6月29日，明略科技正式对外宣布开源其创新项目Octo，这一举措被官方定义为“全球首个开源且可信的Agent协作网络”。依托Apache 2.0协议，Octo不仅支持私有化部署，还赋予了企业将这张高效协作网络直接部署于自身服务器的能力。
Octo并非又一款普通的AI工具，它的诞生恰逢其时，精准捕捉到了当前AI领域的一个关键转折点：AI在企业中的应用正从单纯追求“更强大的模型”向“构建能够协同工作的AI网络”转变。
一、88%与1%的鸿沟：一张网的缺失
让我们先审视两组数据。斯坦福大学以人为本人工智能研究院（HAI）发布的《2026年人工智能指数报告》揭示，全球已有高达88%的组织在至少一项业务中引入了AI技术。然而，麦肯锡2026年的全球AI调研却揭示了另一番景象：尽管AI的采用率达到了前所未有的高度，但真正将AI深度融入核心业务、实现组织系统性变革的企业却寥寥无几，仅占1%。
这88%与1%之间的巨大差距，凸显了企业在AI转型过程中面临的挑战。多数企业的AI应用仍停留在“工具采购”层面，他们购买了软件、成立了委员会、制定了使用规范，但在人员协作、决策流程等方面却鲜有变革。
那么，填平这道鸿沟的关键何在？有人或许会立刻想到：需要一个更智能的模型。然而，换个视角思考，当大模型的能力逐渐趋于同质化，成为像水电一样的基础设施时，企业间的真正差距可能已不再局限于“使用的模型是否足够强大”，而在于“能否将分散的AI资源整合成一张能够协同、沉淀、并值得信赖的网络”。这一层次，被业内专家称为“协作层”。
明略科技的Octo正是瞄准了这一关键位置。它并非一个模型或应用，而是一张能够促进AI与AI、人与AI之间高效协作的网络。
二、通往“协作”的多元路径：各有千秋
意识到“连接”重要性的并非只有明略科技一家。多家行业领军企业也在积极探索这一领域，但他们的路径却各不相同。
一类是面向开发者的编排框架，如微软开源的AutoGen以及LangChain、CrewAI等创业公司的产品。这些框架为工程师提供了一套“搭积木”式的工具，帮助他们将多个AI串联成流水线。然而，这些框架主要解决的是技术层面的拼接问题，距离普通员工日常与AI的协作还有一定距离。
另一类则是将AI融入现有办公软件中。例如，2026年6月，Anthropic推出了能够常驻在Slack中的Claude Tag，员工可以像呼叫同事一样“@Claude”来拆解和推进任务。这种思路旨在让单个AI变得更强大、更融入团队语境，但Claude运行在Anthropic的云上，绑定在Slack生态中，且不开源。
还有一类企业则选择将AI作为“数字员工”来销售。Salesforce提出的“数字劳动力”概念便是一个典型例子，其Agentforce业务的年化经常性收入在2026财年已达到约8亿美元，并在2026年5月的财报中增长至12亿美元，同比增长205%。微软的Copilot Studio也支持多Agent协作，采用云端加订阅制的商业模式。
这三条路径虽然各异，但都认同一个共同的判断：竞争正在从“模型”层面转移到“连接”层面。然而，它们也共享一个前提——AI必须运行在它们的云上，数据必须汇聚到它们的平台中。
这一前提，恰恰为Octo提供了发展空间。对于银行、政府、医院等对数据安全有着极高要求的机构来说，AI再好用，如果必须将数据交出，也是一道难以逾越的坎。Octo的选择是：让协作网络直接部署在企业自身的服务器中，开源且不绑定任何一家厂商。
三、AI Native组织的成功实践：连接的力量
“连接”这一概念虽然抽象，但已有组织通过实践证明了其有效性。
腾讯研究院的报告中提及，AI创业公司Multica仅凭4人团队，却带领几十个AI智能体连续占据GitHub Trending榜单，一周内新增上万颗星标，平台上平均每10秒就触发一个AI任务。从需求撰写、开发、测试到验收，整个流程由“一个人加一群AI”共同完成，那些仅负责信息传递的环节被直接剔除。创始人张佳圆一语道破本质：如今拖慢组织效率的已不再是AI，而是人，因为AI的执行速度已经足够快。
另一个例子是Anthropic自身。该公司内部仅设一个技术岗位——MTS（技术成员），不再区分“研究员”和“工程师”。同一个人上午设计实验，下午就能自己编写代码。员工八九成的问题会先向Claude咨询，因为它比问同事更快。
这两个案例常被解读为“超级个体”的典范——一个人就能顶一支队伍。但更准确的理解可能是：让一个人能够指挥一群AI完成整件事情。人退回到自己最擅长的位置——做判断、定方向、把控质量；而AI则承担执行任务。
然而，值得注意的是，目前能够如此操作的多是Anthropic、Multica这类“生来就与AI紧密结合”的公司。对于绝大多数普通企业来说，要复制这种能力，正缺少一层现成的、标准化的协作网络作为支撑。Octo正是为了填补这一空白而诞生——让“超级个体”从少数团队的专利，变成更多组织能够利用的能力。
四、协作网络：企业的“咽喉”要地
随着模型成本的逐渐降低，因为能力在被逐步拉平，其重要性将逐渐减弱。但协作网络却截然不同——网中沉淀的是企业独有的知识资产：项目背景、历史讨论、过往决策，以及每一次人验收时的反馈、批注、风格偏好等。这些让AI逐渐理解“什么才是优质的工作成果”。这些资产无法被轻易复制或迁移，且会随着使用而不断积累。
这一道理并不新颖。如今的企业难以离开Slack或飞书等协作工具，并非因为它们的功能最为强大，而是因为整个团队的协作记录、文件、习惯等都已经深深嵌入其中，迁移成本极高。协作网络的护城河也遵循同样的逻辑：在网中共同工作的人和AI越多，沉淀的知识资产越丰富，迁移的难度就越大。
明略科技选择将Octo开源的底气或许正源于此——通过开放赢得信任，而真正让客户难以割舍的，是那些逐渐融入网络、属于企业自身的知识资产。模型决定了AI的能力范围，而连接则决定了AI能够为一个组织创造多少实际价值。
过去两年，人们的目光大多聚焦在模型上——追求更大的参数、更高的分数。然而，那场关于模型的竞争胜负已逐渐明朗，而将AI真正转化为组织生产力的另一场竞争才刚刚开始。它的主战场在于连接。明略科技的Octo，正是它提出的一个解决方案，也是一座帮助更多企业迈入AI Native时代的桥梁。
