截至 2026-06-16T15:08:22Z UTC，观看李开复 2025 年 12 月斯坦福演讲的有效方式，应当从人物侧写移开，转向一个紧凑的竞争论点：中国 AI 的复利位置，除了更大的模型，也在于更快地把模型能力推进可用应用、公司工作流和消费者习惯之中。[1][2]

斯坦福活动页面把这场讨论放在中国 AI 创新与领导力语境里，介绍李开复的身份是 01.AI 创始人、创新工场董事长兼 CEO。[2] 这个语境重要，因为演讲同时落在三个角色的交界处：研究者、投资人和运营者。李开复并非只从外部描述中国市场。他也在为 01.AI 这类公司的运营判断辩护：基座模型带来突破，真正持久的竞争，要在这些模型被包装成真实用户会使用的产品时展开。[2][3]

这段视频值得注释，因为它能避免 ai-china 覆盖滑向榜单观光。围绕 01.AI 的公开证据同时呈现了论点的两面。Yi 模型材料描述了开放的双语基座模型、长上下文变体、多模态扩展，以及经由 GitHub、Hugging Face、ModelScope 和 API 平台进行的开发者分发。[3][4][5] 同一家公司的官网把 Wanzhi 呈现为个人 AI 工作空间，并称 AI 2.0 将重写软件和用户界面，产生 AI-first 应用和由 AI 赋能的商业模式。[3] 从演讲与配套材料中可以推得，李开复最强的主张关乎跨层速度：模型、工具、工作流、界面和商业习惯要一起缩短距离。

图片语境：封面使用李开复 2019 年在 IxDA 演讲的真实照片。这里适合使用演讲者摄影，因为文章讨论的是一位具名运营者的公开战略论述，重点不在某张特定基准图表或生成式 AI 视觉。[6]

首先要看到的是应用框架

斯坦福的活动框架让观看者预期一场关于中国 AI 发展如何塑造全球趋势的演讲，尤其是亚洲范围内的趋势。[2] 这个范围比单一 01.AI 产品推介更宽，也解释了李开复为什么反复回到应用逻辑。中国 AI 问题的核心，并不止于某一家实验室能否短暂追上某个前沿基准。它还关乎许多能力已经足够的模型，能否迅速进入阅读、写作、编码、会议工作、搜索、客服、教育和企业运营工具。

01.AI 自己的英文网站把这种产品框架讲得格外清楚。网站列出 Wanzhi 作为个人 AI 工作空间，又把它与支持多个 Yi 模型和 Yi-VL 多模态分支的 API 平台放在一起。[3] 这种并置在战略上很有信息量。一条路径通向需要 API、模型访问和商业授权的开发者与企业应用团队。另一条路径通向终端用户，他们体验到的是一个工作空间，模型名称退到背后。

这就是对视频的第一条有用注释：这里的“中国 AI”应当被视为一套应用速度论。模型层仍然重要。缺少足够强的双语、长上下文和多模态系统，应用包装就会变薄。但这套论证的重心落在转化路径上。一个团队能否在市场、平台或模型基线再次变化之前，把模型转成工作流？

围绕模型讨论，开放供给是一种分发策略

Yi 的 GitHub 仓库把 Yi 系列描述为 01.AI 从零训练的开源大语言模型，并定位为基于 3T 多语种语料训练的双语系统。[4] arXiv 技术报告进一步补齐了这项主张的结构：6B 和 34B 基座模型、聊天模型、200K 长上下文扩展、深度扩展变体，以及视觉语言模型。[5] 这些细节不只是研究清单。它们显示出，开放供给为什么会成为一家年轻中国模型公司的策略。

开放发布有助于初创公司吸引开发者、获得外部测试，也让模型家族在本土产品表面之外更容易被理解。它们还降低了下游应用团队的实验成本。一家公司可以试用模型、查看示例、调整假设，并在进入托管路径之前比较行为。在 AI-China 语境里，这一点很重要，因为中国模型公司经常要与云、应用和流量资产更强的大型平台公司竞争。

边界同样重要。开放模型不会自动生成业务。它们生成的是漏斗。只有当开放分发进一步带来使用、声誉、企业信任或产品循环时，李开复的应用速度论才能变得持久。模型卡可以把开发者带到门口。产品还要给开发者或客户留下来的理由。

长上下文问题本质上是文档工作问题

Yi 技术报告里的长上下文部分，容易被读成规格竞赛。200K 上下文窗口听上去像一个标题数字，而标题式上下文数字老化得很快。更有用的读法是功能性的。报告描述了将 Yi 基座模型扩展到长上下文，并提到一种文档问答数据格式，用来鼓励模型使用输入内容，减少对内部记忆的松散依赖。[5]

这与应用框架相吻合。长上下文的价值在于它改变任务：阅读财务报告、消化会议记录、比较政策、概括一本书、重建客户历史，或者基于源材料准备幻灯片草稿。01.AI 对 Wanzhi 的定位也指向同一方向，它把产品描述为用于阅读和创作的工作空间。[3] 产品问题不是“模型能接收多少 token？”产品问题是“助手能否足够长时间地贴着源材料工作，让人信任输出？”

在这里，中国 AI 应用速度同时会产生优势与风险。快速包装能让模型迅速进入工作流，但文档工作会惩罚松散交接。工作空间如果在缺少可追溯性的情况下做摘要、在缺少来源纪律的情况下起草、在改写时没有保留意图，生产力主张就会坍缩成复核负担。把这条约束一并放进去读，李开复的论点才更完整：速度重要的前提，是工作流仍可审计。

持久信号是更短的模型到软件循环

带着这条循环重新观看演讲。持久信号并非某位创始人对中国 AI 持乐观观点。持久信号在于，中国 AI 公司正在竞争着缩短模型发布、开发者采用、产品表面和商业使用之间的距离。01.AI 的公开材料展示了这条循环的组成部分：开放 Yi 模型、强调双语训练、长上下文与视觉语言能力、API 平台、商业授权，以及作为应用工作空间的 Wanzhi。[3][4][5]

这不能证明 01.AI 或任何单一中国 AI 公司拥有下一个应用平台。它确实让评估这场竞赛的方式更清楚。少看单张基准表，多看模型能力是否正在转成可重复的软件习惯。API 是否容易采用？重来源的工作流是否可信？消费产品能否隐藏模型复杂度，同时保留证据？企业部署是否获得足够治理，从试点之后继续运行？

李开复的斯坦福演讲有用之处，在于它把这种评估框架放到可见处。中国 AI 应当被读作一套发布速度、包装速度和采用速度构成的系统。模型是引擎，应用循环决定这台引擎进入工作，还是停留在演示之中。[1][2][3]

来源

1. 斯坦福活动录像，“251202 Dr. Kai-Fu Lee on How the Rise of AI in China Can Benefit the World”，YouTube 视频。
2. Stanford Center for East Asian Studies，“How the Rise of AI in China Can Benefit the World with Dr. Kai-Fu Lee, Founder & CEO, 01.AI”（活动页面，2025 年 12 月 2 日）。
3. 01.AI，英文公司与产品页面，介绍 Wanzhi、Yi API 平台、Yi-VL、Yi 基座模型，以及 AI-first 应用框架。
4. 01.AI，01-ai/Yi GitHub 仓库，介绍 Yi 开放模型家族、双语模型框架、模型分发与开发者材料。
5. 01.AI，“Yi: Open Foundation Models by 01.AI”（arXiv 技术报告；涵盖模型家族、200K 上下文、视觉语言扩展与基础设施说明）。
6. Wikimedia Commons，“File:2019 0405 16370000 IxDA 19 San Francisco.jpg”（作为文章图片来源的李开复真实照片）。