沒了李開復，零一萬物還有什麼？
這個問題，是在零一萬物發佈會上，被拋給零一萬物CEO、一號位李開復的。
李開復的反應很有意思。他笑了，很鬆弛的那種，然後不緊不慢地給了三點回應：
1、身體非常健康，正值當打之年。
2、自己主要負責敲第一次門、維護關係，並不佔太多時間；
3、團隊已經能自主拿到訂單，而且這個比例還在持續上升。
說實話，現場的很多對話都太精彩了，我全程吃瓜臉。
但在上述回應之外，我覺得李開復之所以至今仍然親力親為，可能更跟他一直堅信的一個判斷有關——
AI轉型，必須一號位親自來做。
發佈會上，李開復再次強調了這句話。它適用於零一萬物，更適用於所有正在做AI實踐的公司。
這背後其實藏著一個微妙的內生悖論：
很多企業的中層和普通員工，對AI多少帶著點牴觸、抗拒，甚至恐懼。如果把AI轉型這件事交給團隊去推，底下的人難免會想——
這東西搞好了，是不是我的工作就沒了？
那怎麼辦？
零一萬物從第一性原理出發，給出的答案是：
直接賦能一號位，讓他們自己先把AI用起來、用透徹。
換句話說，就是讓各部門的一號位，率先變成「超級個體」。未來公司的終極形態，或許就是一群OPC組成的超級公司。
不是每個OPC都要自己創業，公司應該提供足夠的空間，讓這些OPC成為DRI（直接負責人）。
我同事看到這句話，第一反應是：
？新時代的MCN？？？
（doge）
而這次零一萬物集中發佈的產品，同樣脫胎於這套第一性原理：
- 萬策：企業決策中樞平台；
- 老闆AI、銷冠AI、投資官AI。
下面量子位經整理後的演講精華。
Enjoy。
「一號位」工程
DeepSeek-R1剛發佈那陣，不少公司火速採購。
李開復問一些CEO：買了嗎？——買了。
用了嗎？——用了一陣。
員工拿來做什麼？
算命。
……
這正是很多CEO正在面對的真實困境。在與數百位CEO深入交流後，李開復指出，企業AI落地背後藏著三重痛點。
企業AI為何淪為「玩具」？
1、AI不瞭解你的業務。
今天的模型和通用Agent已經足夠聰明，但這就像把高考狀元請進公司——他入職第一天，對業務的貢獻幾乎為零。
原因很簡單：他不知道公司的資料在那、流程怎麼走、安全邊界劃在那。
AI面臨的，是同樣的處境。
2、大部分公司還拿AI當軟體。
很多老闆的邏輯是：過去怎麼裝SAP、用友、金蝶，今天就怎麼裝AI。選模型變成了採購任務，從幾家供應商裡挑一個”最好的”。
做Agent也一樣。CIO首先想到的是各部門需要什麼——客服、銷售、還是法務？
這些應用當然有用，但坦白說，它們大多處在業務邊緣，價值更多是節流：少招幾個人、省一點成本。
這對公司有價值，但沒有深入核心業務流程，也沒有把財報當作最終目標。最後做出來的，可能是一盆漂亮的盆景——
長不出一座森林。
3、決策人存在錯位。
既然目標是改變公司財報、以ROI為根本，這事就不再只是CIO的工作了。
它一定是CEO一號位的工作。
這正是零一萬物的切入方向。
解法，從上到下的一號位工程。
零一萬物想建構的，是一套真正服務企業一號位的AI決策中樞，叫萬策。
通過這套中樞，公司的決策流程將形成一個完整的閉環：通過系統做出的每一項決策，都會收到對應的反饋——那些建議有效、那些效果不佳、最終採納了那些方案……系統會基於這些資訊持續最佳化輸出，讓答案質量不斷提升。
這件事情非常重要，說實話，未來企業的競爭力和護城河，很大程度上就在於這套「閉環」。
李開復描繪了一個場景：
有兩家公司，一家今年就開始用萬策，另一家兩年後才入場。
雖然拿到的是同一套產品，但先用的那家，系統已經進化了兩年。它能幫企業做出更好的決策，看到更多事實，規避更多風險。
決策中樞的四塊拼圖
具體來說，這套決策中樞被概括為四塊關鍵拼圖——
- 大腦：大模型，負責語義理解、業務知識支撐、推理與判斷。
- 地圖：企業本體，用語義定義企業的業務世界，包括客戶、合同、審批節點、業務……讓AI讀懂一家公司。
- 導航系統：動態上下文，追蹤交易狀態、審批推進、事件變化和即時業務狀態。
- 作業系統：執行層，把判斷變成安全、可控、可審計的行動。
說到這，我突然想起前陣子Fable 5發佈時出現過一個挺有意思的爭論：
大模型已經足夠強了，Skill、SOP……所有Agent工程最終都會被模型層吃掉。
但李開復不同意。
他的邏輯是——大模型存在一種「先入為主」的傾向：它基於某個方向做出判斷後，會固執地沿著這條路徑走下去，試圖證明自己是對的。
因此，需要多Agent做頭腦風暴，用結構化的方式對抗模型的「確認偏誤」。
未來公司的形狀？
Jack Dorsey曾經在一篇文章裡提倡：大公司裡需要DRI（Directly Responsible Individual，直接負責人），這個角色至關重要。
李開復進一步補充，DRI要成功，有兩條前提：
1、充分甚至絕對的授權。
2、既要有管理AI的能力，也要有協調部門的能力。
但現實是，這不是每個人都幹得了。
所以，零一萬物的策略是：基於一號位工程，先讓CEO、首席投資官這些關鍵一號位把產品用起來。
本質上，DRI也可以理解為OPC。但在大企業語境下，不是單打獨鬥的OPC，而是一個OPC叢集。
OPC不一定非要去創業。每家公司都應該提供足夠的空間，讓這些OPC成為DRI，給他們更多token、更多資源、更多決策權。
但也別急。這件事不是越快越好。
傳統公司別一下變得太快，循序漸進比較好，先從混合模式做起，最終過渡到DRI模式。
這個過程可能需要兩三年。體量更大的傳統公司，甚至可能需要五年。
Q&A精選實錄
發佈會結束後，零一萬物進行了近一小時的閉門媒體交流會，資訊密度極高。
整個過程中，李開復始終非常Chill。面對尖銳提問，他依然鬆弛，全程面帶微笑。
為了更高效地傳遞核心資訊，量子位不做過多加工，直接奉上一手實錄。
記者：您過去一年深入拜訪了很多客戶，幫助他們做AI落地。您如何確定自己的拜訪名單？
李開復：有時會從CEO或CIO入手，由團隊先完成初步接洽，必要時我再出現。有些面向CEO的專場演講，我也會更積極地參與。此外，不少CEO通過我們發佈的資訊主動找上門。如果需要我出面，我當然會去，但多數時候，團隊已經能夠穩妥處理這些客戶關係。
這些客戶的變化也很明顯。他們越來越著急，越來越確信自己必須採取行動，也越來越清楚地意識到自己需要幫助。
記者：相比其他公司，零一萬物最難複製的是什麼？是開復老師的個人資源、對談企業數量，還是模型能力？
李開復：剛開始推行一號位工程時，我個人或許有一些獨特優勢，能夠觸達部分核心使用者。
但在深入瞭解使用者、協助他們完成一些項目後，我們已逐步理解客戶的共性需求，對產品進行泛化，同時對Ontology等底層技術也有了更深入的認識和發展。
通過接觸更多企業，尤其是與一把手深度交流，我們能夠更深入地挖掘他們需求的共性。在此基礎上，結合我們對下一代技術發展的判斷，最終形成系統性的競爭優勢。
關於模型，我也補充一句。我們非常尊重各家模型公司，但客戶的需求確實已經發生了明顯變化。
一兩年前，很多客戶還會問我，到底該選那個模型，希望我幫他們做推薦。但最近他們面臨的困擾變成了模型太多、變化太快，反而不知道怎麼選。
對企業客戶來說，選擇模型本身並非他們最想投入精力、也未必最擅長的事情。
這有點像企業IT部門採購電腦。作為CEO，我不會特別關心這台PC裡用的是那家的晶片、那家的記憶體；我更關心的是它是否穩定、好用、能滿足業務需求。我會信任IT部門的專業判斷，也相信他們採購的裝置裡自然會配置合適、優質的元件。
模型正在越來越接近電力這樣的基礎能力，大家不會每天關注電來自那家電廠。企業使用AI時，也會越來越少糾結底層模型的品牌，更關注最終效果、成本、可靠性和可持續迭代能力。
當然，我這裡主要指企業級使用者。個人使用者的選擇邏輯可能會有所不同。
記者：如果開復老師不再去見一百位CEO，這套模式還能跑通嗎？沒了李開復，零一萬物到底還有什麼？
李開復：作為CEO，一定要確保公司基業常青。這樣的依賴性並非我引以為豪的事情，我更希望公司能夠長期良好運作。
首先，我身體非常健康，正處在當值當打之年，公司可以期待我更長期地服務。其次，我們現在看到越來越多一號位案例來自團隊，這個比例正在提升。
第二，我所謂的一號位工程，主要是敲第一次門、轉化一些單子，以及維護和一號位的關係，它並不佔用我很多時間。
第三，我用了老闆AI，釋放了自己很多時間，所以我有時間和精力做一號位對接。
大概兩周前，我用演講的方式見了接近200位CEO，一對一見了30位，這也沒有問題。
最後，我們目前重點服務的是大型企業客戶，真正適合使用我們產品的企業，在全球範圍內可能也就是兩三千家。
到目前為止，我們已經接觸了其中五六百家。未來兩年內把這些重點客戶基本覆蓋一遍，是完全可行的。
記者：作為一號位，不論是銷冠、投資官還是老闆，他們的隱性知識都非常難數位化。這個難題如何攻克？
姚璨：企業裡面有非常多沉默資料沒有被挖掘出來。大家可以想像一下，現在有一個AI助手，你和它發起對話時，AI第一次給出的答案你不太滿意，於是你會繼續追問。
這個過程中形成的資料非常有意思。你其實是在利用腦海裡的一些隱性經驗，教會AI如何理解問題、修正答案。
公司裡還有很多流程性資料。我們的流程到了那一個節點，應該由誰審批，他的審批意見到底是什麼？這些隱性資料，對於一個決策流程來說非常關鍵。
記者：Palantir的CEO前一段時間批評OpenAI和Anthropic，認為Token模式存在一定價值問題。開復老師怎麼看？
李開復：這要分不同的工作來看。有些工作用非常便宜的Token就能滿足需求，有些工作必須用頂級Token，比如程式設計。因此，Token工廠、Token流確實具有商業價值，也是一種可以持續下去的商業模式。
不過，我想特別強調，絕大部分企業的業務不同、決策不同、老闆的需求也不同，Token模式並不能解決這些差異化問題。當你面臨的問題越有挑戰性、企業越獨特，Token模式就越不適用。
所以，Palantir可能並不認同這種模式，但這並不代表它不合邏輯。如果我是OpenAI、Anthropic或者中國類似的公司，我也會這樣去賣Token，這沒有問題。
在很多工種和需求場景中，Token模式可以達到80分，甚至85分。
而Palantir CEO所說的，正是那些特別困難、特別專注、具有高價值的事情。客戶無法接受85分，他們一定要做到99分。想達到這樣的水平，就需要產品。這兩種模式並不衝突。
關於3至15個月的差距，這個差距會來回浮動。DeepSeek-R1出來時，差距大概是3個月；Mythos出來後，應該又到了15個月。
但客戶不在乎，企業也不在乎。
OMT
大概就是這些。資訊密度巨高，一上午下來大腦直接過載。
正收拾書包，想著中午點啥外賣的時候，開復老師突然拿起話筒說：
還給大家準備了一份禮物。
然後——工作人員推了一小車的滷肉飯上來！
不開玩笑，真的巨好吃，和鄉村基的完全不一樣！！
（原諒我貧瘠的美食詞彙量）
據說，是開復老師的家傳配方。
對了，還有件挺重要的事。
7月中旬，開復老師會帶著新書《AI未來已來》亮相WAIC。想簽售的朋友可以提前蹲守一下。 (量子位)