文丨郭小興 編輯丨杜海

來源丨新商悟

（本文約為1200字）

在AI技術狂飆突進的當下，“落地難”始終是橫亙在行業面前的一座冰山。原微軟副總裁、零一萬物創始人及CEO李開復，3月17日在自家舉行的線上新品發布會上高調宣布：零一萬物已攻克AI落地的三大核心痛點，并推出了一套完整的To B解決方案。

那么，李開復的這一引發廣泛關注的說法，究竟靠不靠譜呢？

1

我們先來看看，李開復總結的DeepSeek要在千行百業里落地還存在的三個大難點：
1. 部署難
企業沒有硬件資源，軟硬件都要部署，一體機成為剛需；
企業有硬件資源，仍然需要手動部署軟件；
企業信息保護，擔心數據安全。
2. 應用難
不支持 FunctionCall、JSON Output 等，指令遵循有問題、執行垂類具體任務有障礙；
對接行業數據庫、實時聯網數據都有技術門檻，不容易實施；
搭建行業應用不易上手。
3. 定制難
通用開源基座模型不懂行業場景，“隔行如隔山”；
用繼續預訓練 CPT、監督學習 SFT 等進一步定制模型，但沒有成熟方案；
缺乏垂直領域的蒸餾數據，多數企業欠缺高質量的數據工程能力。

2

接著，我們來看看李開復宣稱的實力。

從技術來看，零一萬物宣稱：

在打造 Yi 系列頂尖基座模型的過程中，積累了從模型訓練到模型微調，再到應用實踐的大模型端到端四大管線技術棧功底。基于此，其將全鏈條技術管線復用到 B 端的模型私有化部署場景，推出萬智平臺，從技術邏輯上具備解決痛點的基礎。例如在部署方面，針對企業算力儲備參差不齊的情況，對于算力儲備薄弱的企業，聯合頭部硬件廠商推出軟硬集成式一體機方案，預裝高性能 GPU，內置 DeepSeek 全系列模型，部署周期縮短至小時級；對于已具備算力硬件基礎設施的企業，同樣可實現 DeepSeek 全系列模型的快速部署 ，在一定程度上解決了部署難的問題。

在應用和定制方面，零一萬物也宣布了相應舉措。在應用上，宣稱：整合了聯網搜索、知識庫 RAG、智能體 Agent 等成熟組件，引入 Rewrite 和 Rerank 模型后，結果召回率提升 60%，準確率提升 30%，幻覺效應大幅降低。

在定制上，針對 DeepSeek 不支持 Function Call（工具調用）、不支持 JSON Output（JSON 格式的字符串輸出）這兩個硬傷，零一萬物在 “萬智” 平臺上給出的是基于 DeepSeek-R1 的微調方案，宣稱能夠基于自身企業數據庫對 AI 進行模型微調，以對接垂直領域的具體業務需求。

然而，正經社分析師認為，要判斷是否真的解決了痛點，還需從實際落地和市場反饋來看。盡管零一萬物給出了解決方案，但 DeepSeek 本身存在一些問題，如推理模型生成內容時幻覺率較高，業內一份幻覺測試結果顯示，DeepSeek R1 幻覺率高達 14.3%，遠高于谷歌 Gemini 2.0 Flash 的 0.7% ，即使零一萬物此前一款出海的 C 端 AI 搜索應用在降低幻覺方面有一定成效，但在企業復雜業務場景下，能否完全消除幻覺風險尚未可知。

與此同時，市場上競爭對上強者林立，包括百度、華為等大廠以及京東云、聯想等企業也推出了相關解決方案，零一萬物的方案能否在看上去強悍得多的眾多競品中脫穎而出，獲得企業廣泛認可并大規模落地，還需市場進一步檢驗。
也就是說，李開復聲稱已解決 DS 落地三大痛點，有其基于技術實力和解決方案的合理性，但實際效果究竟如何，仍有待觀察，需要在市場實踐中不斷驗證其方案的有效性、穩定性和可持續性。【《新商悟》出品】

CEO·首席研究員|曹甲清·責編|唐衛平·編輯|杜海·百進·編務|安安·校對|然然

聲明：文中觀點僅供參考，勿作投資建議。投資有風險，入市需謹慎

喜歡文章的朋友請關注新商悟，我們將對商業趨勢、邏輯與倫理進行持續關注

轉載新商悟任一原創文章，均須獲得授權并完整保留文首和文尾的版權信息，否則視為侵權