文 | 藍媒匯，作者 | 陶然，編輯 | 魏曉

AI 六小虎中第一家擁抱 DeepSeek 的玩家出現了，是零一萬物。

他們直接掏出了能迅速落地、迅速變現的產品：內置 DeepSeek 的企業大模型一站式平臺 " 萬智 "，劍指 toB 商業化。

基于新平臺帶來的軟硬件協同能力，零一萬物也成為又一家可提供企業級 DeepSeek 部署定制解決方案的廠商。

萬智平臺目前已在零一萬物官網上線 " 商務合作 " 入口，有需求的用戶可以提交 " 提供服務 "、" 探索合作 " 和 " 其他 " 三種申請，公司全球解決方案與交付總經理表示，定價很快就會發布，" 會給企業用戶提供非常有競爭力的價格，比大廠更有優勢 "。

據 AI 藍媒匯統計，在 DeepSeek 走紅之后、零一萬物 " 萬智 " 發布之前，DeepSeek 概念加持下的一體機領域，其實已經涌入了包括不僅限于百度、華為等眾多一線大廠，以及像是京東云、聯想、浪潮、中科曙光等同屬頭部集團的知名企業，賽道日趨擁擠。

分析人士指出，各家將軟硬件打包成封裝、集中發布一站式解決方案的目的其實完全一致，就是要搶抓這波 DeepSeek 帶來的國產 ChatGPT 時刻，把市場中高漲的興趣、涌現的需求落到手里，成為實打實的訂單。

" 基模能力與市場教育到位的當下，中國大模型產業亟需成熟的企業級解決方案，來推動大模型從通用能力向垂直行業深度融合。"

簡單概括，就是卷應用，向錢看。

相關資料顯示，2024 年零一萬物公司的整體收入已經超過了一億元，其中 B 端業務占到整體收入的七成左右；C 端的收入主要來自海外的 To C 付費應用（PopAi 等），且已接近實現盈利。

資金層面，李開復年初透露稱，去年七月份完成一筆融資后，目前公司賬上現金充沛。并且團隊內部其實更早就開始復盤和推演 Scaling Law 的上限問題，對現金的調配似乎相當審慎。

愛企查顯示，零一萬物先后完成四輪融資，但前兩輪均為同樣由李開復創辦的創新工場出手，公開可查的其余資方似乎僅有阿里云。

這個淡化自家技術模型聲量、以 DeepSeek 為賣點、將超頭模型封裝成可落地 toB 產品的解決方案，是零一萬物作為頭部 AI 初創在 AI 大模型賽道的淘汰賽槍聲中不得不面對的重新選位。

轉變身份，用相對務實的姿態，叩開大規模 toB 商業化的門。

拼落地

零一萬物的轉型核心，就是這個面向企業的大模型一站式平臺。

平臺并非簡單技術集成，而是針對企業落地大模型的三大痛點，部署難、定制難、應用難，依次提供了系統性解決方案，開箱即用。

過往企業接觸 AI，必須要提前考慮的一個問題就是安全：數據是否在本地，必須上云的話鏈路和存儲分析是否封閉、是否安全。

零一萬物聯合頭部硬件廠商推出的軟硬集成式一體機方案，內部預裝高性能了 GPU 并內置 DeepSeek 全系列模型，支持本地化推理與數據隔離，滿足金融、政務等對數據安全敏感行業的需求。這種方案抹平了起步階段的技術門檻，全鏈路的本地化部署也消除了企業對數據泄露的顧慮。

接下來的問題，幻覺。

DeepSeek-R1 推理模型生成內容時所產生的幻覺，體驗過的人有目共睹，它更擅長輸出觀點、情緒、華麗辭藻，但對于擺事實講道理這一塊，推理過程中產生的一些 " 奇思妙想 " 往往容易造成文不對題甚至 胡編亂造，所有這些信息失實統稱 " 幻覺 "。

業內一份幻覺測試結果顯示，DeepSeek R1 幻覺率高達 14.3%，作為對比谷歌 Gemini 2.0 Flash 的這項數值僅有 0.7% ——復雜問題解決能力提升的代價就是在處理 " 開放性問題 " 時，DeepSeek-R1 這類推理模型會強行構建邏輯鏈，從而導致虛構事實，且 " 推理能力與幻覺風險呈正相關，并且僅能通過優化訓練策略改善，無法徹底消除幻覺 "。

涉及業務數據甚至企業決策的 AI，必須要最大程度降低幻覺發生的可能，避免出錯。

這一點上，零一萬物此前一款出海的 C 端 AI 搜索應用其實已經證明了團隊在降低幻覺方面的功力，搜索準確性高達 88%，校正幻覺的能力優于以搜索性能強著稱的 Gemini ( 73% ) 、Perplexity ( 73% ) 、ChatGPT Search ( 64% ) 等國外一線模型。

最后是定制適配，DeepSeek 有兩個硬傷：不支持 Function Call（工具調用）、不支持 JSON Output（JSON 格式的字符串輸出）。用做飯場景舉例，這個 AI 理論上能熟練烹飪全球各國料理（數學 / 代碼 / 自然語言推理），但一不會使用廚房工具（缺乏 Function Call），需要用烤箱烤牛排時，它無法自動調用烤箱設備，必須人工操作；二只會口頭報菜名（缺乏 JSON Output），需要打印標準菜譜時，AI 只能口述而無法輸出格式化的電子文檔。

兩大企業剛需能力的缺失，讓 DeepSeek 在落地工作場景時常常受限。零一萬物則在 " 萬智 " 平臺上率先給出基于 DeepSeek-R1 的成熟微調方案，企業能夠基于自身企業數據庫對 AI 進行模型微調，準確對接垂直領域的具體業務需求。

整體來看，" 萬智 " 平臺無論是宣發還是設計，都擺出一副老老實實給 DeepSeek 打輔助的姿態——聆聽市場需求然后針對性設計。

李開復在采訪中強調了 " 尊重商業規律 "，按需設計產生按需購買，或許就是其中一條：你（企業）拿到了好用的 DeepSeek 創造價值，而我（AI 公司）拿到了 AI 本身帶來的商業價值。

退居 "1.5 線 "，是出路嗎？

發布會結束后，關于會上被問及的關于 " 是否還在做預訓練模型 " 的問題，零一萬物方面又單獨做了一次澄清：我們是不做 " 萬億以上 " 超大參數基模，不是放棄自研，輕量化模型還是在做的。

兩個信息：一，零一萬物并未放棄自己的技術積累，頭部模型和自研并行；二，自研技術確實在收縮。

聽起來有些消極，但務實、理智、活下來，才是所謂六小虎等資源并不足夠充足的玩家，在大模型淘汰賽現階段所必須接受的局面。

大浪淘沙，自家模型沒有跑出來的幾位勢必做出轉型，要么退居二線繼續換個姿勢繼續參與游戲，要不等到熱度和資源揮霍殆盡徹底下桌。

零一萬物這個目前還比二線更靠前一些，暫且算作一點五，接入阿里、收縮業務的李開復團隊顯然還是有心再搏一搏。

策略上規避超大模型的研發風險，但不徹底放棄技術層面主動權（自研），最重要的一點，務實、逐利，在 AGI 實現的那一天到來前，別徹底下桌。

李開復透露稱，零一萬物聚焦 toB 業務去年有超一億元收入，今年第一季度的收入則已經接近了去年全年收入總和，" 運營模式非常良性，今天發布的萬智企業大模型一站式平臺也能夠錦上添花。"

DeepSeek 給行業帶來的是技術層面的范式，也掀起了行業去泡沫化的進程。在更先進的底層技術有突破前，市場的價值錨點必然從技術遷移到場景，企業客戶會更關注 " 能否解決實際問題 " 而非 " 是否自主研發 "，零一萬物通過將 DeepSeek 技術封裝為可落地的解決方案，為的就是快速驗證 AI 落地的商業可行性，以及同步來帶來的利潤回報。

至于前面統計的與同賽道內大廠、同行玩家的競爭，李開復很坦率的解釋了零一萬物的優勢：對比一些硬件廠商、組裝廠，我們有研發底層模型的經驗優勢，更懂 AI；而對比大廠，我們的方案，更有性價比，更便宜。

分蛋糕前活下來，才是最好的。