零一万物大模型重构赋能客户，助力多行业降本增效实现增长

在祁瑞峰看来，“有毛利的增长才是王道。”零一万物希望能够用大模型重构或者差异化赋能客户，给客户带来价值。即帮助用户实现GMV、毛利、收入、用户等方面的增长；帮助客户降本增效。比如在智能客服领域，大模型的自动回复可以半替代人工，优化此前过于冗长的回复流程。

尽管零一万物的大模型预训练成本仅有的3%，但李开复表示，他们不会走的路线，“烧不出个伟大的公司会把自己烧死”。

目前，零一万物在零售、游戏、能源等四个行业进行了to B商业化落地尝试，并与百胜中国、孩子王、图灵新智算、乐淘互娱、直客通等公司进行了签约合作。乐淘互娱创始人陈建武表示，今年国庆假期期间，他们用零一万物的数字人在商超测试直播时，通过一个数字人12小时的连续直播，GMV达到了300万元，核销占70%。李开复预计，今年下半年开始启动的to B业务，有望在今年给零一万物带来可观的营收。

近期，李开复接受《中国企业家》专访，分享了他对商业化、融资等话题的思考。

精彩观点如下：

1.to B方面，我们坚决的方向是深度了解客户的需求，只做那些对客户有巨大帮助、帮助大到客户愿意给我们付费的业务。

2.坚持做跟客户双赢（的生意）。如果整个行业都是需要做一单赔一单的to B氛围，它本身就很难扶持起来。

3.过去说百模大战，现在肯定没有百模在做预训练了。这是一个健康的事情，因为有了开源的存在，就可以间接地帮助那些自己的水平不高于开源的模型，不要浪费资源。

4.每个公司都有好的工程团队，但目标对，工程团队才能做出正确的产品。

5.无论是多伟大的科技，最终的灵魂拷问都是从商业模式和商业判断来说，公司值不值它的估值。

6.要做一个很漂亮的PNL（ and Loss），每花掉一块钱，就能看到财务状况在进步，进步到钱还没有花完的时候，就会有财务投资人、后期投资人，甚至二级市场追着上来。

以下为李开复对话整理，有删节。

01 to B商业化要做到不踩坑

《中国企业家》：现在我们行业有被媒体称为AI六小虎的说法，您是怎么看待AI六虎的说法？对于头部玩家而言，现在各家商业化路径不太一样，有的to B，有的to C，有的可能走一些垂直的路线。

李开复：零一万物主要看自己走什么路，不太关注大家要算有多少只“老虎”，你们怎么算都行。我们认为最重要的是模型技术要挤进世界第一梯队，同时要把推理成本降低，这样才能有很多应用会产出，这时候我们就会做to C的应用。

摄影：邓攀

我们to C的应用先做国外，之后再做国内，理由是国外的付费意愿比较高，先探索商业化最快的路径，国内以后也会有机会。to B方面，我们坚决的方向是深度了解客户的需求，只做那些对客户有巨大帮助、帮助大到客户愿意给我们付费的业务，觉得真的帮助到他们赚到钱。

《中国企业家》：在国内，to B的生意不是特别好做，零一万物怎么找到跟行业结合的切入点？

李开复：我们刚开始做to B必须要聚焦，我们内部分析了哪些领域可能是最有商机的领域，因为我们确定了不做这种“不赚钱的项目制”。我们觉得要赚钱，就一定先要帮助客户赚更多的钱，他才会分一些给我们。

我可以描述几个不同的探索。一是找到了一家国外的世界100强的公司，它希望打造属于自己的模型，需要买一个全栈的AI技术，但这种公司认为有些东西是机密，不可以卖。我们就跟这家公司说，我们全部可以卖给你，因为我们知道他买了一套以后，再过半年我们可能有新的升级机会，我们又不担心这家传统企业来跟我们竞争。所以我们在做一个方案，把全部技术打包卖给他，不是把IP给他，而是做成APP让他去用，等于让他也有一个制造模型的流程。

其次，我们看到一个特别巨大的机会——国内很多城市都有很大的数据中心，想转型升级成为计算中心。在整个数智化过程中，AI的基础架构特别重要。然而通常数据中心一般不具有AI基础架构的能力，我们就把自己的一整套能力，打包起来卖给数据中心，让它再转卖给其他使用者，这也是一个可行的商业模式。

第三是有关大模型数字人解决方案。我们正好有一些相关技术，对接了多家国内头部的线下零售、餐饮连锁品牌，了解了它们真实业务的需求。这些客户的本地生活的业务需求不是随便买个数字人，它的痛点其实是在某个小区开店，店长要出来做直播，但问题是店长还忙着开店，哪有时间做直播？能不能给他做个直播分身，同时也要做语言生成？

只有数字人，没有大模型是无法进行以最低的成本真正有效拉动GMV的直播的。此外还有很多技术，比如语音生成怎么去做一个直播语境，以及跟它的数据库对接？我们卖的是一套完整的解决方案，这样开连锁店的店主，他只要做几个选项，按一个钮，他的形象就开始做多个直播了。我们把本来可能需要好几个人、背后做好几天的工作，简化成导入数据按一个钮的工作。这样就可以不只是请KOL来做直播，而是店店可直播，甚至有一天人人可直播。

要做刚才我说的软件，就不是一个标准大模型公司可能会选择做的事情，因为里面有很多跟大模型无关的内容。但是我们不是从卖模型的角度去做这样一个生意，而是从我要来帮助它做直播，打造增加GMV需要的解决方案的角度。量身定做的方案卖给它之后，再去卖给其他分店，进而卖给别的公司。

我们除了数字人解决方案，也提供AI Infra解决方案等to B产品矩阵，也在跟金融、能源、政务等领域头部客户合作。在这样的几个领域里面，我们首单就能拿到相当大的收入，靠这个收入再继续投入工程师，帮助客户把方案做得更完整，再迭代成为产品。

最后这几个领域是不是都会成为我们很重要的方向？也不一定。我们要看我们多大程度能够解决客户的问题，解决方案多大程度能够被抽象提炼出来。大模型时代把传统to B“非标化、定制重、交付重”等模式颠覆了，想象空间很大。

《中国企业家》：之前AI数字人公司做不起来，可能就是因为没有足够多的行业数据，对于你们来说有这种困惑吗？

李开复：我觉得不要说数字人做起来做不起来，大模型时代的来临，把一切都改变了。

以前AI 1.0时代做客服也做不起来，现在大模型来了，客服就做起来了。以前AI 1.0时代的聊天机器人，也没怎么做起来。现在这些聊天机器人，比如，因为有大模型就做起来了。大模型本身就是让人能够更泛化地用语言去沟通。过去我们很多APP是用图形、用户界面、手势来管理，现在我们能够升级到生成式AI语言来沟通聊天，所以它可以激活很多应用和机会。

我们现在就是坚持做跟客户双赢（的生意）。如果整个行业都是需要做一单赔一单的to B氛围，它本身就很难扶持起来。我相信大模型的价值是巨大的，它把切入的成本大大降低，把对话交流的能力大大提升，应该可以找到很多给客户创造巨大价值的场景，我们也会有机会做一些收费。零一万物将采取“一横一纵”的打法，充分发挥Yi系列基座模型的横向泛化能力，在行业纵向做深做透，构建专注于垂直行业场景的企业级应用。目前，仰赖“Infra+模型+应用”三位一体布局，我们构成了一整套“从AI Infra到模型，再到应用”的全行业to B解决方案。

《中国企业家》：那这些场景是怎么探索的？前期遇到哪些挑战或者困难？尤其是撬动第一家客户的时候。

李开复：因为我们有两个很牛的人，一个是在to B方面的技术人，一个是在to B方面的销售。

我们的技术产品有口碑，几位高管经验比较多、有很多人脉，加上清晰的价值主张，就说服了客户。

我们已经与中国领先的餐饮公司百胜中国、中国 母婴童零售行业头部品牌孩子王、新型智能算力运营服务厂商图灵新智算、知名内容营销一站式服务商乐淘互娱、数字化营销服务商直客通等签约。

《中国企业家》：一些大厂在电商直播领域也非常有优势，而且大厂也有自己的AI大模型，将来零一万物会不会跟大厂直接竞争？

李开复：我们做的每一项技术都有可能有大厂在做，但我们做每一项技术都要考虑自己是不是有技术优势或品牌优势。

在考虑完整的前提之下，就往前走，我们不会去过度担心哪个大厂做了什么。

《中国企业家》：零一万物现在明确要to B转型，现在很多大模型公司都在着急实现商业化落地，接下来会不会出现B端的竞争或者价格战？

李开复：我觉得本身就不是价格的问题。如果你这单收2000万，客户只愿意付你1500万，这其实就不是一个真正认可你价值的客户。我们要找的就是有科技洞察和商业远见的客户，他会认为我解决这个问题是值20亿的，我收你1500万、2000万都是OK的。而且目前这些单子，我们都是单一在做，所以还没有看到竞争。

当客户对我们有信任，我们一对一就能把这个deal谈成，所以没有什么比价的过程。

我希望可能是倒过来的：那些花两三百万做个项目不满意的公司，也许过一阵看到别家花了2000万，得到了两个亿的价值，他是不是也考虑多花点钱，让大模型提供商深度帮助他，从而创造巨大的价值，而不是比谁的价钱最低，这样大模型公司也没有动力做得很好，客户也得不到价值。我们是要良性循环的。

《中国企业家》：零一万物现在to B领域有几个主要的产品，你们对每个产品的营收预期大概如何？哪个产品占的比例可能会比较大？

李开复：其实我们都还在初期，很难看得出来。比如说我们帮着电商直播行业做的就是一个完整的数字人加大模型的解决方案，能够一键即直播。我们帮计算中心做的就是AI 的一套软件，卖给他以后，他就可以在数据中心的CPU、GPU的基础之上，帮助运营模型的训练和推理。现在都还是比较垂直的，我觉得还要再观察一阵。

不过谈到收入预期，我们今年作为to B的第一年，下半年开始做，短短两个季度就已经有预期很可观的收入，明年会再继续增长。

02 预训练开始“挤泡沫”

《中国企业家》：近期国内一些模型公司或者大厂，有的可能已经决定不做预训练了，您之前称零一万物要坚持做预训练，怎么看待这两种抉择？

李开复：整个模型训练分两个过程，第一部分是预训练，即把全世界的知识丢进去，等于是让一个孩子读到高中毕业；再下面去微调，针对人类的需求或问答的优化，去做一些调整，最后还有推理。预训练既可以自己从零训练起，也拿别人的开源模型，然后做下一个阶段的后训练。

所以要不要做预训练，问题很简单，只有两个部分。第一个部分就是我自己能不能预训练出一个比开源好的模型，如果不能，肯定就要放弃预训练。如果我能训练出来，它好得够不够多，只好一点点可能也不值得。

第二个部分就是我做这个预训练要花多少钱，有没有这样的预算，而且训练出来以后它能用多久？有人说模型是世界上折旧最差的东西，因为往往出来一个模型，4个月以后就有了新版本。一个（模型的）生命周期如果只有4个月，肯定是不行的。

但我们预训练出的模型远远打败了开源模型，所以肯定自己要做。当然务实地说，如果哪天开源模型打败了我们，我们肯定也要思考是不是就别做了。