李开复 - 维基百科，自由的百科全书 首先总结我对他的认识，零一万物的 CEO，和我爸一个年纪，过去的经历和争议我不太了解，第一次看到他是从两个访谈，一个是抖音他自己的号发的采访（《华尔街日报》领导力研究院院长艾伦·默里(Alan Murray)和他的对话），一个是虎嗅的采访，我google 了一下关键词，虽然几个类似的热点好像在两年前就有炒过，并且很多人对他的评价褒贬不一，但是由于我孤陋寡闻，现在才接触到这两个内容，对我而言还是有一些帮助，所以记录一下。

这个是还有一个原因来自于这篇文章带来的提醒为什么懂得越多的人，越容易陷入“输入狂热，输出瘫痪”有空也得再写一篇

我总结一下虎嗅的采访中的关键点

  1. 他见了谁 最近一直在飞来飞去见各种 CEO 甚至总统
  2. 见这些人干嘛 （赚钱嘛）扯了很多，其实就是从上而下的 FDE（也许可以这样说）/解决方案提供
  3. 他们公司的业务现在做的是什么 To B 做类似 Palantir 干的活，这个公司我第一次听说，叫 GPT 帮我总结他是个给政府和大型机构做数据 + AI + 决策 + 行动的一体化操作系统公司。
  4. 他们对未来的看法 要盈利，然后盈更多的利

哈哈哈我总结的也很简单，但是为什么说对我来讲有帮助，真正让我有收获的，并不是李开复本人，而是采访里的一个信号：很多 AI 公司已经不再讨论模型，而是在讨论企业如何真正把 AI 接进业务流程。对我而言一来扩展了好多领域的词，原来一些大公司如 Palantir 做这些出发点这么早，二来也确实回答了我现在所在公司看到的情况，给别的企业开发也好，咨询也好，一个 Agent 产品，软件，系统，是很难切入公司的运转流程，里面有一个比喻那就是“马车装火车引擎”。

由于我对其他产业的了解实在很浅薄，我用程序员 软件开发公司来比喻，同时 AI 也是在如今开发领域落地最成熟的。从一个未接触 AI 的程序员的角度出发，

  1. 今天我了解了 codex 能帮助我写代码，一个月花 20 刀就够了，写了两天发现得用 200 刀，而工资没有超过 2000 刀，这个成本很高。
  2. AI 把我的活都干了，在公司里我干的活更快了，而在一个公司里如果是协作状态，我的高产出会给到我的下游压力。下游同事的角度就不爱干了，同时也会给平级同事压力，大家都不用 AI 产出都差不多，而我遥遥领先，是不是显得他们没用（工贼！）
  3. 大家都用 AI，消耗很高，要公司买单，老板终于接触到 AI 了，一开始开心点头，没多久发现这笔账不划算。因为 十个人+十份 AI 套餐的产出其实有冗余，因为公司一般不会需要不停的新开发， 居然还不如 五个资深会用 AI 的+ 五份套餐，降本后也能维持原本的效果。

这应该是 AI 在过去一段时间大部分公司落地最明显的场景。而这个场景，和我们这种公司无关，赚不到钱。因为大家都想用顶级模型，如果有企业内网开发，需要自部署顶级模型，比如 GLM5.2，算一下权重接近 1T 多的大小，一台8 卡H20的服务器在 130 万左右，只能跑个量化模型，还很难支持并发，这在开发场景下几乎不可用，这个账一算就是无法接受的。那么这条路也堵死了。也许也有人愿意跑一些小型模型，比如 Qwen 系列 80-30B 之间的各种模型，这样子成本下来了，但是模型的能力也下来了，也许只能做很小部分的辅助（补全），根本做不到提效的效果。

这么一说，我想到 如果这些小模型的 本地配合 一个 copilot代理或者 cursor tab 代理似乎也不错哦，回头看看这个场景能不能做，不知道这个内网开发的场景需求大不大

那么这是程序员和软件行业老板的浅浅的看待，其次我瞎猜一下 AI 对普通公司能提效什么

前段时间有一篇 钉钉内部员工离职的长文《置身钉内》写的很好。不得不让我感慨，哪怕大佬也要受好多这种无端之苦。

可以看一下 workbuddy，这是一个腾讯出的 agent 产品，凭我在网上看到的不完全统计，这个产品应该还算比较不错的，只是我下载下来看过，眼花缭乱，给人一种 什么都想要的感觉，正好可以从中看出，什么能被用

|300

点开专家团，其实可以看出来，抛开 coding 场景（你信他能用的话不如给我打五十块钱我给你一个 key 体验一下 codex） 有内容创作、投资分析、法律咨询、企业运营、数据分析，等这些场景，这些场景的特点，要么是 LLM 的特色，内容创作，要么是一个标准的 RAG 场景其实，比如法律咨询、企业运营，这些都是强 context 需求，AI 需要知道这些上下文信息才能按你的要求产出那个文档和回答。数据分析那更加了，统计+分析，前提就得是有数据才行。

这里可以映照 《置身钉内》提到的，AI 的生长落地需要 context，他提到的是做一个 SAAS 或者产品需要的 context，比如用户是谁，历史聊天记录，做了什么，这些丰富的数据，可以被提炼给 AI 做到帮助。在企业内部，其实也是同理，如果一个企业的管理流程都没有数字化，所谓的 AI 化那更加是痴人说梦。所以给企业做 AI 化的同时也是在优化+梳理+数字化企业的工作流程。而这个出发点确实需要从上而下出现。因为只有头拍板了，这件事情才有推动下去的可能，脚才能动，脚自己动是没有用的。这也是零一万物和 Palantir 说的业务里面最性感的那一块，一个全阶段在线的系统，能在我（CEO）问出：“如果这个供应商下周交不了货，我们哪个工厂会停线？帮我生成替代排产方案。”给出很好的回答，而不是我要联系某下属，而他可能要拆解，收集资料，找他的下属去做报告，这中间可能会带来很多的问题。

这里我说不清楚了，还是很模糊，我觉得我还需要更多思考时间。

总结一下，看完他的采访，又是比较无奈的，这没法抄作业，他的全球人脉能做到这件事情进行变现，我就算有这个能耐也能做这种工作，谁会鸟我呢。是吧。

真正值钱的不是模型，而是能够接触到的数据、流程和决策链。

总之就是对于 B 端做 AI 项目的一些小点子，我认为我可以掌握一下的，比如，如果有项目摆在面前必须确保搭上更有权的线、可能不是一号位、但某部门部长也能推进做这件事情。 得有 AI 能力边界的和成本的敏感认知，因为我是小型的解决方案提出者，我可以收集整理现成的方案报告，这才能让我需要卖的时候直接摆出来展示 对业务的快速理解和中译中的能力。

因为在这个 AI 浪潮下，焦虑每天都弥漫在身边，FOMO 也好，担心工作不稳定也好，升职加薪希望渺茫，大环境看起来糟糟的，而我只是个刚出巢穴的菜鸟，知道的太少。害，只能安慰自己别急别急加油加油，除此之外，还能做什么呢，积极一些吧，少年。也许这只是潜龙勿用的开始呢。