QUOTE
三年前，我们从AGI理想出发；三年后，我们坚定走向产业AI。
—— 李开复，零一万物三周年内部致辞（2026年5月底，据《每日经济新闻》）
11 月 13 日，李开复上了 Forbes 的《Iconoclast》栏目，聊他的新书《AI Native》（中文版《AI未来已来》）：公司里设一个「直接责任人」，带着少量人和一批 AI 智能体干活；他自己的公司，也已经从造大模型，转向卖给企业老板用的决策工具「老板AI」。
这位 64 岁的创业者，最值得学的不是书里的结论，而是他改口的方式：旧答案过期时，认得快，转得彻底，转完还要去客户现场验证。先看他今天讲了什么，再看他是怎么走到这一步的。
本文看点
01
AI干活，责任在人
02
旧承诺有保质期
03
改口之后去现场
01
NOW
新书里的一个问题，一个做法
《AI Native》11 月 2 日由 Crown 出版，书目页写明 208 页。书里问得很直白：当企业买得最贵的东西——人的思考——几乎免费了，会发生什么？
他给的做法之一，是设「直接责任人」（DRI）。据他在播客里的说法，要找既懂管 AI、又会带人的人，让他带少量人类员工和大量智能体，围着一个具体任务组队，小的任务一个月就解散。AI 可以干重要的活，但结果必须由这个人检查、批准，做好了有回报，出了问题要担责。他还举过一个假设：一家一万人的公司，原来有三千名管理者，将来可能是两千名人类员工加八千名 AI 员工。注意，这是假设，不是已经发生的数字。
访谈里他也提到，公司不再追前沿大模型，重心放在企业决策工具上，并在筹备上市。一家当年喊着「中国 OpenAI」的公司，为什么走到这一步？
02
GROW
成长节点：换了几次赛道
— 从语音识别，到大公司，到投资，到创业，再到转向
李开复 1961 年生于台北，1973 年随家人去了美国。1988 年他在卡内基梅隆大学拿到计算机博士，论文做的是 Sphinx，一套不限说话人的大词汇量连续语音识别系统，当年《纽约时报》有报道。1990 年进苹果，1998 年到北京筹建微软中国研究院，也就是后来的微软亚洲研究院；2005 年转去 Google，任 Google 中国区总裁，微软为此起诉，当年 12 月双方和解。
2009 年 9 月他离开 Google，创办创新工厂，首期基金 1.15 亿美元，投早期互联网和移动创业。2023 年创办零一万物，11 月发布开源模型 Yi-34B。每一次换赛道，他带走的都是同一样东西：看得懂技术，也肯下场做生意。
真正难的一次，是 2025 年初。
03
COPY
能带走的三个做法
2024.5
说「绝不放弃预训练」
2025初
预训练团队并入阿里云
2026年
全年合约目标15亿元
一、旧承诺有保质期，立承诺时就写好「什么证据出现我就改」。据界面新闻，2024 年 5 月有人问他是否会坚持自研大模型，他答得很干脆：绝不会放弃预训练。同一个月，公司推出千亿参数的 Yi-Large，并宣布启动万亿参数模型的训练。报道说，训练一次万亿级模型的算力成本动辄数千万美元，而 2025 年 1 月 DeepSeek-R1 发布，开源世界追得比预期快。2025 年初，零一万物把大部分预训练和基础设施团队并入与阿里云共建的联合实验室。他后来称那段时间是至暗时刻之一，据报道，大年初一他站在空了三分之一工位的办公室里。你近期立过哪个「绝不」？在旁边写一句：出现什么数据，我就改。
— 改口之后：去现场，指定负责人
二、改口之后，先去客户现场，别急着发新战略。据界面新闻，转向以后他飞去非洲、柬埔寨、阿塞拜疆、哈萨克斯坦，钻进矿洞、养鸡场和企业仓库，想弄清一个老板为什么不愿意为 AI 付钱，他的问法是：你的财报里，哪个数字可以因为 AI 变好？今年 6 月，零一万物与正大集团成立合资公司，蛋鸡养殖是第一个验证场。下周约一位真实客户或同事，问这一句就够了。
三、交给 AI 的活，要有一个具体的人负责。这一条是他自己公司在试的 DRI。你不用等公司改组：挑一件已经交给 AI 的活，在旁边写三个名字，谁检查，谁批准，出了问题谁来解释。写不出名字，这件活就还没真正交出去。
04
LIMIT
几条边界，也得说清
第一，数字多是公司或媒体转述。15 亿元是 2026 年全年合约目标，不是到账收入；养鸡场里「死淘率降 5%」是项目团队的预计，不是结果。他自己说过公司要到 2027 年上市，被问到时的原话是「我希望如此」，公司对外的说法则是资本规划「保持开放」。
第二，他是卖方。新书在卖，老板AI也在卖。界面新闻提醒，这些是公司的功能介绍，实际效果要看客户任务检验；他本人在 7 月也说过，产品化程度较完整，但暂时不能开箱即用，仍需要工程师驻场帮忙落地。
第三，这次转向的评价并不一致。媒体不完全统计，零一万物成立两年间至少有 8 位核心高管离职，其中包括 4 位联合创始人；他把放弃超大模型解释为规模定律不适合创业公司，报道也写到这些解释未必都成立。读他，既要看他讲对了什么，也要看他付过什么代价。
∞
THE END
最后说两句
从语音识别到大公司，从投资到创业，再到转向企业，李开复这些年反复做的是同一件事：旧答案过期时，认得快，转得彻底，转完去现场验证。他的对错交给时间，这套动作你现在就能用。
□ 写下你近期立的一个「绝不」，旁边写：出现什么数据，我就改
□ 约一位真实客户或同事，问：你的账里哪个数字可以因 AI 变好
□ 挑一件交给 AI 的活，写下谁检查、谁批准、谁担责
□ 改口后的第一周，只做现场验证，不发新战略
你上一次主动改口，是什么时候？评论区选一个：改得对，或者改晚了。身边要是有人正纠结「要不要继续砸钱自己训模型」，把这篇转给他。
出处：Forbes《Iconoclast》2026-11-13；维基百科 Kai-Fu Lee 词条；界面新闻；每日经济新闻 2026-06-05；新浪财经 2026-07-28、2026-10-16；《AI Native》书目页。公司数字多为自报或媒体转述。
往期 · 继续读
李彦宏说Token越烧越多、利润没涨：28岁那年，他把北大学的论文引用法写成了专利
李飞飞今天和苏姿丰同台：餐馆时薪2美元；开价约82亿美元后，她仍说机器人还没过关
王兴兴把临界点写成「双80%」：陌生场景里完成八成任务；最难时账上只剩10万
END
我是「AI科技明星」，每天借热点回看一位科技圈人物的成长节点，和普通人能带走的做法。
觉得有用的话，欢迎点赞、收藏、评论。