零一万物发布首款企业Agent，李开复：未来将打造基于Agent的操作系统
文｜晓静
编辑｜萌萌
7月22日，零一万物举办新品发布会，正式推出万智企业大模型平台2.0——超级员工Agent定制解决方案。
发布会伊始，零一万物团队以“好久不见”作为开场问候，这句看似简单的寒暄，折射出这家AI企业过去半年的转折与风波。
年初，零一万物曾陷入阿里收购传闻，李开复迅速通过公布2024年破亿营收数据予以回应，随后宣布与阿里云共建产业大模型联合实验室。在业务策略上，明确"国内To B、海外ToC"的差异化路线，李开复反复强调，"我们只做有利润的To B业务"。今年3月，零一万物发布"万智"企业大模型一站式平台，集成DeepSeek能力，提供"部署-RAG-Agent"三步实施方案。不过，当时李开复只是通过线上简短介绍了产品。
而在今天的发布会上，李开复发布并详细阐释了万智企业大模型平台2.0的产品战略，核心聚焦"Agent"解决方案。
李开复勾勒了Agent的发展路径：2024年以工作流Agent为主，需要人工设计流程；2025年迎来推理Agent元年，AI开始具备自主任务分解能力；未来将实现多Agent协同的Multi-Agent生态。他指出，AI员工具备全天候运行和秒级复制的独特优势，而推理成本正按"每年十倍递减"的趋势快速下降。
万智2.0围绕"超级员工"理念打造，集成五大核心能力："智能决策 "——能够读写ERP/CRM系统并实现闭环交付；"安全可控"——通过专业安全团队有效控制AI幻觉风险；"自主晋升"——基于强化学习机制持续自我优化；"超级工具"——整合浏览器、移动端、MCP接口与安全沙盒环境；"专业进阶"——最快两天内完成部署应用，根据闭环数据进行迭代进化。
在战略层面，李开复反复强调"一把手工程"的重要性。他认为，只有创始人或董事长亲自主导，才能打通关键数据壁垒、重构业务流程并承担转型风险。
不过，这种"CEO驱动"模式也带来挑战。零一万物需要持续说服企业高层在预算投入、数据安全和组织变革上下定决心。另外，如果平台能力无法支撑规模化交付，就有可能走向传统"定制化系统集成商"的风险，陷入“高成本、高定制、难部署”的艰难境地。
对此，李开复也强调，零一万物采用“精英化销售策略”，团队规模虽不大但经验丰富，核心管理层直接对接行业CEO，并有和CEO交流的丰富经验，能够与客户深度"共创"应用场景。这一模式目标是破解AI公司缺乏垂直行业经验、传统企业缺少前沿AI认知的双重痛点。
另外通过“定制化加标准化”的万智2.0平台，可以解决无法规模化的问题。“如果只做标准化，那一定程度就变成了系统集成，做一单是一单，然后到处找生意，没有重复性的。我们的标准化就是万智2.0，它让我们定制化的成本降低。”李开复在发布会现场回应。
但是，市场竞争也越来越激烈，不仅仅是应用层公司，做基础模型的科技巨头也瞄准了Agent的市场，将模型能力内置于模型中。面对各路竞争对手，零一万物必须在B端市场快速建立差异化竞争优势。
在经历过剧烈的战略调整之后，零一万物走入新的战局。
以下为零一万物本次发布会的重点内容：
正式发布万智企业大模型平台 2.0，并推出定位“超级员工”的企业级 Agent 解决方案。
李开复总结 AI Agent 演进三层级：L1 工作流 Agent、L2 推理 Agent、以及未来的 Multi‑Agent 协同。
万智 2.0 的核心能力为：智能决策、专业进阶、自主晋升、超级工具、安全可控。
为确保落地，零一万物采取 “一把手工程”：由包括李开复在内的核心管理层，直接面向企业CEO，共同梳理场景→调模型→搭应用的闭环。
目前，“超级员工”已在 招商、保险、销售、游戏 等高价值场景交付可衡量结果。
在发布会上，零一万物创始人李开复及零一万物联合创始人马杰也与包括腾讯科技在内的媒体进行了深度交流，回应了关于TOB商业模式、竞争、交付周期等问题，以下为交流内容的精华整理（有删减）：
Q1：开复博士在之前的演讲中提过，零一万物的商业模式有点类似于Palantir model，想知道这个商业模式怎么去理解？在国内这种模式应该怎么去做？
李开复：我始终认为零一万物的路径与 Palantir 最为相似。Palantir 如今已是千亿美元公司，却一直保持低调，因为它做的不是 to C，而是通过深度共创切入 to B 场景：创业早期就拿下美国政府的大单，凭借长期投入与闭环数据，围绕核心指标交付那些只有 AI 才能实现的高价值方案。
当年很多人质疑这种模式能否最终沉淀为产品与平台，但事实证明，唯有扎进客户现场、深度共创，才能真正洞察痛点、打磨机会。经过大量访谈和迭代，成熟的方法论就能从一家客户复制到第二家、第三家，继而形成可规模化的技术栈。
我完全认可这条路，并在其中加入“一把手工程”——只有首席执行官才能拍板，把关键数据和最重要的 KPI 托付给 AI，敢于让 AI 触碰公司的核心业务场景。恰好，我们管理层既有丰富的创业与管理经验，也与国内外众多 CEO 保持深度沟通，这让我们更容易推动顶层共识：AI 已经足够成熟，可以立即创造实质价值。
具体到节奏，我们分三步走：
深度共创——先锁定少量高价值客户，携手打磨灯塔案例；若客户只想采购平台，我们同样乐于提供并配套技术支持。
横向复制——在同业或相邻行业快速复制成功经验，持续泛化技术栈。
产品化——最终把平台打磨成开箱即用的标准产品，让更多企业以最低成本享受 Agent 能力。
Q2：现在有一种趋势，模型即Agent，会担心被大模型取代吗？零一万物的 Agent 会用Qwen的模型吗？
李开复：我们愿意使用任何优秀的模型。国内有很多不错的开源模型，包括千问在内，我们都乐于采用。模型的角色是为 Agent 提供“大脑”的能力，所以我们希望这些模型越来越强大。但“深度研究”本身并不是一个模型，而是一个 Agent。所谓深度研究，就是当你提出一个问题，它会去各处寻找资料——包括你提供的、以及网上可用的内容，然后再进行规划。其实像我们刚刚提到的 PowerPoint 生成工具，它本质上也是一个 Agent，我们做的保险 Agent 也是如此。很多现有的大模型只是“大脑”，而在其外部，还有各种企业级数据对接和定制化的业务场景。我们所说的任何一个案例，都无法仅用一个现成的大模型来完成，因为每个企业都有自身特点、独特数据和业务机密。
Agent 除了需要强大的推理能力和“大脑”外，还必须具备记忆能力，以及调用外部工具的能力。本质上，大脑和整个 Agent 之间有清晰的分工关系。就像飞机的发动机不能单独飞起来，只有发动机和机身完整配合，飞机才能真正起飞。
马杰：模型本身的能力边界正在变得越来越大，也越来越强。但与此同时，我们要解决的任务随着深入到行业和场景，也在不断扩展边界。平台和系统能力在向外延伸，核心引擎虽然越来越强大，但它无法覆盖整个系统所需的所有功能。这对我们来说绝对是好事，但现阶段模型仍不可能取代整个 Agent 体系。
Q3：今天发布的Agent在零一万物内部的战略级别是什么？Agent现在商业化进展如何？现在有意愿使用零一Agent的企业大概是多大规模？平均交付周期是什么？
李开复：从战略层面看，我只抓两件事：一是把 「万智 2.0」 Agent 平台打磨成熟，在交付中持续压低落地成本，尽快为客户创造可量化价值；二是锁定最具价值的标杆客户，与他们深度共创并做成行业灯塔。等这两步跑通，我们就能把在灯塔客户沉淀的方法论复制给更多企业，让 Agent 和 万智平台像飞机操作系统一样，开箱即用、快速起飞。
我们的报价高，成本也高。为了数据安全，工程师必须常驻客户现场；就有客户跟我们反复开了 70 轮评审才敲定方案。也许国内只有我们能把算法工程师长期派到客户身边、手把手优化应用。顶尖工程师稀缺，没有他们，就解决不了这些硬核难题。所以我们一年做不了很多灯塔项目，但每一个都做得足够深、学得足够多，也帮客户迅速创造巨大商业价值。
马杰：我们不迷恋万人竞标——价格战压低了费用，却也摧毁了服务质量。要把质量做上去，就得为大型共创客户投入真金白银，因此项目金额往往不低。但如果客户业务规模达数百亿，哪怕帮他提升 1 %，产生的增值也极可观；从中分给我们的那一点点，已经足够覆盖高质量服务。我们不仅给方案，还承诺结果并负责落地，一个完整周期往往需要数月到一年。深度介入才能把问题研究透，也确保商业模式可持续。
Q4：TOB的商业模式“高成本、高定制、难部署”，零一万物会走这条老路吗？这会不会变成烧钱生意？
李开复：我更愿意说我们做的是“高价值”而非“高成本”。我们的交付都有清晰、可量化的业务增益，收费只是对标所创造的价值，并不是靠砸钱换规模。事实上，这类项目的毛利在行业里可谓顶尖，并不存在长期烧钱的风险。
如果一家企业想自建同等级别的团队，成本只会更高，也未必能交付同样的结果——我们的定价并不过分。并且并非每个客户都得做深度共创。对 IT/AI 实力较强的公司，万智 2.0 一体机或云版本即可即插即用，我们只需常规技术支持，费用非常合理。
我们的迭代也不是靠卖出一万份万智再收集反馈，而是通过少数超大体量客户的深度共创，把实践沉淀成 3.0、4.0 的进化基座。
Q5：万智 2.0 发布是否意味着已从0‑1进入1‑N阶段？
李开复：没错。但在 AI 行业，0‑1、1‑10、10‑100 往往在极短时间内连跳。唯有持续高速奔跑，才能不被技术浪潮甩下——这就是我们正在做，也必须做的。
Q6:怎么看现在在中国市场AI生态里面的竞争合作关系，当下和未来的演变？
李开复：我们应该是行业里合作性最强的公司。对那些开发模型的公司，我们都愿意用他们的模型；对那些提供云的厂商我们都愿意用他的云；对做芯片的公司我们都愿意用它的芯片。我们是合作性非常强的，我们还有很多竞争可能来自竞标，我们基本也不参加竞标，所以我们是选择走一个比较独特的道路。
马杰：一线体感是，市场大得惊人，几乎所有产业最终都可能被 AI 重塑。我们走的是差异化路线，又极度开放合作，所以到目前为止，我们几乎没遇到正面竞争——这在别的行业很罕见，但在 AI 时代的中国市场却真实存在。
Q7：在SaaS平台上很多创业公司都面临着标准化和定制化之间的矛盾。开发成本和创造价值之间的事情在AI这个阶段能不能解决？之前很多基本都是亏损的，很难实现盈利，到底在AI能不能达到现在的阶段带来这种变化？
李开复：我们打出一个新的打法，就是定制化加标准化。如果只做标准化，那一定程度就变成了系统集成，做一单是一单，然后到处找生意，没有重复性的。
我们的标准化就是万智2.0，它让我们定制化的成本降低，而且还有一个好处，就是如果我们能够让客户达到了他们的业务指标，他们就会让我们的万智2.0、3.0、4.0成为一个他们的标配，也愿意付费的。
如果我们能够成功地基于万智2.0来给某一个公司创造价值，那它就离不开万智2.0。然后万智2.0就会越做越厚，最终希望能成为标准化。
关于所谓SaaS的魔咒，我们没法预测什么时候中国能够突破这个魔咒，也不敢把我们公司的命运赌在我们的客户一定愿意付SaaS。我们的客户愿意付项目制，那可以。他给我们创造了这么大的价值，他付我们这么点钱也应该。
但是如果他第一年做了三个应用，第二年还想做5个，第三年想做10个，那万智他是离不开的，肯定也会有一个未来的licensing的收费。所以我们是这两边都觉得是互补的。
Q8：万智 2.0 是当前商业化产品，那“大模型操作系统”是目标还是现实？
李开复：如果说一个操作系统，我们广义定位成为能够承载很多应用，然后让大家需要用它才能够达到一些目的，那今天的万智已经符合这个标准了。
但是操作系统也应该是有非常大的通用泛化，而且开箱即能用的能力，今天我们肯定还没有达到，所以我们只能把它当做一个未来的目标。
如果我们第一步、第二步走通了，第三步就可以走到这一步。第一步是非常谦虚地学习行业的客户跟我们的共创；第二个阶段是把共创出来我们得到的认知来去卖给更多的同样行业或类似行业的客户；第三个阶段是让它真正有一天能够开箱即可用。
