DeepSeek的横空出世，不仅快速打破原有大模型六小虎格局，还形成一个国民级的大模型，越来越多的企业开始投入到应用DeepSeek的浪潮。

零一万物则是行业第一个全面拥抱DeepSeek模型的六小虎，还面向企业客户提供企业级DeepSeek部署定制解决方案。

零一万物创始人、CEO李开复接受雷递网创始人雷建平专访时说，DeepSeek凭借开源且出众的性能形成一个中国式的DeepSeek moment，对企业经营者来说，大家今年真的必须接入大模型了，如果不接入，不是企业领先或落后的问题，可能是一个传统行业的存亡问题。

李开复指出，六小虎的模型做得也不错，未必会逊色DeepSeek很多。只是大家必须认知到，DeepSeek最重要的一个影响就是，开源是终局，要主动拥抱开源模型才是突围之路。随着DeepSeek成为一个现象级的事件，理性务实的选择应该是首先考虑怎么去拥抱，这就是零一万物做万智的重要理由。

超大模型的训练不是创业公司能够继续坚持的选项

DeepSeek走红之前，零一万物就开始了业务转变，不再进行万亿参数以上的超大模型的训练。

李开复说，零一万物在过去的一年已经有一个很强烈的认知——超大模型的训练不是一个创业公司能继续坚持的选项，因为每次花几千万美元和大量的资源训练万亿参数以上的超大模型，只能用三、五个月，在现阶段都很难收回成本。

从2024年下半年开始，零一万物就不再做超大模型训练，而是转做Yi-lightning这样参数适中而能干的性价比很高的模型，即便这样的模型，零一万物也要考虑它的投资和回报。李开复指出，“模型训练是一个投资回报的问题，这是一个商业成本（ business expense） 的问题，我们是愿意也有能力再继续训练超大模型，但是一定要能回答这样的一个灵魂拷问。”

也是这种背景下，零一万物与阿里云联合宣布启动“产业大模型联合实验室”，强强联合的新型合作模式包含双方在技术、算力、业务、人才等板块技术共享与深度共建。原因在于，有超大模型的底模才能做好行业模型。如果零一万物自己不做超大模型训练，就需要有朋友能够帮其训练能够成为Yi模型“教师模型”的超大模型。

李开复认为，在中美，当前超大模型的预训练正逐渐寡头化，且寡头化的程度在不断加大。中国大模型领域未来可能会收拢到DeepSeek、阿里巴巴、字节跳动三家。DeepSeek是李开复最看好的一家，也正是基于这一逻辑，零一万物选择将DeepSeek接入万智企业大模型一站式平台，并推出了企业级DeepSeek部署定制解决方案。

李开复说，如果DeepSeek是Windows内核，零一万物提供的平台则是Windows操作系统、应用程序、UI界面。没有Windows 操作系统、应用程序、UI 界面，Windows内核就无法发挥真正的价值。

百花齐放的AI-First应用浪潮正在来临

很多年前，李开复就坚定看好AI浪潮，李开复认为，在极高性价比的轻量化模型催化下，AI-First应用迎来井喷期，百花齐放的AI-First应用浪潮正在来临，真正解决市场痛点、穿透企业核心业务流程的应用，将创造真金白银的价值。

原因是，大模型的能力已经变得超强，模型的成本变得非常低，AI-First应用百花齐放是水到渠成的过程。“就像当年MobileFirst应用是移动互联网的机会，AI-First应用爆发就是AI 2.0时代的机会，每个应用都会被重做一次，包括企业级市场里面的每个应用也会被重做一次。”

零一万物下场推企业级DeepSeek部署定制解决方案背后，是2025年，越来越多的企业愿意把更多的预算投入到大模型领域，但DeepSeek在企业落地存在三个难点（部署难、应用难、定制难）。因为DeepSeek和梁文锋在技术方面很强，但是他们希望能够专注在做出一个世界顶级的大模型。因此，DeepSeek的精力并没有花在企业部署与应用上，这样就有了一个市场的空白。

而零一万物给出了解法——企业DeepSeek落地“三步走”：

第一步：推出一体机部署方案，预装华为昇腾等高性能GPU，内置DeepSeek全系列模型；

第二步：提供快速搭建Agent的能力。集成联网搜索、企业知识库、AI PPT、AI数字人等成熟应用组件的同时，也允许企业自己通过点击、拖拽等简单操作创建、修改专属Agent；

第三步：支持行业定制，企业可根据自家知识库，针对DeepSeek做Fine-Tune（模型微调）。

当前，李开复每天都很忙碌，他说，我们等了十几年才等来了AI2.0浪潮，而且AI 2.0是有史以来最伟大的科技革命和平台革命，市场机会远超移动互联网。“所以我每天的时间都不够用，都是忙着去寻找合作伙伴、客户，寻找创造价值的机会。”

零一万物的商业化也取得了很大进展，零一万物2024年收入超一个亿，2025年第一季度就快追平2024年全年营收，ToB业务占了大头。李开复说，这主要是用户的认知增加，进而带来了用户的需求提升，虽然零一万物离盈亏平衡还有一段距离，但未来可期。

以下是专访零一万物创始人、CEO李开复实录：

雷建平：开复老师，零一万物是什么时候决定推出万智企业大模型一站式平台，提供企业级DeepSeek部署定制解决方案？

李开复：2025年春节后，我们看到了DeepSeek现象级表现。中国之前没有ChatGPT Moment，还没有一个全民了解大模型威力的契机，DeepSeek凭借开源且出众的性能形成一个中国式的DeepSeek moment 。DeepSeek一下子就成为国民级的大模型，我周围认识的基本所有的人，之前不懂不用不了解大模型的，现在通通都用上了。

这其中既包括个人用户——当然零一万物暂时没有面向国内发布 ToC 产品，也包括了很多企业的老板们。春节在家的时候，很多人就第一次用上了DeepSeek，这也是很多人是第一次用了大模型，用了都觉得挺好。

这些人回到公司，就要求说公司应该去看看怎么能够用上。我所见到的不少CEO们都是这个时候开始觉得公司可以用上大模型。但用上大模型有机会也有挑战。

好的方面是，公司的员工确实觉得大模型很好用，可是大部分员工的使用场景都停留在公文、文章的写作，或者是通用回答。真的要给企业用，在企业业务层面创造价值，还是有相当的难度。

DeepSeek在企业落地有三个难：部署难、应用难、定制难。因为DeepSeek和梁文锋在技术方面很强，但是他们希望能够专注在超大基座模型的前沿技术探索。因此，DeepSeek的精力并没有花在企业部署与应用上，这样就有了一个市场的空白。

我们看到有这个空白，加上2年来，零一万物从高质量数据集管线、轻量化模型训练与部署、强化学习路径、应用和工具链等四大技术管线构筑的“大模型开发中台”也已经在企业场景落地，当然那时主要接入的是我们自己的Yi系列大模型。除了我们自己的Yi模型在这个中台里面，既然DeepSeek已经是国民级基座模型，那我们一定要把 DeepSeek 接上，而且要接好。

基于这样的一个考虑，我们决定开始尝试接入DeepSeek。就是把 DeepSeek作为一个重要的基座模型来根据企业需求痛点和部署卡点进行微调加强，我们大概春节后就开始对DeepSeek做微调，并且在已有的中台能力基础上尝试接入增强版的DeepSeek，到3月17日终于发布了。

一体机的价值在于让大模型变得更容易被接受

雷建平：零一万物提出了DeepSeek落地的三步走，第一步“安全部署”，就包含了一体机部署方案，这个一体机的价值有多大，是否会是一个暂时性的产品？

李开复：一体机现在是一个非常重要的概念，因为部署DeepSeek其实不是很容易，如果就一台机器一张卡，它的速度是不能接受的，很多企业并没有能力来做一个多卡的部署，也没有经验，把它放在公司现在的机柜里面，大部分企业的IT 部门没有这个经验来做好模型部署。部署难就是针对这一点。

当然一旦部署了之后，又会碰到一系列的挑战。比如应用上，联网搜索、模型微调、企业数据库接入等达到优质的体验效果，这些都很难，软硬结合的方案能帮助企业用户最大程度实现这些优质体验。我们认为如果一体机只是把硬件环境搭起来，把DeepSeek 的开源模型放上去，并不能够解决企业绝大多数所面临的问题，所以一个软硬结合的一体机非常重要。

长期来说，随着AI技术的发展，越来越多的IT 部门也要了解怎么去部署各种不同的大模型。当一个新技术启动，一体机的价值在于让大模型变得更容易被接受。

我再重申下，这个一体机不是一台机器插了GPU，放了内存，然后接上大模型就好了。我们打造的万智企业大模型一站式平台，提供企业级 DeepSeek 部署定制解决方案，就是为了打通大模型可用的“最后一公里”。万智平台并不是一定需要一体机的，你也可以在云上用它，如果公司已经有了部署GPU 的经验，在已有的GPU 上也可以部署万智平台的软件。

如果已经买了别家的一体机，我们也可以将这个软件部署进去。我们做这个平台不是只是自己来卖一体机，它是非常灵活的一个软件部署方案。

雷建平：产品发布之后，有个创业者就问，一体机的模式和算力中心模式，后续的发展会是走融合，还是各走各自的新路。

李开复：一般一个公司不会有算力中心的，他可能用了别人的算力中心，或者是他用了阿里云或者某一个云。我们是特别尊重客户的需求，所以客户有什么需求，我们就会提供什么。

我们可以提供一个纯软件的解决方案，放在算力中心里。我们也会有云部署的这个选项，这些都可以。我们的整个软件是非常灵活的。我们也自己训练大模型，所以可以提供端到端的全链条深度定制，能够去完成从轻到重的大模型闭环部署。

从客户角度来说，大部分我见到的企业，他们都担心一个问题，数据安全和隐私的保护。一体机能够确保数据的自主可控。（客户也担心说）一体机要不要上网，是否能够确保数据不会外漏，针对这些问题，我们的软硬件一体、私有化部署的方案都可以让他安心。

当然有些企业觉得它的应用不是特别敏感，也可以接受云的方案。还有一些客户可能很早就拥有了大量的 GPU，甚至自己有算力中心或者自己租赁了算力中心，那这样的话，我们做软件部署就可以了。

雷建平：最近我在上海参加了一个企业的上市，这家企业是自己布置的DeepSeek解决方案。一体机是针对中小企业吗？

李开复：不一定，因为这一体机的价位其实不是很便宜的，如果说要求模型部署后速度比较快、效果比较好，可能会要16张卡才能做到。一般的中小企业是不会愿意支付这么多钱的，那他们可能就是用云，比较便宜，但是需要面临数据安全的考量；如果是买满血版的一体机，那就可能价格不菲；也可以买比较便宜的一体机，部署压缩版的 DeepSeek，或者可以用零一万物的Yi模型或者是阿里通义千问模型，这样就可以压缩成本。

我们初期看到的大部分客户，还是一些比较大的企业，能够买至少8卡，甚至16卡的一体机。

主动拥抱开源模型才是突围之路

雷建平:有人说DeepSeek出来之后，一下子让大模型六小虎失色，您怎么看待现在DeepSeek和六小虎之间的关系？

李开复:我觉得DeepSeek带来了几个重要的认知的改变。

第一，当然DeepSeek模型做得很好，很快，但我觉得六小虎的模型做得也都不错，去评比的话未必会逊色DeepSeek很多。只是我们必须认知到，DeepSeek最重要的一个影响就是，开源是终局，要主动拥抱开源模型才是突围之路。

第二，我觉得DeepSeek已经成为一个现象级的事件。所以，既然成为现象级的事件，理性务实的选择应该是首先考虑怎么去拥抱，这就是我们做万智的重要的理由。

当然，我们推出万智，也不表示大家这一辈子都只要用DeepSeek。我们非常相信开源模型之外，也尊重模型自由，会提供有不同的选项，让不同的客户可以有不同的性价比选择，所以我们并不是只提供了DeepSeek， 我们还提供了阿里通义千问模型和我们自己的Yi-Lightning模型。

另外一个很重要的事情是，不管DeepSeek出现或不出现，零一万物在过去的一年已经有一个很强烈的认知，超大模型的训练不是一个创业公司继续坚持的选项——因为无论是从它所消耗的成本，还是Scaling Law面临边际效益递减的这个事实，都可以得到这样一个务实理性的判断。

投资人给我们投了这么多钱去训练一个模型，如果要花大量的资源去训练万亿参数以上的超大模型，这个模型能用多久？我们可以很清晰地看到，在行业里一个模型生命周期可能就是三到五个月。之后别人或自己会推出更好的模型，然后这个模型就被淘汰了。

所以如果你花了几千万美金，然后只能用三、五个月，那就表示你每个月得挣1000万美金，你这个投资才能够有可能得到回报。

在现阶段这基本是一个不可能的任务。一个务实的大模型初创公司，有没有DeepSeek都应该提早认知到，超大模型的训练是一个不太好算投资回报的事情。

只有几种公司可以做，一种常年有非大模型主业的雄厚投资收益保障，不考虑商业化和融资，可以为了技术而做技术，我觉得DeepSeek是这样的一个公司；

第二种就是大厂，有非常多的用户，那烧的这几千万甚至几亿美金，是可以分摊到几亿甚至几十亿个用户身上，比如字节、阿里，它们可以做。

零一万物去年五月发布Yi-Large之后，内部就已经研判决定要往轻量化且性能顶尖的模型去探索。之后我们就往参数适中模型的方向走，我们去年10月就发了当时是世界第六、中国第一的MoE模型Yi-Lightning（注：根据当时世界权威盲测LMSYS评测），它只有千亿参数，只用了三百万美元左右的预训练成本。但也要考虑，花的几百万美金能不能够在模型的三到五个月寿命之中，能够分摊，把钱挣回来。

所以我觉得，做一个创业公司，你每雇一个人，或者每买一台机器，都会考虑到我花的钱会不会得到一个正面的回报，模型的训练也不是例外，这个也是一个考量。

当然还有就是预训练Pre-train边际效益递减的问题，这个从Ilya（注：前OpenAI首席科学家）的演讲到行业的观察，（都可以说明这一点。）我们今天也可以看到，GPT-4.5花了这么多钱来训练，也就略好于GPT-4o。所以就是花了相当大的价钱，得到相当小的一个提升。

如果你没有可长期保证的经费，或者是能够通过分摊得出合理的利润，那这个事情是不应该做的，所以我们其实决定往轻量化模型做。把训练模型理性务实地纳入初创公司应该考虑的投入产出比考量，同时探索商业化，是一年前就开始的事情。

零一万物不再做超大基座模型训练

雷建平：现在就是外界一种说法，就是说零一万物放弃了大模型，您刚刚也解释了，您希望对外界做哪些澄清？

李开复：我们超大模型是肯定不会再训练的。我们的 Yi-Lightning是一个参数适中而能干的模型，它的推理成本只有DeepSeek的五分之一，其实是性价比很高的一个模型，但即便这样的模型，我们也要考虑它的投资和回报。

所以回应就是，我们认为模型训练是一个投资回报的问题，这是一个商业的考量，是一个商业成本（business expense） 的问题，我们是愿意也有能力再继续训练模型，但是一定要能回答这样的一个灵魂拷问。

雷建平:零一万物为什么一直坚持做轻量化的模型，这样对整个创业公司的好处在哪里？

李开复:我们认为今年是大模型AI-First应用爆发年。当应用爆发了，就会有各种不同的应用，有些应用比如说做生物医药的发明，模型再贵也没有关系，因为它的回报是巨大的。

有些应用可能是一个全面应用，像豆包这样的应用，就用不起太大的模型，一方面是用户基数太大，用超大的模型，账算不过来，还有一个问题是超大模型有时候也会很慢，慢的话对用户体验也会有影响。

所以我们认为小的模型，只要账算得过来，我们还是愿意做，但更考虑性价比。

百花齐放的AI-First应用浪潮正在来临

雷建平：大模型领域每天都是层出不穷的各种更新，各种新的产品出来，你怎么看待这种现象？

李开复：我觉得这是好事。从两年前就开始，有很多应用开始涌现出来，但是我觉得两年前的应用可能有几个巨大的问题。

一个模型能力不够，当时只有GPT-3.5，其实GPT-3.5是很难能够在应用上找到PMF的；第二个问题是模型太贵，当 GPT-4出来的时候是75块美金/100万个token，那今天像DeepSeek、零一万物已经把价格变成几毛钱，甚至几分钱/100万个 token。

所以两年前做应用可能是太早，做探索可以，但是真的想用来赚钱或者达到巨大的用户量，模型能力不够，用户体验不够好，成本也太高。

我觉得大模型领域很神奇的地方就是，第一，它的IQ在不断提升。从两年前到今天，我们每个月都看到在LMSYS 或者其他的榜单上面都有更多更优质的模型出现。

可以说，如果这个大模型是个人的话，每年可能的IQ 就会增长30个点，这是很惊人的事情，而且近几年一直没有停下来。也许不是因为预训练而提升，但是总之它有在提升，而且这个提升没有慢下来，甚至还有一点加速的感觉。第二，它的推理成本每年要降10到20倍，过去没有任何一个底层技术，它的演进速度这么快同时还这么快地降价。

所以我们认为百花齐放的AI-First应用浪潮正在来临，就是今年。两年前太早，只能探索，一年前有一些机会。今年模型能力已经变得超强，模型的成本也变得非常低，这个百花齐放是水到渠成的。

从ToC或ToB的角度来看，我觉得每个应用都会被重做一次，我们可以说，一定程度上移动互联网时代，抖音是把YouTube重做了一次，当然这两个不是完全一样的产品，但是因为你有了移动，就可以带来很大的价值，你可以说美团是把点评重做了一次等等，移动互联网的特点是，可以随身携带一天24小时，他知道你在哪里，那么所以它能把PC的应用做得更精彩，尤其是那些所谓的Mobile First的应用。

AI2.0时代也是一样的，如果把一个超级大脑用在每个领域，无论是教育，金融，医疗等等的领域，当都有一个超级大脑能够随时接入时，每个应用都会有一个巨大的改变。就像Mobile First 应用是移动互联网的机会，那AI-First应用爆发就是AI 2.0时代的机会，所以我是非常相信每个应用都会被重做一次，包括企业级市场里面的每个应用也会重做一次。

做出AI-First应用可能跟以前做应用的方法不一样，且它带来的价值也会变得很不一样，会变得更大，所以我觉得今天到处冒出AI-First应用，是一个必然的，也是一个好的现象。

当然，这不是说每个应用都会成功，移动互联网时代有很多应用成功了，有更多的应用失败了，AI 2.0时代也是一样。

阿里与DeepSeek训练更大更强模型扮演老师模型角色

雷建平：过去的半年，零一万物的动作很多，当初为什么会选择和阿里牵手，成立产业大模型实验室？

李开复:因为我们觉得像阿里或者DeepSeek的角色，就是要训练超大模型，而我们的角色就是要做行业应用和行业的模型，而行业模型是离不开底模的。你如果自己不训练，那就要有朋友能够去帮你训练超大模型。我们需要超大模型的底模来做老师模型才能做好行业模型。

我最近见了不少人，他们就认为做行业模型就是用很小参数规模的模型、用少量的行业数据训练模型出来，其实并不是这样的。因为，你需要有一个性价比合适，而且用户体验很好，不能太大的模型，我们称为极速模型，作为你的底座。这个模型如果要提升它的能力其实是需要一个老师模型的，那以后像阿里跟DeepSeek训练更大更强的模型出来，就可以扮演着老师模型的角色。

所以我们跟阿里这方面的认知是非常一致的，我们希望阿里训练的超大模型，能够来做老师来训练我们的极速模型。在我们的极速模型之上可以做出优质的行业模型，所以这三件事情是要一起考量的。

如果你没有一个老师模型，那你的极速模型可能达不到到最好的效果。如果你有了一个很好的极速模型，你不在上面增加行业数据，那它也只是一个通用的玩具，并不能够对目标行业建立很深刻的认知和理解。

要做行业模型，其实你是要掌控模型训练的全栈能力，也就是说我们需要有所分工，我们零一万物不做超大模型了，我们做轻量化极速模型以及行业模型，做这两件事情还是需要有相应技术栈和算法专家，因为行业模型也需要训练。虽然我们不做超大模型的训练，我们还是需要有模型训练的人才和技术，才能够把这个极速模型或者行业模型训练出来。我们跟阿里是这样的一个合作和分工。

雷建平：零一万物与苏州高新区成立了一个大模型产业应用的基地，涉及金融、政务等多个方面。零一万物是什么机缘和苏州达成这样的合作？

李开复:除了金融、政务之外，还有比较重要的领域是知识产权，或者说是法律。我们认为苏州是一个非常健康的经济体，苏州的各行各业都发展得很好，是非常良性的营商环境，苏州的 GDP 也都有非常好的增长。我们也看到苏州的各个领导也非常希望有行业模型和行业解决方案能够赋能传统行业来做 AI +，或者你可以说是大模型+。

所以我们和苏州在这方面也达成了很好的一个共识。通过与苏州的合作，我们会找到这几方面的一些潜在的合作伙伴和客户，用行业解决方案和行业大模型来赋能当地的传统行业，以及一些很成功的实体经济公司，让他们能够更快地用上、用好大模型来创造价值。

AI 2.0是有史以来最伟大的科技革命

雷建平：我看您现在每天都保持着一个非常忙碌的状态，零一万物发布会刚完成，很快就去了机场。那么，您现在最关心的是哪些问题？

李开复:我觉得现在就是商业落地的机会了，因为这个技术就像移动互联网。移动互联网是2008、2009年开始，真正能够去做商业落地，而非常多的大用户量的APP是要到了2012、2013年才开始看到。

AI是加速的，如果说2022、2023年有点像2009年的移动互联网，今年就已经是2013、2014的移动互联网。有这么多创造价值的机会，每个应用都要被改写，我们等了十几年才等来了AI2.0浪潮，而且AI 2.0是有史以来最伟大的科技革命和平台革命，市场机会远超移动互联网，所以我每天的时间都用不够，忙着去寻找合作伙伴、客户，寻找创造价值的机会。

大模型创造的价值是远远超过SaaS和AI1.0

雷建平：过去很多大模型，ToB 都遇到很多挑战，就是厂商赚不到钱，而且这个行业经常价格战，今年开始就是很多的企业愿意去尝试，愿意去用大模型，您觉得这会给零一万物带来哪些机会？

李开复:首先我觉得这会给整个行业带来机会。非常坦诚地说，过去的 ToB 的业务，在企业级软件领域，无论是在AI 1.0，还是 AI 2.0，都面临了几个挑战，很多企业用竞标的方式，把技术提供商当做系统集成商，这对行业而言可能不是一个良性的循环。

中国的某些企业，也许是15年前看到ToB 的SaaS的机会，也许是十年前看到AI 1.0的机会，也许是两年前看到大模型的机会，他们就会比如说，用招标的流程，考虑性价比，来寻找这个技术提供商，而且特别重视价格，竞标可能还没开始，就已经一片红海了。大家都是看谁能做得更便宜。那如果你是以很便宜的价钱赢标，可能做这个案子，你没有赚钱，反而赔了钱，这自然也很难让你花更大的精力把它做到完美，到头来客户可能也不会很满意，所以就形成了一个恶性循环。

今天我觉得大模型创造的价值是远远超过SaaS和AI1.0，也看到整个行业有希望能够走出这样的一个恶性循环的竞标过程。这可能是对整个行业的利好。

我们的特色在哪里？我们很少参与竞标，我们知道很多友商还有大厂，都是参与几百个竞标，然后拿到的可能都是很小的单子，这样就碎片化地增加成本，也可能是赔钱的。我们做的很多单子就不做竞标，这是我们的一个特色。

不做竞标怎么拿到单子？我觉得我们的另外一个特色就是，我可以敲开很多大公司CEO的门，因为我做了这么多年AI，当我是投资人或者国际AI专家的时候，本来很多企业家就是来咨询我该怎么用AI ，我就会给他们很多建议。今天我们会更针对这些CEO们，去试着看有没有可能找到一些特别相信大模型会改变公司的这些 CEO们，这些CEO他们愿意把 AI 2.0放到公司的核心业务流程里面，而不是只是做点边边角角的事情。

在这些相信数字化转型加 AI 2.0可以创造巨大价值的公司里，CEO愿意花更多的钱，把 AI放在公司的更核心的位置，提升企业生产力，这样的公司就是我们潜在的合作伙伴。这样我们就有机会不经过竞标，用一种合作共创的模式来帮这些公司提供价值，这是第一个打法。

第二，我们会去寻找满足这些条件的公司：用AI大模型以后能够非常快地看到钱的，不需要做太多数据的收集与改造的。

有些公司可能本来兴致勃勃地进场想部署大模型，后来发现内部的数据都是乱的，花了可能小几千万，数据还没整理好，也还看不到任何的大模型的红利，然后就比较失望甚至会放弃。

所以我们会去寻求这样的行业：它的数据是很自然地会被储存起来，不需要重新收集整理标注，本身的业务是一种所谓数字化业务，比如说银行、保险公司、律所、游戏等这些领域里，本身它的数据的存储就是非常关键的。在银行业，你不把过去的客户所有信息存起来，你不可能做好银行业务，所以他在接入大模型时就不会面临数据的问题。

同时，对于这些数据驱动的公司，效果也可以很容易衡量，我一旦对接了大模型，我是能够省多少钱或者赚多少钱。我们会比较偏重做这些行业。

我们花了很多时间精力把所谓的“模型研发中台”做好。在两年前有些公司想要追求时髦，就先买个模型，但是买了以后发现也不能用。现在越来越多公司知道了，自己需要的是完整的企业级解决方案。目前市面上还没有出现完美的应用，能不用模型中台，接入底模就能成为企业生产力。

所以企业还是要在基座大模型做开发、接入应用从而穿透核心业务流程。3月17日发布会我们也谈到了，如果你需要模型做出更懂企业的回答，你需要对接联网搜索，降低幻觉，增加实时性的数据，甚至可能需要深度研究功能；即便已经搭建了应用，基座模型还可能需要做微调，甚至是继续训练，还有强化学习。那模型中台如果能够打造得很好，就可以让企业更容易去对接，所以这也是我们做万智的一个初衷。

还有一点，我们觉得有些领域在国内可能还没有一个很好的付费习惯，但是国外是有的，所以我们也会对接一些国外的业务。

我们今天的商业化得到一点初步的成绩，也是因为我们这四点比较独特的打法。

离盈亏平衡还有距离但未来可期

雷建平：您说零一万物ToB 的业务一开始就非常健康，去年营收超过了一个亿，而今年第一季度就接近去年的全年，ToB占了大头。营收增长这么快的原因背后是什么？

李开复:零一万物2024年收入的一个亿，包括了ToB和ToC ，不是只有 ToB，要不然有点夸大。今年我觉得主要的原因就是用户的认知增加了，进而带来了用户的需求量提升了，这些用户包括了 ToB，也包括了政府今年的采购，无论是在ToB还是ToG的领域，整个领域都增加很多。我们也看到我们有些友商也表示了他们今年比去年也有很好的成长。

雷建平：零一万物今年能实现盈亏平衡吗？

李开复:离盈亏平衡还有一段距离，但未来可期，因为我们的收入跟开销已接近打平。这一年我们开销大幅降低的同时收入大大提升。如果你去年问我这个问题都不敢想，不要说盈亏平衡了，我们收入跟开销都是不成比例的。今年，这两个应该会非常接近。

雷建平：2025年零一万物有哪些大的计划？

李开复：脚踏实地，尊重客户的需求，寻找合适的赛道，然后拿到更多单子，通过技术研发来解决真实用户的需求。我觉得作为一个行业的布道者，我也会希望能够继续去让更多人了解大模型领域。

大家今年是真的必须接入了大模型了，因为不接入的话，不只是你领先或落后的问题，可能是一个传统行业面临生存挑战的问题。（转载自雷递）