华体会官网:
脸上的笑意明显比前两年多了，整场问答松弛锋利，结束后甚至搬出了家传配方的卤肉饭招待媒体，绝对没了当初赶大模型热潮时的紧绷感。
当整个行业还困在“大模型怎么赚钱”的迷局里，卷 C 端日活、卷开源榜单、做了一堆没人买单的办公Copilot时，零一万物已经踩中了企业市场最痛的那块敲门砖。
“见了上百位 CEO 之后我才确认，没有一个老板会为了‘提效工具’拍板百万级订单，他们真正关心的从来只有四件事：收入、利润、增长、风险。所以我们不做锦上添花的插件，只做能直接改写财报的 AI。”李开复的这句话，是零一万物这一年所有动作的核心注脚。
有消息显示，零一万物2025年订单规模约5亿元，而2026年合约统计已达15亿元。与此同时，公司也正在筹备新一轮融资，并为2027年IPO做准备。
即面向政企和关键行业客户，零一万物提供数据整合、复杂决策支持和业务执行系统的AI 2.0平台公司。
今天上午，零一万物推出了三款“一号位决策 AI”产品：老板 AI、销冠 AI、投资官 AI，分别面向经营一号位、销售一号位和投资者一号位。
覆盖企业财报改善中最关键的三类决策场景：经营质量提升、收入增长确定性和资本质量管理。
零一万物内部多个方面数据显示，在应用一号位 AI 后，公司实现了 5 倍订单额增长，商机转化率提升 2 倍。
李开复在演讲中表示，这一轮 AI 革命与以往技术变革的根本差异，在于 AI 正在将“人的智力平价化、商品化”。随着模型能力持续提升、AI 编程能力突破以及推理成本迅速下降，对企业而言，AI 的价值不应停留在边缘流程的自动化，而应进入核心业务，参与影响经营结果的关键判断。
有机构研究表明，两年前 AI agent 能接管的任务仅几分钟，如今可达十几个小时，实现百倍提升；同时，过去两年，AI 成本一下子就下降，三年前昂贵的模型，如今平替模型成本降低了 175 倍。
此外，李开复指出，过去两年多的时间内，AI 编程已超越人的能力，很多公司的代码，90% 以上都是 AI 写的，只有 10% 是人工。
“AI 编程能力的突破，让 AI 真正拥有了改写软件、重构流程和创造系统的能力。”李开复指出，很多人觉得程序员需要因此担忧，但其实这是所有问题中最不重要的一件事情，因为当 AI 可以编程了，意味着 AI 可以做很多事情，它不只是一个回答问题的工具，而是成为了一个能调动系统、执行任务甚至能参与决策的工具。
在李开复看来，未来公司需要 DRI（直接负责人），他们需被充分授权，具备管理 AI 和协调部门的能力，对公司发展至关重要。
“对于传统大公司，应逐步推进AI，先让公司一号位使用产品，再赋能 DRI，整一个完整的过程在大多数情况下要 2 - 5 年。而新创公司，可以一开始就采用这种管理结构。”李开复表示。
李开复在结尾透露，其新书《AI 未来已来》将在WAIC时发布并签售，该书将讲述企业如何从 CEO 开始，实现真正的 AI 转型。
本场发布会结束后，李开复接受了包括智能纪元AGI在内的多家媒体专访，以下为实录整理节选。
李开复：你们认识哪个 CEO 是自己用 ERP，做出改变公司财报的决策的？我没有。大部分 CEO 用这些工具都只是看“后视镜”。我们的产品是能预测未来风险、帮助了解团队、发现跨数据库综合问题的工具，更重要的是唤醒了大量沉默数据。
无论是ERP还是其他AI工具，都不会覆盖企业会议、内部交流、客服问题、销售与客户的对话记录这一些数据。我们不仅唤醒了过去没被利用的数据，还结合了已有结构化数据，并且用 CEO 能用、爱用的交互界面，让他们离不开这个工具。
零一万物产品负责人姚璨：我们的目标并不是替代传统 BI 工具、CRM、ERP等产品，我们得知企业经营是动态变化的过程，经营数据并不仅限于结构化系统，还分散在会议系统、日常周报日报、客户沟通记录等各个角落。
比如，判断一个商机是否正常推进，我们应该了解跟客户开会的全过程、客户的真实表达，这一些信息都藏在企业分散的非结构化数据中。万策 AI 要做的是把企业内所有分散的数据整合在一起，围绕财报改善的目标构建数据间的关联关系，让 AI 理解实现财报改善的具体路径、需要整合的数据、最终要达成的目标，这是我们和市面上绝大多数产品最大的区别。
问：零一万物近期密集布局海外，而中国 AI 出海过程中会面对不同的商业环境、数据安全，您认为中国企业出海的核心竞争力是什么？万策 AI 直接面向经营决策者，怎么来适应当地环境？
1、信息差红利。中美之外的绝大多数国家都存在巨大的信息差，当我们已在讨论企业决策中枢、老板 AI 的时候，很多国家连怎么用好 Agent、怎么做好智能体框架都还需要大量帮助。咱们提供的是从底层模型调度选择，到万策AI平台，再到上层旗舰产品的完整服务，这是他们非常急需的能力。
2、市场空白。美国公司主要聚焦欧美日市场，这些市场回款快、文化语言熟悉，广大的“一带一路”国家并没有被美国公司覆盖；而且这些国家需要 FDE（现场部署工程师）落地服务，美国企业更不愿意投入人力做这件事，这正是中国企业的机会。
3、这是我们的优势。一是能触达这些国家的决策层，二是正在建设多语言能力，不仅是英语，还有俄语、哈萨克语、塞尔维亚语等小语种能力。
4、数据安全底线。我们既不会把中国数据带过去，也不会把当地国家的数据带出来，这是拿单的必要条件。
5、Palantir 留下的市场空间。Palantir 是这样的领域做得很好的公司，但他们只服务美国的盟国，造成了不平等的现象。AI 应该让全世界都能用，Palantir 不覆盖的国家就是我们的机会，而且我们进入这些市场也不会遇到强劲的竞争对手。
问：之前零一万物提出过，合伙人、期权、CEO 专项激励等措施，能不能讲讲首批合伙人的进展？何时能看到名单？专项激励目前有没明确的去向？这些措施对企业内部士气有没有实际的提振作用？
李开复：过去 6-9 个月公司士气一直很好，这些激发鼓励措施的核心目的是让做得特别好的人得到应有的奖励，而不是单纯为了提振士气。 相关措施都在按计划执行：新的期权方案我刚批了第一批。
合伙人机制还需要一些时间观察，毕竟我们还是一家小公司，未来 6-9 个月会推出首批合伙人，但我们不一定会专门为此做媒体活动，也不一定对外披露名单，整体是按照之前沟通的节奏在推进。
公司现在就在按我之前内部信里写的 1234 方法论落地：我自己慢慢的开始用老板 AI 了，负责投资和销售的负责人也在落地投资官 AI 和销冠 AI。
问：能否分享一个具体客户案例，说明引入万策 AI 后，企业在投资决策效率或转化上产生了哪些可量化的经营指标提升？
李开复：有一家超大型投资机构正在用我们的投资官 AI，他们对我们分析的每个案例都非常满意，解决了他们团队无法覆盖所有领域的痛点 —— 哪怕是近百人的投资团队，管理几千亿规模的资金，覆盖千行百业，再优秀的投资人也不可能懂所有领域。我们已帮他们分析了两个领域的两个案子，客户反馈非常正面。这个客户不是创新工场。
李开复：我们这套产品需要帮企业搭建 Ontology（本体论）和有关技术体系，所以它不是给中小企业用的，目标客户是中大型企业。
比如，投资行业落地会更快，传统制造业等行业落地周期会长一些，价值是通用的，但落地成本不同，确实不适合中小企业。
问：海外巨头也在做类似的智能体尝试，但万策 AI 真正进入了关键业务场景，最终帮企业改善财报。在决策 AI 领域，除了模型能力本身，还有哪些明显的门槛？行业Know-how、数据闭环是不是中国 AI 公司独有的优势？
李开复：我非常同意数据闭环的概念，但闭环首先要有一个“环”才能闭得起来。我们的决策中枢以及我们开发的类似 AI 操作系统的产品，才能真正形成数据闭环。如果形不成闭环，单纯的数据优势是非常有限的。
现在很多企业都清楚自己的数据重要，但只是数据多、有别人没有的数据是不够的，必须要闭环起来，这点你提得非常对。
除了模型能力之外，我们今天讲的本体论、Multi-Agent（多智能体）、AI 操作系统的整体搭建，都是非常核心的门槛，我们大家都认为自己在这方面做得比较全面。
问：过去一段时间，一号位工程在大量企业落地实践中，沉淀出的最核心的企业经营方法论是什么？
2、一号位关注的一定是核心跨功能场景，这也是为什么只有一号位推才能做成；
3、企业中层和员工对 AI 普遍有抵触和恐惧心理，如果交给团队去推，很多中层会担心 AI 影响自己的工作和地位，不知道如何管理 AI。一号位亲自站台、自己先用起来，对大家说 我都用了，你们不能不用，这个号召力价值巨大；
4、要有完整的技术体系：要有决策中枢，要管理模型调度，要搭建上层应用模块，最好能做成可泛化的产品，最终赋能能为公司创造最大价值、能改变财报的三个核心角色（CEO、销售负责人、投资负责人）。
问：过去一年您深入拜访了很多客户推动 AI 落地，后面还会继续吗？您怎么确定拜访名单？在走访过程中，您观察到客户企业在 AI 落地上有什么共同误区？国内外客户有没有差异？
李开复：未来我还是会冲在一线，但现在我也很高兴看到团队已经能独立担起很多工作，他们的分享已经很完整，很多场景我已经不需要额外加分了。
我们团队已经做得很好，通常谈得差不多了需要我出面我才会出现；针对 CEO 群体的演讲和布道我会做得多一些。而且现在慢慢的变多 CEO 看见我们的消息、尤其是今天发布的产品后，会主动来敲我们的门，这时候若需要我见我当然会见，但大部分情况团队都能稳妥处理客户关系。
现在客户的变化是，越来越着急了，越来越确定必须做 AI 转型，也慢慢变得清楚自己需要帮助，所以我们的转化率一定会提升。
过去见过的几百个客户，当时可能没想清楚，或者我们产品还不够成熟，现在都会开始转化。 国内外客户的差异：我们没做美国市场，去的都是美国以外的国家。海外客户对 AI 的热情也很高，而且订阅付费意愿比国内客户强，这是我们海外业务发展顺利的原因；但他们的焦虑感没有国内客户这么强，所以要针对性拓展。总的来看对我们都是利好。
问：零一万物发布万策 AI 这类产品，您认为相比其他公司最难复制的是什么？是您的个人资源、见过的 CEO 数量，还是模型能力、技术能力？
李开复：刚开始做一号位工程的时候，我个人确实有一些独特优势，能触达很多客户。但随着我们服务客户、做了很多项目制工作后，我们开始泛化产品，提炼客户共性需求，对AI技术的理解也慢慢变得深，现在这已经是一个系统工程了。
你问微软 Windows 的优势是什么？未必是某一项技术，也未必是比尔盖茨个人的优势，可能最开始是盖茨启动了这件事，早期 Windows 内核确实有技术优势，但最终它是一个系统工程。
我们希望做到（当然还没完全做到）的是：因我们见了足够多的企业、足够多的一号位，深刻理解他们的共性需求，以客户的真实需求为核心，同时结合下一代技术发展，两者结合形成的系统性优势。
我观察客户对模型的态度变化，一两年前客户问 哪个模型更好？我该用哪个？；半年到九个月前问 你帮我推荐一个模型吧；最近客户说 我们实在不会选模型了，你帮我们选最合适的。
模型确实有价值，但模型第一名一直在变，让企业自己选模型不是他们想做也不是他们擅长的事。
就像 IT 部门采购 PC，不会关切里面用的是谁家的芯片、谁家的内存，大家相信 PC 厂商会选好配件，直接用就好了。模型正在变成像自来水一样的基础设施，它既不是我们最专注的业务，也不是企业客户最关注的问题（当然 C 端用户可能有不同看法）。
李开复：不会。我们的 AI 不会主动去问员工问题，它只是收集所有数据，提出判断和建议，最终决策还是 CEO 来做。我自己用了老板 AI 之后，见员工的次数没有变少，但问的问题更相关、更尖锐，也对员工更有帮助，这就是老板 AI 的价值。
AI 赋能每个人是必然趋势，大多数人应该拥抱这个变化。每个员工都应该思考：我的老板用了老板 AI，我如何去做才可以得到更优秀的认可和提升？其实逻辑和过去是一样的，只是过去有些员工可以躺平、可以虚报成果、可以领了任务转头就忘，因为老板注意不到、记不住；现在这些都行不通了 —— 用了老板 AI 的老板会变得更聪明、记忆力更强，员工也需要更自驱地把工作做好。
李开复：我之前说的是明年某个季度希望实现盈利，不是今年，盈利还要时间的。
你观察得很对，拿订单和实际确收是有时间差的，我们的单子不管国内国外都是分阶段收费的，一个大单子的确收可能会在 1-3 年里逐步完成，但我们的每个单子都是客户非常核心的技术需求，每年都有交付，而且每年的交付都是在上一年基础上叠加的，到目前为止客户认可度都非常高。 我们确实有一些政企客户，但比例没那么高；而且无论是客户绑定强度、回款周期还是垫资需求，我们在政企客户上都做到了行业极佳水平。
李开复：本体论在国内外的认知差异不大，基本是 Palantir 把这个概念带火的。
这个词听起来很哲学、很高深，但其实很简单：你问大模型 告诉我你眼中的我是怎样的，它输出的两三页关于你的描述，就是你个人的本体论，你叫什么、做什么工作、经历、爱好、家庭、价值观等等。
当然，大模型做不出完整的本体论，它是基于你过去的问答和上下文猜出来的。我们做的企业本体论，就是去理解一个企业到底是怎样的公司，而且会越用越强。
冷启动阶段，每个企业的本体论素材其实都在自己的档案里 —— 组织架构、决策流程、工作流、财报等等，这些都是现成的，只要用科学的方法组织起来；不同数据可能有矛盾冲突，需要找企业内部的人来厘清，再通过推演补全缺失信息。此阶段我们会派专业工程师，用我们的工具配合客户访谈，大概两个月就能完成冷启动。
持续维护阶段，冷启动完成后维护就很简单了，数据闭环会持续运转，每次看到新数据产生新的矛盾、新的疑点，再找人确认就行，大部分问题 AI 自己就能解决，是人机协作模式，不需要太多人力。
本体论这个概念最早可以追溯到 Tim Berners-Lee（万维网之父）提出的，当时是用规则来描述人与人、人与组织、组织与决策之间的关系，像 Excel 表格一样，难读、难发现矛盾、难修改；现在有了大模型和自然语言技术，整个事情变简单了。
老板如果想看本体论，直接跟老板 AI 说“把我们公司本体论最重要的 3 页打出来我看看”就行，没那么玄乎。当然把它做好是很难的工程，但最终产出的结果人人都能读懂。
问：Palantir 的 CEO 之前批评 OpenAI 和 Anthropic 的商业化，本质上是质疑 Token 模式的价值。您认为Token 到底有没有价值？另外，一个月前您提到中美大模型差距是 3-15 个月，这个判断有变化吗？
李开复：Token 肯定是有价值的，否则不会有这么多公司把它作为商业模式，也不会有这么多客户买。
Token 的价值在于分层：不同的工作用不同的模型，简单工作用便宜的普通模型就行，复杂工作比如编程用好一点的模型，顶级需求用最顶级的模型，Token 模式在很多场景下是成立的，也是可持续的商业模式。
但 Token 模式解决不了企业的专有需求。每个企业的业务不一样、决策流程不一样、老板需求不一样，问题越有挑战性、企业越独特，Token 模式就越不合适。
OpenAI 和 Anthropic 会说 95% 的公司用 Token 就够了，他们也买不起 Palantir 这样的定制方案，这是很合理的商业选择 ——Token 模式在很多场景下能做到 70-95 分，但 Palantir 和我们做的，是那些不能接受 85 分、必须做到 99 分的高价值核心场景，两者并不冲突。
关于中美模型差距 3-15 个月这个判断，应该暂时都不会错：最短的时候比如 DeepSeek R1 出来的时候差距只有 3 个月，最大的时候可能到 15 个月，这个差距会一直拉锯，但其实客户不在乎、企业不在乎，我也不在乎，只是媒体们总问我，我就回答罢了。
换个说法，Excel 是否很棒的工具？能解决大部分人大部分问题，有人觉得 65 分够用，有人觉得能到 95 分，那为什么不是所有公司都只用 Excel？为什么还要用关系型数据库？因为有独特的高要求需求 Excel 满足不了，Token 模式和我们的解决方案的关系，就有点像 Excel 和关系型数据库的关系。
李开复：首先澄清的是，这三个旗舰 AI 不是万策平台的一部分，是分开收费的，因为它们提供的价值不一样。
中大型企业能只买万策平台，自己开发 Agent，这是一个价位；如果要买老板 AI 等旗舰产品，是单独定价的，就像 Windows 和 Office 的关系，价值主张、目标客户都不一样，所以分开收费。
具体财务预期是内部数据不方便透露，但可以说的是，这四个产品（万策 + 三个旗舰 Agent）是我们全部的产品里最有机会做大 ARR（年度经常性收入）的，因为都是按年订阅制，没有一次买断，只要获取一个客户，就有很高概率长期付费。
,华体育app官网入口
