Meta Muse火了，Agent成本能否收住？明略科技(2718.HK)用端侧部署给了新答案lg...

近日，Meta Muse爆火，它的产品形态是在云端开一台虚拟机帮用户跑Agent任务。每一次对话、每一次任务执行、每一次多步推理，都在Meta的云端消耗算力。

这个架构在产品早期没有问题，但随着用户规模扩大，一个结构性矛盾会越来越明显：Agent和传统SaaS不一样，用户越活跃、任务越复杂，推理成本越高。SaaS多一个用户多占一点存储和带宽，边际成本趋近于零；Agent每一次调用都是真金白银的算力消耗，不会随规模自动摊薄。

Meta Muse定价20和100美金两档，背后一定算过推理成本的账。但如果用户深度使用100美金档的全部功能——读取社媒数据、分析聊天记录、执行复杂的多步任务——单用户的推理成本可能远超C端互联网产品的常规水平。这也是为什么腾讯在二季度业绩电话会上明确提到，小微的推理目前主要在云端完成，但长期要走端云混合路线，部分推理任务逐步下沉到手机和PC端侧。

推理成本控制不住，Agent商业化的利润模型就立不住。这个问题在C端是规模难题，在B端是另一道完全不同的题。

C端用端侧芯片分摊成本，B端用私有化部署重构成本结构

腾讯近期在电话会上表示，小微的推理仍主要在云端完成，但长期将形成云端与端侧混合的计算架构。把轻量推理下沉到用户的手机和PC上跑，省下来的是每个用户几美分的云端成本，乘以亿级用户基数就是巨大的数字。

而B端Agent面对的成本方程式有本质差异。

首先是单次任务的推理负载更重。帮个人用户查天气、做日程，单次推理消耗有限。帮企业跑一个完整的营销效果分析、执行一条跨系统的业务流程、处理一次多维度的数据整合，每个任务的推理量可能是C端单次交互的十倍甚至几十倍。

其次是数据安全的硬约束。企业的核心业务数据——客户名单、交易流水、运营指标——不能上传到公有云做推理。这个约束不是偏好问题，很多行业有明确的合规要求。

明略科技选择的路径是模型与平台的企业级私有化端侧部署，这个选择同时回应了两个问题。

成本层面，推理在企业本地的服务器或私有云上跑，算力开支由企业自身的IT投入决定，按部署能力计费，可预测、可规划。不存在C端那种"用户越活跃成本越高"的线性增长困境——企业的算力资源是固定投入，Agent跑得越勤，单次任务的分摊成本反而越低。

数据安全层面，所有推理都在企业边界内完成，业务数据不出网，数据主权有确定性保障。这一点对金融、零售、医药等数据敏感行业来说，不是加分项，是准入条件。

明略的端侧布局，要与行业经验和业务执行能力一起看

企业引入Agent，关心的不只是模型部署在哪里，更在意它能否接上现有系统、理解业务要求，并把工作稳定地完成。明略端侧布局的差异化，需要放到这套完整的交付能力中理解。

首先是行业经验。明略二十年来服务品牌广告主和企业客户，积累了对业务流程、指标口径和常见决策场景的理解。将这些经验整理成Agent可以调用的知识、规则和技能，有助于减少上线初期反复梳理需求、调整流程的工作，让部署更快进入实际应用。

其次是执行经验。Octo在明略内部真实业务中的持续使用，为团队判断Agent的能力边界提供了依据：哪些任务可以独立完成，哪些环节需要人工确认，执行遇到问题时应该如何调整。这些任务记录与验收反馈，可以在相应授权范围内用于优化工作流，把一次项目中解决过的问题，转化为后续交付可以参考的方法。

端侧能力解决的是部分任务如何在本地运行，行业知识帮助Agent理解工作要求，执行经验则帮助它选择流程、处理异常。企业愿意付费的，是这些能力组合之后带来的实际效果：部署更顺利、返工更少、交付更稳定。

从长期看，端云混合是值得关注的演进方向，但B端和C端很难简单按固定比例划分。个人应用需要兼顾使用便利、设备性能和运行成本；企业应用则往往更重视数据边界、系统接入和持续运维。哪些任务留在本地，哪些交给云端，应由具体场景决定。明略提前建设端侧模型和推理框架，能够为后续方案提供更多选择，也有助于根据客户需求调整成本结构。

明略与腾讯的产品协同，可以从应用层面补充理解这条路线。旗下金数据、微伴助手接入WorkBuddy后，表单处理、业务查询和客户运营等能力，可以通过Agent入口被调用。腾讯提供任务入口，明略旗下产品提供专业业务能力，让用户更方便地发起和完成工作。

这项合作与端侧布局分别回应了企业Agent落地的两个问题：专业能力怎样更方便地被调用，执行任务时怎样兼顾成本、数据要求和稳定性。随着调用频率提高，两者之间的联系会更加紧密。对明略而言，持续积累业务能力，同时完善部署方案，才有机会把便捷的产品体验转化为可持续的企业服务。

以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。