吴明辉的办公室外墙上挂着一个公式：y=f(x)。

这大概是全世界最简洁的数学表达之一。在他看来，这个函数“几乎可以表达世界上所有的事情”——输入一个问题，经过某种变换，输出一个答案。数学的美，就藏在这种极致的简洁与深刻之间。

2025年11月，北京大学数学科学学院2000级本科、计算机系2004级硕士校友吴明辉创办的明略科技在港交所敲钟上市，成为“全球Agentic AI第一股”。2026年3月，他在第十七届中国产学研合作创新大会上荣获“创新人物奖”。

明略科技创始人、CEO兼CTO 吴明辉荣获2025年中国产学研合作促进会“创新人物奖”

从本科生到一家市值超过400亿港元的AI企业掌舵者，吴明辉用二十年时间，完成了一道属于他自己的“证明题”。但这道题的解法，并不是一开始就想好的。

不做数学家，做什么？

2000年，吴明辉凭借数学奥赛银牌被保送进入北京大学数学科学学院。世纪之交的那几届学生日后被外界称为“黄金一代”，走出了多位杰出的数学家。

然而，“黄金一代”给吴明辉最深的触动，并非天才辈出的荣耀感，而是一次彻底的自我校准。“你进到北大数学系，就觉得自己的数学反正也就只能算普通吧。”他在访谈中坦然笑道。菲尔兹奖四年才评出2到4人，高考状元每年也只有寥寥几个——但这个世界上成功的人非常多，“无非是大家选了不同的方向”。

那时，他做出了第一个关键抉择：不在纯数学的赛道上冲刺，而是去寻找属于自己的交叉地带。

事实上，交叉的基因在中学时代就已埋下。吴明辉从山东烟台第一届计算机竞赛起就开始参赛，一边学数学打奥赛，一边摸索编程。到了北大，这种“两条腿走路”的习惯被进一步放大——他开始系统性地自学计算机，大三那年选修的一门课程，让他结识了后来的硕士导师，由此正式踏入人工智能的大门。

多年后回望，他觉得自己“特别幸运”的一点在于：数学和AI这两个早年分头积累的方向，最终在创业中合流了。“就像你有两三个方向都还挺喜欢的，中间出现了交叉的学科，那你可能就找到了自己真正的位置。”他也常对团队说，做企业和做学术一样——不能每个人都选一模一样的方向，关键是“把自己的特长用好”。

“想做A，走着走着做了B，最后做成了C”

保送进入北大计算机系攻读硕士后，吴明辉选择了人工智能方向。前两年他做的是机器视觉——也就是后来几家“AI四小龙”做火了的赛道；研三则转向了基于语言模型的推荐系统，这恰好踩中了大语言模型的早期脉搏，只是当时无人预见到这条路后来通向何方。但在北大实验室做AI的日子，更多的记忆是“慢”。“我们基本上用AI跑一个图像识别的任务，大家就可以去喝咖啡了——处理一张照片可能就需要几分钟。”商业化在当时几乎是不可能的。怀揣着推荐系统的创业梦想，吴明辉很快撞上了现实的墙：要做推荐，先得有数据；而一个刚出校门的年轻人，手里哪有什么数据？“我能不能先去服务那些有数据的人，通过服务的过程拿到一些数据，再利用数据做推荐系统？”这个朴素的迂回策略，把他领进了广告数据分析的赛道。2006年，还在北大读研的吴明辉创立了秒针系统。

秒针上线第一天的故事，至今仍是他讲述创业历程时的经典桥段：两台服务器，几千万次请求，系统差点被打爆。但这并不是一场营销奇迹——秒针做的是to B产品，第一天就挂载在了当时中国最火的社交通讯工具MSN上，负责监测平台上的广告投放数据。每一次用户打开聊天窗口，广告就会被刷新一次，监测请求随之涌入。

“真正的难点不是营销，而是能不能把这个流量和计算任务给承压住。”他说。技术层面的解法，回到了他反复强调的那个原则——聚焦。通用系统什么都能做，但什么都做不好；而一旦你只解决某一类问题，就可以把无关的设计全部去掉，在极有限的资源下跑出极高的性能。“就像自行车最灵活，哪个胡同都能骑过去，但速度肯定慢；高铁只能沿着轨道走，但速度快。”

这个原则帮秒针扛住了上线首日的考验，也帮吴明辉在此后近二十年的创业中一次次穿越技术周期。从广告监测到企业级数据分析，从营销智能到如今的Agentic AI，每一步拓展都遵循同样的逻辑：基于已有能力“往外延一点点”，但绝不盲目追求大而全。

吴明辉坦言，创业过程中曾有过“外延过大”导致严重浪费的失败经历，也曾因为对技术成熟度过于乐观而付出沉重代价。但北大数学系训练出的那种乐观心态——“遇到难题就解，失败一秒钟就翻篇”——始终支撑着他穿越低谷。

“大部分创业都是这样的，”他说，“最开始你想的是A，走着走着做了B，最后做成了C。”扎克伯格最初只是把哈佛的照片放上网，而秒针本来想做推荐系统——“但你自己有一个核心能力，外部市场有外部的环境，它是一个不断探索的过程，就跟我们今天做智能体一样。”

到今天，秒针时代积累的广告与营销数据资产，已发展为中国最大的互联网用户行为与营销数据平台之一，服务135家财富世界500强企业、超过2000家头部企业和20万余家中小企业。明略的公司英文名叫Mininglamp——“矿灯”。吴明辉说，技术是挖矿的工具，你要在一段时间内把挖矿技术变成“矿”本身，然后再投资新一轮的挖矿技术。

“这就是我们公司名字的含义——不断造出新的矿灯，去采新的矿。”

“如果不读博，公司可能就被淘汰了”

2019年，创业已经十三年、公司步入稳定发展期的吴明辉，做了一个让许多人意外的决定——回北大读博士。

他的判断极其具体：Transformer的论文已经发表，Google的BERT做得不错，NLP即将被深度学习彻底革新。“我当时就觉得，再过一两年应该快出来了。”而自己在硕士阶段做过计算机视觉（CV），也做过基于语言模型的推荐系统，如果能在博士阶段把这两个方向打通，做多模态研究，就能为公司找到下一个技术突破口。

这个判断后来被证明极具前瞻性。他在博士一年级、二年级期间研究的课题——基于多模态人工智能来理解和生成广告视频——直接催生了明略后来的核心技术方向。2024年，吴明辉率领明略科技多模态团队与北京大学共同研发出超图多模态大语言模型HMLLM，并提出全球首个主客观合一的营销视频评测基准Video-SME，此项成果荣获ACM Multimedia 2024 最佳论文提名。在此基础上，2025年，他进一步聚焦Agentic AI，研发出专有GUI操控模型Mano，让AI能像人一样理解屏幕内容并操作电脑软件。这套技术在全球权威的Mind2Web和OSWorld两大基准测试中均排名第一。

吴明辉在 ACMMM 2024 Oral Session 介绍大模型研究成果

“如果不读博士的话，我觉得我们公司可能就要被淘汰了。”吴明辉说这话时语气平静，但分量很重。“技术变迁非常快，如果你作为创始人不真正进入第一线，去搞清楚技术的细节，你很有可能就是在用上一代人工智能的逻辑去思考。”

在他看来，上一代AI的范式是“一个AI只能解决一个具体问题”，模型之间很难泛化；而新一代基于预训练的AI，有了统一的底座，可以在此之上快速开发面向不同任务的应用，开发成本大大降低。“这种工作范式，跟我在读硕士期间的范式已经完全不一样了。”如果不是亲自回到学术一线，很难真正理解这种范式转换的深度和广度。

回到北大，还有另一层更深的收获——人。

“我周围都是这样的人，”吴明辉说起北大的同学网络时，语气中带着真切的感恩，“有同学在Meta参与研究了最新的模型，有同学在Google又研究了一个，有的在阿里、腾讯……”他顿了一下，提到了一个更具说服力的例子：“DeepSeek里面也有好多研究者是北大的校友。”

这个圈子让他始终能感知到全球AI研究的最前沿方向，对技术演进保持高度敏感。在AI领域，信息的时效性就是生命线——“你确实有的时候要依赖于基础模型的下一代能力，如果你的产品正好能承接上，就有一个巨大的红利。”

“第一个天使客户就是我们自己”

如果说回北大读博是面向技术前沿的一次“逆行”，那么明略在Agentic AI赛道上的布局，则是一场面向产业未来的主动出击。

2025年11月3日，明略科技正式登陆港交所。在北大师友的见证下，吴明辉敲响了上市的钟声。但比钟声更令人印象深刻的，是那个股票代码：2718.HK。

吴明辉在上市仪式发表演讲

2718，对应的是数学中最重要的常数之一——自然对数的底e（≈2.71828）。在上市仪式上，吴明辉专门阐释了选择这个代码的深意：e的本质是"复利的极限"，寓意着持续积累必将带来指数级增长，这正与企业发展和人工智能能力演进的内在规律深度契合。他甚至引用了被誉为"上帝创造的公式"的欧拉恒等式——e的iπ次方加1等于0——来类比明略的发展哲学：将算术、代数、几何和分析学等看似独立的数学分支统一于一个优美的等式之中，正如明略试图连接"外显数据"与"暗默知识"，在复杂的商业场景中形成AI闭环。

上市是新一轮出发。明略在Agentic AI赛道上的布局，是一场面向产业未来的主动出击。2025年，明略推出商业数据分析智能体DeepMiner，并提出“数据驱动的可信生产力”的公司定位。在吴明辉看来，当AI已经能够非常完美地生成广告图片和视频时，真正的稀缺能力不再是“制作”，而是“洞察”——知道该做什么内容，理解消费者真正想要什么。而洞察的基础，是数据。

“DeepMiner最核心的工作，就是把广告营销行业、互联网领域里真正对消费者有洞察的数据库全部连接过来。”他解释道。基于数据洞察生成策略，再由AI agent调用各种创意工具和投放平台执行，最后根据投放结果反馈进行新一轮优化——形成一个能够自我学习、自我迭代的闭环。

但吴明辉特别强调，他不希望这套系统变成“完全无人”的自动化机器。Deep Miner采用的是“human in the loop”的多智能体架构——每个人都可以构建自己的agent，用自己的数据、自己的经验来训练和调教它。“我认为将来广告行业可能会有越来越多的‘一人公司’，每个人基于我们的平台来做自己最擅长的事。”

落地Agentic AI最大的挑战，不在技术，而在组织。吴明辉观察到一个深层矛盾：组织利益追求效率提升，但个人可能担心“教会了AI，将来就被AI替代”。在大公司里，老板觉得AI好，但真正要用AI干活的一线员工可能抵触——“这是一个非常大的矛盾”。

他选择的破局之道是：先从自己开刀。

“第一个天使客户就是我们自己。”明略1800名员工中有数百名顶尖的数据分析师。吴明辉直接告诉团队：未来你们的工作将不再需要人来做，大家转岗做产品经理，一起来打造DeepMiner。作为创始人，他能够自上而下推动这种转型——向团队讲清楚趋势：

“用AI的目的绝对不是裁员，而是让明略成为这个赛道上全世界最顶尖的公司”。

“我们1800人全部变成了AI时代的工作模式之后，这件事本身对我的其他客户来说就是最好的示范。他们的一线员工能看到——原来我也可以拥抱AI。”

他给师弟师妹两条“对冲”的建议

话题回到北大，回到了那些正站在人生路口的师弟师妹们。吴明辉给出的建议，朴素而恳切。

第一条是关于“折腾”的时机。“如果你评估自己是一个非常想折腾的人，那就尽早折腾。你越早折腾，机会成本越低。”他自己就是在学校里开始创业的，“光脚不怕穿鞋的”。今天的AI时代提供了大量低成本试错的机会，一个prompt甚至就可能变成一个产品。

第二条则几乎是前一条的“对冲”——一定要把专业课和科研工作做好。“千万不要因为创业，结果自己的学业没做好。”他笑着回忆自己在北大的日子，虽然不见得每堂课每个知识点都认真听了，但研究工作是“非常非常认真对待的”，因为他清楚那些研究将直接关系到长期的职业发展。

“在学校读书的时候，不要想太多赚钱的事，要想自己的兴趣。”他说。当年他的兴趣就是数学、计算机和AI，等到十年二十年之后，“你今天发现，真的是迎来了这个春天”。他特别提到了Geoffrey Hinton从早期做深度学习研究到最终获得诺贝尔奖的故事——“最开始做research的时候，它是很前沿的，可能离商业化有点距离。但如果你坚持十年、坚持二十年，它可能真的就会迎来商业化的机会。”

这番话背后，是一种被时间验证过的信念：在学校做科研，本来就是在为未来做铺垫。“你读的那个方向，尤其是硕士和博士的研究方向，一定要去研究一个你认为未来有长期市场前景的、对人类有贡献的方向。”这个方向，可能就是你将来创业的起点——十年前在实验室里写下的那篇论文，十年后可能变成一家公司最核心的技术资产。

最后，吴明辉谈到了自己最近常想的一件事：AI越来越聪明，能替人处理越来越多的工作，但在这个过程中，如何让使用者更加安心？“互联网上大量信息是AI生成的，眼见已经不能为实了。”他用自己滑雪的经历举了个生动的例子：把一张普通的滑雪照片扔给大模型，生成出来的画面里，他的技术“无比的好”，甚至还能生成他参加奥运会的视频。“这非常可怕——如果社交媒体上大量都是这些内容，人类还有什么可以信的？”

这正是他将“可信”二字放在公司使命最核心位置的原因。明略要打造的，是“数据驱动的可信生产力”——基于可信的数据、可信的信息，帮助企业和个人更安心地工作与生活。

而他个人的使命，也在这些年间悄然演变。最早，他想“做出比自己还牛的AI”；后来，这个目标让位给了一个更温暖的表达——“把数学之美传递给身边的人”。

在吴明辉的人生函数里，x是二十年间每一次选择的输入——在北大数学系学会与天才共处，在创业路上学会边走边调，在AI浪潮中学会回到原点重新出发；而f，是北大赋予他的那套底层算法——独立思考、拥抱交叉、持续学习、敢于提出大问题。

至于y，或许就是他给明略写下的那句话：创造人机同心的美好世界。