企业 AI 落地两年，客服和办公场景已经卷成红海，但 CEO 级别的经营决策几乎没被 AI 触及。零一万物刚发布三款面向一号位的决策 AI，试图填补这个空白。

 

一个场景可以帮助理解零一万物正在做的事：周一早上，一位 CEO 打开系统，看到的不再是 BI 仪表盘上那些滞后的收入曲线和成本占比，而是 AI 基于上周所有管理会议纪要、销售跟进记录、客户反馈和项目进度，综合生成的三条风险预警和两个机会信号——并且标注了判断依据、责任归属和建议行动。

这是零一万物 7 月 7 日发布的「老板 AI」想要实现的产品形态。同日发布的还有销冠 AI 和投资官 AI，三款产品被统称为「一号位决策 AI」，分别面向经营一号位、销售一号位和投资一号位。

零一万物创始人、CEO 李开复博士

李开复用了一个比喻来解释为什么这件事难做：「企业即使雇到一位非常聪明的清华毕业生，他第一天也无法立刻做出高质量判断，因为他不了解公司。」光有强大的大模型，并不等于拥有决策能力。决策需要理解组织架构、业务目标、权责关系、历史决策和实时状态——这些东西散落在 CRM、ERP、OA、会议系统、财务系统和各种即时通讯工具里，没有任何一个现成系统能把它们串起来。

企业 AI 的两年成绩单：执行层热闹，决策层空白

过去两年，大模型快速进入企业场景。智能客服、知识库问答、办公助手、会议纪要、代码生成——这些应用确实在提升个人和团队的执行效率。但一个尴尬的现实是：对 CEO 而言，最关心的那些问题几乎没有被 AI 触及。

Q2 收入目标能不能完成？哪个大客户正在流失？哪条业务线偏离了年初定的战略方向？哪个项目会拖累现金流？这些问题跨越多个部门、多个系统，需要综合判断而非单点查询。传统 BI 告诉管理者「发生了什么」，ChatBI 能回答「某个指标是多少」，RAG 能找到「相关资料在哪」，但没有工具能回答「正在出现什么信号、为什么值得关注、应该推动谁做什么」。

零一万物产品负责人姚璨把这个逻辑概括为一个框架：财报改善 = 执行效率 × 决策质量。过去两年行业集中解决了等号右边的第一项，第二项几乎是空白。

零一万物产品负责人姚璨

从全球视角看，这个方向并非零一万物独创。Palantir 的 AIP 平台正在帮美国企业客户将大模型接入业务决策流程，Salesforce 的 Einstein 也在尝试让 AI 参与销售预测和客户流失判断。但在中国市场，企业 AI 仍然高度集中在客服和办公场景，决策层的产品化尝试刚刚开始。

三款产品切三个决策场景：经营、销售、投资

老板 AI 面向 CEO 和经营负责人，核心逻辑是四步闭环：看信号、做判断、推行动、拿结果。它汇总会议纪要、即时沟通、销售记录、客户反馈、项目进度、财务数据等多元信息，捕捉尚未体现在报表中的经营异动；基于企业上下文生成决策建议，判断风险与机会的优先级和责任归属；将判断拆解为任务、会议和责任跟进，建立「承诺账本」追踪执行；最终持续评估行动效果对收入和现金流的影响。

李开复举了一个他自己的使用场景：「基于上周所有管理会议，尤其是我没有参加的会议，有哪些风险是我必须知道的？」系统会给出风险判断、说明依据并展示相关证据。他表示自己是老板 AI 的每日用户。

销冠 AI 面向销售负责人，试图把 CRM 从「记录系统」升级为「收入增长系统」。传统 CRM 记录客户、线索、商机、合同和回款，但真正影响赢单率的关键信息——客户沟通中的情绪变化、竞品动态、决策链变动——往往散落在销售个人经验中。销冠 AI 围绕客户、需求、方案、合同、交付、回款等环节建立共享商机上下文，让销售、解决方案、交付、财务等多角色基于同一事实协同推进。它还为销售管理者提供 Top 5 干预事项、AI 终局预测、风险证据链等能力，帮助更早识别高风险商机。

投资官 AI 面向投资负责人、CFO 和基金管理机构，通过多智能体模拟投委会协作。系统设定市场、行业、产品、技术、财务、法律、风险等不同角色的专家智能体，从各维度分析投资标的；一个专门的「唱反调」智能体负责质疑营收假设、估值合理性和退出路径；最终由主席智能体综合各方观点形成结构化建议。据零一万物介绍，创新工场 17 年的投资经验已被融入这套系统的知识体系中。

三款产品的底层支撑是零一万物的「万策平台」，承担企业本体构建、多源数据接入和智能体编排等基础能力。

自己当小白鼠：5 倍订单额增长背后的验证逻辑

零一万物选择了一条「吃自己狗粮」的验证路径。据零一万物内部数据，在应用一号位 AI 相关能力后，公司实现了 5 倍订单额增长，商机转化率提升 2 倍。这组数据的具体基数、时间窗口和覆盖业务范围，目前尚未对外披露完整口径，但它至少说明零一万物愿意把自己的核心业务押在这套产品上。

据零一万物透露，老板 AI 已获得数个战略级国际客户的合作，包括亚洲制造领域的头部企业，初期旗舰客户已进入交付和部署阶段。由于保密协议限制，具体客户信息暂未公开。

这里有一个值得追问的核心问题：自用有效，能否复制到外部客户？决策 AI 的落地门槛比执行层工具高得多——它需要打通企业内部多个系统的数据，需要管理层的信任和配合，效果验证周期也更长（可能需要一到两个季度的财报周期才能看到结果）。这是整个「一号位 AI」故事能否从单点实验变成行业趋势的关键变量。

企业 AI 下半场的押注：谁能坐上决策牌桌

回到更大的产业图景：企业 AI 正在经历一次关键分野。上半场的竞争围绕执行效率展开，玩家众多，场景同质化严重，价格战已经开始。下半场的竞争将围绕一个更难的问题展开——谁能进入决策层，谁的 AI 能真正影响企业的收入和利润。

零一万物的押注是：通过一号位工程，进入企业核心业务场景，以企业本体、动态上下文和多智能体协同构建企业级业务理解能力，再通过万策 AI 与一号位 AI 产品矩阵交付决策价值。李开复在发布会上将这个方向与 Palantir 做了类比——Palantir 的核心能力正是帮助组织在复杂环境中做出更好的决策，而非简单的数据可视化或流程自动化。

不同的是，零一万物更强调从中国企业的一号位场景切入，让 AI 直接服务经营、销售、投资等关键决策。

这个定位能否成立，最终取决于一个朴素的检验标准：外部客户用了之后，财报有没有变好。零一万物已经迈出了产品化的一步，但从自用验证到规模化复制，中间还有组织适配、数据治理和效果度量等多重考验。

企业 AI 走上决策牌桌，这场实验才刚刚开始。