对谈苏妈后,李开复的“一把手工程”堪称CEO学习的新圣典

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
对谈苏妈后,李开复的“一把手工程”堪称CEO学习的新圣典
8954点击    2026-05-21 16:09

对谈苏妈后,李开复的“一把手工程”堪称CEO学习的新圣典


99%代码将由AI写!李开复:AI转型是CEO的一把手工程。


“如果公司做的 AI 转型,最终没有改变任何一个会出现在季度财报电话会议上的数字,那么你是做错了,只是浪费钱打造了一个AI实验室。”


5月19日,在AMD AI开发者日上,李开复对台下数百名开发者说出这句话时,坐在他身旁的AMD董事会主席兼CEO苏姿丰也点头认同。


这场围绕“多智能体+ DRI”的对话很快在技术圈刷屏。李开复称,传统CIO角色将被大幅削弱,企业AI转型必须是“一把手工程”,而技术人若不交付结果,将在智能体时代被淘汰。


话音未落,零一万物便将这套方法论推向更广的舞台。这家由李开复创办的AI独角兽,正在把“一把手工程”倡议变成产品—— CEO顶层战略驱动+万智平台底座+企业级多智能体+端到端价值交付


就在5月20日下午,超聚变探索者大会 2026 现场,李开复登台发表了题为《多智能体:对CEO而言最需要掌握的技术》的主题演讲,为零一万物的“一把手工程”提供了新的注脚。


李开复给在场的CEO们划出了以下五个重要的行动参考建议:


1、CEO必躬身入局:这不是IT部门的技术选型,而是必须由CEO主导、贯穿顶层设计与一线执行的组织变革战。


2、多智能体释放“美第奇效应”:多个专长各异的Agent协同、互补乃至对抗,能突破单体智能天花板,产生创造性突破。


3、编码是行动基石:AI将编写99%的代码,编码能力让智能体能把意图直接转化为操作,是自动化数字行动的根本。


4、专属数据飞轮=最深护城河:当智能体深入核心业务并共享数据闭环,将形成企业独有的数据飞轮,自我进化且不可复制。


5、不提升财务回报的AI转型是浪费钱:Agent必须切入供应链、研发、销售等核心环节,以可量化的ROI(质量、成本、周期)为根本目标。


李开复认为,未来十年,企业竞争的分水岭不在于用了哪个大模型,而在于CEO能否像指挥交响乐一样编排多智能体,并让每个技术人都成为对结果负责的DRI(直接责任人)。


《多智能体:对CEO而言最需要掌握的技术》演讲主要内容讲述如下:


01.

“美第奇效应”第一次进入AI世界:

AI Agent 向“群体智能”质变


外界一度担心,AI 智能体的进展会趋于平缓。李开复的判断正相反:智能体的发展不但没有放缓,反而在加速。


支撑这个判断的,是李开复眼中行业发生的两个关键变化。


第一个重要的表现就是AI编码能力。李开复明确谈道,AI 编码能力跨过了临界点,过去几个季度,AI 编码能力以肉眼可见的速度提升。一边是AI编码质量的飙升,在SWE-bench验证通过率这一指标上,AI正在超越人类工程师;另一边是推理成本的骤降,每百万tokens的综合成本快速下探。


沿着这条曲线,李开复给出了明确的预测:AI代码生成将很快超过人类,最终99%的代码将由AI编写。


基于这一变化,他直言:“至少 95% 的程序员岗位,AI 不是平替,而是做得更好、更快、更便宜。”据李开复透露,如今零一万物内部,约 90% 的代码已经由 AI 生成。


不过,李开复同时强调,这并不意味着程序员会消失。在他看来,随着 AI 能力持续提升,未来世界所需要的代码量,可能会比今天增加 1000 倍、1 万倍,真正会被淘汰的,并不是程序员,而是“不会驾驭 AI 的程序员”。


对谈苏妈后,李开复的“一把手工程”堪称CEO学习的新圣典


为什么编码如此重要?在他看来,编码不仅是 AI 能完成的任务,更是自动化数字行动的技术基石。编码上的突破,会反过来加速整个多智能体时代的到来。


人类通过点击按钮操作工具,而AI智能体则是通过生成代码来行动。要查询数据库、发送消息、调用API,或操作软件,AI必须可靠地生成精确的数字指令。当 AI 能稳定地写代码、调用工具,它就具备了将人的意图直接转化为行动的能力。编码能力将赋予智能体“能动手操作”的能力。


第二个变化,也是李开复认为更重要的一个,是多智能体的出现。强推理的Agent从单打独斗走向协同。


在过去的一段时间,Agent正在快速进化。李开复梳理了Agent进化的三个阶段:工作流、强推理、多智能体。


•工作流:由人决定好流程,Agent一步步执行指定任务;


•强推理:Agent基于大模型的推理能力规划复杂任务,并调用多种工具;


•多智能体:多个AI Agent针对人类给定的目标自动形成子任务集群,有机互联,构建出一张AI智能体网络


他强调,多智能体真正要解决的,是复杂问题的决策困境。从人类文明历史来看,投资委员会、公司董事会、陪审团、内阁,种种形式都在证明:单一认知总有极限,当协同式的集体智能介入,更可靠的判断才会涌现。零一万物以多智能体技术为基础,组建了模拟投资委员会、异构专家小组,以及专门扮演“魔鬼代言人”的红蓝对抗团队。


为了说明多智能体如何重构企业组织协作,李开复在现场以企业最常见的“部门墙”为例:“在你所在公司,负责绩效评估的 HR,平时会和负责招聘的 HR 天天沟通、彼此理解吗?肯定没有。”


在他看来,传统企业长期存在的信息孤岛,本质上源于部门之间的数据与目标彼此割裂。但在多智能体体系下,招聘 Agent 与绩效评估 Agent 可以共享底层数据,并基于统一目标持续协同。AI 甚至会根据员工实际业绩,自动优化招聘策略——“今年业绩公布后,多招 5% 最优秀的人,坚决不要最差的 5%。”


李开复认为,多智能体真正重要的意义,并不只是单点效率提升,而是它开始打破企业内部长期存在的信息壁垒:市场部门能够理解技术目标,产品部门能够感知组织效率,不同职能之间第一次拥有了共享的“企业认知系统”。


而当不同能力、不同角色的 Agent 开始协同、互补甚至彼此“辩论”时,多智能体便会进一步释放出远超单一智能体的价值。


李开复谈道,借由多智能体架构,零一万物第一次把“美第奇效应”带到了AI世界。所谓“美第奇效应”是指:当不同领域、不同背景的思想在边界处相遇,创新会以远超单一学科的强度爆发。


在李开复看来,多智能体的核心价值,正是来自于这种认知多样性架构。多智能体能够持续释放创造型摩擦与美第奇效应,从而突破单体Agent的智能天花板。


02.

AI转型若与财务回报脱钩

那就是浪费钱


以OpenClaw为代表的通用智能体近期广受关注,但在李开复看来,智能体最大的价值在企业端。消费级应用固然热闹,但真正能让Agent深度运转、产生可量化回报的,是企业的核心业务场景。


对谈苏妈后,李开复的“一把手工程”堪称CEO学习的新圣典


问题在于,眼下最热的通用Agent,恰恰进不了企业的门。通用Agent天生不适配企业场景,它不懂行话、缺乏行业背景知识,又和企业核心数据存在断层,一进具体业务就容易产生事实性错误,难以真正落地。


李开复谈道,企业所需要的不是通用Agent,而是真懂业务的企业级Multi-Agent(多智能体)。零一万物给出的解法正冲着通用Agent的短板而去:利用RAG(Retrieval-Augmented Generation,检索增强生成)与微调打造行业模型,让Agent“懂业务不胡说”;深入业务流,以智能体连接ERP、CRM等核心系统;支持私有部署,把核心数据安全握在企业自己手里。


李开复在现场提到,过去真正能够把数据、业务流程与内部系统深度打通的,往往只有阿里、腾讯等大型互联网公司。


这些公司内部长期维持着规模达到3000至4000人的IT团队,持续开发和维护企业内部系统,从而实现对业务数据、组织流程与经营状态的深度数字化管理。


但在李开复看来,AI编码与多智能体能力成熟之后,这种能力正在被重新分配。“过去只有巨头才拥有的‘数千人工程团队’,未来每一家企业都可能拥有。


而这正是企业级Multi-Agent与通用Agent最大的区别:它不只是一个“会聊天”的工具,而是能够真正深入企业核心业务、理解组织流程、连接内部系统,并持续参与业务协同与决策执行的智能体体系。


若要企业级多智能体要发挥最大价值,企业必须敢于让Agent深入核心场景。李开复直言,不能提升企业财务报表数据的AI转型,就是浪费钱。Agent的战场应该从行政、知识库这类基础应用,一路推进到供应链、客服、财务,直至生产、研发、销售这些真正的核心环节,并且以可验证、可量化的ROI为根本目标,把效果落到质量提升、成本下降、周期缩短上。


一旦企业智能体嵌进核心业务流程,它的身份也随之改变。企业级多智能体能够精准识别业务上下文,并主动介入协作工作流。这样一来,AI 智能体就能像人类一样,嵌入组织并承担虚拟角色。它们每一个都会成为独立的生产力节点,并与其他智能体协同合作来完成任务,从一个部门的效率工具,升级为可复制、秒级进化、边际成本趋近于零、24×7在岗的“超级员工”。


当一家企业越来越多的核心业务场景完成AI数智化转型,分散在各个环节的智能体会共享同一套企业数据,并在协同中不断把执行结果反馈给彼此:一个环节产出的反馈,会成为另一个环节优化决策的依据。数据由此转动起来,形成一个企业内部的数据飞轮。飞轮转得越久,智能体对这家企业的理解就越深,自我进化也越快。


这个数据闭环的关键,在于它专属于企业自身。未来每一家企业都会部署基座模型与智能体,但一家公司在自己业务里沉淀出的数据和协同经验,将会是最大的壁垒。李开复认为,多智能体时代企业数据飞轮一旦启动,就会成为企业最深的护城河。这才是企业AI数智化转型的真正含义。


从这一角度来看,核心业务的AI转型远不是单一IT部门能完成的。李开复反复强调,企业AI数智化转型是一把手工程,需要由CEO从顶层设计出发,自上而下地推动转型,与一线员工形成转型共同体,确保从战略到执行一路贯通。


这也是李开复把多智能体称作CEO必修课的一大主要原因:它考验的不是技术选型,而是企业组织一把手实施变革的决心。


这套方法论并非停留在演讲稿上。依托端到端自研技术,零一万物自主研发的“万智企业大模型平台”(以下简称万智平台)已覆盖政务、金融、工业、办公等重点行业。目前,零一万物已深度服务某国际头部能源企业、东南亚跨国巨头、某全球制造业龙头及友邦保险等国际标杆客户,持续提升国际竞争力。


李开复谈道,“多智能体是企业实现价值重构和生产力跃迁的关键,也是CEO最需要掌握的技术。它的真正价值,在于嵌入供应链、研发、销售这些最关键的环节。企业AI数智化转型所考验的不是CIO的选型能力,而是企业一把手推动组织变革的决心。企业转型没有旁观者,只有顶层设计贯穿到一线执行,才能让智能体真正走进业务,铸造新时代的核心壁垒。企业多智能体将是未来十年最重要的时代机遇,我希望每一位CEO都问自己一个问题——你的公司准备好了吗?”


文章来自于"智东西",作者 "三北"。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/付费

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

5
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI

6
微调

【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台,可以对大语言模型(LLM)和多模态图文模型(VLM)进行预训练和轻量级微调。XTuner 支持多种微调算法,如 QLoRA、LoRA 和全量参数微调。

项目地址:https://github.com/InternLM/xtuner