起高楼——豪华的创业团队#

2023年3月下旬，创新工场董事长兼CEO李开复正式宣布以Project AI 2.0之名入局大模型，从3月开始在三个月内拉起了数十名核心成员的团队，成员集中在大模型技术、人工智能算法、自然语言处理、系统架构、算力架构、数据安全、产品研发等领域。技术副总裁及AI Alignment负责人是 Google Bard/Assistant 早期核心成员，主导或参与了从 Bert、LaMDA 到大模型在多轮对话、个人助理、AI Agent 等多个方向的研究和工程落地；首席架构师曾在Google Brain与Jeff Dean、Samy Bengio等合作，为TensorFlow的核心创始成员之一。

而算法和模型团队成员中，有论文曾被GPT-4引用的算法大拿，有获得过微软内部研究大奖的优秀研究员，曾获得过阿里CEO特别奖的超级工程师。总计在ICLR、NeurIPS、CVPR、ICCV等知名学术会议上发表过大模型相关学术论文100余篇。

作为主力战将之一，零一万物技术副总裁及 Pretrain 负责人黄文灏、技术副总裁及AI Infra负责人戴宗宏今天也正式亮相，并对最新产品进行介绍。此前，黄文灏曾先后任职于微软亚洲研究院和智源研究院；戴宗宏则是前华为云 AI CTO 及技术创新部长、前阿里达摩院 AI Infra 总监。

其中已加入的联创团队成员包含前阿里巴巴副总裁、前百度副总裁、前滴滴/百度首席算法负责人、前谷歌中国高管、前微软/SAP/Cisco/副总裁，算法和产品团队背景均来自国内外大厂。三个月内零一团队已经实现百亿参数规模的模型内测，正往300到700亿参数规模扩大。

宴宾客——发展历程数理#

2023年11月6日：零一万物正式发布首款开源中英双语大模型「Yi」。同期，零一万物完成新一轮融资，由阿里云领头，估值超10亿刀。

2024年3月14日：零一万物发布Yi大模型API开放平台，为开发者提供多种模型服务。

2024年5月7日：零一万物推出一站式AI工作平台“万知”，支持会议纪要、周报、写作助手等功能。

2024年5月13日：零一万物发布千亿参数闭源大模型Yi-Large。

2024年6月：零一万物的Yi-Large等系列大模型正式登陆阿里云百炼平台。

2024年8月：零一万物完成下一轮融资，金额达数亿刀，此轮融资参与方包括某国际战投、东南亚财团等多家机构。

2024年10月16日：零一万物发布新旗舰模型Yi-Lightning，并公布ToB战略下的AI 2.0数字人产品。

楼塌了#

2024年10月：零一万物被传放弃预训练，李开复辟谣称将继续专注于预训练模型。

2025年1月2日：零一万物与阿里云达成战略合作，成立“产业大模型联合实验室”，聚焦技术、业务、人才等板块的深度共建。

2025年1月6日：市场传言零一万物将预训练团队出售给阿里云，李开复辟谣称该消息不实。

结果还是卖了

（一）战略迷失：在开源与闭源之间反复横跳的“精神分裂”#

零一万物自诞生之初就展现出明显的战略摇摆。在2023年11月高调发布其开源模型Yi时，李开复曾宣称“开源是AI民主化的必由之路”，但短短几个月后推出的闭源Yi-Large却转而强调”核心技术必须掌握在自己手中”。2024年5月重申不打价格战，「价格战烧不出 AI 超级应用，好模型有贵的道理」，四个月后新发布的Yi-Lightning价格又迅速降到1元/M的量级。这种180度的转向背后，暴露出团队对商业模式认知的混乱。

更致命的是，当阿里云在2024年6月将其模型接入通义百炼平台时，零一万物实际上已经沦为云厂商的算法供应商。此时李博士再转头布局”万知”企业服务平台，试图直接触达终端客户，本质上形成了与合作伙伴的竞争关系。这种既要当运动员（做产品）又想当裁判员（做基建）的定位，最终导致其既失去了阿里云的深度支持，又未能建立起独立的产品生态。

数据最能说明问题：截至2024年Q3，Yi系列API调用量始终徘徊在GPT-4调用量的3%左右，而其引以为傲的”万知”平台企业用户数未突破5000家，客单价更是不足竞品DeepSeek的1/3。这种两头不靠岸的尴尬处境，像极了当年在社交与工具之间摇摆的子弹短信。

（二）产品空心化：技术至上主义的致命陷阱#

翻阅零一万物官网的产品矩阵，我们会发现一个有趣的现象：从Yi-Large到Yi-Lightning，所有版本迭代都在强调”参数规模提升50%""MMLU评分超越GPT-4”，却始终回避回答最核心的问题——这些技术突破如何转化为商业价值？

这种”为SOTA而SOTA”的研发导向，在2024年10月发布的数字人产品上达到顶峰。

当团队还在炫耀数字人的微表情延迟降低了0.3秒时，市场早已被硅基智能、风平智能等玩家的”千元级数字人解决方案”占领。据某券商调研，零一万物单个数智人客户的获客成本高达8.7万元，而行业均值仅1.2万元。

更值得玩味的是其产品落地场景的选择：既有面向开发者的模型API，又有针对企业的”万知”办公套件，还布局了数智人赛道。这种撒胡椒面式的扩张，恰恰暴露了其缺乏核心场景深耕能力的短板。

在大模型领域，尤其像零一万物这种独角兽，做十款60分产品不如做一款90分产品。产品矩阵过多过广会极大的分散团队的注意力和共识，内斗会极大的拖缓整体公司决策的步伐。

（三）资本豪赌：算力军备竞赛下的现金流危机#

零一万物的融资轨迹揭示了一个危险的信号：从2023年到2024年，其估值从70亿飙升至200亿人民币，但经营性现金流始终为负。作为前大模型独角兽，零一万物为了保证自家大模型不掉队，绝大多数融资一定会投入到预训练算力的采购中。

这种”融资-买卡-刷榜-再融资”的击鼓传花游戏，在2024年遭遇致命打击。

随着美国新一轮芯片禁令出台，直接导致其千卡集群建设计划搁浅。而此时距离其宣称”启动下一代万亿参数Yi-XLarge MoE模型训练”的豪言，才过去不到三个月。

零一万物引以为傲的”白菜价”战略中，为抢占市场份额，其API定价仅为GPT-4的1/5，但根据内部测算，每处理100万tokens的实际成本却远大于收费价格。这种饮鸩止渴的定价策略，本质上是用投资人的钱补贴客户，最终在资本寒冬来临时轰然崩塌。

如今，李开复不得不承认，“当前只有大厂能够‘烧’超大模型。”虽然否认了打包出售，但他在接受媒体采访时表示，愿意继续训练超大参数模型的成员，加入了零一万物和阿里云成立的“产业大模型联合实验室”。

（四）组织熵增：豪华团队的布朗运动#

当我们审视这个集结了谷歌大脑、阿里达摩院、华为2012实验室精英的”全明星团队”，会发现一个诡异的悖论：成员个体越优秀，组织内耗反而越严重。多位离职员工在匿名社区爆料，光是”应该先做对话式AI还是先做行业大模型”的路线之争，就导致三个月内更换了四次技术架构。

接下来就是我们非常熟悉的山头内斗了，零一万物内部也存在”海归派”与”本土派”的隐形割裂。从流出的会议纪要可见，拥有海外背景的高管坚持”技术驱动论”，主张持续投入预训练；而来自国内大厂的成员则力推”场景先行”，要求砍掉部分研发预算转向垂直领域。这种理念分歧直接导致Yi-Lightning成为了”四不像”产品——既想保持通用性又要强调金融场景适配，最终在两项评测中都未能进入前三。

1. 技术护城河幻觉的破灭：开源生态重构竞争格局#

DeepSeek-R1的爆发印证了一个残酷现实：单纯依赖参数规模和榜单刷分的时代已终结。其通过全栈开源策略（MIT协议），不仅开放了660B参数的模型权重，还允许用户基于R1进行二次开发与模型蒸馏，甚至将6个蒸馏后的小模型（1.5B-70B）开源。这直接导致了一个现象：原本需要天价算力支撑的顶级推理能力，如今中小开发者仅用开源社区资源即可复现，甚至通过微调在特定场景超越闭源模型。

更关键的是，DeepSeek-R1-Zero的实验证明，纯强化学习方法无需依赖监督微调（SFT），仅通过极简奖励规则（准确性+格式约束）即可激发模型涌现推理能力。这种技术民主化彻底击碎了”闭源即壁垒”的幻想——当算法框架、训练方法论甚至思维链生成机制都被透明化，技术护城河已从”独家秘籍”转变为”开放协作的起点”。

2. 生态绑定与效率革命的双重碾压#

当零一万物因战略摇摆陷入”既要当云厂商的算法供应商，又想直接争夺终端客户”的困境时，DeepSeek-R1用生态协同+成本屠刀的组合拳重构了竞争规则。一方面，其输入tokens每百万1元的超低定价（仅为OpenAI o1的3%）倒逼企业用户迁移，配合”思维链API接口”实现技术价值与产业需求的无缝咬合；另一方面，通过群组相对策略优化（GRPO）将标注数据需求骤降至传统方法的0.5%，结合动态知识蒸馏技术使3B小模型性能超越竞品15%，最终在同等性能下实现训练成本仅为Llama3的1/11。这种战略与技术的双重碾压，本质上是用工程创新支撑商业野心——当零一万物还在烧钱买卡时，DeepSeek已通过算法架构革新，将每单位算力的商业回报提升了27倍。

3.破除精英迷信：年轻血液重构创新范式#

零一万物的陨落与DeepSeek的崛起，揭示了大模型创业中一个被长期忽视的真理：过度迷信海外大牛和明星团队，往往导致战略失焦与组织内耗。当行业还在追捧“谷歌大脑+FAIR+OpenAI”的履历组合时，DeepSeek用一支平均年龄不足28岁的本土团队，完成了对传统精英叙事的颠覆。

（1）认知红利

DeepSeek的成员构成极具反叛性——85%的核心技术岗位由应届毕业生或毕业两年内的新人担任，甚至包括在读博士生。这种看似冒险的用人策略，实则暗含对大模型技术特性的深刻洞察：

• 技术代际跃迁的红利期：当行业处于范式变革期（如从Transformer到MLA架构），经验反而可能成为思维定势的枷锁。年轻研究者未被既有框架束缚，更敢于挑战“Attention机制不可修改”等行业教条。
• 极致效率导向：年轻团队对算力优化有近乎偏执的追求。清华毕业生赵成钢主导的Fire-Flyer超算架构，通过动态资源调度算法将GPU利用率提升至92%，远超行业平均60%的水平。这种工程能力，恰是零一万物等依赖云厂商的团队难以企及的。

（2）本土创新的组织优势

与零一万物高调引进海外人才不同，DeepSeek坚持“本土培养+内部造血”模式：

• 文化认同消除沟通损耗：团队成员多来自清北、北邮等国内高校，共享相似的教育背景与研究范式。这种同源性大幅减少了“海归派”与“本土派”常见的理念冲突（如预训练优先还是场景优先的路线之争）。
• 扁平化协作激发创造力：DeepSeek采用OpenAI式的“自然分工”机制——任何小组只要对某个方向感兴趣，即可自由调用算力资源启动项目。这种模式使GRPO强化学习算法从构想到论文发表仅耗时47天，而传统企业同等规模创新平均需6个月。

中国大模型创业正在书写新的规则：不再需要复刻硅谷的人才崇拜，也不必困于“海归光环”的焦虑。正如梁文锋所言：“我们不需要世界前50的AI专家，因为我们可以自己培养出第51到100名——而他们终将重新定义排名。”这种自信，或许才是中国AI穿越周期真正的护城河。

4. 开源协作与技术透明度成竞争加速器#

DeepSeek-R1的MIT协议开放策略，不仅赢得开发者社区支持，更倒逼技术透明度成为行业准入门槛。其论文中坦承R1-Zero存在”语言混杂""可读性差”等缺陷，并通过冷启动数据迭代改进，这种开放纠错机制反而增强了技术公信力。相比之下，零一万物封闭的技术路线与夸大宣传，最终导致信任崩塌。

未来，大模型竞争将演变为开放生态的协同效率之争——谁能更快吸收社区创新、更低成本整合产业链，谁就能在洗牌中存活。正如Nature评论所言：“DeepSeek的成功证明，资源效率比算力规模更重要”。

结语：理性时代的生存法则#

当资本泡沫退去，大模型创业已从”造神运动”回归商业本质。零一万物和DeepSeek-R1的启示在于：技术必须服务于可量化的商业价值，而价值必须通过生态协作实现指数级放大。零一万物的墓碑上刻着”战略迷失”，而DeepSeek的里程碑则写着”开源即护城河，效率即生命力”。这场范式转移中，唯有拥抱开放、深耕场景、极致提效的玩家，方能穿越周期，见证AGI的真正曙光。