李开复要做升级版的Palantir，零一万物发布“一号位AI”
来源：互联网
时间：2026-07-08 15:14:47
过去这一年，李开复前后见了不下几百号CEO。他回忆说，每次大会的茶歇时段，总有老板悄悄把他拉到一边，滔滔不绝地讲自家AI做了多少Agent、用了哪个模型。他通常只追问一个问题：这东西对你的财报到底有没有影响？然后换来的，是一阵沉默。
7月7日，零一万物正式发布了万策AI平台，以及三款“一号位决策AI”产品——老板AI、销冠AI、投资官AI。李开复本人就是老板AI的一位重度用户。他用这个工具追踪会议承诺的执行情况、识别经营风险信号，甚至直接问它“我哪些话讲得不合适”。
就在五周前，李开复在零一万物三周年全员信中披露了最新数据：2025年已拿下5亿订单、确认2.5亿审计收入；2026年前五个月订单突破15亿；目标2027年上市，立志冲刺“中国首家盈利的AI 2.0公司”。他自己也说：“别叫我们六小虎了，该叫金钱豹。”
从放弃超大模型预训练到全面转向产业AI、对标Palantir，零一万物用一年半的时间完成了一次彻底的转型。万策AI，就是这个转型落地最重要的产品形态。
李开复将企业AI转型的失败归结为三个核心原因：第一，AI根本不了解公司的业务——这就好比把清华的状元招进公司，前三个月他什么都不懂，贡献几乎为零；第二，企业总是把AI当成软件来买，“怎么装SAP，就怎么装AI”，最后搞出来一堆漂亮的盆景，却长不出一片森林；第三，决策者的位置完全错位——能改变财报的事，不是CIO的活，必须是CEO亲自来推。
万策的核心架构被概括为四个组成部分。大脑，也就是大模型，负责推理和判断；地图，也叫企业本体Ontology，用来定义业务逻辑和实体之间的关系；导航系统，即动态上下文引擎，负责追踪实时的业务状态；操作系统，则负责把判断转化为安全可控的行动。李开复声称，他们的Ontology方案已经是“2.0版本”，在代际上领先于Palantir。
商业模式方面，万策平台与三款一号位AI分开收费，“类似于Windows和Office的关系”，全部采用订阅制。李开复明确强调，这不是面向中小企业的产品，目标客户全球大概只有两三千家大型企业，目前已经接触了五六百家。
李开复还透露了一个关键数字：零一万物内部使用销冠AI后，订单额增长了5倍，商机转化率提升了2倍。“既然我们提倡了这个方法论，那无论如何也得以身作则，要不然客户也不会信服。”
发布会之后，李开复和零一万物产品负责人姚璨与媒体进行了深度交流，聊了产品边界、Token经济、落地实践以及海外扩张等问题。
下面是对话实录，有删减：
**问：万策跟市场上BI、传统ERP里的AI插件，本质区别到底是什么？**
姚璨：我们的目标不是去替代传统的BI工具、管理驾驶舱或者CRM。企业经营的数据不光在ERP和CRM里，它散落在会议系统、日报周报以及沟通记录中。我们要做的，正是把这些分散在各处的数据全部整合起来，围绕财报改善的目标去构建关联关系，让AI能理解要达到目的该走哪些路径、该整合哪些数据。
李开复补充说：你认识哪个CEO是通过驾驶舱来做决策的吗？据我所知，没有。一号位AI把大量沉默数据唤醒了——会议记录、工作交流、销售跟客户的对话——这些数据过去ERP和驾驶舱根本覆盖不了。我们不仅激活了这些数据，还把它跟现有数据结合，提供CEO可以直接用起来的界面。
**问：怎么做到给每个企业定制差异化决策？**
姚璨：不同行业、不同客户的核心经营逻辑差异非常大。目前还没有一套能通吃所有行业的通用决策方法论。我们这三款一号位AI，正是针对企业中最核心的三个决策场景来量身打造的——经营决策、资本决策和收入决策。
李开复：产品化程度比较完整，但暂时还不能开箱即用，需要FDE（前沿部署工程师）来辅助落地。数字化程度高的行业（比如投资行业）落地会比较容易，传统制造业则需要更多时间。这确实不是中小企业能负担得起的方案。
**问：相比其他公司，零一万物最难复制的是什么？**
李开复：刚开始推行那会儿，我自己有一些独特优势，能触达到核心用户。但深入了解用户之后，我们已经慢慢总结出共性的需求，对产品进行泛化，Ontology这类底层技术也有了更深入的发展。说到底，这是一个系统工程。拿微软Windows来类比，它的优势也不是某一项具体技术，而是系统性的积累。
姚璨补充说：企业从关注AI技术本身有没有优势，转向了关注AI到底能不能带来积极的业务结果。我们的产品能打动一号位，是因为能让他们看到最终的效果。AI转型，本质上就是一项系统工程。
**问：Palantir的CEO批评token模式存在价值问题，你怎么看？**
李开复：Token显然是有价值的。那么多公司把它当商业模式用，肯定是有人在买。有些工作用非常便宜的Token就能搞掂，有些场景必须用顶级的Token（比如编程）。
但话说回来，绝大多数企业的业务不一样、决策也不一样，Token模式并不能解决差异化的问题。问题越有挑战性、企业越独特，Token模式就越不适用。很多场景里，Token能做到80分甚至85分；而那些特别困难、高价值的事，客户不接受85分，必须做到99分，那就得用像Palantir或者我们这套产品体系。两种模式并不冲突。
姚璨：企业的一号位关心的永远是业务指标——CPI、曝光率、收入提升——他们从来不会去谈Token。当Token经济转化不了关键业务指标的时候，Token就成了成本，而不是收益。我们的使命，就是把这些Token真正翻译成财报上增长的数字。
李开复追加了一个类比：Excel能解决大部分人的问题，有人拿它解决65分的问题，有人拿它解决90分的，但为什么公司不全统一用Excel？因为有独特的定制化需求。Token和决策AI的关系，就跟这个差不多。
**问：中美大模型的差距，这段时间有没有变化？**
李开复：差距确实在来回浮动。DeepSeek-R1出来那会儿，差距缩到了3个月；后来Mythos出来又回到15个月。但企业客户其实并不在乎这个。模型正在一步步接近“电力”这种基础能力，企业关心的是效果、成本、可靠性和持续迭代的能力，而不是底层模型的品牌。
**问：能不能分享几个具体的客户案例？**
李开复：有一家超级大的投资公司在用我们的投资官AI，帮他们弥补了团队无法完整覆盖所有领域的短板。哪怕是上百人的投资机构，也不可能样样精通。目前他们已经在两个领域完成了大量案例分析，客户反馈非常振奋。
姚璨：还有一个大型投资机构的客户，当时正在做一个Pre-IPO的项目。机构原本评估的PS倍数只有几倍，但投资官AI在分析材料的时候发现，这个产品一旦接入大模型，想象空间非常大。后来这家公司已经上市了，市场表现达到了20-30倍PS。市场验证了投资官AI的建议是正确的，这也是我们拿下这个合同的重要原因。
**问：深度共创的模式交付周期长、回款慢，怎么保证2027年能IPO？**
李开复：我说的是明年某个季度希望能有利润，不是今年。拿到订单跟确认收入是有时间差的。我们的单子是分批收费的，收入确认会在一到三年内完成。每个单子都提供关键技术，每年都有交付，而且是在上一年的基础上继续推进。到目前为止，客户都非常认可。政企客户无论从绑定程度还是回款时间来看，我们都在行业内做到了最好。
**问：隐性知识很难数字化，万策AI是怎么克服的？**
姚璨：企业里有很多流程性的数据其实是隐性经验——审批节点、审批意见、决策过程。传统的系统只把结果保存了下来，过程经常被忽略。我们的一号位AI不光挖掘结果，还会分析过程中人到底是怎么做决策的，经验是怎么通过语言和流程表达出来的，然后让它显性化，沉淀为经验记忆和上下文反馈，形成一个数据飞轮。
李开复：我经常问老板AI“我怎样才能把工作做得更好”。每次会议都有完整记录，它会告诉我哪些话讲得不合适，以后应该多讲什么。它给的建议确实非常中肯。
**问：本体论是个海外概念，在国内落地有什么困难？**
李开复：国内外在这方面的认知差距其实不大。解释起来可能需要花点时间，但道理很简单——你问大模型“告诉我你眼中的我是什么样子”，它给你两三页的报告，差不多就是本体论了。
冷启动阶段，数据都在企业现有的财报、工作流这些地方，拿来就能用，只是需要有好的方法去组织，处理不同数据之间的矛盾和冲突。一般一两个月就能完成。之后维护起来相对容易，数据闭环不断进来，大部分问题AI自己能处理，是人机协作，但不需要人类投入太多精力。
本体论这个概念，最早是发明万维网的Tim Berners-Lee提出来的。有了大模型之后，用自然语言来表达实体和关系，比过去的规则系统简单太多了。老板想看本体论的话，通过老板AI把最重要的3页打印出来看看有没有问题就行了。
**问：一号位工程是不是高度依赖李开复个人？如果没了李开复，零一万物还剩什么？**
李开复：作为CEO，一定要确保基业长青，这种依赖性本身并不是我引以为豪的事。首先，我身体非常健康，公司完全可以期待我更长期的服务。但更重要是，现在越来越多的一号位案例是团队打下来的，不是我一个人打下来的，这个比例正在不断上升。
一号位工程对我来说，只是敲第一次门、转化一些单子、维护一些关系，并不会占用我太多时间。我用老板AI之后，自己也解放出了不少时间。两周前我用演讲的方式见了近200个CEO，又一对一见了30个。
我们重点服务的大型企业客户，全球大概有两三千家，目前已经接触了五六百家。未来两年，把重点客户全部覆盖一遍是完全可以做到的。一号位工程并不是对我个人能力的过度依赖，这套能力正在逐步沉淀到团队和产品里。
**问：首批合伙人有什么进展？专项激励对公司内部有提振作用吗？**
李开复：公司士气一直很好。新的激励方案我刚批了第一批。合伙人还需要时间观察，6到9个月里一定会出来，不过不一定对外披露。我们还会把公司做得更扁平，给合伙人和DRI更大的授权。比如昨天就确定了一位DRI。既然我们提倡了这个方法论，那就得以身作则。
**问：CEO借助AI来做决策，会不会给员工带来新的压力？**
李开复：不会。AI不会去问员工任何问题，它只是收集数据、提出判断和建议，最终的决策还是由CEO来做的。我用了老板AI之后，见员工的数量并没有减少，但问的问题变得更相关、更尖锐、也对他们更有帮助了。
过去员工可能觉得躺平了老板也注意不到，承诺的事没做到也没关系，开会领了任务老板也会忘。现在不一样了，老板变得更聪明、记忆力也更强了，每个员工都会受到激励，要把事情做好。
**问：中国AI企业出海，面对不同的商业文化和监管，核心竞争力在哪？**
李开复：除了中国和美国，几乎所有国家都存在着相当大的信息差。当我们已经在探讨决策中枢和老板AI的时候，很多国家连Agent都还没用好。我们能提供从入门级到万智、万策再到一号位AI的一整套服务。
美国公司主要聚焦美国、欧洲或日本（那些地区回报快、文化和语言熟悉），全球还有相当大的一片市场没有被覆盖。这些国家同样需要FDE来落地，但美国企业不太愿意派工程师去服务这些客户。中国企业有能力帮助这些国家，尤其是共建“一带一路”的国家。
数据方面，我们既不会把中国的数据带出去，也不会把他们的数据带回来，这是底线，否则根本拿不到订单。Palantir还没有覆盖到的国家，正是我们的机会，而且进入时也不会遇到太强的竞争对手。
**问：AI编程能力超过人类，这意味着什么？**
李开复：以零一万物为例，所有代码中已经有90%是由AI生成的，只有大约10%是人类编写的，而且这个比例还在继续提升。但最不需要担心的，其实是程序员被替代——程序员的真正价值体现在思考、决策和执行的过程当中，比如拆解问题、制定计划、Debug。
AI具备编程能力，意味着它不再是简单的问答工具，而是能调用系统、执行任务、推进流程、参与决策的工具。人对于代码和编程的需求是永无止境的——过去由于程序员成本高昂，个性化编程几乎难以实现；今天则可以根据每个人的需求去定制化编程，这对整个经济格局的变革将是巨大的。
**问：大模型是不是进入瓶颈期了？**
李开复：这个观点是错误的。根据METR的评测，两年前最强模型大概能以50%的成功率完成相当于人类专家几分钟的工作；到2026年，这个时间已经达到了十几个小时的量级——差不多是百倍的提升。而同期推理成本下降了175倍。打个比方，如果两年前买一台特斯拉要45万，今天同样的那台车，只要两千多块钱。
