2024年6月，零一万物CEO李开复博士在北京智源大会上谈到“大模型To B”这个话题时，态度非常鲜明：坚决做C端，不做赔钱的B端生意。

半年过去了，风向变了。今天，零一万物正式推出两套新方案——“如意”数字人（瞄准电商直播）和AI Infra智算中心方案，宣告进军B端市场。

在此之前，他们的B端业务仅限于API开放平台。从API到行业解决方案，零一万物在B端的赌注越下越深。

To B这条赛道在中国从来都不缺玩家，打法也五花八门。但大家有一个共性：大部分项目都逃不开私有化定制，利润微薄。

某家“AI四小龙”近期大规模裁员，就是最好的警示。零一万物这次加码B端，是真找到了能赚钱的门道，还是又一场烧钱的豪赌？

1. 只有英伟达赚钱的生态，不健康

今年6月，红杉资本抛出了一个灵魂拷问：“AI的6000亿美元问题”。收入规模与投资规模严重不匹配——算下来，AI收入缺口大约有5000亿美元。

在Scaling Law（规模法则）的驱动下，OpenAI、xAI、谷歌、Meta这些巨头拼命往AI Infra里砸钱。最大赢家英伟达股价飙升，一度超越苹果，成了全球市值最高的公司。

这合理吗？李开复认为，显然不合理。

他在知乎上做过对比：回顾PC时代、移动互联网，只有最终应用层爆发，形成足够收入，整个生态才能健康循环。

• 应用吸引用户
• 推动基础设施改进
• 再反过来支撑应用迭代
• 继续吸引更多用户

理想的金字塔应该是“倒三角”。但今天，大模型生态里，过多的资金和利润都被芯片层和AI Infra吸走了。

而应用层——无论中外——还在迷茫地探索中。

*图片来源：Altimeter Capital*

在李开复看来，现在整个生成式AI生态更像是单纯为了追求AGI。真正能提升企业和个人生产力的应用层，反倒成了“副产品”。

事实上，追求AGI与应用落地并不矛盾，反而应该相辅相成。

• 从行业角度看，只有应用层繁荣了，生态才有出路
• 从公司角度看，成功的应用能带来稳定的现金流，为探索AGI提供商业基础

海外大模型公司现在在AI Infra上疯狂军备竞赛，国内公司算力有限，怎么竞争？李开复觉得，海外强在发明能力，靠烧钱买时间、抢先发优势。

而国内更多靠勤奋和工程化能力压降训练成本。拿零一万物来说，训练成本只有OpenAI的3%，推理价格只有40%，性能却能做到全球前十。

而且，海外大模型很难打进国内。反过来，国内大模型有大量出海机会。

大模型公司不仅要关注基座模型的性能和算力储备，更关键的是“Make AI Work”——让模型能力真正落地，形成有价值的产品，不管是To C还是To B。

过去一年，行业焦点大多在To C上，大家乐此不疲地寻找AI时代的“超级应用”。零一万物去年的重心也在C端。

去年9月起，他们在海外上线了多款生产力、社交类产品，总用户接近千万。今年6月，在国内发布了AI办公助手“万知”。

但在B端，无论国内还是海外，大模型的潜力都远没释放出来。

国内的B端市场容易做成亏损的项目制，这几乎是通病。海外情况稍好，但除了Cohere，其他大模型公司基本只提供API，不做SFT微调或行业解决方案。

零一万物在走访中东、欧美客户时发现：国际市场对私有化定制模型有很强烈的需求，但几乎没有被好好满足过。

零一万物的核心竞争力在于：从成立第一天起，就同时布局模型、AI Infra、应用三个层面。

这也是李开复反复强调的“三位一体”战略，类似苹果的“垂直整合”。

这个策略的好处是：不用等别人把各个环节准备好，零一万物自己就能基于国际一流模型快速构建出优秀应用，推向市场。

这种垂直整合还能让应用跑得更快、性能更优、成本更低。

基于这套打法，零一万物先在海外验证了To C的路径，再从海外入手做To B，最终打磨出了一套从模型到应用的企业级完整方案。

目前，他们的To B方案已经和多家世界500强客户展开合作，横跨能源、零售、游戏、电商、智算等多个领域。

2. 零一万物怎么做To B？

零一万物此前推出了Yi大模型开放平台，向企业开放API和模型训练服务。这次发布的两个新方案，显然更进了一步。

“如意”数字人解决方案

核心是把以Yi Lightning模型为代表的Yi模型作为基座，搭建了一套专用模型。

• 角色大模型：负责数字人的动作训练、表情生成
• 直播声音大模型：让数字人能跨过多国语言和情感表达的障碍
• 电商话术大模型：充当“AI大脑”，链接知识库，完成智能对话

和AI 1.0时代的数字人比，“如意”不仅形象和声音更逼真，还能自主决策。

比如在直播间里，数字人可以实时与弹幕互动。

目前，“如意”已经跑通了本地生活直播、AI伴侣、IP形象、办公会议、媒体营销等场景。

合作客户名单里包括百胜中国、孩子王、图灵新智算、乐淘互娱、直客通等。

配合“如意”，零一万物还计划推出短视频营销方案“万视”，正在和头部客户打磨中。

用“万视”后，运营人员可以通过极简流程快速生成低成本、高质量的营销视频。这要比传统真人短视频省时省钱得多。

AI Infra方案

第二个方案是AI Infra。零一万物从第一天起就注重打造AI Infra能力，组建了一支世界级的团队。

他们做过万卡集群的设计、建设和运维，建过10多个超级IDC，也成功训练过多个百亿、千亿参数模型。

通过Yi系列模型的生产训练实践，团队积累了一系列核心技术。

例如，他们搭建了一个基于故障预测、检测、自动恢复的弹性伸缩和故障恢复系统。当某块GPU卡或某台服务器出问题时，系统能快速定位、在线处理，保证训练和推理不中断。

在这些技术的加持下，零一万物的MFU（模型计算利用率）远超行业平均水平，Goodput（有效训练时间比）也达到了99%。

今年7月，零一万物与图灵新智算签署战略合作，帮助对方在“黄埔一号”打造新一代智算中心，涉及整机密度优化、模型私有化部署、算法优化、算电协同等六大技术领域。

10月末，双方合作深化，共同成立了“零一万物-图灵实验室”，推动大模型应用落地，“如意”数字人就是典型案例。

3. AI To B 怎么才能不亏钱？

中国的To B赛道确实拥挤，打法各异。但大部分项目绕不开“私有化定制模型”。

定制化模型之所以难赚钱，是因为产品和服务不够标准化，最后变成了按人/天计价的生意。

零一万物联合创始人祁瑞峰讲过一句话：“AI 1.0时代，下围棋的模型下不了象棋，做蛋白质解析的也做不了其他——模型没有泛化性。每个场景都得从头开始做数据标注、训练、推理、产品、应用，折腾下来公司人数就超过1000人，甚至四五千人，成本自然很重。”

在他看来，解决问题的关键，是回到业务本质——让大模型真正进入客户的核心业务场景，打造出标准化、可规模化复制的应用产品。

零一万物从成立第一天就开始探索To B方向，不断测试大模型在不同场景下的能力边界。

• 一方面要看模型能力——用强泛化性避免AI 1.0时代的非标化、定制重、交付重的老路
• 另一方面得算推理成本——能帮企业客户算清楚ROI，在不赔钱的前提下实现规模增长，这是To B能走通的底线

在零一万物的To B方案里，有两个词反复出现：“垂直精细化”和“标准化”。

“垂直精细化”的意思是：帮企业把行业数据提炼出来，建起数据库，训练专属模型；然后基于模块化能力，结合具体场景开发内外应用。

“标准化”则借鉴云计算时代的订阅制模式——大模型的出现恰好解决了标准化难的问题。

零一万物的To B产品矩阵里，“如意”数字人里的“万店直播”架构、Yi大模型开放平台，都瞄准跨行业复用。

虽然做的是To B，但两条业务线都具备高度可复制、规模化的特点。

李开复说，接下来零一万物会走“一横一纵”的路线——持续和客户深入探索“垂直精细化”的新场景，同时把这些场景沉淀成“标准化”的企业级应用。

目标很明确：把世界第一梯队的大模型能力，转化为标准化的云服务产品，帮客户创造价值的同时，跑通AI 2.0时代特有的可复制增长模式。