李开复：从 Sphinx 到零一万物的三十年四次转身
把李开复只写成“Google 中国前总裁”，会漏掉他职业轨迹里更有解释力的一部分。他横跨研究、跨国科技公司、研究机构建设、风险投资和大模型创业。几次转身真正连在一起的，是他不断改变技术落地方式：先做系统，再建组织，随后配置资本，最后重新承担产品和商业结果。
到了 2026 年，最新的问题也很具体：零一万物转向企业“决策 AI”以后，过去擅长的技术判断、组织搭建和产业连接，能否变成客户持续付费的结果？产品发布只能证明方向，不能替商业成效作答。
Sphinx 让研究履历有了可核的重量
1988 年，李开复在卡内基梅隆大学取得计算机科学博士学位。博士阶段的代表工作 Sphinx，由他与研究员 Roberto Bisiani 开发，导师是 Raj Reddy。CMU 的技术史记载，这套系统能在当时的硬件上实时处理非特定说话人的连续语音；Sphinx-1 在 1000 词任务上的词识别准确率约为 90%。
按今天的语音产品标准，这个数字并不惊人。放回 1988 年，它证明的是另一件事：自然速度、连续语音和不同说话人的变化，可以被压进一套真正跑得起来的工程系统。
李开复的起点因此不只是“做过 AI 研究”。他很早就在同时处理算法、工程实现与可用系统，这种取向后来反复出现在他的职业选择里。
Apple、SGI、Microsoft：从产品走到机构建设
微软 1998 年 7 月的公告写明，李开复加入 Microsoft Research 时任 Advanced Interactive Systems 负责人。公告同时回顾，他此前是 SGI 旗下 Cosmo Software 总裁。更早的六年在 Apple 度过，最后担任 Interactive Media Group 副总裁，参与 QuickTime、QuickDraw 3D、QuickTime VR 和 PlainTalk 等产品与技术。
同年 11 月，微软在北京设立其亚洲第一家研究机构 Microsoft Research, China，由李开复领导。微软亚洲研究院保留的机构沿革显示，研究院在 1998 年 11 月成立，李开复任首任院长，2001 年更名为微软亚洲研究院。
这一步的长期影响，不只是多了一个高管头衔。建立研究机构要招人、定方向、连接高校，并把跨国公司的研发资源放进中国本地人才体系。李开复在这一阶段更像机构建设者，而不只是技术经理。
至于他为什么从 Apple 去 SGI，又为什么从 Microsoft 去 Google，职位和年份并不能自动证明动机。没有当事方同期材料，就不必把每次离职补成性格故事。
Google 中国把角色推到公司运营
CMU 2008 年的人物资料记载，李开复 2005 年加入 Google，担任 Google 副总裁、Google 中国创始总裁，负责中国的工程、产品开发和公共事务。
从微软研究机构到 Google 中国，他的职责已经从技术管理扩到本地产品、团队和公司运营。Google 中国经历很重要，却不能单独解释他的行业影响：前面有研究和研究机构，后面还有投资与创业，这几种角色互相放大。
2009 年，李开复创办创新工场。此后，他不再只直接管理一支产品或研究团队，而是通过资金、孵化和人才网络影响更多创业公司。2018 年出版的 AI Superpowers: China, Silicon Valley, and the New World Order，又把他的公众角色推向全球商业读者。
与阿里的公开事实是合作和人员流动
2023 年 5 月，李开复创办零一万物。公司当前把业务重点放在企业级解决方案、行业智能体和轻量化产业大模型。
2025 年初，零一万物与阿里云成立产业大模型联合实验室，部分模型训练和基础设施人员发生流动。关于人员范围，不同采访的说法并不完全相同。
《智能涌现》对李开复的采访中，他说联合实验室由阿里主导，部分愿意继续做超大模型训练的成员会与阿里深度整合；当被追问这些成员究竟进入阿里还是留在零一万物时，他没有披露更多细节。《晚点 LatePost》的报道则称，大部分训练和 AI infra 团队会加入联合实验室并成为阿里员工，同时援引李开复否认公司寻求被收购。
能够确认的是联合实验室和团队调整确实存在。公开材料没有显示阿里收购了零一万物；股权、资产、费用和具体劳动关系没有披露的部分，也不能靠外部猜测补齐。
“决策 AI”要过的是业务关
2026 年 7 月，零一万物发布“一号位 AI”产品矩阵，包括老板 AI、销冠 AI 和投资官 AI，分别指向企业经营、收入增长和资本配置。公司现行页面还列出万策平台及万智企业大模型平台。
从“帮员工写文档”走到“帮管理者做决定”，听上去位置更高，也把验证门槛抬高了。首先要看它进入了谁的哪一个决定。CEO、销售负责人和投资负责人承担的责任不同；如果系统最终只生成一份通用分析报告，它仍然没有进入真正的决策流程。
其次是数据。财务、CRM、供应链、客户和外部市场数据来自不同系统，权限、更新频率和统计口径并不一致。模型能否拿到可靠数据，往往比回答是否流畅更重要。
输出还要能追溯。管理层需要知道结论用了哪些事实和假设，哪里缺数据，谁批准执行。效果也不能只看节省了多少写报告的时间，而要回到转化率、毛利、库存、现金流或其他业务指标。
这些问题给“产业决策 AI”划出了一条实用界线：只展示模型能力和界面，它仍是工具；数据接入、决策依据、责任链和结果评估都能闭环，才更接近企业核心系统。
过去的履历不能替最新转型提前交卷
从 Sphinx 到 Apple、SGI、Microsoft 和 Google，再到创新工场与零一万物，李开复反复更换的是施加影响的方式：研究成果、技术组织、资本网络，再到创业公司的产品与商业结果。
评价最新一次转型，也该用它自己的证据。Sphinx 有技术史，微软中国研究院有机构沿革，创新工场可以看长期投资结果；“决策 AI”最终要看客户怎样使用、改变了什么决定、由谁负责，以及经营指标是否真的改善。
这些证据出现以后，零一万物才算完成了从大模型到核心业务系统的跨越。在那之前，“一号位 AI”是一套值得观察的产品主张，还不是已经得到证明的结果。
拓展阅读
阿里千问核心人员离职：有组织重排证据，没有“开源退场”证据：同版块的站内帖，同样围绕 阿里，往深里读接这一篇。
美国1260H涉军清单2026：阿里风险不是噪音，但也不是全面制裁：同版块的站内帖，本文这条线往深里读接这一篇。
Meta 2026 AI 数据中心核验：自建没停，液冷已落地…：同版块的站内帖，同样围绕 落地，往深里读接这一篇。
新闻组、论坛、微信群、算法流：三十年里，海外华人换了四代说话的地方…：资料库·加拿大的职业帖，另一条线上和 三十年 挨着的一篇。
排期教了三十年：EB-3 中国的队一年往前挪不到一年…：资料库·加拿大的签证帖，与本文相邻的一条线。