雷遞網 雷建平 3月24日
deepseek的橫空出世，不僅快速打破原有大模型六小虎格局，還形成一個國民級的大模型，越來越多的企業開始投入到應用deepseek的浪潮。
零一萬物則是行業第一個全面擁抱deepseek模型的六小虎，還面向企業客戶提供企業級deepseek部署定製解決方案。
零一萬物創始人、ceo李開復接受雷遞網創始人雷建平專訪時說，deepseek憑藉開源且出眾的性能形成一個中國式的deepseek moment，對企業經營者來說，大家今年真的必須接入大模型了，如果不接入，不是企業領先或落後的問題，可能是一個傳統行業的存亡問題。
李開復指出，六小虎的模型做得也不錯，未必會遜色deepseek很多。只是大家必須認知到，deepseek最重要的一個影響就是，開源是終局，要主動擁抱開源模型才是突圍之路。隨着deepseek成為一個現象級的事件，理性務實的選擇應該是首先考慮怎麼去擁抱，這就是零一萬物做萬智的重要理由。
超大模型的訓練不是創業公司能夠繼續堅持的選項
deepseek走紅之前，零一萬物就開始了業務轉變，不再進行萬億參數以上的超大模型的訓練。
李開復說，零一萬物在過去的一年已經有一個很強烈的認知——超大模型的訓練不是一個創業公司能繼續堅持的選項，因為每次花幾千萬美元和大量的資源訓練萬億參數以上的超大模型，只能用三、五個月，在現階段都很難收回成本。
從2024年下半年開始，零一萬物就不再做超大模型訓練，而是轉做yi-lightning這樣參數適中而能幹的性價比很高的模型，即便這樣的模型，零一萬物也要考慮它的投資和回報。李開復指出，「模型訓練是一個投資回報的問題，這是一個商業成本（ business expense） 的問題，我們是願意也有能力再繼續訓練超大模型，但是一定要能回答這樣的一個靈魂拷問。」
也是這種背景下，零一萬物與阿里雲聯合宣布啟動「產業大模型聯合實驗室」，強強聯合的新型合作模式包含雙方在技術、算力、業務、人才等板塊技術共享與深度共建。原因在於，有超大模型的底模才能做好行業模型。如果零一萬物自己不做超大模型訓練，就需要有朋友能夠幫其訓練能夠成為yi模型「教師模型」的超大模型。
李開復認為，在中美，當前超大模型的預訓練正逐漸寡頭化，且寡頭化的程度在不斷加大。中國大模型領域未來可能會收攏到deepseek、阿里巴巴、位元組跳動三家。deepseek是李開復最看好的一家，也正是基於這一邏輯，零一萬物選擇將deepseek接入萬智企業大模型一站式平台，並推出了企業級deepseek部署定製解決方案。
李開復說，如果deepseek是windows內核，零一萬物提供的平台則是windows操作系統、應用程序、ui界面。沒有windows 操作系統、應用程序、ui 界面，windows內核就無法發揮真正的價值。
百花齊放的ai-first應用浪潮正在來臨
很多年前，李開復就堅定看好ai浪潮，李開復認為，在極高性價比的輕量化模型催化下，ai-first應用迎來井噴期，百花齊放的ai-first應用浪潮正在來臨，真正解決市場痛點、穿透企業核心業務流程的應用，將創造真金白銀的價值。
原因是，大模型的能力已經變得超強，模型的成本變得非常低，ai-first應用百花齊放是水到渠成的過程。「就像當年mobilefirst應用是移動互聯網的機會，ai-first應用爆發就是ai 2.0時代的機會，每個應用都會被重做一次，包括企業級市場裏面的每個應用也會被重做一次。」
零一萬物下場推企業級deepseek部署定製解決方案背後，是2025年，越來越多的企業願意把更多的預算投入到大模型領域，但deepseek在企業落地存在三個難點（部署難、應用難、定製難）。因為deepseek和梁文鋒在技術方面很強，但是他們希望能夠專註在做出一個世界頂級的大模型。因此，deepseek的精力並沒有花在企業部署與應用上，這樣就有了一個市場的空白。
而零一萬物給出了解法——企業deepseek落地「三步走」：
第一步：推出一體機部署方案，預裝華為昇騰等高性能gpu，內置deepseek全系列模型；
第二步：提供快速搭建agent的能力。集成聯網搜索、企業知識庫、ai ppt、ai數字人等成熟應用組件的同時，也允許企業自己通過點擊、拖拽等簡單操作創建、修改專屬agent；
第三步：支持行業定製，企業可根據自家知識庫，針對deepseek做fine-tune（模型微調）。
當前，李開復每天都很忙碌，他說，我們等了十幾年才等來了ai2.0浪潮，而且ai 2.0是有史以來最偉大的科技革命和平台革命，市場機會遠超移動互聯網。「所以我每天的時間都不夠用，都是忙着去尋找合作夥伴、客戶，尋找創造價值的機會。」
零一萬物的商業化也取得了很大進展，零一萬物2024年收入超一個億，2025年第一季度就快追平2024年全年營收，tob業務佔了大頭。李開復說，這主要是用戶的認知增加，進而帶來了用戶的需求提升，雖然零一萬物離盈虧平衡還有一段距離，但未來可期。
以下是專訪零一萬物創始人、ceo李開復實錄：
雷建平：開復老師，零一萬物是什麼時候決定推出萬智企業大模型一站式平台，提供企業級deepseek部署定製解決方案？
李開復：2025年春節後，我們看到了deepseek現象級表現。中國之前沒有chatgpt moment，還沒有一個全民了解大模型威力的契機，deepseek憑藉開源且出眾的性能形成一個中國式的deepseek moment 。deepseek一下子就成為國民級的大模型，我周圍認識的基本所有的人，之前不懂不用不了解大模型的，現在通通都用上了。
這其中既包括個人用戶——當然零一萬物暫時沒有面向國內發佈 toc 產品，也包括了很多企業的老闆們。春節在家的時候，很多人就第一次用上了deepseek，這也是很多人是第一次用了大模型，用了都覺得挺好。
這些人回到公司，就要求說公司應該去看看怎麼能夠用上。我所見到的不少ceo們都是這個時候開始覺得公司可以用上大模型。但用上大模型有機會也有挑戰。
好的方面是，公司的員工確實覺得大模型很好用，可是大部分員工的使用場景都停留在公文、文章的寫作，或者是通用回答。真的要給企業用，在企業業務層面創造價值，還是有相當的難度。
deepseek在企業落地有三個難：部署難、應用難、定製難。因為deepseek和梁文鋒在技術方面很強，但是他們希望能夠專註在超大基座模型的前沿技術探索。因此，deepseek的精力並沒有花在企業部署與應用上，這樣就有了一個市場的空白。
我們看到有這個空白，加上2年來，零一萬物從高質量數據集管線、輕量化模型訓練與部署、強化學習路徑、應用和工具鏈等四大技術管線構築的「大模型開發中台」也已經在企業場景落地，當然那時主要接入的是我們自己的yi系列大模型。除了我們自己的yi模型在這個中台裏面，既然deepseek已經是國民級基座模型，那我們一定要把 deepseek 接上，而且要接好。
基於這樣的一個考慮，我們決定開始嘗試接入deepseek。就是把 deepseek作為一個重要的基座模型來根據企業需求痛點和部署卡點進行微調加強，我們大概春節後就開始對deepseek做微調，並且在已有的中台能力基礎上嘗試接入增強版的deepseek，到3月17日終於發佈了。
一體機的價值在於讓大模型變得更容易被接受
雷建平：零一萬物提出了deepseek落地的三步走，第一步「安全部署」，就包含了一體機部署方案，這個一體機的價值有多大，是否會是一個暫時性的產品？
李開復：一體機現在是一個非常重要的概念，因為部署deepseek其實不是很容易，如果就一台機器一張卡，它的速度是不能接受的，很多企業並沒有能力來做一個多卡的部署，也沒有經驗，把它放在公司現在的機櫃裏面，大部分企業的it 部門沒有這個經驗來做好模型部署。部署難就是針對這一點。
當然一旦部署了之後，又會碰到一系列的挑戰。比如應用上，聯網搜索、模型微調、企業數據庫接入等達到優質的體驗效果，這些都很難，軟硬結合的方案能幫助企業用戶最大程度實現這些優質體驗。我們認為如果一體機只是把硬件環境搭起來，把deepseek 的開源模型放上去，並不能夠解決企業絕大多數所面臨的問題，所以一個軟硬結合的一體機非常重要。
長期來說，隨着ai技術的發展，越來越多的it 部門也要了解怎麼去部署各種不同的大模型。當一個新技術啟動，一體機的價值在於讓大模型變得更容易被接受。
我再重申下，這個一體機不是一台機器插了gpu，放了內存，然後接上大模型就好了。我們打造的萬智企業大模型一站式平台，提供企業級 deepseek 部署定製解決方案，就是為了打通大模型可用的「最後一公里」。萬智平台並不是一定需要一體機的，你也可以在雲上用它，如果公司已經有了部署gpu 的經驗，在已有的gpu 上也可以部署萬智平台的軟件。
如果已經買了別家的一體機，我們也可以將這個軟件部署進去。我們做這個平台不是只是自己來賣一體機，它是非常靈活的一個軟件部署方案。
雷建平：產品發佈之後，有個創業者就問，一體機的模式和算力中心模式，後續的發展會是走融合，還是各走各自的新路。
李開復：一般一個公司不會有算力中心的，他可能用了別人的算力中心，或者是他用了阿里雲或者某一個雲。我們是特別尊重客戶的需求，所以客戶有什麼需求，我們就會提供什麼。
我們可以提供一個純軟件的解決方案，放在算力中心裏。我們也會有雲部署的這個選項，這些都可以。我們的整個軟件是非常靈活的。我們也自己訓練大模型，所以可以提供端到端的全鏈條深度定製，能夠去完成從輕到重的大模型閉環部署。
從客戶角度來說，大部分我見到的企業，他們都擔心一個問題，數據安全和隱私的保護。一體機能夠確保數據的自主可控。（客戶也擔心說）一體機要不要上網，是否能夠確保數據不會外漏，針對這些問題，我們的軟硬件一體、私有化部署的方案都可以讓他安心。
當然有些企業覺得它的應用不是特別敏感，也可以接受雲的方案。還有一些客戶可能很早就擁有了大量的 gpu，甚至自己有算力中心或者自己租賃了算力中心，那這樣的話，我們做軟件部署就可以了。
雷建平：最近我在上海參加了一個企業的上市，這家企業是自己布置的deepseek解決方案。一體機是針對中小企業嗎？
李開復：不一定，因為這一體機的價位其實不是很便宜的，如果說要求模型部署後速度比較快、效果比較好，可能會要16張卡才能做到。一般的中小企業是不會願意支付這麼多錢的，那他們可能就是用雲，比較便宜，但是需要面臨數據安全的考量；如果是買滿血版的一體機，那就可能價格不菲；也可以買比較便宜的一體機，部署壓縮版的 deepseek，或者可以用零一萬物的yi模型或者是阿里通義千問模型，這樣就可以壓縮成本。
我們初期看到的大部分客戶，還是一些比較大的企業，能夠買至少8卡，甚至16卡的一體機。
主動擁抱開源模型才是突圍之路
雷建平:有人說deepseek出來之後，一下子讓大模型六小虎失色，您怎麼看待現在deepseek和六小虎之間的關係？
李開復:我覺得deepseek帶來了幾個重要的認知的改變。
第一，當然deepseek模型做得很好，很快，但我覺得六小虎的模型做得也都不錯，去評比的話未必會遜色deepseek很多。只是我們必須認知到，deepseek最重要的一個影響就是，開源是終局，要主動擁抱開源模型才是突圍之路。
第二，我覺得deepseek已經成為一個現象級的事件。所以，既然成為現象級的事件，理性務實的選擇應該是首先考慮怎麼去擁抱，這就是我們做萬智的重要的理由。
當然，我們推出萬智，也不表示大家這一輩子都只要用deepseek。我們非常相信開源模型之外，也尊重模型自由，會提供有不同的選項，讓不同的客戶可以有不同的性價比選擇，所以我們並不是只提供了deepseek， 我們還提供了阿里通義千問模型和我們自己的yi-lightning模型。
另外一個很重要的事情是，不管deepseek出現或不出現，零一萬物在過去的一年已經有一個很強烈的認知，超大模型的訓練不是一個創業公司繼續堅持的選項——因為無論是從它所消耗的成本，還是scaling law面臨邊際效益遞減的這個事實，都可以得到這樣一個務實理性的判斷。
投資人給我們投了這麼多錢去訓練一個模型，如果要花大量的資源去訓練萬億參數以上的超大模型，這個模型能用多久？我們可以很清晰地看到，在行業里一個模型生命周期可能就是三到五個月。之後別人或自己會推出更好的模型，然後這個模型就被淘汰了。
所以如果你花了幾千萬美金，然後只能用三、五個月，那就表示你每個月得掙1000萬美金，你這個投資才能夠有可能得到回報。
在現階段這基本是一個不可能的任務。一個務實的大模型初創公司，有沒有deepseek都應該提早認知到，超大模型的訓練是一個不太好算投資回報的事情。
只有幾種公司可以做，一種常年有非大模型主業的雄厚投資收益保障，不考慮商業化和融資，可以為了技術而做技術，我覺得deepseek是這樣的一個公司；
第二種就是大廠，有非常多的用戶，那燒的這幾千萬甚至幾億美金，是可以分攤到幾億甚至幾十億個用戶身上，比如位元組、阿里，它們可以做。
零一萬物去年五月發佈yi-large之後，內部就已經研判決定要往輕量化且性能頂尖的模型去探索。之後我們就往參數適中模型的方向走，我們去年10月就發了當時是世界第六、中國第一的moe模型yi-lightning（註：根據當時世界權威盲測lmsys評測），它只有千億參數，只用了三百萬美元左右的預訓練成本。但也要考慮，花的幾百萬美金能不能夠在模型的三到五個月壽命之中，能夠分攤，把錢掙回來。
所以我覺得，做一個創業公司，你每雇一個人，或者每買一台機器，都會考慮到我花的錢會不會得到一個正面的回報，模型的訓練也不是例外，這個也是一個考量。
當然還有就是預訓練pre-train邊際效益遞減的問題，這個從ilya（註：前openai首席科學家）的演講到行業的觀察，（都可以說明這一點。）我們今天也可以看到，gpt-4.5花了這麼多錢來訓練，也就略好於gpt-4o。所以就是花了相當大的價錢，得到相當小的一個提升。
如果你沒有可長期保證的經費，或者是能夠通過分攤得出合理的利潤，那這個事情是不應該做的，所以我們其實決定往輕量化模型做。把訓練模型理性務實地納入初創公司應該考慮的投入產出比考量，同時探索商業化，是一年前就開始的事情。
零一萬物不再做超大基座模型訓練
雷建平：現在就是外界一種說法，就是說零一萬物放棄了大模型，您剛剛也解釋了，您希望對外界做哪些澄清？
李開復：我們超大模型是肯定不會再訓練的。我們的 yi-lightning是一個參數適中而能幹的模型，它的推理成本只有deepseek的五分之一，其實是性價比很高的一個模型，但即便這樣的模型，我們也要考慮它的投資和回報。
所以回應就是，我們認為模型訓練是一個投資回報的問題，這是一個商業的考量，是一個商業成本（business expense） 的問題，我們是願意也有能力再繼續訓練模型，但是一定要能回答這樣的一個靈魂拷問。
雷建平:零一萬物為什麼一直堅持做輕量化的模型，這樣對整個創業公司的好處在哪裡？
李開復:我們認為今年是大模型ai-first應用爆發年。當應用爆發了，就會有各種不同的應用，有些應用比如說做生物醫藥的發明，模型再貴也沒有關係，因為它的回報是巨大的。
有些應用可能是一個全面應用，像豆包這樣的應用，就用不起太大的模型，一方面是用戶基數太大，用超大的模型，賬算不過來，還有一個問題是超大模型有時候也會很慢，慢的話對用戶體驗也會有影響。
所以我們認為小的模型，只要賬算得過來，我們還是願意做，但更考慮性價比。
百花齊放的ai-first應用浪潮正在來臨
雷建平：大模型領域每天都是層出不窮的各種更新，各種新的產品出來，你怎麼看待這種現象？
李開復：我覺得這是好事。從兩年前就開始，有很多應用開始湧現出來，但是我覺得兩年前的應用可能有幾個巨大的問題。
一個模型能力不夠，當時只有gpt-3.5，其實gpt-3.5是很難能夠在應用上找到pmf的；第二個問題是模型太貴，當 gpt-4出來的時候是75塊美金/100萬個token，那今天像deepseek、零一萬物已經把價格變成幾毛錢，甚至幾分錢/100萬個 token。
所以兩年前做應用可能是太早，做探索可以，但是真的想用來賺錢或者達到巨大的用戶量，模型能力不夠，用戶體驗不夠好，成本也太高。
我覺得大模型領域很神奇的地方就是，第一，它的iq在不斷提升。從兩年前到今天，我們每個月都看到在lmsys 或者其他的榜單上面都有更多更優質的模型出現。
可以說，如果這個大模型是個人的話，每年可能的iq 就會增長30個點，這是很驚人的事情，而且近幾年一直沒有停下來。也許不是因為預訓練而提升，但是總之它有在提升，而且這個提升沒有慢下來，甚至還有一點加速的感覺。第二，它的推理成本每年要降10到20倍，過去沒有任何一個底層技術，它的演進速度這麼快同時還這麼快地降價。
所以我們認為百花齊放的ai-first應用浪潮正在來臨，就是今年。兩年前太早，只能探索，一年前有一些機會。今年模型能力已經變得超強，模型的成本也變得非常低，這個百花齊放是水到渠成的。
從toc或tob的角度來看，我覺得每個應用都會被重做一次，我們可以說，一定程度上移動互聯網時代，抖音是把youtube重做了一次，當然這兩個不是完全一樣的產品，但是因為你有了移動，就可以帶來很大的價值，你可以說美團是把點評重做了一次等等，移動互聯網的特點是，可以隨身攜帶一天24小時，他知道你在哪裡，那麼所以它能把pc的應用做得更精彩，尤其是那些所謂的mobile first的應用。
ai2.0時代也是一樣的，如果把一個超級大腦用在每個領域，無論是教育，金融，醫療等等的領域，當都有一個超級大腦能夠隨時接入時，每個應用都會有一個巨大的改變。就像mobile first 應用是移動互聯網的機會，那ai-first應用爆發就是ai 2.0時代的機會，所以我是非常相信每個應用都會被重做一次，包括企業級市場裏面的每個應用也會重做一次。
做出ai-first應用可能跟以前做應用的方法不一樣，且它帶來的價值也會變得很不一樣，會變得更大，所以我覺得今天到處冒出ai-first應用，是一個必然的，也是一個好的現象。
當然，這不是說每個應用都會成功，移動互聯網時代有很多應用成功了，有更多的應用失敗了，ai 2.0時代也是一樣。
阿里與deepseek訓練更大更強模型扮演老師模型角色
雷建平：過去的半年，零一萬物的動作很多，當初為什麼會選擇和阿里牽手，成立產業大模型實驗室？
李開復:因為我們覺得像阿里或者deepseek的角色，就是要訓練超大模型，而我們的角色就是要做行業應用和行業的模型，而行業模型是離不開底模的。你如果自己不訓練，那就要有朋友能夠去幫你訓練超大模型。我們需要超大模型的底模來做老師模型才能做好行業模型。
我最近見了不少人，他們就認為做行業模型就是用很小參數規模的模型、用少量的行業數據訓練模型出來，其實並不是這樣的。因為，你需要有一個性價比合適，而且用戶體驗很好，不能太大的模型，我們稱為極速模型，作為你的底座。這個模型如果要提升它的能力其實是需要一個老師模型的，那以後像阿里跟deepseek訓練更大更強的模型出來，就可以扮演着老師模型的角色。
所以我們跟阿里這方面的認知是非常一致的，我們希望阿里訓練的超大模型，能夠來做老師來訓練我們的極速模型。在我們的極速模型之上可以做出優質的行業模型，所以這三件事情是要一起考量的。
如果你沒有一個老師模型，那你的極速模型可能達不到到最好的效果。如果你有了一個很好的極速模型，你不在上面增加行業數據，那它也只是一個通用的玩具，並不能夠對目標行業建立很深刻的認知和理解。
要做行業模型，其實你是要掌控模型訓練的全棧能力，也就是說我們需要有所分工，我們零一萬物不做超大模型了，我們做輕量化極速模型以及行業模型，做這兩件事情還是需要有相應技術棧和算法專家，因為行業模型也需要訓練。雖然我們不做超大模型的訓練，我們還是需要有模型訓練的人才和技術，才能夠把這個極速模型或者行業模型訓練出來。我們跟阿里是這樣的一個合作和分工。
雷建平：零一萬物與蘇州高新區成立了一個大模型產業應用的基地，涉及金融、政務等多個方面。零一萬物是什麼機緣和蘇州達成這樣的合作？
李開復:除了金融、政務之外，還有比較重要的領域是知識產權，或者說是法律。我們認為蘇州是一個非常健康的經濟體，蘇州的各行各業都發展得很好，是非常良性的營商環境，蘇州的 gdp 也都有非常好的增長。我們也看到蘇州的各個領導也非常希望有行業模型和行業解決方案能夠賦能傳統行業來做 ai +，或者你可以說是大模型+。
所以我們和蘇州在這方面也達成了很好的一個共識。通過與蘇州的合作，我們會找到這幾方面的一些潛在的合作夥伴和客戶，用行業解決方案和行業大模型來賦能當地的傳統行業，以及一些很成功的實體經濟公司，讓他們能夠更快地用上、用好大模型來創造價值。
ai 2.0是有史以來最偉大的科技革命
雷建平：我看您現在每天都保持着一個非常忙碌的狀態，零一萬物發佈會剛完成，很快就去了機場。那麼，您現在最關心的是哪些問題？
李開復:我覺得現在就是商業落地的機會了，因為這個技術就像移動互聯網。移動互聯網是2008、2009年開始，真正能夠去做商業落地，而非常多的大用戶量的app是要到了2012、2013年才開始看到。
ai是加速的，如果說2022、2023年有點像2009年的移動互聯網，今年就已經是2013、2014的移動互聯網。有這麼多創造價值的機會，每個應用都要被改寫，我們等了十幾年才等來了ai2.0浪潮，而且ai 2.0是有史以來最偉大的科技革命和平台革命，市場機會遠超移動互聯網，所以我每天的時間都用不夠，忙着去尋找合作夥伴、客戶，尋找創造價值的機會。
大模型創造的價值是遠遠超過saas和ai1.0
雷建平：過去很多大模型，tob 都遇到很多挑戰，就是廠商賺不到錢，而且這個行業經常價格戰，今年開始就是很多的企業願意去嘗試，願意去用大模型，您覺得這會給零一萬物帶來哪些機會？
李開復:首先我覺得這會給整個行業帶來機會。非常坦誠地說，過去的 tob 的業務，在企業級軟件領域，無論是在ai 1.0，還是 ai 2.0，都面臨了幾個挑戰，很多企業用競標的方式，把技術提供商當做系統集成商，這對行業而言可能不是一個良性的循環。
中國的某些企業，也許是15年前看到tob 的saas的機會，也許是十年前看到ai 1.0的機會，也許是兩年前看到大模型的機會，他們就會比如說，用招標的流程，考慮性價比，來尋找這個技術提供商，而且特別重視價格，競標可能還沒開始，就已經一片紅海了。大家都是看誰能做得更便宜。那如果你是以很便宜的價錢贏標，可能做這個案子，你沒有賺錢，反而賠了錢，這自然也很難讓你花更大的精力把它做到完美，到頭來客戶可能也不會很滿意，所以就形成了一個惡性循環。
今天我覺得大模型創造的價值是遠遠超過saas和ai1.0，也看到整個行業有希望能夠走出這樣的一個惡性循環的競標過程。這可能是對整個行業的利好。
我們的特色在哪裡？我們很少參與競標，我們知道很多友商還有大廠，都是參與幾百個競標，然後拿到的可能都是很小的單子，這樣就碎片化地增加成本，也可能是賠錢的。我們做的很多單子就不做競標，這是我們的一個特色。
不做競標怎麼拿到單子？我覺得我們的另外一個特色就是，我可以敲開很多大公司ceo的門，因為我做了這麼多年ai，當我是投資人或者國際ai專家的時候，本來很多企業家就是來諮詢我該怎麼用ai ，我就會給他們很多建議。今天我們會更針對這些ceo們，去試着看有沒有可能找到一些特別相信大模型會改變公司的這些 ceo們，這些ceo他們願意把 ai 2.0放到公司的核心業務流程裏面，而不是只是做點邊邊角角的事情。
在這些相信數字化轉型加 ai 2.0可以創造巨大價值的公司里，ceo願意花更多的錢，把 ai放在公司的更核心的位置，提升企業生產力，這樣的公司就是我們潛在的合作夥伴。這樣我們就有機會不經過競標，用一種合作共創的模式來幫這些公司提供價值，這是第一個打法。
第二，我們會去尋找滿足這些條件的公司：用ai大模型以後能夠非常快地看到錢的，不需要做太多數據的收集與改造的。
有些公司可能本來興緻勃勃地進場想部署大模型，後來發現內部的數據都是亂的，花了可能小几千萬，數據還沒整理好，也還看不到任何的大模型的紅利，然後就比較失望甚至會放棄。
所以我們會去尋求這樣的行業：它的數據是很自然地會被儲存起來，不需要重新收集整理標註，本身的業務是一種所謂數字化業務，比如說銀行、保險公司、律所、遊戲等這些領域裏，本身它的數據的存儲就是非常關鍵的。在銀行業，你不把過去的客戶所有信息存起來，你不可能做好銀行業務，所以他在接入大模型時就不會面臨數據的問題。
同時，對於這些數據驅動的公司，效果也可以很容易衡量，我一旦對接了大模型，我是能夠省多少錢或者賺多少錢。我們會比較偏重做這些行業。
我們花了很多時間精力把所謂的「模型研發中台」做好。在兩年前有些公司想要追求時髦，就先買個模型，但是買了以後發現也不能用。現在越來越多公司知道了，自己需要的是完整的企業級解決方案。目前市面上還沒有出現完美的應用，能不用模型中台，接入底模就能成為企業生產力。
所以企業還是要在基座大模型做開發、接入應用從而穿透核心業務流程。3月17日發佈會我們也談到了，如果你需要模型做出更懂企業的回答，你需要對接聯網搜索，降低幻覺，增加實時性的數據，甚至可能需要深度研究功能；即便已經搭建了應用，基座模型還可能需要做微調，甚至是繼續訓練，還有強化學習。那模型中台如果能夠打造得很好，就可以讓企業更容易去對接，所以這也是我們做萬智的一個初衷。
還有一點，我們覺得有些領域在國內可能還沒有一個很好的付費習慣，但是國外是有的，所以我們也會對接一些國外的業務。
我們今天的商業化得到一點初步的成績，也是因為我們這四點比較獨特的打法。
離盈虧平衡還有距離但未來可期
雷建平：您說零一萬物tob 的業務一開始就非常健康，去年營收超過了一個億，而今年第一季度就接近去年的全年，tob佔了大頭。營收增長這麼快的原因背後是什麼？
李開復:零一萬物2024年收入的一個億，包括了tob和toc ，不是只有 tob，要不然有點誇大。今年我覺得主要的原因就是用戶的認知增加了，進而帶來了用戶的需求量提升了，這些用戶包括了 tob，也包括了政府今年的採購，無論是在tob還是tog的領域，整個領域都增加很多。我們也看到我們有些友商也表示了他們今年比去年也有很好的成長。
雷建平：零一萬物今年能實現盈虧平衡嗎？
李開復:離盈虧平衡還有一段距離，但未來可期，因為我們的收入跟開銷已接近打平。這一年我們開銷大幅降低的同時收入大大提升。如果你去年問我這個問題都不敢想，不要說盈虧平衡了，我們收入跟開銷都是不成比例的。今年，這兩個應該會非常接近。
雷建平：2025年零一萬物有哪些大的計劃？
李開復：腳踏實地，尊重客戶的需求，尋找合適的賽道，然後拿到更多單子，通過技術研發來解決真實用戶的需求。我覺得作為一個行業的佈道者，我也會希望能夠繼續去讓更多人了解大模型領域。
大家今年是真的必須接入了大模型了，因為不接入的話，不只是你領先或落後的問題，可能是一個傳統行業面臨生存挑戰的問題。
———————————————
雷遞由媒體人雷建平創辦，若轉載請寫明來源。
