出品｜虎嗅科技组

作者｜宋思杭

编辑｜苗正卿

头图｜视觉中国

在零一万物过去近乎 " 沉寂 " 的一年里，李开复见了上百位 CEO。其中国内外 CEO 各占半数。

这些一号位里，有政府，也有能源巨头、跨国农牧集团、银行、物流公司与大型制造企业。李开复会飞往中亚、东南亚、中东、欧洲，甚至非洲，去和总统们和企业 CEO 们聊天。也就在虎嗅与李开复对话的那周，他刚准备启程前往越南，开始新一轮密集拜访。

一年飞往全球各地见上百位 CEO，听起来是一件几乎很难完成的事情。但今年已经 65 岁的李开复告诉虎嗅，" 去年在瑞士，我两天就约了 30 个 CEO。"

过去一年里，李开复不愿意像一些 SaaS 企业一样，为企业改造客户、财务或者做某一个 Agent，这些 " 辛苦钱 " 不是零一万物的目标。

在他看来，某一个环节的 AI 改造，并不足以真正改变一家企业的竞争力。见了 100 位 CEO 后，李开复告诉我，"CEO 真正关心的，不是多装几个软件，而是收入、利润、增长率和风险。所以，零一万物关心的是，AI 能不能直接改变一家公司的财报。"

虎嗅获悉，零一万物 2025 年订单规模约 5 亿元，而 2026 年合约统计已达 15 亿元。与此同时，公司也正在筹备新一轮融资，并为 2027 年 IPO 做准备。

再次见到李开复，他呈现出一种更加务实、更加专注，也更有信心的态度。

同时，也就在零一万物过去保持沉寂的这一年里，大模型行业的竞争逻辑发生了剧烈变化。

DeepSeek 出现之后，国内基础模型竞争进一步向少数头部公司集中。模型价格快速下探，Token 价格不断下降，训练成本与算力消耗却仍在持续攀升。对于大多数大模型公司而言，继续做 " 下一个 OpenAI"，已经变成一场越来越重的资本战争。

" 如果想做到第一，需要融多少钱？成功概率是多少？这是一个商业问题。" 李开复说。他很早就意识到了这一点。

所以，今天零一万物对标的不是 OpenAI 也不是 Anthropic，而是 Palantir。这是一家面向政府和关键行业客户，提供数据整合、复杂决策支持和业务执行系统的软件平台公司。

而零一万物并不会面向美国市场，相反，李开复过去一年经常往返欧洲、中东、亚太。

从去年起，零一万物主动调转方向并瞄准 " 主权 AI" 这个国内少有人耕耘的赛道。

在这背后，隐藏着他对中国 To B 市场一次新的判断。

过去十多年，中国 To B 一直是最难做的生意之一。SaaS 长期面临低付费、长周期、重交付的问题；大量企业习惯 " 最低价招标 "；很多 AI 项目最后都停留在几十万元做一个 " 客服 Agent"。

但李开复认为，生成式 AI 驱动的 AI 2.0 会让中国 ToB 出现一次崭新的爆发机会。

他判断，中国 ToB 出现爆发的机会，还需要同时满足几个条件：1）企业一号位必须‘觉醒’；2）中国企业需要为结果付费，而不是习惯低价招标；3）AI 创造更大的、可量化的价值；4）AI 落地成本需要大幅下降（如 POC 周期）。

只不过，这些信号目前并未全部出现。而在此之前，李开复已经做了关键的几件事，除了见上百位 CEO，他还在探索其他模式，如去哈萨克斯坦会见总统，以该国人工智能发展委员会委员的身份带领零一万物团队亲自参与当地 AI 体系建设；再比如，和正大集团建立 " 合资公司（JV）" 万蜂智能，让 AI 下农场养鸡生蛋改善营收指标。

零一万物是曾经的 " 大模型六小虎 " 中最独特的一家，它的独特在于创始人李开复本人，也在于它是唯一一家没有像其他 AI 公司一样频繁融资，也没有卷入大规模烧钱的基础模型战争。甚至直到今天，它依然是少数没有引入太多外部资本的大模型公司之一。

而当今天头部 AI 公司仍在试图成为中国版 OpenAI 或 Anthropic 时，进入花甲之年的李开复则重新回到了自己最熟悉的事情，做中国的 Palantir，全面转型 To B。

以下为虎嗅与零一万物创始人兼 CEO 李开复的完整对话：

一年时间见了上百位 CEO

虎嗅：零一万物从坚持预训练、做基座模型，到一号位工程，这个转变是怎么发生的？

李开复：本质上还是商业判断。基座模型是一场资源战争，而且最后一定会行业集中。我们当时就在想，如果想做到第一，需要融多少钱？成功概率有多高？这是不是适合我们继续打的一场仗？

后来我们发现，无论是 To C 还是传统 To B，其实都不好走。To C 的问题是流量，大厂太强；传统 To B 的问题，则是大量项目都停留在几十万、上百万的招标生意。比如客服、财务、法务 Agent，可能只是省掉几个助理、十个客服，但企业真正的竞争力没有变化。

我们一直不想做这种 " 做一单赔一单 " 的生意。后来我们慢慢意识到，真正的大机会，不是卖 Agent，而是帮企业做 AI 转型。

虎嗅：那为什么后来开始强调 " 一号位工程 "？

李开复：因为越来越多灯塔客户一号位关注点变了。一开始他们问的是：" 能不能帮我做个 Agent？" 后来变成 " 如果竞争对手抢先 AI 化，我怎么办？"

这两个问题不是一个量级。做 Agent 是工具问题，AI 化是战略问题。战略问题不可能从 CIO 开始，只能从一号位开始。

过去很多企业把 AI 当 IT 项目，以为买个软件、上线几个智能体就是 AI 转型。把 AI 塞进旧流程，等于给马车装火车引擎；但今天我们越来越确定：AI 不是给旧流程装插件，而是重写一家公司的组织、流程和决策方式。而这种重构只有一号位能拍板。

过去一年，我见了上百位 CEO，国内国外各占一半。很多企业已经意识到，如果再错过 AI，后果会比错过移动互联网更严重。

而这也是零一万物为什么强调 " 一号位工程 "。真正的大单，不是做一个几十万的 Agent，而是帮助一家企业进入 AI 时代。一个 Agent 解决一个点，一号位工程解决的是一家公司的下一代竞争力。

虎嗅：零一万物今年订单目标从 5 亿元增长到 15 亿元，这中间最大的变量是什么？

李开复：最大的变量，是我们在国内和国外，都找到了拿大单的入口。

国内主要是一号位工程。比如已经公布的武汉、内江项目，本质上都是地方政府在推动国家 "AI+" 落地。我们的方案不是单纯卖一个 Agent，而是提供一整套 AI Agent 平台、私有化部署能力，以及后续在当地国企、民企的推广能力。我们做的不是把 AI 放进一个项目，而是帮地方政府把 "AI+" 变成基础设施。

国外的一号位工程则是另一种落地。很多传统行业其实并不懂 AI，我们也未必一开始就懂他们的行业，但双方结合以后，问题就有机会被解决。只要能接触到一号位，只要他愿意相信 AI 转型，就有机会从咨询切入，再进入真正落地。

我们的收费会低于麦肯锡，但和传统咨询公司不同的是，我们不只做 PPT ，我们能帮客户搭团队、建系统、做 Agent。甚至进入现场一起改流程。咨询公司交付的是方案，我们交付的是结果。

所以它不是一个简单的软件项目，而是一整套 AI 转型方案。几十万的 Agent 是工具，千万级的一号位工程，买的是下一代竞争力。

虎嗅：所以你后来开始大量接触 CEO？

李开复：过去一年，我一对一见了上百位 CEO；如果算上一对多的演讲和交流，数量还要多很多。

最开始，我们按行业聊。你做矿业，我帮你提升储量；你做养殖，我帮你降低鸡的死亡率。

后来我们发现，每个行业不同，但企业管理层的核心问题是共通的：比如 CEO 怎么管理公司，CFO 怎么管理财务和投资，CMO 怎么做品牌和增长。

所以我们开始思考：每一个 CEO 可能都需要一个 " 超级智能体 "。它像一个无限精力、无所不在的超级助理，可以参与所有会议、读取所有数据、理解整个组织。

过去的管理靠层级传递，未来的管理靠智能体穿透，只会传递信息的中层不再需要了。

这也是我们后来把这些能力产品化的原因。未来会有卖给 CEO 的 AI、卖给 CFO 的 AI、卖给 CMO 的 AI。因为这些需求是跨行业通用的，而且真正能创造管理价值。

行业 Know-how 不同，但管理痛点相通；真正可复制的，不是一个行业方案，而是一套 AI 管理能力。

虎嗅：这 100 多位 CEO 有多少国内，多少国外？国内市场和国外市场，哪个更难突破？

李开复：国内外约各占一半，坦率说，国内肯定更难突破。

因为很多技术公司会有一种误区：" 我把最好的技术做出来，客户自然会来。" 但商业有两个最基本的真理：第一，要真正理解客户需求；第二，一个公司最终还是要回答：你的财务报表能不能成立。

很多 CEO 真正关心的，不是多几个软件、少几个客服，而是收入、利润、增长率、产品周期和风险。技术公司谈能力，CEO 看结果；技术公司讲参数，CEO 看财报。

所以我们后来做的事情，其实是不断去见一号位。过去一年，我飞了很多地方，包括中东、中亚、东南亚、欧洲、非洲，核心目的就是和企业的一号位直接聊天。因为只有见到 CEO，真正理解他的业务、组织和真实问题，你才有机会设计出真正有价值的方案。

AI 时代还有一个变化：定制化从来没有这么容易。过去做一个定制化 Demo 很难，但现在，从 Demo 到可落地的产品，可能只需要一天、一周或者一两个月。

所以今天其实不一定非要做一个标准化产品，再卖给所有人。很多时候，真正有价值的是量身定制。AI 2.0 时代，定制化不再是低效率，定制化本身可能就是新的规模化的必备条件。

虎嗅：所以零一万物现在更像是在做 "AI 转型 "？ 你觉得现在很多 AI 公司最大的问题是什么？

李开复：对。更准确地说，我们做的是 AI 转型的基础设施。

我们后来发现，每个行业虽然不同，但很多 CEO 面对的问题是共通的。比如组织管理、战略执行、人才流失、风险判断。

所以我们后来开始做一些更通用的东西。比如我在公司做的开复 AI。它可以读取会议、分析组织、发现关键人才、预警离职风险，甚至帮助做战略推演。过去这些事需要一个非常强的特助，但人不可能参加所有会议，也不可能理解整个组织。AI 可以。

过去 CEO 靠人汇报看公司，未来 CEO 靠 AI 穿透组织。

行业千差万别，但一号位的痛点高度相似；真正可复制的，不只是行业方案，而是管理智能。

虎嗅：你觉得现在很多 AI 公司最大的问题是什么？

李开复：很多公司现在还是两种思路。一种是做模型，变成 token factory；一种是做 Agent，然后等客户来招标。但我们后来发现，等客户开始招标的时候，很多时候已经晚了。

因为 AI 变化太快了。如果你只是等传统企业告诉你 " 我要什么 "，那其实是在看后视镜开车。

真正重要的是，不是响应客户今天写出来的需求，而是提前理解客户明天会遇到的问题。AI 公司不能只做需求的承包商，而要做未来问题的定义者。

虎嗅：过去一年你见了上百位 CEO，这种生意听起来其实很重。成单率大概是多少？你怎么分配时间？

李开复：现在成单率大概在 10% 到 15%。其中，管理类 AI 工具的成交率会更高，因为企业会更容易理解它的价值；但如果是纯咨询，很多人还不一定理解为什么需要。

不过我不会花特别长时间去单独见一个人，而是用高密度方式建立连接。比如我下周去瑞士，两天可能就会见 30 个 CEO。一般会先做一场演讲，有兴趣的人会主动来找我；有些是我对他感兴趣，我会再主动去追。很多是团队提前联系好的，也有论坛、闭门会这种场景。

所以过去一年，我其实是通过这种高密度方式，快速建立大量连接。但核心不是多讲，而是：先研究对方，多听少讲。因为今天 AI 变化太快了，很多时候客户自己都不知道真正需要什么。

所以很多情况下，我们其实是在跟 CEO 聊完以后，再为他量身设计一个方案，甚至改造已有产品。很多企业缺的不是一个 AI 工具，而是一个能站在一号位旁边、帮他判断怎么用 AI 重做业务的 " 首席 AI 战略官 "。

零一万物想成为 Palantir

虎嗅：商业化加速以后，零一万物内部开始强调 DRI（单一责任人），这中间有什么关联吗？

李开复：过去很多 manager，本质上是在传递信息、协调流程、管理人。但当 AI 已经能完成大量执行工作时，组织里最稀缺的就不再是 " 管人 " 的人，而是能带着 AI worker 把问题解决掉的人。这也是我们后来提出 DRI（直接责任人）的原因。

一个优秀的 DRI，加上几个 AI worker，执行效率可能已经超过过去一个传统团队。所以未来组织一定会越来越扁平。很多传统管理层的价值，过去来自 " 上传下达 "，而 AI 会把这件事快速压缩。

所以 " 只会管人 " 的管理层会越来越危险，真正重要的人，是会管理 AI、指挥 AI、对结果负责的人。

AI 转型最终改变的，也不只是工具，而是公司的权力结构、组织架构和工作流。未来的公司，不是把 AI 塞进旧组织，而是从第一天起就要变成 AI-First。

虎嗅：现在很多大模型公司都在对标 OpenAI、Anthropic，但零一万物一直在提 Palantir。为什么？零一万物和 Palantir 最像的地方是什么？

李开复：我们做的事情，本质上和 Palantir 很像。很多 AI 公司现在做的是工作流优化，比如做一个 Agent、一个工具、一个流程自动化。

但我们更关心的是，怎么改变一家公司的核心指标，比如收入、利润、增长率、风险。这其实也是 Palantir 的方法论——不是让人更快做一件事，而是提高这家公司赚钱、决策、增长的效率。

很多人去年都在用 DeepSeek，手机上很好用，但放到企业里以后，经常没人用。原因很简单：模型其实像一个非常聪明、但刚毕业的学生。它再聪明，也不了解这家公司的组织结构、业务流程、决策关系和数据系统。不懂公司，就只能聊天；懂了公司，才可能创造价值。

Palantir 最核心的东西，其实就是 Ontology。比如，谁向谁汇报、哪些数据最重要、哪些决策谁说了算、一个 VP 离职后，组织怎么变化、公司真正的核心流程是什么。这些东西过去都只存在于人脑里、会议里和 Excel 里。

但如果 AI 真正理解了这些，它才能真正进入企业。这也是我们和 Palantir 最像的地方。我们不是一次性交付一个项目，而是在做 AI platform。客户不仅可以用我们的平台快速做 Agent，我们也可以继续帮他们做更多应用。所以长期来看，我们真正想做的，不是卖一个 Agent，而是帮助企业完成 AI 转型。Agent 解决的是一个点，Ontology 加平台升级的是一家公司。

虎嗅：Palantir 这一路走得并不算顺畅，你预测，零一万物会面临什么？

李开复：我不觉得 Palantir 这一路不顺畅。它只是做得太早了。很多人过去把它看成系统集成商，直到 AI 真正起来，大家才发现，全世界都在它当年选择的方向走。

我觉得未来也是一样。真正长期有价值的，不是卖一个 Agent，而是帮助企业完成 AI 转型。Agent 会被复制，工具会被替换，但谁真正进入企业核心业务、改变它的指标和组织，谁才 是 AI 2.0 浪潮中的真正赢家。

虎嗅：为什么零一万物会选择 " 主权 AI" 这个方向？这件事现在国内其实很少有公司在做。零一万物的特殊性在哪？

李开复：首先，在零一万物成立之前，我已经长期在给很多国家做顾问，所以他们本身对我是熟悉的，也有信任基础。接触下来我发现，这些国家虽然诉求不同，但有一个共同点：他们都希望拥有自主可控的 AI 能力。

因为很多国家会担心，如果底层技术、模型、数据和应用全部掌握在别人手里，未来就一定会被别人主导。过去很多时候，这个 " 别人 " 就是美国。他们真正想要的，是建立自己的 AI 主权。

但与此同时，每个国家又会有自己的特殊需求：语言、文化、教育体系、政府流程、产业机构都不一样。这些问题，其实都不是一个标准化 API 能解决的。

很多国家后来也会发现，直接买 GPT，并不意味着它真的适合本地社会、教育和文化。所以我们后来走的是一条 " 共创 " 路线。无论是国内还是海外，只要是大的 To B、To G 客户，我们都愿意一起做，甚至愿意成立合资公司。

因为很多时候，他们需要的不是一个模型，而是一整套从模型、平台、部署到本地化落地的完整方案。不是每个国家都需要重造一个 OpenAI，但每个国家都需要一个自己说了算的 AI。而这件事，现在像零一万物一样真正愿意做、也能做的公司，其实并不多。

虎嗅：有注意到你们把哈萨克斯坦作为主权 AI 的一个样本。这个案例具体是怎么做的？

李开复：哈萨克斯坦其实是一个很典型的主权 AI 案例。一年多前，我受邀进入他们的 AI Council，参与给总统层面的 AI 建议。也是在那个过程中，我开始真正理解他们需要的，不是一个通用模型，而是一套能服务本国治理、产业和社会的 AI 能力。

后来我们发现，他们有一个非常真实的问题是语言。哈萨克斯坦并不是单一语言环境，它实际上是俄语、哈萨克语、英语混合使用，尤其语音场景更复杂。但很多主流大模型，对这种多语言混合场景的支持其实并不好。

所以后来我们帮他们交付了一个模型，专门解决这种多语言、混合语音的问题。当时在这个方向上，效果已经是全球最领先的一批。更重要的是，这并不一定需要从零训练一个基础模型。主权 AI 不是每个国家都重造一个 OpenAI，而是让这个国家拥有自己可控、可用、适配本地社会的 AI 能力。

虎嗅：" 主权 AI" 这套方法论，未来可以复制到更多国家吗？它能形成规模化吗？

李开复：当然，国家不像互联网产品，不可能做到几百个市场。全世界就这么多国家，如果能复制到三四十个国家，已经是非常大的规模；哪怕只做七八个国家，也会是非常大的收入。

本质上，一个国家和一个企业，面临的是同样的问题，怎么完成 AI 转型。只是国家级 AI 转型更复杂。它既有共同需求，也会有自己的特殊问题。所以最后还是回到同一个问题：你愿不愿意真正花时间听懂他们的需求，并且为他们量身定制。而且这种事情，必须是一号位工程。国家级项目，最后真正能拍板的人，一定是总统、总理或者部长等。

虎嗅：中国 To B 一直被认为是一门难做的生意。站在今天这个时间点，你觉得 AI 带来的 To B 机会已经爆发了吗？

李开复：我觉得还没有完全爆发，但已经到了爆发前夜。

过去一年，一个很明显的变化是，中国和美国的传统企业都开始意识到，AI 可能是比互联网更大的机会。但两边最大的差异，在于付费习惯。美国企业愿意先投入。哪怕一年投入 1000 万美元甚至 1 亿美元，只要看到效果，就会持续投入。

而中国企业过去更习惯招标逻辑。比如做一个 Agent，先问最低多少钱，30 万元能不能做。这种差异会直接影响行业发展速度。

不过我认为，这个问题未来会被解决。关键在于，AI 到底能创造多大的价值。如果 AI 只能帮企业省几个客服、几个助理，企业当然不会投入太多。但如果 AI 能够直接影响收入、利润、增长率这些核心指标，企业最终一定会找到买单的方式。AI 省成本不稀奇，稀奇的是 AI 改善财报，要想做成只能做一号位工程。

虎嗅：那中国 To B 真正爆发，需要哪些前提？

李开复：我觉得有几个条件。第一，要出现真正的灯塔客户。大家看到同行通过 AI 创造了明确价值，自然会跟进。To B 市场从来不是被教育出来的，是被结果点燃的。

第二，要把交付速度提上来。如果过去一个 POC 要做三周，现在能缩短到一天；过去落地要六个月，现在能缩短很多，那整个市场都会被激活。

第三，要出现一些跨行业可复制的应用，比如开复 AI 之类的管理工具，不同行业都可以使用。如果既能创造价值，又能快速复制，市场就会进入一个新的阶段。

我比较担心的是，美国企业觉醒的速度比中国更快。过去一年，美国越来越多企业的一把手已经开始亲自抓 AI。而中国很多企业，还停留在 CIO 做项目、做 Agent 的阶段。

但我相信，当越来越多企业看到 AI 带来的实际价值以后，中国 To B 市场最终也会进入快速增长阶段。真正的拐点，不是企业开始试用 AI，而是一号位开始用 AI 重写组织和财报。

2027 年奔赴 IPO

虎嗅：现在很多大模型公司都面临一个问题：收入增长很快，但亏损也很高。零一万物现在做的这套模式，利润是怎么计算的？

李开复：我以前说过，所有 AI 2.0 公司，最终都会面临一个灵魂拷问：你的财务报表讲不讲得过去，包括你的收入、利润，以及你的估值，最后能不能真正匹配。

我们认为，零一万物可以回答这个问题，因为我们的逻辑，更接近一家健康的 AI 2.0 软件公司。我们既有 ARR，也有项目收入。在这个基础上，再因为 AI 带来一定 premium。更重要的是，我们的模式不像基础模型那么重。

很多基础模型公司，需要长期投入巨大算力、训练和推理成本，但我们现在更多做的是 AI transformation、主权 AI、企业级 AI platform，这些业务带来的，不只是收入增长，而是更健康的收入结构。能被客户持续续费的价值，才是正确的商业模式。

虎嗅：所以零一万物接下来会进入利润阶段？

李开复：我们希望明年某个季度能够实现盈利。

接下来我们会有几个增长点。第一，ARR 占比会越来越高；第二，主权 AI 会进入持续 " 计收 " 阶段；第三，增长速度还会继续加快。To B 业务一开始会有冷启动，但真正跑起来以后，复购、扩容、平台化都会把增长推起来，且越来越快。

虎嗅：零一万物过去融资并不高频。接下来新一轮融资，以及 IPO，对你们意味着什么？

李开复：融资和 IPO，本质上都是阶段性目标，是新的起点。

一家技术公司正常的发展路径，一定是先做好技术、再找到 PMF；再找到收入；然后让收入增长；最后进入利润阶段。我们现在正在进入这个阶段。

但上市本身并不是我们的最终目标。

我们现在做的事情，有机会真正留下长期价值：帮助一些国家建立 AI 能力；帮助一些企业完成 AI transformation；帮助一些原本可能被 AI 淘汰的人，重新找到自己的位置。

很多公司会说 " 我们要实现 AGI"。但对我们来说，更重要的是，怎么让更多企业真正用好 AI。因为今天世界最大的挑战之一，其实是 AI 带来的不平衡。很多国家、很多普通人，其实正在被 AI 甩在后面。

AGI 是远方的灯塔，但普惠 AI 是今天的责任。模型会迭代，估值会波动，泡沫会破；但如果我们能帮一个国家、一个企业、一个人接上 AI 2.0 时代，这件事十年后依然重要。