Without Kai-Fu Lee, What Does 01.AI Have? A Question and Answer Session

Full text · 原文 4,662 字

Jay 发自凹非寺 量子位 | 公众号 QbitAI 没了李开复，零一万物还有什么？ 这个问题，是在零一万物发布会上，被抛给零一万物CEO、一号位李开复的。 李开复的反应很有意思。他笑了，很松弛的那种，然后不紧不慢地给了三点回应： 1、身体非常健康，正值当打之年。 2、自己主要负责敲第一次门、维护关系，并不占太多时间； 3、团队已经能自主拿到订单，而且这个比例还在持续上升。 说实话，现场的很多对话都太精彩了，我全程吃瓜脸。 但在上述回应之外，我觉得李开复之所以至今仍然亲力亲为，可能更跟他一直坚信的一个判断有关—— AI转型，必须一号位亲自来做。 发布会上，李开复再次强调了这句话。它适用于零一万物，更适用于所有正在做AI实践的公司。 这背后其实藏着一个微妙的内生悖论： 很多企业的中层和普通员工，对AI多少带着点抵触、抗拒，甚至恐惧。如果把AI转型这件事交给团队去推，底下的人难免会想—— 这东西搞好了，是不是我的工作就没了？ 那怎么办？ 零一万物从第一性原理出发，给出的答案是： 直接赋能一号位，让他们自己先把AI用起来、用透彻。 换句话说，就是让各部门的一号位，率先变成「超级个体」。未来公司的终极形态，或许就是一群OPC组成的超级公司。 不是每个OPC都要自己创业，公司应该提供足够的空间，让这些OPC成为DRI（直接负责人）。 我同事看到这句话，第一反应是： ？新时代的MCN？？？ （doge） 而这次零一万物集中发布的产品，同样脱胎于这套第一性原理： 万策：企业决策中枢平台； 老板AI、销冠AI、投资官AI。 下面量子位经整理后的演讲精华。 Enjoy。 「一号位」工程 DeepSeek-R1刚发布那阵，不少公司火速采购。 李开复问一些CEO：买了吗？——买了。 用了吗？——用了一阵。 员工拿来做什么？ 算命。 …… 这正是很多CEO正在面对的真实困境。在与数百位CEO深入交流后，李开复指出，企业AI落地背后藏着三重痛点。 企业AI为何沦为「玩具」？ 1、AI不了解你的业务。 今天的模型和通用Agent已经足够聪明，但这就像把高考状元请进公司——他入职第一天，对业务的贡献几乎为零。 原因很简单：他不知道公司的数据在哪、流程怎么走、安全边界划在哪。 AI面临的，是同样的处境。 2、大部分公司还拿AI当软件。 很多老板的逻辑是：过去怎么装SAP、用友、金蝶，今天就怎么装AI。选模型变成了采购任务，从几家供应商里挑一个”最好的”。 做Agent也一样。CIO首先想到的是各部门需要什么——客服、销售、还是法务？ 这些应用当然有用，但坦白说，它们大多处在业务边缘，价值更多是节流：少招几个人、省一点成本。 这对公司有价值，但没有深入核心业务流程，也没有把财报当作最终目标。最后做出来的，可能是一盆漂亮的盆景—— 长不出一座森林。 3、决策人存在错位。 既然目标是改变公司财报、以ROI为根本，这事就不再只是CIO的工作了。 它一定是CEO一号位的工作。 这正是零一万物的切入方向。 解法，从上到下的一号位工程。 零一万物想构建的，是一套真正服务企业一号位的AI决策中枢，叫万策。 通过这套中枢，公司的决策流程将形成一个完整的闭环：通过系统做出的每一项决策，都会收到对应的反馈——哪些建议有效、哪些效果不佳、最终采纳了哪些方案……系统会基于这些信息持续优化输出，让答案质量不断提升。 这件事情非常重要，说实话，未来企业的竞争力和护城河，很大程度上就在于这套「闭环」。 李开复描绘了一个场景： 有两家公司，一家今年就开始用万策，另一家两年后才入场。 虽然拿到的是同一套产品，但先用的那家，系统已经进化了两年。它能帮企业做出更好的决策，看到更多事实，规避更多风险。 决策中枢的四块拼图 具体来说，这套决策中枢被概括为四块关键拼图—— 大脑：大模型，负责语义理解、业务知识支撑、推理与判断。 地图：企业本体，用语义定义企业的业务世界，包括客户、合同、审批节点、业务……让AI读懂一家公司。 导航系统：动态上下文，追踪交易状态、审批推进、事件变化和实时业务状态。 操作系统：执行层，把判断变成安全、可控、可审计的行动。 说到这，我突然想起前阵子Fable 5发布时出现过一个挺有意思的争论： 大模型已经足够强了，Skill、SOP……所有Agent工程最终都会被模型层吃掉。 但李开复不同意。 他的逻辑是——大模型存在一种「先入为主」的倾向：它基于某个方向做出判断后，会固执地沿着这条路径走下去，试图证明自己是对的。 因此，需要多Agent做头脑风暴，用结构化的方式对抗模型的「确认偏误」。 未来公司的形状？ Jack Dorsey曾经在一篇文章里提倡：大公司里需要DRI（Directly Responsible Individual，直接负责人），这个角色至关重要。 李开复进一步补充，DRI要成功，有两条前提： 1、充分甚至绝对的授权。 2、既要有管理AI的能力，也要有协调部门的能力。 但现实是，这不是每个人都干得了。 所以，零一万物的策略是：基于一号位工程，先让CEO、首席投资官这些关键一号位把产品用起来。 本质上，DRI也可以理解为OPC。但在大企业语境下，不是单打独斗的OPC，而是一个OPC集群。 OPC不一定非要去创业。每家公司都应该提供足够的空间，让这些OPC成为DRI，给他们更多token、更多资源、更多决策权。 但也别急。这件事不是越快越好。 传统公司别一下变得太快，循序渐进比较好，先从混合模式做起，最终过渡到DRI模式。 这个过程可能需要两三年。体量更大的传统公司，甚至可能需要五年。 Q&A精选实录 发布会结束后，零一万物进行了近一小时的闭门媒体交流会，信息密度极高。 整个过程中，李开复始终非常Chill。面对尖锐提问，他依然松弛，全程面带微笑。 为了更高效地传递核心信息，量子位不做过多加工，直接奉上一手实录。 记者：您过去一年深入拜访了很多客户，帮助他们做AI落地。您如何确定自己的拜访名单？ 李开复：有时会从CEO或CIO入手，由团队先完成初步接洽，必要时我再出现。有些面向CEO的专场演讲，我也会更积极地参与。此外，不少CEO通过我们发布的信息主动找上门。如果需要我出面，我当然会去，但多数时候，团队已经能够稳妥处理这些客户关系。 这些客户的变化也很明显。他们越来越着急，越来越确信自己必须采取行动，也越来越清楚地意识到自己需要帮助。 记者：相比其他公司，零一万物最难复制的是什么？是开复老师的个人资源、对谈企业数量，还是模型能力？ 李开复：刚开始推行一号位工程时，我个人或许有一些独特优势，能够触达部分核心用户。 但在深入了解用户、协助他们完成一些项目后，我们已逐步理解客户的共性需求，对产品进行泛化，同时对Ontology等底层技术也有了更深入的认识和发展。 通过接触更多企业，尤其是与一把手深度交流，我们能够更深入地挖掘他们需求的共性。在此基础上，结合我们对下一代技术发展的判断，最终形成系统性的竞争优势。 关于模型，我也补充一句。我们非常尊重各家模型公司，但客户的需求确实已经发生了明显变化。 一两年前，很多客户还会问我，到底该选哪个模型，希望我帮他们做推荐。但最近他们面临的困扰变成了模型太多、变化太快，反而不知道怎么选。 对企业客户来说，选择模型本身并非他们最想投入精力、也未必最擅长的事情。 这有点像企业IT部门采购电脑。作为CEO，我不会特别关心这台PC里用的是哪家的芯片、哪家的内存；我更关心的是它是否稳定、好用、能满足业务需求。我会信任IT部门的专业判断，也相信他们采购的设备里自然会配置合适、优质的组件。 模型正在越来越接近电力这样的基础能力，大家不会每天关注电来自哪家电厂。企业使用AI时，也会越来越少纠结底层模型的品牌，更关注最终效果、成本、可靠性和可持续迭代能力。 当然，我这里主要指企业级用户。个人用户的选择逻辑可能会有所不同。 记者：如果开复老师不再去见一百位CEO，这套模式还能跑通吗？没了李开复，零一万物到底还有什么？ 李开复：作为CEO，一定要确保公司基业常青。这样的依赖性并非我引以为豪的事情，我更希望公司能够长期良好运作。 首先，我身体非常健康，正处在当值当打之年，公司可以期待我更长期地服务。其次，我们现在看到越来越多一号位案例来自团队，这个比例正在提升。 第二，我所谓的一号位工程，主要是敲第一次门、转化一些单子，以及维护和一号位的关系，它并不占用我很多时间。 第三，我用了老板AI，释放了自己很多时间，所以我有时间和精力做一号位对接。 大概两周前，我用演讲的方式见了接近200位CEO，一对一见了30位，这也没有问题。 最后，我们目前重点服务的是大型企业客户，真正适合使用我们产品的企业，在全球范围内可能也就是两三千家。 到目前为止，我们已经接触了其中五六百家。未来两年内把这些重点客户基本覆盖一遍，是完全可行的。 记者：作为一号位，不论是销冠、投资官还是老板，他们的隐性知识都非常难数字化。这个难题如何攻克？ 姚璨：企业里面有非常多沉默数据没有被挖掘出来。大家可以想象一下，现在有一个AI助手，你和它发起对话时，AI第一次给出的答案你不太满意，于是你会继续追问。 这个过程中形成的数据非常有意思。你其实是在利用脑海里的一些隐性经验，教会AI如何理解问题、修正答案。 公司里还有很多流程性数据。我们的流程到了哪一个节点，应该由谁审批，他的审批意见到底是什么？这些隐性数据，对于一个决策流程来说非常关键。 记者：Palantir的CEO前一段时间批评OpenAI和Anthropic，认为Token模式存在一定价值问题。开复老师怎么看？ 李开复：这要分不同的工作来看。有些工作用非常便宜的Token就能满足需求，有些工作必须用顶级Token，比如编程。因此，Token工厂、Token流确实具有商业价值，也是一种可以持续下去的商业模式。 不过，我想特别强调，绝大部分企业的业务不同、决策不同、老板的需求也不同，Token模式并不能解决这些差异化问题。当你面临的问题越有挑战性、企业越独特，Token模式就越不适用。 所以，Palantir可能并不认同这种模式，但这并不代表它不合逻辑。如果我是OpenAI、Anthropic或者中国类似的公司，我也会这样去卖Token，这没有问题。 在很多工种和需求场景中，Token模式可以达到80分，甚至85分。 而Palantir CEO所说的，正是那些特别困难、特别专注、具有高价值的事情。客户无法接受85分，他们一定要做到99分。想达到这样的水平，就需要产品。这两种模式并不冲突。 关于3至15个月的差距，这个差距会来回浮动。DeepSeek-R1出来时，差距大概是3个月；Mythos出来后，应该又到了15个月。 但客户不在乎，企业也不在乎。 OMT 大概就是这些。信息密度巨高，一上午下来大脑直接过载。 正收拾书包，想着中午点啥外卖的时候，开复老师突然拿起话筒说： 还给大家准备了一份礼物。 然后——工作人员推了一小车的卤肉饭上来！ 不开玩笑，真的巨好吃，和乡村基的完全不一样！！ （原谅我贫瘠的美食词汇量） 据说，是开复老师的家传配方。 对了，还有件挺重要的事。 7月中旬，开复老师会带着新书《AI未来已来》亮相WAIC。想签售的朋友可以提前蹲守一下。 （doge）

Site key	qbitai
Policy area	人工智能
Category	report

Without Kai-Fu Lee, What Does 01.AI Have? A Question and Answer Session

「没了李开复，零一万物还有什么？」一个敢问一个敢答