核心内容总结
这篇文章通过梳理李开复创办的零一万物三年来的战略转变，揭示了中国AI创业圈的现实：零一万物从最初想做AI时代的“微信/抖音”（ToC超级应用）、冲击GPT-5级别的超大模型，到后来转向ToB业务、放弃前沿大模型研发，再到现在对标Palantir做企业AI落地，每一次调整都被包装成“提前看到时代终局”的主动选择。文章讽刺了部分AI创业者擅长用“叙事”掩盖被动转型，同时反映了AI创业从泡沫到务实的过程。
拆解解读
1. 三年三次“急转弯”：零一万物的赛道切换史
零一万物的三年就像坐过山车，每个阶段的目标都不一样：
- 2023年：追热点，做ToC超级应用+大模型
ChatGPT火了后，李开复带着“AI布道者”光环下场，成立零一万物。当时口号是“做世界级大模型，进入全球第一梯队”，还开源了Yi-34B模型（中英双语），半年估值就破10亿美元（独角兽）。同时说要做ToC的“超级App”，对标微信抖音，觉得ToB太苦太累。
- 2024年：转向ToB，放弃超大模型
现实很快打脸：ToC用户被豆包、Kimi抢走，API价格战打得利润薄，大模型烧钱如流水（训练一次花300万美元）。于是零一万物紧急转向：把ToB变成主要收入来源（占70%），放弃了冲击GPT-5的万亿参数模型计划，开始推“便宜好用”的小模型（比如Yi-Lightning，每百万token才0.99元）。
- 2026年：二次创业，对标Palantir
现在又说要做“中国版Palantir”——简单说就是派工程师去企业驻场，帮企业用AI解决实际问题（比如改善财报）。官网首页也从“AI超级应用”变成了“让AI转型成可衡量的经营结果”。
每次转向都像“换了个剧本”，但对外都说是“提前看到了行业终局”。
2. 为啥总变方向？现实压力逼的
零一万物的每一次调整，背后都是实打实的生存问题：
- ToC做不起来：用户已经习惯了豆包、Kimi这些免费工具，零一的ToC产品（比如万知、PopAI）没打出差异化，用户增长慢，还亏钱（AI服务每用一次都要花token钱，用户越多可能越亏）。
- 大模型烧不起：训练超大模型需要大量GPU和资金，初创公司很难跟阿里、字节这些大厂比资源。零一2024年说要做万亿参数模型，后来发现“边际收益越来越低”（花更多钱，效果提升却很小），只能放弃。
- 商业化迫在眉睫：投资人要看收入，公司要活下去。ToB虽然“重”（需要跟企业谈很久、做定制化），但能快速拿到钱——2024年零一的ToB收入占了七成，这才让公司活下来。
说白了，不是不想坚持，是实在扛不住了。
3. 把“被动转型”说成“主动战略”：李开复的叙事魔法
李开复最厉害的不是技术，而是“讲故事”的能力——每次调整都能包装成“我早就预料到了”：
- 2023年做ToC时：说“ToC才是伟大公司的方向，ToB太苦”；
- 2024年转ToB时：说“只有给企业创造真实价值才能活下来”；
- 2025年放弃超大模型时：说“超大模型是大厂的资源战争，创业公司不该盲目追参数”；
- 2026年对标Palantir时：用《道德经》的“三生万物”包装，说“从技术信仰到商业现实，逼出了第三条路”。
这种“永远正确”的叙事，把公司的被动选择变成了“引领时代的战略”，让外界觉得“他每次都提前看到了未来”。
4. 对比其他AI公司：放弃大模型不是“必然”
文章里提到，同样是初创公司，Kimi和智谱却还在坚持做前沿大模型：
- Kimi：2023年成立，2025年发布K2（万亿参数），2026年又出K3（2.8万亿参数），还开源了模型；
- 智谱：2019年成立，2025年开放GLM4.5权重，2026年GLM5.2在编程能力上追上了国际顶级模型。
这说明“初创公司做不起前沿模型”不是绝对的——零一放弃，更多是自身的战略选择（比如不想继续烧钱、想快速盈利），而不是技术上做不到。李开复有资源（创新工场、大厂履历、知名度），但他选择了更“务实”的路。
5. 对标Palantir：这模式真的好复制吗？
Palantir是美国的AI公司，主要帮政府和大企业做AI落地（比如反恐、金融风控），特点是“重交付”——派工程师驻场，定制化开发，周期长（销售周期6-9个月），但收费高。它做了20年才盈利，靠的是长期积累的政府和大企业客户信任。
零一万物现在对标Palantir，面临两个大问题：
- 客户积累不够：Palantir有20年的政府和大企业资源，零一才3年，能不能拿到大客户订单？
- 交付能力挑战：Palantir的工程师要懂行业（比如金融、国防），零一的团队之前做的是通用大模型，能不能快速适应企业的具体需求？
所以，这个方向能不能成，还得打个问号。
最后想说
零一万物的三年，其实是中国AI创业的缩影：从最初的“追热点、讲概念”，到后来“务实求生存”。李开复的叙事能力确实厉害，但背后的现实是——AI创业不是“讲故事”就能成，最终还是要靠产品、收入和客户价值。希望未来的AI创业者，能少点“永远正确”的叙事，多点实实在在的落地。