1.创新工场董事长兼零一万物CEO李开复预测，2025年将迎来大模型应用爆发元年。
2.AI模型进化加速，从OpenAI的o1到o3仅用3个月，DeepSeek的R1也快速迭代。
3.由于DeepSeek的开源，成功唤醒中国市场需求，成为推动国内To B/To C应用全面启动的关键力量。
4.然而，大模型应用仍面临实际问题，如本地简单部署、数据安全、联网搜索等。
5.为此，零一万物正在推动小语种模型，并希望与“一带一路”沿线国家合作，帮助他们建设自主可控的本地化模型。
以上内容由腾讯混元大模型生成，仅供参考
李开复：全球视角下的生成式AI展望｜未来人工智能先锋论坛
腾讯科技特约作者 燕妮
编辑 郑可君
3月29日，2025中关村论坛在北京召开，创新工场董事长兼零一万物CEO李开复发表主题为《全球视角下的生成式AI展望》的演讲，李开复认为：
1、2025年将成为大模型应用爆发元年。推理成本持续下降、模型性能提升显著，加上“文理兼修”的训练策略，使得大模型实用性大增。
2、“AI教AI”正在加速模型进化。从OpenAI o1到o3仅用3个月，DeepSeek r1也快速迭代，得益于AI具备“慢思考”“反思”和“自我进步”能力。
3、DeepSeek 开源引爆中国“ChatGPT Moment”。DeepSeek不仅以极快速度实现高推理能力，还选择了开源，成功唤醒中国市场需求，成为推动国内To B/To C应用全面启动的关键力量。
以下为李开复在中关村论坛的主题演讲，经腾讯科技编辑整理：
我们都知道，大模型带来了巨大的生产力革命。过去两年多，自从ChatGPT推出以来，大模型的智能水平持续提升，完全没有停下脚步，推理成本每年降低10倍。两年前那些“不够好”的模型，现在已经足够用了；两年前价格昂贵的模型，如今也变得“白菜价”。
随着各种技术的不断进步，我认为2025年必将成为应用爆发、落地的井喷之年。当然，我们也知道几个月前Ilya提到，Scaling Law在预训练方面似乎已趋于放缓，原因包括数据量不足、GPU扩增带来的收益递减。例如，GPU数量增加10倍，性能提升却仅有2倍。即使训练出了超大模型，比如GPT-4.5确实表现不俗，但成本却是DeepSeek的500倍，因此，这类超大模型在实际应用中并不实用。
不过，值得庆幸的是，我们看到了新的曙光，Scaling Law的重点，正在从“预训练”转向“推理中的慢思考模式”。这意味着，原来通过“更多GPU + 更多数据”使模型变聪明的方式已经放缓，而“慢思考”则代表模型在思考时间更长的情况下可以产出更优结果。也就是说，大模型的成长仍然很快，而且这才刚刚开始。
在这些新技术的结合下，如今的大模型训练方式也发生了重要变化——先训练一个“文科生”，让它读所有的书，再训练一个“理科生”，让它会解数学题、写代码。这样打造出来的“文武双全”模型能力非常强大，这是我们过去几个月看到的一项重大进展。
虽然今天我们或许已经普遍了解这一点，但如果往前推六个月，当时很少有人意识到训练流程会采用“先文后理”的方式。这种模式的出现，本身就非常值得关注。
另一个值得注意的现象是，AI的进步周期正在加速，而不是放缓。我们可能还记得，从GPT-2到GPT-3，再到GPT-4.5，每次迭代大约都花了两年时间。为什么这么慢？因为本质上还是“人”在主导训练——人类需要设计新算法、新模型架构，调配GPU资源，收集数据，才能推动模型进步。
但今天，我们进入了一个全新的时代——AI开始训练AI。从OpenAI的o1到o3只用了三个月，DeepSeek的R1在o1之后两个月发布，R2很快也会到来。这种“三个月一个周期”的现象，为何出现？因为如今的学习过程，已经不再依赖人类继续发明新算法或架构，而是AI具备了“慢思考”“反思”和“自我进步”的能力。
AI可以教AI。通过“慢思考”，AI能变得更聪明；而通过“更聪明的AI”去训练“较弱的AI”，也就是用超大模型做“老师”，训练小模型作为“学生”，再配合蒸馏、数据标注与合成技术，模型的进步速度将大大加快。这意味着，训练的瓶颈不再是人类，AI可以自我进化。
最近，大家都在讨论DeepSeek，我也分享一下自己对DeepSeek的四点观察：
1、推理能力强且原生构建
DeepSeek非常快地达到了严谨推理能力，并非通过蒸馏获得，而是从底层原生实现。此外，它还公开了“思维链”，这一点令人震撼。因为OpenAI将其思维链视为机密，从不公开，担心被模仿。而DeepSeek却从第一性原理出发，从零构建并开放，这是极为罕见的成就。
2、工程效率极高
关于其推理速度，不同渠道有不同说法。但公平比较来看，我认为它的速度比美国同类模型快了5~10倍，成本也大幅下降，这是极具突破性的工程进步。
3、验证了开源的力量
DeepSeek证明了闭源是一条死路，开源才是未来发展的关键。如果DeepSeek没有选择开源，我认为它绝不可能获得今天的影响力。我们也看到，美国的开源社区和社交媒体对DeepSeek热情拥抱，这是前所未有的。从来没有一个中国软件在海外获得如此高度的欢迎，这种对比也突显了OpenAI的闭塞与DeepSeek的开放之间的差异。
4、中国迎来“DeepSeek Moment”
大约9个月前，我曾表示很沮丧：中国没有自己的“ChatGPT Moment”。虽然已有一些不错的大模型，但并未出现一个“出类拔萃”的产品引发全民应用热潮，也没有促使每位CEO都去问IT部门“什么时候部署大模型”，但现在，这一切改变了。DeepSeek的成功唤醒了中国市场，而教育市场原本是产品落地最大的瓶颈。如果新创企业还需要去“教育市场”，几乎没有成功的可能，因为周期太长、不确定性太高。
如今，DeepSeek已经为中国的To B、To C应用完成了市场教育。因此，我相信大模型应用时代已经具备了更多“必然来临”的理由。当然，DeepSeek模型本身很强，但若要真正落地到企业，还需要考虑几个实际问题：
1、企业老板普遍希望模型可以本地简单部署、数据安全、无需API连接；
2、应用层面，企业往往还需要联网搜索、深度调研（Deep Research）能力；
3、企业还希望模型能与内部系统对接，如ERP、CRM，甚至能在此基础上开发软件或智能体，实现快速构建企业内部应用；
4、此外，微调甚至进一步预训练仍是部分企业的需求。
基于这些考量，零一万物在过去几个月也进行了战略调整，我们将大部分力量投向以DeepSeek为核心的企业级解决方案。刚才提到的那些技术，包括安全部署、应用实践、行业定制，我们都已实现。值得注意的是，这些能力只有具备大模型研发经验的公司才能完成，普通软件公司或系统集成商并不具备这方面的认知与能力。
最后，我想提一个很少被讨论的问题：如今，全球都在拥抱大模型，但非主流语言的表现仍然很差。比如，我们用俄语作为例子：LLaMA仅用0.13%的训练数据处理俄语，所以效果非常差。如果再看东南亚、中东、中亚、非洲等地区，情况更糟，几乎难以使用。
我有一位朋友是斯坦福的语言学教授，他指出，大模型基本忽视了全球约7000种小语种。这可能会带来严重后果：这些语言由于无法被大模型支持，反而会加速“灭绝”。
康奈尔大学的研究也指出，大模型在训练中倾向采用欧美的价值观。在他们绘制的图中可以看到，西欧和美国国家的价值观集中在一个椭圆区域内，大模型也几乎都处于该区域。相对而言，亚洲、非洲、中东的价值观则存在明显偏差。因此，每个国家都应有机会训练拥有自己语言和价值观的大模型。
中国在这方面相对幸运，有很多公司在做这件事。但其他小语种国家则面临更大困难。因此，零一万物正在推动小语种模型，并希望与“一带一路”沿线国家合作，帮助他们建设自主可控的本地化模型。
综上所述，我认为：今年开源是大事；DeepSeek是大事；AI 应用爆发即将到来；各家模型公司必须回归商业本质，思考如何真正创造客户价值。
我们的年度口号就是：Make AI Work。
谢谢大家。