股管家明略科技上半年智能体收入涨超600%

K图 02718_0

　　8月31日，明略科技（02718.HK）披露了2026年上半年业绩报告。报告期内，明略科技实现收入7.60亿元，同比增长18.0%；毛利3.90亿元，同比增长8.3%；期内亏损0.64亿元，同比收窄68.5%。

　　其中，上半年明略科技智能体化服务收入达到1.71亿元，同比增长605.7%，占总收入的比重从去年同期的不足4%提升至22.5%。

　　前不久，在2026世界机器人大会期间，明略科技展示了与海康机器人的合作方案，将数字世界的Agent（智能体）技术能力向物理具身智能延伸。

　　明略科技创始人、CEO兼CTO吴明辉在2026世界机器人大会接受《中国经营报》及其他媒体采访时表示，公司的AI Native转型不限于数字软件场景，长期目标是构建一套能够打通人、数字Agent以及实体机器人的协作网络。但他也并不回避行业现实，具身智能距离大规模商用落地仍有不少现实障碍。

　　智能体化服务拉动增长

　　明略科技的业务基本盘依然是数据智能。2026年上半年数据智能收入5.867亿元，同比下滑1.9%：其中营销智能服务收入3.437亿元，同比增长4.2%；营运智能收入2.434亿元，受门店与零售客户预算审慎影响有所承压，但智能门店运营系统仍覆盖超7.5万家线下门店。

　　新增长引擎来自智能体化服务。2026年上半年明略科技智能体化服务收入1.71亿元，同比增长605.7%，占总收入的比重达到22.5%，并且新客户占比68%，是明略科技增速最高的业务板块。

　　据了解，明略科技的智能体业务是将自研AI智能体嵌入策略、内容生产、业务执行环节，营销场景已经形成可落地的业务模式。

　　在内容生产环节，自动化生产线可批量产出投放短视频，文案过稿率提升至80%；达人营销业务从单次项目合作转向平台化运营，客户复购率90%，客单价同比提升2—3倍，服务覆盖15个行业逾百家头部客户，按效果付费的模式得到初步验证。

　　需要看到的是，明略科技智能体化服务上半年的高增速建立在前期基数较低的基础之上；且该板块目前1.71亿元的营收规模，在整体营收中的占比还不足四分之一。

　　中信建投在7月的一份研报中预计，明略科技2026至2028年营业收入将分别达到16.9亿元、25.1亿元和33.8亿元，智能体化服务是驱动中长期增长的核心引擎。并同时指出，明略科技2026年受研发投入加大影响或继续亏损，2027年有望伴随新业务毛利率提升恢复盈利。

　　财报显示，报告期内明略科技的研发开支同比增长52.3%至2.29亿元。

　　明略想做智能体的“交换机”

　　在财报中，明略科技重点提及了Agent协作网络Octo。

　　今年6月，明略科技正式开源发布Octo，基于Apache License 2.0协议开源，该平台通过Bot（身份标识）、Channel（通信频道）、Thread（任务线程）和Loop（工作循环）等机制，让Agent能够在人类引导下开展分布式协作；支持私有化部署，企业可将这套协作网络部署在自有服务器之上。

　　目前明略科技的Octo已覆盖Web端、桌面客户端、移动端及命令行界面，实现多端互通。

　　据披露，明略科技目前已有超过1800名员工与5100个Agent通过Octo平台开展协作，按披露数折算，每个参与员工对应约2.8个Agent。

　　上半年，明略科技在172个交付场景中建立了AI提效量化基线，综合提效56.1%，沉淀出359个可复用的“Skill”（工作技能包）。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%。此外，约30%的交付人员已转型为前端部署工程师（FDE），负责将Agent编入客户的实际工作流。

　　在硬件接入方面，明略科技推出的Octic录音硬件可将线下会议的高价值上下文接入Octo协作网络，进一步拓展Agent协作的物理边界。

　　进军具身智能

　　在2026世界机器人大会期间，明略科技联合海康机器人展示了餐饮清洁、工业物流、智能巡逻三大场景的真机演示与方案，将Agent能力延伸至具身智能。

　　双方的合作分工中，海康机器人负责机器人整机研发、运动控制、传感器融合、硬件量产与工程落地；明略科技输出VLM/VLA视觉模型、多模态推理、多智能体协同能力，叠加自身线下服务业的行业积累，共同探索商业服务场景下的机器人应用方案。

　　明略科技并不计划自研机器人本体硬件。吴明辉将机器人能力拆解为“个体大脑”和“组织大脑”两层。其中，个体大脑对应单台机器人的感知、环境理解与动作规划，依托VLM/VLA模型实现；组织大脑则由Octo平台承担，目标解决多台机器人、数字Agent、企业业务系统之间的协同调度问题。

　　“数字世界VLA面对的是二维界面，机器人所处的物理世界是三维空间，存在大量不可见区域，需要更强的环境推断能力。”吴明辉谈及两类模型的差异时表示，二者存在技术相通点，但物理世界的具身任务会带来更多新的技术挑战。

　　在吴明辉的判断中，当前具身智能大致处于从2.0向3.0过渡的发展阶段，但能够稳定完成复杂商业工作任务的机器人还未大规模普及，产业仍要解决大量“最后一公里”问题。

　　对于行业关注的数据规模问题，吴明辉提出“Skill模式”作为落地路径之一。他认为，机器人不一定需要将所有数据进行端到端的学习，而是可以像操作系统上的应用一样，由用户针对具体任务创建Skill。在白领工作场景中，用户无须编写代码即可通过AI工具创建Skill；具身智能未来也可能采用类似逻辑，让不懂机器人技术的用户通过描述工作流程来教会机器人。

　　这一思路与明略科技在端侧模型上的技术布局相关。财报显示，明略科技基于MoE架构提出了“Scaling Out”模型构建范式，已打造了多款端侧通用模型，覆盖多模态理解、智能体操作和通用认知推理等能力。同时，明略科技还开源了端侧推理加速SDK Cider，面向Apple Silicon平台进行优化，以降低端侧模型在个人电脑和机器人等设备上的部署门槛。

广升网提示：文章来自网络，不代表本站观点。