腾讯AI下半场：从技术竞赛到场景深耕的系统性重构

背景

2026年6月5日，在腾讯云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CEO汤道生与腾讯首席AI科学家姚顺雨进行了一场深度对谈。此次对话发生在一个充满张力的时间节点：外界对于“腾讯AI是否落后”、“投入是否充足”的质疑声犹在耳，而腾讯内部却在加速推进——“龙虾”系列产品陆续推出，混元Hy3 preview登顶全球调用榜，WorkBuddy实现快速增长，模型、产品与产业落地形成了更为密集的联动效应。

这种外界认知与内部实际进展之间的“错位”，构成了此次对谈的核心语境。这场对话不仅回应了市场关切，更系统地梳理了腾讯对AI下半场的战略判断、组织方法论及落地路径。从理解AI发展阶段，到模型、产品与场景的关系，再到真实问题、Context（上下文）、Agent（智能体）、工程体系与组织能力的整合，腾讯试图展示其如何将AI推向真实场景，而非仅仅停留在技术演示层面。

核心内容

1. 竞争重心转移：从“寻找方法”到“寻找问题”

姚顺雨指出，AI发展的早期阶段，核心任务是寻找研究方法，为特定任务（如翻译、围棋）设计特定系统，此时“方法”是稀缺资源。然而，随着预训练和后训练技术的成熟，大模型逐渐演变为具备通用解决问题能力的“万能锤子”。AI的突破点不再局限于“是否有方法”，而是转向“什么问题值得被解决”。

这意味着AI产业的主战场发生了迁移：当通用方法趋于成熟，真正的稀缺品变为对真实问题的识别、定义及持续解决能力。拥有高频、复杂、真实问题的企业，更有可能训练出有用的AI，并将其转化为产品而非仅仅是演示。腾讯拥有大量产品和真实问题，且这些产品构成了模型行动的环境，这是姚顺雨加入腾讯并看好其AI前景的关键原因。

2. Context（上下文）成为新护城河

在AI下半场，模型理解用户的能力取决于其获取高质量Context的能力。对于个人用户，Context包括偏好、习惯和历史行为；对于企业用户，则涵盖客户信息、业务流程、组织知识、权限体系及历史数据。缺乏Context，模型只能给出泛化答案；拥有Context，模型才能理解“你是谁”、“你在做什么”以及“什么答案有价值”。

腾讯的元宝、企业微信、腾讯会议、腾讯文档等产品入口，若能成为大模型理解用户和业务的Context来源，将形成独特的竞争优势。但这不仅是数据问题，更是产品、工程和协同能力的综合体现，涉及信息筛选、权限控制、数据安全及隐私保护等复杂工程挑战。

3. Co-Design：模型与产品的共生关系

AI产品的开放性、动态性和不可穷举性，要求模型团队与产品团队在更早阶段进行更深层次的共同定义，即Co-Design。与传统软件时代的线性开发流程不同，AI产品研发是一个闭环系统：模型能力影响产品边界，产品数据反哺模型训练，用户反馈修正评估体系。

在后训练阶段，模型需要明确奖励与惩罚机制，这依赖于真实应用的反馈。汤道生强调，AI产品中的“好体验”并非天然清晰，需与产品目标对齐。Co-Design的核心在于建立模型团队与产品团队之间的信任（Trust），双方需换位思考，承认目标的一致性与差异性，共同定义“好”的结果。

4. 评估体系重构：从刷榜到真实世界

过去，大模型行业高度依赖Benchmark（基准测试）榜单。姚顺雨认为，榜单题目通常描述清晰、边界明确，而真实场景中的问题往往模糊、多轮且隐含上下文。因此，对真实世界的评估变得至关重要。

混元Hy3 preview的发布旨在获取真实世界反馈，修复榜单未暴露的问题。模型研发不再仅围绕外部榜单优化，而是基于真实业务场景自建评估体系。不同场景（如搜索、聊天、办公、Coding Agent）需拆解具体能力进行评估和回流，以指导优化方向。

5. 产品开发范式变革：从功能菜单到意图入口

传统产品像“预制菜”，用户通过菜单点选功能；AI产品则更开放，用户通过自然语言表达意图，产品需理解意图、拆解任务、调用工具并生成结果。这要求产品经理从“功能设计”转向“智能行为设计”。

AI产品需决定何时追问、何时拒绝、何时调用工具、何时提示不确定性等。其边界由模型能力、工具系统、Context质量、权限控制和评测体系共同决定。这不仅是增加一个聊天框，而是重构产品与用户的关系。

6. Coding Agent：通用Agent能力的试验场

作为ReAct框架的提出者，姚顺雨认为Coding Agent不仅是垂类工具，更是验证通用Agent能力的试验场。当模型能控制文件系统、调用工具、运行代码并观察错误时，它进入了一个相对完整的任务环境。

Coding Agent需要长程规划、工具调用、错误修复、多轮推理等能力。这些能力成熟后，将迁移至办公、科研、企业流程等更多场景。腾讯的CodeBuddy（面向开发者）和WorkBuddy（面向办公人群）体现了这一共同演进方向：让模型从“回答问题”走向“完成任务”，在真实环境中实现闭环。

7. 重新审视Token成本：关注任务闭环成本

随着Agent执行复杂任务，Token消耗上升，引发了用户的“Token焦虑”。姚顺雨指出，Token的性价比首先取决于能力表现。一个能一次做对任务的强模型，可能比便宜但反复失败的模型更具成本效益。

企业应计算完成一次可靠业务闭环的总成本，包括模型调用、人工修正、重试、等待及风险成本。AI下半场的成本竞争不是简单的价格战，而是围绕“稳定完成任务”的系统效率竞争。中国团队在成本优化（如小模型高价值任务、架构创新、长文管理）上有优势，但前提是模型必须足够可靠。

8. AI原生产品的组织变革：小团队、高试验、Low Ego文化

腾讯WorkBuddy团队采用扁平化结构，由三五人小团队攻坚，强调快速试验和容忍试错，这与传统互联网产品的成熟流程不同。AI原生产品不确定性更强，需通过试错验证有效性。

工程师角色也在变化，核心价值从亲自写代码转向理解需求、设计架构、驱动多个Coding Agent及参与评测。组织趋向角色融合：产品经理需懂模型边界，工程师需有产品判断。此外，姚顺雨强调“Low Ego”（低自我）、务实和信任的文化是AI组织的重要底层条件，因为AI研发充满不确定性，需跨团队互信和诚实面对失败。

9. 回应“腾讯AI慢了”：长期主义与多元竞争

针对外界质疑，姚顺雨认为AI不是短期游戏，而是长周期变革。ChatGPT和Claude Code不会是唯一的超级应用，AI像70年代的PC一样，产品形态和商业机会远未被充分发明。未来将是多元发展，Coding Agent、多模态、具身智能、企业Agent等场景仍有巨大空间。

判断腾讯AI是否落后，不能仅看单一时间点或产品，而应看其能否诚实面对反馈、快速调整，并将用户反馈转化为模型改进、产品经验转化为评估体系、工程能力转化为平台、多业务场景转化为Context网络。核心命题是如何在长期、多元、快速变化的周期中，将复杂场景和长期主义转化为持续迭代的速度。

10. 腾讯AI路径：场景、工程与模型的系统性协同

汤道生总结腾讯AI的三大核心能力：场景联接、工程驾驭、模型驱动。

• 场景联接：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，产生真实反馈。
• 工程驾驭：通过Harness体系、AI Infra、Agent Runtime等基础设施，确保Agent稳定、可信、可持续运行，解决从Demo到生产环境的工程问题。
• 模型驱动：依托混元大模型及Co-Design，在实用性、性价比和ROI间寻找平衡，使模型在产品反馈和工程体系中持续演进。

腾讯的复杂性既是挑战也是优势，关键在于能否将分散的场景、工程能力和模型研发联动，形成体系化优势，将复杂性转化为持续迭代的速度。

关键要点

• 战略重心迁移：AI竞争从寻找稀缺的“方法”转向识别和解决真实的“问题”，拥有高频复杂真实场景的企业