零一万物联合创始人马杰在2025亚布力论坛第十一届创新年会上发表主题演讲。
近日，2025亚布力论坛第十一届创新年会在浙江杭州举办。会上，零一万物联合创始人马杰发表了名为《深入产业 大模型创新助力智能化变革》的精彩演讲。
以下为演讲全文：
01
AI正在从1.0向2.0进化
随着今年初DeepSeek Moment出现，大模型的热度开始延烧到ToB市场，很多人都在关注，以大模型代表的生成式AI技术，和前几年已经在自动驾驶、安防等场景中投入使用的AI，到底有什么区别？
生成式AI驱动的AI 2.0技术，跟上世代的AI 1.0技术存在着代际式的区别。AI从1.0跃迁至2.0的最大变化，是从原来有监督学习到无监督学习。这是一个重要的跨越，因为在训练方法上不需要人去监督了。
AI 1.0时代做自动驾驶，需要人工标注数据，手把手去教会AI去识别车辆、行人等等，人工智能只能基于结构化、标记数据进行训练，只能优化单一目标函数（比如围棋），每个领域/应用单独训练一次，无法泛化，以至于AI 1.0时代的每个应用都需要收集数据和重新训练。
从有监督学习到无监督学习之后，AI 2.0最大的进化是在训练过程中，特别是预训练数据量极大的情况下，我们只需要给AI准备学习的素材，不再需要人工标记进行训练，这就使得人类可投喂给AI学习的数据可以几十、几百个数量级的上升，模型规模也做得比以前大得多。以前AI 1.0时代做一个模型是以百万为单位，现在模型规模的单位已经是十亿级别了。
这一变化带来的显著成果是，模型从过去仅在单一领域、单一数据集、单一任务上表现良好，转变为具备了举一反三的能力。在过去，所有类似功能都得通过硬编码或其他特定方法强行植入模型之中。对于模型而言，这是人类首次真正赋予计算机自我举一反三的能力。
总结来说，一、无监督学习使得训练超大模型成为可能；二、在训练过程中，随着数据量不断增加以及训练模型层深度的持续拓展，模型产生了更多层次的抽象；三、更多的抽象，就意味着更高的智能水平。
人类与家中宠物的智慧差异体现在哪里？我认为就是抽象层次的问题。如今，人工智能的抽象层次正在飞速提升，随着模型进一步训练，模型抽象层次甚至可能会超出人类可理解的范畴。人类有可能用自己亲手设计的算法，创造出更伟大的算法能力。
随着今年初DeepSeek Moment出现，大模型的热度开始延烧到ToB市场，很多人都在关注，以大模型代表的生成式AI技术，和前几年已经在自动驾驶、安防等场景中投入使用的AI，到底有什么区别？
生成式AI驱动的AI 2.0技术，跟上世代的AI 1.0技术存在着代际式的区别。AI从1.0跃迁至2.0的最大变化，是从原来有监督学习到无监督学习。这是一个重要的跨越，因为在训练方法上不需要人去监督了。
AI 1.0时代做自动驾驶，需要人工标注数据，手把手去教会AI去识别车辆、行人等等，人工智能只能基于结构化、标记数据进行训练，只能优化单一目标函数（比如围棋），每个领域/应用单独训练一次，无法泛化，以至于AI 1.0时代的每个应用都需要收集数据和重新训练。
从有监督学习到无监督学习之后，AI 2.0最大的进化是在训练过程中，特别是预训练数据量极大的情况下，我们只需要给AI准备学习的素材，不再需要人工标记进行训练，这就使得人类可投喂给AI学习的数据可以几十、几百个数量级的上升，模型规模也做得比以前大得多。以前AI 1.0时代做一个模型是以百万为单位，现在模型规模的单位已经是十亿级别了。
这一变化带来的显著成果是，模型从过去仅在单一领域、单一数据集、单一任务上表现良好，转变为具备了举一反三的能力。在过去，所有类似功能都得通过硬编码或其他特定方法强行植入模型之中。对于模型而言，这是人类首次真正赋予计算机自我举一反三的能力。
总结来说，一、无监督学习使得训练超大模型成为可能；二、在训练过程中，随着数据量不断增加以及训练模型层深度的持续拓展，模型产生了更多层次的抽象；三、更多的抽象，就意味着更高的智能水平。
人类与家中宠物的智慧差异体现在哪里？我认为就是抽象层次的问题。如今，人工智能的抽象层次正在飞速提升，随着模型进一步训练，模型抽象层次甚至可能会超出人类可理解的范畴。人类有可能用自己亲手设计的算法，创造出更伟大的算法能力。
02
AI 2.0驱动产业变革
目前，AI 2.0领域的阶段性成果，就好比造飞机有了强劲的引擎——DeepSeek模型在全球范围内能排到第三；阿里通义千问、腾讯混元模型也表现出色，均位列全球第七。中国AI军团在国际上取得非常好的成绩，这着实令我们倍感自豪。
然而，仅有出色的引擎还不够。如今，行业内众多人士都在提及Agent，原因就在于，一架完整且功能完备的飞机，不仅要有强劲的引擎，还需配备飞控系统、航电系统等关键系统应用支撑。当下，包括零一万物在内的中国大模型行业重心在努力构建这样一架完整的“飞机”，通过打造一个系统性的工程，让AI 2.0技术能真正腾飞。
这样的AI能力将会带来产业的深刻变革，比如个体能力提升和组织架构进化。在过去，传统的企业组织架构多采用金字塔结构，这是人类用几千年时间积累出来的，一个人管7-10个人的结构是最有效的。
由于智能体的出现，未来组织可能呈现“一人一部门”的极简形态，管理者管理的对象由人转变为智能体。管理者应将智能体视为组织的一部分，对它们设定目标、分配资源并验收结果，具体执行由智能体完成。
未来，AI驱动的组织架构将演变为“企业负责人＋专业模型及应用（Agent）”。每个部门只需人类领导负责战略决策，具体执行完全由AI Agent完成。这种组织不是简单的人机协同，而是重构了管理范式——人类转型为目标架构师，AI成为执行引擎。
可以预见，组织进化将经历三个阶段：（1）嵌入模式（AI辅助具体任务）；（2）AI Co-pilot （人机共同决策）;（3）智能体模式（AI全流程闭环）。当前，大部分企业处于第一阶段向第二阶段的过渡期，三年内可能看到原生组织雏形。
未来公司里可能最重要的岗位不是IT，也不是算法，可能是HR。为什么？因为他最懂如何去考核一个AI，给它定目标、考核结果。
03
大模型产业应用需全局思考：
从顶层设计到落地应用
当我们展望未来，思索AI与人类的交互方式，却一时难以理清头绪时，我有一个简单的方法想和大家分享，那就是把AI当作一个人来对待。我们与AI的交互方式，其实就可以参照人与人之间的交互模式。而在人与人之间的交流中，说话无疑是最便捷、最自然的方式。所以当下，语言成为了我们与AI交互的最佳媒介。
顺着这个思路继续思考，虽然目前，机器之间主要依靠API和各种接口进行数据传输与交互。不过，从长远来看，机器之间是否也有可能像人与人一样，采用自然语言进行交流呢？我认为，这种可能性是非常大的。
而在当前阶段，企业要实现AI智能化转型，需要自上而下的全面布局，从顶层设计、路径选择，到能力构建，再到运维迭代，以更加工程化、体系化的方式，才能更高效地做好大模型的产业落地工作，让AI真正成为企业的新质生产力。
与此同时，在产业落地过程中，有一件十分重要的事值得深思。当我们从PC互联网向移动互联网做迁移时，大家讨论最多的话题是：哪些在电脑上使用效果出色的应用，能够被成功移植到手机上？当时许多人都是围绕这个热点来寻找创业机会。
如今我们反思，会发现当时这个热点悖离了移动互联网变革的核心——移动互联网重塑了用户端，真正市场需求的应用是Mobile-First的应用，也就是离开手机就没法使用的应用，并非是那些从电脑简单迁移到手机的应用。后续出现了爆发性增长的手机应用也验证了这一点。
AI 2.0是有史以来最伟大的科技革命和平台革命，将超越移动互联网的平台革命，改变所有软件、界面和商业模式，也将催生AI-First应用的爆发性增长。因此。在AI 2.0时代，所有的应用也可能都被AI化，只有极少数确实不适合AI化的应用，才会保留原有的形态。
在此过程中，特别重要的是TC-PMF的概念：在移动互联网时代，判断一件事情是否可行的关键是PMF（产品市场匹配），产品做得好，和市场需求高度契合，就可以推向市场。因为在移动互联网时代，我们默认所有技术都是可实现的。同时，当产品的用量达到一定量级后，边际成本也都接近于零。
但在生成式AI驱动的AI 2.0时代，市场情况和移动互联网时代有所不同。与互联网时代不同，AI转型必须同步考虑技术可行性和成本结构。企业家的新必修课是预判技术演进曲线，在技术成熟度与商业回报间找到平衡点。我们不能单单依赖产品市场匹配（PMF）来判断一个项目是否可行，还必须把技术和成本因素重新纳入考量范围。
TC-PMF框架强调，技术（Technology）与成本（Cost）必须与产品（Product）和市场（Market）深度融合，形成动态平衡。因为大模型技术演化速度太快，即使是行业内的专业人士也没有办法完全预测，三个月之后，基座模型会出现哪些新的突破；成本方面，如今虽然有了飞速的下降，但成本控制仍然是企业发展中不可忽视的重要环节。因此，现在大模型的产业落地过程中，任何大模型产品要实现大规模应用均需兼顾技术路径和推理成本，需要TC-PMF与全链路能力构建，只有在综合考量下才能开发出更具盈利潜力的产品。AI技术的引入不仅是工具升级，更是对商业模式的重构。企业需在技术可行性、经济性与市场需求之间找到最优解。
04
零一万物，万物赋能
那么，零一万物在做什么呢？
过去两年，我们训练出了多个国际SOTA的顶尖大模型，特别是去年10月时，我们训练出了千亿参数MoE模型Yi-Lightning闪电模型，当时在国际双盲测权威榜单LMSYS上取得了全球第六的成绩，也是当时此榜单国产模型历史最佳成绩。刚才一位演讲嘉宾说到，马斯克做得非常牛，每个事情都做在前面，我们Yi-Lightning模型当时正好和马斯克的xAI并列世界第六，以千亿参数的尺寸却在性能上匹敌硅谷万亿参数巨模型。
在获得上述佳绩的时候，我们已经看到了中美两国在基座大模型预训练上存在巨大的资源差距。绝大多数中国公司还在用数千卡集群在做训练，马斯克当时已经在搭十万卡的集群。虽然这种数量级的资源差别很难跨越，但在产业实际落地过程中，我们发现，目前千亿参数级模型的“智商”水平已经相当高了，这样的“智商”应用于产业领域已经足够适用。
当下产业面临的问题，并非模型“智商”不足，而是模型对产业的理解不够深入。现在的模型，其“智商”水平甚至能达到类似博士的程度，但它缺乏在产业一线的实践经验。所以，零一万物目前正在做的，就是与产业合作伙伴携手，将产业中真正适用的场景与最聪明的模型能力相结合，以大模型能力穿透企业核心业务流，充分提升企业的生产力水平，进而创造更大的经济价值。
目前，全球都在关心生成式AI未来将在哪些领域开辟新的落地场景和商业化路径，创造盈利机会。在我看来，答案可以概括为一个词——产业。中国有庞大的产业、复杂完善的产业链条、丰富的落地场景、顶尖的工程师资源，更重要的是政府开明鼓励的政策支持，这些要素让中国在大模型进入“产业＋AI”深水区时，不仅能助力产业智能化转型升级，更能创造巨大的经济价值，进而有机会引领中国在世界生成式AI竞赛中弯道超车。
因此，在座的企业家们，你们手中的产业本身就是最具价值的资产，将AI大模型技术与现有产业因地制宜地深度融合，不仅能够提升自身竞争力，还可能创造出全新的商业模式与新增长曲线。“产业＋AI”就是我们最好的未来。
责编｜林洁
排版｜王紫薇
以上文章来源于亚布力企业家论坛CEF，作者马杰
如需了解更多零一万物企业级产业大模型解决方案的相关信息，请扫描二维码：
