今天小编分享的科学经验：零一万物战略骤转！国内聚焦toB，toC先走海外，欢迎阅读。
toC 先走海外，国内聚焦 toB。
这是大模型初创六小强之一零一万物最近宣布的战略转向。
就在今天，零一万物举行了一场 toB 战略发布会，会上表示，零一万物坚决走让用户产生价值的路线。
李开复博士表示：" 今天不多谈对 AI 2.0 时代的认知，更多的要看到它的商机在哪里。"
该公司宣布了在 toB 层面基于 "Infra+ 大模型 + 应用 " 三位一体战略；此外，百胜中国、孩子王、图灵新智算等零一万物的合作伙伴也同样出席发布会，围坐一起聊 AI、聊这些企业是如何用零一万物的大模型来提升人效、降低成本。
由此看来，这家公司国内业务重点的转向虽然刚刚才宣布，但一切蓄力已久。
为什么选择聚焦 toB 业务？
从宏观来看过去的每一次技术革命，从 PC 浪潮到移动互联网再到 AI ——总之是世界有一个新的载体、新的技术、新的内容时，总有个不变的规律：
即首先能浏览，然后能创造，然后要有更丰富、更多元的内容，然后能靠它赚钱。
李开复称上述的过程是一个不变的定律。
依据这个定律，在 AI 2.0 汹涌澎湃的浪潮里，下一个阶段必然以多模态的产生为重点。
" 我想分享一点，多模态的很多进展都基于很酷的 demo。当然我很热爱很酷的 demo。" 李开复表示，上个世纪 80 年代他本人就在做很酷的 demo，" 但是很酷的 demo，不赚钱，没有用；不产生商业价值，没有用；没有价值主张，没有用；没有客户愿意买单，不能靠它赚钱，没有用。"
和此前所有以零一万物创始人身份露面有些许不同，李开复在这次发布会上几乎完全用商业思维来评估这个领網域，并传递他旗下大模型公司的状态和进展。
李开复表示，生成式 AI 基础上整个应用都在发生革命性变化，这不仅仅局限在原生 AI 应用的迭代周期变快，整个用户界面都在革命性变化。
过去 multi-touch 的用户体验，其背后有数据库、作業系統、CPU；而今天，原生 AI 应用的用户体验要以自然语言 / 语音来作为沟通方式（而不是机器的方式），其背后是模型、基础架构。在做 toB、toC 应用的时候，一定要用 Natural UI；OS 不再架于 CPU 而是 GPU 上，其中涉及各式各样的基础架构问题。
于是，一个问题被抛出来：在这个革命化迁移的过程中，AI 2.0 时代，怎么能进入赚钱的商业闭环？
李开复的答案是，第一是进入多模态时代，然后进行商业化；第二是从 "OS 架在 CPU 上 " 转变为 " 智算中心架在 GPU 上 "。
而这两个巨大的商机都是经典的 toB 型业务。
如果只重仓芯片，生态并不健康
PC 和移动互联网这前两次技术革命都产生了巨大的价值。
李开复把起原因归于因为最终最赚钱的不是芯片厂商，也不是平台提供商，而是 toB、toC 的应用。
这条道理同样适用于现在的 AI 浪潮，不过，他也提出，" 应用 " 这件事不发生，整个生态就是不健康的。
之所以称生态不健康，是因为在李开复看来，如果没有出现贴近用户、贴近企业的应用来创造最终价值、创造经济财富，用户不会甘愿付费从而让应用存活下来。
如此这般，应用也不会对平台、模型、云算中心作出反馈，让这个生态中的各个层面都赚到真金白银。
如果只是执着地把所有资源都用来购买芯片，去烧更大的模型，最后应用没有做起来，带来的生态是相对不健康的。
与此同时，今时今日以生成式 AI 为基础的 toB 业务和往昔又有不同。
它不再是单纯项目拿单的模型，而是通过提供解决方案，不断创造商业价值、带来业务增长。
李开复谈道，拥抱 AI 2.0 的技术，不是说做个智能客服节约人力，不是说丢出个模型让企业自己降本增效。
虽然上述一切都会发生，但最重要的是所有愿意拥抱新技术变革的企业，要从上到下发生思考方式的革命。
而重视生态非常适合中国的情况。
最后，李开复分享了把模型放到真实有价值的应用的公司具备的特性：
第一是明确 " 怎么样能看到项目的降本增效 "。
降本增效一定是技术提供商愿意自己花更多的时间开发很多和模型基座有关的解决方案，更贴近用户的需求。
第二是让 AI 大模型进入核心业务。
智能客服应用很广，但这并不是核心的机会。
第三是不能站位过高。
训完模型就丢给客户让它们自己微调，其实大部分公司并做不到；如果要继续训练，更不可能。
基于 "Infra+ 大模型 + 应用 " 三位一体战略
国产大模型首次在国际最具挑战的 " 大模型竞技场 " 榜单上超过 GPT-4o（5 月版本），成绩就是来自零一万物。
就在十多天前，这家国产大模型公司又推出最新旗舰模型 Yi-Lightning，性能超越 GPT-4o-2024-05-13，冲上 UC 伯克利大模型竞技场（Chatbot Arena）总榜第 6。
还把每百万 token 的价格打到了 0.99 元人民币。
这不到该版本 GPT-4o 的 3%，相比于 GPT-4o-mini 百万 token 输入输出价格的均值，也降低了近 2/3。
在模型能力、性能价格兼备，并作出属于 AI 2.0 时代的模型业务思考的情况下，零一万物的 toB 之路也十分清晰。
核心基于 AI Infra 赋能 AI Native 应用，基于（已经发布和未来将发布的）模型，基于多模态能力，提供企业级的模型解决方案和行业解决方案。
后者的核心则是希望聚焦创造高商业价值的垂直行业场景，用大模型原生能力，渗入应用场景，拓展业务场景，差异化赋能、重构。
整理可以总结为：
模型 +AI Infra+ 应用三位一体推进，在行业中形成行业 + 场景 + 大模型的原生应用，形成可规模复制、能够帮客户做增长或者做 ROI。
零一万物联合创始人祁瑞峰介绍了零一万物目前的三个 toB 解决方案。
分别是：
模型训练解决方案
零售行业解决方案
智算中心解决方案
以零售行业解决方案为例，基于语言模型、视觉理解模型、文生图片模型、声音模型、文生视频模型，零一万物会针对性提出企业数据激活方案、企业智能体方案、端到端 SaaS 服务。
在前台，进行包括数字人直播、营销视频生成衣务、店员 copilot 服务的赋能；在后台，则有各种岗位的 copilot 服务，如 HR/ 客户 / 市场分析 / 研发等等。
此外，基于以 Yi Lightning 模型为代表的系列 Yi 模型，零一万物搭建起了包含角色大模型、直播声音大模型、电商话术大模型在内的一整套专用模型基座，推出了与 AI 1.0 时代不同的数字人解决方案 "如意"。
与 AI 1.0 时代的数字人相比 " 如意 " 数字人解决方案不仅在形象和声音上更为逼真、更贴合垂直场景的需求，还具备了 "AI 大腦 "，能够自主完成部分决策任务。
目前，" 如意 " 已经跑通了包含本地生活直播、AI 伴侣、IP 形象、办公会议、媒体营销等场景。
