明略科技吴明辉谈AI组织转型：五级台阶，三条原理|人工智能|吴明辉|市场数字化领域|明略科技|机器人|飞轮

8月20日，2026世界机器人大会期间，明略科技（02718.HK）创始人、CEO、CTO吴明辉发表演讲，分享了他对机器人产业、Agentic AI、Physical AI以及组织智能的思考。

在他看来，过去几年，人工智能已经在数字世界，也就是Agentic AI领域，形成了很多生产力级别的应用：AI可以做内容生产、写代码、做复杂数据分析。

但物理世界里的机器人，到今天为止，在大部分场景中仍更多停留在提供情绪价值，比如唱歌、跳舞等。机器人什么时候真正成为生产力，是他长期思考的问题。

明略科技此次进入机器人赛道，并没有选择独自做本体，而是选择与海康机器人合作。

吴明辉认为，物理世界远比数字世界复杂，涉及制造、部署、工程交付等诸多问题。海康机器人是中国第一代机器人公司之一，在工业和物流领域有深厚积累；而明略的优势在软件、Agentic AI和模型。因此，双方合作中，明略更多承担模型研发和软件系统集成工作，海康机器人提供本体能力。

谈及具身智能的“下半场”，吴明辉在认为，机器人下半场是“大脑”，但这个大脑至少有两个维度：一个是传统意义上机器人自身的推理能力，比如VLA模型等；另一个是当机器人真正部署到生产系统、线下服务业和商业场景中时，整个组织也需要一个“大脑”，用来连接机器人、智能体、人和上一代IT系统。

在谈及AI Native组织时，吴明辉判断有三条基本原理：第一，要按照新时代重新分工；第二，在分工的基础上，需要有新的协作方式、新的流程、新的组织。第三，对人友好。

吴明辉介绍，明略科技近期发布的开源人机协同平台“章鱼平台”，正是希望成为这样的组织协同底座。

他还认为，具身智能和Agentic AI在长程任务、数据飞轮、记忆系统、结构化技能等问题上高度同构，机器人真正落地生产系统，不只需要技术进步，也需要流程再造、组织重构和前沿部署工程师。

以下为「明亮公司」根据现场速记精编后的演讲内容（未经演讲人审阅）：

#01机器人要从情绪价值走向生产力

我是来自明略科技的吴明辉。今天非常感谢中国电子学会的邀请，能够在世界机器人大会跟大家做分享。

很多投资人朋友、媒体朋友会非常好奇，以前我们公司更多是参加世界人工智能大会WAIC，今天我第一次来到WRC主论坛上做分享。

其实我本人在12年前就参与创办过一家机器人公司，现在已经在港交所上市了，是酒店服务机器人领域领先的云迹机器人（02670.HK）。在过去几年，我一边做人工智能，一边也在持续观察机器人行业。我是科班出身，20年前就在北大学上一代人工智能，读人工智能方向博士。

到今天为止，人工智能在数字世界，也就是Agentic AI领域，已经有很多生产力级别的应用。大家都知道，今天人工智能在数字世界里可以做内容生产，可以写代码，可以做很多复杂的数据分析。我本人当年是数据奥林匹克银牌，但今天人工智能在数字世界里的智商已经彻底碾压我了。

但物理世界到今天为止，在大部分场景下，大家还是在提供情绪价值，比如唱歌、跳舞。这是我一直在思考的问题：机器人什么时候才能真正成为生产力？

如果它要成为生产力，我一定要进入这个赛道。所以也非常荣幸来到这里，跟大家分享我的一些思考，以及明略为什么开始决定参与到机器人科技浪潮里。

我对物理世界非常敬畏。我本人是做软件、做AI出身的，在我看来，物理世界远远比数字世界复杂。这里有非常多制造问题、部署问题。比如我们第一次把云迹机器人部署到很多酒店时，在自己环境里测试得很好，等真正到了酒店，有的酒店有地毯，有上下坡，有台阶，机器人该怎么跑，这些都是非常现实的问题。

所以明略进入机器人赛道，并没有选择独自奋战，我们选择了海康机器人。海康机器人是真正意义上中国第一代机器人公司之一，尤其在工业领域、物流领域非常领先，而且这个领域有很大的产量，也已经有很好的生产力输出。

明略和海康机器人是两家基因不同的公司。明略擅长软件，擅长Agentic AI，擅长模型。所以在和海康机器人合作过程中，明略更多会扮演模型研发、软件系统集成的角色，海康机器人则负责提供本体服务。

今天每个人都在说机器人下半场是什么，下半场确实是大脑。

但我想跟大家讲的是，我对“下半场大脑”的思考有两个维度。第一，是传统意义上机器人的推理能力，包括VLA模型等，这是机器人个体大脑的一部分。第二，当我们把机器人真正部署到生产系统里，部署到线下服务业、商业场景里，还需要另外一个大脑。它不是机器人自己的大脑，而是整个组织的大脑。

如何把机器人和机器人连接到一起，如何把机器人和智能体连接到一起，如何把机器人和上一代IT系统连接到一起，并最终形成一个组织大脑，这是明略未来在机器人领域重点想探索的方向。

如果大家到C馆，可以看到我们展示的场景其实是在餐厅里。我们和肯德基、必胜客有一家合资公司，在肯德基、必胜客门店里，大量数字化系统和人工系统此前都是明略开发和部署的。未来，我们一定会把机器人带到这些场景中。

明略最近刚刚发布了一个开源人机协同平台，叫章鱼平台。它就像八爪鱼一样，能够连接各种各样的Agent。我想告诉大家，未来在和海康机器人合作过程中，这个平台也会发挥巨大作用。它最后会形成一个组织人机协同的大脑，而不是简单地让每一个机器人只有自己的个体大脑。

#02 Agentic AI与具身智能：长程任务、数据飞轮和结构化技能是同构问题

这两天准备演讲稿时，我也用明略旗下秒针系统的舆情分析智能体，做了一下国内外关于具身智能的舆情分析，看看大家讨论具身智能离真正产业落地的最后一公里，或者说“差一口气”到底差在哪里。

分析之后我发现，从大家讨论的话题角度看，国内外差不多。最后一公里的问题包括工程交付问题、经济模型问题、软硬件时序同步问题等等。

但如果看最近一周帖子里的话题热度分布，海外有两点讨论更多：一个是数据飞轮问题，另一个是如何真正把本体和软硬件结合到一起后产生长期价值的问题。

当我看到这些问题，尤其是数据飞轮和长程任务复杂性问题时，我发现这些问题非常熟悉。不管是长程任务，还是数据飞轮，这一直是我们在Agentic AI里长期解决的问题。原来大家面临的技术问题是一样的，具有非常强的同构性。

明略投入Agentic AI，也就是数字世界的机器人领域，已经投入了六年

2020年疫情出现后，我非常兴奋，因为我突然发现，人类生产办公全部在线了。大家以前也有视频会议系统，比如Zoom、腾讯会议，在2020年前就已经有了，但大家并不怎么用。疫情之后，办公协作、办公室里的数字生产劳动相关工作全部在线了。这件事情给Agentic AI，也就是数字世界的生产力，提供了非常好的数据环境。

2020年虽然产生了大量数据，我也投入了很大资源。最多的时候，我们招了1000人在做组织智能，也就是数字生产世界里的多智能体平台。但后来交了很大的学费。为什么？因为当时模型还不够成熟。那个时间点，基础大模型连聊天功能都不太成熟，我们就想投入智能体研发，这是不现实的。按照奥特曼把AGI划分为五个阶段的说法，当时连L1都不成熟，我们就想做L3了。

当前这个时间点，具身领域还处于Agentic AI L1的水平，更多还是唱歌、跳舞、提供情绪价值。可以说，未来还有很长的路要走。但即使路很长，我们仍然可以参考Agentic AI过去的发展路径，把它在具体应用场景里一点点做起来。我相信一定能走起来。

我的一个好朋友是Manus创始人，他曾经也在我们公司工作过三年。他在我们公司工作时，我也一直想和他一起做Agent，但那个时间点很多组件、功能并不完善。直到去年、今年，不管是Manus还是OpenAI，Agentic AI才真正产生巨大生产力。

同样的道理，当我们把具身智能和数字世界智能做类比，会看到很多相似路径。比如，人工智能提供生产力时，需要提升自己具体业务能力。在Agentic AI领域，如果要操作软件界面、操作数字世界工具，最早我们采用传统规则引擎系统；以前操作图形界面会用RPA，这里的R不是物理机器人，而是数字世界里的机器人。后来出现Workflow，再到去年出现Manus，你给它下任何任务，它都会调用数字世界里的VLA模型去操作软件，端到端提供服务。

在这个发展过程中，先是写死的规则引擎，然后到像Manus这样非常灵活、可以自由探索的通用Agent。

去年下半年到今年，大家更熟悉的是以Anthropic为代表的Claude Code背后的Skills，我们称之为结构化Skills。它起到了平衡作用：既不是完全开放自由探索的逻辑，同时也有一定自主Planning能力。所以在Agentic AI领域，前人探索到今天，逐渐平衡了成本、效率、自由度和可实现性。

更重要的是，今天的Skill不一定要AI Researcher才能实现，职场工作者自己也可以捏自己的Skill。

具身领域也有类似路径。传统领域有PLC编程，到Behavior Tree，再到端到端VLA模型。如果从应用驱动角度看，端到端VLA模型不一定是所有场景的最好路线，也可能是混合路线。类似Agentic AI领域的Skills，具身领域也可能存在结构化Skill，并逐渐在一些场景中得到实用案例。这个过程本身就是同构的。

我再举一个同构性的例子：记忆。记忆是数字世界人工智能里非常重要的课题。所有AI都希望在具体场景中理解这个场景、学习这个场景，成为真正懂这个场景的AI。

从基础大模型角度看，虽然大家一直在想办法设计持续学习能力，但到今天为止，不管从成本、数据安全还是隐私保护角度，仍然有很多问题。

今年年初，Claude Code等工具的出现，给我们带来了一种新的方式。在参数之外，可以有一些配置文件，比如类似CLAUDE.md、Memory等，大家都很熟悉。这些记忆系统反而激活了Agentic AI在生产系统里真正起作用的一个非常重要部分。

我自己很喜欢一篇关于Agent Memory的综述，它把记忆分成工作时上下文的Memory，包括API调用时序；过去日记本类似的Memory；还有Semantic Memory（语义记忆）、Procedural Memory（程序记忆）。Procedural Memory有点类似今天的Skills。

在具身世界里，同样有这些Memory。比如空间的Memory、过程性任务的Memory，尤其是Semantic Memory。

今天在Agentic AI领域，还有一个概念被Palantir等公司经常提到，叫本体。

具身智能领域的本体通常指机器人本体，但从哲学层面讲，本体是背后抽象概念的本体，也就是Semantic Memory背后的抽象概念。未来Agentic AI的本体和具身智能的本体，某种程度上也是要打通的，中间就需要Semantic Memory。具身智能和代理式人工智能，数字世界工具生产力和物理世界生产力之间，有非常多同构性。

#03 组织智能：人、机器人和Agent协作

这张图来自我2018年发表在世界数据挖掘大会上的一篇论文。

当时我提出了一个概念，叫“HAO Intelligence”，也就是“好智能”。这是一个比较狂野的想法。什么是“好智能”？H是Human，指肉身的人类；A是AI，既包括Agent，也包括具身世界里的机器人；O是Organization Intelligence，也就是组织智能。

我一直的梦想，是希望能够把机器人和机器人、机器人和人、人和Agent真正连接到一个大的网络里。

2018年我在论文里就提出过这个想法。在这个过程中，我不认为一个个体Agent或者一个个体机器人，能够把整个组织所有活都干完。因为人类本身就是人和人之间一起协作工作的，我们不需要一个人拥有完整能力。有的人可以端茶倒水，有的人可以写PPT，有的人可以爬楼梯。我们在一个组织的真实生产力环境里，需要的是团结的力量、组织的力量，也需要组织中每个个体能够无缝连接起来，形成组织大脑。这是我们的目标。

沿着这个目标，明略在过去六年里一直在落地Agentic AI，去改造传统服务业企业。过去我们改造的是数字世界里、办公室里的服务业企业。未来，我们也会和海康机器人一起联手，改造线下服务业企业。

在改造过程中，今天有一个流行词叫AI Native组织。传统组织怎么变成AI Native组织？我们经过长期思考，也给出了L1到L5的路线。

在数字世界里，L1对每个组织来说，第一步首先要有Token。对于线下服务业来说，第一步要有各种各样的IT设备，要Robot Ready。其实Token Ready对于很多数字办公组织来说，已经不是一件很容易的事情了。虽然很多员工非常想用AI，但公司里没有统一网关，没有把很好的Token管理起来。

第二阶段是工作在线。工作在线不是每个人在线，而是每个人用AI Agent在线，把上一个时代人所使用的工具、各种各样的软件工具真正在线。比如我本人还在写代码，但已经不手搓代码了，而是让Agent来调用这些Coding Agent再去写代码。

第三阶段，当每个人的工具都在线了，人和人之间、人和Agent之间需要共享结构化Memory，也就是我前面提到的Semantic Memory。我相信在一个大型组织里，每一个Agent将来都要共享这个Memory，每一个机器人也需要共享这个Memory。

第四阶段，是生产力和生产力之间形成非常复杂的协作网络，用AI领域或者管理学里的词来说，就是加杠杆，如何让一个人创造更大的生产力，创造更高效率。

最后一步，是做到“水涨船高”。水涨船高是最难的事情。在数字劳动力世界里，我们认为每个企业都要持续积累自己独有的数据，积累自己的Benchmark，能够随着基础硬件、基础算力、基础大模型以及基础Harness框架不断进步，让组织AI的能力也不断提高。

这是Agentic AI应用到组织里的五个阶段。

在具身世界里，我相信也会有同构的L1到L5。今天这个时间点，我还没有完整答案，也在持续思考和探索。在线下服务业里，比如餐饮行业、零售行业，如何把已经非常成熟的海康机器人能力带到前台业务场景里，帮助组织变成机器人驱动、更高效生产和服务的流程，这是我们要持续探索的方向。

虽然具身世界里的L1到L5我还没有完全想清楚，但三个基本原则是很清楚的。

第一，要按照新时代重新分工：人干人的事，机器干机器的事。

第二，当人和AI有更好分工时，我们需要有新的协作方式、新的流程、新的组织。不管Agentic AI进入办公室，还是Physical AI进入线下服务业场景，组织和流程分工都应该发生变化。

我有一个很好的朋友，曾经做洗碗机器人卖给餐厅。后来他说，机器人卖给餐厅后，餐厅并没有节省人力，也没有提高效率。为什么？因为原来餐厅里的每一个洗碗工不仅负责洗碗，还负责收碗、收盘子，空闲时间还要打扫餐厅卫生，而这些事情洗碗机替代不了。所以一个组织真正把机器人落下去，真正解决组织降本增效问题，需要做流程再造。

第三，更重要的是对人友好。明略在发展过程中，尤其是我犯过重大战略失误、也做过重大裁员的过程中，我有很多反思。

人工智能，不管是具身机器人还是Agentic AI，进入组织里都不应该以替代劳动力、以真正意义上的裁员为主要目的，而应该以放大人的价值、帮助企业创造更高天花板为主要目的。我们要围绕这个目标去应用机器人。

#04 从FDE到章鱼平台：让机器人、智能体和IT系统开放连接

在这个过程中，每一个组织，尤其是传统服务业，不管是数字办公室里的服务业，还是线下服务业，要真正落地机器人，都会面临最后一公里问题。

现在有一个流行词叫FDE，前沿部署工程师，或者前端部署工程师。

在Agentic AI领域，Palantir就在做类似工作。机器人真正落到生产系统，把场景里的需求和机器人技术连接到一起，也需要FDE。