在中国AI创业圈，吴明辉是一个很难被简单归类的人。
他不是那种频繁出现在科技媒体头条的"网红创始人"，也不是专注实验室的纯粹学者。他的身份标签横跨多个维度：北京大学数学系学士、计算机软件与理论硕士、电子与信息工程博士在读；连续创业者，在同一条技术赛道上深耕超过二十年；明略科技创始人兼CEO兼CTO，这种三位一体的身份组合，在同等体量的科技公司中并不多见。
近日，北京大学官网发布报道，对吴明辉在产学研领域的贡献予以认可。这一荣誉，颁授于明略科技港股上市、DeepMiner大模型产品线发布之后不久，时间节点颇具意味——它是对一段漫长积累的阶段性确认，也是观察这家企业下一步走向的一个窗口。
数学思维，是理解他的第一把钥匙
吴明辉的创业路径，很难脱离他的学科背景来理解。
数学系的训练，给了他一种特殊的思维习惯：在纷繁的现象背后寻找结构性的规律，用可证明、可验证的框架代替直觉判断。这种思维方式，在他后来对AI产业的诸多判断中，留下了清晰的印记。
当大多数人还在讨论AI的应用场景时，吴明辉更关心的问题是：这个系统的判断依据是什么？数据来源可靠吗？推理过程能被人类理解和验证吗？
这不是哲学层面的追问，而是数学训练下形成的本能：没有严格证明的命题，不能被当作真命题接受。移植到AI领域，这意味着没有可验证数据支撑的AI输出，不能被当作可信结论接受。
他将这一判断浓缩为一套"可信AI"的三维框架：数据源可信——面对可能大量由AI生成的互联网信息，如何甄别真伪；决策可信——AI在企业决策中必须整合多方数据，识别矛盾，给出可追溯的判断依据；利益中立——AI系统不能因商业利益篡改结论，必须站在用户角度提供建议。
这三个维度的提出，早于中国监管层面对AI可信性的系统讨论，也早于今年两会委员呼吁"AI必须可解释、可追溯、不能黑盒"的政策声音。这种超前性，在外界看来是预见性；在他自己看来，可能只是一个数学系学生的本能——有待证明的东西，不能当成公理来用。
三次创业，同一条逻辑线
吴明辉的创业历程，表面上看经历了多次转型，但内在逻辑始终如一。
2006年，他创办秒针系统，切入的是数字广告监测领域。这是一个当时极为冷门的方向——在互联网广告行业野蛮生长的早期，绝大多数人关心的是如何买量、如何增长，很少有人关心广告数据是否真实可信。秒针系统的核心价值，恰恰是在混乱的数字广告市场提供一套可信的第三方数据服务。
这一选择，既是商业判断，也是价值取向的早期显现。
2014年，他创立明略数据，将业务延伸至企业级大数据和知识图谱领域。从广告监测到企业智能，跨度看似很大，但底层逻辑是一致的：帮助企业从海量复杂数据中获取可信的决策支撑。知识图谱技术的核心价值，在于将隐性的知识关系显式化，让AI的推理过程变得可见、可解释——这与"决策可信"的要求高度契合。
2019年，明略科技集团成立，整合旗下业务，定位为"中国最大的数据智能应用软件供应商"。这一阶段的关键判断，是Agentic AI时代的来临。吴明辉公开表述："DeepSeek之后，每一家公司都是Agent"，并首次提出Agentic Marketing的概念——从"影响人"到"影响Agent"，品牌营销的对象正在发生根本性转变。
三次创业，每一次都是在同一条技术赛道上向纵深推进，而非追逐风口的横向漂移。这种专注度，在创业圈并不常见。
"逆潮"背后的产业判断
在AI大模型浪潮最汹涌的时期，吴明辉做出了一个在外界看来颇具争议的判断。
他认为，通用大模型最终会变成"收电费"的公共基础设施，而AI模型领域的真正价值将集中在专业小模型上——"专业小模型会解决各个细分领域问题"。他甚至大胆预言："如果大模型把一切都吞噬了，那意味着全世界只有一个公司赚钱。"
这一判断与当时的主流叙事明显相悖。彼时，参数量的军备竞赛正酣，"更大、更全、更强"是市场的主流评价标准。
明略科技的选择，是押注垂直场景的专业小模型。2025年9月推出的DeepMiner产品线，包含Mano和Cito两款专业模型：Mano专注于多模态界面操作，在OSWorld专用模型榜单中排名全球第一、总榜第二；Cito专注于指令推理与规划，针对营销场景的AI规划问题设计。
这两款模型都不追求"全能"，而是在特定能力维度做到极致。这是吴明辉"最终能够取胜的，一定是拥有模型研发能力、并扎根于细分行业的团队"这一判断的具体实践。
事后来看，随着通用大模型能力趋于同质化，垂直场景的专业化积累正在成为越来越多行业人士认可的差异化方向。这一判断的前瞻性，正在被市场演进逐步验证。
可信，是他对这个时代最持久的贡献
如果要从吴明辉二十年的创业历程中提炼出一个核心词，那必然是"可信"。
在AI生成内容大规模涌现、信息质量持续下降的时代背景下，这个词的分量正在变得越来越重。今年3·15晚会曝光GEO投毒产业链，揭示了AI大模型被人为操控的系统性风险；两会委员呼吁AI必须"可解释、可追溯、不能黑盒"，将可信性问题推上政策讨论议程。
这两件事，都是吴明辉多年前就预判并持续警示的风险的现实显现。
北京大学产学研荣誉的颁授，是学术界对这二十年探索的一次认可。但在更大的意义上，这一荣誉所确认的，是一种在主流叙事中始终坚持少数意见的定力——在所有人追求更快、更大、更强的时候，他持续追问的是：更可信吗？
这个问题，在AI产业的下一个十年，将变得比任何时候都更加重要。
读懂吴明辉对可信的执念，才能读懂明略科技为何走了一条不同寻常的路；读懂明略科技的路，才能看到中国AI产业在通用大模型叙事之外的另一种可能性——那条路通向的，是一个AI不只是强大、而且可信的未来。
以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。