對話李開復：不走OpenAI“燒模型”之路，大模型to B要有新打法
文｜《中國企業家》記者 孔月昕
編輯｜馬吉英
頭圖攝影｜鄧攀
從2024年下半年以來，零一萬物改變了商業化落地策略，在國內優先發展to B領域。李開復也開始在接觸傳統行業的過程中，深入學習他們的to B業務。他認爲這個“很有意思”。
作爲大模型to B商業化的開拓者之一，零一萬物正爲公司業務拓展瘋狂運轉，並嘗試了新的商業模式：並非傳統to B公司的招標競標，而是走“高層路線”，依靠高管團隊積累多年的工作經驗和人脈資源，採取“Boss直銷”，對方公司高層看好就可以拍板執行。
不只是李開復，零一萬物的聯合創始人祁瑞峰也是“Boss直銷”的一員。10月底，在《中國企業家》採訪他的幾分鐘前，他還在跟B端客戶溝通業務。
零一萬物聯合創始人祁瑞峰 來源：受訪者
在祁瑞峰看來，“有毛利的增長才是王道。”零一萬物希望能夠用大模型重構或者差異化賦能客戶，給客戶帶來價值。即幫助用戶實現GMV、毛利、收入、用戶等方面的增長；幫助客戶降本增效。比如在智能客服領域，大模型的自動回覆可以半替代人工，優化此前過於冗長的回覆流程。
儘管零一萬物的大模型預訓練成本僅有OpenAI的3%，但李開復表示，他們不會走OpenAI的路線，“燒不出個偉大的公司會把自己燒死”。
目前，零一萬物在零售、遊戲、能源等四個行業進行了to B商業化落地嘗試，並與百勝中國、孩子王、圖靈新智算、樂淘互娛、直客通等公司進行了簽約合作。樂淘互娛創始人陳建武表示，今年國慶假期期間，他們用零一萬物的數字人在商超測試直播時，通過一個數字人12小時的連續直播，GMV達到了300萬元，覈銷佔70%。李開復預計，今年下半年開始啓動的to B業務，有望在今年給零一萬物帶來可觀的營收。
近期，李開復接受《中國企業家》專訪，分享了他對商業化、融資等話題的思考。
精彩觀點如下：
1.to B方面，我們堅決的方向是深度瞭解客戶的需求，只做那些對客戶有巨大幫助、幫助大到客戶願意給我們付費的業務。
2.堅持做跟客戶雙贏（的生意）。如果整個行業都是需要做一單賠一單的to B氛圍，它本身就很難扶持起來。
3.過去說百模大戰，現在肯定沒有百模在做預訓練了。這是一個健康的事情，因爲有了開源的存在，就可以間接地幫助那些自己的水平不高於開源的模型，不要浪費資源。
4.每個公司都有好的工程團隊，但目標對，工程團隊才能做出正確的產品。
5.無論是多偉大的科技，最終的靈魂拷問都是從商業模式和商業判斷來說，公司值不值它的估值。
6.要做一個很漂亮的PNL（Profit and Loss），每花掉一塊錢，就能看到財務狀況在進步，進步到錢還沒有花完的時候，就會有財務投資人、後期投資人，甚至二級市場追着上來。
以下爲李開復對話整理，有刪節。
《中國企業家》：現在我們行業有被媒體稱爲AI六小虎的說法，您是怎麼看待AI六虎的說法？對於頭部玩家而言，現在各家商業化路徑不太一樣，有的to B，有的to C，有的可能走一些垂直的路線。
李開復：零一萬物主要看自己走什麼路，不太關注大家要算有多少隻“老虎”，你們怎麼算都行。我們認爲最重要的是模型技術要擠進世界第一梯隊，同時要把推理成本降低，這樣纔能有很多應用會產出，這時候我們就會做to C的應用。
攝影：鄧攀
我們to C的應用先做國外，之後再做國內，理由是國外的付費意願比較高，先探索商業化最快的路徑，國內以後也會有機會。to B方面，我們堅決的方向是深度瞭解客戶的需求，只做那些對客戶有巨大幫助、幫助大到客戶願意給我們付費的業務，覺得真的幫助到他們賺到錢。
《中國企業家》：在國內，to B的生意不是特別好做，零一萬物怎麼找到跟行業結合的切入點？
李開復：我們剛開始做to B必須要聚焦，我們內部分析了哪些領域可能是最有商機的領域，因爲我們確定了不做這種“不賺錢的項目制”。我們覺得要賺錢，就一定先要幫助客戶賺更多的錢，他纔會分一些給我們。
我可以描述幾個不同的探索。一是找到了一家國外的世界100強的公司，它希望打造屬於自己的模型，需要買一個全棧的AI技術，但OpenAI這種公司認爲有些東西是機密，不可以賣。我們就跟這家公司說，我們全部可以賣給你，因爲我們知道他買了一套以後，再過半年我們可能有新的升級機會，我們又不擔心這家傳統企業來跟我們競爭。所以我們在做一個方案，把全部技術打包賣給他，不是把IP給他，而是做成APP讓他去用，等於讓他也有一個製造模型的流程。
其次，我們看到一個特別巨大的機會——國內很多城市都有很大的數據中心，想轉型升級成爲計算中心。在整個數智化過程中，AI的基礎架構特別重要。然而通常數據中心一般不具有AI基礎架構的能力，我們就把自己的一整套能力，打包起來賣給數據中心，讓它再轉賣給其他使用者，這也是一個可行的商業模式。
第三是有關大模型數字人解決方案。我們正好有一些相關技術，對接了多家國內頭部的線下零售、餐飲連鎖品牌，瞭解了它們真實業務的需求。這些客戶的本地生活的業務需求不是隨便買個數字人，它的痛點其實是在某個小區開店，店長要出來做直播，但問題是店長還忙着開店，哪有時間做直播？能不能給他做個直播分身，同時也要做語言生成？
只有數字人，沒有大模型是無法進行以最低的成本真正有效拉動GMV的直播的。此外還有很多技術，比如語音生成怎麼去做一個直播語境，以及跟它的數據庫對接？我們賣的是一套完整的解決方案，這樣開連鎖店的店主，他只要做幾個選項，按一個鈕，他的形象就開始做多個直播了。我們把本來可能需要好幾個人、背後做好幾天的工作，簡化成導入數據按一個鈕的工作。這樣就可以不只是請KOL來做直播，而是店店可直播，甚至有一天人人可直播。
要做剛纔我說的軟件，就不是一個標準大模型公司可能會選擇做的事情，因爲裡面有很多跟大模型無關的內容。但是我們不是從賣模型的角度去做這樣一個生意，而是從我要來幫助它做直播，打造增加GMV需要的解決方案的角度。量身定做的方案賣給它之後，再去賣給其他分店，進而賣給別的公司。
我們除了數字人解決方案，也提供AI Infra解決方案等to B產品矩陣，也在跟金融、能源、政務等領域頭部客戶合作。在這樣的幾個領域裡面，我們首單就能拿到相當大的收入，靠這個收入再繼續投入工程師，幫助客戶把方案做得更完整，再迭代成爲產品。
最後這幾個領域是不是都會成爲我們很重要的方向？也不一定。我們要看我們多大程度能夠解決客戶的問題，解決方案多大程度能夠被抽象提煉出來。大模型時代把傳統to B“非標化、定製重、交付重”等模式顛覆了，想象空間很大。
《中國企業家》：之前AI數字人公司做不起來，可能就是因爲沒有足夠多的行業數據，對於你們來說有這種困惑嗎？
李開復：我覺得不要說數字人做起來做不起來，大模型時代的來臨，把一切都改變了。
以前AI 1.0時代做客服也做不起來，現在大模型來了，客服就做起來了。以前AI 1.0時代的聊天機器人，也沒怎麼做起來。現在這些聊天機器人，比如ChatGPT，因爲有大模型就做起來了。大模型本身就是讓人能夠更泛化地用語言去溝通。過去我們很多APP是用圖形、用戶界面、手勢來管理，現在我們能夠升級到生成式AI語言來溝通聊天，所以它可以激活很多應用和機會。
我們現在就是堅持做跟客戶雙贏（的生意）。如果整個行業都是需要做一單賠一單的to B氛圍，它本身就很難扶持起來。我相信大模型的價值是巨大的，它把切入的成本大大降低，把對話交流的能力大大提升，應該可以找到很多給客戶創造巨大價值的場景，我們也會有機會做一些收費。零一萬物將採取“一橫一縱”的打法，充分發揮Yi系列基座模型的橫向泛化能力，在行業縱向做深做透，構建專注於垂直行業場景的企業級應用。目前，仰賴“Infra+模型+應用”三位一體佈局，我們構成了一整套“從AI Infra到模型，再到應用”的全行業to B解決方案。
《中國企業家》：那這些場景是怎麼探索的？前期遇到哪些挑戰或者困難？尤其是撬動第一家客戶的時候。
李開復：因爲我們有兩個很牛的人，一個是在to B方面的技術人，一個是在to B方面的銷售。
我們的技術產品有口碑，幾位高管經驗比較多、有很多人脈，加上清晰的價值主張，就說服了客戶。
我們已經與中國領先的餐飲公司百勝中國、中國母嬰童零售行業頭部品牌孩子王、新型智能算力運營服務廠商圖靈新智算、知名內容營銷一站式服務商樂淘互娛、數字化營銷服務商直客通等簽約。
《中國企業家》：一些大廠在電商直播領域也非常有優勢，而且大廠也有自己的AI大模型，將來零一萬物會不會跟大廠直接競爭？
李開復：我們做的每一項技術都有可能有大廠在做，但我們做每一項技術都要考慮自己是不是有技術優勢或品牌優勢。
在考慮完整的前提之下，就往前走，我們不會去過度擔心哪個大廠做了什麼。
《中國企業家》：零一萬物現在明確要to B轉型，現在很多大模型公司都在着急實現商業化落地，接下來會不會出現B端的競爭或者價格戰？
李開復：我覺得本身就不是價格的問題。如果你這單收2000萬，客戶只願意付你1500萬，這其實就不是一個真正認可你價值的客戶。我們要找的就是有科技洞察和商業遠見的客戶，他會認爲我解決這個問題是值20億的，我收你1500萬、2000萬都是OK的。而且目前這些單子，我們都是單一在做，所以還沒有看到競爭。
當客戶對我們有信任，我們一對一就能把這個deal談成，所以沒有什麼比價的過程。
我希望可能是倒過來的：那些花兩三百萬做個項目不滿意的公司，也許過一陣看到別家花了2000萬，得到了兩個億的價值，他是不是也考慮多花點錢，讓大模型提供商深度幫助他，從而創造巨大的價值，而不是比誰的價錢最低，這樣大模型公司也沒有動力做得很好，客戶也得不到價值。我們是要良性循環的。
《中國企業家》：零一萬物現在to B領域有幾個主要的產品，你們對每個產品的營收預期大概如何？哪個產品佔的比例可能會比較大？
李開復：其實我們都還在初期，很難看得出來。比如說我們幫着電商直播行業做的就是一個完整的數字人加大模型的解決方案，能夠一鍵即直播。我們幫計算中心做的就是AI Infrastructure的一套軟件，賣給他以後，他就可以在數據中心的CPU、GPU的基礎之上，幫助運營模型的訓練和推理。現在都還是比較垂直的，我覺得還要再觀察一陣。
不過談到收入預期，我們今年作爲to B的第一年，下半年開始做，短短兩個季度就已經有預期很可觀的收入，明年會再繼續增長。
《中國企業家》：近期國內一些模型公司或者大廠，有的可能已經決定不做預訓練了，您之前稱零一萬物要堅持做預訓練，怎麼看待這兩種抉擇？
李開復：整個模型訓練分兩個過程，第一部分是預訓練，即把全世界的知識丟進去，等於是讓一個孩子讀到高中畢業；再下面去微調，針對人類的需求或問答的優化，去做一些調整，最後還有推理。預訓練既可以自己從零訓練起，也拿別人的開源模型，然後做下一個階段的後訓練。
所以要不要做預訓練，問題很簡單，只有兩個部分。第一個部分就是我自己能不能預訓練出一個比開源好的模型，如果不能，肯定就要放棄預訓練。如果我能訓練出來，它好得夠不夠多，只好一點點可能也不值得。
第二個部分就是我做這個預訓練要花多少錢，有沒有這樣的預算，而且訓練出來以後它能用多久？有人說模型是世界上折舊最差的東西，因爲往往出來一個模型，4個月以後就有了新版本。一個（模型的）生命週期如果只有4個月，肯定是不行的。
但我們預訓練出的模型遠遠打敗了開源模型，所以肯定自己要做。當然務實地說，如果哪天開源模型打敗了我們，我們肯定也要思考是不是就別做了。
李開復 來源：受訪者
決定要做預訓練後，我們怎麼樣才能確保它不要帶來特別昂貴的成本？一個就是訓練之前要思考周密，把訓練的成本降到最低，所以我們的300萬美元已經是遠遠低於絕大多數公司的了。據我們所知，可能只有一家公司跟我們成本差不多。
模型既然做了這麼周密的計劃，訓練出來了，讓它的生命週期拉久一點，300萬美元如果分攤在10個月，就不那麼貴，如果4個月就換掉，那太貴了。我們要考慮這幾件事情，才能確保我們要做預訓練。
爲什麼一家公司可能不做預訓練呢？一是做得不比開源好，或者好不了多少。二是能比開源做得好，但是公司錢不夠，或者是花錢太多、週期太短。過去說百模大戰，現在肯定沒有百模在做預訓練了，這個數字是5家，還是10家，我們也不知道。但這是一個健康的事情，因爲有了開源的存在，就可以間接地幫助那些自己的水平不高於開源的模型，不要浪費資源。如果沒有開源，“100家”可能都要做下去，最後把錢燒完才放棄，太浪費整個社會的經濟資源。
《中國企業家》：所以您覺得這是一個擠泡沫的階段嗎？目前已經這麼快進入到這個環節了？
李開復：我覺得成本較高，加上有開源做選項，就會讓那些理智的大模型創業者，在錢燒完之前，發現自己錢或者水平不夠了，就放棄，這是一個非常好的現象。
《中國企業家》：零一萬物用2000張卡去追趕OpenAI10萬張卡的效果，你們內部有哪些降本增效的方法論？
李開復：他們的10萬張卡跟我們的2000張不能直接可比，總有幾十倍的差距。而且他們是第一個做的，往往會花更多的探索成本，在希望快速跑出來的時候可能會犯一些錯誤。基於晚五六個月的前提之下，我們可以做到訓練成本是OpenAI的3%左右。怎麼做到的呢？我覺得要同時擁有對硬件深度的理解，還要有一個很強的基礎架構團隊和模型團隊。
很多模型團隊，尤其像OpenAI、谷歌這種公司，他們不喜歡別人給他們做一些框框架架，他們覺得可以去隨心所欲地探索，用大量的機器資源做出超棒的結果，再看怎麼進入產品。
我們的思維不同，最終做模型的目的是要能夠打造應用。今天推理成本太高，無論是用戶付費，還是廣告商付費等商業模式，都承受不起。怎麼把推理成本下降？推理成本最貴的是GPU。如何少用GPU，能不能用內存來代替GPU計算，能不能找有非常大的HBM的GPU，還有能不能用CPU上面的內存和SSD去做一些緩衝？怎樣設計一個超大緩存模型，讓推理時做最小的計算，最多地從內存裡面調用，這是我們大致思路。
然後你要做一個推理引擎，別的API調過來，你的引擎怎麼去回它的API，這個引擎就應該去適配我剛纔說的多層內存的架構，用內存降低計算，我們的推理引擎也是量身定做的。
最終要把產品都部署在這臺機器上，有多少個GPU，用什麼樣的CPU等，在這個基礎上我們再去決定我們能做什麼樣的研究。這個研究不是說拍腦袋想做什麼做什麼，一定要能夠正好把PC塞滿，但是不能塞得太滿，纔能有空間去做很好的推理。
我們今天模型的尺寸、規模等，都是在之前先推算出來，並要求算法團隊要朝這個方向去做。我覺得每個公司都有好的工程團隊，但目標對，工程團隊才能做出正確的產品。
我們稱爲模基共建。這個過程中我們做模型、科研、工程、底層架構的人，以及去了解GPU、去用各種GPU框架的人，都是坐在一起，一起朝一個完整的目標做共創優化。這需要團隊目標定對、目標管理、同心協力，和美國AGI有差異化的打法，才做出這樣的結果。
《中國企業家》：前段時間OpenAI進行了一筆鉅額融資，同時簽了一份對賭協議。近期您去融資的時候，有沒有遇到過類似的靈魂拷問？
李開復：OpenAI現在已經到這個規模了，所以投資人就會對收入有期望，甚至再下一輪，可能對盈利有期望。我們還遠遠沒有到那個階段，還差好幾個數量級。
現在投資人可能看得更多的是我們收入的質量，成長的速度要做到多少。現在這個市場未來兩年應該還是有爆發成長的空間，但這也是很難去對賭的事情。現在我也很難說，我們兩年後的收入會是今年的2倍或者20倍，這個範圍都有可能。但是你要我一定要達到10倍，我也不敢賭，說不定達到20倍也是有可能的。這種對賭適合於比較後期、相對發展穩定的公司。
《中國企業家》：有數據統計，國內投資機構偏向於投早投小，或者投非常後期，但現在頭部大模型公司估值都到了200億元上下，其實都到了一箇中期階段，目前怎麼去找到“耐心資本”？
李開復：我覺得確實是有這樣尷尬的挑戰和問題，需要提早預測去避免。
我覺得如果一家公司有這樣的認知，要提早做好多輪融資計劃，也就是每一次融錢，要知道再下一次是什麼時候融，什麼時候能看到收入的規模化。我們內部有一個比較清晰的藍圖，即兩到三年的計劃，按部就班地去推進自己的收入，增加投資人對我們的信心，他看到我們達到了上次的承諾，再去完成下一個成長週期。
另外，這不只是一個能融多少錢的問題。怎麼樣去負責地花融到的錢，讓它能夠對未來的業務發展產生非常樂觀的指標？比如把融來的錢60%~80%花在GPU上，這是一個必然的公式嗎？還是應該把GPU當作一個普通的商業開銷？或者，當我在做一個業務的時候，怎麼去考量它的可成長性、利潤率？就是要做一個很漂亮的PNL（Profit and Loss），每花掉一塊錢，就能看到財務狀況在進步，進步到錢還沒有花完的時候，就會有財務投資人、後期投資人，甚至二級市場追着上來。
《中國企業家》：目前投資人是怎麼看待零一萬物商業化的速度和策略的？
李開復：整個零一萬物還是有to B和to C兩方面的收入，加起來我覺得應該是在國內排前兩三名。
《中國企業家》：你是說營收規模嗎？
李開復：是。現在這個階段只能看營收規模，我其實更早也說過，這個行業跟AI 1.0不一樣，剛開始大家看誰有最牛的人，誰出最多的paper，誰打比賽得最高的分數；後面看誰能最快產品落地，誰能最快有收入，誰的收入可以規模化，成長率更高，看誰能有盈利。這是個繞不過的必修課。
AI 1.0的最後兩項，很多公司都沒有及格。創造收入是可以的，再往後規模化就比較難，盈利就更難了。
零一萬物的管理團隊商業經驗比較豐富，也陪伴了AI 1.0的10多家獨角獸公司艱難地走過來，所以我們肯定會未雨綢繆，先準備好要做的業務規模化、盈利的可能。我們非常早就認知到，無論是多偉大的科技，最終的靈魂拷問都是從商業模式和商業判斷來說，公司值不值它的估值。我們不可能永遠陶醉在比賽結果、用戶下載量，一定是要非常早就去思考商業的需求。
哪怕你就是想要融資，你不走這條路，最後融資也是走不通的。走不通，你還是不能上市，或者是上市之後會破發。這些問題已經出現一遍了，這一次應該看得很清晰，需要避過這些陷阱。
《中國企業家》：在企業盈利方面，零一萬物有大概的預期嗎？
李開復：這個還不能回答，現在還太早。我們先要把收入做到規模化，再去考慮盈利。
但是現在每一個單子，我們會有盈利的要求。如果要做項目，每一個單子都是要盈利的。