明略科技-W（02718.HK）2026年中期管理层讨论与分析

证券之星消息，近期明略科技-W（02718.HK）发布2026年中期财务报告，报告中的管理层讨论与分析如下：

业务回顾：

2026年上半年,在以习近平同志为核心的党中央坚强领导下,各地区各部门认真贯彻落实党中央、国务院决策部署,坚持稳中求进工作总基调,完整准确全面贯彻新发展理念,加快构建新发展格局,着力推动高质量发展,有效实施更加积极有为的宏观政策,经济顶住压力运行在合理区间,生产供给较快增长,就业形势总体稳定,物价温和上涨,对外贸易增势良好,新动能快速成长,民生保障有力有效,发展韧性持续彰显。
      当前,供强需弱格局延续,国内需求恢复偏缓,居民消费意愿和企业投资信心有待进一步提振,扩大内需、优化供给仍是经济工作的重要方向。在此背景下,以高端制造、数字经济、现代服务为代表的新动能加快成长,对经济增长的贡献率已超四成,新旧动能接续转换节奏持续加快。其中,人工智能正加速从技术突破走向产业应用,深入实施「人工智能+」行动、发展智能经济新形态,已成为推动企业数字化转型和降本增效的关键驱动力,为经济高质量发展注入新的动能。
      2026年上半年,公司主动顺应宏观经济形势变化,坚定推进从数据智能向智能体化服务的战略转型,将自身发展嵌入经济动能切换的大逻辑之中,以技术突破夯实发展底座,以模式创新回应市场需求,以资本运作拓展发展格局,各项经营工作稳中有进、进中提质。
      报告期内,公司坚持核心技术自主创新,推出全球首个开源可信的Agent协作网络Octo,推动端侧模型开源开放,自研ScalingOut端侧推理方案取得阶段性进展。在具身智能领域,公司聚焦VLM/VLA(视觉语言模型╱视觉语言-动作模型)方向,持续攻关多模态感知、智能推理规划等关键技术,前瞻布局智能体与物理世界交互的技术能力。首款AI原生硬件Octic应时发布,技术能力与产品体系持续完善,智能体规模化落地的能力底座更加坚实。深刻把握企业降本增效、注重实效的需求变化,公司以按效果付费模式精准回应客户诉求,帮助客户把审慎的预算花出确定性的回报,商业模式的前瞻性在逆势中得到验证。在资本运作层面,公司于2026年6月2日正式纳入港股通,市场参与渠道进一步畅通;于2026年7月29日签署收购协议并以协议转让方式受让普联软件(300996.SZ)19.07%股份,AI能力与行业积累深度融合、双向赋能,公司服务实体经济智能化转型的广度和深度同步跃升,面向智能经济新形态的战略布局全面展开。
      报告期内,公司实现收入人民币759.8百万元,同比增长18.0%,多条业务线贡献增量收入,支撑整体收入稳步提升。其中,智能体化服务业务收入同比增长约605.7%至人民币170.9百万元,是收入增长的主要驱动力。公司依托自主研发的AI智能体,聚焦客户社交媒体营销核心需求,将AI能力从规划策略生成延伸至内容制作及执行环节,以客户关键业绩指标的达成为核心交付导向,推动服务模式由过程输出转向结果驱动。AI技术的深度应用显着提升了交付团队的人效,客户数量快速增长,按效果付费模式的商业可行性得到进一步验证。数据智能业务方面,营销智能服务收入同比增长4.2%至人民币343.7百万元,主要得益于报告期内新产品及服务的增量贡献。在企业营销投入整体趋于审慎的环境下,营销智能服务仍实现正向增长,反映客户对可量化营销效果的需求具备一定刚性。营运智能服务实现收入人民币243.4百万元,智能门店营运系统覆盖超过75,000家线下门店,管理规模持续扩张。
      报告期内公司录得亏损人民币64.2百万元,较上年同期亏损人民币203.9百万元大幅收窄68.5%。亏损收窄主要由于上年同期受优先股、认股权证及可转换票据的公允价值变动等非现金项目影响较大,报告期内该等影响显着减弱,公司资本结构持续优化。同时,公司坚持面向未来投入,报告期内研发开支同比增长52.3%至人民币229.1百万元,深入推进模型及智能体技术研发与产品化进程。公司将继续坚持技术驱动、创新引领的发展路径,深化数智化转型布局,不断提升经营质效。
      端侧AI基础模型技术体系建设
      随着大模型在企业场景的深度渗透,云端部署模式面临的数据安全风险、持续推理高成本、响应延迟等瓶颈日益凸显,端侧部署成为行业重要发展方向。但端侧硬件资源有限,如何在算力、内存严格受限的条件下保持模型能力,是端侧AI落地的核心技术难题。明略科技围绕这一问题,构建了从模型构建方法论、基础模型系列到推理加速框架的完整端侧技术体系。
      (一)首创ScalingOu(t横向扩展)模型构建范式,突破传统ScalingLaw(缩放定律)局限
      当前大模型构建主要遵循ScalingUp(预训练扩容)与ScalingDown(蒸馏压缩)两条路径:前者通过持续增加参数、数据与算力提升性能,但模型体积与部署成本居高不下;后者以牺牲精度为代价压缩尺寸,能力折损明显。两者均难以兼顾「小尺寸」与「高性能」的端侧需求。
      明略科技基于对MoE(Mixture-of-Experts,混合专家)架构推理机制的深入研究,提出ScalingOut模型构建新范式。MoE架构虽总参数量达数千亿级,但每个Token仅激活极小部分专家,不同能力域(如数学推理、GUI操作、代码生成等)在推理过程中稳定调用不同的专家子集,大量专家在特定能力域推理中处于非激活状态。ScalingOut方法论即利用这一特性,通过对目标能力域数据的推理路由观测,逐层分析专家激活分布,筛选出对目标能力高贡献度的专家子网,剔除无关专家后组装为独立模型,再经微调校准,形成尺寸远小于原模型但目标能力接近前沿模型水平的定制基础模型。实验结果表明,经ScalingOut构建的模型在目标能力域上性能与前沿模型基本持平,显着优于同参数量级蒸馏模型,有效解决了模型规模与能力精度之间的矛盾。
      (二)端侧通用模型系列能力建设
      基于ScalingOut方法论,明略科技已打造端侧通用模型系列,定位于PrivateAI,支持本地化部署,覆盖多模态理解(GUI视觉-语言-动作、图文、语音)、智能体操作(代码生成、工具调用、上下文学习)、通用认知推理等核心能力,可根据客户场景需求按需组合能力域、灵活定制模型尺寸。
      在业界权威基准测试中,该系列模型35B版本在GUI智能体操作领域取得7项SOTA(OS-WorldVerified、OS-WorldGRefine、ScreenSpotPro、ScreenSpotV2、MMBenchGUI、UIVision、WebRetriever),SWE-Bench代码基准得分70,TerminalBench2.1工具调用基准得分55,CLBench上下文学习基准得分23.4(排名第三),ARC-AGI-3推理基准得分19.8(排名第八),MMLU-Pro通识推理基准得分83,综合能力达到行业领先水平。此前Mano、Cito等专项模型能力已全部整合至该端侧通用模型系列,形成统一的端侧模型产品矩阵。
      (三)自研Cider推理加速框架,实现端侧高效部署
      端侧模型的实际可用性高度依赖推理速度、内存占用与硬件利用率。明略科技基于AppleMLX生态自研并开源了端侧推理加速SDK–Cider,专为macOS与AppleSilicon平台深度优化,补齐了MLX原生框架在激活量化与特定张量计算上的能力缺口。
      在量化技术方面,Cider在MLX原生支持的W4A16、W8A16权重量化模式基础上,进一步实现了W8A8与W4A8低比特推理路径,通过深度融合在线激活量化、INT8TensorOps计算、量化矩阵乘与反量化流程,充分释放AppleSilicon底层算力。实测显示,CiderW8A8模式算子速度较MLX原生W4A16模式提升约1.4-2.2倍(视BatchSize而定);W4A8模式较W8A8进一步降低50%权重内存占用,高并发场景下计算速度与W4A16全精度方案相当;针对主流开源视觉语言模型,在分块预填充场景实现约10%–19%的端到端速度提升,对端侧VLM与GUI智能体应用具有重要工程价值;同时,Cider积极探索基于M4芯片AppleNeuralEngine与GPU的异构张量并行计算,在部分测试场景下实现额外3%–16%的加速效果。
      数据智能(DataIntelligence)
      DataIntelligence业务下设营销智能与营运智能两大体系,覆盖品牌客户从营销决策到线下营运的核心需求,其中秒针业务稳居中国数字营销技术与数据服务市场第一,微信生态运营业务以超24万家企业客户位居行业前三,智能门店营运系统覆盖超过75,000家线下门店。2026年上半年,面对宏观市场承压、客户预算审慎及媒介生态碎片化的外部环境,公司将AI从单点工具升级为贯穿组织的底层生产力,沿「组织提效、服务赋能、能力资产化」三条主线推进全面的AINative改造,在承压环境中实现人均产出的非线性跃升与毛利率的进一步提升,展现出显着的结构性防御力。
      组织提效:AI重构交付与运营全链路
      公司对交付全链路进行AI化改造,在172个报告交付场景建立AI提效量化基线,综合提效56.1%,并沉淀359个可复用Skill,使个人经验经由Skill与Bot转化为组织资产。部分业务线在交付人力成本同比下降40%的同时,服务量同比提升40%:售前环节,方案撰写周期压缩至原来的十分之一,投标书制作从1.5天压缩至1小时;交付环节,广告评估报告从数天压缩至数小时,社交负面舆情判定从数小时压缩至十几分钟;人才端,新人培养周期缩短一半,约三成交付人员转型为前端部署工程师(FDE),人均产出显着提升。
      同一提效逻辑贯穿至平台型业务:金数据的客服智能体已全量替换第三方系统,超过85%的客户谘询由智能体独立完成,服务容量在人力不增的前提下实现扩张;研发环节由智能体承担主要编码工作,并打通「编码-审查-测试-上线」全链路,项目平均交付周期由约一个月缩短至约11天,直接带动期内对外功能发布频次实现数量级增长。
      服务赋能:突破规模、时效与深度三重边界
      对内沉淀的AI能力同步外化为客户服务价值的系统性跃迁。一是突破规模边界,将过去受限于人力成本的大规模分析需求改造为常态化标准服务-某国际奢侈品品牌近六万条社交帖文,公司以自研算法构建88类标签体系实现自动打标,两周完成交付(传统人工需两个月以上),内容打标提效84%。二是突破时效边界,推动服务从周期性事后报告升级为随需调用的决策中枢-为某全球快消巨头搭建的AI智能看板支持自然语言实时查询,面对跨年度数据对比与突发事件归因追问,系统在数秒内输出完整结论,直接支撑管理层现场决策。三是突破深度边界,从「传递声量信息」跃迁至「回答战略问题」-为某国有汽车品牌搭建基于社媒大数据的品牌评价体系,以实时社会化数据替代传统品牌调研,诊断结论直接支撑客户跨部门策略调整,标志公司进入品牌战略决策支持领域。
      这一赋能逻辑在营运智能场景同步得到验证:门店值班智能体使排班效率提升48%,单名排班人员可覆盖20余家餐厅,人员满足率超过90%;开发选址Copilot以业务本体(Ontology)对门店、商圈、客群等业务对象统一建模,将选址测算从数小时缩短至分钟级;顾客服务智能体年度接触量增长约6倍至超6,000万次,逾90%由数字员工自动处理,客服团队规模仅为传统模式的三分之一。报告期内,公司为某头部连锁餐饮品牌将AI订餐占比从0.14%提升至15.44%,并协助其将客服团队从600余人优化至350余人;微信生态内,微伴助手Agent能力持续渗透,使用Agent的客户付费转化率为未使用客户的2.8倍,效果驱动力显着。壹伴全面升级为AI内容生成智能体,将高度依赖人工经验的创作流程压缩至分钟级,付费规模与用户规模分别同比增长25%及30%。
      能力资产化:技术底座沉淀与生态外延
      公司正将上述AI能力沉淀为可开放、可复用的资产。技术层面,与某全球消费品巨头共同研发的像素级广告素材验真方案完成POC验证,首次实现从平台日志级监测到用户端单次曝光帧画面级验真,为行业首个可工程化落地的素材真实性验证方案,填补了该领域长期存在的技术空白。平台层面,金数据核心操作通过MCP协议对外开放并上架WorkBuddy等平台,首次以「基础设施」而非「应用」的身份进入智能体生态;公司依托统一技术底座(端侧模型Mano-P、推理引擎Cider、Agent平台Octo)发布首款AI原生硬件Octic,与灵听工牌形成「B端数据资产+C端产品体验」的协同闭环,并与港股上市公司声通科技(2495.HK)签署战略合作框架协议,切入银发经济与通信服务市场。

业务展望：

展望未来,公司将沿智能体标准化与决策自动化主线持续演进,推动AI从辅助分析走向自主决策,并将复杂营运环节解构封装为可灵活插拔的标准化Agent单元,进一步降低跨场景渗透的边际成本,持续巩固以AI为底层生产力的组织竞争优势。
      智能体化服务(AgenticServices)
      上半年,公司围绕AINative组织建设、规模化新赛道和AgenticAI产品能力三条主线,营销相关业务率先完成了从模式验证到经营兑现的跨越。内容生产、达人营销和AI内容生态不再是分散的单点试验,而是在同一套数据资产、工作流和交付方法论下,形成了相互印证的增长曲线。对客户而言,变化的核心不只是效率提升,而是营销服务的供给方式发生了改变:内容从手工定制走向工业化生产,达人合作从逐单销售走向平台化资源配置,AI原生内容则从概念验证走向首批付费落地。
      在品牌客户侧,最直观的变化是营销内容生产被重做。过去一条可投放的营销短视频需要编导团队按周完成创意、分镜和成片,如今自动化流水线已经能够在一天内持续产出数十条符合投放标准的成片,文案过稿率提升至80%,投放验证的素材数量级随之提升。品牌不再受限于少量创意方向的反复打磨,而可以用更高频率、更低成本地测试不同内容策略。与此同时,围绕AI搜索和内容认知的新型需求快速放量,客户开始系统性关注品牌在AI问答中的可见度、推荐位置和舆情呈现,相关服务已从早期试点进入超过15个行业、百位头部客户的持续采购。
      达人营销业务的变化同样具有结构性。过去达人合作以单项目、单campaign为主,收入上限取决于商务拓展和交付团队的线性扩张;上半年,客户数量、客户质量和单客价值同步提升,客户复购率90%,客单价同比提升2-3倍。达人营销开始从项目制服务转向平台化运营。随着TikTok等平台侧集中采购的出现,达人资源不再只是被动响应需求的执行能力,而逐步成为可被标准化打包、被平台持续采购的稀缺供给。对于客户而言,这意味着更高的触达效率和更强的复购确定性;对于公司而言,这意味着增长不再简单依赖人力扩张,而开始依赖资源组织能力和数据资产复用。
      在AI内容生态方向,公司完成了从能力验证到商业变现的第一步。AI剧组方案已获得首批客户付费,短剧业务也完成了从国内分销到海外自制与独立发行的路径切换,并在海外上线短视频AppHahip。这条曲线虽然与品牌营销服务在客户类型上不同,但共享同一套AI内容生成、素材复用和数字资产沉淀能力,为公司打开了营销主业之外的内容产业空间。
      这些进展背后的共同原因,是AINative工作方式已经开始改变公司的生产函数。内容生产不再只是人力密集交付,达人营销不再只是资源撮合,AI内容生态也不再只是技术展示,而是在统一的数据、流程和资产底座上形成可复制的经营能力。上半年验证的不是某一项技术能否使用,而是公司能否以AI原生的方式持续交付业务结果。
      报告期内,明略科技正式开源发布Octo-全球首个开源可信的Agent协作网络,标志着公司在AgenticAI(智能体AI)领域的产品布局迈出关键一步。随着企业AI应用不断深化,越来越多的Agent进入实际工作流程;若缺乏统一的协作机制,各Agent独立运行、独立记忆,无法共享上下文、流转任务,交付物分散于彼此隔离的对话窗口,随着Agent部署规模越大,问题越突出,企业AI投入的边际收益随之递减;而现有协作工具均围绕人与人之间的沟通设计,无法为数字劳动力提供身份标识、协作界面与积累机制。企业级AI应用的瓶颈正由模型能力转向协作基础设施,组织要实现AI的规模化应用,须先建立面向人机混合协作的统一协作层。Octo即针对这一结构性缺口而设计:以构建「Agent之间的互联网」为目标,使AIAgent从个人效率助手升级为可协同、可编排、可沉淀的组织级数字劳动力。自开源发布以来,Octo在GitHub平台已累计获得逾4,380个星标(Star),在开发者社区形成一定影响力,印证了开放协作网络的市场需求。
      核心产品架构
      Octo围绕三个核心概念构建人机协作网络:
      –Bot(数字分身):AIAgent以Bot身份加入团队,拥有专属名片与完整工作记录,归属明确、权责清晰。用户可将多种主流Agent工具接入Octo,生成专属数字分身,并实现Agent与Agen(tA2A)之间的深度协同。
      –Channel与Thread(频道与子区):Channel为项目级工作群组,人与Bot在其中实时对齐意图、派发任务;当同一Channel内存在多个讨论事项时,可就特定话题新建Thread,确保事务脉络完整、讨论聚焦收敛。
      –Loop(回路):讨论中产生的待办工作由Agent自动总结要点,经人确认后生成Loop。Loop明确任务负责人与交付物,完整记录自需求简报、过程讨论、产出、反馈至验收结论的全过程,确保每项工作可追溯、可度量、可复盘。
      针对复杂任务,Octo提供Solo(单人完成)、Roundtable(圆桌讨论)、Critic(独立审核)、Pipeline(流水线)、Spli(t分头协作)、Swarm(竞选择优)六种协作模式,通过精准控制上下文信息在各Bot间的流转方式与可见性,让各有所长的Bot在人类引导下开展分布式协作,通过网络效应涌现出超越单一模型的集体智能。
      产品形态上,Octo全面覆盖WebApp、桌面客户端、移动端(iOS/Android)、浏览器插件及命令行界面(CLI),实现多端无缝互通。
      产品理念与资产沉淀机制
      Octo的设计基于明略科技对人机分工的判断:AI长于「思」与「行」,即逻辑推理、分析生成与调度执行;人类的核心价值在于「品」,即基于经验、审美、取舍与价值观作出的全局性判断。据此,Octo将执行职能交由Agent承担,人类在关键节点负责方向设定、标准制定与成果验收。
      在此基础上,Octo构建了「派发任务→验收反馈→沉淀偏好与技能→后续任务效率提升」的资产沉淀飞轮:项目背景知识与历史决策在Loop中结构化留存(Context);人类在验收过程中的打回、批注与风格选择被记录为偏好卡片(Taste),供Bot在后续任务中自动参考;Bot习得的规范与做事方法沉淀为组织内可复用的技能资产(Skill)。该机制使组织的知识、偏好与方法不因人员流动而流失,亦不因底层模型更换而失效,并随协作频次的增加持续增值。上述设计可归纳为O.C.T.O.四个字母所代表的产品维度:Open(开放接入)、Contex(t上下文共享)、Tast(e偏好进化)、Orchestration(多Bot编排)。
      开源开放与可信AI
      Octo基于ApacheLicense2.0协议开源,并支持私有化部署,是公司在PrivateAI与TrustworthyAI(可信AI)领域的持续实践。公司坚信,真正可持续的AI协作必须保障用户对数据、上下文、判断信号及部署方式的控制权。Octo通过开源架构、私有化部署与清晰的数据归属设计,让数据主权、知识主权与协作主权真正回归用户与组织,同时使个人暗默知识(TacitKnowledge)在尊重数据边界的前提下得到保护、放大与传承。

以上内容为证券之星据公开信息整理，仅供参考不构成投资建议。