文丨胡镤心
过去两年，大模型在企业端快速铺开，智能客服、知识库问答、会议纪要、办公助手——效率工具堆了一堆，标准动作基本做完。尴尬的是，CEO们关心的那些问题——收入目标能不能完成、哪个大客户正在流失、哪条业务线偏离了方向——几乎没有被AI触及。投入在增加，财报没变化。
零一万物的判断是，企业AI该换打法了，从给员工用变成给老板用，从解决执行效率变成介入决策质量。
7月7日，零一万物在北京发布万策AI平台，同时推出三款面向企业一号位的产品——老板AI、投资官AI、销冠AI。这三款产品，就是上述判断的产物。
01
盆景里长不出森林
做出这个判断的前提，是先搞清楚一个问题：过去两年AI投入了不少，为什么财报没变？
李开复把企业AI落地难以改变财报的原因归结为几个层面。首先是通用AI无法深度理解企业独有的业务逻辑，“就像你把清华第一名招进公司，他第一天贡献基本是零”。李开复指出。
更普遍的问题是，很多企业仍然把AI当作软件来采购。思路没变：怎么装SAP、用友、金蝶，就怎么装AI。CIO开始盘点：客服需要Agent吗？销售呢？法务呢？客服、问答、外包流程——这些应用集中在局部场景，能节省人力成本，但始终没有触碰到营收、投资等核心价值链。
还有一个更深层的问题是决策者错位。优化财报是CEO的核心职责，不再是CIO能决定的，核心业务场景的跨部门统筹只有一号位能够推动，但很多CEO自己也不知道该怎么用AI。
零一万物产品负责人姚璨从另一个角度描述了CEO的日常困境：一线风险出现时，CEO看到的是“层层压缩、层层粉饰”的报告；会议承诺没人追；机会散落在各种材料和个人经验里；等财报红了才问“怎么今天才知道”——而每个部门都有自己视角下的最优解，只有CEO站在全局，要为财报改善做最终决策，却往往孤立无援。
姚璨把企业AI转型分成三个阶段：AI辅助效率提升、AI进入关键决策、AI驱动财报改善。
他写了一个公式：财报改善=执行效率×决策质量。
效率决定跑多快，决策决定方向。方向错了，跑得越快，错误越大。
过去两年，行业集中解决了等号右边的第一项——执行效率。第二项几乎是空白。
02
把Token翻译成财报数字
零一万物选择直接进入第三阶段，驱动财报改善。具体做法是，服务企业中最关键的决策角色，让AI进入经营、销售、投资这三个离财报最近的场景。
老板AI面向CEO，它汇总会议纪要、即时沟通、销售记录、客户反馈、项目进度、财务数据等多源信息，捕捉尚未体现在报表中的经营异动和机会线索。基于企业本体和动态上下文，它判断风险与机会的重要性、影响范围、责任归属和介入优先级，并将判断拆解为任务、会议和责任跟进。
李开复本人就是老板AI的重度用户。他常问它：“基于上周所有管理会议，尤其是我没有参加的会议，有哪些风险是我必须知道的？”系统不仅会给出风险判断，还会说明依据并展示相关证据。他甚至会问：“我哪些话讲得不合适？以后应该多讲什么才能让公司更有效率？”得到的答案“非常中肯”。
投资官AI面向投资决策者，它做事实交叉验证，模拟投决会——不同角色的智能体从多维度分析投资标的，再由“主席智能体”综合各方意见，将风险转化为保护条款。产品逻辑来自创新工场17年高科技投资经验，零一万物将这套经验深度系统化到投资官AI中，覆盖事实核验、风险质询、价格条款、投后跟踪、资本质量等环节。
销冠AI面向销售负责人，它解决一个真实痛点——CRM显示赢单概率80%的项目，可能客户决策人从来没参会、交付口径变了三次、交付团队根本没留人。这不叫健康商机，叫把风险后置。销冠AI让所有Agent和团队共享同一份商机上下文，围绕客户、需求、方案、合同、交付、回款等环节协同推进。它的本质是把CRM从“记录系统”升级为“收入增长系统”。
零一万物内部数据是，使用这套产品后，订单额增长了5倍，商机转化率提升了两倍。“既然我们提倡了这样一个方法论，无论如何一定要以身作则，要不然客户也不会信服。”李开复说。
支撑三款产品的“万策”平台，核心架构被概括为四块拼图：大脑、地图、导航系统和操作系统。大脑是大模型，负责推理判断。地图是企业本体Ontology 2.0，用语义定义企业业务世界，写清客户、合同、审批节点、业务对象及其关系。导航系统是动态上下文引擎，追踪交易状态、审批推进和实时业务状态。操作系统则把判断转化为安全、可控、可审计的行动。
最关键的是数据闭环。每次决策的对错都喂回去，系统越用越准。李开复的判断是：“一家今年就用万策，另一家两年后才用。两年后，早用的那家有护城河。”
03
模型是电，方案才是电器
大模型的能力仍在快速跃迁——过去两年，AI能连续执行任务的时间增长了100倍。但真正改变行业游戏规则的，不是模型又变强了，而是这些能力正在被重新组织，从回答问题的工具变成参与决策的系统。
全球范围内，企业AI的竞争正在发生一次明显的转向。OpenAI从模型API走向ChatGPT Enterprise，Anthropic推出Claude Enterprise并强化企业安全与工具调用。微软在7月初成立Microsoft Frontier Company，拿出25亿美元启动资金，组织约6000名工程师和行业专家，与联合利华、诺和诺德等大型客户合作，把AI工具与客户独有数据整合起来。行业巨头们正在做的事情高度一致——从“谁提供最强模型”转向“谁能帮助企业构建自己的企业AI系统”。
李开复把这种变化称为“后模型时代”的到来。当模型能力持续开源化、推理成本快速下降，模型本身正在变成一种基础设施。就像CEO不会关心PC里用哪家芯片、哪家内存，他关心的是稳定、好用、能满足业务需求。大模型越来越像电力和自来水，企业真正关心的是这个能力能否稳定、安全、高效地服务业务场景。
这个判断也直接回应了近期行业内的一个争议，Palantir CEO Alex Karp公开批评OpenAI和Anthropic的Token计价模式，直言该模式已经“出了大毛病”。他认为企业花钱买Token却得不到价值，还面临知识产权被用于训练的风险。李开复的看法是，Token显然有商业价值，但Token模式能解决的通常是80分到85分的问题。对于那些特别困难、高价值的企业核心场景，“客户无法接受85分，他们一定要做到99分”。姚璨的表述更直接：企业一号位不关心Token，他们追问的是这些Token如何转化为自己的业务指标。
模型可以替换，技术路线会演进，但企业独有的数据资产、行业知识和决策逻辑，才是AI时代真正可沉淀的竞争力。企业AI的核心壁垒不在于“看见数据”，而在于把复杂的经营现场转化为可理解、可判断、可执行、可复盘的决策系统。而这一切的前提是数据闭环——先有一个“环”，数据才能闭合、才能释放价值。
在这个趋势下，中国企业的处境有些特殊。李开复观察到，中国企业的业务变化更快，组织形态更多样，经营现场更复杂。单纯复制海外SaaS或通用Agent模式，很难真正进入核心经营链路。中国企业需要的是一套既懂中国业务现场、又能沉淀行业方法论、还能通过平台复用规模化交付的AI决策系统。
海外市场同样存在结构性的机会，零一万物已布局塞尔维亚、哈萨克斯坦等地，与哈方成立合资企业Q.AI。李开复判断，在中国和美国之外，几乎所有国家都存在相当大的信息差。当我们已经在探讨企业决策中枢的时候，很多国家连Agent都还没用好。美国公司通常聚焦本土、欧洲或日本市场，全球还有大片市场没有被覆盖。Palantir尚未覆盖的地方，恰恰是一个空白地带。
开源模型持续进步，推理成本快速下降，AI编程和智能体能力显著突破，但从市场供给看，大多数企业AI产品仍停留在工具层。市场上仍然缺少一套真正面向企业“一号位”、能够帮助老板做决策并改善财报结果的决策AI产品。
这个空白，正是零一万物选择切入的位置。
