涉及的行业与公司 * **行业**：人工智能（AI）行业，特别是自主代理（Autonomous AI/Agentic AI）、企业级软件、广告营销、数据挖掘、AI手机[2][7][11][36] * **公司**： * **明略科技**：全球首家Authentic AI上市公司，专注于To B端模型及Agent应用开发，产品包括DeepMind平台、AI认知榜[2][8][17][19] * **Meta**：科技巨头，进行了对Menlo（拥有Manas产品）和Scale AI的收购[2][3][27] * **Menlo**：被Meta收购，其产品Manas是一款LLM驱动的自主代理，能在9个月内实现ARR超过1亿美元[3] * **其他提及公司**：Anthropic、Palantir、Databricks、谷歌、字节跳动、美团、Deepseek、豆包、元宝、ChatGPT、Groq、Gemini等[2][9][11][15][21][24] 核心观点与论据 * **AI Agent（自主代理）是重要发展方向**：黄仁勋将AI应用分为四个阶段，AGENT AI（电脑上能干活）是第三阶段，对算力需求巨大，将大幅增加推理芯片需求[2][12] 肖红预判计算机使用代理（CUA）是未来重要技术方向，其发展前景与无人驾驶类似，可能需要长达十年时间实现全自动化[22][25] * **Meta的收购战略意图**：Meta收购Menlo（历史上第三大收购案）是看重其Manas产品实现的LLM驱动自主代理能力，能分解复杂任务并调用工具执行[2][3] 收购Scale AI是为了获取数据标注能力和高质量数据，以预判下一代大模型发展路线[27] 收购Minus是为了获得全球最高级别Agent用户的行为数据，并补全其在AI时代的个人通用Agent产品板块，可能整合到WhatsApp、Facebook或智能眼镜中[27] * **明略科技的定位与战略**：公司作为Authentic AI上市公司，正全面转型为AI驱动企业，专注于To B端模型及Agent应用开发，目标是打造高效智能的人机协同平台[2][8] 选择To B市场是因为To C市场易演变为流量战且被巨头主导，而公司在B端细分领域拥有数据优势和客户网络[30][31] 公司通过训练垂直领域模型、建立基准测试和引入在线强化学习来提升AI能力，例如在跨境电商领域达到98.9%的任务准确率[26] * **AI正在重塑产业格局**： * **To C领域**：AI个人助理将改变消费者获取信息和购物方式，用户可能通过一个AI代理访问各种应用，这重塑了互联网格局，引发Meta和谷歌等巨头竞争[2][7][9] * **To B领域**：Authentic AI有望重构企业级软件行业，主要在两个赛道：写代码的Agentic AI（如Anthropic领先）和基于数据挖掘的Agentic AI（如Palantir、Databricks领先），可能取代广告、法律、人力资源等知识密集型工作[2][11] * **广告营销**：明略科技提出“Agentic Marketing”概念，即各利益相关方（品牌、广告公司、发布者、消费者）拥有自己的AI代理协同工作，重构产业格局[4][13] 消费者通过大模型选择产品催生了“Generative Engine Optimization”（GEO）新赛道，使小众品牌也能获得更多销量[4][14][15] * **AI Agent的商业化与竞争力**：AI Agent本质是数字劳动力，其商业化方向是人力密集型行业，如法律、广告、软件开发等[37] 初创应用公司（如Manners）的竞争力体现在模型优化能力、数据资源、灵活性和顶尖科研实力上[28][29] 争夺入口级AI Agent的优势取决于前端智能硬件、端侧专家模型、推理芯片以及后端供给侧资源（如掌握优质内容或供应链接口）[34][35] * **技术实现与协作模式**：AI Agent与工具的交互有两种形式：基于API调用（技术门槛较低）和基于GUI操作（在竞争环境中更常见）[33] 明略科技在全球GUI操作能力上领先，特别是在小尺寸模型上表现突出[33] Agent之间的多智能体协作（如A to A协议）仍处于早期阶段[33] 其他重要内容 * **明略科技与Menlo的渊源**：Menlo创始人肖宏团队曾创办夜莺科技，该公司被明略科技收购，团队在明略内部负责开发AI产品线，积累了经验后离开开发了Manas[6] * **明略科技的具体产品与应用**： * **DeepMind平台**：面向B2B的数据挖掘和广告行业自动化操作平台，集成多个子代理，接入企业可信数据源（如小红书、淘宝、Instagram），以RaaS模式提供服务，提高人效和利润[4][19] * **AI认知榜**：用于评估不同生成式引擎（如Deepseek、豆包、元宝、ChatGPT等）对同一品类产品的评价，帮助品牌优化信息源和模型逻辑[17][18] * **国内外AI代理发展差异**：国内如豆包的代理相对较轻，复杂C端代理因用户付费习惯问题尚未大规模上线[10] 中国模型（如Deepseek）性价比高，但性能稍落后于Gemini和Claude，差距约半年[21] * **AI对劳动力市场的影响**：AI技术正在形成数字劳动力和物理世界蓝领劳动力两个百万亿美金级别的市场[20] 明略通过提供AI驱动的服务（如司机、广告操盘手）提高人效，并与本土及全球出海机构合作实现工作自动化[20] * **明略科技的全球竞争力**：在OS World榜单上，明略的72B模型曾跃居专家模型榜全球第一名，在计算机使用代理领域展现出强大实力[23][24] * **2026年AI手机进展**：AI手机技术比电脑更成熟，因为手机屏幕小、可操作软件有限，MUA技术已相对成熟，当前主要问题是互联网公司间的博弈格局[36] 2025年电脑领域预计有更大突破，明略科技将重点投入[36]

纪要涉及的行业和公司 - **行业**：AI行业、金融行业、制造业、政务、医疗、旅游、办公、游戏、视频、SaaS软件行业 - **公司**：阿里、腾讯、字节、百盛集团、Minimax、智谱、Midas、Chorus、佳邦科技 纪要提到的核心观点和论据 国内MCP发展情况 - **发展滞后原因**：模型本身多任务规划与执行能力不足，如阿里千问2.5在多任务规划方面与Cloud 3.7有差距；生态系统不完善，国内无类似国外Manners和CodeBot的超级AI agent；国内大厂采取保守策略，优先在自身生态内发展[2] - **发展前景**：虽目前发展慢，但通过提升模型能力、扩展应用范围、优化生态系统和大厂开放合作，预计一至一年半后有更多震撼性应用出现[4] 阿里相关业务情况 - **钉钉和夸克定位**：钉钉是阿里AI ToB入口级应用，注重商业化落地与营收；夸克是AI ToC入口级应用，关注DAU增长和TOKEN消耗[1][7] - **百炼平台**：定位为专属模型训练和部署平台，通过MCP协议构建agent store生态，商业模式有项目制服务、AI agent销售分成和TOKEN册收入[3][11] - **TOKEN消耗与算力分配**：2025年千问单日TOKEN消耗达5万亿 - 6万亿，引入三方模型后总消耗量增加40%，预计Q2结束时突破10万亿；算力分配优先保证模型训练和实时推理[3][12][13] - **千问模型费用调整**：2025年预计下调30% - 50%，以降低企业使用成本，提高竞争力[1][6][9] 产品情况 - **Manas超级代理入口**：处理复杂任务时TOKEN消耗大，每次约15万 - 30万TOKEN；企业用户接受度高，开发者超千家，日TOKEN调用量3500亿 - 4500亿；定价高因技术壁垒和运营成本高，未来可能降价[1][5][8] - **Zinus产品**：定价每月199美金或299美金，市场反应积极，开发者多，日TOKEN调用量3500亿 - 4500亿；技术溢价性强，未来可能面临价格竞争[1][6] - **通义千问3.0模型**：采用MOE架构节省训练成本，支持128K长上下文窗口；中文语料占比超40%，多模态能力提升；价格竞争力强，生态合作能力好[15][16] MCP协议与应用 - **促进作用**：作为标准化接口协议，提供统一接口，促进agent应用落地，如金融机构和医疗领域已有实际应用案例[17] - **落地应用案例**：集中在旅游规划、金融、制造、政务、医疗和办公等领域，如旅游规划系统可提供路线规划，金融领域可用于贷款审批和投资理财风险评估等[18] AI发展趋势与商业化 - **AI agent发展趋势**：未来将进入AI agent涌现阶段，推动各行业数字化转型和创新[19] - **AI需求增长与商业化变现维度**：关注每日TOKEN调用量、产业端商业化营收数据、优秀超级AI应用宣传[20] 国内大厂AI发展路径 - **腾讯**：主要发力游戏和视频领域，优势在ToC领域[21] - **字节和阿里**：在ToB领域竞争激烈，飞书与钉钉在办公领域形成分流[21] AI产品推广与影响 - **推广现状**：企业推广两极分化，不到10%企业积极拥抱，多数企业需看到市场验证才考虑采用，商业化进程缓慢[22] - **对SaaS公司影响**：既带来转型为MCP工具服务商的机会，也面临失去入口级地位的风险，传统SaaS公司努力将产品AI化[23][24] 其他重要但是可能被忽略的内容 - **H20禁令影响**：导致集团2026年预期采购10万张卡目标难实现，计划用国产卡替代，预计2025年国产芯片在实时推理算力需求中占比超50%，资本开支可能增加[14] - **AI眼镜核心场景**：基于视觉显示和摄像头实时拍照提问，增强AI搜索体验，但关键在于准确度[25] - **企业接入MCP协议渗透率低原因**：企业处于观望阶段，传统SaaS公司需适应新商业模式[26] - **MCP工具服务商接入新AI应用条件**：AI应用具备全能型多任务处理能力时会大量接入[27] - **渗透率情况与加速因素**：目前处于初步阶段，模型能力提升和工程化AI agent能力增强可加速渗透率提升[28] - **佳邦科技作用**：在B端客户落地中进行知识清洗、梳理和调优，确保数据有效利用，提高落地效率[28][29] - **阿里AI知识梳理与调优**：是核心环节，因涉及处理复杂多模态数据，未来平台可能逐渐掌握该能力，减少对外部合作依赖[30][31][32]