近日，在 2026 年伦敦举行的《华尔街日报》CEO 理事会全球峰会上，零一万物 CEO李开复博士与《华尔街日报》领导力学院创始院长艾伦·默里（Alan Murray）展开对谈，围绕中美 AI 竞争、开源模型、数据主权、企业 AI 落地、AI-first 设备，以及 CEO 如何推动 AI 转型等议题，分享了对全球 AI 产业下一阶段的判断。

Alan Murray 是资深商业媒体人和企业领导力观察者，长期关注全球商业、科技与管理变革。此前曾担任《财富》媒体集团首席执行官，并曾出任美国知名智库 Pew Research Center 主席。更早之前，他在《华尔街日报》工作近二十年，历任华盛顿分社社长、副总编辑及数字业务负责人等职务。作为全球最具影响力的商业媒体领袖之一，他长期与世界顶级企业CEO保持深度交流，并持续推动关于领导力、创新与人工智能时代企业转型的讨论。

李开复博士（右）与《华尔街日报》领导力学院创始院长 Alan Murray （左）对谈

这场对谈的核心，不是简单讨论中美 AI 谁领先、谁落后，而是指出 AI 竞争正在从基础模型能力，进入商业模式、企业应用、数据闭环和组织变革的新阶段。在李开复博士看来，基础模型未来会逐渐趋同，真正决定企业能否获得 AI 价值的，是模型之上的操作系统、应用层能力，以及 AI 是否真正理解一家企业的目标、流程、数据和决策链条。

这也正是零一万物正在探索的方向：以“一号位工程”为核心战略，通过企业Ontology（本体）、AI 操作系统和前沿部署工程师团队，帮助模型进入企业真实业务场景，连接数据、智能体和决策流程，让 AI 从个人效率工具走向企业级价值创造，助力企业拥抱组织智能与产业智能。

对谈中，李开复博士也首次系统介绍了零一万物即将于7月份推出的新产品：它直接面向企业一号位的管理痛点，希望把会议纪要、会议录音、视频会议、客服通话等原本沉睡的企业内部数据真正用起来，帮助 CEO 穿透管理盲区，直击组织中正在发生、但自己未能及时捕捉的重要问题、关键争论和团队说到做到的具体情况。

以下为对谈实录，经整理编辑。

AI不会只有一个赢家

Alan Murray：放眼全球 AI 发展历程，很少有人比李开复拥有更独特的观察视角。他先后在 Apple、Microsoft 和 Google 工作，也长期在中国从事投资与创业。2018 年，他出版了《AI Superpowers》（《AI · 未来》），系统阐述了自己对中美 AI 发展格局的观察与思考。而那时，距离 ChatGPT 的问世还有整整四年。

所以我想请开复给我们一个最新判断：在你看来，中美 AI 竞争目前处于什么状态？

李开复：总体来看，中美 AI 并不是在同一个赛场里短兵相接，而是在两个平行宇宙中各自演进。如果你在美国，通常不会使用中国模型；反过来也一样。如果只比较模型质量和商业模式，单就大语言模型而言，随着 Claude 最新版本发布，美国现在大约领先中国模型 15 个月。Anthropic 最新发布的 Fable 5 性能表现十分惊艳。

Alan Murray：15 个月？

李开复：这个差距会波动。去年 3 月 DeepSeek-R1 发布时，差距大约是 3 个月。未来这个距离也会在 3 到 15 个月之间来回变化。

美国 AI 生态像是少数顶尖选手在单独冲刺，目标是成为“诺贝尔奖级”的天才；中国 AI 生态则更像一个高水平学习小组，大家彼此竞争，也通过开源相互启发。今天一个非常有意思的变化是：中国越来越开放，而美国反而越来越封闭。

开源和闭源不是简单的优劣之争，而是服务不同需求的两种生态位。如果企业需要本地化部署，通常会需要开源模型；如果追求最强模型能力，往往会选择美国顶尖模型；如果不需要最强能力、同时希望节省成本，中国模型也足够可用。

这是基座模型层面的比较。但在企业服务领域，Anthropic已经通过企业客户获得了大量收入，而中国目前尚未建立起成熟的生态。美国在这一领域领先优势明显。

企业 AI 的商业化，不只取决于技术成熟，也取决于客户是否形成了为软件持续付费的习惯。

造成这种差距的原因很复杂。中国的软件生态最终一定会逐步改善，但现阶段，要让企业真正形成像海外市场那样按年订阅、按使用量付费的习惯，还是非常困难。即使我长期在中国推动这件事，也有很多企业愿意听取建议，但从整体市场来看，这种付费文化还没有真正建立起来。

很多 CEO 仍然把软件看成一个项目，所以更习惯按项目付费。零一万物一方面在努力推动这种认知和习惯的改变，另一方面也在尝试发展 AI 出海业务，因为海外市场更容易接受成熟的软件和 AI 服务付费模式。

Alan Murray：你说的是大型企业，其中很多是国有企业？

李开复：国有企业和民营企业都有。

Alan Murray：那中小企业呢？创业公司之类的？

李开复：中小企业的问题在于预算有限。我们的客户主要是行业头部企业。对于同样一款产品，欧美企业，乃至中东和中亚地区的企业，愿意支付的价格往往是中国企业的 8 倍左右。

因此，国际化已经不是一个可选项，而是我们必须走的一条路。这也是零一万物国际业务快速增长，并迅速成为公司重要支柱的主要原因之一。

我想先把中美竞争这个问题讲清楚。把目光聚焦于 ToC 就会发现，目前中美两国都在进行很多探索，但我会押注中国会出现许多突破性的 AI  ToC 应用，因为中国创业者非常擅长做消费级产品。

在硬件方面，中国不仅在机器人、具身智能上领先，也会在下一代设备上取得领先，尤其是真正 AI-first 的设备。手机是移动互联网时代的核心设备，但不一定是 AI 时代的最终入口。它本质上是 mobile-first 设备。

真正的 AI-first 设备，大概率会沿着这个方向发展。它必须由语音驱动，因为用户已经开始接受这种交互方式；它也必须始终在线、始终聆听，否则交互延迟会很高。一旦设备始终在线、始终监听，它就会需要近乎无限的记忆能力。最后，随着技术进一步发展，这类设备最终会变得越来越不可见。这可能会让一些人感到不安，但我认为这是未来的趋势所在。

Alan Murray：也就是说，美国在大语言模型上领先大约 15 个月。Anthropic 在大语言模型和企业应用方面都遥遥领先，尽管有很多旁观者可能仍然觉得他们离应有水平还差得很远。但你相信，中国会在消费产品和硬件方面领先。

李开复：是的。当然，目前在“世界模型”的赛道上，我认为中国目前还没有领先。

Alan Murray：你说的世界模型，是指理解物理世界并在物理世界中行动？

李开复：它是以虚拟方式建立一个关于世界的模型，包括物理规律以及其他一切。从理论上说，美国仍处于领先。但如果说要把任何一种模型拿来，让它真正运行在工厂里的机器人上，在具体落地的方面，中国制造的规模化场景肯定是全球领先的。

核心差异在应用与数据闭环

Alan Murray：开复，你在书里对这一点会有讨论吗？到最后，Anthropic 所领先的 15 个月会不会真正造成决定性差异？

李开复：我个人认为，美国最头部的前三家AI公司，也许再加上稍稍落后的两家美国公司，以及中国前五家AI公司，从长期视角来看大概率会“共同抵达”所谓的 AGI ，彼此之间的差距不会超过 15 个月。

在这种情况下，商业上不会出现谁彻底碾压谁。大家可能拥有不同的商业模式，而真正重要的是：你的商业模式能否经过市场的验证、获得利润？我认为 Anthropic 已经展现出这样的能力，其他公司我还不完全确定。所以在我看来，商业上不会出现赢家通吃。当然，硅谷很多人可能不同意这个判断，我们可以求同存异。

Alan Murray：如果世界上有两个 AI 超级大国，会是什么样子？昨天我们也谈到了一些关于“主权 AI”的问题，以及它意味着什么。

我和一家汽车公司 CEO 聊过，他们说正在为电动车打造两套完全不同的技术栈，一套面向中国，一套面向美国，而他们还不确定在其他国家该使用哪一套技术栈。未来这种生态到底会如何运转？

李开复：这样的公司会是零一万物的理想客户，因为我们基本上是在构建企业 AI 的操作系统。

未来，基础模型大体上会趋同。市场上会有大约 10 家公司，各自在某些方面略有优势。但真正产生差异的不是基础模型本身，而是应用。比如用 Claude 写代码，Anthropic 很可能会继续保持优势，并从中获得可观收入。但基础模型的能力会逐渐接近，就像过去 Intel 芯片和 AMD 芯片共存一样。

真正重要的是基础模型之上的 AI 2.0 操作系统，以及运行在这个操作系统上的应用。零一万物正在构建的就是这一层，而且我们是模型中立的。如果跨国企业拥有这一层操作系统，中国子公司就可以运行中国模型，美国子公司则可以运行美国模型，由操作系统来判断在不同场景下使用哪一个模型才是最优解。

Alan Murray：我也想谈谈数据这部分。昨天的讨论中有提到，企业要确保自己能控制数据，并且相信数据处于可控状态。你怎么看待数据这个问题？

李开复：对企业而言，很多公司希望控制数据，让数据留在企业内部。第一个原因是，他们相信数据是差异化竞争的来源。我曾在《AI Superpowers》中说过，“数据是新的石油”。现在我会稍微修改这个说法：数据加上闭环运营，才是新的竞争护城河。

如果一家公司只是收集数据，然后把数据存起来，这并没有价值。即使把数据收集起来，再让大语言模型读取，也还远远不够。企业必须用数据让自己的模型和智能体持续变得更好。所以我同意，数据非常重要。这也是企业不希望数据流出、不希望竞争对手获得这些数据的原因。

现在有很多技术公司会说，可以把数据交给他们，他们会提供虚拟专用网络等保护机制。在欧美市场，这种方式基本上已经被接受。比如大型云服务商 Microsoft、Amazon，通常情况下，当企业把数据送到云端，会在一定程度上相信这些云服务是可信的。企业也可以在那里使用各种模型，所谓“虚拟主权”得以保留。

但如果一家企业绝对坚持认为，自己的数据极其机密，涉及隐私和其他敏感问题，绝不能流出企业边界，那么唯一选择就是本地部署；而本地部署通常意味着使用开源模型。美国有一些还不错的开源模型，但目前全世界范围内开源领域的领先者显然是中国模型。

Alan Murray：这很有意思。所以到最后，企业可能会因为高度关注数据隐私，而选择使用中国模型。

李开复：是的。我想强调的是，在这种情况下不存在数据泄露问题。企业把整个模型、所有权重、所有参数都部署在自己的服务器上，也不可能存在后门。因为企业可以运行值得信任的推理引擎，无论是中国、美国，还是其他地方的开源模型，只要部署在企业自己的本地服务器上，就不存在数据泄露的问题。你甚至可以选择直接拔掉网线。

Alan Murray：这可能是信任问题。

李开复：企业可以不信任模型给出的答案，这是合理的；但从部署机制来看，数据不会泄露，也不可能泄露。

能否落地的分水岭

Alan Murray：好，那我们谈谈你正在做的事情。零一万物是什么？

李开复：零一万物发现了一条非常有意思的路径，有望解决在座许多企业共同面临的难题。

大家应该都体验过 Claude、OpenAI、Gemini 这些极为强大的模型，也都非常喜欢它们。无论是规划旅行、处理家庭琐事、撰写文章，还是生发创意，这些模型都表现得非常聪明，令人惊叹。

然而，当 CIO 提出要将模型部署到企业内部时，问题就开始浮出水面：企业并没有像个人用户那样，获得同等的价值回报。

我们可以用一个类比来理解这个问题。你刚刚把 MIT 最优秀的毕业生、一个智商高达180的人才招进公司，却要求他在入职第一天就创造价值，这显然不现实。但六个月后，他完全可以做到。

问题的关键在于：我们如何教会一个非常聪明的模型，去理解你的业务？它需要理解你的目标、愿景、使命、季度目标，以及决策链条；它还需要知道，在五万张电子表格中，哪些信息才是真正重要的。

一个 MIT 的毕业生可能需要数月时间才能掌握这些内容，而且往往需要在实际工作中逐步习得。那么，大语言模型该如何学会这一切？

答案是 Ontology，也就是本体论。很多人可能听过这个词，Palantir 也在市场上推广这一概念。简单来说，Ontology 是 AI 理解企业的地图。构建一个扎实的企业Ontology，大约需要两到三个月时间。

零一万物所看到的，正是企业价值与 AI 落地之间这道显而易见的鸿沟。因此，我们开发了一个工具，可以半自动地为企业构建和维护 Ontology，并配合我们所说的操作系统来使用。这套操作系统能够编排智能体、引擎以及决策流程等。这正是我们正在构建的核心能力。

Alan Murray：开复，这不能只是一个技术平台。这更像是一个前沿部署式服务。要做成这件事，需要很多人。

李开复：是的。如果没有服务，我们没有办法把它卖给客户。

Alan Murray：所以你们也在搭建这支团队？

李开复：是的，我们有一支前沿部署工程师团队。

Alan Murray：这支团队在美国还是在中国？

李开复：团队在新加坡和中国。他们会飞到客户所在的地方。

Alan Murray：你们的客户是中国客户、美国客户、欧洲客户，还是其他地区？

李开复：目前主要为我们付费的客户是海外客户。

Alan Murray：不是中国客户？

李开复：他们分布在世界各大洲。

Alan Murray：你过去十年，甚至更长时间都专注在中国。你会遇到信任方面的挑战吗？当您试图说服一家美国公司，告诉他们有能力帮助解决这些问题时，对方是否会很难接受？

李开复：等我和在座的各位深入交流之后，答案自然会明朗。目前来看，所有软件的本质都不应被简单视为知识产权问题，其核心价值在于帮助企业实现高效运营。如果企业对我们缺乏基本的信任，那么双方的合作也就无从谈起。在当前市场上，唯一真正的替代方案是 Palantir。

Alan Murray：也就是说， Palantir 是你的竞争对手。

李开复：在我们进入的大多数国家，Palantir 并不是我们的直接竞争对手，所以我们其实并不真正竞争。

是最大的失误

李开复：我还想介绍另一款产品，它建立在 AI 转型平台之上。我们认为，企业AI 转型必须从 CEO 开始，本质上是“一号位工程”。CEO 通过每天使用 AI 来设定方向，也通过以身作则、有效运用 AI 来为公司定调。

这款产品预计将在大约一个月后发布。它的核心能力，是帮助企业读取、理解并利用内部沉淀的大量信息，包括会议纪要、会议录音、视频会议、客服通话记录等。

这些数据过去往往处于“沉睡”状态。很多企业虽然保存了群聊、会议记录、Zoom 录音等信息，但并没有真正把它们转化为可用的知识和洞察。事实上，这里面蕴含着巨大的价值。

比如，在零一万物内部，我们打造了一个“开复 AI”。我每次打开它，都会问这样的问题：过去两天公司内部开了 400 场会议，其中有哪些重要信息是我还不知道、但应该知道的？有哪些重大讨论、分歧或争论，是我没有参与但需要及时了解的？

我还可以继续提出更多问题，例如：谁做出了承诺却没有兑现？为此，我们还配套开发了“承诺账本”功能，系统追踪每位管理者的承诺及其兑现情况。

Alan Murray：这个产品已经发布了吗，还是还在开发中？

李开复：它会在 7 月初发布，并配备前沿部署工程师。它不是即插即用的产品。我已经开始试用。

Alan Murray：它是归属于零一万物平台的产品吗？

李开复：平台负责构建Ontology，并把模型连接到企业。

Alan Murray：那没有Ontology也能使用这个产品吗？

李开复：可以做到，但成本会更高，因为这需要打通企业内部大量分散的数据和系统，让 AI 重新理解这些信息之间的关系。

比如，企业可以问：如果不看传统绩效，而看真实贡献，公司最优秀的 20 位工程师是谁？AI 可以分析代码提交质量、缺陷率、代码复用情况、同事评审、技术答疑、团队认可度等多维信号，从而更客观地判断员工价值。

进一步，企业还可以问：这 20 位核心工程师中，谁可能存在离职风险？AI 可以从活跃度下降、协作减少、表达语气变化等行为信号中发现早期迹象，帮助管理者提前介入。

Alan Murray：下次我们再做这个活动时，你得当赞助商了。

李开复：希望到时候我付得起。（笑）

Alan Murray：从你的角度看，大家对 AI 最大的误解是什么？

李开复：今天很多企业对 AI 有一个误区：把它完全交给 CIO，或者把它当成某个部门的实施项目。事实上，AI 不是一个 IT 项目，而是 CEO 必须亲自理解和使用的管理工具。

过去 CEO 的核心工作，一是推动执行，二是掌握和传递信息。当 AI 能够承担信息流转和执行追踪后，CEO 的角色会更回到战略判断本身。但前提是，CEO 必须成为 AI 的深度用户。

即便不用零一万物的产品，CEO 也应该使用最好的 AI 产品。只有亲身使用，才能理解 AI 的能力边界和价值。至少，CEO 应该用顶级大模型来检验战略规划、审阅团队 PPT，识别哪些是空话，哪些有漏洞，哪些是真正重要的问题。

Alan Murray：最后一个问题。现在大学校园里的年轻人面对新技术也有很多焦虑。企业里的初级员工会怎么样？面对 AI 时代，你给年轻人的建议是什么？

李开复：AI 时代的好消息是，即使你不是工程师，才能拥有创造软件的能力。

未来真正能够取得成功的人，是那些愿意承担责任、能够推动事情落地并产出结果、并且善于管理一群AI智能体的人。因此，年轻人应当从现在开始使用AI、探索AI。

对于未来希望成为领导者的年轻人而言，真正重要的是判断力：包含品味、信念、勇气和远见。

最后补充一点：对于那些不愿购买中国软件的人，至少可以买一本中国人写的书。这本书目前尚未出版，但我想先吊一吊大家的胃口。我带了一些简介过来。需要强调，这不是一本介绍产品的书，而是一本关于如何推动企业变革、如何进行AI转型，并且讨论“CEO应当如何亲自推动这些工作”的书。

Alan Murray：开复，和你交流总是很有收获。非常感谢你抽时间来参加。

李开复：谢谢。