大模子并莫得太多高深。

作家｜连冉

剪辑｜郑玄

腾讯 AI 慢了吗？

在大模子海潮中，腾讯似乎大多处于一个高深的位置。它领有国内最完满的互联网生态之一，也领有混元大模子、元宝等家具。但与行业里那些不休制造话题和声量的 AI 大公司比拟，腾讯似乎总给东说念主一种「不够快」的印象——它很少站在聚光灯最亮的位置，却又耐久莫得缺席任何一场关节竞争。

而当年一年，AI 行业最流行的词之一，则是「下半场」。

简直通盘东说念主都在议论 AI 下半场。但当越来越多东说念主把这个词挂在嘴边时，它反而初始变得暗昧——到底什么是下半场？是 Agent？是 Coding？是具身智能？照旧下一轮模子竞赛？

在腾讯集团高等实施副总裁、云与聪惠产业办事群 CEO 汤说念生，与腾讯首席 AI 科学家姚顺雨的这场对谈里，姚顺雨在开场就抛出了一句：AI 下半场这个词，正在被滥用。

当年几年，大模子的发展旅途似乎额外廓清：预教悔、后教悔、强化学习、Agent、Coding Agent，通盘东说念主都在沿着澌灭条干线前进。与此同期，中国 AI 圈也酿成了一种老成的竞争文化——热衷刷榜、追赶目的、争夺名次。

但在姚顺雨看来，当方法论一经逐步锻练之后，信得过穷苦的事情一经不再是寻找时刻旅途，而是寻找值得措置的问题。比拟 benchmark 上几个百分点的起原，模子如何进入真实家具、获取真实反馈、措置真实需求，正在变得愈加进军。

这亦然为什么这场对谈里更值得关注的，是模子与家具之间越来越轮廓的 Co-Design。从元宝、WorkBuddy 到 Coding Agent，从 ReAct 坑诰的早期设计，到《Language Agents: From Next-Token Prediction to Digital Automation》中关于智能体时间的预判迟缓杀青，姚顺雨反复强调一个看似朴素却常被忽略的事实：大模子最进军的智商耐久是泛化性。

而关于腾讯是否「慢了」、AI 下半场究竟从何时初始这些争议，他给出的答复是——如果下半场才刚刚初始，那么探索过程中走过弯路并不可怕，信得过进军的是能否评释注解面对我方，看到反馈，并持续休养标的。

以下为汤说念生与姚顺雨的对谈内容，由极客公园剪辑整理。

01

当「AI 下半场」被滥用

汤说念生：

顺雨，你加入腾讯之前，我曾问过你两个问题：为什么遴荐来到腾讯？以及你认为 AI 下半场最进军的是什么？

姚顺雨：

起原我想先解释一下「下半场」这个见地——我发现这个词最近被用得有些泛滥，它其实是我在昨年的一篇博客中坑诰的。具体来说，在昨年之前，AI 一经发展了数十年，行业的中枢是寻找措置问题的灵验方法；但如今，方法论一经趋于锻练，找到信得过有价值的问题反而变得愈加穷苦。

我举个例子，当年咱们为了下围棋研发出 AlphaGo，但这套方法仅适用于棋类鸿沟；为了机器翻译开发专属模子，也只可完成翻译任务，无法拓展到其他场景。而预教悔与后教悔时刻出现后，咱们相当于领有了一把「全能锤子」，酿成了一套通用方法论，概况措置各类不同的问题。因此，找到真恰恰得措置的优责骂题，成为了现时行业的中枢挑战。我遴荐加入腾讯，很进军的一个原因即是这里领有海量的家具和丰富的真实问题场景，这少许在 AI 下半场会愈发进军。

一方面，优质家具概况答复「预教悔和后教悔时刻究竟要应用在何处材干产生价值」这个中枢问题；另一方面，家具构建的生态环境至关进军——如果莫得点外卖的用具接口，智能体就无法完成点外卖的操作，好多任务都无法落地。

但我认为更中枢的是高下文（Context），不管是企业照旧个东说念主场景都是如斯。正如我前次在 AGI Next 大会上所说，高下文的进军性会日积月累：模子越来越擅长将复杂输入转动为输出，企业的竞争壁垒将越来越多地来源于是否掌捏最原始的输入数据，是否了解用户的真实行为与企业的中枢信息，而腾讯在这方面领有极强的上风。

但这仅仅我遴荐腾讯的第二大原因，最进军的其实是企业文化。我第一次和你以及总办其他高管换取时，最真切的印象即是巨匠都极端坦诚：那儿作念得好、那儿有不及，都会直白抒发，不会刻意笼罩。这种不务空名的立场，是我最垂青的少许。

其次，腾讯举座是一家基于信任而非单纯依靠目的运转的公司，这少许关于作念 AI 而言至关进军。同期，腾讯文化中低调求实、和煦结识的脾气，以及对耐久主义的对峙，都是构建一个耐久 AI 组织不可或缺的基础。

回到「AI 下半场最进军的是什么」这个问题，我个东说念主的宗旨是在中国建立一个耐久的、基于通用东说念主工智能（AGI）的组织。

在我看来，今天的 AI 主要由三个部分组成：第一是基础层，如何把预教悔、后教悔这些最中枢的时刻作念得充足塌实；第二是家具层，如何将时刻信得过落地，为个东说念主和社会创造价值；第三是前沿探索层，如何探索新的商量范式与产业契机。咱们需要构建一个这三者平衡发展的三角形组织架构。

关于基础层而言，最进军的是充足的资源参加和正确的作念事格式，这与我刚才提到的企业文化高度契合；关于家具层而言，优秀的家具感觉和作念家具的基因是中枢；而关于前沿探索层，目下国内的探索还不够充分，我也但愿能将这种前沿探索的精神更多地注入到咱们的组织中。

02

Co-Design：模子与家具的双向奔赴

你刚才提到，家具为模子提供了运行环境和高下文数据。我想问一个咱们里面不时接头的问题：协同谋划（Co-Design），也即是如何让家具与模子实现深度和会？目下咱们有好多依赖模子智商的家具，比如和咱们合作轮廓的元宝聊天机器东说念主、AI 搜索，企业端的智能客服、智能营销，还有近期热度很高的类 Lobster 家具，比如 CodeBuddy、Workbuddy。你是如何念念考协同谋划这种模式的？

我认为主要有三点。起原，协同谋划的前提是模子本人要充足塌实，需要作念好大批的基础责任。预教悔是一个相对家具无关的门径，把它作念塌实，就能为通盘下流任务提供刚硬的通用基础，而且预教悔的跨越概况持续为各类下流任务带来价值晋升。

其次，后教悔阶段最进军的是建耸立确的评测（Eval）体系。国内目下有一个不好的倾向，即是过度追求刷榜。咱们应该不务空名，基于真实的家具和应用场景，构建更靠近试验的评测表率。这一方面需要有好的家具出口，另一方面也要明确：实用性的价值庞杂于刷榜的价值。

咱们和各类家具团队开展了深度的协同谋划，而协同谋划最关节的少许是建立相互信任。咱们为此作念了大批责任，包括如何用好家具数据、如何实现数据回流、如何作念好评测对都等，这里就不张开赘述细节了。

第三点，亦然空话语模子（LLM）时间与当年 AI 最本色的分手，即是泛化性。在空话语模子出现之前，作念翻译家具只需要打磨好翻译数据，作念围棋纪律只需要打磨好围棋数据；但目下，哪怕只想作念一个代码智能体（Coding Agent），也需要模子具备优秀的聊天智商、搜索智商、指示撤职智商和推明智商，这是一个极端复合的智商体系。

这就带来一个扩充：领有体系化家具矩阵的企业会具备显赫上风。比如咱们和元宝的协同谋划，让模子打磨出了刚硬的聊天和搜索智商，而这些智商又不错迁徙到 ima、Workbuddy 等其他家具中。不同家具概况提供不同维度的数据，这些数据之间又不错相互泛化，酿成一个网罗状的价值体系，这种价值会越来越突显。

没错，其实外部刷榜亦然评测的一种神气。那咱们里面的评测和外部榜单的评测，中枢分手在那儿？

起原，各类基准测试（Benchmark）也不是莫得价值，仅仅目下这些榜单很容易达到饱和。基于真实寰宇数据的评测有三个中枢上风：

第一，概况发现模子的好多底线问题。咱们发布预览版模子的中枢目的之一，即是获取真实寰宇的用户反馈，斥地各类榜单中无法发现的底线问题，这会让郑再版模子的进展存质的晋升。

第二，概况让咱们对真实的用户发问溜达有更真切的贯通。举个例子，基准测试中的题目每每表述极端精准，有很长的高下文描绘，且大多是单轮问题；但在现实场景中，用户的发问鄙俗比较暗昧，可能唯惟一两句话，还会不休追问。这种场景互异，概况指导咱们更有针对性地开展模子教悔。

第三，概况从家具中获取灵感，推动现存榜单未覆盖鸿沟的时刻跨越。比如咱们近期作念的好多高下文体习量度责任，就很大程度上受到了元宝家具的启发。是以说，家具与模子的相互设立，是 AI 行业越来越进军的话题。

对，我铭刻早期作念元宝的时候，咱们还碰到过多轮指示撤职的问题，用户在家具中试验使用的发问格式，和基准测试中的互异如实极端大。信得过的家具场景对模子智商的条目，和榜单评测的侧重心实足不同。

你问了我这样多问题，我也反过来问你几个吧。我铭刻第一次和你聊天时，你给我讲了好多过往的阅历，从 QQ 空间、QQ 秀——那但是我小学时候最可爱的家具，到 QQ、腾讯音乐，再到腾讯云，以及目下的元宝、ima。你作念过 To C 和 To B 的各类家具，覆盖了互联网不同发展阶段。我很趣味，你作念家具的第一性旨趣是什么？哪些训戒和价值是不变的？哪些东西又发生了变化？

我认为作念家具最终的中枢，长久是围绕用户需求，措置用户痛点，为用户和客户创造价值。不管在哪个时间、哪个行业，唯独能为用户带来价值的家具，米兰体育2026世界杯指定中国官网才会被用户使用和买单。从 PC 互联网时间的 QQ 空间，到移动互联网时间的各类内容家具，再到产业互联网时间的腾讯云，咱们耐久花大批时辰倾听客户的声息，尝试帮他们措置试验问题，这个底层逻辑从未改变。

不外，PC 互联网、移动互联网时间作念家具，和今天 AI 时间作念家具，如实有好多不同之处。起原是家具范式的变化：在 AI 时间之前，咱们作念家具主如果通过预设功能来知足用户需求，家具方想明晰要提供哪些智商，用户通过界面、菜单进行遴荐，就像在预制菜菜单里点餐相通。

但在 AI 时间，家具的就业形态是绽开式的，这带来了全新的要乞降挑战。用户通过当然话语、语音等简便的交互格式坑诰需求，家具方无法提前预判用户会问什么。这就需要咱们充分期骗模子的智商去贯通用户需求，同期为模子提供各类用具接口，借助模子的逻辑推理和用具调用智商，来应答这种绽开式的需求。

甚而包括你刚才提到的评测，当年作念家具有极端廓清的需求规格评释书，有明确的功能细节描绘，从谋划、研发到测试的瀑布式经由极端廓清。但作念 AI 家具时，通盘这个词经由都需要重新谋划。

尤其是本年，大部分代码都不错由 AI 生成，工程师会把更多时辰花在架构谋划上，写代码的责任交给 AI，只需要按期进行指导和修正。同期，测试责任也要前置，需要提前想明晰各类测试案例、评测环境，以及对绽开式谜底的条目，还有如何让模子的输出格调与用户预期对都。举座而言，AI 时间对家具东说念主的智商条目更全面，作念家具的难度也更大了。

如实更难了。

03

大模子莫得高深

再一个问题，巨匠都说 混元 Hy3  preview 是你在腾讯的首秀，Hy3 具体作念了哪些中枢改变？能给巨匠先容一下吗？

其实作念大模子的中枢经由并莫得太多高深，关节是把基础设施、数据这些基础责任作念塌实，算法部分反而相对简便。Hy3 的中枢矫正主要有三点：第一，咱们重建了整套基础设施，包括预教悔和强化学习的基础设施；第二，咱们在数据和 Eval 层面作念了大批优化，包括如何界说更真实的问题、如何丰富数据的分类体系、如何持续晋升数据质地——这是一个永无极度的过程；第三，好多决策其实莫得廓清的公式可循，比如如何招东说念主、如何设定模子的迭代节拍、如安在各式权衡中作念出遴荐，这更多是一个依赖行业判断和试吃的事情。

说到这里，我也很趣味，你刚才和我接头了协同谋划的见地，那你对协同谋划是怎么看的？你认为哪些事情应该由模子团队作念，哪些应该由家具团队作念？

我认为协同谋划的内涵在当年两年一直在变化，这种变化很大程度上是跟着模子智商的升级而发生的。同期，行业、市集和用户需求的变化，也条目模子和家具团队更好地协同配合。

给我最深的感受是「对都」的进军性。在荟萃作念家具、开展对都责任时，会触及好多不同的脚色：家具团队要明确要措置的问题和标的，模子团队要念念考如何通落后刻知足需求；同期还要回到数据层面，明确数据应该如何标注、标注到什么颗粒度、什么是好的标注、什么是不好的标注，以及哪些行为需要奖励、哪些需要处分。

还有评测门径，如果家具团队认为好的家具体验，和评测体系的表率不一致，最终作念出来的家具就会出现偏差。是以在我看来，协同谋划更多是指相貌组内不同脚色共同参与家具谋划，共同制定家具宗旨和标的，让巨匠对各类绽开式问题达成共鸣。如果莫得作念好这种对都，模子的输出行为就会不可揣摸，甚而出现立时性，因为模子在教悔悟程中会被不同的表率沾污。这是我这两年和模子团队作念协同谋划最深的感受，你合计呢？

极端招供。协同谋划最难的少许即是建立信任，同期同理心也极端进军。说到底，模子团队和家具团队的宗旨有一致的部分，也有不一致的部分：模子团队但愿模子的通用智商越强越好，而家具团队但愿用户的需求能被最佳地知足，这中间自然存在不对。是以换位念念考的智商至关进军。

你刚才问咱们和元宝是如何一步步开展协同谋划的，有一个很进军的细节：那时咱们我方的预教悔模子还莫得准备好，但咱们知说念，调理好元宝这款家具过甚日活跃用户（DAU），世界杯压球官网对咱们后续作念模子、建立耐久合作干系都至关进军。是以咱们派出了后教悔团队最强的主干力量，先匡助元宝把后教悔责任作念好。

那时好多算法同学不睬解这个决策，我花了好多元气心灵去解释，但目下看来，这些起劲都得到了汇报。这个动作让家具团队清爽感受到，模子团队是信得过在为家具着想，这为咱们后续的合作，以及 Hy3 在元宝上的告捷上线，奠定了极端进军的基础。诚然这里面还有好多时刻细节不错探讨，但我认为最难的部分长久是如何建立信任、如何换位念念考。

换个话题，你是 ReAct 架构的坑诰者，博士商量也一直围绕话语智能体张开。你几年前的一些不雅点，到今天有哪些杀青了？

前几天我重读了我方的博士论文，思潮腾涌，仿佛回到了很久以前。我的博士论文题目是《Language Agents: From Next-Token Prediction to Digital Automation》，写于 2019 年，也即是 7 年前。那时候照旧 GPT-2 的时间，模子只可生成下一个 token，输出的一段话每每不连贯，还有好多演叨。那时巨匠很难遐想，这项时刻有一天会成为改变寰宇的力量。

那时候稍稍有遐想力的商量，也仅仅考据模子能答复「中国的都门是北京」这类学问型问题，能作念到这少许巨匠就一经很欢乐了。但我那时合计，GPT 是一个极端优好意思的范式，生成下一个 token 是一种极简且通用的逻辑，它的后劲毫不啻于此，终有一天概况实现全寰宇通盘事情的自动化。那时我想的还仅仅数字自动化，目下看来，它甚而可能实现数字与物理寰宇的双重自动化。

我博士期间的责任东要分为两部分：第一部分是建立智能体的方法论，商量如何把一个只可生成下一个 token 的机器，变成一个概况完成自动化任务的智能体。

如你所说，其中最进军的一项责任即是 ReAct 架构。我还铭刻 2022 年 7 月的一个晚上，我第一次把 PaLM 2 的 API 和我手写的维基百科 API 连结起来，它第一次概况基于网页内容答复问题，并进行多轮交互。那一刻的感觉，就像微小的电灯丝俄顷被点亮了。据我所知，这是东说念主类第一次把空话语模子和信得过的互联网连结起来，实现多轮交互。

那时我合计这项时刻可能会在 5 到 10 年内改变寰宇，但试验发展速率比我遐想的还要快。包括咱们第一次坑诰 SWE-bench 的想法时，我就知说念如果能实现，一定会带来巨大的价值——那时我预估是几百亿、上千亿的市集，目下看来，这可能是数万亿、数十万亿级别的市集，我照旧想得太小了。

第二部单干作是界说数字自动化的任务，比如 Webshop 是第一个基于互联网的网页智能体任务，Intercode 和 SWE-bench 是最早的代码智能体任务。目下看来，智能体时刻最进军的两个标的，如实即是网页智能体和代码智能体。

前几天我还在群里和巨匠说，我看我博士论文收尾，即是我在 2024 年写 future work，第一个是 train models for Agent，第二个是 shift and robust deployment，第三个是 scientific discovery，第四个是怎么样去 help human，我很感叹，我说我目下很运气如实在作念那时列的 future direction。

目下通盘这个词行业都在沿着这些标的推动。

可能照旧想得不够大，那时我一经合计我方想得充足远了，但目下看来照旧不够。

04

混元下一代模子重心是什么？

时刻的发展每每超乎咱们的预期。再深入问一个问题，目下巨匠都说智能体的运行会消费大批的 Token，这关于混元下一代模子的研发来说，你的侧重心会放在那儿？哪些标的是最进军的？

毫无疑问，智能体尤其是代码智能体，就像当年的预教悔相通，是通盘模子厂商都必须攻克的基础智商。我认为代码智能体极端本色，一个很进军的原因是它具备图灵完备性——当模子概况限度文献系统、领有运行容器时，它就成为了一个完满的系统。

智能体是当下通盘模子厂商的发力重心，咱们的作念法主要有三个不同之处：第一，即便代码智能体是现时的中枢，咱们依然强调智商体系的全面性。我耐久认为，要作念好代码智能体，需要的远不啻代码数据，还需要聊天、指示撤职、推理等各类通用智商，因为泛化性是大模子最中枢的上风。

第二，家具的作用越来越进军，如何期骗好线上家具的数据回流，是每个模子厂商都在念念考和应答的问题。而咱们之前蓄积的大批协同谋划训戒，会在这方面表露关节作用。

第三，咱们需要保持更多的遐想力。不管是时刻演进、家具演进，照旧下一个范式的演进，都需要咱们去作念一些探索性的、存在不细目性的责任。

从家具侧来看，目下行业内渊博存在「Token 惊悸」，Token 资本呈爆发式增长。我听到好多客户、用户甚而身边的共事，都在密切关注积分或 Token 的消费。如何让模子在措置问题、完成任务时，实现最高的 Token 着力？比如有些任务，模子会尝试一些赫然走欠亨的标的，花费大批 Token，这方面有哪些优化空间？

目下国内接头性价比，更多是聚焦在模子架构上，但性价比其实是一个复杂的体系问题。我认为最进军的起原是模子性能。好多东说念主跟我说，终末发现用 Claude Opus 这类高性能模子，反而比用性能较差的模子更省钱——因为它能一次把事情作念对，既从简了 Token，也从简了东说念主力资本。是以性能才是性价比的中枢，尤其是本年，晋升简便任务的鲁棒性，让模子一次就能把相对简便的任务作念对，比单纯优化模子架构更能晋升性价比。

第二才是资本限度。在资本优化方面，中国其实是起原于寰宇的，咱们一经作念了大批责任来裁汰模子运行资本。但资本优化的中枢，是如何用更小的模子完成高价值任务。在此基础上，模子架构更正、长文管制、脚手架优化等责任也需要持续推动。

我个东说念主认为，在现时的中国市集，打造一个性能并列大模子、且在大部分任务上具备强鲁棒性的小模子，比在少数复杂的长程任务上实现一两个点的性能晋升，更有试验价值。

我也很趣味，你是什么时候意志到智能体是一个全新的家具契机的？你目下对智能体的领悟是什么？你认为打造一个好用的智能体，中枢瓶颈在那儿？

咱们针对不同场景打造了不同形态的智能体家具。智能体的谋划，本色上是要最大化表露模子的智商。跟着模子智商的不休迭代，智能体需要作念的责任反而越来越少。咱们有好几款家具，在当年这段时辰里，都跟着模子智商的晋升不休简化家具谋划，更多的是为模子提供各类用具接口，打造更多妙技，让模子概况更高效地完成任务。

同期，咱们会为模子提供「追念」智商：索求用户过往的使用习气和偏好信息算作高下文，输入给模子。比如在代码开发场景，要提供量度的代码高下文；在 Workbuddy 的办公合营场景，用户制作 PPT 时，要提供量度的内容和资料高下文。是以作念不同场景的智能体，最进军的是贯通该场景下哪些信息是量度且进军的，把这些信息准确地提供给模子，让模子概况充分表露自身智商。

05

智能体时间的家具研发和组织管制，

发生了哪些变化？

近期咱们推出了 Workbuddy 这类口碑很好的智能体家具，我也不雅察到好多小团队在快速迭代家具。我很趣味，和传统的家具研发比拟，智能体时间的家具研发和组织管制，发生了哪些变化？你有哪些念念考？

前阵子我帮 Workbuddy 团队写组织决策时，把稳到他们接受了极端扁平化的组织架构，和咱们当年其他家具的组织神气有很大互异。他们更多是 3 到 5 东说念主组成一个小分队，围绕某一个具体鸿沟攻坚，同期需要因循好 AI 基础设施，保险各类实验胜仗开展。

智能体家具的研发需要大批的实验，而大部分实验可能都不会得到正向反馈，这就需要组织概况包容试错，通过大批实验提真金不怕火出对用户留存、家具宗旨有正向匡助的标的。这是智能体时间、原生 AI 家具对组织形态的中枢条目。

另外，当年工程师会花大批时辰写代码，但目下这项责任基本不错交给 AI 完成。这带来了脚色的和会：每个东说念主都要像家具司理相通，深入贯通用户需求，谋划家具形态；每个工程师更像是有想法的负责东说念主，驱动多个代码智能体完成研发责任。同期，正如我之前所说，测试、评测、对都责任都要大幅前置，况兼要充分期骗 AI 智商来保险家具性量。

06

腾讯 AI 慢了吗？

再问一个巨匠比较良善的问题：好多自媒体都提到，腾讯在 AI 上的法子慢了，莫得实时收拢一些契机。你合计咱们真的慢了吗？你能不成再具体说说，AI 下半场到底是什么？

感觉这应该是我问你的问题才对。

我合计起原要明确两个中枢判断：第一，AI 是一场短期游戏照旧耐久游戏？目下硅谷彭胀着一种热诚，认为两年后通盘东说念主都会闲静，AI 会取代通盘责任，是以应该速即赚两年钱就退休。但咱们的判断极端明确：AI 是一场耐久游戏。

从某种程度上来说，AI 才刚刚初始，下半场也才刚刚拉开序幕。我不认为 ChatGPT 和 Claude Code 会是唯一的超等应用，如果的确那样，这个寰宇会极端飘渺。将来一定会有连绵连续的新契机出身，目下的 AI 行业，就像上世纪 70 年代个东说念主电脑刚刚出身的阶段，还有无数的事情等着咱们去作念。

第二，将来的 AI 行业会是更单一照旧更多元？当年几年，行业如实有一条极端廓清的干线：预教悔、后教悔、强化学习、智能体、代码智能体，通盘东说念主都在沿着这条干线复制，这其实亦然一件很飘渺的事情。但我个东说念主认为，将来的 AI 行业一定会走向多元化。

毫无疑问，代码智能体带来的坐蓐力变革会越来越进军，这才刚刚初始，这个市集还罕有万亿好意思元的空间恭候挖掘。同期，多模态、具身智能等好多新的标的也在快速发展。从这个角度来说，如果咱们认为下半场才刚初始，那就不存在「晚了」的说法。

诚然，当年咱们在模子和家具上作念了好多探索，也走了一些弯路，这是很浅显的——第一次作念一件事情，势必会有弯曲。但更进军的是，能否评释注解大地对我方，能否正视反馈并实时休养，能否保持耐性。这些品性，在 AI 下半场会愈加进军。

对。巨匠老是可爱挑腾讯的某一个点来月旦，诚然咱们也宽饶巨匠对咱们坑诰更高的条目。腾讯是一个领有多业态、多家具的公司，好多团队在不同赛说念同期推动不同的相貌。在这样一个复杂的组织里，势必有些方位作念得快，有些方位作念得慢，也有些探索会失败。这些教导对咱们来说都极端重视，咱们也如实有好多方位不错作念得更好。

但正如你所说，这是一场长跑，一场马拉松。腾讯领有极其丰富的场景，就像你一初始提到的，AI 需要高下文，模子需要大批的真实数据。腾讯当年多年在不同家具、不同赛说念的蓄积，都能为模子提供各个场景下的灵验高下文，让时刻信得过表露价值。

在这场长跑中，模子会不休迭代，用户需求会不休变化，新的家具形态也会不休自满。比如本年年头龙虾这一波飞扬，咱们的反映就很快；而像 Workbuddy 这样的智能体家具，咱们其实几年前就一经初始布局，从最初面向纪律员的 CodeBuddy，到其后发现非纪律员群体也有热烈的需求，咱们也快速完成了家具的迭代升级。

目下好多客户都对咱们的家具组合抱有很高的期待，但愿咱们能将不同家具的智商整合起来。咱们会赓续在这场长跑中稳步前进，也宽饶巨匠多给咱们提意见和建议，多用咱们的家具，给咱们提供有建设性的反馈。

咱们刚才围绕模子研发、家具落地，探讨了协同谋划、智能体演进、组织变革以及行业契机等多个话题。当年一年，好多企业都靠近着相似的困惑和挑战：家具落地后果欠安、无法持续参加、投资汇报率（ROI）不高等，这些问题都会影响 AI 在企业中的普及进程。

为此，咱们今天负责发布腾讯着力智能体用具集，匡助企业更宽解、更高效地部署和应用智能体。这套用具集依托腾讯的三大中枢智商：

第一是场景连结智商，通过微信、企业微信、元宝等高频场景触点，将大模子融入真实业务流，实现与用户、数据、生态的深度连结；

第二是工程独霸智商，基于完满的混元研发体系，保险智能体谨慎、确实、可持续运行，同期依托刚硬的 AI 基础设施，包括高速网罗、高微辞存储和高性能智能体运行时，实现 GPU 的高期骗率；

第三是模子驱动智商，以混元大模子为中枢，通过模子与家具的深度协同谋划，兼顾实用性、性价比和投资汇报率。

同期，咱们将启动腾讯 AI 共创营第二期，联袂孤独软件开发商（ISV）、管制就业提供商（MSP）等合作伙伴，共同打造行业措置决策，种植更多标杆案例。

*头图来源：腾讯

极客一问

你合计腾讯 AI 慢了吗？

宽饶评述区换取~