人工智能产业正在经历一场关键的重心迁移：市场焦点开始从模型“能不能做”，转向企业“为什么付钱”。

艾瑞咨询发布的《中国企业级AI Agent发展洞察报告（2026）》显示，2026年一季度，大中型企业整体AI采纳率已达到90.9%，以大模型为基础的新一代AI采纳率达到81.3%。不过，从应用成熟度看，67.3%的企业仍停留在单点探索试验阶段，24.0%处于局部业务赋能阶段，真正走向体系化应用的企业仅占9.1%。

这组数据意味着，企业是否采用AI已经不再是核心问题，如何跨越从技术试验到业务落地、再到价值兑现的鸿沟，正在成为新一轮竞争的分水岭。

国务院《关于深入实施“人工智能+”行动的意见》提出，到2027年新一代智能终端、智能体等应用普及率超过70%，并明确发展“模型即服务”“智能体即服务”。当技术供给和政策推动同时加速，企业AI的竞争已经不再只是参数和榜单，而是数据、场景、交付和商业模式的综合竞争。

在这一背景下，明略科技2026年半年报呈现出的变化值得关注。这家公司正在把多年积累的客户、行业数据与业务经验转化为智能体服务。其价值逻辑并非“又做了一个模型”，而是让AI成为客户愿意持续购买的生产力。

一、增长引擎切换：智能体业务不再只是技术叙事

判断一家公司的AI转型是否真实，最朴素的标准就是客户是否愿意付费、收入能否形成规模。

2026年上半年，明略科技实现收入7.60亿元，同比增长18.0%。其中，智能体式服务收入达到1.71亿元，同比增长约605.7%，收入占比由上年同期的3.8%升至22.5%。

更能说明问题的是增量结构：智能体式服务同比增加约1.47亿元，而公司整体收入增加约1.16亿元。换言之，智能体业务不仅贡献了全部增长，还对冲了传统业务的部分收缩。

同期，数据智能业务收入为5.87亿元，同比下降1.9%。其中，营销智能服务增长4.2%，营运智能服务下降9.4%。这组对比意味着，明略科技的收入增长引擎已经切换：过去依赖数据分析、营销监测和门店数字化，如今新增量更多来自AI参与内容生产、营销执行和业务运营。

这种变化背后，是企业服务供给方式的重构。过去，营销服务交付策略、报告或项目过程，收入上限与团队规模紧密相关；智能体式营销则将AI从策略生成延伸到内容制作和执行，并以客户关键业绩指标为导向。按效果付费把部分执行风险转移给服务商，却也更契合企业对投入产出比的要求。服务商能否承担这种风险，取决于其数据、模型和交付能力。

半年报披露的进展显示，这一模式已经获得一定验证。自动化流水线可以一天产出数十条达到投放标准的成片；围绕品牌在AI搜索与问答中的表现，相关服务已进入超过15个行业并覆盖百位头部客户；达人营销业务客户复购率达到90%，客单价同比提高2至3倍。

明略的AI能力开始进入企业真实预算。智能体收入从占比不足4%跃升至超过两成，意味着转型已经跨过单点试验，进入经营兑现阶段。

二、为什么是明略：旧资产正在成为AI时代的新壁垒

智能体业务能够快速放量，并非因为明略突然进入AI赛道，而是过去积累的客户、数据和场景获得了新的用途。

据公司披露，旗下秒针业务位居中国数字营销技术与数据服务市场第一，微信生态运营业务服务超过24万家企业客户，智能门店运营系统覆盖超过7.5万家线下门店。这些业务不仅贡献收入，也让公司长期进入消费、零售、餐饮、汽车等行业的真实流程。

对于企业AI而言，场景往往比模型更难复制。通用模型可以快速生成文案，却未必理解品牌如何评价营销效果，也未必知道门店排班、选址、客服和会员运营如何联动。明略沉淀的标签体系、评价方法和运营流程，可以被进一步封装为标准化工作流。

因此，传统数据智能业务不能简单视为需要摆脱的“旧业务”。它既提供客户入口和数据基础，也是智能体的训练场。AI在已有流程中接受检验，形成方法后再向更多场景复制，由此形成“数据—场景—交付—反馈”的循环。

更具说服力的是，明略正在先用AI改造自己的生产方式。

报告期内，公司在172个报告交付场景建立AI提效基线，综合效率提升56.1%，并沉淀359个可复用Skill。部分业务线在交付人力成本下降40%的同时，服务量提高40%；投标书制作由1.5天压缩至1小时；金数据超过85%的客户咨询由智能体独立完成，项目平均交付周期由约一个月缩短至约11天。

这些数字指向一项重要变化：收入增长不再必须依赖人员同步扩张。员工经验通过Skill和Bot转化为可反复调用的组织资产，由此，AI不只是降低某个环节的成本，更是在改变公司的生产函数。

这种能力也已经同样输出到客户侧。明略为某国际奢侈品品牌处理近6万条社交帖文，在两周内完成自动打标，传统人工方式需要两个月以上；又帮助某头部餐饮品牌将AI订餐占比由0.14%提升至15.44%；微伴助手使用Agent的客户，付费转化率是未使用客户的2.8倍。

明略的壁垒并不是某个孤立的模型指标，而是把模型嵌入业务、持续获得反馈并交付结果的能力。模型可以快速追赶，长期客户关系、业务数据和行业Know-how却难以速成。

AI没有让历史积累过时，反而在重新定价这些资产。

三、从结果交付到协作基础设施，价值上限正在打开

智能体服务解决的是眼前的收入增长问题，能力能否进一步资产化，则决定了明略未来是继续停留在项目型服务，还是走向更有规模效应的平台型业务。

围绕数据安全、推理成本和响应速度，公司形成了端侧和私有化AI布局：其提出的Scaling Out模式尝试从大型混合专家模型中提取特定能力。基于此理论，明略已经自研出多款覆盖不同能力的端侧模型，并可以根据客户需求进行能力和模型尺寸的定制；Cider提高端侧推理效率，Octic探索硬件入口。其重点不是与通用大模型厂商对拼参数，而是让AI更低成本、更可控地运行在企业环境中。

其中更具想象空间的是开源Agent协作网络Octo。

企业在AI时代真正难以复制的长期竞争力，并不只是模型能力，而是自身独有的工作上下文、业务知识和组织判断力，这也是Octo的核心定位之一。

通过开源、支持私有化部署的架构以及清晰的数据归属设计，个人经验、暗默知识和集体智慧能够在安全边界内转化为企业可持续复用的私有资产，即使底层模型发生变化，这些积累也不会随之失效。

在明略内部，过去主要依赖少数资深员工完成的专业判断，正通过Octo被更多项目成员调用，推动业务从“依赖个人经验交付”走向“依靠组织能力经营”。可以说，明略正在重新组织专家经验、生产流程与协作关系，让业务能力能够被沉淀、调用和持续放大，并进一步构成企业的技术壁垒与场景壁垒。这也印证了明略“打造AI时代的组织智能”这一战略目标。

当然，从开源项目走向商业平台仍需时间。据半年报披露，Octo在GitHub获得超过4300个星标，说明其获得初步关注。接下来，随着Octo进入更多企业工作流程，并与明略现有客户、端侧模型及智能体服务形成协同，其平台价值有望得到进一步释放。

由此来看，明略科技正在搭建的并不是若干彼此孤立的AI产品，而是一条由端侧模型、推理框架、智能体协作网络和行业场景共同构成的完整价值链：底层技术保证AI能够安全、高效地进入企业环境，智能体服务负责将技术转化为可量化的业务结果，Octo与Skill体系则把每一次交付产生的知识、偏好和方法沉淀为可持续复用的组织资产。

随着更多客户和业务场景接入，这些能力有望从项目经验进一步转化为标准化产品与平台能力，推动公司由一次性交付走向持续服务，由人力驱动走向数字资产驱动。

明略科技的价值上限，也由此从一家数据智能服务商，延伸至企业数字劳动力基础设施的构建者。

四、结语

当AI快速普及，企业市场的竞争将越来越少地取决于“谁能生成答案”，更多取决于“谁能对结果负责”。明略的价值不只是拥有模型或智能体平台，而是同时拥有客户、数据、场景和落地团队。

明略科技过去的价值，在于帮助企业理解数据；它正在建立的新价值，是让数据驱动智能体参与决策和执行。收入增长验证了转型的第一步，更重要的是，公司已经开始把跑通的场景沉淀为Skill、Agent和协作网络，推动自身从数据智能服务商进一步转向企业数字劳动力的组织者。

当客户、场景与数字资产之间形成持续循环，明略科技的增长逻辑也将不再局限于单个项目，而有望延伸至更加广阔的企业智能化市场。对明略科技而言，这恰恰是价值重估真正开始的地方。