11月10日，明略科技创始人、CEO兼CTO吴明辉在2026中金论坛发表演讲。谈及 AI 投资是否存在泡沫，他把讨论落到了企业的投入产出上。在他看来，AI 投资上半场的重点是做出能力更强的模型。到了下半场，企业需要算清 Agent 完成一项业务任务消耗多少 Token，以及这笔开支能带来多少回报。

Agent接手的工作越多，企业越要算清单项任务的成本

吴明辉在演讲中用了两笔假设账。对于一家拥有数万名员工的企业，如果每名员工每年消耗价值10万元的 Token，一年的推理支出就会达到数十亿元。对一款日活达到1亿的消费级 AI 应用，即使每位用户每天只发起一次推理请求，平台每天也要承担1亿次请求对应的成本。

两笔账对应着不同的付费逻辑。消费级应用如果靠免费服务积累用户，就需要找到能够覆盖推理开支的收入来源。企业愿意为 AI 支付多少，则可以和具体业务结果挂钩。吴明辉由此判断，企业市场将是 Agent 商业化的重要场景。模型调用费用能否随着业务规模扩大而得到控制，将影响企业能把 Agent 部署到多少岗位和流程中。

编程是吴明辉用来说明这一变化的例子。从协助程序员补全代码，到自行处理一个开发任务，再到多个 Agent 在同一个工作群里分工，交给 AI 的指令可以更简短，背后的执行链路却更长。只看每次调用的价格，很难判断这种工作方式是否划算。企业还要把一次任务中多轮调用的开销加在一起，放到交付结果里衡量。

企业用什么模型，也要看数据能去哪里

明略科技把多 Agent 协作应用在了内部研发中。据吴明辉介绍，工程师通过自研开源平台 Octo 组织多个 Agent 协作编程。Octo 支持私有化部署，不同的 Agent 可以作为 Bot 加入团队。人员负责判断和校准，协作中形成的知识、方法和反馈可以留给后续任务复用。吴明辉把多个 Agent 连入同一网络协作的模式称为 IoA，即 Internet of Agents。

Agent 进入工作流程后，还会接触企业文件和代码仓库。吴明辉提到，企业要知道 Agent 能访问哪些资料，也要知道每次调用模型时，哪些业务上下文会被发送到云端。他将企业掌握自身数据、Agent 权限和模型使用方式的能力称为“企业主权 AI”。明略科技希望帮助大型企业在这一基础上搭建组织智能平台。对企业来说，这也意味着要逐项判断哪些数据可以随任务交给外部模型，哪些环节需要留在自己的环境里处理。

模型选择也可以细化到任务。对不少日常办公工作，吴明辉认为前沿开源模型已能胜任。需要处理更难的问题时，企业仍可调用能力更强的模型。在特定业务场景中，他认为还可以通过后训练提升开源模型的表现，让它以更低成本接近前沿闭源模型在该场景的能力。明略科技已将内部积累的 Token 精益管理能力用于客户服务。

主动式Agent的收费与算力归属

当 Agent 开始主动查阅邮件、整理日程或在夜间完成调研，推理成本就会随着它自主发起的任务增加。吴明辉以两种收费方式说明其中的矛盾。按 Token 用量计费，Agent 越主动，用户承担的开支就越高。采用固定月费，Agent 每多运行一次，服务商就要承担额外的成本。

吴明辉提出，用户自有算力是他看好的一条路径。企业购置服务器后，可以自行安排 Agent 的运行频率，把已经投入的算力用在需要持续执行的任务上。沿着这个逻辑，企业要评估的也包括设备投入能否被长期、稳定的任务量摊薄。

吴明辉还借用了自己早年在秒针系统接触的程序化广告生态。广告技术市场有代表广告主优化投放成本的 DSP，有帮助媒体提升流量收益的 SSP，也有撮合买卖双方的广告交易平台。在他看来，Token 市场可能形成类似的分工。算力提供方希望提升收益，使用方希望用更低的成本完成同样的任务，中间则可能出现提供撮合服务的平台。尤其是使用方，需要有人帮它看清每项工作消耗的 Token，并据此优化模型和成本。

从选模型到买算力，企业最终要评估的是具体工作。一次任务能交给 Agent 做到哪一步，要消耗多少算力，交付的成果又能带来多少业务价值。这些数据将影响企业把哪些 AI 应用从局部试用推向规模化部署。