李开复辟谣「掉队」传闻，零一万物推「白菜价」顶级模型

大模型发展到现在，我们应该关注什么？

像 OpenAI o1 这样的技术新范式是其一；像 canvas、NotebookLM 这样的产品新思路也是；还包括用户、客户营收这样的商业化指标。

目标多元，但资源有限。

进入 10 月，国内的大模型创业公司「六小虎」（月之暗面、Minimax、百川智能、智谱 AI、零一万物、阶跃星辰）开始在不同的道路上做出选择。

• Minimax 被传年营收预计 7000 万美金，同一时间流出的信息，还包括海螺 AI 由于视频大模型的推出访问量激增；

• 智谱清言 AI 搜索、月之暗面 Kimi 探索版，则相继推出了主打具备深度推理能力的 AI 搜索；

• 百川智能和阶跃星辰尚未释放进一步动作；

• 零一万物选择公布了最新模型进展，力破停止预训练等传言。

10 月 16 日，继千亿参数模型 Yi-Large 之后，零一万物正式对外发布新旗舰模型 Yi-Lightning，在国际权威盲测榜单 LMSYS 上，Yi-Lightning 超越 OpenAI GPT-4o-2024-05-13、Anthropic Claude 3.5 Sonnet，排名世界第六，中国第一。

在国际权威盲测榜单 LMSYS 上，Yi-Lightning 超越 GPT-4o-2024-05-13、Claude 3.5 Sonnet，排名世界第六，中国第一。｜图片来源：零一万物

对此，零一万物创始人李开复称 Yi-Lightning 是「顶级模型白菜价」，这是当前 AI 领域最需要的。他表示，「Yi-Lightning 和马斯克的 xAI Grok 打平，并列第六名；同时也是全球第三的中国大模型企业，排在零一万物之前的模型基本只有 OpenAI 和 Google」，这是中国大模型首度实现的最佳成绩。在推理速度和价格上，Yi-Lightning 的最高生成速度提速近四成，每百万 token 仅需 0.99 元，且该定价仍有利润。

李开复透露，这次预训练只用 2000 张 GPU 训练一个半月，只花了 300 多万美金，做出来的预训练模型跟 Grok 打平，只花它的 1% 或 2% 的成本。

进入 2024 年，鲜少有发布会只展示模型能力本身，AI 落地的产品、场景、客户案例等都成为外界关注的重点。会上，零一万物也首度公布了全新 ToB 战略下的首发行业应用产品 AI 2.0 数字人，聚焦零售和电商等场景。

对于 ToC 产品及海外进展，本次发布会上未作披露。今年 5 月 Yi-Large 的发布会上，零一万物预计今年营收预计可达 1 亿人民币。

李开复在朋友圈辟谣｜图片来源：网络

早在 5 天前，李开复已在朋友圈回应了停止预训练的传言，并在知乎上谈到了他对大模型接下来将如何洗牌的思考。今天 Yi-Lightning 的发布进一步回击了传言，李开复也进一步聊到了当前大模型竞赛中的几大争议。以下是他的思考，经极客公园整理：

01 六小虎分野之 01 万物的牌面：「顶级模型白菜价」

问：模型做到「世界第六，中国第一」，同时以较低的价格推向市场，如何实现的？

李开复：零一万物在 Yi-Lightning 的定价上并没有亏本。

成立第一天起，零一万物同时启动了模型训练、AI Infra、AI 应用三大团队，三个团队成熟后，再对接到一起。零一万物将这一模式总结为模基共建、模应一体两大战略。AI Infra 助力模型训练和推理，以更低的训练成本，训练出性能领先的模型，以更低的推理成本支撑应用层的探索。

我们不会赔钱卖模型，但也不会赚很多钱，而是在成本线上加一点点小小的利润，就得到了今天 0.99 元/百万 token 的价格。

挑选模型 API 最重要的一点，是模型性能一定要优秀，在这个前提之下才去挑最便宜的，我相信，综合 Yi-Lightning 的模型质量和价格来看，Yi-Lightning 很可能是很多开发者最认可、最高性价比的模型。

问：零一万物首次公布 ToB 相关矩阵，未来会进一步在 ToB 方向深耕吗？

李开复：在国内，大模型 ToB 相对于 AI 1.0 时代有不同的打法，首要任务就是要寻找少数能够按使用情况收费的方法，而不是项目定制的方法。能得到比较高利润率的订单再去做。

今天零一万物推出的 AI 2.0 数字人解决方案不是做一单赔一单的做法，它专注到用户重大的痛点需求和盈利点，也就是一个店长或 KOL 平时做一次直播浪费最重要的资源——他的时间。这个时间就算做一小时直播能赚到一千块钱，也就是这一千块钱，但如果用数字人直播就不是一小时了，可能可以做一千个小时（直播），哪怕每一个小时只能赚一半的钱，一千个小时还是可以赚五百倍的钱，这样账就很好算了。

如果真的能把数字人做到端到端，只要输入公司内部的东西，选一个形象、声音按一个钮就开始直播，等于卖给这个企业一个印钞机，印钞机要收租赁费就可行。除了直播以外，我们的 AI 2.0 数字人解决方案已经跑通了更多业务场景，比如 AI 伴侣、IP 形象、办公会议等等。

整体来看，零一万物 ToB 整体解决方案会采取「一横一纵」的打法。先将单个行业做深做透，进而以自身技术能力和行业积累为基础，凝练出标准化的 ToB 解决方案，为各行各业的企业客户将本提效。

问：除了数字人解决方案，零一万物是否还有其他 ToB 解决方案？

李开复：除了我们已经发布的 AI 2.0 数字人、API 之外，零一万物目前还有 AI Infra 解决方案、私有化定制模型等其他 ToB 业务，我们会在近期正式对外发布，敬请期待。

问：零一万物在海外推出 ToC 产品，国内陆续推出 ToB 产品，当前在 B 端、C 端的产品现状如何？

李开复：一个大模型公司同时做 ToB 和 ToC 很辛苦，销售方法、利润的比例、需要多少投放才会有收入等评估体系完全不同。也需要多元化的管理方式，因为两个团队的基因不一样，做事的方法、衡量 KPI 的方法都不太一样。我在这两个领域有经验，也在试着做，但也绝对不能什么都做。

ToB 上，零一选择做国内市场，是因为找到了一些破局的空间，比如用数字人来做零售、餐饮等，能做一个完整的解决方案。另外还有两三个领域开始在做，现在还不方便披露。ToB 不做海外市场，是因为全世界的范畴里，ToB 供应商基本都是当地的。选择在国内做 ToB，还要选择有利润的解决方案做，而不只是卖模型、不只是做项目制，这是我们 ToB 的做法。

ToC 我们主要布局海外。当我们开始做零一万物时，国内还没有合适的中文模型，只有在国外先尝试，迭代了一个、两个、三个产品，这些产品现在表现有些很好，有些没有那么好，在不断地调整中。

我们也在观察什么时候适合在国内市场做什么样的产品，目前做 ToC 产品面临一个很大的问题——流量成本越来越高。我们也看到有些友商的用户从十几块人民币加到三十多块人民币，近来还有相当的流失，在这样一个环境里，我们会非常谨慎，先不推出中国本土新的 ToC 应用，同时已有的产品还会继续维护，但更多的精力会在海外的土壤用更低的成本买到非常高质量的用户，或者能直接把 App 卖出去，让用户来订阅收费，那边订阅习惯相对成熟。

换句话说，现在现状选择在海外做 ToC 产品，变现能力和消耗用户增长的成本算账可以算得过来，以后再关注国内有什么机会可以推出。

02 一轮预训练已降至 300 万美金，「六小虎」都可以 cover

问：此前有消息称 AI 方面的六小虎，某几家放弃了预训练。站在行业的角度，逐步放弃模型预训练会成为行业整体趋势吗？

李开复：做好预训练模型是一个技术活，而且要非常多有才华的人在一起工作，慢工出细活。需要有懂芯片的人、懂推理的人、懂基础架构的人、懂模型的人、很好的算法同学，一起做出来。

如果一个公司能有幸拥有这么多优秀的人才，能够跨领域的合作，我相信中国绝对可以做出世界排名前十的预训练的通用模型，但不是每家公司都可以做这件事情，做这件事情的成本也比较高，以后有可能会越来越少的大模型公司做预训练。

不过据我所知，这六家公司融资额度都是够的，我们做预训练的 production run，训练一次三四百万美金，这个钱头部公司都付得起。我觉得中国的六家大模型公司只要有够好的人才，想做预训练的决心，融资额跟芯片都不会是问题的。

03 AGI 的上限：o1 开启推理层面的新范式，OpenAI 还藏着技术

问：今年 5 月份，Yi-Large 把中美顶尖模型的时间差缩短到六个月，这次 Yi-Lightning 发布直接击败了 GPT-4o，把时间差甚至缩短到了五个月，零一万物如何能继续追赶缩短这个时间差？

李开复：缩短时间差非常困难，我不预测我们可以缩短这个时间差。因为毕竟人家是用十万张 GPU 训练出来，我们用的是两千张 GPU 训练出来。

Yi-Lightning 的效果是因为团队和社区大家都热心聪明去使用，去理解对方做出来的东西，再加上我们自己每家的研发有特色，比如数据处理、训推优化等等，现在这一套方法论在零一万物已经成熟了，我们有信心把自己的创新加上我们的一些特长，在关注 OpenAI 和其他公司发布的新技术，尽快地去能够了解这些技术的核心重要性，然后把它的能力在我们自己的产品里面发挥出来。

我觉得这套方法保持在六个月左右，就已经是很好的结果了。如果期待破局，可能需要一个前所未有的算法才有机会。我们千万不要认为落后六个月是一个很羞耻的事情，或者一定是要追赶的事情，因为我很多海外朋友都认为中国会远远落后，人家十万张 GPU 等，我们要被甩掉三年、五年甚至十年都有可能，现在零一万物证明了不会落后这么多，而且这次 LMSYS 的榜单上也有其他两家中国公司表现不错。

问：OpenAI 的 o1 发布后，从技术上带来在推理侧的 Scaling 新范式，你怎么看？对初创公司会有哪些影响？

李开复：OpenAI 真的是很厉害的公司，在他们的员工交流时，他们说OpenAI 内部还有一些好东西，但是不急拿出来，因为他们领先行业足够多。这次他们把 o1 拿出来主要是因为 GPT-5 训练不顺利，而他们需要融资，就先把 o1 公开，这是他们能做而别人不能做的。

OpenAI o1 虽然隐藏了所有中间的思考状态，但是很多人还是在网上开始猜它怎么做，我们认为有一些揣测还是比较靠谱，所以当你发了一个新技术，这个技术被很多聪明人使用、揣测，我觉得五个月以后，应该也有不少类似 o1 模型的能力出现在各个模型公司，包括零一万物。

o1 的思考模式是把之前只在预训练中 scaling 的趋势扩展到了推理，这件事情对行业是最大的认知的改变。过去大家觉得谁预训练做好就够了，慢慢大家发现后训练 SFT 和强化训练都是非常重要。

所以零一万物的团队刚开始做的主要是专注预训练，之后又有很多很厉害的人加入，帮我们把后训练也做出来，现在看来推理也很重要，感谢 OpenAI 点醒我们这一点，相信现在很多中美公司都在往 o1 方向狂奔。