李开复入场Agent！零一万物推出“万仔”，直接对话CEO走独特“一把手工程打法”

火到不能再火的Agent，零一万物也下场了。

就在今早，零一万物创始人兼CEO李开复博士宣布升级发布万智企业大模型一站式平台（下文简称万智平台）2.0版本，并推出零一万物企业级Agent智能体，昵称万仔。

李开复分析指出，AI Agent正从辅助工具跃迁为新型生产单元，其核心价值在于重构企业组织架构与价值链。

而在零一万物看来，这场变革的成败取决于两个关键：

企业闭环数据的深度激活，以及与CEO推动的“一把手工程”共创。

“独特的一把手工程打法”

什么叫“一把手工程”？

简单理解，第一步是CEOxCEO，高层制定AI驱动的顶层战略，第二步是战略、技术、业务三方团队密切配合，打造真正贴合业务需求的大模型ToB解决方案。

更重要的是，要用“生产单元革命”案例替代技术宣讲。

“我们向CEO展示，若Agent替代30%人力生产单元，企业规模扩大3倍时效率反升20%。”李开复展开解释，“传统CEO尚未意识到Agent将重构生产单元和组织架构，而执行层缺乏AI战略视野，中层管理者因担忧职权变化而抵触变革。”

也就是说，一把手工程的本质是CEO驱动的AI战略转型，从顶层战略出发，基于战略找场景、调模型、搭应用，双方产研和业务深度共创最大价值，打破数据孤岛与技术黑箱的僵局。

之所以选择这种方式，是因为传统企业和AI科技企业都各有长短板。

对传统企业来说，AI是一个不知靠谱程度的“新物种”。

传统企业习惯性授权给高管层，销售、供应链等高价值数据需CEO授权才能开放，执行层无权调用。

一般而言，大家依赖过时管理工具，又由于AI发展一日千里，导致传统公司对AI的认知不足，因此不会轻易把核心业务交给AI。

对AI 2.0时代的科技AI公司来说，大家追求的是“AI+”而非“+AI”，但是对于垂直场景，这类公司往往缺乏落地经验和闭环数据。

此外，这些公司难以接触传统企业各个领域各个场景的高层，也就难以说服传统企业把AI真的用起来。

零一万物以李开复博士为核心的“一把手工程”打法，手把手陪伴企业设计AI嵌入业务的路径，从场景拆解、到模型微调、再到工具打通与应用搭建，是一套可落地、可复制的产品逻辑。

“超级员工”不是噱头，而是能真正驱动业务指标、带来可衡量结果的AI生产力员工。

“我们的商业模式是基于价值共创，寻找各行各业的公司，他们有场景和行业知识、数据，他们认可并理解AI不只是做个客服，而是可以重构公司，大大提升生产力，然后用交付的方式，用AI来把整个公司的KPI往上提升。”

李开复表示：“我们会跟公司交流，选择对公司商业价值最大的场景，包含万智Agent在内的toB企业解决方案。”

万智升级至2.0版本，共有五大功能

今年，零一万物转型，选择All in ToB。

新发布的万智2.0就是一个企业级Agent操作系统，在这个阶段，已经将大模型转化为 “直接交付业务结果” 的数字员工，而非辅助工具。

同时，零一万物企业级Agent也一并发布。

作为万智平台的核心功能模块，该企业级Agent以“超级员工”为核心定位，共有五大功能。

第一，超级能干。

超级员工能在企业场景下执行编程，研究等复杂综合任务，在公司内部跨组织、跨业务串联各种工具。

第二，超级靠谱。

简单来说，一方面是通过校验+评估，保证输出质量，交付靠谱的结果。

另一方面是靠谱地交付结果。由于现阶段模型不是万能，2B业务场景极低容错，人机深度协同十分重要。现阶段的AI还是离不开人类的参与共创。

第三，自主晋升。

超级员工能够不断自主进化，实现岗位化知识沉淀和强化学习驱动迭代。

第四，超级装备。

工欲善其事，必先利其器，因此“超级员工”会配备“超级装备”。

比如同时支持手机和电脑端——李开复表示，很多友商只支持电脑端，但很多工作在手机上操作更便利；也支持模板和MCP中台等工具箱，以及保障结果安全准确性的沙盒执行环境。

此外，万智2.0针对企业场景开发，支持私有化部署，更准确高效便宜。

第五，极速上岗。

万智不是即插即用，因为企业私有定制Agent需要读取数据、接入工具链、接入和调用现有的智能体等。

所以虽然还没有达到“开箱即用”，但数天左右（甚至更快）即可接入现有的企业工作流。

同时因其兼容性，解决重复性劳动，也支持复杂任务。

AI Agent预计会经历三个演进层级

李开复在介绍时谈到，AI Agent的能力跃升有两个关键影响因子：

一是AI Agent之下的基座模型具备的深度思考与任务规划能力。

二是Agent经过场景锤炼和工程优化之后可调用执行工具的数量与精度，影响着其能力边界，人工智能开始逐步展现“手脑并用”的能力。

这两个因素的深度媒合，未来AI Agent才有望衍生出各行各业的超级员工。

李开复预计，AI Agent的发展路径会经历三个演进层级：

L1：2024年，工作流Agent

这一阶段Agent怎么执行是由人去告诉它的，实际上是人类主导任务的规划与决策流程，Agent仅按指令一步步执行指定动作。

虽然实现了任务自动化的初步落地，但其智能化程度有限，本质仍为强化版的“RPA（机器人流程自动化）”或“Co-pilot”，难以应对企业中复杂多变、跨环节的任务。

不过在简单的任务上，人可以清晰描述prompt，以至于这一阶段的Agent在执行简单任务可能很可靠。

L2：2025年，推理Agent

目前，大模型技术技术来到强推理大模型阶段，Agent可以帮忙策划，拆解一个任务，评估完成过程，最终达成目的。

最具代表性的Manus和ChatGPT Agent。

此阶段的Agent不再依赖人类指定的流程，而是能“想清楚再做”，具备真正的任务闭环执行能力。

不过“通用”这个词带来了一些争议，因为受限于当前基座模型对垂直产业的理解深度与工具调用能力的成熟度，市面上多数Agent方案仍无法满足企业在复杂业务场景下的实际需求。

L3：未来，Multi-agents

未来，Agents之间需要沟通、互联，自动化统筹任务的规划和执行。

这一阶段将彻底重构企业运作范式，形成真正的去中心化智能协作网络，是Agent发展的进阶形态与行业变革的关键临界点。

One More Thing

媒体沟通会现场，有人提问道：“不管Kimi也好，MiniMax也好，他们的都在做模型与Agent。想知道零一万物的Agent会被模型取代，或者Agent会使用嵌入其它模型吗？”