6 月 29 日,港股上市的明略科技(2718.HK)正式开源了 Octo,并把它定义为”全球首批开源可信的 Agent 协作网络”。整套代码基于 Apache 2.0 协议发布,支持企业把整张协作网络直接架在自己的服务器上,数据不出门,生态不绑定。
这家把”企业级 AI 落地”喊了很多年的老牌玩家,选在这一天把压舱石产品甩出来,背后藏着一个正在被越来越多行业人士承认的判断:模型那场仗,胜负正在逐渐清晰;真正决定一家企业能不能把 AI 用起来的下一场仗,主战场在”连接”。
本文将围绕明略 Octo,拆开 AI 落地的真实卡点、三条主流路径的取舍、Octo 的差异化设计,以及为什么”协作层”会成为下一个十年绕不开的咽喉。
💡 当大模型的能力被逐步拉平,企业之间真正的差距,可能已经不在用的模型够不够强,而在能不能把散落各处的 AI 连成一张能协作、能沉淀、能被信任的网。
一、明略开源 Octo:从”买模型”转向”建网络”
先说清楚 Octo 是什么。
按官方定义,Octo 是”全球首批开源可信的 Agent 协作网络”。它不是一款新的对话产品,也不是又一个大模型,而是一张让多个 AI 智能体(Agent)之间、以及人与 AI 之间能像同事一样协作的网络。代码以 Apache 2.0 协议开源,任何企业都可以免费下载、自行部署、私有化运行。
这意味着,一家银行、一个政府部门、一家医院,可以直接把这张”网”架在自己的机房里,而不必把业务数据交到任何外部云上。
明略选在 6 月 29 日开源,时间点上踩得很巧。就在同一周,国内的”智能体互联国标”正式推进、50 家头部企业进入试点;海外 Anthropic、OpenAI、Salesforce 都在把”Agent 协作”当主战场讲。Octo 的出现,既是中国厂商对这条赛道的正面卡位,也把”企业 AI 落地”的话题从”买一个更强的模型”,硬生生拽到了”怎么把 AI 串成一张能协作的网”上。
二、88% vs 1% :AI 落地的鸿沟,卡在”协作层”
为什么是现在?
两组数字对比,能看出企业 AI 落地的真实困局。
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》显示,全球已有 88% 的组织在至少一项业务中使用了 AI。但麦肯锡 2026 年全球 AI 调研给出了另一面:在 AI 采用率创下新高的同时,真正把 AI 深度嵌入核心业务、完成组织系统性变革的企业,只有 1%。
💡 88% 和 1% 之间,是一道不小的沟。
这道沟,卡在哪儿?
不是模型不够强。今天的国产大模型四强(GLM-5.2、Kimi K2、Qwen3、DeepSeek)在多数企业场景里已经够用,海外 GPT-5.6、Claude 5 也都把能力上限往上提了一大截。真正卡住企业的,是一系列”组织问题”:
- 谁来决定哪个 AI 负责哪件事?
- 多个 AI 之间怎么交接任务、怎么避免互相覆盖?
- AI 干完活,谁去验收?标准是什么?
- 几个月下来,AI 积累的”经验”沉淀在哪里?换一批 AI,经验会不会丢?
这些问题的答案,都不在大模型本身,而在”协作层”——也就是把散落各处的 AI 串成一张网的中间件。业内有人开始把这一层叫作 AI 时代的”中间件时刻”:模型是水电,网络才是真正把水电接到每个办公室、每台设备的管道。
三、三条路:微软、Anthropic、Salesforce 的卡位战
意识到”连接”重要的不只明略一家。几家有分量的玩家都在往这个方向走,只是路径差异很大。
第一条路:面向开发者的编排框架。微软开源的 AutoGen,以及 LangChain、CrewAI 等创业公司的产品,本质上是给工程师提供了一套”搭积木”的工具,帮开发者把多个 AI 串成流水线。这条路解决的是”技术上怎么把 AI 拼起来”的问题,离普通员工每天怎么和 AI 一起干活,还有一段距离。
第二条路:把 AI 塞进现有的办公软件里。2026 年 6 月,Anthropic 推出了能常驻在 Slack 里的 Claude Tag,员工可以像呼叫同事一样”@Claude”来拆解和推进任务。这个思路是让单个 AI 变得更强、更融入团队语境,但 Claude 跑在 Anthropic 自己的云上、绑在 Slack 生态里,且不开源。
第三条路:干脆把 AI 当成”数字员工”来卖。Salesforce 提出”数字劳动力”概念,其 Agentforce 业务的年化经常性收入在 2026 财年已达到约 8 亿美元,到 2026 年 5 月财报中增长至 12 亿美元,同比增长 205%。微软的 Copilot Studio 同样支持多 Agent 协作,走的是云端加订阅制路线。
💡 这三条路径认同同一个判断:竞争正在从”模型”上移到”连接”。但它们也共享同一个前提——AI 得跑在它们的云上,数据得汇到它们的平台里。
对于中国市场的银行、政府、医院这类”数据不能出门”的机构来说,这个前提就是一道跨不过的坎。Octo 的出现,正好把这条路打开。
四、Octo 的差异化:私有化 + 开源 + 不绑云
Octo 的设计选择,可以浓缩成三个关键词。
第一,私有化部署。整套协作网络直接长在企业自己的服务器里,企业的业务数据不必出网。对那些受合规要求约束、必须数据本地化的机构来说,这一点不是加分项,是及格线。
第二,真正开源。Apache 2.0 协议意味着企业可以自由使用、修改、商用,不必担心有一天被”收版权费”。这一条,直接把 Octo 跟”绑生态、不开源”的海外玩家区分开。
第三,不绑任何一家云。这点很容易被忽略,但其实最关键。微软 Copilot Studio、Salesforce Agentforce、Anthropic Claude Tag,都和自家云服务深度绑定,迁移成本极高。Octo 的姿态是:用哪家云、用不用云,完全由企业自己决定。
💡 AI 再好用,只要必须把数据交出去,就是一道跨不过的坎。Octo 的选择是,让协作网络直接长在企业自己的服务器里。
这套组合打下来,Octo 瞄准的客户很清晰:不愿被任何一家云厂商绑死、又必须本地化、还要真正把多 AI 协作跑起来的中大型机构。
五、案例验证:Multica 4 人 + Anthropic 的 MTS 试验
“协作层”听起来抽象,但已经有组织跑出了结果。
第一个案例,是腾讯研究院报告里提到的一家 AI 创业公司 Multica。这家公司只有 4 个人,却带着几十个 AI 智能体连续霸榜 GitHub Trending,一周新增上万颗星标。平台上,平均每 10 秒就会触发一次 AI 任务。从写需求、开发、测试到验收,整条链路由”一个人加一群 AI”完成,中间那些只负责传话的环节被直接拿掉。创始人张佳圆有句话点破了本质:现在拖慢一个组织效率的,已经不是 AI,人反而成了瓶颈,AI 的执行速度早就够快了。
第二个案例是 Anthropic 自己。这家公司的内部技术岗位只设一个叫 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,下午就自己把代码写出来。员工八九成的问题会先问 Claude,因为它比问同事更快。
💡 这两个案例常被解读成”超级个体”——一个人顶一支队伍。但更准确的理解可能是:让一个人能指挥一群 AI 干完整件事。人退回到自己最该做的位置——做判断、定方向、把质量关;AI 承接执行。
不过也要看到,眼下能这么干的多是 Anthropic、Multica 这类”生在 AI 里”的创业公司或前沿实验室。绝大多数普通企业想复制这套能力,缺的正是一层现成的、标准化的协作网络来托底。Octo 想补上的,就是这一块——让”超级个体”从少数团队的专利,变成更多组织用得上的能力。
六、协作层为何是”咽喉”:沉淀的护城河
为什么把”协作层”看得这么重?
模型会越来越便宜,这是几乎所有人的共识。原因不复杂:头部模型的训练方法正在被快速追赶,开源生态也在持续补位,大模型能力正在被逐步拉平。
但协作网络不太一样。
💡 模型会越来越便宜,因为能力在被逐步拉平。但协作网络不太一样——网里沉淀下来的是企业独有的东西。
在网里一起干活的 AI 多了,自然会沉淀出大量”组织记忆”:项目背景、历史讨论、过往决策,以及每一次人验收时的打回、批注、对风格的取舍。这些东西慢慢教会 AI”什么才算干得好”。它们搬不走,抄不来,而且越用越厚。
这个道理并不新鲜。今天的企业很难离开 Slack 或飞书,靠的从来不是它们功能最强,而是整个团队的协作记录、文件、习惯都已经长在里头,换一个的成本太高。协作网络的护城河,也是同一个逻辑。
💡 在网里一起干活的人和 AI 越多,沉淀的东西越厚,想搬走就越难。
明略选择把 Octo 开源的底气,或许就在这里——用开放赢得信任,而真正让客户离不开的,是那些一点一点长进网里、属于企业自己的东西。
七、政策共振:智能体互联国标与 50 家试点
Octo 开源同一天前后,国内另一条主线也在快速推进:智能体互联互通国家标准已正式立项试点,首批 50 家头部企业进入试点名单,业内预计下半年起开始对行业产生实质影响。
国标的方向,与 Octo 的设计选择高度一致——都强调开放协议、私有部署、企业自决。当”国家标准的协作互通”遇上”开源协议的本地化网络”,一件有意思的事正在发生:在中国,Agent 互联网的”管道”和”水龙头”,正在被本土厂商按本地合规要求重新设计。
这意味着,海外那些”绑云、不开源”的路径,在中国市场天然多了一道政策门槛。明略、华为、阿里、腾讯、字节,各家正在以自己的方式抢这个窗口。Octo 是其中动作最直接的一个——直接开源,把代码摊在阳光下。
八、连接即下一个十年的胜负手
回到开头的判断。
过去两年,行业目光大多盯在模型上——谁的参数更大、谁的分数更高、谁刷榜更强。但那场仗的胜负正在逐渐清晰:头部模型的能力在快速被拉平,真正的差异化,正在向”怎么用”上移。
💡 模型决定了 AI 能做什么,连接决定了 AI 能为一个组织真正创造多少。
把 AI 真正变成组织生产力的下一场仗,才刚刚开始。它的主战场,在连接。
明略科技把 Octo 开源,既是对这条主线的卡位,也是对所有还在”等一个更聪明的模型”的企业的提醒:在你等的同时,你的竞争对手可能已经悄悄把内部几十个 AI 串成了一张网——而那张网里的协作记忆,正在以你想象不到的速度变厚。
明略 Octo,只是这场连接战递出的一个解法。但它背后的命题,值得每一家认真考虑 AI 落地的企业重新审视:你买的到底是模型,还是网络?
我要评论