主要观点总结
本文介绍了零一万物发布新预训练模型Yi-Lightning及相关产品矩阵的情况，包括模型性能提升、推理速度、国际权威盲测榜单排名等关键点。同时，文章还涉及大模型公司面临的挑战、成本问题以及ToB和ToC产品的界限等话题。
关键观点总结
关键观点1: 零一万物发布新的预训练模型Yi-Lightning，性能进一步提升，推理速度有明显提升。
Yi-Lightning采用了混合专家模型架构，包括混合注意力机制和动态Top-P路由等技术。此外，模型训练过程中采用了多阶段训练模式，注重数据多样性和丰富性。
关键观点2: Yi-Lightning在国际权威盲测榜单LMSYS中取得第六名的成绩，暂时位列GPT-4之前。
这个成绩证明了Yi-Lightning模型性能的提升得到了认可。
关键观点3: 零一万物同时发布了面向ToB市场的首款产品——AI 2.0数字人，为零售和电商场景提供解决方案。
AI 2.0数字人构建了一套包括角色、声音和电商话术的完整模型体系。
关键观点4: 关于大模型公司的成本问题，李开复强调了模型和推理成本的重要性，并提到零一万物通过模基共建、模应一体战略降低成本。
零一万物通过AI Infra能力助力模型训练和推理，以更低的训练成本和推理成本实现高性能的模型。
关键观点5: 关于ToB和ToC产品的界限，李开复讨论了两者之间的不同和相似之处，以及零一万物在这两个领域的战略。
零一万物主要在国内推出面向企业的产品，而在海外市场推出面向消费者的产品。
关键观点6: 零一万物的新模型价格较低，但并未出现较大的成本压力。
零一万物通过优化模型和降低成本的方式，使得高性能的模型价格更加亲民。
关键观点7: 零一万物还有其他的ToB解决方案将在近期正式对外发布。
除了已经发布的AI 2.0数字人和API之外，零一万物还有AI Infra解决方案、私有化定制模型等其他ToB业务，这些业务会在近期正式对外公布。
正文
只有模型能力和成本问题能够被逐步解决，基于AI的商业生态才能真正健康地发展。
在发布会上，李开复也与包括腾讯科技在内的媒体进行了深度沟通，并正面回复了关于大模型领域的成本 、竞争等重要问题，以下为内容实录：
Q：
此前有消息称AI方面的六小虎，某几家放弃了预训练，开复博士已辟谣了，但站在行业的角度请评估逐步放弃预训练模型将是行业整个趋势吗？
李开复：
我觉得做好预训练模型是一个技术活，而且是要非常多有才华的人在一起工作，慢工出细活，需要有懂芯片的人，懂推理的人，懂基础架构的人，懂模型的人，有很好的算法同学，一起做出来。
如果一个公司能有幸拥有这么多优秀的人才，能够跨领域的合作，
那我相信中国是绝对可以做出世界排名前十的预训练的通用模型
，但不是每家公司都可以做这件事情，做这件事情的成本也比较高，以后有可能会越来越少的大模型公司训练做预训练。不
过据我所知，这六家公司融资额度都是够的，我们做预训练的production run，训练一次三四百万美金，这个钱也是头部公司都付得起，
我觉得中国的六家大模型公司只要有够好的人才，想做预训练的决心，融资额跟芯片都不会是问题的。
Q：
OpenAI的o1发布后，很多人认为，从技术上会带来新的范式。这对初创公司来说会有哪些影响？
李开复：
我刚从美国回来，跟OpenAI的人员也有沟通，
他们跟我分享的是公司内部还有一些好东西，但是他们不急拿出来
，因为他们领先行业足够多，到了一定的业务节点才释放出来，这是他们能做而别人不能做。OpenAI o1 虽然隐藏了所有中间的思考状态，但是很多人还是在网上开始猜它怎么做，我们认为有一些揣测还是比较靠谱，我觉得五个月以后应该也有不少类似o1 模型的能力出现在各个模型公司，包括零一万物。
o1的思考模式是把之前只在预训练中 scaling （规模定律）的趋势扩展到了推理的时候，这件事情对行业是最大的认知改变。过去大家觉得谁预训练做好就够了，慢慢大家发现后训练SFT和强化训练都是非常重要。
所以零一万物的团队刚开始做的主要是专注预训练，之后又有很多很厉害的人加入，帮我们把Posttrain（后训练）也做出来，现在看来推理也很重要，一年半以前大家觉得大模型最厉害的地方就是预训练，一年以后发现后训练也是同样重要，这感谢OpenAI点醒我们这一点，现在我相信很多中美公司都在往o1 方向狂奔。
Q：
李开复博士之前曾表示不会从事亏损的To B业务。然而，在最近的发布会上，他首次公布了相关的产品矩阵，这似乎表明公司正在尝试更深入地探索To B市场。这是否意味着零一万物已经找到了解决AI 1.0时代SaaS行业普遍面临的低利润和亏损问题的方法？
李开复：
我们特别重视给每一个用户提供价值，所以我们不会去说有模型，你要拿来做什么，我卖给你，你先给钱，这样对用户是不会满足的。另外一种常见的做法，就是到企业里，企业说我要做客服，模型卖给我，怎么做客服我不会做，你帮我做，这就成为和AI1.0时代一样的可以称为
系统集成型的AI，也就是说卖模型给你，先帮你把客服应用做好
，这样的情况下很难有利润，之前我说如果做一单赔一单的to B，零一万物宁可不做，这句话我们并没有改变。
我们刚刚发布的AI 2.0数字人解决方案不会做一单赔一单，因为它是专注到用户重大的痛点需求和盈利点，也就是说一个店长或KOL平时做一次直播浪费最重要的资源，就是他的时间，而且这个时间就算做一小时的直播能赚到一千块钱，也就是一千块钱，但如果用数字人直播就不是一小时了，可能可以做一千个小时，哪怕每一个小时只能赚一半的钱，一千个小时还是可以赚五百倍的钱，这样的账就很好算了。如果真的能把数字人做到端到端，只要输入公司内部的东西，这次减价的，选一个形象、声音按一个钮就开始百录甚至千录的直播，等于你是卖给这个企业一个印钞机，印钞机要收租赁费就是可行的了。除了直播以外，我们的AI 2.0数字人解决方案已经跑通了更多业务场景，比如AI伴侣、IP形象、办公会议等等。
我们继续执行模应一体战略，将Yi-Lightning模型能力与数字人解决方案结合，不断迭代产品，后续会解锁更多业务场景。
回到国内的SaaS的问题，国内现在很难说到SaaS，整个收费模式和商业模式在美国走通了，但国内还是一直有很大的问题。但也有一些行业可以走通SaaS，SaaS按使用收费，也可以订阅，按照每个月收费，也可以用分成，这些模式都可以综合称为比较好的商业模式，因为它不是一次性卖掉，像一个项目制的公司帮你做一个客服卖给你，你付钱就走了，以后没有钱可以收了，而是可以持续收费。刚才讲的模式，无论分成、订阅的SaaS模式才是可持续的商业模式，今天我们并没有看到一个普遍被接受的SaaS模式的存在。所以在国内，我们大模型to B相对于AI 1.0时代有不同的打法，首要任务就是要寻找少数能够按使用情况收费的方法，而不是项目定制的方法，能得到比较高利润率的订单再去做。
整体来看，零一万物 ToB 整体解决方案会采取“一横一纵”的打法。和Yi-Large相比，Yi-lightning的模型性能又有大幅提升，作为国际 SOTA 的基座模型，他们本身就具备着出色的泛化性，再加上零一万物自身拥有很强大的SFT（监督学习）能力。这些技术能力使得我们的团队能够先将单个行业做深做透，进而以自身技术能力和行业积累为基础，凝练出标准化的ToB解决方案，为各行各业的企业客户降本提效，将世界第一梯队的大模型用到实处，真正为企业带来业务增长和新竞争力。
