北京早春的阳光里，北大数院校友、明略科技创始人吴明辉语气笃定：“你但凡真做AI，就一定会觉得数据重要；不觉得数据重要的人，大概率就没真正做过AI。”这家被称为“全球Agentic AI第一股”的企业，刚在港交所敲钟上市，市值突破340亿。不同于单纯做模型的公司，明略科技的核心是一套能替企业完成工作的AI agent系统——AI不仅能回答问题，还能自主分析数据、执行任务。

从CV到数据：误打误撞的20年长跑

吴明辉的学术与创业路径，暗合AI发展的关键脉络。2000年保送北大数学系，2004年攻读AI硕士时，国内连“大数据”一词都罕见。他先做CV（机器视觉），后转推荐系统，硕士论文《基于语言模型的推荐系统》意外踩中大语言模型早期脉搏。但创业融资时，他发现推荐系统缺了关键一环——数据。“2006、2007年做AI时，我们就意识到数据的重要性。”误打误撞，他从AI转向数据，在数据与AI的交界处长跑了近20年。

AI是“翻译器”，数学是“最精确的语言”

作为明略科技CEO兼CTO（90%时间在任CTO），吴明辉认为AI的本质是“翻译器”：既把问题翻译成答案，也打通不同知识体系的语言隔阂。Transformer论文最初讲翻译，如今AI却能翻译客户需求、医学逻辑与工程语言，降低跨角色沟通成本。数学则是他理解的“最精确语言”——北大数学系的训练让他习惯用数学解释科技底层逻辑，这种“翻译”能力帮他连接投资者、客户与技术团队，提升公司整体效率。在他看来，AI时代CEO的关键权力是“算力分配权”，而最理想的状态是CEO与CTO合一，像谷歌创始人回归后统筹资源，减少内耗。

软件变“快时尚”：一个prompt即产品

AI正重塑软件行业，吴明辉预判其将趋近“快时尚”：开发成本骤降，生命周期缩短，单个产品收益分散。“以前一个软件卖五年赚几亿，未来可能花一万块写一个prompt就跑起来，收回一百万就不错。”因为软件价值不再依赖代码，而在一句话能解决的问题——比如“公司增长瓶颈在哪”，系统调用数据生成报告即可成为产品。这种模式已在明略内部落地：团队用DeepMiner系统作为核心入口，工作模式变为“驾驭模式”，指挥AI调用工具完成任务，而非操作软件。传统企业软件的护城河（会用、会实施的人群）可能被打破，因为AI降低了使用门槛。

Agent进化：从workflow到skill

Agent的发展也在迭代。2024年的agent多是workflow（人设计流程，AI当工具人），2025年则转向agent loop（AI自主规划任务、反思修正），但后者存在不可控、高token消耗的问题。折中的“skill”形态应运而生——将AI规划固化为可复用技能，平衡成本与灵活性。吴明辉认为，这像chat模式的延伸，保留AI规划能力的同时沉淀经验。

工程师新价值：探索“外部环境”

AI提升效率后，公司分工与组织结构生变。明略科技的产品经理与工程师比例可能从1:4变为4:1，产品经理用AI做原型，工程师补位关键环节。Vibe Coding（AI写代码）正从原型走向生产环境，但工程师不会被替代，而是转向探索“外部环境”——AI未知的实时世界，如新数据库、新设备接口，将现实世界接入软件系统。Netflix工程师确保服务在所有屏幕运行，正是此类工作的典型。

质量是“老问题”：测试与论文

Vibe Coding进入生产环境的关键是测试体系与benchmark，而非逐行查代码。“CTO管大团队，靠单元测试、集成测试证明质量。”吴明辉强调，看最新论文是把握“下一步”的关键，很多突破藏在论文里。做AI产品需与模型团队深度交流，像Manus创始人肖弘与研究员保持沟通，才能领先业界。

终极目标：得目标者得天下

AI时代，决定好坏的仍是人。吴明辉引用Andrej Karpathy的观点：“AI是围绕人制定目标的新的计算范式。”工程师的价值在于定义目标，而非指挥每一步。正如他所言：“我的终极目标永远是让自己开心。”在AI重构软件、组织与岗位的浪潮中，这一点或许始终未变。