日期：2025-10-02 09:33:12
今年1月，因放弃超大基模（万亿参数以上）预训练业务，李开复创立的零一万物一度成为媒体关注的焦点。不再追求训练超大基模的零一万物随后投身于企业模型应用领域。在9月25日举行的上海“元启上海”华东数智大会上，该公司发布了以万智企业Agent为核心模块的万智企业大模型一站式平台2.0的最新进展，宣布全面升级政务和企业服务战略，明确聚焦企业级Agent落地。
两天后举行的长江商学院CEO 20周年返校日庆典活动上，李开复作为演讲嘉宾发表了题为《AI Agents：CEO最需关注的核心技术》的演讲。在这场演讲中，李开复强调， Agent可以重构企业现有的内部业务和组织框架，CEO们需要给予这个时代最大的关注。
在当日的演讲结束后，李开复和零一万物新任联合创始人沈鹏飞一起接受了澎湃科技的采访。李开复表示，零一万物现阶段已放弃万亿参数以上超大基模预训练，现在团队专注做轻量化、性能优秀的产业大模型和行业应用。超大基模预训练对初创公司来说性价比、投资回报（ROI）极低。此外，他认为，Agent在国内最有价值的场景不在C端消费者用户，而在B端企业级市场。
以下是澎湃科技专访李开复、沈鹏飞内容：
澎湃科技：大部分国内企业现在对Agent的态度还非常犹豫，是吗？
李开复：企业犹豫的点在于，现在模型还存在一定幻觉，必须要有人工审核和干预，特别是在医疗、金融这类关乎生死和钱的领域，大家更加犹豫。但现在至少AI能辅助人类进行决策，工作效率大大提升了。
另一方面，我们一直强调，2025年是AI从预训练走向强推理的元年，场景化落地已经在各行各业全面展开了，这一趋势是不可逆的。
国家层面也在推动，比如最近国务院印发的《关于深入实施“人工智能+”行动的意见》，已经从“+AI”变成了“AI+”。所以不管是To G（政府端）还是To B（企业端），随着场景的开放，肯定会涌现出越来越多的智能体，尤其是各行各业里的垂直智能体。
澎湃科技：你们怎么看待Agent市场，大模型公司也在做，传统做SaaS(软件即服务）企业也在做，你们的核心竞争优势是什么？
沈鹏飞：我们原本考虑的是一个大模型能搞定千行百业，但当下还没有一个通用模型能一招吃天下，大量的大模型并没有掌握行业的垂类语料，比如工业数据等，因此还有大量的生产力有待释放。在现阶段，我们更注重以“一把手工程”为核心，与灯塔企业做定制化服务，跟头部伙伴一起共创，之后再赋能整个行业。
澎湃科技：有哪个行业可能在这波浪潮中走得更前面一点？
李开复：金融、能源公司这类企业，AI落地速度比较快。因为它们一直属于数字化、信息化做得更好的行业，最难打入的是数字化基础薄弱、一把手没有拥抱AI决心的公司。
澎湃科技：现在很多企业都在做 Agent，路径不太一样，你们针对的是企业端（to B），也有很多是面向消费者（to C）端。在你看来，当下这两条路径该如何看待？以及你觉得这些企业中，最终的胜负因素会有哪些？
李开复：我觉得To C端的Agent方向有合理性，只是现在面临一个问题“Agent 能给个人创造的价值跟给企业创造的价值孰轻孰重”。
作为一个C端用户，我到今天也没有付钱给Manus、Genspark AI，不是我认为它不值得，而是如果它只是偶尔帮我做个网站，我每个月就要付几百美元，这没有足够的性价比。但对企业来说，AI帮公司搭建一个网站，或者把做网站的成本节省 60% 到 70%，甚至帮公司完成一些策划、战略，价值就完全不一样了。
我们更想做针对特定企业和行业进行优化，证明它的 ROI（投入产出比）。而不是说让任何一个人、任何一个行业，不管是学生还是总经理，每月花 500 美元最后交付的是一个通用型的东西。
沈鹏飞：中国和美国的付费习惯不太一样，美国用户更看重的是工具本身的价值，中国用户更看重的是结果。
澎湃科技：刚才演讲上也提到了中美AI 差异的问题，可以展开聊一聊吗？
李开复：美国的大厂本质上跟中国大厂一样，他们有很多赚钱的方法，因此产品通常做到60分就够了，不需要必须追求95。Open AI、Google这些公司本质上都是 to C端公司，它的思维是从C端角度做。
但是 B端的 95 分跟 60 分，差别巨大。C端场景,模型答错问题，通常并不致命，但B端涉及企业安全和钱的问题，如果Agent犯了巨大的错，把企业的信息错误告知，后果是非常严重的。所以我们针对企业的场景的产品开发一定会增加一道“人工审核”的环节，把控风险。
大厂的这套方法论也有它的价值，比如美国的AI编程软件为什么很成功？因为最懂、最爱AI的一定是做IT的人。AI付费意愿最强的群体就是软件工程师，他们能报销就报销，不能报销自己也愿意付费。
澎湃科技：你们之前的大模型能力对现在的业务有什么赋能的地方？
李开复：我们并没有放弃大模型的研发，目前团队仍具备做性能优秀且轻量化的产业大模型预训练和微调的核心能力。这种能力主要体现在几个方面：对于某些行业，如果需要训练专属的行业模型，一般应用型公司难以实现。这种情况下要做好模型微调，同时也要开发多种应用功能，包括多模态处理等技术，这些能力都是非常有价值的。我们仍在做产业大模型的研发，之前的经验和积累对我们做产业大模型有很重要的作用。
我们也不排除未来某一天会再次进行超大基模（万亿参数以上）训练，只是目前从性价比和投资回报（ROI）来看，还不具备可行性。
捷希缘提示：文章来自网络，不代表本站观点。
