" 当企业里 AI 员工占到四分之三时，AI 员工是不开会的，所以我们开的会自然就会减少。" 李开复对我说。
在 WAIC 2026（2026 世界人工智能大会）的零一万物展位内，工作人员用长桌拼出一小块隔断，我和李开复坐在里面对谈。长桌外围着三四层人，手机和 Pocket 相机的镜头越过桌沿，全都对准了他。为期四天的 WAIC 2026 期间，李开复连续三天待在展位里，为到访者签售新书《AI 未来已来》，或像这样接受媒体采访。
从建立并领导微软中国研究院（后更名为微软亚洲研究院）到创立创新工场，李开复曾招揽过张亚勤、沈向洋等蜚声海外的中国初代 AI 专家，也投资过创新奇智、文远知行、地平线等明星创业公司。62 岁时，他自己下场创办零一万物。2025 年初，零一万物不再追逐超大基座模型，转而将重心转向企业级 AI 应用，探索 AI 深入核心业务场景、辅助一号位决策的落地路径。
" 老板 AI" 是零一万物面向企业 " 一号位 " 开发的一款决策 AI。李开复先把这套系统用在了自己身上。零一万物内部现在的每一场会议，都会生成完整的文字记录。无论李开复本人是否推门进入，老板 AI 都可以帮他跟踪评估会议的效果，并且将会议内容与公司的各种运营数据结合起来分析，发现文本之外的经营状况。
这意味着，老板 AI 不用坐进会议室，却比身为 CEO 的李开复 " 参加 " 了更多会议。它曾帮李开复协调和解决了两个团队之间的分歧。李开复说。这些分歧是老板 AI 从会议纪要中找出来的。
过去，他这个 " 一号位 " 要靠层层汇报才能知道零一万物里发生了什么；现在，会议记录和经营数据可以先交给老板 AI" 读 " 一遍。当老板 AI 的判断与他的预测不同时，李开复会要求它给出 evidence chain（证据链）。证据能说服他，他就采纳；证据说服不了他，或者其中存在幻觉，他就不采纳。老板 AI 还记着各个团队答应过的事情。" 我是可能遗忘的，但是老板 AI 不会遗忘。"
至少在会议这件事上，老板 AI 知道的甚至比真正的老板更多。
但这不意味着 AI" 喜欢 " 开会。如果有一天，AI 能够读取公司的业务数据，主动发现问题、追踪任务，甚至直接推动执行，它会不会如我们所期待的那样，成为 " 会议终结者 "？
文章开头那句话，就是李开复的回答：偏向肯定，却没有那么彻底。
李开复认为，最该消失的是 " 纯粹传递信息的会 " 和 " 纯粹大家来表现的会 "。有一次，零一万物的一位客户叫来一批中层开会。每个人都觉得自己必须讲五分钟，让 " 开复老师 " 听到自己的见解，最后会议开成了一场 " 表现型、表演型的会议 "。
但有些会议不会消失。" 谈人的会、战略会，还有需要做决策的会，还是要开的。" 李开复说。开战略会之前，AI 可以先把背景研究做好。
" 你们的目标，是让企业里的 AI 员工占到四分之三吗？" 我继续追问道。
他没有给所有公司划出同一个比例。" 有些公司可能达到 99%，一个 OPC（one-person company，一人公司）可能就一个人了。" 重服务公司里的 AI 员工占比也可能只有三分之一。" 我觉得每个公司会不一样。"
少开会当然是一件让人高兴的事。但 AI 员工进入企业，改变的不会只有会议。整理资料、写会议纪要、做基础分析，这些原本由许多年轻人承担的入门工作，也往往最先被交给 AI。它们看起来基础，却是许多人熟悉行业、逐渐形成判断力的一条路径。
我问李开复，如果这些工作都交给 AI，年轻人该怎么成长？
" 在少数行业有这个风险，但是大部分行业我觉得并不会。" 李开复把工作分成执行和决策两种。人要作出决策，也需要了解执行过程。但在他看来，了解执行不意味着凡事都要亲手去做，也可以通过询问负责执行的 AI 来完成。" 为什么一定要自己苦苦地去做呢？"
零一万物今年从一所顶尖高校的国际学院招聘了 4 名应届毕业生。李开复准备让他们成为第一批 DRI（directly responsible individual，直接责任人），每个人带着一组智能体完成任务，对结果负责，成为 " 微型 CEO"。
" 我们作为一家 AI 公司，必须成为 AI-native（AI 原生）的公司。" 李开复说。在这套新的组织方式中，DRI 将是公司里最有机会成为合伙人的一群人，未来，收入和期权分配也会向他们倾斜。
" 在推进这件事的同时，也会慢慢把已有的管理架构拆掉。"
以下是经济观察报和李开复的谈话，经过编辑。
经济观察报：你已经在零一万物内部运行 " 老板 AI"，让它读取会议记录和经营数据。它有没有告诉过你一些过去很难知道的事情，比如管理层没有说出口的分歧，或者某条业务线刚刚出现的风险？
李开复：非常多。我用这个老板 AI 找到了一些团队协作的风险。AI 帮我解读出了一些存在矛盾冲突的情况。我发现之后，就觉得需要参与了。对于这两个团队，要么换人，要么强迫他们一起工作，要么我就要亲自盯着。
我也发现，公司之前存在一些风险，团队不想把坏消息带来跟我说。我也了解到，在一些我要求大家执行的重要方向上，比如有些收入我们特别重视，有些收入比较一般，有些团队做到了，有些团队没有做到。还有一些团队答应过我的事情，有些员工可能希望我忘掉。我是可能遗忘的，但是老板 AI 不会遗忘。
然后，我还用这套系统找到了公司最会管 AI 的人。
经济观察报：它是怎么找到的？
李开复：我会设定一些要求。比如说，他要是一个愿意担责的人，不是想跟随别人的人，而是愿意率领别人的人；他不怕风险，而且比较擅长管理 AI，技术能力也比较强。
有了这几个要求以后，就会综合分析所有会议纪要、每个人的半年度总结、老板的评价，还有每个人写了多少代码、用 AI 写了多少代码、这些代码的质量如何，并且结合业绩表现做分析，给我提供决策参考。我不会只看一两个数据结论，我更看重 AI 带给我的全局视野。
经济观察报：token（词元）消耗量大，会作为一个评选标准吗？
李开复：会参考 token 的使用量，但是不能只看数量，因为质和量一样重要。如果他浪费了很多 token，这样也不行；如果只是看数量，谁都可以越用越多。
经济观察报：" 一号位 " 通常很相信自己的判断。如果 AI 的分析和你的直觉不一样，你会怎么选？
李开复：我会看它的道理。我们多年都在说，希望有一个可解释的 AI。也就是说，如果它觉得某个角色应该做 A，但我觉得应该做 B，那我就会问它：" 给我你的 evidence chain（证据链），你有什么证据证明选 A 或者选 B 更好？" 然后我会读它的证据。
如果证据能说服我，那我可以听它的；如果证据没法说服我，甚至其中存在幻觉，那我就不听。因为判断最终还是要人来做，还是要人来担责。AI 再聪明、再能干，也不能担责。
所以，最好的结合就是一个愿意给 AI 授权，但是自己要担责的人。授权以后，也要管理好 AI。AI 不是那种很自主的员工，你要管理好，有错就要改。这就需要一个心思很细腻、自己愿意担责，又能管好 AI 团队的人。
CEO（首席执行官）用 " 老板 AI" 时，自己就扮演这个角色。我们也会在团队里找 DRI（directly responsible individual，直接责任人），也就是一个 " 微型 CEO"。他在公司的某一个小任务上，也会扮演这个角色。我会信任这个微型 CEO，让他对这件事负责，然后由他来管理 AI。他负责、他管理，我放心。
经济观察报：有没有哪一次，你真的因为 AI 的提醒改变了决定？能不能具体举个例子？
李开复：每天都在发生。
当我看到一个风险时，我立刻就会在飞书上找负责处理风险的人：" 听说这里有风险，怎么回事？" 有些时候确实有问题，我了解情况后就明白了；有时候也需要我参与化解。
我也会问它，比如 " 我们上市面临的三大法律风险是什么？" 这样的问题。给出的结果列出的三个风险中，有两个我过去忽略了的。它们不是什么巨大的问题，只是说这个事情你要知道，才能处理；处理了，才能上市。相关事项的决策者可能都不知道公司在准备上市，但有些事情可能做得不够严谨。我知道了，就赶快修改。
经济观察报：你在书里写，未来企业的基本单元可能会变成 " 一个 DRI 加一组智能体 "。零一万物自己的组织架构，已经开始往这个方向调整了吗？
李开复：至于公司组织架构的重构，我们其实在成立三周年时就宣布了，我们正在找 DRI。DRI 会是公司里最有机会成为合伙人的人。以后，我们在收入和期权分配上都会向合伙人和 DRI 倾斜，因为这批人会是公司最重要的人。所以，我们是在以身作则地做这件事。在推进这件事的同时，也会慢慢把已有的管理架构拆掉。
我的经理都知道这件事。而且我非常欣慰的是，当我问公司最会用 AI 编程的是谁时，居然有两个是我们的 BP（Business Partner，业务伙伴）。这样的话，我就知道，我们的人不只是信息传递者，也不是只负责人类员工管理的管理者。这两种人在未来的架构里是没有用的。
所以，我们作为一家 AI 公司，必须成为 AI-native（AI 原生）的公司，必须率先推进这些改革。在我建议传统企业进行这一系列改革之前，我一定要自己试过、尝过，然后优化过，才能把这种理念，还有这种产品介绍给他们。
经济观察报：从 " 大模型六小虎 " 时期，到现在转向企业 AI、对标 Palantir，零一万物经历了不小的变化。这个过程中，最难的一次组织调整是什么？有没有一些过去很重要的岗位或管理方式，后来发现已经不再适合了？
李开复：其实最难的过程，就是让所有员工相信我。
我自己是因为相信，所以看见。跟着我多年的人，因为对我的信任，所以看见。还有一些人的想法是， " 我尽责地做好，以后出了问题也没办法。"
还有一批人觉得，" 公司怎么转方向了？这好像不是我当初加入的那家公司，我原来做的事情好像已经没有那么重要了。" 于是他们就会离开。
他们的离开其实是 OK 的，优秀人才我都会尽量挽留，同时我也希望大家都有更好更合适的发展。但他们还在公司的时候，这种不认同会影响整个公司的士气。公司里到底有多少人属于第三类，仍然存在不确定性。如果三分之二的人属于第三类，这个公司可能就救不回来了。好在这三类人大概各占三分之一，所以，当第三类人离开后，我们又雇了一批人，公司现在就非常健康且迅捷地往前走。
经济观察报：但也有一种情况：一个人很愿意留在公司，可是他身上的特质，或者他原来担任的管理岗位，已经和现在公司的需求不太一致了。这样的话怎么处理？
李开复：我们对聪明、懂模型的人永远有需求。零一万物 All in toB 之后，我们一直拥有自己的模型训练团队，他们现在都在很好地帮客户训练产业大模型，所以没什么问题。
只是，一个从事 AI 技术、算法和模型研究的人，他愿不愿意为客户训练模型，还是觉得 " 天生我材，我就要训练一个世界第一的模型 "。如果是这样的话，那他可能不得不遗憾地离开。我们也会给他很好的推荐，让他进入最能完成自己梦想的公司。
经济观察报：如果以后 AI 已经能看完公司的业务数据，主动发现问题、追踪任务，甚至推动执行，那企业是不是根本不需要开这么多会了？
李开复：这个问题问得很好。我觉得现在的会确实过多。但是你讲的这个目标，不需要刻意推动，它就会自然实现。因为当企业里的 AI 员工占到四分之三时，AI 员工是不开会的，所以我们开的会自然就会减少。
经济观察报：所以，你的目标是企业里的 AI 员工占到四分之三？
李开复：有些公司可能占到 99%，一个 OPC（one-person company，一人公司）可能就一个人；有些公司可能是重服务型的，AI 员工可能只占三分之一。我觉得每个公司会不一样。
经济观察报：哪些会议可能最先消失？反过来，哪些事情无论 AI 知道多少，大家还是得坐到一起，当面讨论来作出决定？
李开复：纯粹传递信息的会、纯粹供大家表现的会，这两种最需要消失。因为当公司变得更加扁平后，就没有那么多信息需要传递了，而且可以通过邮件、飞书等更好的工具来传递。
现在最大的问题，是很多会议是表演型的。我们有一个合作伙伴，我去见他的时候，他找了一批中层管理者。每个人都觉得：" 我必须说五分钟，让开复老师知道我很有见解。" 但是，如果他们真的有见解，我也愿意听，可他们并没有。所以就变成了一个表现型、表演型的会议，这种会议是最没有意义的。因为那些最觉得自己需要表演的人，其实往往没有真才实学。所以我觉得，这种会议也可以消失。
还有一些纯粹谈执行的会议也可以减少，因为 AI 将成为以后的主要执行力量。可能需要的，还是谈人的会议、谈战略的会议，还有需要作出决策的会议。战略会议也需要 AI 帮助做功课，做好背景研究。所以，这一部分会议还是有必要存在的。
经济观察报：你在新书里提到，未来的员工都可以成为 " 个人贡献者 "。但 AI 现在最先接手的，往往也是年轻人过去入行时做的工作，比如整理资料、写会议纪要、做基础分析、写简单代码。如果这些初级工作都交给 AI，会不会让年轻人失去熟悉行业、慢慢形成判断力的过程？
李开复：在少数行业有这个风险，但是大部分行业，我觉得并不会。因为我更倾向于把工作分成两种：一种是执行，一种是决策。人本来就是要做决策的。如果要做决策，你首先要了解执行过程。你可以去问那些负责执行的 AI，跟它们学，为什么一定要自己苦苦地去做呢？
比如说，你要成为一个首席财务官，真的要帮员工填所有的报销吗？这真的对首席财务官有帮助吗？并不会。新人需要掌握的能力是在动态变化中的。有了 AI，企业不再需要新人作会议纪要，不代表企业就不需要新人了。我们反而可以让很会用 AI 的新人去做更有价值的事情，获得更大的成长。如果有一些工作是 AI 可以做的，但是人必须自己做一次才能成长，那我们也可以让人跟 AI 一起来做。
经济观察报：零一万物现在还招应届毕业生吗？你希望他们从基础工作做起，还是一进公司就要学会带领智能体干活，对一个完整的结果负责？
李开复：会的。我们今年从某所高校的国际学院招了四位。
经济观察报：招他们的判断标准是什么？
李开复：他们都可以成为 DRI，因为这个学院基本就是 DRI 的 " 黄埔军校 "。
经济观察报：你可以具体讲讲，为什么他们有这种特质吗？
李开复：因为这所学校的招生标准，就是看一个人的独立性、判断力，以及是否已经做成过一些事情，而不只是看学习成绩。
经济观察报：招聘的时候，你怎么判断他们有这种能力？还是只是相信这个学校？
李开复：我们有多轮招聘，当然也还是要求应聘者有能力、有才华。但是我会去了解：过去你做成了这件事情，是怎么做成的？是因为你老爸的公司给了你机会，还是因为你碰了运气，还是因为你看到了一个机会，积极主动地去争取？
这件事情之所以能够做成，是因为你所在的位置和你的公司，还是因为有你才能做成？这些是我想理解的。
经济观察报：所以，他们进入公司之后，就可以带着智能体产出一个完整的结果，并对此负责，也就是你所说的 DRI？
李开复：他们还在等待入职。是的，他们是第一批。
经济观察报：你设想未来公司里会出现很多 " 微型 CEO"。但如果每个 DRI 都能带着智能体快速发起项目、调动资源，公司内部的竞争可能也会变得更激烈。这会不会让企业变成一种 " 超强赛马 " 模式：项目更多、速度更快，但争资源和协调冲突也更频？
李开复：不会，完全不会。因为公司的资源过去是有限的：你多要十个工程师，其他项目可能就少十个工程师。现在，这种资源近乎是无限的。只要做的东西有意义，token 可以随便用，但要负责任地用。
公司的管理也会有 AI 来帮助，确保这些 DRI 做的事情不重复。所以不会出现赛马，除非我们刻意安排赛马。比如，一个问题有两种解决方法，AI 不知道哪种更好，我们也不知道，这个时候就可以赛马。但它不是那种很残酷的人与人的赛马，而是一种非常理性的安排：大家都不知道哪种方法更好，而且这件事情对时间的要求很高，所以两种方法各做一遍。它更像一个 A/B test（A/B 测试），而不是赛马。
经济观察报：AI 最后会让 " 一号位 " 管得更少，还是管得更多？更累了？
李开复：我不会管得更多，但肯定会管得更深更准，作出更正确的决策，挖掘出更多风险。但是，我不会把更多时间花在这类事情上。我会用百分之七八十的时间，达到 300% 至 400% 的效果。
经济观察报：这是怎么做到的？
李开复：因为过去很多事情是徒劳无功的。我安排一场会，结果发现原来不是我想的那回事；我批评一个员工，结果发现错怪他了。这一类的事情过去比较多，现在就很少。
经济观察报：你推崇 " 一人公司 "，认为 AI 能让很小的团队完成过去几十个人才能完成的工作；另一方面，零一万物现在对标的 Palantir，却是一家需要大量工程师深入客户现场、长期做交付的 " 重公司 "。AI 可以让研发和内部执行变轻，但理解客户、建立信任最后推动系统真正落地，似乎还是很 " 重 "。你觉得未来典型的公司会越来越小，还是会变成 " 小核心团队加上庞大交付网络 " 的新形态？
李开复：我们确实在大量招聘 FDE（Forward Deployed Engineer，前沿部署工程师），也就是派遣到客户现场的工程师，这是必须的。因为我们的产品虽然已经实现产品化，也采用订阅制，但它并不是一个即插即用的产品。
建立一家公司的 Ontology（本体）需要一至三个月。公司的数据库、角色和流程都要做好，客户才能拿到充分的结果。零一万物内部已经做好了，我现在只是在享受的过程中；但是搭建的过程，还是需要若干名工程师花几个月时间才能完成。
所以，如果你把这个叫作 " 重 " 的话，那它可能是 " 重 " 的。但是，相比一家企业自己用手搓，三百个工程师花十个月，做出一个只有 Palantir 一半好的系统，那才叫作重。
经济观察报：目前看，AI 到底会削弱大公司的规模优势，还是让头部企业更强？
李开复：如果头部企业有更多数据，它能够利用这个机会，用决策中枢形成一个闭环，让它的 AI 越跑越聪明，这是最大的护城河。公司大小倒不是关键，大公司、小公司都可以做到。
大公司的优势是，它可能确实更懂行业，做成闭环的概率也更高。它可能手中有一些 captive customers（被锁定的客户，也就是 " 跑不掉的客户 "），这是它的优势。但它的劣势是组织转变起来很慢，而且需要把中层管理者、老师傅的能力沉淀下来，这会让它跑得更慢。所以我觉得，小公司、大公司都有机会。
经济观察报：从现在来看，国内基座大模型的竞争格局是不是已经尘埃落定了？
李开复：没有。我觉得现在有三家似乎跑在前面，都是比较强的、重的模型，但是推理也很好。我们都试用过，觉得都很棒。但是另外几家也是不容忽视的。
我觉得阿里的长期投入、字节的人才密度，还有腾讯最近也跑得很快，都说明竞争格局没有尘埃落定。我今天算了一下，有 11 家还在大量地烧钱、努力地做基座大模型，其中我觉得应该有八九家实力都很强。最终不可能都跑到最后，所以还要看它们接下来几个阶段的表现。这个竞争还是蛮残酷的，因为一旦掉队，就彻底掉队了。
