在多模态大模型技术快速演进的今天，一个关键问题始终困扰着业界：大模型应该向何处发展?是追求更大的参数规模，还是探索新的应用范式?北大系AI企业明略科技用实践给出了答案。

12月26日，在2025第三届全国人工智能应用场景创新挑战赛（CICAS）姑苏专项晋级赛中，明略科技（2718.HK）联合北京大学的参赛项目《基于多模态大模型的品牌出海创意生成与情感链接智能平台》从70余个参赛团队中脱颖而出，斩获“特等奖”殊荣，成功晋级全国总决赛。

明略科技不仅解决了具体应用问题，更重要的是，改写了多模态大模型的应用范式，为AI技术从"通用智能"走向"专业智能"、从"内容理解"走向"行为预测"提供了新的技术路径。

从对话助手到操作智能体：Mano的范式创新

传统大模型的定位，主要是"对话助手"——你问它答，它能理解你的问题，生成相应的回答。但在实际应用中，企业需要的往往不是"告诉我怎么做"，而是"帮我做"。Mano灵巧手的创新，正是实现了从"对话助手"到"操作智能体"的范式转变。

这一转变的核心，是Mano突破了传统大模型"只能对话不能操作"的局限。通过视觉理解、任务拆解、代码生成、自主学习四大核心能力，Mano实现了VLA(视觉-语言-行动)模型的范式创新。

VLA模型的关键，在于将"视觉感知"、"语言理解"、"行动执行"三者深度融合。传统的多模态模型，通常只融合视觉和语言，输出仍然是文本或图像。VLA模型的突破在于，它的输出是"行动"——点击按钮、填写表单、提取数据等实际操作。

"这不仅是技术能力的扩展，更是应用范式的革命。"明略科技技术团队表示，"当大模型能够'操作'而不仅仅是'对话'，它就从助手变成了智能体，能够真正替代人工完成复杂任务。"

Mano在OS-World评估基准中的表现，充分证明了这一范式的价值。OS-World测试的是模型在真实操作系统环境中完成复杂任务的能力，比如"在浏览器中搜索信息并整理成表格"、"从多个网站采集数据并进行对比"等。Mano以54.0%的任务成功率刷新纪录，在Special Model赛道排名第一，总榜仅次于Claude-Sonnet-4.5，位居第二。

这一成绩的意义在于，Mano用72B参数实现了与千亿级参数模型相当的操作能力。"我们不是追求最大的参数规模，而是在特定领域做深度优化。"明略科技技术团队解释，"通过模型压缩技术(荣获AAAI 2026 Oral)，我们在保证性能的同时，将模型规模控制在可私有化部署的范围内。"

更重要的是，Mano的自主学习能力，使其能够持续进化。通过"探索→使用→自标注→再训练"的循环，Mano能够自主适应新网站、新系统，无需人工标注大量训练数据。这种自主学习机制，为操作智能体的规模化应用提供了可能。

从客观内容到主观感知：HMLLM的范式突破

如果说Mano改写了大模型的"输出范式"(从文本到行动)，那么HMLLM则改写了大模型的"输入范式"(从客观内容到主观感知)。

传统的多模态模型，通常融合视觉、文本、音频等"客观内容"信号。比如，一个视频多模态模型，会分析画面中有什么物体、说了什么话、播放了什么音乐。但它无法回答一个关键问题：观众看到这个视频，会有什么感受?

HMLLM的突破，正是首次将脑电、眼动等"主观感知"信号纳入多模态建模，开创了"生理信号+内容信号"融合的新范式。

这一范式的创新性在于，它不仅分析"内容是什么"，更预测"感受会如何"。通过采集1万+真实受试者的脑电与眼动信号，构建Video-SME与SPA-ADV两大原创数据集，HMLLM学会了将内容特征与生理反应关联起来。

当一个人看到某个画面时，瞳孔会放大、脑电波会出现特定模式，这些都是真实感受的直接反映。HMLLM通过超图结构，将视频帧、音频、人口特征与生理信号统一建模，实现了从“分析内容”到“预测感受”的跨越。

HMLLM在ACM MM2024(CCF-A类国际顶级会议)上获得最佳论文提名，提名率仅2%，充分证明了这一范式的学术价值。更重要的是，HMLLM的预测结果与真人主观感受的一致性(R²)超过89%，证明了这一范式的实用价值。"

双技术协同：从理解世界到操作世界和感知主观

Mano和HMLLM两项技术的价值，不仅在于各自的范式创新，更在于它们共同代表了多模态大模型发展的两个重要方向。

第一个方向，是从"理解世界"到"操作世界"。传统大模型擅长理解和生成内容，但缺乏实际操作能力。Mano的突破，让大模型能够真正"动手"，从被动的知识库变成主动的执行者。这一方向的应用场景非常广泛：

在营销领域，Mano可以自动采集竞品数据、监测社媒舆情、分析广告效果;

在RPA(机器人流程自动化)领域，Mano可以自动处理订单、填写表单、生成报告;

在数据治理领域，Mano可以自动清洗数据、标注数据、验证数据质量。

Mano的价值在于，它让AI从告诉你怎么做变成帮你做，这是从工具到智能体的跨越。

第二个方向，是从"分析内容"到"预测感受"。传统多模态模型擅长分析客观内容，但无法预测主观感受。HMLLM的突破，让大模型能够"读心"，从内容分析延伸到情感计算。这一方向的应用场景同样广泛：

在营销领域，HMLLM可以预测创意内容的情感效果，优化投放策略;

在情感计算领域，HMLLM可以分析用户情绪状态，提供个性化服务;

在神经科学研究领域，HMLLM可以辅助研究人员分析脑电数据，发现新的认知规律。

HMLLM的价值在于，它让AI从分析说了什么变成预测感受到什么，这是从客观分析到主观预测的跨越。

从通用智能到专业智能的技术路径

明略科技的双技术创新，为多模态大模型的发展提供了重要启示：在通用大模型领域难以超越国际巨头的情况下，专注垂直场景、做深度优化的专业化模型，可能是更具商业价值的发展方向。

这一路径的核心，是"从模态融合走向能力融合"。传统的多模态研究，主要关注如何融合不同模态的信息(视觉+文本+音频)。明略科技的创新在于，不仅融合模态，更融合能力：

Mano融合了"感知能力"(视觉理解)、"认知能力"(任务拆解)、"执行能力"(代码生成)，实现了从理解到行动的完整闭环;

HMLLM融合了"内容分析能力"(多模态理解)、"生理信号解读能力"(脑电眼动分析)、"主观预测能力"(情感建模)，实现了从客观到主观的完整闭环。

作为北大系AI企业，明略科技将学术研究的严谨性与产业应用的实战性深度融合。创始人吴明辉毕业于北京大学数学系，后保送本校攻读人工智能硕士，2006年在北大读硕士期间创办了秒针系统。从北大校园走出的明略科技，在负责人吴明辉的带领下，团队在国内外高水平期刊、会议发表论文20余篇。

这些学术成果不是"为发论文而发论文"，而是技术创新的深度证明。Mano的模型压缩技术荣获AAAI 2026(CCF A类)Oral口头汇报，HMLLM在ACM MM2024(CCF-A类)获得最佳论文提名，这些成绩展现了明略科技在学术界的影响力。

同时，明略科技参与了科技创新2030"新一代人工智能"重大项目，在国家课题支撑下，将基础研究与产业需求深度结合，形成了"基础研究→技术创新→产品开发→市场验证→反哺研究"的完整闭环。

2019年，明略科技获批建设"营销智能"国家新一代人工智能开放创新平台，这一认定标志着其技术能力获得了国家层面的权威认可。2025年，明略科技成功签约为香港特区政府第五批重点企业伙伴，并担任中国商务广告协会AI营销应用工委会理事长兼秘书长单位。

对多模态大模型发展的启示

明略科技此次获得特等奖的Mano和HMLLM双技术，对多模态大模型的发展具有重要启示意义。

第一，专业化深度优化可以与参数规模竞赛形成差异化优势。Mano用72B参数实现了与千亿级参数模型相当的操作能力，证明了在垂直领域做深度优化的价值。这为中小企业和研究机构提供了新的发展路径：不必追求最大的参数规模，而是在特定领域做到最好。

第二，能力融合比模态融合更重要。多模态研究不应停留在"融合更多模态"的层面，而应关注"实现什么能力"。Mano融合了感知、认知、执行能力，HMLLM融合了内容分析、生理解读、主观预测能力，这些能力融合才是真正的价值所在。

第三，从"理解"到"行动"、从"客观"到"主观"是两个重要的发展方向。传统大模型主要关注"理解世界"和"分析客观内容"，Mano和HMLLM分别在"操作世界"和"预测主观感受"两个方向实现了突破，为多模态大模型的发展开辟了新的空间。

第四，学术研究与产业应用的深度结合是技术创新的关键。明略科技既能在国际顶级学术会议上发表论文，又能在实际应用中创造商业价值，这种"产学研一体化"的模式，是技术创新的重要保障。

明略科技的特等奖，不仅是对其技术创新的认可，更是对多模态大模型应用范式创新的认可。Mano和HMLLM双技术，代表了多模态大模型从"通用智能"走向"专业智能"、从"内容理解"走向"行为预测"的重要方向，为AI技术的发展提供了新的技术路径。

在全球AI技术竞赛中，以明略科技为代表的北大系AI企业，正在用实力证明：中国AI技术不仅能跟上，更能在垂直领域实现领跑，为全球AI技术发展贡献中国智慧和中国方案。