李开复对AI最新判断：老板们该关心财报了

　　AI进入决策层。

　　企业买AI，最怕热闹半天，财报没增长。

　　李开复讲了一个很直白的观察。过去一年，他见了几百位CEO，很多人会兴奋地透露，公司做了很多Agent，CIO推进了很多AI项目，也研究了哪个模型更好。李开复通常会问：“这么多AI对财报有什么影响？”他的描述是，现场常常出现“一阵尴尬的沉默”。

　　李开复对企业AI下一阶段的核心判断在于，AI项目要经得起经营结果检验，管理层最终会追问，AI能否影响收入、成本、风险、现金流和投资回报。

　　7月7日，李开复携零一万物发布了万策AI和“一号位AI”产品矩阵，包括老板AI、销冠AI、投资官AI。产品动作可以简单概括为一句话：零一万物想让AI服务于CEO和关键业务负责人，在企业经营、销售和投资决策等真实场景中实际发挥作用。

　　很多企业过去两年的AI转型，还停留在“装软件”的思路里，可以节省人力成本，也能提升部分效率，但李开复认为，如果没有深入业务核心流程，没有以财报为目标，最后可能只是“漂亮的盆景，长不出一座森林”。

　　AI要进入老板的决策桌

　　李开复首先反驳了“大模型发展进入瓶颈期”的说法。

　　他认为，中美模型仍在持续进步，AI Agent能接管的任务时长大幅提升，推理成本也快速下降，“能够接管的任务时间增长了一百倍，成本降至原来的1/175”。

　　李开复特别提到了AI编程能力的突破，编程包含问题拆解、工具调用、任务执行、调试反馈等环节，AI具备编程能力后，就可以启动应用、点击按钮、与软件沟通，把事情办妥，它的角色也会继续升级，进入流程、任务和决策环节。

　　“Coding能力提升，意味着AI可以参与和决策重大事务，这意味着AI不再只是一个全公司每个人可以按席位使用的产品，而是可以给公司最高层来做决策的产品。”李开复表示，企业AI的价值重心会继续向CEO和业务负责人移动。

　　不过，他没有把人放到边缘位置。李开复强调，人仍然要决定AI关注什么、结果够不够好、多个AI如何组织协作。而企业里最关键的决策者，是那些职位高、管理人数多、影响业务走向和财报结果的“一号位”。

　　所以，零一万物这次选择的切口，是把AI项目交到那些掌握资源配置权、流程调整权、结果责任的人手里。

　　企业缺的是更好的判断

　　为什么很多企业做了AI，却很难说清楚对财报的影响？李开复给了三个原因。

　　一是AI不了解公司业务。通用模型很聪明，但就像一个清华第一名刚进公司，第一天也无法直接做出高质量贡献。它不知道数据在哪里、流程是什么、审批边界在哪里、哪些信息才关键。李开复说，如果把未经训练的Agent模型直接部署到生产环境中，结果一定会令人失望。

　　另外，企业仍把AI当作软件采购。很多老板的思路是，过去怎么装SAP、用友、金蝶，现在就怎么装AI。于是，选模型变成采购任务，做Agent变成部门需求收集。这类做法容易停留在边缘流程，难以进入影响财报的价值链。

　　再则，决策者错位。李开复表示，既然目标是改变财报、以ROI为根本，推动者就应该是CEO和业务一号位。李开复在采访中说，AI转型必须一号位来做，“没有第二个选项”，因为核心场景常常跨功能、跨部门，只有一号位有足够权限推动资源、流程和组织改变。

　　这也解释了零一万物为什么把新产品命名为“老板AI、销冠AI、投资官AI”。老板AI处理经营质量和现金流问题，销冠AI处理收入确定性和销售资源效率问题，投资官AI处理资本质量和投资回报事宜。

　　李开复自己也在用老板AI。他自己会问老板AI：“我怎么样才能把我的工作做得更好？”因为公司会议都有完整记录，老板AI可以告诉他，哪些话讲得不合适，以后该多讲什么，才能让公司更有效率。

　　当然，李开复也明确提到，这类产品目前不能开箱即用，仍需要FDE前沿部署工程师辅助落地，主要适合规模较大的企业。数字化程度高的行业更容易推进，传统制造业需要更长时间。

　　模型会像电力基础设施

　　李开复还透露了一件事，他说，企业会降低对模型品牌的关注。

　　一两年前，很多客户会问到底该选哪个模型。但现在模型太多、变化太快，企业反而不知道怎么选。对CEO来说，这有点像采购电脑，不会天天关心芯片、内存来自哪家公司，更关心设备是否稳定、好用、能满足业务需求。

　　李开复认为，模型正在越来越接近“电力”这样的基础能力，企业会更关注效果、成本、可靠性和持续迭代能力。

　　他对Token模式的看法也比较克制。李开复认为，Token有价值，Token流是一种可以持续的商业模式，但企业业务、决策和老板需求存在大量差异，Token模式很难覆盖所有高价值复杂问题。面对特别困难、特别垂直的企业场景，客户可能无法接受85分，而要99分。

　　放到今天的AI行业里，这意味着企业AI会出现更清晰的分层。一类公司继续卖模型、卖Token、卖通用工具，规模化速度更快。另一类公司深入客户现场，解决复杂业务问题，交付更重，更接近企业预算里最有价值的部分。

　　后者会面对高客单价、重交付、长周期和客户验证压力，不过它们抓住了企业AI下一阶段的现实问题，AI要帮决策层少犯错、多赚钱。