腾讯姚顺雨汤道生对谈：AI是长期游戏，Co-Design定胜负

背景

2026年6月5日，在2026腾讯云AI产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群（CSIG）CEO汤道生与腾讯AI首席科学家姚顺雨进行了公开对谈。姚顺雨此前从OpenAI加盟腾讯，曾参与Operator、Deep Research等前沿Agent产品的开发。

此次对谈不仅是一次高管亮相，更是外界窥探腾讯AI战略的核心窗口。面对外界关于“腾讯做AI是否太慢”的质疑，以及AI技术从“方法论创新”转向“应用落地”的行业背景，腾讯试图厘清在AI下半场中，如何定义问题、如何协同模型与产品，以及如何通过Agent技术实现规模化落地。

核心内容

AI下半场的核心是“找对问题”

姚顺雨将AI发展划分为两个阶段。过去几十年，AI聚焦于方法论创新（如AlphaGo、机器翻译），每个任务需单独设计模型。随着预训练和大模型的兴起，通用方法论成为现实，技术能力不再是瓶颈。现在的难点在于“找对问题”。

他比喻道，预训练和后训练技术如同“万能锤子”，真正的挑战是如何寻找值得解决的“钉子”。腾讯的优势在于拥有海量真实场景（社交、搜索、办公、代码开发等），这些场景提供了两样宝贵资源：一是价值落地的土壤，二是模型所需的Context（上下文）。真实用户交互数据既是训练模型的“燃料”，也是定义问题的“地图”。

模型与产品的Co-Design（协同设计）

在AI时代，产品形态从功能固定的“预制菜”转向开放式、自然语言驱动的服务模式。汤道生指出，产品方无法预知用户提问，因此必须利用模型的推理与工具调用能力应对无限需求。

姚顺雨分享了混元团队与腾讯元宝合作的案例：在预训练模型未完全成熟时，团队优先投入最强后训练骨干助力元宝打磨产品、稳定DAU。这种“先为产品着想”的策略建立了算法与产品团队间的信任。

双方强调“对齐”的重要性：

• 共识机制：产品经理、算法工程师、数据标注团队需在体验期望、判别机制、评测标准（Eval）上达成共识，否则模型行为将不可预测。
• 真实世界Eval：姚顺雨批评为了“刷榜”的评测，指出公开榜单题目通常精确、长描述、单轮提问，而真实用户提问模糊、多轮追问。只有基于真实产品场景和用户提示词分布的Eval，才能发现模型底线问题并驱动改进。
• 数据回流：通过Preview模型获取真实世界反馈，修复榜单中未发现的问题，并从中获得灵感（如Context learning），反哺模型研发。

发布“效率智能体工具集”，打通落地最后一公里

大会当天，腾讯云发布了覆盖20余个垂直场景的“效率智能体工具集”，旨在解决Agent规模化落地问题。

• 个人侧：升级了QClaw、WorkBuddy、腾讯元宝、ima、腾讯文档等“开箱即用”工具。
• 企业侧：发布WorkBuddy企业版AI工作台，升级ClawPro、腾讯云智能体开发平台（ADP）、企点营销云等。

汤道生总结了腾讯的三大核心能力支撑落地：

1. 场景联接能力：通过微信、企业微信、元宝等高频触点，将大模型嵌入真实业务流。
2. 工程驾驭能力：依托完整的Harness体系、AI Infra（高速网络、高吞吐存储、高性能Agent Runtime），保证GPU高利用率及Agent稳定运行。
3. 模型驱动力：依托混元大模型和Co-Design，兼顾实用性、性价比和ROI。

以找钢网为例，其自研AI平台遭遇瓶颈，后借助腾讯云ADP前身LKE（知识引擎）快速构建工具，实现了找货、问行情等场景的自动化。ADP升级后新增Claw模式，支持Agent与Workflow双向互调：确定性流程由Workflow处理，不确定性部分唤起Agent，满足ToB业务对SOP标准化的需求。

AI是一场“长期游戏”

面对“腾讯是否慢了”的质疑，汤道生坦诚承认在多业态公司中，部分领域动作可能不够快，且有探索失败的项目。但他强调，前沿技术探索不能用短期KPI评判。

姚顺雨将当下的AI比作70年代的PC，认为还有很多事情需要做。腾讯的耐力源于其丰富的场景。这场长跑的胜负不在于一时领先，而在于持续迭代、诚实面对反馈并保持耐心。

关键要点

• 战略转型：AI下半场的核心难点从“技术能力”转向“问题定义”。腾讯利用其丰富的产品场景提供真实数据和Context，作为定义问题和训练模型的基石。
• Co-Design理念：模型团队与产品团队需深度融合而非简单API调用。通过“先产品后模型”的信任建立机制，以及基于真实用户反馈（而非榜单刷分）的评测体系，实现模型能力与用户体验的对齐。
• Agent落地策略：发布“效率智能体工具集”，通过“场景联接+工程驾驭+模型驱动”三位一体能力，解决Agent落地的稳定性与成本问题。
• 技术架构升级：腾讯云ADP平台引入Claw模式，支持Agent与Workflow双向互调，平衡ToB业务中流程的确定性与智能体的灵活性。
• 长期主义视角：腾讯承认在AI探索中存在滞后和失败，但主张以“长期游戏”的心态，依托海量场景优势，通过持续迭代和耐心投入，在AI基础设施与应用生态中建立护城河。

意义与影响

此次对谈揭示了头部互联网大厂在AI大模型热潮退去后的理性回归。腾讯不再单纯追求模型参数的领先，而是强调“模型-产品-场景”的闭环能力。

1. 重新定义AI竞争力：腾讯提出“找对问题”比“拥有锤子”更重要，暗示了未来AI竞争的关键在于垂直场景的深度理解与数据闭环能力，而非单纯的通用模型能力。
2. 推动Agent工程化标准化：通过ADP平台支持Agent与Workflow互调，为ToB领域提供了可落地的Agent开发范式，有助于降低企业使用AI智能体的门槛，加速AI在生产流程中的标准化嵌入。
3. 确立“长期主义”行业基调：在外界普遍焦虑于AI速度时，腾讯高管公开承认“慢”并强调“长跑”，有助于引导行业从短期KPI导向转向长期价值创造，关注真实用户反馈和数据回流对模型迭代的实质性贡献。
4. 生态协同效应：通过微信、企业微信等超级入口与AI能力的深度绑定，腾讯试图构建一个从底层算力、模型训练到上层应用开发的完整AI生态，巩固其在产业互联网领域的优势地位。