李開復把DeepSeek打包“賣了”_風聞

作者|陶然 編輯|魏曉

AI六小虎中第一家擁抱DeepSeek的玩家出現了，是零一萬物。

他們直接掏出了能迅速落地、迅速變現的產品：內置DeepSeek的企業大模型一站式平台“萬智”，劍指toB商業化。

今天上午，零一萬物線上舉行了新春產品發佈會，公司CEO李開復、COO黃蕙雯等多位核心人物悉數露面，為萬智站台。

基於新平台帶來的軟硬件協同能力，零一萬物也成為又一家可提供企業級DeepSeek部署定製解決方案的廠商。

萬智平台目前已在零一萬物官網上線“商務合作”入口，有需求的用户可以提交“提供服務”、“探索合作”和“其他”三種申請，公司全球解決方案與交付總經理表示，定價很快就會發布，“會給企業用户提供非常有競爭力的價格，比大廠更有優勢”。

據AI藍媒匯統計，在DeepSeek走紅之後、零一萬物“萬智”發佈之前，DeepSeek概念加持下的一體機領域，其實已經湧入了包括不僅限於百度、華為等眾多一線大廠，以及像是京東雲、聯想、浪潮、中科曙光等同屬頭部集團的知名企業，賽道日趨擁擠。

分析人士指出，各家將軟硬件打包成封裝、集中發佈一站式解決方案的目的其實完全一致，就是要搶抓這波DeepSeek帶來的國產ChatGPT時刻，把市場中高漲的興趣、湧現的需求落到手裏，成為實打實的訂單。

“基模能力與市場教育到位的當下，中國大模型產業亟需成熟的企業級解決方案，來推動大模型從通用能力向垂直行業深度融合。”

簡單概括，就是卷應用，向錢看。

相關資料顯示，2024年零一萬物公司的整體收入已經超過了一億元，其中B端業務佔到整體收入的七成左右；C端的收入主要來自海外的To C付費應用（PopAi等），且已接近實現盈利。

資金層面，李開復年初透露稱，去年七月份完成一筆融資後，目前公司賬上現金充沛。並且團隊內部其實更早就開始覆盤和推演Scaling Law的上限問題，對現金的調配似乎相當審慎。

愛企查顯示，零一萬物先後完成四輪融資，但前兩輪均為同樣由李開復創辦的創新工場出手，公開可查的其餘資方似乎僅有阿里雲。

此前AI藍媒匯曾報道過斷尾求生聚焦醫療的百川智能，這一次，同在DeepSeek浪潮下遭到衝擊的零一萬物選擇了另一套解法：放低姿態，從百模大戰的“參賽者”轉換為“服務商”。

這個淡化自家技術模型聲量、以DeepSeek為賣點、將超頭模型封裝成可落地toB產品的解決方案，是零一萬物作為頭部AI初創在AI大模型賽道的淘汰賽槍聲中不得不面對的重新選位。

轉變身份，用相對務實的姿態，叩開大規模toB商業化的門。

拼落地

零一萬物的轉型核心，就是這個面向企業的大模型一站式平台。

平台並非簡單技術集成，而是針對企業落地大模型的三大痛點，部署難、定製難、應用難，依次提供了系統性解決方案，開箱即用。

過往企業接觸AI，必須要提前考慮的一個問題就是安全：數據是否在本地，必須上雲的話鏈路和存儲分析是否封閉、是否安全。

零一萬物聯合頭部硬件廠商推出的軟硬集成式一體機方案，內部預裝高性能了GPU並內置DeepSeek全系列模型，支持本地化推理與數據隔離，滿足金融、政務等對數據安全敏感行業的需求。這種方案抹平了起步階段的技術門檻，全鏈路的本地化部署也消除了企業對數據泄露的顧慮。

接下來的問題，幻覺。

DeepSeek-R1推理模型生成內容時所產生的幻覺，體驗過的人有目共睹，它更擅長輸出觀點、情緒、華麗辭藻，但對於擺事實講道理這一塊，推理過程中產生的一些“奇思妙想”往往容易造成文不對題甚至 胡編亂造，所有這些信息失實統稱“幻覺”。

業內一份幻覺測試結果顯示，DeepSeek R1幻覺率高達14.3%，作為對比谷歌Gemini 2.0 Flash的這項數值僅有0.7%——複雜問題解決能力提升的代價就是在處理“開放性問題”時，DeepSeek-R1這類推理模型會強行構建邏輯鏈，從而導致虛構事實，且“推理能力與幻覺風險呈正相關，並且僅能通過優化訓練策略改善，無法徹底消除幻覺”。

涉及業務數據甚至企業決策的AI，必須要最大程度降低幻覺發生的可能，避免出錯。

這一點上，零一萬物此前一款出海的C端AI搜索應用其實已經證明了團隊在降低幻覺方面的功力，搜索準確性高達88%，校正幻覺的能力優於以搜索性能強著稱的Gemini (73%)、Perplexity (73%)、ChatGPT Search (64%)等國外一線模型。

基於企業客户需求，新發布的“萬智”平台整合了聯網搜索、知識庫RAG、智能體Agent等成熟組件。部署和實施速度大幅提升，引入Rewrite和Rerank模型後，結果召回率提升60%，準確率提升30%，幻覺效應大幅降低。

最後是定製適配，DeepSeek有兩個硬傷：不支持 Function Call（工具調用）、不支持JSON Output（JSON 格式的字符串輸出）。用做飯場景舉例，這個AI理論上能熟練烹飪全球各國料理（數學/代碼/自然語言推理），但一不會使用廚房工具（缺乏Function Call），需要用烤箱烤牛排時，它無法自動調用烤箱設備，必須人工操作；二隻會口頭報菜名（缺乏JSON Output），需要打印標準菜譜時，AI只能口述而無法輸出格式化的電子文檔。

兩大企業剛需能力的缺失，讓DeepSeek在落地工作場景時常常受限。零一萬物則在“萬智”平台上率先給出基於DeepSeek-R1的成熟微調方案，企業能夠基於自身企業數據庫對AI進行模型微調，準確對接垂直領域的具體業務需求。

整體來看，“萬智”平台無論是宣發還是設計，都擺出一副老老實實給DeepSeek打輔助的姿態——聆聽市場需求然後針對性設計。

李開復在採訪中強調了“尊重商業規律”，按需設計產生按需購買，或許就是其中一條：你（企業）拿到了好用的DeepSeek創造價值，而我（AI公司）拿到了AI本身帶來的商業價值。

退居“1.5線”，是出路嗎？

發佈會結束後，關於會上被問及的關於“是否還在做預訓練模型”的問題，零一萬物方面又單獨做了一次澄清：我們是不做“萬億以上”超大參數基模，不是放棄自研，輕量化模型還是在做的。

兩個信息：一，零一萬物並未放棄自己的技術積累，頭部模型和自研並行；二，自研技術確實在收縮。

聽起來有些消極，但務實、理智、活下來，才是所謂六小虎等資源並不足夠充足的玩家，在大模型淘汰賽現階段所必須接受的局面。

大浪淘沙，自家模型沒有跑出來的幾位勢必做出轉型，要麼退居二線繼續換個姿勢繼續參與遊戲，要不等到熱度和資源揮霍殆盡徹底下桌。

零一萬物這個目前還比二線更靠前一些，暫且算作一點五，接入阿里、收縮業務的李開復團隊顯然還是有心再搏一搏。

策略上規避超大模型的研發風險，但不徹底放棄技術層面主動權（自研），最重要的一點，務實、逐利，在AGI實現的那一天到來前，別徹底下桌。

李開復透露稱，零一萬物聚焦toB業務去年有超一億元收入，今年第一季度的收入則已經接近了去年全年收入總和，“運營模式非常良性，今天發佈的萬智企業大模型一站式平台也能夠錦上添花。”

DeepSeek給行業帶來的是技術層面的範式，也掀起了行業去泡沫化的進程。在更先進的底層技術有突破前，市場的價值錨點必然從技術遷移到場景，企業客户會更關注“能否解決實際問題”而非“是否自主研發”，零一萬物通過將DeepSeek技術封裝為可落地的解決方案，為的就是快速驗證AI落地的商業可行性，以及同步來帶來的利潤回報。

至於前面統計的與同賽道內大廠、同行玩家的競爭，李開復很坦率的解釋了零一萬物的優勢：對比一些硬件廠商、組裝廠，我們有研發底層模型的經驗優勢，更懂AI；而對比大廠，我們的方案，更有性價比，更便宜。

離開一線、站穩中游、成為輔助角色，沒什麼不好。

分蛋糕前活下來，才是最好的。