零一萬物CEO 李開復

作者 | 程曼祺

編輯 | 宋瑋

來源 | 晚點對話

被傳 “放棄預訓練，資金鏈緊張、被阿里收購……” 大模型獨角獸零一萬物發生了什么？

李開復說：“我們沒有尋求被收購”，“我們還會繼續做預訓練”。

變動消息傳出的第二天，零一萬物 CEO 李開復向《晚點 LatePost》解釋了實際發生的調整：

零一萬物已與阿里云成立 “產業大模型聯合實驗室”，零一萬物大部分訓練和 AI infra 團隊會加入該實驗室，成為阿里員工。

這之后，零一萬物將不再追求訓練超級大模型，但會繼續訓練參數適中的更快、更便宜的模型，基于后者打造可以賺錢的應用。

這是第一家公開大幅調整發展方向的中國大模型獨角獸。它成了過去兩年大模型熱潮的一個節點。

李開復總結了中國大模型創業的挑戰：

• “中國公司面臨芯片的限制，融資額和估值也遠低于類似的美國公司。”

• “Scaling Law 在變慢，我們從信仰它到懷疑它只花了一年時間”。

• “創業公司去和大廠比，誰能燒出更大的模型，最終不會成功。”

• 商業化的靈魂拷問時刻因此更快到來：“一家公司到底能不能把技術轉換成商業價值，先有收入，再增加收入，然后收窄虧損，最終從單點盈利到多點持續盈利。”

• “這就是一個難解的局，To B、To C、國內、國外，都不容易做。”

2025 年會更好嗎？李開復看到：應用爆發和商業化淘汰會一起發生。零一萬物的機會是：挖掘 To B 大模型的 PMF。

“一些細分領域客戶，會因為有了大模型而營業額翻倍，這是最好的 PMF，因為馬上能產生巨大價值。我們已有一些嘗試。” 李開復說。

訪談李開復的這天，中關村鼎好大廈——這里是他 2009 年創立的創新工場和 2023 年創立的零一萬物的辦公地——也即將入住一批新人：

字節跳動在北京的大模型研發團隊正計劃陸續集中至此。這家巨頭被報道今年會投 70 億美元做 AI 大模型，這超過所有中國大模型頭部公司的融資總和。

中國大模型創業公司會全軍覆沒嗎？李開復說，沒有任何概率。因為一定會誕生顛覆式的 Ai-first 應用。

去年 5 月 時，他說想打造 AGI 時代的微軟。

“這個夢想算是破滅了嗎？” 這次我們問。

“當然沒有……只能說我們現在是從應用起步。誰都可以仰望星空，更重要的是腳踏實地。”

回應零一萬物調整，“不會停止預訓練，但不再追逐超大模型”

晚點：這幾天感覺累和疲憊嗎？

李開復：不是疲憊，就是讓我覺得需要澄清，所以有了這次采訪。

晚點：傳聞你們資金緊張、裁員，以及被阿里收購。實際發生了什么？

李開復：我們和阿里成立了產業大模型聯合實驗室，依賴大廠訓練更大的模型，幫助我們提升較小的模型。我們認為，一個商業公司需要非常快而便宜的模型，然后在上面打造可以賺錢的應用。

晚點：除了目前和阿里合作的這種調整外，談論過別的可能嗎？比如被收購。

李開復：我們沒有尋求過被收購，我們有獨特的價值。

但任何一個創業公司——我也在創新工場投了很多公司——都要考慮投資人。如果收購是最好的結局，公司有責任考慮這個選項。

晚點：阿里是否會接收你們大部分的預訓練和 AI Infra 團隊？

李開復：零一萬物有能力，也想做超大集群 Infrastructure 和訓練的人確實會加入聯合實驗室，成為阿里的員工。

晚點：這意味著零一要放棄預訓練嗎？

李開復：我們還會做預訓練。

我認為以后預訓練會分叉：一個是訓練超大模型，這是在追尋 AGI，但它會很貴。這部分我們其實很早就放棄了。

晚點：所以零一放棄追尋 AGI 了？

李開復：仰望星空追尋 AGI 需要充足甚至不計代價的彈藥儲備，腳踏實地來看，我們現階段的最高優先級是先鞏固拿到彈藥的實力。

晚點：“很早就放棄了”，是指什么時候？

李開復：上次我們談時是去年 5 月，那時我們發布了 Yi-Large，它是在往超大模型走。但當時我們就有一個認知，這個模型并不快，也不便宜。

所以就開始面臨一個抉擇：我是要花更多 GPU 和資源，燒更大的模型？還是務實一些，做一個可以落地、賺錢的商業公司？

晚點：什么時候做出了決斷？

李開復：當時就發生了，你還記得我們那時談到了一個 Yi-X-Large 模型的計劃嗎？它是比 Yi-Large 更大的版本。我們去年 5 月到 6 月就決定放棄了。

晚點：沒有放棄的部分是什么？

李開復：訓練更快、更便宜的模型。

我們決定不做 Yi-X-Large 的同時，已經在同步做 MoE（混合專家系統模型，優點是推理成本更低、速度更快），就是去年 10 月推出的 Yi-Lightning，它的速度比 Yi-Large 快好幾倍，而價錢只有 GPT-4o 的 1/30。我們現在也正在做 Yi-Lightning-V2。

晚點：你之前說過，零一的優勢之一就是你們自己做 AI Infra 和推理引擎，能主動大幅降低訓練和推理成本。現在你們的 Infra 團隊去了和阿里的聯合實驗室，這個優勢還在嗎？

李開復：我們現在仍有一個較小的訓練團隊和 Infra 團隊，他們會繼續做 “模應一體”，并且未來聯合實驗室的技術我們也能利用。

晚點：各大模型系列都會有不同大小的版本，你們現在和阿里有這么深入的合作，繼續自己訓練更快、更便宜模型的必要性是什么？

李開復： 還是我之前的判斷——當預訓練結果已經不如開源模型時，每個公司都不應該執著于預訓練。

而 Yi-Lightning 現在的成本和表現仍不能被開源替代，我們還是會專注用自己的好模型打造好應用。好的定義可以是：夠小、夠快、夠便宜、夠厲害。如果有一天真被替代了，我們會做出務實的選擇。

晚點：你們和阿里的合作中，他們除了接收部分零一的團隊，需要支付其它費用嗎？這是否類似一種收購？

李開復：細節還不方便披露。但可以明確說，不是公司資產收購。

晚點：除了阿里，你們和字節有溝通類似的合作可能嗎？

李開復：阿里是我們投資人，所以溝通更多。

晚點：阿里為何愿意合作？我收集到兩種想法：一是不想讓自己的投資“打水漂”，二是為了收集人才。

李開復：阿里的反饋你需要問阿里。可以說的是，聯合實驗室的合作是基于我們各自的優勢，達成了戰略和技術產品路線的共識，我們會加速在技術、平臺、應用等方面的共享共建，開啟中國“大廠＋小虎“的合作新范式。

晚點：零一的管理團隊會怎么變化？

李開復： 還是祁瑞峰負責銷售，谷雪梅負責模型訓練和 to C 產品，馬杰負責 to B，然后 CMO 是 Anita（黃蕙雯）。我的-1 其實基本一直沒變，只是職責有調整。

晚點：我們了解到，零一也在推進拆分一些業務，比如把游戲應用拆成一個子公司，獨立對外融資，這是出于什么考慮？

李開復：還是一些準備，沒有真的執行完。

晚點：去年 5 月那次訪談，你說零一要做就想做成一個萬億美元公司，要做成 AGI 時代的微軟。這個夢想算是破滅了嗎？

李開復：當然沒有，但是我暫時不會去想它。

當時我覺得最有價值的公司是 AI 時代的微軟，今天還沒有誰做出來，每家公司都還有機會。只能說我們現在是從應用起步，微軟的第一個產品， BASIC 編譯器，也是應用。

誰都可以仰望星空，更重要的是腳踏實地。

“只有大公司能繼續做超大模型；Scaling Law 在變慢；商業化靈魂拷問時刻已經到來”

晚點：現在零一的定位和方向，與去年 5 月你描述的展望已有很大差別，這些變化很突然。

李開復：這件事沒有一個突然的起因，也不是被動的調整，是去年 5 月開始萌芽，第三季度看到需要走這條路，之后跟阿里討論，這一個月做了執行。

一部分是因為行業變了，一部分是因為認知變了。

晚點：從去年 5 月到現在，哪些行業和認知變化導致了現在的選擇？

李開復：主要是三件事，第一，從商業角度考慮，我們認為只有大公司能繼續做超大模型，第二，Scaling Law 在變慢，第三，商業化靈魂拷問的時刻已經到來。

第一件事，我們去年 5 月就意識到了：我們認為 2025 年是應用爆發年，這需要能支持普惠應用的、夠快、夠便宜的模型。所以我們重新定義了目標：不是要燒世界上最貴、最大、表現第一的模型，而是要做足夠便宜、足夠快的模型。

現在市場上最主流的模型也都是像 Yi-Lightning 這樣更小的模型，比如 GPT-4o mini 和 Anthropic 的 Claude 3.5 Sonnet。它們的性能即使不是最頂尖，支持應用也足夠了。

到 9、10 月時，我們也看到 Scaling Law 明顯進入 diminishing return（收益遞減）。不是說用更多算力和數據做不出進步，而是進步不符合投資回報。舉個例子：從一張卡加到 10 張卡時，可以達到 9.5 張卡的價值，但從 10 萬張卡加到 100 萬張卡，也許只能達到 30 萬張卡的價值。另外，如 Ilya 所說，互聯網數據資源就像化石燃料般正逐漸枯竭，雖然算力還在提升，但數據增長速度已見頂。

晚點：Scaling Law 變緩，幾乎所有 AI 公司都感受到了。但最頭部的公司還是在持續做超大模型。

李開復：因為這并不代表超大模型就徹底沒用了，超大模型一個非常重要的用處，就是可以做教師模型。

這個趨勢不是我發明的。你看 Anthropic 的 Opus 模型后來就不給外面用了，為什么？因為它就是用來做教師模型。

就我們了解，Opus 其實訓練得挺好，但太大、太貴、太慢，對外也賣不了多少，賣出去的也是被競品用作教師模型，那還不如留著訓練 Sonnet，然后賣 Sonnet。

（注：Anthropic Claude 系列模型從大到小，分為 Opus、Sonnet 和 Haiku 3 個版本。Opus 最大、最貴。Claude 3 發布了全部 3 個版本，而 Claude 3.5 目前只對外發布了 Sonnet 和 Haiku。）

晚點：OpenAI GPT-5 遲遲不發布，和這個趨勢有關嗎？

李開復：GPT-5，或者也可能叫 4.5，這個還沒定論，但 OpenAI 已經做出來了，在內部測試效果。它確實更好了，但好的程度不匹配它帶來的延遲和成本。

它會不會對外賣，我不知道，但它絕對扮演著把 GPT 其它小模型提升一遍的功能，就是提升 “學生” 的能力，然后再用 “學生” 來做應用普及。

晚點：在技術上，作為教師模型的超大模型，具體怎么提升其它更小模型的能力？

李開復：一是可以標注一些結果，這能大大提升后訓練的效果。

二是超大模型可以生成合成數據，合成數據可以用作訓練新模型。比如像 Yi-Lightning 這樣的模型，數據到達一定量級之后（訓練效果）會飽和，合成數據雖然不能完全替代真實數據，但可以幫助生成更好的數據，讓它飽和之后再上一個臺階。

晚點：你舉的例子里，Anthropic 和 OpenAI 都是自己在做教師模型。

李開復：中國公司面臨芯片的限制，融資額和估值也遠低于類似的美國公司。如果你一年燒 5 億美金，就算融了十幾億美金，也會馬上面臨拷問。

所以只有那些真心想做 AGI，想做世界最大、最棒、最牛模型的公司能繼續做超大模型。這個成本、代價會非常高，絕對不是一個初創公司可以做的事。創業公司去和大廠比，誰能燒出更大的模型，最終不會成功。

晚點：所以你們選擇了 “抱大腿”？

李開復：因為我們自己做不起教師，那誰來做，就是大廠。你要是說抱大腿，也行。我們應該勇敢地做這個決策，因為它符合趨勢，也讓我們可以輕裝上陣。

做一個很棒的手機應用，需要重做一個安卓嗎？做一個很棒的 PC 應用，需要重做一個 Windows 嗎？以后這種超大模型的能力肯定是靠大廠。

晚點：OpenAI o1 的出現，看起來會打開 Scaling Law 的第二曲線。這會怎么影響你的上述判斷？

李開復：我恰恰覺得，一個非常快的推理模型，在 o1 之后的 inference-time Scaling Law 時代更符合趨勢。因為慢思考和長思考會拉長響應時間。之前只有一步思考，就算你比別人快 5 倍，用戶收益也不明顯。但如果是多步思考，就會放大推理速度的差距，慢的模型在一些場景會不可忍受。

我們自己做了非常快的推理引擎，以后可以做更多實驗，這也是我們選擇更快、更便宜路徑的另一個原因。

（注：o1 會 “像人一樣” 分步思考問題，它通過把更多算力資源放到推理（inference）階段，來提升模型表現。）

晚點：零一是第一個和大廠做 “教師-學生” 合作的，未來會有更多中國創業公司有相似動作嗎？

李開復：我不想評估別的公司，但我覺得，全世界每個較小規模的大模型公司都要考慮這 4 件事：

• 一是 Scaling Law 變慢時，我們該怎么辦。

• 第二是，只有大廠能做巨大模型的時候，我們怎么回應。

• 第三是，在商業化困難的時候，怎樣能找到一個成長之路，能接住靈魂拷問。

• 第四是，當能拿到不錯收入時，怎么也有可解釋的成本——不要讓好不容易成長起來的這點收入，變成了一個成本小數點之后的數字。

“從信仰 Scaling Law 到懷疑 Scaling Law 只花了一年時間”

晚點：接下來可以來聊一聊你說的商業化靈魂拷問。其實大模型創業熱潮才兩年，為什么現在就進入拷問時刻？

李開復：因為大模型時代，一切都加快了。如果我們回看 AI 1.0 時代，技術就是深度學習；應用是從視覺逐漸切入其它，一個個慢慢來。

公司的發展，從誰的人最牛、論文最多、比賽成績最好，慢慢進入商業里程碑，誰能拿下一個大單，誰能再多拿幾單，誰能商業擴張；最終靈魂拷問是——不考慮你是個 AI 公司，你的財務報表能不能上市。這不是終點，但是一個重要里程碑，投資人能退出，公司能帶著更多信譽往前走。這個過程，商湯等 AI 1.0 公司普遍走了 6-8 年。

現在一切都加快了。技術迭代加快了，我們從信仰 Scaling Law 到懷疑 Scaling Law 只花了一年時間。過去不是這樣，摩爾定律支撐了多久？

靈魂拷問也來得更快。因為要燒 Scaling Law 的創業公司會燒錢更多、更快。所以我們更應該做一個符合商業邏輯、對投資人負責，能確保活下來的商業模式。這才能面對最后的靈魂拷問：你到底能不能把技術轉換成商業價值，先有收入，再增加收入，然后收窄虧損，最終從單點盈利到多點持續盈利。這個過程必須加快。

晚點：怎么回答這個拷問？

李開復：可以拆分成幾個題目：第一，你到底懂不懂商業運作？第二，這個事情到底能實現多少收入？第三，能實現多少收入增長？第四，能不能控制成本。

從我的角度，有幾個重要的原則：第一是，不打打不贏的仗。如果一個行業你沒有驗證負擔得起的 PMF（產品市場匹配），或一定程度驗證了，但面臨巨頭的強碾壓，這個仗是不能打。

第二，不能去做大量看不到回報的投入。比如有些 To C 應用，一旦停止投放，用戶就不增加了，或即使它有一定自然增長，也需要不斷輸血、虧損才能維持行業地位。類似的還有付費不高、不創造核心價值的 To B 招標，它會變成惡性循環：付費少，很難做好，客戶就不滿意，AI 公司也賺不到錢。

晚點：這么嚴苛的原則下，能投入的商業化方向豈不是很少？

李開復：這就是一個難解的局，To B、To C、國內、國外，都不容易做。

國內 To C 很難有收入，而且巨頭掌握用戶和流量。國內 To B，大部分案子不能賺錢，項目制的案子還不見得能復制，然后國外 To B 我們根本不會做。

這么難解的一個局的前提下，還有一個問題：如果你還要燒巨大的模型，還有 5000 張、10000 張卡，每年帶來 2-3 億美金的成本，這些成本怎么分攤到業務收入上去？如果你的虧損是收入的 5 倍、10 倍、20 倍，靈魂拷問就會失敗。我在朋友圈里說 “2025 年是商業化淘汰年”，就是這么一回事。

所以作為一個 AI 創業公司，我們要把用在 GPU 上的錢當做一個 Business Expense（營業費用），就和買電腦、出差經費一樣。

如果決定要買 GPU，要花多少錢？一年花幾次？可以得到多少回報？這些都要回答清楚。你問任何一個公司的 CEO、CFO 或采購：買或不買電腦對公司的影響，他都能清楚告訴你。

晚點：這還是早期創業公司的邏輯嗎？

李開復：初創期不用考慮這個，我們去年就沒考慮，但現在靈魂拷問來得更快了。

晚點：如果長板足夠長，是否可以推遲拷問到來的時間？比如模型特別驚艷，或產品增長數據特別好。

李開復：當然可以。但我們現在看到的中國打法是把推理成本降低。我們的模型是在變快，但這件事怎么轉換成錢？還是要回答拷問。

晚點：零一可以把長板做得特別長，先不考慮收入和盈利嗎？

李開復：這是一個平衡問題。我和我的團隊，做收入是有信心的，做增長我們會試。

做模型有很長的長板，坦誠說，中國今天還沒有一個公司做出來了。

晚點：最近很受關注的 DeepSeek 算做到了嗎？

李開復：DeepSeek 做得非常好，它的優勢跟我們類似，對比美國最強的模型，DeepSeek 和 Yi-Lightning 是性價比高，而美國頂級模型是絕對 performance 更好。

我們非常尊重 DeepSeek。但如果真要說長板特別長，可能還要觀察。

“2025 年零一會有數億收入”，怎么來

晚點：零一現在的思路是直面更快到來的商業化拷問，你昨天在朋友圈也提到， 2024 年你們的實際收入已超 1 億元人民幣，2025 年還會翻數倍。具體要怎么做到？

李開復：我們應該是 2023 年新成立的 4 家大模型六小虎里（智譜 AI 和 MiniMax 兩家六小虎在 2023 年之前已成立），第一家做到 1 億收入的，這離上市還遠得很。但作為第一個運營年，有 1 億元收入，是一個挺自豪且挺獨特的事。

我們的海外 To C 產品基本已打平，接下來有機會盈利。國內的 To B 落地場景里，我們在游戲、能源、汽車、金融領域，也都在談千萬以上的單子。而且基本都是軟件單，不是打包賣硬件、賣服務器。下一個階段我們會繼續放大這些領域，也會進入我們有機會的新領域。

晚點：進這么多 To B 領域，會不會重蹈 AI 1.0 的老路：在好多場景里接了定制化、高難度的訂單，被交付拖得步履沉重。

李開復：有些領域我們不見得自己做，我們會和行業公司共創，一起設合資公司，對方出行業 Know-how 和一些可分享的垂類數據，我們出技術，一起做細分行業模型和更好的行業解決方案。

現在整個行業的一個挑戰就是，客戶和技術提供商不是雙贏，而是一方壓價，另一方因為沒有利潤只能隨便做做。如果能結合對方的行業 Know-how、數據和我們的技術，做合資公司，做大兩邊都有錢賺，做得不好兩邊都有虧損，這樣更能創造價值。我有把握，在 25 年能有數倍收入增長，從 1 億做到數億。

晚點：明年，后年呢？To B 怎么保證收入增長可持續、可預測，是一個老問題。

李開復： 有 3 種 To B 可以做：一是能給客戶創造核心價值的，就是不僅幫它省錢，還能幫他賺錢。

二是在一些特別垂直又適合大模型的領域，找到一家有遠見的公司和 CEO，對方愿意和大模型公司一起共創。這對企業是個巨大的決定和投入，這種單子肯定不多，但每個都是金礦。

第三就是做方案有復制性的領域，服務第一個客戶時可能不賺錢，但后面還有 20 個、100 個。

中國大模型創業公司會全軍覆沒嗎？——“沒有任何概率”

晚點：2024 年，零一陸續有中高層離開，包括前預訓練負責人黃文灝、生產力 To C 產品負責人曹大鵬、多模態研發負責人潘欣等，這是從之前追求更大模型，到準備接受拷問的調整帶來的嗎？

李開復：每個人離職可能有不同理由，有些是想追求 AGI，有些可能是禁不住誘惑。大廠突然要來天價來挖人，每個創業公司都遇到了。

我只能說我們初創時的我的 -1 基本都還在，我們是靠這些人去不斷找優秀的人。

晚點：黃文灝是不是字節高層親自來挖的？

李開復：（笑）我不知道。

晚點：中國大模型創業公司全軍覆沒，這個概率有多大？

李開復： 沒有任何概率。

這些公司都很聰明，都有很多資金，所以都會找到自己的方向，我還是堅信一個判斷——三年后，沒有一個公司會被認為是大模型公司。就像今天你不會說字節、美團是移動互聯網公司，你會說它們是社交、內容、外賣、電商公司。

晚點：我說的全軍覆沒，不是指這些公司死掉，而是指它們沒有像一些人期待的那樣成為新一代巨頭，這輪技術變化的絕大部分成果會被現有科技巨頭獲得。

李開復：如果真是這樣，就代表了 AI-first 應用沒有想象中那么顛覆，所以我不認為這會發生。

因為每一個足夠顛覆的 AI-first 應用，都是一個創業公司的機會。從互聯網到移動互聯網，搜索沒怎么被顛覆，所以 Google、百度依然很強，但出行、短視頻、支付、本地生活……確實是移動互聯網的新應用，它們需要 Mobile-first 的特性才成立：標記地理位置、隨身攜帶等等。

晚點：那么 AI-first 應用的核心特性是什么？

李開復： 用自然語言做交互，有通用推理和理解能力。還有一個判斷方法——就是一個應用如果沒有大模型就不成立，那它肯定是 AI-first 應用，比如主要由 AI 來寫作的工具；缺少不了 “AI 朋友” 的社交網絡等等。

只要 AI-first 成立，就會有非常多的創業公司跑出來，我堅持認為這才是高概率事件。AI 是比移動互聯網更顛覆的技術。

“等了 40 多年，不試才是遺憾”

晚點：上一次聊時，我們討論過一個問題，就是其實你沒有必要自己到一線創業，和你行業地位、人生階段相似的人，更多是選擇支持一個公司，而你卻自己當 CEO，主動跳入了這個混戰。回頭看，會后悔這個選擇嗎？

李開復：不會，我之所以決定做這件事，是看到它特別適合我的背景，它包括了技術、產品、投融資和商業運作，我能給這件事帶來獨特價值。

每個創業的過程中，都會有跌蕩起伏和調整。如果一個 CEO 碰到一點挑戰就開始后悔，這樣的人沒資格做 CEO。

晚點：功成名就時再來做一個新公司，會不會有額外的包袱？

李開復：我沒有。反而是，如果等了四十多年，終于等到了 AI 時代，我卻沒有出來做我擅長做的事，沒有去試一把，這會成為終身遺憾。

晚點：你之前投資過很多公司，也深度孵化過科技創業公司，自己創業這兩年，你的成長是什么？

李開復： 不要針對不可能的目標盲目投入；機會來臨時，要勇敢做決策，機會消失時也是。

還有，要能對未來有一個比較清晰的預測，基于這個預測，提前做調整。我們今天就是在這么做。

晚點：你對 2025 年的預測是什么？

李開復：第一是會有大量 To C 應用爆發。

第二是，我們會挖掘到 To B 大模型的 PMF，這指靠大模型才能滿足的 To B 真實需求，大量 AI-first 細分行業模型也會爆發。它的主要價值不是在金融、保險這些大行業，而是在垂直行業里；行業老大不一定特別大，但它們的營業額會因為有大模型而翻倍。這是最好的 PMF，因為馬上能產生巨大價值。我們已經有一些嘗試，現在還不能劇透太多。

晚點：關于 2025 年的應用爆發點，現在被討論很多的方向是推理能力提升后打開了 Agent（智能體）應用的更多可能。你怎么推演 Agent 2025 年的發展，零一可能會做哪些嘗試？

李開復：我們對 Agent 已經做了一些探索，怎么讓大模型從能言善道到理解并執行一系列邏輯，從能處理單指令到多個指令。

現階段大模型要落地為智能體，距離 “點石成金” 還有很多難點，通用的 Agent 平臺還需要時間。但在一些垂直領域，比如法律、游戲、金融服務領域，我們已經在和合作伙伴一起開發行業模型 +Agent。

晚點：之前向你搜集對 Good AI 的看法時，你說：工作其實是工業革命遺留下的魔咒，你希望能出現一個將人類從繁冗的重復勞動中解放的 “Super Agent”。如果真有了 “Super Agent”，你會把時間用來干什么？

李開復：繼續做我熱愛的工作，只要這個工作還沒被 AI 取代。花更多時間和我愛的人在一起，這一定是 AI 做不了的。

晚點：想對其他大模型公司創始人說什么？

李開復：王慧文說過一句話，每一位都是勇士，我們應該彼此鼓勵。

晚點：最后問一個輕松點的問題，2025 年的新年愿望是？

李開復： 兩個女兒職場順利，情場順利。

證明零一萬物今天做出的決定是正確的決定。

（全文完）

晚點對話

最一手的商業訪談，最真實的企業家思考。

【邱處機簡介】

福建龍巖人，今年31歲，現在常駐北京。公眾號專注于撰寫商業牛人的成長經歷和認知升級，讓我們一起向他們學習，不斷成長，不斷進化。