李开复:中国大模型预训练或将收敛至DeepSeek、阿里、字节三家

李开复预测中国大模型市场将收敛至DeepSeek、阿里、字节三家,并强调开源模型将给OpenAI等闭源公司带来更大压力。零一万物将All in AI应用落地。

原文标题:李开复:超大模型预训练逐渐寡头化,国内将收敛至 DeepSeek、阿里、字节三家

原文作者:AI前线

冷月清谈:

李开复在彭博社的专访中表示,DeepSeek的成功标志着中国大模型行业进入新的阶段,预示着2025年AI应用将迎来爆发。他将DeepSeek比作Windows内核,而零一万物则致力于构建类似Windows操作系统的平台,填补AI领域的空白。李开复认为,中美两国超大模型的预训练都在走向寡头化,中国市场可能最终会收敛至DeepSeek、阿里巴巴和字节跳动三家。他强调开源模式的优势,并认为DeepSeek的突破对OpenAI等闭源公司造成压力。零一万物将采取“开放模型”策略,关注AI的实际应用,并为企业提供软硬结合的解决方案。李开复认为,政府对AI的支持将推动传统产业转型升级,AI相关的资本正转向AI应用、消费者应用、AI基础设施类型的创新企业。

怜星夜思:

1、李开复提到DeepSeek的成本优势,这是否意味着算力效率的提升是国内AI企业突围的关键?除了提升算力效率,还有哪些技术或战略能够帮助国内AI企业在激烈的竞争中脱颖而出?
2、李开复认为AI领域还缺少类似“Windows操作系统”的平台,零一万物想要填补这个空缺。你认为这个“AI时代的操作系统”应该具备哪些核心功能和特点?它与传统的操作系统有哪些不同?
3、文章提到中国政府积极拥抱AI,并将其视为“新质生产力”的关键。你认为AI在哪些传统产业中最有可能率先实现突破,并带来显著的经济效益?政府在推动AI与产业融合的过程中,应该扮演什么样的角色?

原文内容

整理 | 褚杏娟

3 月 20 日,零一万物 CEO、创新工场董事长李开复博士接受了彭博社的专访。

在访谈中他表示,DeepSeek 爆红出圈给整个中国大模型行业完成了实质意义上的市场认知教育,随着模型性能的提升与推理成本的下降,2025 年 AI-First B 端、C 端应用都将迎来爆发。另一方面,各地政府也对大模型展现出浓厚的兴趣,都在积极探索如何将 AI 应用到当地优势传统产业中,用产业大模型打造“新质生产力”,进而促进实体经济的增长。

李开复博士以 Windows 内核类比:DeepSeek 是 Windows 内核,而零一万物提供的平台则是 Windows 操作系统、应用程序、UI 界面。没有 Windows 操作系统、应用程序、UI 界面,Windows 内核就无法发挥真正的价值。要真正发挥大模型的价值所在,AI 领域内仍然没有出现自己的“ Windows 操作系统”,零一万物想要做的正是填补这一空缺。

谈及大模型领域未来的竞争格局,李开复博士认为,在中美两国超大模型的预训练都在逐渐寡头化,并且寡头化的程度在不断加大。他预测中国大模型领域未来将会收敛至 DeepSeek、阿里巴巴、字节跳动三家, 其中以 DeepSeek 势头最猛;美国则以 xAI 的发展势头最为迅速,但 OpenAI、Anthropic、Google 也都会做出令人敬佩的研发工作。

至于中美之间的 AI 竞赛,李开复博士认为在印证了“需求是创新之母”的同时,DeepSeek 的突破也使得开源模式呈现出压倒性的优势,坚持闭源策略的 OpenAI、Anthropic 等公司,都会面临更大的压力。

今年零一万物做的最大的调整是:不再执着于只推 Yi 模型,采取“开放模型”的策略。此前,零一万物 COO  Anita(黄蕙雯)明确表示不会再做万亿以上超大参数模型,“因为我们做不起。”零一现阶段最关注的是能否真正把 AI 推到市场上,让市场不只歌颂 AI,而是真正能用上 AI。

李开复分析,零一做 ToB 产品的优势在于积淀。零一有完整的软硬结合的解决方案,在如何微调、如何对应数据库、如何做机器训练和数据配比上的经验丰富。下面为李开复博士对话全文。

填补 AI 圈还不存在的 Windows
彭博社:今年可谓是人工智能真正渗透各行业的元年,此次我们特邀零一万物 CEO、创新工场董事长李开复博士来深入探讨这一话题。今天也是一个绝佳的时机来和您一起讨论,因为零一万物刚刚对外发布了“万智企业大模型一站式平台”,首发能帮助企业更广泛地部署、应用 DeepSeek 模型的解决方案。能不能请您详细介绍一下这项业务?

李开复: 当 DeepSeek 问世的时候,中国迎来了自己的“ChatGPT 时刻”,我们可以称之为“DeepSeek 时刻”。在中国春节假期期间,几乎每个人都在谈论 DeepSeek,许多企业的 CEO 们节后返工马上要求在自己的公司里用上 DeepSeek。他们发现,DeepSeek 是一个非常出色的模型, AI 的表现令人惊叹,但它不能直接赋能公司里面的人力资源、财务和客服等场景,因为开源模型还缺少连接企业数据库、应用程序等必要的中间件。

零一万物认同 DeepSeek 所取得的巨大进步,我们决定全力支持 DeepSeek ,让它更好用。我们补充了那些缺失的中间件,开发了易用的使用界面,使 DeepSeek 在企业中变得可用。这就是零一万物于本周一发布的产品——万智企业大模型一站式平台,它在中国大陆和香港地区的初期反响相当不错。

彭博社:这款“万智”新平台背后的考量是怎样的?

李开复: 许多人现在都下载了 DeepSeek,也很喜欢使用 DeepSeek。我有一个 CEO 朋友问他的员工:你们都用 DeepSeek 做什么,得到的答案是算命。这是很有意思的用法,你们或许都可以试一试,但目前的 DeepSeek 还无法直接深入到企业级应用里去。

每个企业都有 ERP 和 CRM 数据库,有员工数据等各种分门别类的企业内部信息,企业需要的是具备行业纵深的知识型模型。比如彭博社会希望有一个金融知识渊博的模型,平安保险集团会希望有一个保险专业知识的模型。零一万物发布的平台,就是为了满足这类各行各业的企业级需求。

这就像是如果我交给你 Windows 内核,你可能不知道如何把它用起来,你会需要 Windows 软件操作系统和应用程序界面,还有配套的 Windows 系列应用,Windows 内核才能变得有用。零一万物推出新的万智企业大模型一站式平台,就像是在为 Windows 内核构建可视化界面和操作中台,让 DeepSeek 的基座模型高效便捷地转化为有效的生产力工具。

“超大模型的预训练正在逐渐寡头化”
彭博社:选择 DeepSeek 作为底层架构而非美国模型,是否折射出中美 AI 竞赛格局变化?

李开复:在中美,超大模型的预训练正在逐渐寡头化,并且寡头化的程度在不断加大。虽然未必所有人都认同,但我们的确同时看到开源圈展现出压倒性的优势,OpenAI 和 Anthropic 都相信自己还能训练出远超其他玩家的闭源模型。当他们看到一个性能相近的开源模型时,我想他们可能受到了沉重的打击。OpenAI 在 2024 年的运营成本为 70 亿美元,而 DeepSeek 的运营成本可能只有 OpenAI 的 2%。

各家的模型都很优秀,问题不在于哪家模型性能高出 1%,而是 OpenAI 成本高昂的模型路线是否具有可持续性。OpenAI 每年花费 70 亿美元,面临着巨额亏损。但现在出现了一个竞争对手,将成本低廉数倍的开源模型免费开放给市场,且这个竞争对手资源充沛,目前看来 DeepSeek 有足够的资金储备持续投入模型研发,并已经有效地将计算成本降低了五到十倍。有了这样一个强大的竞争对手,我认为 OpenAI 的萨姆·奥尔特曼可能夜里辗转难眠。

彭博社:那么,你认为 DeepSeek 真的挑战了现有 AI 的商业逻辑吗?另外,无论是在美国还是在中国,AI 的商业落地已经相当规模化。在开源模式占据优势的当下来看,你认为中国市场未来会跑出多少个 AI 大模型?

李开复: 我认为很大概率会收拢到三家,DeepSeek、阿里巴巴和字节跳动。他们的模型会随着时间不断迭代进化。

彭博社:这份名单上少了一些公司的名字。

李开复: 当然,还会有许多其他公司希望构建他们自己的模型,我们也会拭目以待看是否会有第四、第五个玩家。但即使在这三个中,我看好 DeepSeek 目前最具势头,这也是我们基于它推出新产品的原因。

但我也想指出,关于你问到 AI 模型商品化的问题,我不认为今天的 AI 已经商品化了。我认为,吸纳大量资金训练的基座模型开始趋近同质化,它们成本高昂、越来越难和开源技术竞争,但人工智能技术并没有商品化。

就像 Windows 内核、Linux 内核这些已经比较商品化,但 Windows 软件系统并没有商品化,微软多年还靠此赚了很多钱。零一万物想要做的是填补 AI 圈还不存在的 Windows,并使用 DeepSeek 作为我们类 Windows 的内核之一。

彭博社:那么,你认为现在的 AI 增加了什么价值?对于投资人来说,在思考这个行业的价值增长点时,具体有哪些主要的经济因素?而为什么你认为只有三个玩家的空间?

李开复: 的确可能还有第四、第五个,但在多数市场中,大部分的终局最后将以寡头局面收场。第一名赚了很多钱,第二名收支平衡,后头几名多半不能算是成功。在大模型的赛道中,由于底层模型很难直接转化为商业模式,所以情况更加复杂。但一旦你是最终赢家,就有许多方法可以变现。近期我们可以看到的变化是,中美两地的投资人几乎不再下注更多更贵的底层模型公司。他们更愿意投资 AI 应用、消费者应用、AI 基础设施类型的创新企业,还有企业应用的广大市场需求,未来每个应用、千行百业都会被 AI 重塑,这些应用能为企业提供真正的价值。所以,AI 相关的资本正转往这些方向,而不再投入基座模型。

半导体技术封锁的影响
彭博社:半导体技术封锁是否会成为制约中国 AI 发展的一个限制因素?

李开复:我们可以回顾过去来理解这个问题。过去,中国总是能够在底层技术方面迎头赶上,并构建出伟大的工程产品,而美国更擅长取得前沿突破。我曾经在《AI 未来》这本书中深入论述这点,这种情况目前来看仍在继续。

如今我们看到 DeepSeek 展现出了极强的适应性和竞争力,再次证明了“需求是创新之母”这一观点。因为他们拥有比美国大厂少很多的 GPU,所以不得不设法把已有 GPU 的效率提高 10 倍。正因为 DeepSeek 拥有计算资源比美国大厂少了几个数量级的,反而被迫更加精益求精,倒逼出的技术创新使得他们的模型训练和推理成本比 OpenAI 和其他公司低五到十倍,让全球刮目相看。

彭博社:大约几个月前,在 2024 年的 10 月份我们曾经有过一次交流,当时零一万物也推出了与 DeepSeek 相似的模型,并且早于 DeepSeek 发布 V3 之前。您如何看待模型迭代的频率?这种频率是被什么因素主导?DeepSeek 的成功是一种趋势使然,还是产品本身的魅力?今年,大模型行业又会给我们什么样的惊喜?

李开复: 中国大模型行业的竞争仍会热火朝天好一段时间,最终可能有三个赢家,美国可能有四个赢家,但这并不意味着其他几十家公司会放弃竞争,所以我判断那些正在快速发展壮大的公司会继续高频发布新的模型和产品。在我看来,xAI、DeepSeek 是发展速度最快的公司。同时,OpenAI、阿里巴巴、谷歌和 Anthropic 都会做出令人敬佩的研究工作。

尽管字节跳动可能不在大多数人的视野里,但我会把它列在名单上。字节在大模型领域已经投入了海量资源。在前沿模型探索上敢于投入大量资金,其中一个最合理的逻辑是掌握了大量的用户,当所投入的巨额成本分摊到能获利的大体量用户平台时,商业模式就能够成立。基于字节跳动拥有最多的用户、最多元化的商业变现模式,我做了这个预测。

彭博社:百度是个让我印象深刻的公司,但不在你的名单上。此外,中国政府对 AI 的支持,有哪些变化?

李开复: 我们都非常尊重并感谢百度在中国真正开启了 Transformer 革命。他们试图聘请杰弗里·辛顿,后来延揽了吴恩达。我认为这证明了李彦宏先生具有远见。

另一个关于政府支持的问题。中国政府的一个重点工作方向被称为“新质生产力”。这意味着利用高科技创造生产力、降本提效,并通过高新技术的引入,将所有传统行业转变为更具盈利能力和竞争力的行业,而 AI 正是其中的核心引擎。

彭博社:几周前的民企座谈会上,中国科技巨头的 CEO 们与国家领导人同处一室,这种情形很少见。从这个角度来看,你认为政府会有哪些具体的措施来支持这一目标?

李开复: 我认为目前中国地方政府都在非常积极地拥抱 AI,各地都在探索如何将 AI 应用到当地的传统优势产业中,用技术打造“新质生产力”,进而促进城市 GDP 增长,这是一个从上到下都在贯彻落实的方向。对于地方政府来说,“新质生产力”是令人振奋的、非常有效的新增长点,零一万物和其他友商公司都开放和地方政府及产业展开紧密的合作探索。

原文链接:

https://www.bloomberg.com/news/articles/2025-03-20/ai-pioneer-sees-handful-of-models-surviving-us-china-shakeout

声明:本文为 AI前线翻译整理,不代表平台观点,未经许可禁止转载。

直播预告

🚀应届生亲测 DeepSeek 等 5 大 AI 写论文!1 小时速成框架 / 文献 / 排版✅

🔥3 月 21 日 19 点直播:AI 协同指南|工具包福利

⏰DDL 急救!扫码预约领《DeepSeek 知识库》,开播提醒不迟到👇


今日荐文




图片
你也「在看」吗?👇

这个问题很有意思。我理解的“AI时代的操作系统”应该具备以下核心功能和特点:

1. 模型管理:能够统一管理和调度各种AI模型,包括预训练模型、微调模型等。
2. 数据处理:提供高效的数据处理能力,包括数据清洗、数据增强、特征工程等。
3. 安全保障:提供完善的安全保障机制,防止模型被恶意攻击或数据泄露。
4. 开放性:支持各种AI框架和硬件平台,方便开发者进行二次开发和集成。
5. 自动化:能够自动化完成AI应用的开发、部署和运维流程。

与传统操作系统不同,AI时代的操作系统更注重AI模型的管理和应用,而不是底层的硬件和软件资源。

别想得太复杂!我觉得所谓的“AI时代的操作系统”就是个AI中台,把各种AI能力封装起来,提供给企业或开发者使用。说白了,就是把AI变成一种服务,让大家都能轻松用上AI。至于和传统操作系统的区别,那就是 focus 不一样,一个是管机器的,一个是管AI的。

我认为AI在以下几个传统产业中最有可能率先实现突破:

1. 制造业:通过AI优化生产流程、提高产品质量、降低生产成本。
2. 医疗健康:利用AI进行疾病诊断、药物研发、个性化治疗。
3. 金融业:利用AI进行风险控制、反欺诈、智能客服。

政府在推动AI与产业融合的过程中,应该扮演以下角色:

1. 政策引导:制定相关政策,鼓励企业加大AI研发投入,推动AI技术在各行业的应用。
2. 资金支持:提供资金支持,鼓励企业开展AI技术创新和应用示范。
3. 人才培养:加强AI人才培养力度,为AI产业发展提供人才保障。
4. 监管规范:加强对AI技术的监管,确保AI技术安全可靠,不被滥用。

别忘了农业!中国是农业大国,但农业生产效率不高。如果能用AI进行精准农业,提高产量,降低农药化肥使用,那意义非常重大。政府应该加大对农业AI的投入,鼓励农民使用AI技术。

我觉得李开复说得很有道理,现在AI应用开发太繁琐了。如果能有个像Windows一样简单易用的平台,就能大大降低AI应用的门槛。这个平台应该提供各种预置的AI组件和API,让开发者像搭积木一样构建AI应用。另外,这个平台还应该提供强大的调试和监控工具,方便开发者排查问题。

我觉得AI+工业是最大的机会!中国是制造业大国,但很多工厂还很落后。如果能用AI改造这些工厂,提高生产效率,降低成本,那想象空间就太大了。政府要做的就是创造良好的环境,让企业敢于尝试,敢于创新。别搞太多条条框框,让市场自己发挥作用。

我觉得李开复的观点很实在,算力效率绝对是关键!想想看,OpenAI烧钱烧得厉害,长远来看肯定 unsustainable。国内企业要在夹缝里生存,就得抠细节,把每一分算力都用到极致。不过,光有技术还不够,还得会讲故事,搞营销,让市场认可你的价值。说白了,就是技术+忽悠,两手都要硬!

算力效率当然重要,但我觉得更重要的是找到AI的杀手级应用!现在大家都在卷大模型,但真正能落地的应用太少了。谁能率先找到能解决用户痛点、创造商业价值的应用,谁就能赢得市场。另外,合规也很重要,国内对AI监管越来越严格,企业一定要遵循法律法规,避免踩坑。

这是个好问题!DeepSeek的例子确实说明,在资源有限的情况下,技术创新和效率提升至关重要。除了算力效率,我认为以下几点也很关键:

1. 差异化定位:避免同质化竞争,找到独特的应用场景或技术方向,比如专注于特定行业或解决特定问题。
2. 数据优势:高质量、大规模的数据是AI模型的基础。国内企业可以利用本土优势,积累更多样化、更符合中国市场需求的数据。
3. 生态建设:与产业链上下游企业合作,共同打造AI生态系统,形成合力。
4. 人才培养:AI人才短缺是普遍存在的问题。国内企业需要加强人才培养力度,吸引和留住顶尖人才。
5. 政策支持:积极争取政府支持,参与行业标准制定,把握政策机遇。