7月31日，国家发改委举行7月份新闻发布会，通报了上半年AI产业进展：全国智能算力规模达到去年同期2.8倍，国产大模型全球下载量突破100亿次，人工智能相关行业保持30%以上增速。真正值得留意的是"下一步"的表述——会议明确提出，要"深化生态协同，推进模芯云用全链条协同创新、高效适配"。这是"模芯云用"率先以完整表述出现在政策通报中，释放的信号是：接下来的政策资源、语料与中试基地配置，会更倾向于能在模型、芯片适配、云端协作、场景应用四条链路上同时展开的公司，而不是单点押注某一层的公司。

　　港股AI板块里，明略科技（2718.HK）是少数能在这四条链路上都拿出可验证产品的样本，也是观察这轮政策口径落地的一个合适切口。

　　在"模"这一层，明略走的不是参数竞赛的路子。明略科技创始人吴明辉多次公开表示，公司选择"Scaling Out"——把大模型按业务场景拆解为可在端侧运行的小模型集合，而不是无限堆参数。今年3月开源的Mano-P是这条路线上的验证：72B版本在操作系统级智能体基准OSWorld上以58.2%的成功率拿下专用模型全球第一，蒸馏后的4B版本能在苹果M4芯片上流畅运行，在WebRetriever等测试中的表现也超过了不少千亿参数级的通用大模型。这种"小而能打"的路线，客观上也更适配国产芯片在显存、带宽上的现实约束。

　　"芯"层对应的是端侧推理效率——不少AI应用卡在最后一公里，不是模型不够聪明，而是端侧跑不动、成本下不来。明略今年上半年发布的端侧推理工具包Cider，与Mano-P搭配，构成了"推理—模型—运行时"的完整栈。据公司公开披露，Cider在典型苹果系统场景下的推理速度约为主流方案的1.6至2.2倍（该数据来自公司自述，暂未见第三方独立测试验证）。

　　"云"层给出的答案不是自建云，而是开源协作网络Octo——Octo像是"Agent时代的微信"。Octo的差异化在于六种协作模式和精细的信息可见性控制，并支持私有化部署，契合企业场景对数据不出域的刚性要求。开源意味着代码可被审计，这也是明略在"生态协同"这条政策口径下能拿出的实证。

　　明略在"用"这一层的可验证样本已经初具规模,跑在了真实客户业务里。比如，多模态营销 Agent,用于品牌与用户之间的智能内容生成与投放;再在硬件形态上,明略还发布了AI Native 硬件 Octic——面向会议这个"AI 最该出现却至今最缺席"的场景。相较于把 AI 装进传统会议系统,Octic 的定位是从硬件层开始就为多 Agent 协作而设计。明略在数据要素上的积累也值得一提。旗下秒针系统积累了近20年的营销与用户行为数据，是短期内难以复制的存量资产。

　　把"模芯云用"四个字拆开看，明略确实每一层都拿出了能经得起检验的东西——这在港股AI公司里并不多见。更难得的是，Scaling Out的模型路线、端侧推理栈、开源协作网络、真实跑在客户业务里的场景，彼此之间原本就有内在的逻辑咬合：小模型是因为要上端侧，上端侧是因为要保数据不出域，数据不出域又恰好是国央企和信创客户最看重的东西。

　　政策文件愿意用一整段话去描述"模芯云用"，或许某种程度上也是在给这类打法背书：真正的技术商业化，从来不是单点突破，而是一整条链路都能自洽地跑通。