超大模型，交给阿里训

《智能涌现》：围绕事件的焦点，零一万物的预训练团队和Infra团队，到底发生了什么？

李开复：我们跟最大的投资者阿里一直在沟通，也成立了一个联合实验室（产业大模型联合实验室）。联合实验室会是做更有Scaling Law方向性的工作，这个是阿里来主导。

那我们有一些成员擅长和愿意投入Scaling Law ，所以部分团队会通过联合实验室和阿里深度整合。

《智能涌现》：意味着预训练团队和Infra团队可以自行选择去阿里，或者留在零一万物？

李开复：这些细节就先不多说了。

能透露的是，现在有一个做超级大模型的巨大机会，阿里决定要往前冲，我们也为阿里鼓掌。在过去的一年半里，我们确实有一些优秀的成员还对这件事情抱有很大热情。那双向选择是很自然的。

《智能涌现》：预训练和Infra团队加入阿里，是不是意味着零一万物正式放弃预训练了？

李开复：我们理想化的“预训练”是做务实的、小而快的，然后以商业性价比来评估的模型。

之前OpenAI 前联合创始人Ilya说，Scaling Law已经到了尽头。意味着巨大的模型要花很多的钱，得到的效率也不会像以前那样递增。所以必然只有大厂能烧超大的模型。

随着Yi-Lightning（零一万物的20B模型）获得了比较好的市场反馈，我们也看到以后零一的角色应该是做相对快而小，而且便宜的模型。以后训练的模型不会比Lightning更大了。

《智能涌现》：1月初零一万物和阿里云成立实验室训练大模型，两方的角色定义是什么？

李开复：超大模型的用处在于它可以教较小的模型，我们叫做“teacher model”，大模型用数据蒸馏、数据合成等方法，教小模型能力，是训练模型的一种策略。

虽然大模型可能很贵，也比较慢，但是它是中国大模型在应对科技封锁时，必须要占据和坚守的创新生态位和安全底线。

所以我们觉得要和一个烧得起大模型的大厂合作，以后超大的模型由阿里训练，我们就可以用小而精的团队来做小而便宜的模型，拥抱应用的爆发。

很多人还是抱着超大模型的梦的，那么这些人就非常适合加入阿里主导的联合实验室。

《智能涌现》：传闻中零一万物的卡（指GPU）卖给了阿里，是怎么回事？

李开复：卡的事情我不知道是哪里出来的。我们自己也不拥有卡，怎么去卖啊？所以卡的事情无法回应。

《智能涌现》：不自己买卡建集群，购买云服务，是AI初创公司的常态吗？

李开复：大家认为小公司不适合超大模型，所以那些有上万张卡的小公司，可能要重新考虑，不烧大模型的话，卡要不要减少。

我觉得这是一个行业通用的思考。我们不再做这件事情不是说不相信Scaling Law，而是说我们把用更多卡烧超大模型这件事情，交给能够做 Scaling Law的大公司，比如说阿里，然后我们跟它合作，这才是生存之道。

七成收入来自B端

《智能涌现》：您的辟谣朋友圈提到，2024年零一万物的确认收入已经有一个多亿了。这主要来源于哪些业务？

李开复：实际上我们一开始以To C为主，而且To C我们一开始就做出海。我们有明确的认知，2024年在国内做To C比较难商业化变现，所以国内我们基本上坚决不烧钱获客，去做To C产品。

在C端，我们去年达成的业绩，大概有2-3成来自出海的付费产品，比如PopAi，它是一个生产力工具。

《智能涌现》：那意味着也有七成的收入来自B端？

李开复：To B是在2024年下半年，我们经历了半年的战略转型。因为我们先打磨了大模型技术，过程就像是通过技术在找场景。

所以To B我们也做了多种尝试，其中一个就是游戏产业，下半年整体也有比较好的增长。我们在金融和能源行业也有不错的增长。

《智能涌现》：从上半年的To C转到下半年的To B，业务形态的变化是相当大的。

李开复：可能外界会感觉2025年1月初开始变动比较大，实际上我们已经规划了数月时间。我们整体的组织、资源的配置、项目优先级的排序，哪些做和不做，其实经过了系统性的整体梳理，在年末开始有了一些里程碑的体现。

比如我们和阿里谈联合实验室，也谈了一段时间，近期才官宣。

《智能涌现》：近一年来，零一万物整体的组织、资源的配置，有哪些变动？

李开复：我们的组织架构调整主要在于增加To B的功能，能够带来更多行业大模型的合作。

所以我们内部团队也做了相应的调整。比如落地要有非常强的售前，以及聆听客户需求、跟进策划产品和商业模式的团队。我们还要有强的工程研发，因为这些应用需要标准化、平台化。我们坚持不做接一单赔一单的To B生意。

《智能涌现》：零一万物专注训练小模型，怎么做商业化？

李开复：我们认为极速的、高性价比的模型特别适合做产业模型。这不是说我们要做3B、4B的模型，这些过小的模型在很多场景是不work的。

同时我们也不会继续做超大参数的模型，因为这些超大模型在车企、金融、游戏等很多领域也不适用。我们要做的是和Yi-Lightning相似规模，或者更小一点的模型，能够适用于更多行业场景。

《智能涌现》：零一万物在行业To B起步是比较晚的，怎么弥补后发劣势？

李开复：我们会主打几个业务。我们不像有些AI公司，能够雇300个销售。我们会用我个人的人脉去切入一些非常好的领域和公司，然后去找到可以做标配解决方案的领域。

同时，我们可以跟创新工场联动，创新工场孵化的很多领域的公司，跟我们都是非常互补的，可以合作。

以及我们觉得行业模型还不够细分，比如我不认为金融是一个赛道。我们会在行业的基础上再向下细分赛道。这里我就不能讲细节了，因为讲了别人就知道你在做什么了。

我们是商业初创公司，不是技术实验室

《智能涌现》：我们了解到，2025年1月初的一次内部会上，你提到零一万物要“全面向应用看齐”。

李开复：一开始我们肯定带着追求AGI的理想，吸引了非常多有强大技术魂的同事，验证了我们能够做出世界级的技术。

但某种程度上，今年会是大模型公司商业化的淘汰年。如果大家不能走过这个坎，不能去验证技术能够真正落地到应用，就会面临淘汰的可能性。

《智能涌现》：“真正落地到应用”的评判标准是什么？用户数？营收？还是利润？

李开复：我们觉得的核心就是这个应用必须要能够赚钱，要能够带来收入，而不是盲目的做这个增量，盲目的做用户数。

所以要“全面向应用看齐”，是指：当你真的有技术，没有应用的时候，这基本上只是一个实验室。

我们做的是商业公司，不是“零一万物技术实验室”。

《智能涌现》：听说公司对部分业务做了拆分，成立子公司独立运营和对外融资。

李开复：这其实很像创新工场run了很久的孵化模式。比如前阵子被报道的“零一绿洲”（零一万物AI游戏子公司）的拆分，这个业务我们也run了几个月，觉得它能够跑起来。

《智能涌现》：为什么拆分？

李开复：当你的团队非常聚焦在一个垂类，而且这个垂类是你预测是可以做大垂类的时候，他们会更专注，更可能把这个行业做得更深、更透。

所以相比于在一个想做多行业的团队里面，独立之后能够更专注，也能够接触专有的资源。

《智能涌现》：评判业务要不要拆分的标准是什么？

李开复：先去找投资人聊，看有没有人愿意投。

如果盲目地拆分，万一团队自己没办法充分的造血，实际上是没有必要的。

《智能涌现》：很少有初创企业一下子同时做这么多业务方向，会分散精力吗？

李开复：我们还是希望未来能够实现一个To B的平台。其中有不少中央研发的成本，是由业务线来共同分担的，可能20%花在这条，30%花在另一条，50%做大家通用的工具链等。

同时，业务跑出来，有时候是因为风口，有时候是因为概念，很难去规划，不同方向得边做边看。当然希望我们今年可以做出几条明星产品线。

《智能涌现》：经历这一年半，你对AI创业有怎样的新理解？

李开复：要勇于主动调整，看清什么是对的战略路线。创业公司第一年的打法未必适用于第二年，此时如果盲目坚持一些负担不起的东西，对初创公司来说并不是正确和健康的选择。

我们希望我们的未来是有更强的确定性，这样我们也更有信心去达成目标。

欢迎交流！