科技
对腾讯来说，AI为什么是一场「长期游戏」？
姚顺雨加入腾讯后，第一次线下大型活动的公开亮相，是在6月5日的2026腾讯云AI产业应用大会上。 他与腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生的同台对谈，吸引了无数观众涌入线下会场和线上直播间。 人们涌向这里，不仅是为了一睹这位从OpenAI加盟腾讯的AI首席科学家的风采，更是为了从这场对谈中探知腾讯的AI战略： AI下半场，腾讯需要正视的核心问题是什么？从QQ时代到AI时代，腾讯做产品的理念有何异同？这波Agent浪潮，腾讯如何布局？还有一个更为犀利、外界热议已久的问题——腾讯做AI，真的慢了吗？ AI下半场要“找对问题” 何谓“AI下半场”？ 早在去年，姚顺雨便在一篇博客中阐释过这一概念。他提到，过去几十年AI的发展更多聚焦于方法论创新：从AlphaGo到机器翻译，每个任务都需要单独设计模型，但预训练与大模型的兴起，使得通用方法论成为现实。技术能力不再是瓶颈，真正的难点变成了“找对问题”。 “有了预训练和后训练之后，我们像有了一个万能锤子，它可以砸任何钉子。反而更困难的是怎么寻找好的问题去解决。” 这也正是这位曾经在OpenAI参与过Operator、Deep Research等前沿Agent产品的科学家选择加入腾讯的原因之一。 姚顺雨认为，腾讯“有很多好问题、有很多产品”，能够为AI提供两样最宝贵的东西：一是价值落地的土壤，二是模型所需的Context（上下文）。无论是社交、搜索、办公还是代码开发，每一个场景都天然产生大量真实用户交互数据，这些数据不仅是训练模型的“燃料”，也是定义问题的“地图”。 在AI时代，如何再做出一个好产品，是这波大模型热潮留给腾讯等一众互联网大厂的重要命题。 正如汤道生谈到，与PC互联网、移动互联网时代相比，AI时代的产品形态有所不同：从功能固定的“预制菜”模式，转向开放式、自然语言驱动的服务模式，产品方无法预知用户会问什么，因此必须充分利用模型的推理与调用工具的能力，去应对无限可能的需求。 从QQ系列产品、云业务，到如今的腾讯元宝，汤道生认为，做产品的第一性原理始终是“解决用户痛点、创造价值”。 AI下半场的胜负手，不仅在于谁拥有更强的模型，还在于谁能定义出最有价值的真实问题，并用模型去解决它。 模型与产品Co-Design 那么，找对问题后，如何将模型能力真正落地到产品？ “Co-Design”（协同设计）至关重要。这并非“模型提供API、产品调用API”那么简单，而是一种深度融合、彼此成就的协作方式。 姚顺雨分享了混元团队与腾讯元宝合作的一个关键细节：在混元的预训练模型尚未完全成熟时，团队毅然派出了最强的后训练骨干力量，优先助力元宝打磨产品能力、稳定DAU（日活跃用户）。这一决策在当时让很多算法同事不解，但事后证明，正是这种“先为产品着想”的选择，建立了模型团队与产品团队之间的信任。 “模型团队希望能力越强越好，但产品团队觉得用户需求越满足越好，所以天然有很多不align（一致）的部分。” “最难的部分反而是怎么样建立信任，怎么样换位思考。” 汤道生则站在产品视角，补充了Co-Design的实操内涵：对齐。 在他看来，产品期望的体验、模型训练的判别机制、评测标准（Eval）的设计等环节，需要产品经理、算法工程师、数据标注团队在同一张桌子上达成共识。否则，模型的行为会变得不可预测，甚至出现随机性。 在这场对谈中，姚顺雨也强调，真正有价值的Eval应该基于真实产品场景、真实用户提示词分布，而不是为了“刷榜”。公开榜上的题目往往和用户的实际提问方式有很大差异：例如，榜单题目往往精确、长描述、单轮提问；而真实用户常常只发一两句模糊的话，并不断追问。 他认为，只有从产品中回流的数据，才能驱动模型解决榜单上不存在的问题。 “基于真实世界的数据会对模型的研发有帮助：首先就是你能发现模型的很多底线问题，实际上我们先发一个Preview模型最主要的目的之一是希望能够获得真实世界反馈，能修复各种各样榜单中没有发现的问题，这个在正式版上会有很大的改进。” “甚至我们可以在这些产品上获得一些灵感去推进现在还没有的榜单或者是没有的领域，比如我们最近做了很多Context learning的工作，包括元宝的反馈也给我们很大的启发和帮助。” 首发“效率智能体工具集” AI下半场，不仅关乎模型与产品的协同，还在于技术如何真正落到场景中。 在AI智能体技术规模化落地元年，智能体正成为重塑生产力的重要引擎。大会当天，腾讯云发布了“效率智能体工具集”。 面向个人、企业不同的AI提效需求，腾讯云本次发布、升级覆盖20余个垂直场景的多款AI工具：个人侧，升级了QClaw、WorkBuddy、元宝、ima、腾讯文档等“开箱即用”的AI工具；企业侧，全新发布WorkBuddy企业版AI工作台，并同步升级ClawPro、腾讯云智能体开发平台（ADP）、企点营销云等核心产品。 汤道生在对谈中提到，这背后有腾讯的三个核心能力： 第一是场景联接的能力，通过腾讯的微信、企业微信、元宝等高频的场景触点，把大模型嵌到真实的业务流，跟用户、数据、生态深度联接。 第二是工程的驾驭能力，通过完整的Harness体系，让Agent能够稳定、可信、可持续运行，具备强大的AI Infra，让高速网络、高吞吐存储以及高性能Agent Runtime（智能体运行底座）保证GPU的高利用率。 第三是模型驱动力，依托混元大模型和模型产品Co-Design，兼顾实用性、性价比和ROI。 如果将目光转向落地侧，可以看到，企业仅凭“单打独斗”已难以从容应对这波AI热潮。以智能体开发场景为例： 找钢网集团管理合伙人兼副总裁张晓坤透露，2023年大模型浪潮一来，找钢网就尝试自研AI智能体配置引擎和平台，结果“很痛苦”：“我们懂行业，但不是专门搞技术的。后来腾讯云ADP的前身LKE（知识引擎）出现，能把行业知识交给大模型，快速做出工具。”上市后，找钢网基于LKE发布了找钢APP，涵盖找货、找车、问行情、查订单、问报告等场景。 关于此次ADP升级，腾讯云ADP生态负责人王摇琴告诉雷峰网，最重要的变化是新增了Claw模式，这是面向Agentic Loop（智能体循环）的拟人化形态。 To B业务高度重视流程确定性，企业多数业务链路都需要标准化SOP支撑。王摇琴表示，ADP支持Agent和Workflow双向互调，确定的部分给Workflow，不确定的部分则唤起Agent。 腾讯云，正在用“效率智能体工具集”，打通Agent落地的“最后一公里”。 “今天的AI，像70年代的PC” 回顾这场对谈，雷峰网注意到，“长跑”是一个高频词。如果说AI是马拉松，那么腾讯的耐力，就在于“有非常丰富的场景”。 面对外界“腾讯在AI上是否慢了”的质疑，汤道生坦诚地承认，腾讯作为一家多业态、多产品线的公司，在某些领域可能确实动作不够快，也有探索失败的项目。 前沿技术探索不能用短期KPI评判，这场长跑的胜负不在于一时领先，而在于能够持续迭代、诚实面对反馈、保持耐心。 正如姚顺雨所言，AI是一场长期游戏。“今天的AI，就像70年代的PC刚刚诞生，还有很多很多事情需要做。”
雷峰 雷峰网更新于 5小时前1 分钟阅读
姚顺雨加入腾讯后，第一次线下大型活动的公开亮相，是在6月5日的2026腾讯云AI产业应用大会上。 他与腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生的同台对谈，吸引了无数观众涌入线下会场和线上直播间。 人们涌向这里，不仅是为了一睹这位从OpenAI加盟腾讯的AI首席科学家的风采，更是为了从这场对谈中探知腾讯的AI战略： AI下半场，腾讯需要正视的核心问题是什么？从QQ时代到AI时代，腾讯做产品的理念有何异同？这波Agent浪潮，腾讯如何布局？还有一个更为犀利、外界热议已久的问题——腾讯做AI，真的慢了吗？ AI下半场要“找对问题” 何谓“AI下半场”？ 早在去年，姚顺雨便在一篇博客中阐释过这一概念。他提到，过去几十年AI的发展更多聚焦于方法论创新：从AlphaGo到机器翻译，每个任务都需要单独设计模型，但预训练与大模型的兴起，使得通用方法论成为现实。技术能力不再是瓶颈，真正的难点变成了“找对问题”。 “有了预训练和后训练之后，我们像有了一个万能锤子，它可以砸任何钉子。反而更困难的是怎么寻找好的问题去解决。” 这也正是这位曾经在OpenAI参与过Operator、Deep Research等前沿Agent产品的科学家选择加入腾讯的原因之一。 姚顺雨认为，腾讯“有很多好问题、有很多产品”，能够为AI提供两样最宝贵的东西：一是价值落地的土壤，二是模型所需的Context（上下文）。无论是社交、搜索、办公还是代码开发，每一个场景都天然产生大量真实用户交互数据，这些数据不仅是训练模型的“燃料”，也是定义问题的“地图”。 在AI时代，如何再做出一个好产品，是这波大模型热潮留给腾讯等一众互联网大厂的重要命题。 正如汤道生谈到，与PC互联网、移动互联网时代相比，AI时代的产品形态有所不同：从功能固定的“预制菜”模式，转向开放式、自然语言驱动的服务模式，产品方无法预知用户会问什么，因此必须充分利用模型的推理与调用工具的能力，去应对无限可能的需求。 从QQ系列产品、云业务，到如今的腾讯元宝，汤道生认为，做产品的第一性原理始终是“解决用户痛点、创造价值”。 AI下半场的胜负手，不仅在于谁拥有更强的模型，还在于谁能定义出最有价值的真实问题，并用模型去解决它。 模型与产品Co-Design 那么，找对问题后，如何将模型能力真正落地到产品？ “Co-Design”（协同设计）至关重要。这并非“模型提供API、产品调用API”那么简单，而是一种深度融合、彼此成就的协作方式。 姚顺雨分享了混元团队与腾讯元宝合作的一个关键细节：在混元的预训练模型尚未完全成熟时，团队毅然派出了最强的后训练骨干力量，优先助力元宝打磨产品能力、稳定DAU（日活跃用户）。这一决策在当时让很多算法同事不解，但事后证明，正是这种“先为产品着想”的选择，建立了模型团队与产品团队之间的信任。 “模型团队希望能力越强越好，但产品团队觉得用户需求越满足越好，所以天然有很多不align（一致）的部分。” “最难的部分反而是怎么样建立信任，怎么样换位思考。” 汤道生则站在产品视角，补充了Co-Design的实操内涵：对齐。 在他看来，产品期望的体验、模型训练的判别机制、评测标准（Eval）的设计等环节，需要产品经理、算法工程师、数据标注团队在同一张桌子上达成共识。否则，模型的行为会变得不可预测，甚至出现随机性。 在这场对谈中，姚顺雨也强调，真正有价值的Eval应该基于真实产品场景、真实用户提示词分布，而不是为了“刷榜”。公开榜上的题目往往和用户的实际提问方式有很大差异：例如，榜单题目往往精确、长描述、单轮提问；而真实用户常常只发一两句模糊的话，并不断追问。 他认为，只有从产品中回流的数据，才能驱动模型解决榜单上不存在的问题。 “基于真实世界的数据会对模型的研发有帮助：首先就是你能发现模型的很多底线问题，实际上我们先发一个Preview模型最主要的目的之一是希望能够获得真实世界反馈，能修复各种各样榜单中没有发现的问题，这个在正式版上会有很大的改进。” “甚至我们可以在这些产品上获得一些灵感去推进现在还没有的榜单或者是没有的领域，比如我们最近做了很多Context learning的工作，包括元宝的反馈也给我们很大的启发和帮助。” 首发“效率智能体工具集” AI下半场，不仅关乎模型与产品的协同，还在于技术如何真正落到场景中。 在AI智能体技术规模化落地元年，智能体正成为重塑生产力的重要引擎。大会当天，腾讯云发布了“效率智能体工具集”。 面向个人、企业不同的AI提效需求，腾讯云本次发布、升级覆盖20余个垂直场景的多款AI工具：个人侧，升级了QClaw、WorkBuddy、元宝、ima、腾讯文档等“开箱即用”的AI工具；企业侧，全新发布WorkBuddy企业版AI工作台，并同步升级ClawPro、腾讯云智能体开发平台（ADP）、企点营销云等核心产品。 汤道生在对谈中提到，这背后有腾讯的三个核心能力： 第一是场景联接的能力，通过腾讯的微信、企业微信、元宝等高频的场景触点，把大模型嵌到真实的业务流，跟用户、数据、生态深度联接。 第二是工程的驾驭能力，通过完整的Harness体系，让Agent能够稳定、可信、可持续运行，具备强大的AI Infra，让高速网络、高吞吐存储以及高性能Agent Runtime（智能体运行底座）保证GPU的高利用率。 第三是模型驱动力，依托混元大模型和模型产品Co-Design，兼顾实用性、性价比和ROI。 如果将目光转向落地侧，可以看到，企业仅凭“单打独斗”已难以从容应对这波AI热潮。以智能体开发场景为例： 找钢网集团管理合伙人兼副总裁张晓坤透露，2023年大模型浪潮一来，找钢网就尝试自研AI智能体配置引擎和平台，结果“很痛苦”：“我们懂行业，但不是专门搞技术的。后来腾讯云ADP的前身LKE（知识引擎）出现，能把行业知识交给大模型，快速做出工具。”上市后，找钢网基于LKE发布了找钢APP，涵盖找货、找车、问行情、查订单、问报告等场景。 关于此次ADP升级，腾讯云ADP生态负责人王摇琴告诉雷峰网，最重要的变化是新增了Claw模式，这是面向Agentic Loop（智能体循环）的拟人化形态。 To B业务高度重视流程确定性，企业多数业务链路都需要标准化SOP支撑。王摇琴表示，ADP支持Agent和Workflow双向互调，确定的部分给Workflow，不确定的部分则唤起Agent。 腾讯云，正在用“效率智能体工具集”，打通Agent落地的“最后一公里”。 “今天的AI，像70年代的PC” 回顾这场对谈，雷峰网注意到，“长跑”是一个高频词。如果说AI是马拉松，那么腾讯的耐力，就在于“有非常丰富的场景”。 面对外界“腾讯在AI上是否慢了”的质疑，汤道生坦诚地承认，腾讯作为一家多业态、多产品线的公司，在某些领域可能确实动作不够快，也有探索失败的项目。 前沿技术探索不能用短期KPI评判，这场长跑的胜负不在于一时领先，而在于能够持续迭代、诚实面对反馈、保持耐心。 正如姚顺雨所言，AI是一场长期游戏。“今天的AI，就像70年代的PC刚刚诞生，还有很多很多事情需要做。”
正在拉取原文正文，下次刷新即可看到完整段落。当前仅展示摘要与 AI 分析。
