学容易、计算机容易，比赛也拿奖。创业初期其实也是一样，完全是学霸的逻辑。你做了"千人千面"的推荐系统，接着又做广告监测，很快拿到了第一笔钱。然后第二个业务、第三个业务，也都做得不错。

但后来，突然遭遇了那样的打击。虽然我们现在事后回头看，方向其实是对的。我今天想请你回头看一看，在那个时刻，我们到底犯了什么样的错误？如果要反省的话，你觉得问题出在哪里？你那个阶段的教训是什么？

吴明辉：我后来反思复盘最核心的错误其实是战略节奏没有控制好。

其实有一种战略，有一种业务叫什么？叫愿景式业务。大家往往会因为一个特别美好的愿景出了belief（信念），但是这里面有个很大的问题，但凡是这种跨时代的东西，你就必须是慢慢做，不能大肆扩张。但是你做晚了也没用，那个愿景不属于你了。

李善友：你是个愿景驱动式的、理念驱动式的、使命式的创业者，你不是就今天做什么就往下去的那种感觉，包括说秒针，你本来也是很有愿景的，当然那个愿景本来把秒针只是当做第一步的，但走着走着走向另外一个了。

吴明辉：其实就是我虽然是技术出身的，但是我当时对于技术的预判过于乐观。在通用人工智能没有出现之前，基于传统的这个模型，想要在企业办公这么复杂的、各种各样千奇百怪需求场景里面去落地，这个AI的成本和它的技术可行性上面的预判出现了严重失误。而且我觉得我有这么多的钱，大力出奇迹，我应该可以把它烧出来，这个想的有点过于简单了。

反思、转念：找到"新武器"

李善友：那经历了这件事情，你这个人有没有改变，有没有一些恐惧？在人和人之间的关系或者其他方面，对你的情绪有没有改变呢？

吴明辉：其实在那个过程中，我突然意识到，当你面临一个高度不确定性的研发任务的时候，团队每个人都互相都没有那么服气，每个人都想成就自己，都想证明自己不一样，而且大家没有一个共同的目标，因为其实因为那个goal（目标）不清楚，甚至连半程的里程碑都没有，我不知道那是什么样子的，所以我对那个组织理解是不够的。

这时候的组织会成为一个灾难。所以从精益创业者来讲，小团队创业其实就是为了避免这种错误。

其实是，你得让这个事儿变得更清晰一点以后，你才能吸引更多优秀人进来，而更多人又进来了以后，他看到了清晰的部分，这时候大家思想目标就会一致。我在裁员之前，我就已经深刻地领悟到了自己的这个错误，裁员过程中我其实是应该是有了更多的同理心。

我记得以前雷军也说过，人性即天理，要顺势而为。那个势首先其实是人心，如果你连人心都顺不了，那也不可能有什么势的。我今天脑子里面有这根弦了。

李善友：什么时候还的员工的离职补偿？

吴明辉：第一笔是到22年的年底，大部分的钱其实23年才还。

李善友：一年以后了。

吴明辉：因为我们裁员也不是一次性裁完的。第一波五六月份被裁的员工，其实是22年的年底才拿到钱，拖了半年。我们最开始说三个月就行，一拖再拖。但是第一笔钱大家拿到了以后，其实网上才有一些同事说，辉哥还是没骗人的。到后面其实慢慢的才舆情稍微好了一点，之前大家有人就说我们跑路了，公司倒闭了。

而且其实到今天为止，有一些负面的帖子仍然会影响到我们的人才招聘。人工智能领域的人才是非常稀缺的，可能他在网上搜了搜一些你的负面评论，就不敢来了。所以这个信任真的太重要了，这太重要了。我觉得这就是一个企业家，包括一个优秀的团队，非常宝贵的资产，不管是跟投资人、跟客户、跟外部的合作伙伴。

李善友：你后来怎么走出来的呢？

吴明辉：首先第一件事情我还是要赢得团队的信任。如果没有赢得团队的信任的话，也不可能走出来。我跟现有的团队做了一个深刻的反思和道歉，有个道歉对这个过程很重要。

我觉得在那个时间点上，其实很多同事应该是原谅我了。他们也都是觉得公司挺不容易的，我们要集体把这个组织的生命维护好，一定要维护好，我们还是有机会的。

吴明辉：还有一点，这次道歉的时候，其实我对于未来其实还没有想的那么明白，但是我也跟大家说了，我说我们肯定不能放弃，今天大模型已经如火如荼的展开了，咱们一定要在大模型领域上拿到一张船票。

李善友：这个时候大模型这个词你已经出来了，就是22年年底ChatGPT出来了，你就get到了。

吴明辉：在这个时间点上，其实我已经开始初步探索浏览器的自动化。

那段期间，还有我觉得对我帮助特别大的一件事情，就是我从23年开始又来混沌上课。这一系列课其实对我有个很大的帮助是什么呢？就是我们开始挖公司的卡点。

我遇到了卡点，第一曲线"秒针"没戏了，好吧，我去做第二曲线，或者做第三曲线。所以这个过程其实就是一个挺煎熬的，就是你一方面要去试新的东西，另外一方面老的东西就是卡死在那个地方。每天都在想，但是当时就没有一个特别好的思路，一直到25年才想出来。

李善友：24年我陪你的时间长一点，我觉得的确是这样子的，24年的时候，你的创业的思考的方式变了。

其实那个时候，你的注意力已经不在"秒针"上了，而是在不停地探索第二曲线。咱们在 24 年有一个共同的感悟，那就是"维度"。第一曲线本身就是一个维度，有时候我们看到第一曲线出现卡点，就像小孩身上有了泥，我们想给他洗干净，但洗完之后，把泥扔了，也把孩子一起扔了。这就叫"狗熊掰棒子"——什么都没留下。

所以那个阶段你要解的题变了。第一曲线是一个维度，第二曲线又是一个维度，当两个维度合在一起的时候，"一体性"这件事就出现在咱们的世界观里了。但很显然，这个题目也变大了。

吴明辉：第一曲线那个维度，把孩子的泥都给它洗掉之后，发现其实就是数据。我是有一次是被点醒了，做了一个巨大的转变，发现原来客户最后买单的原因是，一个有了好的交互的数据产品，数据才是核心的。说白了，哪怕那个交互很烂，这个数才是最关键的。所以当我对那件事情有了一个转念之后，我的注意力又回到了数据上了。

但是我今天有个武器叫AI，AI的武器有没有机会帮我把这个卡点给突破掉？

李善友：我觉得这个转念是很漂亮的。

吴明辉：但是当时没有找到解决方案，就是持续地在找。

让AI成为商业决策的"守门员"

李善友：接下来你怎么找到那个载体的呢？这次有什么不同？你怎么最后找到那个载体的？

吴明辉：其实这个是非常简单的。我的卡点就是被效果广告"卡死了"。今天我们做效果广告的时候，已经不看点击量什么的，它都是把电商的销量作为结果。

但是这里面的数据在哪？都是在电商后台，在广告平台的后台。我们如何用最新一代的人工智能把这些数据跟我原有的数据连接起来，跟客户的自己的in house（内部的）数据连接起来？

这个其实就是今天我们正在做的新产品DeepMiner。这个产品恰恰就是可以完美的去解决这个问题。它的载体就是一个新一代的agent，或者是叫商业数据分析的可信的一个智能体。

李善友：那DeepMiner是个啥呢？你描述一下它是个什么东西，它的价值是什么？

吴明辉：当你要解决一个商业问题的时候，往往涉及到数据的支持。比如说广告应该怎么投？你今天去问DeepSeek的时候，他也要做消费者的分析，他要分析很多数据的，但是其实真正在企业里面有大量的软件的数据，大模型是链接不到的。它的这个无人驾驶能力是非常差的，就是复杂一点的软件都是走不过去的。

其实DeepMiner是帮助企业去链接了可信的数据源，这里面有企业自己in house数据，也有external（外部的）的数据。这些数据链接起来以后，你在这上面再去做下游的任务的时候，它才有数据可依。你的决策才是有一个可信的决策依据。

李善友：那对于我这个公司讲，如果我想买你这个产品，我是取代了谁，或者我增加了什么，对我有什么特别大的变化吗？比如说我第一次用Manus，那我觉得也很震惊，那用户用你就会有一种震惊感吗？

吴明辉：用了一段时间Manus的人，首先会觉得它的商业数据分析是肯定不行的。它里面大量的都是编出来的数，因为它没有数据源，顶多到互联网上搜一搜就结束了。但是比如说，我们公司明天的广告片应该怎么拍，这肯定要做数据分析。需要更全面的、更专业的、更准确数据源。所以这是一个很大的区别。

第二，其实是在处理模型分析数据过程中产生的幻觉这个事，我们从产品设计上还有一个非常大的不同，就是我的整个数据分析全链路完全透明，可追溯。也就是说，我从抛出一个问题给到DeepMiner，到最后他给我的结案报告，中间的每一个环节的数据全存下来了，上一步到下一步中间怎么算的，全都在这个过程中是透明的。

所以今天作为一个人类的数据分析师，是可以在任何一个环节上对它进行提问质疑，然后进一步的修改，都可以做到。

DeepMiner其实今天拥有全世界最强的数据分析洞察能力，我又把它链接到了图像和视频生成的能力上。所以今天我在效果广告投放上，我可以说我们应该是全世界范围内真正意义上对客户效果负责，去做内容创意的最强的一个agent。这个是我们今天在效果广告领域已经做了的事情，后面完整的工作其实把整个投放的引擎彻底闭环。

其实，内容是今天效果广告投放最重要的部分，把基于可信数据的这个内容生成完了以后，再放到这些平台的投放引擎上，投完再基于投放的结果反馈，去强化流量采买模型，甚至进一步去迭代你的创意制作，这样形成一个闭环。

李善友：自动投放这方面怎么样呢？

吴明辉：我现在发布还是数据分析的部分。我们在今年年底的时候能做投放这件事情。

李善友：创意这部分已经完事儿了。所有这些创意是AI产生的吗？

吴明辉：其实不是完全自动，人还是在参与的，但是是用自然语言交互的。我认为这个vibe coding，氛围编程，它最后会演化成为vibe working，就是氛围工作，有可能是vibe marketing，有可能是vibe data analyzing。

李善友：所以你要做的这个。

吴明辉：那未来其实这个一定会出现的一个情况就是，我们的这个DeepMiner是一个公司数据分析的中台，是操作台，就像是一个八爪鱼，我可以帮你链接所有的软件，你在这儿去用自然语言去做数据分析。

吴明辉：而且这个最大的好处什么？就是不只是数据分析师才能使用。比如说我们作为公司的决策者，以前可能我都不知道数据软件怎么用，但你今天过来问问DeepMiner就行了 。

所以DeepMiner最核心的我们要卷的能力是链接能力。我们在数据分析这个领域，第一步先把所有的工具全都链接过来了，这时候如果企业里面的工作人员每天都去用它，它就会越来越聪明了，越来越厉害了。这个时候其实我们有一天再链接到投放系统、广告创意系统，那就非常厉害了。这样，我们就可以称之为"可信的数据驱动、可信的生产力"了。

李善友：春节的时候Manus已经出来了，特别的爆火，但是好像我们的DeepMiner没有像Manus这么火爆，是我们因为这就是必然的过程，还是中间我们踩了什么坑呢？

吴明辉：我觉得B2B公司其实很难爆发，这也是为什么很多的优秀的创业者，其实挺愿意去做B2C的业务，因为它会有一些爆发的阶段。但是我认为任何的事物都是有客观规律的，任何的爆发，它其实都是消耗能量，就是有代偿的。

吴明辉：我觉得每一个行业它的进步速度是不一样的。首先我们既然选择了To B的赛道，大家是要忍受一定的寂寞的。那另外一件事情，我觉得就是我的这个更长期的愿景，我要去做一个可信的模型，这件事情是足够伟大的。

李善友：清楚了。所以用咱们的"第二曲线理论"和"价值网理论"来看，DeepMiner 和秒针确实是两个不同的存在。秒针起始于PC互联网时代，当时你把电视和互联网打通，后来又顺利衔接到移动互联网，但你的基因毕竟是留在那个时代。

今天这个DeepMiner，经过这九十个月的探索，已经真正进入AI价值网了。而且你找到的第一个场景，恰好还是秒针所在的领域——用AI的方式去赋能、去重塑这个体系。

慢慢就能改造整个秒针。当这个体系被重塑之后，它其实会变成一个基座，就像链家和贝壳。贝壳原本是链家的"孩子"，但后来变成了承载所有房产服务的平台，而链家只是上面的第一个使用者。我觉得现在的明略，也在走向类似的格局。尽管 DeepMiner 还只是个孩子，但那个可能性、那个世界，真的被打开了。

"有一天我的墓碑上面也要写个数学公式"

李善友：你个人的使命叫做数学之美，你的公司现在是一个家人工智能公司，站在今天来讲，你未来的个人的使命和公司的使命怎么结合呢？这里跟计算机和人工智能什么关系呢？

吴明辉：其实我在第一次思考自己的人生意义，就是在一个相对认知更全面之后，就是在2013、2014年的时候。而且也是教授您对我的一个启发，我记得我在中欧创业营上课的时候，你当时最后跟我们这些同学们其实语重心长讲的最后一段话——你下次再见善友的时候，不要再跟我讲说你又融了多少钱，估值多么牛，你下次跟我讲讲，你是不是make something different（打破常规），你到底做了多么牛的一件事情。

吴明辉：我那个时候就是每天在想我到底应该做什么？我吴明辉这一辈子应该做什么？其实我是从那个时候开始想的。我当时立下了一个自己的一个愿望，一个大愿。当时想的是说我要做一个比我还聪明的AI。这是我在2014年（中欧创业营）毕业几个月之后想明白的一件事情。所以后来就有了明略，最开始我们叫明略数据，一直到2018年2019年，我们先后做了一些并购整合，最后把明略和秒针又做了一个整合，变成了这个明略科技集团。

其实相当于是明略数据是在我读中欧创业营期间的第二曲线，因为一直跟您学第二曲线，学创业创新。

这个想法和这个愿望一直推动我去做公司的持续的战略迭代，因为它是一个足够远、足够大的一件事情。直到什么事儿让我发生了一个很大的一个变化，突然间我觉得我这个使命要改了，就是我在读博士期间正好碰到了这个ChatGPT，生成式人工智能大模型，在2022年到2023年期间对我冲击很大。

因为这期间一方面是我们公司遇到了很大的资本外部环境的一个变化，缩减了很多的研发预算，特别大的一些研发的项目给砍掉了。另外一方面就是你突然看到了AI可以这么牛了。

所以我就在那个时间就开始重新思考，我的人生使命到底是什么？肯定不是聪明的AI了。所以我在这个过程中，在反复思考自己的个人使命。

但是对于AI的定位来讲，其实逐渐地就涌现出来的一个思路，就是我们要去做一个真正让人类信得过的可信的AI。为什么是可信的？因为真正的商业社会里面，其实造假数据骗大家其实更容易赚钱。

李善友：具体体现你使命的那个点是什么呢？假如有那么一句话。

吴明辉：其实今天我想到了一句话，也是非常鼓舞我的一句话。我希望能够在我的这个墓碑上写一个公式，这个公式就是人机协同互信的数学原理，它背后这样的一个数学公式。

我在咱们的混沌课上看了张首晟老师的第一性原理那门课，他就讲过他在很困惑的时候去到了英国的教堂里（伦敦威斯敏斯特教堂）看到了先贤们（牛顿、达尔文等）的墓碑，每一个墓碑上面会有一个公式。我当时就在想，有一天我的墓碑上面也一定要写个数学公式，它会是什么公式呢？

所以我今天想到的就是人工智能，我既然作为人类的一员，我应该要去看他做的事，是不是对人类好的，是不是可信的，我们是不是可以把日常任务放心地交给他。

如何对人类是好的？它不是一个数学的词，那我如何去解释它，我现在还没有答案。今天明略要做的是可信的AI，而我的个人使命，因为要跟数学有关，所以我就一定要把这背后原理写成数学公式，刻到最后我的墓碑上。这样我的个人梦想和公司的梦想真正的合一了。

李善友：那你今天依然是愿景式的创业者吗？是的，那你的那个愿景，你的那个使命到底是啥呢？

吴明辉：我刚才提到的其实就是第二阶段的目标。我们不会只做某一两个细分赛道的 data mining。在我们内部，DeepMiner 是一个基础智能体，我们称之为 Foundation Agent（通用智能体）。这个 Foundation Agent 跟一般的 Agent 不一样，它可以裂变出很多个垂直领域的智能体。比如在营销领域，它本身就可以衍生出一整套子系统。

国外和国内的营销体系都非常庞大，而 Foundation Agent 越往细分领域深入，反而越容易落地，技术可行性更高。在这个基座上，我们可以不断裂变出不同的 vertical agent。我们的终极目标，就是在各行各业中，凡是涉及数据驱动决策的地方，我们都能帮助人类构建出可信的模型，训练出能被信任的 AI，让它成为商业决策的"守门员"。

李善友：我觉得这太美好了。今天聊下来，我感觉你身上其实有两个"吴明辉"。一个是"学者吴明辉"，另一个是"创业者吴明辉"。而在你刚才那段话里，我甚至看到了"企业家吴明辉"的影子。回头看你的人生轨迹——念书时学数学，后来转向计算机。走着走着，计算机成了你的工作，带你进入人工智能的世界。现在你又把数学重新融入 AI。如果你真能写出一个属于自己的数学公式，那它也许会成为未来明略的核心原理。在那个之上构建的工程化系统，就可能成为新的明略载体。我觉得这真是一个非常有趣、很完整的循环。人生走了一圈又回来了。没有一段是浪费的，一切都被整合进了现在的你。

李善友：那最后，我想请你送给今天的创业者们，特别是 AI 时代的新一代创业者，三个关键词。无论是正在转型的，还是刚开始创业的，你会给他们什么建议？

吴明辉：我觉得在 AI 时代，更需要我们每个人去重新思考未来的生活方式。人和人的关系会怎样变化？AI 和 AI 的关系又是什么？

第一点，我认为每个创业者都要有长期思考。我们要相信——巨头不可能把所有事都做完。这不符合计算机的原理，也不符合社会分工的规律。一定会有创新的空间、差异化的机会。

第二点，要找到自己的独特定位。无论是个人还是公司，都要清楚自己在体系中的位置。这个定位，最好和你自己深层的能力与特质有关。

第三点，要建立可衡量的系统。而且基于每个定位应该要有对应的评估系统benchmark（参考标准），也就是说我能够衡量这件事情是对还是错。

所以我的建议是，每个创业者都要去思考自己的长期定位——个人的、公司的，并且要有一套对应的理念体系，还要能在数据和数学层面上定义它。只要在这件事上有自己的独特坚持，长期来看，你的企业一定会有持续的价值，不会被通用模型淹没。甚至有一天，也许从你的小领域里，又能长出一棵新的大树，成为未来新的"大模型"公司。