零一万物在做什么？

5 月 13 日，在零一万物发布会上，李开复发布了新的模型、应用和开放平台，详细介绍参见官方文章。

千亿参数闭源大模型 Yi-Large，零一万物首次发布的闭源产品。
零一万物已启动下一代 Yi-XLarge MoE 模型训练。
API 开放平台上线：面向国内市场一次性发布了包含多款 Yi 系列模型 API 接口。开放平台官网：https://platform.lingyiwanwu.com
ToC 产品「万知」上线，一站式 AI 工作平台。网页端（https://www.wanzhi.com/）和微信小程序「万知 AI」登录体验。

零一万物从 2023 年起就进行了多个产品的尝试，其中一款主打海外市场生产力场景的产品，预计今年营收 1 亿人民币，用户已达到 1000 万。

发布会上，李开复提出了 TC-PMF 的方法论。相对移动互联网时期的黄金标准 PMF，李开复认为现阶段 AI 产品的创业还需要考虑 Technology（技术）和 Cost（成本）。

此外，李开复与零一万物的三位相关负责人，分享了他们在模型、产品和 API 层面的进展，以及创业一年背后他们对各自业务和组织的思考。我们整理如下，部分内容来源于《晚点 LatePost》对李开复的专访报道。

讨论嘉宾：

李开复：零一万物创始人 & CEO

黄文灏：零一万物模型训练负责人

曹大鹏：零一万物生产力产品负责人

蓝雨川：零一万物 API 平台负责人

零一万物是怎么做产品的？

Q：如何做基于大模型的生产力产品？

曹大鹏：我分享几个点。

我们的差异化是第一天就面向生产力真正的痛点，在白领和知识工作者平时在工作当中遇到的真实的最痛点里找读、写的核心场景，并不只是给 chatbot 加上 AI 的能力，因为后者没有办法解决用户真正工作中的问题，所以它的留存和增长也不会好。

基于这个理念我们打造了 AI-First 的 Office 的产品形态。为什么我们觉得它有机会呢？

首先我们有一个理念，大模型会把所有之前的积累很多年的生产力（产品）的工作流重构一遍。

Office 已经推出四十年了，之前所有的用户在工作当中要去写一个文档，方式都是打开一个空白页面去想到底应该写什么，这个过程对每一个工作的白领来说最困难。但大模型带来的交互变革，就是人机对话式的自然语言方式，可以输入一个问题或一个需求就可以开启你的工作。

我们在万知里，包括我们海外的生产力产品，所有工作流开始都是从一个对话开始。我们做一个 PPT 只需要输入一个标题就可以了，不像原来先是找到一个模板，这是一个巨大的变化。

从这个角度，我们找到最痛点的白领的工作场景，同时用 AI-First 的交互方式把它做到成功，得到的结果：

我们海外的产品去年 9 月推出时也有 Chat with Doc 的功能，我们会发现用户的需求和使用非常井喷式，很快达到了 PMF 的状态。我们通过产品迭代和用户增长的优化，很快把我们的 ROI 打到 1 以上，因为海外是付费订阅制，很快在收入上也会获得非常好的成绩。我们今年按现在来看预期差不多会是一亿人民币的收入规模，我们 ROI 还是在 1 左右。这样的结果至少从国内大模型公司来看是非常有优势的。

Q：国内产品「万知」做了哪些优化？

曹大鹏：我们做万知的过程，并不是把（Yi 系列）模型直接匹配到产品里，因为在国内市场要做大量的优化。我们向量数据库成本的降低，联网能力的提升，我们国内 PPT 配图的角度会有单独图片的来源，这些能力本身都是需要重新基于国内的使用场景做，基于我们的模型做优化。

还有移动端，中国移动端和 Web 端的流量是绝对引领的状态，所以我们小程序和 Web 端可以实现多端协同的工作场景。举个简单的例子，本身你现在不在电脑旁边，需要马上做一个演示，可能只需要在万知微信小程序上输入需要演示的主题，从电梯上来到你的工位两分钟，打开电脑 PPT 在万知网页版已经做好了，你只需要做简单的文字和配图的修改就可以了。

现在大模型应用本身今年肯定在国内是应用落地的一年，这一块国内国外都遇到很大的挑战。最开始我们先推出海外产品，ROI 非常健康，我们收入获得非常高速的增长，国内万知基于本地特有场景做专属优化，随着我们模型能力一直往前突破，在产品上找到真正高价值，未来甚至有付费能力意愿的场景做匹配。

Q：现阶段产品最重视的市场反馈和数据指标有哪些？

曹大鹏：对于一个 PMF 阶段的产品，从 0 到 1 我们会关注产品长期留存，以及能不能产生用户自传播的口碑。从 1 到 100，我们更关注增长速度会不会足够快，ROI 是不是健康，以及商业模式、收入付费转换等指标。

我们现在打造 AI-First 的时候，主要思路是 TC-PMF。这里有两个东西，第一个是技术，第二个是成本。

技术方面，最核心的是模型能力各种指标。现在被大家比较公认的指标，首先是模型 benchmark，这一点我们的指标达到全球业界领先水平。但是做应用的时候光有这一点远远不够，还要求我们有从用户视角，模型的结果能够满足用户需求的指标。

成本方面，大家会发现抖音真正变成一个 Superapp 的时间点，第一个是 4G 普及，第二个是安卓千元机的普及，一下子把短视频的市场扩大 100 倍。任何新技术浪潮来了之后，最开始还不够完善，当它到达一个临界点——我们认为核心是看普惠点。模型成本不会成为做一个海量体量产品的障碍，这样的 popular app 才有可能发生。但我们不会等到那个时间点来了之后再做应用，这个过程中模型和成本都是在动态变化，应用场景随着模型能力提升不停解锁，我们要一直非常务实的迭代，从用户角度出发，找到 TC-PMF 产品模型。

Q：从零一已有的产品尝试中看到了什么？

李开复：我们最早上线的生产力产品的 ROI 已经可以做到 1 了，也就是我们从用户手中收到的订阅费，已经低于我们获取用户的成本加 GPU 的成本。今年应该会有一个亿的收入，有近千万用户。

但这还不是达到了 TC-PMF 的普惠点，因为规模还不够大。普惠点是真的有上亿用户，每天或者每周去使用，而且账要能算清楚。

我们探索的一些其它应用，娱乐、陪伴类的都有，但 ROI 都没做到过 1，30 日留存也不够好，我们就没有去推。

Q：为什么只有生产力产品的 ROI 能达到 1？

李开复：生产力应用的付费点最明确，虽然技术上有幻觉问题，但最终是人来把关内容，因此也 OK。

而其他领域，包括那么多人学的 Character.ai，都有 TC-PMF 的问题，主要是降低推理成本和提高体验上的冲突现在还比较难解决。

你要降低推理成本，只有缩小模型，这就导致体验不够好，用户不会来。你用了大模型，体验好了，但推理又贵了。所以 Character.ai 就没有特别好的体验，因为它用不起 GPT-4，它自己做的小模型又不够好，进入了两难。

一个诱惑是，我们也可以花钱烧出用户，号称做到了几千万用户、几百万 DAU。但是留存不好、ROI 不好，这么做下去最终还是得破产。

我们会把（ROI）0.6 当作一个基准线，烧 1 块钱可以回 6 毛钱时，就可以往前推进。

你一旦推到了 1，就表示增长还可以更激进，我们还没有到一定要追求回本的阶段，我们就会多做一些推广；太低了我们就扎实地提升产品。所以 ROI 会自然地游走在 0.85 到 1.05 之间。

Q：如何理解 ToC 办公领域的产品机会？

曹大鹏：办公领域是一个大的市场，或者说一个赛道。有一次 Google 前 CEO 艾瑞克·史密斯看到我们的产品能生成 PPT，他评价说「信息包装是 500 亿美金的市场」。从市场角度来说，PPT 只是这里面特别小的分类，但信息包装是非常重要的。我们任何工作里面的文档都来自于信息获取与整理，这个部分其实是巨大的市场。

信息包装本身就有 500 亿美金的市场，而整个生产力赛道比这个更大一个量级。包含办公场景的生产力赛道更多是一个需求市场，怎么在这个领域做应用，是做一个 AI-First，还是 AI Enhance？

AI-First 的好处在于，第一，极大降低了用户使用办公软件的产品门槛，原来这些软件之所以用户用，并不是因为它好用，而是因为没有新的技术带来颠覆它的可能性。AI 大模型这个能力是巨大的变量，如果它能把最开始的交互从空白页，让你自己想怎么下笔，变成我只需要输入思路标题，就给到非常多的灵感，然后再把中间的编辑过程提效，原来几个小时做一个 PPT，现在花十几二十分钟，这就是一个十倍体验的提升，因为降低了用户的成本，用户就更多使用 AI-First。

我们海外产品是面向全球的，过程中会发现一些东南亚地区，包括一些欠发达国家地区的用户热情是非常高的。

竞争层面，从市场角度来看，整个生产力赛道收入规模非常巨大，欧美尤其是美国 SaaS 生态非常百花齐放，看上去一个很简单的功能，比如订日历，一年获得几十亿美金收入，有点像消费品的生态，比如国内同样的苏打水有一百个品牌，但是每个品牌都能活得不错，并不存在有人做了，你就没法做的问题。第二点，从竞争角度来说，我们非常坚信 AI-First 产品定义，包括开发的理念，如果 AI-First 极简的交互方式，比传统的一百个按钮软件编辑方式有十倍的提升，用户迁移过来也只是时间问题。

模型公司做产品的优势

Q：产品团队和算法团队应该怎么打配合？

黄文灏：我们要打破壁垒，算法团队和应用团队不应该是两个团队，而是一体化 one team。

一方面以应用为目标的产品经理，大家要不断的去了解基础，哪些是模型能做的，哪些是模型不能做的，一定要了解产品的边界在哪里。

另一方面做技术的也是要去了解产品的需求到底是什么，找到一个实际的应用和模型能够快速一体化迭代的方案。基础模型的泛化能力很强，但是专门为一个应用做一个优化，反而也是一个相对来说比较困难的问题。所以我觉得做技术和产品经理之间不应该有太多间隙，大家其实都是一类人。之前在互联网时代成功的产品经理，他们如果复制这个路径去做，会很难在大模型时代成功。包括曹大鹏、蓝雨川花很多时间研究模型的原理，知道模型的边界，这件事情也是很重要的。反过来说，互联网时代最成功产品经理都是技术背景，所以技术在这里面非常重要。

Q：模型团队如何配合产品？

黄文灏：因为我主要负责预训练团队，预训练是以模型通用为目标，我们没有太多考虑应用需求。零一万物有比较多的应用在做，包括像生产力、社交、娱乐，我们希望所有的应用都基于一个通用的模型，来自每个应用的需求也是不一样，所以我们希望预训练模型作为一个基础可以服务所有的应用，这里面最重要的还是模型 general 能力的提升。

我们也发现，看起来社交和娱乐没有太大关系的复杂推理能力，在模型通用复杂推理能力提升以后，用户的沉浸感也会变得更好，留存各方面指标都有提升。

所以预训练模型的能力会给应用提供一个很好的起点。接下来在 continue training 和 SFT 部分可以为应用做很多定向优化，这也不是简单的拿一些和应用场景相关数据过来就能做好。因为我们现在是预训练、SFT 是一个团队，可以知道模型之前预训练的配比，数据质量的控制，用了哪些数据，没有用哪些数据，这是非常重要的信息，大家再往下为实际应用做优化的时候，这些信息的透明度非常重要。这里面的数据质量和数据配比工作一点不比预训练少。

另一方面，为了未来做得更好，在预训练阶段应该有所保留，我们在算法上做一些控制，让未来那些应用做得更好。如果我们只想追求一些预训练的目标，我们可以做到一个模型的的指标比今天发布的更好，但是会透支未来的潜力，这对应用不利，所以我们还是在考虑应用的情况下做一些预训练的工作。

Q：「模应一体」这件事情最大的挑战是什么？如何解决？

黄文灏：最大的挑战还是在组织和人才方面。

我过去一段时间和 OpenAI、Anthropic、xAI 很多同行交流，我们会发现在海外模型应用割裂感更强。一方面优秀的 researcher 们以 AGI 为目标，大家的看法是说现阶段这些应用没什么价值，等 AGI 实现以后，整个商业形态会有很大的变化，所以大家应该更专注于模型能力。现在为了部署一些应用，会消耗大量的算力，其实是阻碍了大家追逐 AGI 的进程。

另一方面做应用的人，他们会觉得模型能力的提升给用户带来的体感不是那么明显。我们花了很多钱，去追求模型性能上或者指标上的提升，但是并没有解决很多用户的问题，所以这个割裂感很强。

硅谷更偏向于追逐梦想，国内更脚踏实地，所以我们一开始会追求模型和应用一体做建设。这两边的割裂是所有大模型公司都要碰到的问题，这里面最难的还是在组织层面和人才层面怎么能把这个事情打通。

Q：零一万物的开放平台发展方向和目标是什么？

蓝雨川：我们到底是专注于 AI 1.0 时代做项目模式交付模式，还是真正能够服务好一些 AI 应用的商业化？

AI 1.0 时代有大量公司做项目交付，但是赚到一次性的钱之后没有后续。我们今天的思路更像云平台，提供一个非常强大的 API 技术能力；我们会提供一系列工具，帮助大家轻便上线；我们提供行业解决方案针对各行各业应用场景做优化。这是我们 API 平台发展的方向和目标。

Q：海外、国内，2B、2C——这些你们都要做吗？

李开复：我们会做很多事，整个公司的设计就是要做一个 AGI 时代的微软。

万知 AI 上线以前，我们在海外市场就已经有 4 个应用了。但有些事我们暂时不会做，比如在国内做 2B，我们不会碰项目制的订单，我认为它还没有逃离上次 AI 1.0 的魔咒。

2B 我们会走 API 路径，不管国内国外，花钱买 API 都是一个已经被教育过的市场。所有的创业基本都应该避免去教育市场，因为这是大厂才能付得起的事情，创业公司没有这样的成本。

国内外 AI 产品生态

Q：如何看待国内外应用生态的差异？

蓝雨川：海外 GPT-4 的 API 在去年发布，使海外 AI 生态非常繁荣，很多 AI 原生应用已经诞生，达到了数千万美金的收入，也有非常多的成熟产品和公司用 OpenAI API 做出自己的第二曲线新业务。国内的情况会慢一点，有许多企业在探索，但阶段没这么快。

国内外 AI 生态差异的背后，有两个非常重要的因素。

第一个因素，TC-PMF，我们是不是有一个最优秀的大模型让企业跑通自己的 AI 业务，跑通 AI 新产品的 PMF，能够赚到钱，这是非常重要的。

第二点，我们有足够强大的推理优化能力，把模型 API 成本降得足够低，这样企业的 AI 产品才能赚到钱，持续扩大规模。

Q：怎么做海外营收和增长？

曹大鹏：第一点，我们海外产品第一阶段的商业模式采用会员订阅制，这从 C 端来看算是最健康的商业模式之一。和国内一些视频网站类似，用户如果点击订阅，下个月不退订的话会自动续订。用户不用很多，但是付费订阅费能够支撑增长，包括成本。

第二点，我们的海外产品去年九月份推出，从有部分用户进来，到现在 10 倍、20 倍收入的增长，为什么我们 ROI 能够越来越好？一方面是 AI 渗透的快速增长。新的模型或者产品发布之后，从 earlier adopt 变成往大众推广，尤其是海外欧美国家走得更靠前一点。另一方面是我们的产品力，包括增长获客效率也在持续优化。

Q：先发的海外产品如何「反哺」后发的国内产品？

曹大鹏：我们现在海外产品模型选型是 Yi-Large 加 GPT-4 的组合，我们最开始推出的时候自研模型还没有做好，现在 Yi-Large 已经推出并在海外产品上线，并成为我们实时对比测试自研模型的平台。

我们的海外产品是在去年 9 月份上线，第一版只有 Chatbot、Chat with Doc 两个基础功能。当时推这个功能的原因在于，首先 ChatGPT 是一个爆款产品，它两个月做到一亿用户量，是一个超级的 PMF 产品。但我在用 ChatGPT 产品的时候，发现它的短板在于 Chatbot 只解决基础的问答、文案，包括很简单的任务，但如果定位是生产力方向，我的日常使用场景大量集中在文档角度：找、读、写。ChatGPT 很厉害，我就打它的弱点，所以我们要把 Chat with Doc 这个功能跟 Chatbot 结合做一个完整产品。

一个新技术刚来的时候，一个产品就是一个功能，但是往后都会被更强大的产品替代掉。ChatPDF 很早就推出一个海外产品，但用户不太可能在 ChatGPT 和 ChatPDF 这两个产品里面切换。经过大半年，我们的文档阅读功能，无论在文件处理大小，字数，还是表格处理能力上，在全球同类产品里达到了全球领先。

第二，我们用 GPT-4 API 时发现，它在一些特有场景里面体验非常糟糕，比如说做 PPT，但我们只能用它的 API，只能用 prompt engineering 的方式去解决，因此瓶颈是显而易见的。

但我们的自研模型 Yi-Large 会在这些领域显著超过 GPT 4，这也是为什么我一直坚信只有模型应用上、能力上，组合上结合起来，才能最终做出 AI-First 产品。

如果你关注大模型领域，欢迎扫码加入我们的大模型交流群，来一起探讨大模型时代的共识和认知，跟上大模型时代的这股浪潮。