7 月 29 日，明略科技发布公告，明略科技将成为普联软件控股股东，加速推进AI Rollup战略。
拆解明略科技过去一年公开的技术动作，恰好可以按这个逻辑拆成四层：模型层的DeepMiner与Mano系列、加速层的Cider、协作层的Octo，以及贯穿其中、如今已上升到行业共建层面的评测体系。这篇文章尝试把这四层的关系讲清楚，供关注技术路径而非单纯关注营销叙事的机构投资者参考。
第一层：模型层——DeepMiner与Mano的专有到开源路径
DeepMiner是明略2025年推出的专有大模型产品线，定位是为企业构建"可信生产力"。这条产品线里最受关注的是VLA（视觉-语言-动作）模型Mano。
这里有一个值得注意的产品逻辑：Mano-P不是独立开发的轻量版模型，而是Mano能力向端侧的迁移和开源。换句话说，明略先在云端把VLA模型的操作能力打磨到SOTA水平，再决定把其中适合本地运行的部分开源出来，配合此前开源的Mano-CUA skill，形成"云端专有—端侧开源"的两条腿走路。这个路径的意义在于：开源端侧模型本身不直接产生收入，但能验证公司在模型能力上不依赖单一云端算力堆叠，具备向企业本地化部署迁移的技术弹性——这一点在企业数据主权诉求上升的背景下，是一个可以被独立验证的技术信号。
第二层：推理加速层——Cider解决的是"能不能落地"的问题
模型层解决"能不能做对"的问题，但端侧场景还有一个更现实的约束：本地算力有限，模型再准确，如果跑不动或者跑得慢、耗内存，也无法真正进入企业日常工作流。于是，明略推出了开源的面向Apple Silicon的端侧推理加速框架Cider。
从架构逻辑看，明略选择自研推理加速框架而不是完全依赖第三方推理引擎，说明公司在"模型—硬件"这一层也在做纵深投入。
第三层：协作平台层——Octo把单个智能体变成协同网络
如果说前两层解决的是单个模型和单个设备上的效率问题，Octo要解决的是另一个维度的问题：多个智能体之间、以及智能体与人之间如何协同工作。Octo是明略开源的Agent协作网络，支持私有化部署，定位是让数据与知识主权回归企业和用户，将孤立的AI Agent重构为可协同的工作网络。
这一层有一个内部实测数据可以作为观察窗口：明略官方披露，公司内部Octo平台上已有3000名以上Agent与1400名以上员工协同工作。这类数字的价值在于，它们描述的是公司自己内部真实的工作流改造，而非面向客户的营销案例。
对外层面，明略基于Octo以Agentic Services模式向客户交付数字劳动力，目前披露的落地场景包括品牌广告、小红书投放、抖音电商三类场景。这意味着Octo不只是一个开源的技术展示项目，而是同时承担对内提效和对外交付两个角色，这是判断其商业化成色的关键——一个只对外讲故事而内部不用的协作平台，和一个内部先跑通再对外输出的协作平台，可信度是不同的。
第四层：评测标准层——从"被打分"到"定规则"
前三层都需要被验证，这就是评测层存在的意义。明略在这一层做了两件事。第一件是在公认的第三方榜单上取得可验证的排名，包括前面提到的OSWorld、Mind2Web、ScreenSpot、MMBench等。
第二件事更值得关注：明略已经参与"大模型安全测评基准共建行动"，并提前布局Web Agent综合评测基准，同时通过WebRetriever全球挑战赛的形式邀请外部开发者参与评测体系建设。
这两件事合在一起，反映的是明略在评测层的角色正在从单纯的"参赛者"向"规则参与制定者"迁移。这个信号的重要性在于：如果一家公司只是不断在别人定的榜单上刷分，长期护城河有限；但如果公司开始参与评测标准本身的制定，意味着其技术积累已经被行业认可到一定程度，可以反过来影响后来者的竞争规则——这是一种更难被短期复制的位置。当然，这类"标准制定"角色的实际影响力，仍需要观察后续有多少行业参与方采用明略主导或参与的评测框架，目前仍处于早期阶段。
四层如何咬合
把四层放在一起看，逻辑链条是：DeepMiner/Mano系列解决模型能力的上限问题，Cider解决这个能力能否在有限算力上高效落地的问题，Octo解决多个具备能力的智能体如何协同变成组织级生产力的问题，评测标准层则提供外部可验证的锚点，证明前三层不是自说自话。这四层如果只做通一层，很难构成竞争壁垒；四层同时具备且相互配套，才是"闭环"这个词的实际含义。
