撰文 | 李信馬
題圖 | DoNews攝

在入職即將滿半年的節點， 騰訊 AI 首席科學家姚順雨 又一次出現在大眾視野面前。

6月5日，在2026騰訊云AI產業應用大會上，姚順雨和騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生同臺對話，共同解讀AI下半場騰訊的最新布局和思考，并首次回應了騰訊大模型和產品研發深度Co-Design思路。

作為騰訊從OpenAI挖來的頂尖技術大牛，姚順雨兼任大語言模型部和AI Infra（基礎設施）部負責人，在業內被視為騰訊大模型研發和“AI下半場”的技術靈魂。而湯道生自2005年加入騰訊后，先后執掌QQ、廣點通、騰訊云等產品，在AI時代又接管了騰訊元寶、QQ瀏覽器等C端應用，是沉穩的業務操盤手。

他們的對話，更像是在回答“AI怎么造”和“AI怎么用”這兩個技術和商業上的核心問題。

智能體正成為重塑生產力的重要引擎。姚順雨認為，AI的下半場已從尋找方法轉向尋找問題，核心在于Foundation（基礎模型）、Product（產品）、Frontier（前沿模型）構成的均衡三角。LLM的本質區別在于泛化性，不同場景的數據需相互賦能；而Agent的崛起，讓環境、評測與推理行動協同變得比單一模型能力更關鍵。

湯道生表示，騰訊做 AI 始終堅持以實用、好用、可規?；癁槟繕?，而最核心的經驗就是扎根場景。真實場景里既有用戶需求，也有模型迭代最需要的數據。

下面是這場對話的部分現場實錄（經DoNews節選和整理）：

湯道生：你認為AI下半場最重要的是什么？

姚順雨：首先解釋一下什么叫做下半場，我最近感覺這個詞有點被濫用，這個概念是我去年的一個博客提出來的，什么意思？其實我覺得在去年之前AI已經發展幾十年，但是更加重要的是怎么去解決問題，去尋找好的方法。最近我覺得很明顯就是方法論已經變得非常成熟，但尋找問題變得更加困難。

舉個例子，比如說過去我們發明AlphaGo這樣的方法去下圍棋，但是這個方法只適合下圍棋或者下各種棋類。你會為了翻譯做一個特別的模型，但是它只能做翻譯，不能做其他事情。

但是有了預訓練和后訓練之后我們發現，我們像有一個萬能錘子，它可以砸任何釘子，它是一個通用方法論，可以解決各種各樣的問題，反而更困難的是怎么尋找好的問題去解決。

AI下半場最重要是什么？我個人覺得就是，我們應該在中國建立一個長期的基于AGI的組織，今天的AI主要有三部分：

• 首先是foundation的部分，我們怎么樣把預訓練和后訓練最基礎的東西做得非常solid。

• 第二部分是產品，我們怎么樣把這樣的技術，真的為人和社會產生價值。

• 第三個是frontier，我們怎么樣探索新的研究范式，探索新的機會。

我覺得最重要的是我們構建一個非常均衡的三角形一樣的組織。我覺得對于做foundation來說：

• 第一，最重要的是有充足資源。

• 第二，就是需要正確的做事方式，這些和我剛才說的文化也是吻合的。對于產品來說，有好的產品的sense，有這種做產品的人是至關重要的。

• 第三，在中國我們今天所做的前沿探索不夠多，所以我希望能把frontier exploration的精神能更多地注入到我們組織中。

湯道生：你剛剛提到模型跟產品，產品可以說提供一個環境，里面要給模型提供context上下文，我想問一個問題，我們平時開會提的有一個詞比較多是Co-Design，怎么把產品和模型能夠比較緊密地結合起來，尤其今天有這么多豐富的產品，從我們合作非常緊密的像元寶這樣的一個聊天機器人，包括AI搜索，企業里面也有部署智能客服、智能營銷，另外最近非常火的類龍蝦像CodeBuddy、Workbuddy這樣的產品，其實對于模型依賴很深，你怎么思考Co-Design這個方式？

姚順雨：有三點，首先CoDesign的前提，就是模型本身要做的很solid，有很多foundational的work要做好。我覺得預訓練是一個相對就是產品agnostic的事情，它做的非常solid可以提供非常強的foundation，而且預訓練它最大的特點就是它是一個可泛化學習過程，它的進步可以帶給各種各樣下游任務持續的價值提升。后訓練我覺得最重要一點是要設立好正確的Eval，中國大家有個不好的傾向是大家喜歡刷榜，但是我覺得更重要的是如何實事求是地基于產品，基于真正的應用，構造更加真實的Eval。

第二，要意識到可能“實用性”價值是大于刷榜價值，這一點我們做了大量工作，跟各種各樣產品進行了深度Co-Design，Co-Design很關鍵一點就是要產生相互信任。怎么取得互信，怎么把產品數據用好，怎么把數據回流，怎么把Eval做好，有很多細節，我就不贅述。

第三點我想說，LLM時代和過去的AI最本質的區別就是泛化性，在LLM之前比如說做翻譯產品，只要把翻譯數據做得特別好就行了。你做一個圍棋的程序，你只需要把圍棋的數據準備得特別好就行。但是今天即使你想只做一個Coding Agent，你會發現其實需要的不僅是Coding Agent的數據，你需要非常好的聊天能力，非常強的搜索能力，非常強的指令遵循能力，非常強的推理能力，它其實是非常復合的data的taxonomy，我覺得需要對這個事情有一個taste。

這個事情的推論就是說有很多產品的體系化地方，會有比較大的優勢，比如說我們和元寶的Co-Design使我們模型產生很強的聊天和搜索能力，這樣的能力又可以被遷移到ima和Workbuddy其他的產品，所以這些產品能夠提供不同的數據，但是這些數據之間又可以相互泛化，它形成一個像網絡一樣的體系，我覺得這一點的價值越來越重要。

姚順雨：我記得我第一次跟您聊的時候，你跟我講了很多你過去的經歷，從QQ空間、QQ秀，到QQ音樂，到云到現在的元寶，其實跟你聊天很有意思，因為你做過各種各樣的產品，to C也有，to B也有，遠古時代的也有，最近AI時代的產品也有。我比較好奇，你覺得你做產品的第一性原理是什么，你覺得哪些經驗和價值是不變的？哪些東西是變的？

湯道生：我覺得其實最終做產品還是本著用戶到底有什么需求，我到底怎么去解決他的痛點，怎么去給用戶或者客戶創造價值。在不同的時代，甚至不同的行業，你做一個產品還是需要能夠給用戶帶來價值，他才會買單，才會使用。

所以我倒覺得從PC互聯網時代我們做空間、移動的時代做各種各樣的產品、內容的產品，到產業互聯網做云，我們都要花好多的時間、精力去聽客戶的聲音，嘗試去幫助他們去解決他的問題，底層的邏輯其實沒有這么大的變化。

但確實，我覺得在PC互聯網、移動互聯網時代做產品跟今天在AI時代做產品還是有蠻多不一樣的地方。首先從范式的角度來看，在AI時代以前我們做產品很多時候想的是通過功能來滿足用戶的需求，你作為一個產品提供方、服務提供方，你想清楚我提供怎么樣的一個能力，讓用戶可能通過某些菜單去選，好像是一些“預制菜”，你只能在里面去點一樣。

但在AI時代做產品，它的那種開放式的服務形態就會帶來很不一樣的要求跟挑戰，用簡單的交互方式可能是自然語言，可能是語音，其實作為產品方你也不知道用戶會問什么。所以要充分利用模型能力去理解用戶的需求，然后通過比如說今天大模型的這種邏輯推理，能去調用工具的能力、產品去給模型提供各種各樣可以用的工具，來應對這種開放式的需求，這個是我覺得跟我們過去做產品很不一樣的地方。

甚至也包括你剛剛提到的Eval，以前我們做產品有很清晰很具體的產品細節功能的描述，怎么去做設計、做研發、做測試，我覺得那個瀑布式的流程也比較清晰。但是做AI產品，我發現最大的變化是我們整個流程可能都要重新設計，尤其今年大部分的代碼都由AI生成，我們的工程師可能會花更多的時間去做架構的設計，把寫代碼的工作都交給AI了，然后定期去指導一下、修正一下。

然后測試也要左移，更前置去想清楚針對我們各種案例Eval、環境，我們對于開放式答案的要求，甚至alignment怎么對齊，我們用戶所需要的那種風格，我感覺今天時代做產品其實要求的能力更全面。

姚順雨：更難了。

湯道生：更難了。我問一下混元3，大家都在說Hy3 preview是你騰訊的首秀，具體混元3做什么改變，你能給大家介紹一下嗎？

姚順雨：其實我覺得沒有什么秘密，今天做大模型從某種程度來說是比較Trivial的事情，我們應該把Infrastructure做好，我們應該把數據做好，算法的部分反而是比較簡單的。其實我覺得主要幾個點吧。

第一，我們把Infrastructure重建了，無論是預訓練還是強化學習。第二是我們把數據和Eval做了很大的改變，如何去定義更真實的問題，如何豐富數據的 taxonomy，如何去提高數據的質量，這是一個永無止境的追求。

第三，我覺得很重要的很多決策其實包括怎么去招人，怎么去設立模型的節奏，怎么去每天有很多的Decision 要考慮很多Trade off，我覺得可能沒有一個很清晰的公式，我覺得是一個很Taste driven的事情。所以我其實挺好奇問你一個問題的，因為您剛剛跟我討論Co-Design這個概念，我很好奇您對Co-Design這件事情是怎么想的，你覺得哪些事情是應該模型做的，哪些是產品應該做的？

湯道生：我覺得Co-Design在不同階段，過去這兩年其實是一直在變化的，我覺得這個變化某種程度來講是隨著模型能力的升級而變化，當然整個行業、市場、用戶的需求他在變化的過程中也會帶來我們兩邊模型跟產品需要更好去滿足。

給我一個比較深的感受是怎么去對齊，因為在我們一起去做產品，去做對齊會的時候，我們有很多不同的決策，產品可能要針對某個方向去解決一些問題，模型到底怎么做去滿足這個需求，但是你要回到模型需要數據，數據應該怎么標注，到什么顆粒度，到底什么是好的標注，什么是不好的標注，因為有一些地方要獎勵，有一些地方要懲罰。

然后還有Eval，還有評測，因為如果產品認為好的產品體驗，評測是不認同的話，大家其實做出來的產品就會不一致了。所以Co-Design給我的感覺更多是在項目組里面不同的角色參與到產品的設計，定了一些產品的目標方向，怎么讓多個角色能夠對于一些開放式問題有比較好的對齊，如果沒有做到這樣一個對齊的話，你會發現產品的行為會不可預測。甚至有時候會有一些隨機性，因為模型訓練的過程可能也被混淆了。所以這是我這兩年跟做產品跟模型團隊做Co-Design的一個比較深的感受。您覺得呢？

姚順雨：其實我是覺得，就像我剛剛說的，首先最難的一點是要建立Trust，畢竟我覺得同理心很重要，因為說到底做模型的目標和做產品的目標有很多align的部分，也有很多不align的部分。就是模型的人希望模型能力越強越好，但是產品的人覺得用戶需求越滿足越好。所以天然有很多不align的部分，我覺得很重要的一點是要有換位思考的能力。

其實就是你剛剛問我元寶是怎么一步一步Co-Design的，一個很重要的細節是，我們當時是派了后訓練最強的骨干力量，去幫助元寶把后訓練做好。當時我們自己的預訓練還沒有準備好，但是我們知道維護元寶這樣的產品以及它的DAU會對我們接下來做模型也非常非常重要，而且對于創新的合作非常重要。

所以當時其實很多算法同學不理解，我需要去很努力解釋，但是現在看起來這些努力都是Trade off，我覺得這樣一個動作讓產品意識到模型的同學是真的在為產品著想，我覺得這個其實對于我們之后的合作，包括Hy3 preview在元寶上成功上線起到了非常重要的作用。當然有很多技術的部分可以探討，但是最難的部分反而是怎么樣建立信任，怎么樣換位思考。

湯道生：技術的發展往往超乎我們的預期。智能體今天大家都說需要消耗很多的Token，這對于混元做下一代模型研發，你覺得什么是你的側重，有哪些地方比較重要？

姚順雨：毫無疑問今天Agent或者Coding Agent有點像預訓練一樣，是不得不做的事情，是最基礎能力。我個人覺得Coding Agent有很多本質原因，有一個重要原因就是它是一個有點像圖靈完備的事情，當你有能力去控制自己的file system，當你有一個container的時候，其實你是一個完整的系統，今天我覺得Agent毫無疑問是每一家模型所發力的重點，我覺得我們做的方法可能會有幾個區別：

第一，即使今天Coding已經是最重要的事情，但是我們還是會強調體系的全面化，我始終認為要把Coding做好，其實需要遠遠不止Coding的數據，也需要聊天、推理，各種各樣不同的東西，因為大模型最重要的點是泛化性。

第二，很顯然產品作用越來越重要，如何利用好線上回流，我覺得是一個每個模型廠商都在應對和思考的問題。這里剛剛積累很多CoDesign經驗變得非常重要。

第三，我覺得還需要更多想像力，無論是技術演進，還是產品演進，甚至下一個范式演進，我們需要做探索性甚至不確定性的工作。

湯道生：從產品側，因為大家越來越多有Token焦慮的聲音，Token成本爆發式增長，我也聽到很多客戶甚至用戶身邊的同事們也在緊盯著積分消耗或者Token消耗，怎么可以讓我們的模型在解決某個問題，或者完成某個任務，Token效率更高？我之前做過一些任務可能是不同方向，有些方向也都知道肯定走不下去的，但可能模型還會試，試完之后走不下去再試下一個，里面有什么可以optimize的地方讓Token整體使用效率更高？

姚順雨：我覺得在中國討論性價比更多是討論模型架構，但其實它是很復雜的體系，我覺得最重要的是首先是你的performance，很多人跟我說，他最后發現用OPUS這樣的模型比用更差的模型更省錢，因為更快的把這個事情做對了，也省得人的精力，最重要的事情是performance，如果你的performance好，性價比是最關鍵的事情。尤其我覺得今年可能很多簡單任務的robustness會變得更加重要，一次把相對簡單任務做對，這可能是性價比更關鍵的部分，不僅是模型架構。

第二部分就是成本它本身，性價比第一是性能，如果性能不好性價比無從談起。第二點是成本，中國是領先于世界的，就是我們做大量工作優化我們的成本，成本可能最重要的事情是怎么用一個更小的模型把更高的價值任務做好，在這基礎上架構創新，包括長文管理有很多需要做的事情。

如果我們做一個相對較小的模型，但是它能比肩大模型性能，而且在大部分任務上做很強的robustness，這可能在很多長程的任務上面有一兩個點的提升，可能在今天的中國更有價值。

我很好奇，對于Agent，你是什么時候意識到它是一個新的產品機會，以及你現在的認知是什么，你覺得現在我們第一個好用的Agent bottleneck在哪里呢？

湯道生：我們做的Agent，針對不同場景有不同的產品形態，在Agent設計上面，很大程度是發揮好模型能力，當然模型在迭代，它能力越強，Agent需要做的工作越來越少，我看我們好幾個產品在過去這段時間是隨著模型能力加強，我們可以把產品，把Agent做得更簡化，更多的給模型提供更多不同的工具，創造更多的skills，來讓模型能夠更高效的去完成任務。

給模型提供更多的我們叫記憶，用戶過去使用的一些習慣，我們能提取出來的一些用戶preference的信息作為上下文，在Coding環境有相關的context給到模型，在Workbuddy里邊辦公協作，做個PPT，可能大家關注的內容或者該給到模型的context也會不一樣。

所以，在我們做不同的Agent，我覺得更重要的是了解場景下什么內容什么信息是重要的，比較relevant的，能夠跟模型配合好，讓模型有它需要的信息，同時也發揮它的能力。

我也想再問一下一個可能大家比較多討論的一個問題，很多人都會提到騰訊慢，說在AI上面我們沒有及時抓住一些機會，你覺得我們真的慢了嗎？到底下半場是什么？你能再多說一下嗎？

姚順雨：我覺得首先AI其實今天有兩個重要判斷，第一個就是說我們認為AI是一個短期的游戲還是長期游戲？在硅谷大家蔓延很多情緒，哎呀，幾年后所有人都要失業，AI要取代所有人的工作，我們要趕快賺兩年錢退休。但很顯然我們的判斷AI是一個長期游戲，其實我覺得AI剛開始，下半場才剛剛開始，我不認為ChatGPT和Claude Code會是唯一的super App，我覺得那是一個非常灰暗的世界，我覺得肯定會有源源不斷新的機會誕生。

可能今天就像是70年代PC剛剛產生的時候，我覺得還有很多很多事情需要做。

第二個判斷，它會是個更線性還是多元游戲？因為確實過去幾年大家能看到的是Pre-training、post training，然后Agent，Coding Agent，似乎有一個非常清晰的主線，這個主線是所有人都在做一樣的事情，都在copy，這也是非?；野档氖虑?。

但到底未來變得更單一還是更多元？我個人看法會變得更多元，毫無疑問Coding Agent生產力會變得更加重要，我覺得它是剛剛開始的事情，這個世界還有很多空間沒有被填滿，多模態、具身智能，很多很多新的事情都在發生，或者剛剛發生，所以從這個角度來說，如果我們認為下半場剛剛開始，可能確實不是完了。

過去模型、產品做了很多探索，走很多彎路，我覺得這是正常的，你如果沒有做過一個事情，第一次做肯定有曲折，但是我覺得可能更重要的事情是能不能誠實面對自己，能不能Be Real，能不能夠去看到feedback然后去改變，能不能夠保持耐心，這個事情是下半場最重要的事情。

「創新無邊界」是我們的slogan，我們不局限于對互聯網行業的追蹤與探索，更要向未來、向未知的方向大膽邁進。因此，「打造行業新標桿、解讀商業新動向」是我們秉持的方向之一。