腾讯姚顺雨：AI下半场核心是找好问题，坚持长期主义

背景

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汤道生与腾讯首席AI科学家、混元大语言模型及AI Infra负责人姚顺雨进行了深度对谈。此次对话聚焦于“AI下半场”的行业趋势、模型演进路径以及产品协同策略。姚顺雨基于其去年提出的博客观点，结合当前技术成熟度与市场环境，分享了对未来AI发展格局的核心判断，旨在厘清从方法论成熟期向应用深化期过渡的关键逻辑。

核心内容

姚顺雨首先重新定义了“AI下半场”的本质。他指出，过去几十年AI发展的核心在于寻找更好的方法论，而今天方法论已高度成熟，真正的挑战转变为如何寻找“好问题”去解决。预训练与后训练赋予了大模型通用的能力，使其如同“万能锤子”，但竞争的关键壁垒在于谁拥有最原始的输入数据，即Context（上下文），无论是企业内部的专有信息还是个人场景数据。

针对行业心态，姚顺雨提出了两大关键判断。第一，AI是一场长期游戏，而非短期套利窗口。他批评了硅谷部分从业者“赶快赚两年钱退休”的短视心态，强调AI才刚刚开始。他认为，ChatGPT和Claude Code不会是唯一的超级应用，未来将持续涌现新的产品机会，当下的局面类似于20世纪70年代PC刚刚诞生时的早期阶段。第二，AI发展将走向多元化而非单一路径。虽然过去几年行业沿着预训练、后训练、Agent的主线清晰推进，但未来除了Coding Agent，多模态、具身智能等大量新方向正在或即将爆发，世界仍有巨大空间未被填满。

面对外界对腾讯在AI领域节奏“慢”的质疑，姚顺雨坦言团队在过去做模型和产品时确实走过弯路，但这是探索新事物的必经之路。他强调，下半场制胜的关键在于“诚实面对自己”，保持Be Real的态度，能够根据反馈迅速调整，并具备长期耐心。

在具体研发策略上，姚顺雨分享了三个方向：一是尽管Coding已成为重要赛道，但仍需强调数据体系的全面化，因为大模型的核心优势在于泛化性；二是产品线上回流数据的作用日益凸显，Co-Design（协同设计）经验至关重要；三是需要更多想象力，探索技术与产品演进的下一个范式。

此外，姚顺雨还探讨了性价比问题。他认为性能是性价比的前提，“很多人发现用强模型比用差模型更省钱，因为更快把事情做对”。他进一步指出，用相对较小的模型实现接近大模型的性能，并在大部分任务上保持强鲁棒性，这种策略在今天的中国市场可能更具价值。

关键要点

• 竞争壁垒转移：AI下半场的核心壁垒从方法论转向数据获取，特别是拥有最原始的Context（上下文）数据，包括企业信息和个人场景数据。
• 长期主义视角：AI发展是长期过程，不应抱有短期套利心态。当前阶段类似70年代PC时代，未来将诞生超越ChatGPT和Claude Code的多样化超级应用。
• 技术路径多元化：行业将不再局限于单一主线，多模态、具身智能等新方向将与Coding Agent共同构成多元化的技术生态，市场空间广阔。
• 自我反思与迭代：面对质疑，腾讯强调“Be Real”的态度，通过诚实面对过往弯路、快速响应反馈并保持耐心来确立下半场优势。
• 研发三大策略：
  1. 保持数据体系全面化以维持模型泛化性。
  2. 重视产品回流数据与Co-Design经验。
  3. 发挥想象力探索技术与产品的新范式。
• 性价比新定义：性能是性价比的基础，强模型因效率更高可能更省钱；在小模型上实现大模型性能及强鲁棒性，符合中国市场的实际需求。

意义与影响

姚顺雨的发言为行业提供了从“技术狂热”转向“务实应用”的思考框架。他关于“寻找好问题”和“Context数据壁垒”的判断，提示企业应从单纯追求模型参数规模转向深耕垂直领域的数据资产与场景理解。同时，他对“长期游戏”和“多元化演进”的强调，有助于纠正市场短期投机情绪，引导资源向多模态、具身智能等前沿方向分散投入，避免同质化竞争。

此外，姚顺雨提出的“小模型大性能”及“Co-Design”理念，为中国AI产业提供了极具参考价值的落地路径。在算力成本与落地效率的双重压力下，通过优化数据回流和协同设计，以较小模型实现高鲁棒性，不仅符合商业逻辑，也契合中国市场对高性价比、高稳定性AI解决方案的迫切需求。这一观点有望推动国内AI应用从“炫技”向“实效”转型，加速AI技术在实体经济中的深度渗透。