在這場對話中，騰訊釋放出的信號是：AI競爭已經(jīng)從單純的模型能力競賽，進(jìn)入模型、產(chǎn)品、真實(shí)場景、上下文和組織協(xié)同共同決定勝負(fù)的新階段

整理｜吳俊宇

2026年，智能體成為AI產(chǎn)業(yè)應(yīng)用的核心關(guān)鍵詞。外界長期關(guān)注騰訊這類大型科技公司在模型、產(chǎn)品和組織層面的進(jìn)展。

6月5日，在騰訊AI產(chǎn)業(yè)應(yīng)用大會上，騰訊集團(tuán)高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生與騰訊AI首席科學(xué)家姚順雨同臺對話，系統(tǒng)闡釋騰訊對“AI下半場”的思考。

姚順雨出生于1998年，本科畢業(yè)于清華大學(xué)姚班，后獲普林斯頓大學(xué)計(jì)算機(jī)科學(xué)博士學(xué)位，曾在OpenAI從事語言智能體相關(guān)研究。2025年下半年加入騰訊后，他向騰訊總辦匯報(bào)，并與團(tuán)隊(duì)在今年上半年推出Hy3 Preview（混元3預(yù)覽版）模型。

姚順雨認(rèn)為，AI下半場最重要的問題，不再只是找到更好的方法，而是找到真正值得解決的問題。湯道生則強(qiáng)調(diào)，AI時(shí)代做產(chǎn)品，那種開放式的服務(wù)形態(tài)會帶來大量新的挑戰(zhàn)。

在這場對話中，騰訊釋放出的信號是：AI競爭已經(jīng)從單純的模型能力競賽，進(jìn)入模型、產(chǎn)品、真實(shí)場景、組織協(xié)同共同決定勝負(fù)的新階段。

以下為對話實(shí)錄：

一、為什么加入騰訊？AI下半場最重要是什么？

姚順雨：大家好。我平時(shí)都是在海淀區(qū)，很少來朝陽區(qū)，很高興。

湯道生：今天我們兩個(gè)對話，可能是一個(gè)比較新的形態(tài)，如果有什么出乎意料的，我想也是給大家一個(gè)驚喜。

順雨，你加入騰訊前，我記得我當(dāng)時(shí)問過你一些問題，為什么下半場會選擇來騰訊？而且你認(rèn)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(gè)詞有點(diǎn)被濫用，這個(gè)概念是我去年的一個(gè)博客提出來的，什么意思？其實(shí)我覺得在去年之前AI已經(jīng)發(fā)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說，方法論已經(jīng)變得非常成熟，但尋找問題變得更加困難。

舉個(gè)例子，比如說過去我們發(fā)明AIphaGo（備注：谷歌旗下DeepMind 團(tuán)隊(duì)開發(fā)的AI圍棋）這樣的方法去下圍棋，但是這個(gè)方法只適合用來下圍棋或者下各種棋類。你會為了翻譯做一個(gè)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(yù)訓(xùn)練和后訓(xùn)練之后我們發(fā)現(xiàn)，我們像有一個(gè)萬能錘子，它可以砸任何釘子，它是一個(gè)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。

其實(shí)我覺得加入騰訊很重要一點(diǎn)，就是說這里有很多好問題、有很多產(chǎn)品。我覺得這一點(diǎn)在接下來變得越來越重要。

一方面，好的產(chǎn)品能夠解決第一個(gè)問題：我們做預(yù)訓(xùn)練和后訓(xùn)練之后到底要把它應(yīng)用在什么地方產(chǎn)生價(jià)值。第二個(gè)是環(huán)境是非常重要的，如果沒有好的環(huán)境，那Agent（智能體）沒有辦法做各種各樣的事情，比如說如果沒有一個(gè)點(diǎn)外賣的tool的話，就沒有辦法點(diǎn)外賣，很多事情做不到，我覺得最重要的是context（可翻為上下文或語境），無論是企業(yè)還是個(gè)人。

就像我上一次在AGI-Next（備注：2026年1月清華大學(xué)基礎(chǔ)模型北京市重點(diǎn)實(shí)驗(yàn)室與智譜AI聯(lián)合發(fā)起的AGI-Next前沿峰會上）說的一樣，我覺得越來越重要的事情是context。

因?yàn)槟Ｐ驮絹碓缴瞄L把一個(gè)非常復(fù)雜的輸入變成輸出，很多時(shí)候你的競爭壁壘就在于你有沒有最原始的輸入，你知不知道這個(gè)人他到底在干什么，你知不知道這個(gè)企業(yè)各種各樣的信息，這一點(diǎn)我覺得騰訊有非常強(qiáng)的優(yōu)勢。但其實(shí)我覺得這只是第二大的原因，最重要的原因是文化，我記得我第一次跟你聊天，包括和其他總辦老板聊天的時(shí)候，我第一印象大家都非常誠實(shí)，哪里做的好哪里做的不好，非常直白不會掩蓋，我覺得這種坦誠是我第一印象。

第二個(gè)就是說騰訊總體是一個(gè)基于trust（信任），而不是基于metric（監(jiān)控）去運(yùn)轉(zhuǎn)的公司，我覺得這一點(diǎn)對于做AI是非常重要的，包括我覺得我們的文化有非常low ego（低自我中心度），有非常solid的這一面，我覺得這些文化對于長期做一個(gè)AI的組織是非常重要的，包括我們對長期主義的堅(jiān)持。

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

首先是foundation（基礎(chǔ)）的部分，我們怎么樣把預(yù)訓(xùn)練和后訓(xùn)練最基礎(chǔ)的東西做得非常solid（備注：軟件工程領(lǐng)域的一個(gè)詞匯，形容高內(nèi)聚、低耦合、易于維護(hù)與擴(kuò)展）。

第二部分是產(chǎn)品，我們怎么樣把這樣的技術(shù)，真的為人和社會產(chǎn)生價(jià)值。

第三個(gè)是frontier（前沿），我們怎么樣探索新的研究范式，探索新的機(jī)會。

我覺得最重要的是我們構(gòu)建一個(gè)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的方式，這些和我剛才說的文化也是吻合的。對于產(chǎn)品來說，有好的產(chǎn)品的sense，有這種做產(chǎn)品的人是至關(guān)重要的。

第三個(gè)，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（前沿探索）的精神能更多地注入到我們組織中。

湯道生：你提到的聊的過程中感受到的真誠或者務(wù)實(shí)的氛圍，也是我經(jīng)常跟客戶交流得到的反饋，我覺得我們的做事方式，做產(chǎn)品的理念，其實(shí)也是比較實(shí)事求是的，畢竟AI賽道是長跑。

我覺得有時(shí)候認(rèn)知也很重要，我們做的好的和不好的也得認(rèn)，但關(guān)鍵是一個(gè)多維度的競賽，我們看到現(xiàn)在模型有很多進(jìn)步，我們做產(chǎn)品其實(shí)也是有越來越多的形態(tài)，不同的場景有不同的需求，我覺得未來還是非常可期的。

你剛剛提到模型跟產(chǎn)品，產(chǎn)品可以說提供一個(gè)環(huán)境，里面要給模型提供context上下文，我想問一個(gè)問題，我們平時(shí)開會提的有一個(gè)詞比較多是Co-Design（協(xié)同設(shè)計(jì)），怎么把產(chǎn)品關(guān)模型能夠比較緊密底結(jié)合起來。

尤其今天有這么多豐富的產(chǎn)品，從我們合作非常緊密的像元寶這樣的一個(gè)聊天機(jī)器人，包括AI搜索，企業(yè)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（CodeBuddy、Workbuddy都是騰訊旗下的Agent產(chǎn)品）這樣的產(chǎn)品，其實(shí)對于模型依賴很深，你怎么思考Co-Design這個(gè)方式？

姚順雨：有三點(diǎn)。

首先，CoDesign的前提就是說模型本身要做的很solid，有很多foundational的work（工作）要做好。首先我覺得預(yù)訓(xùn)練是一個(gè)相對就是產(chǎn)品agnostic（不可知）的事情，它做的非常solid可以提供非常強(qiáng)的foundation，而且預(yù)訓(xùn)練它最大的特點(diǎn)就是它是一個(gè)可泛化學(xué)習(xí)過程，它的進(jìn)步可以帶給各種各樣下游任務(wù)持續(xù)的價(jià)值提升。后訓(xùn)練我覺得最重要一點(diǎn)是要設(shè)立好正確的Eval（評測和評估），中國大家有個(gè)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(shí)事求是的基于產(chǎn)品，基于真正的應(yīng)用，構(gòu)造更加真實(shí)的Eval。

第二，要意識到可能“實(shí)用性”價(jià)值是大于刷榜價(jià)值，這一點(diǎn)我們做大量工作，跟各種各樣產(chǎn)品進(jìn)行了深度Co-Design，Co-Design很關(guān)鍵一點(diǎn)就是要產(chǎn)生相互信任，這一點(diǎn)我們做了大量工作，取得互信，怎么把產(chǎn)品數(shù)據(jù)用好，怎么把回流，怎么把Eval做好，有很多細(xì)節(jié)，我就不贅述。

第三點(diǎn)我想說，LLM（大語言模型）時(shí)代和過去的AI最本質(zhì)的區(qū)別就是泛化性，在LLM之前比如說做翻譯產(chǎn)品，只要把翻譯數(shù)據(jù)做的特別好就行了。你做一個(gè)圍棋的程序，你只需要把圍棋的數(shù)據(jù)準(zhǔn)備特別好就行。但是今天即使你想只做一個(gè)Coding Agent（代碼智能體），你會發(fā)現(xiàn)其實(shí)需要的不僅是Coding Agent的數(shù)據(jù)，你需要非常好的聊天能力，非常強(qiáng)的搜索能力，非常強(qiáng)的指令遵循能力，非常強(qiáng)的推理能力，它其實(shí)是非常復(fù)合的data（數(shù)據(jù)）的taxonomy（分類學(xué)），我覺得需要對這個(gè)事情有一個(gè)taste（品位）。

這個(gè)事情的推論就是說有很多產(chǎn)品的體系化地方，會有比較大的優(yōu)勢，比如說我們和元寶的Co-Design使我們模型產(chǎn)生很強(qiáng)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(chǎn)品，所以這些產(chǎn)品能夠提供不同的數(shù)據(jù)，但是這些數(shù)據(jù)之間又可以相互泛化，它形成一個(gè)像網(wǎng)絡(luò)一樣的體系，我覺得這一點(diǎn)的價(jià)值越來越重要。

湯道生：對，外部的榜也屬于Eval的一種，所以我們內(nèi)部做Eval跟外部的這種榜有什么區(qū)別？

姚順雨：首先benchmark（基準(zhǔn)測試）還是有它的價(jià)值的，不是完全沒有價(jià)值，只是說這些榜非常容易 overfitting（備注：過擬合，指機(jī)器學(xué)習(xí)模型在訓(xùn)練集上表現(xiàn)極度完美，但在處理未見過的測試集或新數(shù)據(jù)時(shí)，預(yù)測準(zhǔn)確率和表現(xiàn)卻大幅下降的現(xiàn)象）。基于真實(shí)世界的數(shù)據(jù)會對模型的研發(fā)有幫助：首先就是你能發(fā)現(xiàn)模型很多底線問題，實(shí)際上我們先發(fā)一個(gè)Preview（預(yù)覽版）模型最主要的目的之一是希望能夠獲得真實(shí)世界反饋，能修復(fù)各種各樣榜單中沒有發(fā)現(xiàn)的問題，這個(gè)會在正式版上面有很大的改進(jìn)。

第二點(diǎn)，你對真實(shí)的Prompt distribution（提示詞分布）會有一個(gè)更深的了解。我舉個(gè)例子，比如說benchmark上面的這些題目可能它都是非常精確的，有非常長的concrete description（具象描述），它可能一般來說是一個(gè)單純的問題，但是我們知道在現(xiàn)實(shí)場景中可能大家問的問題都是比較模糊的，可能就一兩句話，它會不停追問，這些場景可以啟發(fā)我們怎么去更好做這樣的訓(xùn)練。

第三點(diǎn)，我覺得甚至我們可以在這些產(chǎn)品上面獲得一些靈感去推進(jìn)現(xiàn)在還沒有的榜單或者是沒有領(lǐng)域的推進(jìn)，比如說我們最近做了很多Context learning（上下文學(xué)習(xí)）的工作，包括元寶的反饋也給我們很大的啟發(fā)和幫助。所以我覺得產(chǎn)品和模型的互相成就是越來越重要的一個(gè)AI的話題。

湯道生：我記得我們早期做元寶的時(shí)候還碰到多輪遵循的問題，好像在使用產(chǎn)品，大家這種迭代Prompt（提示詞）的方式跟benchmark還有差異，真正在產(chǎn)品里面大家使用所需要的能力確實(shí)好像跟benchmark還有蠻大的差異的。

二、騰訊做產(chǎn)品第一性原理？AI應(yīng)用和過去有何區(qū)別？

姚順雨：你問我這么多問題，我也問你一個(gè)問題。

湯道生：歡迎。

姚順雨：其實(shí)我記得我第一次跟您聊的時(shí)候，你跟我講了很多你過去的經(jīng)歷，從QQ空間、QQ秀的時(shí)代，一直到我小學(xué)時(shí)候最喜歡的產(chǎn)品。

到QQ音樂，到云到現(xiàn)在的元寶，其實(shí)跟你聊天很有意思，因?yàn)槟阕鲞^各種各樣的產(chǎn)品，To C（面向消費(fèi)者）也有，To B（面向企業(yè)客戶）也有，遠(yuǎn)古時(shí)代的也有，最近AI時(shí)代的產(chǎn)品也有。我比較好奇，你覺得你做產(chǎn)品的第一性原理是什么，你覺得哪些經(jīng)驗(yàn)和價(jià)值是不變的？哪些東西是變的？

湯道生：我覺得其實(shí)最終做產(chǎn)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(diǎn)，怎么去給用戶或者客戶創(chuàng)造價(jià)值。在不同的時(shí)代，甚至不同的行業(yè)，你做一個(gè)產(chǎn)品還是需要能夠給用戶帶來價(jià)值，他才會買單，才會使用。所以我倒覺得從PC互聯(lián)網(wǎng)時(shí)代我們做空間、移動的時(shí)代做各種各樣的產(chǎn)品、內(nèi)容的產(chǎn)品，到產(chǎn)業(yè)互聯(lián)網(wǎng)做云，其實(shí)我們也要花好多的時(shí)間、精力去聽客戶的聲音，嘗試去幫助他們?nèi)ソ鉀Q他的問題。底層的邏輯其實(shí)沒有這么大的變化。

但確實(shí)我覺得在PC互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時(shí)代做產(chǎn)品跟今天在AI時(shí)代做產(chǎn)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(shí)代以前我們做產(chǎn)品很多時(shí)候想的是通過功能來滿足用戶的需求，你作為一個(gè)產(chǎn)品提供方、服務(wù)提供方，你想清楚我提供怎么樣的一個(gè)能力，讓用戶可能通過某些菜單去選，好像是一些“預(yù)制菜”，你只能在里面去點(diǎn)一樣。

但在AI時(shí)代做產(chǎn)品，它的那種開放式的服務(wù)形態(tài)就會帶來很不一樣的要求跟挑戰(zhàn)，用簡單的交互方式可能是自然語言，可能是語音，其實(shí)作為產(chǎn)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(diào)用工具的能力，產(chǎn)品去給模型提供各種各樣可以用的工具，來應(yīng)對這種開放式的需求，這個(gè)是我覺得跟我們過去做產(chǎn)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(chǎn)品有很清晰很具體的產(chǎn)品的細(xì)節(jié)功能的描述，怎么去做設(shè)計(jì)、做研發(fā)、做測試，我覺得那個(gè)瀑布式的流程也比較清晰。

但是做AI產(chǎn)品，我發(fā)現(xiàn)最大的變化是我們整個(gè)流程可能都要重新設(shè)計(jì)，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(shí)間去做設(shè)計(jì)，架構(gòu)的設(shè)計(jì)，把寫代碼的工作都交給AI了，然后定期去指導(dǎo)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(huán)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(fēng)格，我感覺今天時(shí)代做產(chǎn)品其實(shí)要求的能力更全面。

姚順雨：更難了。

湯道生：更難了。我問你一下混元3，大家都在說Hy3 preview（混元3預(yù)覽版）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(shí)我覺得沒有什么秘密，今天做大模型從某種程度來說比較Trivial（微不足道且瑣碎）的事情，我們應(yīng)該把Infrastructure（AI基礎(chǔ)設(shè)施）做好，我們應(yīng)該把數(shù)據(jù)做好，算法的部分反而是比較簡單的。其實(shí)我覺得主要幾個(gè)點(diǎn)吧。

第一，我們把Infrastructure重建了，無論是預(yù)訓(xùn)練還是強(qiáng)化學(xué)習(xí)。第二是我們把數(shù)據(jù)和Eval做了很大的改變，如何去定義更真實(shí)的問題，如何豐富數(shù)據(jù)的 taxonomy，如何去提高數(shù)據(jù)的質(zhì)量，這是一個(gè)永無止境的追求。

第三，我覺得很重要的很多決策其實(shí)包括怎么去招人，怎么去設(shè)立模型的節(jié)奏，怎么去每天有很多的Decision （決定）要考慮很多Trade off（權(quán)衡），我覺得可能沒有一個(gè)很清晰的公式，我覺得是一個(gè)很Taste driven（品味驅(qū)動）的事情。所以我其實(shí)挺好奇問你一個(gè)問題的，因?yàn)槟鷦倓偢矣懻揅o-Design這個(gè)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(yīng)該模型做的，哪些是產(chǎn)品應(yīng)該做的？

湯道生：我覺得Co-Design在不同階段，過去這兩年其實(shí)是一直在變化的，我覺得這個(gè)變化某種程度來講是隨著模型能力的升級而變化，當(dāng)然整個(gè)行業(yè)、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(chǎn)品需要更好去滿足。

給我一個(gè)比較深的感受是怎么去對齊，因?yàn)樵谖覀円黄鹑プ霎a(chǎn)品，去做對齊會的時(shí)候，我們有很多不同的決策，產(chǎn)品可能要針對某個(gè)方向去解決一些問題，模型到底怎么做去滿足這個(gè)需求，但是你要回到模型需要數(shù)據(jù)，數(shù)據(jù)應(yīng)該怎么標(biāo)注，到什么顆粒度，到底什么是好的標(biāo)注，什么是不好的標(biāo)注，因?yàn)橛幸恍┑胤揭剟?lì)，有一些地方要懲罰。

然后還有Eval，還有評測，因?yàn)槿绻a(chǎn)品認(rèn)為好的產(chǎn)品體驗(yàn)，評測是不認(rèn)同的話，大家其實(shí)做出來的產(chǎn)品就會不一致了。所以Co-Design給我的感覺更多是在項(xiàng)目組里面不同的角色參與到產(chǎn)品的設(shè)計(jì)，定了一些產(chǎn)品的目標(biāo)方向，怎么讓多個(gè)角色能夠?qū)τ谝恍╅_放式問題有比較好的對齊。

如果沒有做到這樣一個(gè)對齊的話，你會發(fā)現(xiàn)產(chǎn)品的行為會不可預(yù)測。甚至有時(shí)候會有一些隨機(jī)性，因?yàn)槟Ｐ陀?xùn)練的過程可能也被混淆了。

所以這是我這兩年跟做產(chǎn)品跟模型團(tuán)隊(duì)做Co-Design的一個(gè)比較深的感受。您覺得呢？

姚順雨：其實(shí)我是覺得，就像我剛剛說的，首先最難的一點(diǎn)是要建立Trust（信任），畢竟我覺得同理心很重要，因?yàn)檎f到底做模型的目標(biāo)和做產(chǎn)品的目標(biāo)有很多align（對齊）的部分，也有很多不align的部分。就是模型人希望我能力越強(qiáng)越好，但是產(chǎn)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(diǎn)是要有換位思考的能力。

其實(shí)就是你剛剛問我元寶我們是怎么一步一步Co-Design的，其實(shí)一個(gè)很重要的細(xì)節(jié)是，我們當(dāng)時(shí)是派了后訓(xùn)練最強(qiáng)的骨干力量，去幫助元寶把后訓(xùn)練做好。當(dāng)時(shí)我們自己的預(yù)訓(xùn)練還沒有準(zhǔn)備好，但是我們知道維護(hù)元寶這樣的產(chǎn)品以及它的DAU（日活躍用戶）會對我們接下來做模型也非常非常重要，而且對于創(chuàng)新的合作非常重要。

所以當(dāng)時(shí)其實(shí)很多算法同學(xué)不理解，我需要去很努力解釋，但是現(xiàn)在看起來這些努力都是Trade off，我覺得這樣一個(gè)動作讓產(chǎn)品意識到模型的同學(xué)是真的在為產(chǎn)品著想，我覺得這個(gè)其實(shí)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(dāng)然有很多技術(shù)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：對，非常認(rèn)同。我換一個(gè)話題，你是ReAct架構(gòu)（ReAct方法，Reasoning+Acting是由姚順雨在2020年提出的一種AI決策框架）的提出者，博士研究也是圍繞著語言智能體展開的，你幾年前的一些觀點(diǎn)到今天兌現(xiàn)了嗎？比如有哪些？

姚順雨：那天我挺感慨的，我重新讀了自己的博士論文，感覺又回到一個(gè)很遠(yuǎn)古時(shí)代，我的博士論文的標(biāo)題叫做《Language Agents: From Next-Token Prediction to Digital Automation》（《語言智能體：從下一詞元預(yù)測到數(shù)字自動化》），是2019年。

湯道生：7年前。

姚順雨：那個(gè)時(shí)候Literally（字面意思）就是我們的GPT-2（備注：姚順雨當(dāng)時(shí)在OpenAI工作），那個(gè)時(shí)候它只能做Next token prediction（下一個(gè)詞預(yù)測），而且它產(chǎn)生一段話不太連續(xù)，或者有很多毛刺，所以當(dāng)時(shí)人們很難想象到它有一天成為一個(gè)改變世界的力量。

當(dāng)時(shí)我覺得可能大家做的研究，稍微有想像力做一些研究。比如說，中國首都是，如果做Next token prediction它會回答北京，somehow（一些時(shí)候）它是一個(gè)有Knowledge（知識）的事情，能做到這一點(diǎn)大家當(dāng)時(shí)非常開心，覺得這個(gè)技術(shù)很有意思。

當(dāng)時(shí)我的想象力比較狂野，我覺得GPT是一個(gè)非常優(yōu)美的東西，吐下一個(gè)Token（詞元）是一個(gè)非常極簡且非常通用的事情，我覺得它有一天潛力不僅僅是在于吐出下一個(gè)Token，而在于把這個(gè)世界上所有的事情全部automate（自動化）。我當(dāng)時(shí)想的還不夠大，我想的是digital automation（數(shù)字化自動化），但是現(xiàn)在看起來也有可能是digital and physical automation（數(shù)字和物理世界自動化）。

我覺得其實(shí)我博士期間主要做兩部分，第一部分就是如何建立一個(gè)Agent方法論，如何把一個(gè)Next Token prediction的機(jī)器變成一個(gè)Agent，變成一個(gè)自動化的機(jī)器，最重要的工作可能是你說的react。

我記得2022年7月份的時(shí)候某一天晚上，當(dāng)我第一次把Pump two的API（應(yīng)用接口）和當(dāng)時(shí)手寫的一個(gè)Wikipedia （維基百科）API連在一起，它第一次可以基于這個(gè)網(wǎng)頁回答問題，并且多輪交互的時(shí)候，我當(dāng)時(shí)感覺就像微弱電燈燈突然亮的感覺一樣。我感覺據(jù)我所知，人類第一次把LLM和互聯(lián)網(wǎng)連在一起并且做多輪交互，我當(dāng)時(shí)的感覺是，這個(gè)感覺可能在5年或者10年會改變這個(gè)事情，但是可能比我想象中還要更快。

我記得當(dāng)時(shí)我們第一次提出SWE-bench（備注：目前全球軟件工程領(lǐng)域最主流、最具挑戰(zhàn)性的大型語言模型基準(zhǔn)測試之一）的時(shí)候，我覺得OK，如果這個(gè)事情能做到，那很顯然它會帶來巨大價(jià)值，當(dāng)時(shí)可能是幾百億、上千億，但現(xiàn)在可能是數(shù)萬億，數(shù)是萬億，可能我想的還是太小了。

另一部分我做的工作就是怎么定義Digital automation的任務(wù)，比如說WebShop（電商）是第一個(gè)基于互聯(lián)網(wǎng)的Web Agent task（互聯(lián)網(wǎng)智能體任務(wù)），包括InterCode（備注：一個(gè)用于評估大型語言模型在交互式編程任務(wù)中表現(xiàn)的標(biāo)準(zhǔn)評估測試）和SWE-bench是最早的Coding Agent（代碼智能體）這樣的任務(wù)。現(xiàn)在看起來Agent技術(shù)最重要兩個(gè)部分確實(shí)是外部Agent和Coding Agent。

那天我在群里跟大家聊天，我看我博士論文結(jié)尾，就是我在2024年寫我的future work（未來工作），第一個(gè)是train models for Agent（為智能體訓(xùn)練模型），第二個(gè)是shift and robust deployment，第三個(gè)是scientific discovery（偏移與魯棒部署），第四個(gè)是怎么樣去help human（幫助人類），我很感慨，我說我現(xiàn)在很幸運(yùn)確實(shí)在做當(dāng)時(shí)列的future direction（未來的決定）。

湯道生：太厲害了，都一一看到整個(gè)行業(yè)這些方向在推進(jìn)。

姚順雨：可能想的還是不夠大，我覺得已經(jīng)覺得自己想的夠大了，但是可能還是不夠大，我覺得。

湯道生：技術(shù)的發(fā)展往往超乎我們的預(yù)期。智能體今天大家都說需要消耗很多的Token，Token的調(diào)用，這對于混元做下一代模型研發(fā)，你覺得什么是你的側(cè)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(diǎn)像預(yù)訓(xùn)練一樣，是不得不做的事情，是最基礎(chǔ)能力。我個(gè)人覺得Coding Agent非常本質(zhì)有很多原因。還有一個(gè)重要原因就是說它是一個(gè)優(yōu)點(diǎn)像圖靈完備的事情，當(dāng)你有能力去控制自己的file system（文件系統(tǒng)），當(dāng)你有一個(gè)container（容器）的時(shí)候，其實(shí)你是一個(gè)complete（完成）這樣一個(gè)system（系統(tǒng)），今天我覺得Agent毫無疑問是每一家模型所發(fā)力的重點(diǎn)，我覺得我們做的方法可能會有幾個(gè)區(qū)別：

第一，即使今天Coding已經(jīng)是最重要的事情，但是我們還是會強(qiáng)調(diào)體系的全面化，我始終認(rèn)為要把Coding做好，其實(shí)需要遠(yuǎn)遠(yuǎn)不止Coding的數(shù)據(jù)，也需要聊天、推理，各種各樣不同的東西，因?yàn)榇竽Ｐ妥钪匾狞c(diǎn)是泛化性。

第二，很顯然產(chǎn)品作用越來越重要，如何利用好線上回流，我覺得是一個(gè)每個(gè)模型廠商都在應(yīng)對和思考的問題。這里剛剛積累很多CoDesign經(jīng)驗(yàn)變得非常重要。

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

湯道生：從產(chǎn)品側(cè)，因?yàn)榇蠹以絹碓蕉嘤蠺oken焦慮的聲音，Token成本爆發(fā)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(gè)問題，或者完成某個(gè)任務(wù)，Token效率高？

我之前做過一些任務(wù)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(gè)，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(jià)比更多討論模型架構(gòu)，但其實(shí)它是很復(fù)雜的體系，我覺得最重要的是首先是你的performance（性能）。

很多人跟我說，他最后發(fā)現(xiàn)用Opus（Claude旗下的旗艦?zāi)Ｐ停┻@樣的模型比用更差的模型更省錢，因?yàn)楦斓陌堰@個(gè)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(jià)比是最關(guān)鍵的事情。

尤其我覺得今年可能很多簡單任務(wù)的robustness（穩(wěn)健性、健壯性或魯棒性）會變得更加重要，一次把相對簡單任務(wù)做對，這可能是性價(jià)比更關(guān)鍵的部分，不僅是模型架構(gòu)。

第二部分就是成本它本身，性價(jià)比第一是性能，如果性能不好性價(jià)比無從談起。第二點(diǎn)是成本，中國是領(lǐng)先于世界的，就是我們做大量工作優(yōu)化我們的成本，成本可能最重要的事情是怎么用一個(gè)更小的模型把更高的價(jià)值任務(wù)做好，在這基礎(chǔ)上架構(gòu)創(chuàng)新，包括長文管理，腳手架有很多需要做的事情。

如果我們做一個(gè)相對較小的模型，但是它比肩大模型性能，而且在大部分任務(wù)上做很強(qiáng)的robustness，這可能在很多長程的上面提升一兩個(gè)點(diǎn)的提升，可能在今天的中國更有價(jià)值。

我很好奇，您覺得Agent，你是什么時(shí)候意識到它是一個(gè)什么新的產(chǎn)品的機(jī)會，以及你現(xiàn)在認(rèn)知是什么，你覺得現(xiàn)在我們離一個(gè)好用的Agent bottlenck（智能體瓶頸）在哪里呢？

湯道生：我們做的Agent，針對不同場景有不同的產(chǎn)品形態(tài)，在Agent設(shè)計(jì)上面，很大程度是發(fā)揮好模型能力，當(dāng)然模型在迭代它能力越強(qiáng)Agent需要做的工作越來越少。

我看我們好幾個(gè)產(chǎn)品在過去這段時(shí)間是隨著模型能力加強(qiáng)。我們可以把產(chǎn)品，把Agent做的更簡化，更多的給模型提供更多不同的工具，創(chuàng)造更多的skills，來讓模型能夠更高效的去完成任務(wù)，給模型提供更多的我們叫記憶，用戶過去使用一些習(xí)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(huán)境有相關(guān)的context給到模型，在Workbuddy里邊辦公協(xié)作，做個(gè)PPT，可能大家關(guān)注的內(nèi)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，我覺得更重要是了解場景下什么內(nèi)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(shí)也發(fā)揮它的能力。

姚順雨：最近我們確實(shí)推出一些像Workbuddy口碑不錯(cuò)的產(chǎn)品，背后很多小團(tuán)隊(duì)在快速迭代產(chǎn)品，我其實(shí)挺好奇，相對于傳統(tǒng)的產(chǎn)品研發(fā)，你覺得在新的Agent時(shí)代的研發(fā)和組織管理上，產(chǎn)品團(tuán)隊(duì)發(fā)生什么變化，你的思考是什么？

湯道生：我前陣子在幫Workbuddy做一個(gè)組織發(fā)文，我看了一下他們那個(gè)非常扁平化的組織，跟我們過去的其他產(chǎn)品組織架構(gòu)有很大差異。

更多小團(tuán)隊(duì)三個(gè)人五個(gè)人，可能圍繞某一個(gè)領(lǐng)域來做攻堅(jiān)，而且有很多試驗(yàn)在里面，還要支持Infra（基礎(chǔ)設(shè)施）做實(shí)驗(yàn)，讓不同的小分隊(duì)可以去探索然后再驗(yàn)證。

因?yàn)樵囼?yàn)大部分拿不到正向反饋，我們也要包容團(tuán)隊(duì)去試錯(cuò)，這種通過大量試驗(yàn)去提煉出對于用戶流程。這對于我們想要的這個(gè)結(jié)果有正向幫助，這個(gè)是我覺得今天做Agent，做原生AI產(chǎn)品，這個(gè)組織形態(tài)要能夠比較好去支撐。

另外，原來可能有很多工程師有很多時(shí)間花寫代碼，但是今天毫無疑問他們這些工作可以交給AI了，所以我們會看到更多角色的融合，大家都是產(chǎn)品經(jīng)理，都要去了解透徹用戶需求，以及設(shè)計(jì)出我們想要的產(chǎn)品形態(tài)。

每一個(gè)工程師更像一個(gè)有想法的leader（領(lǐng)導(dǎo)者），驅(qū)動多個(gè)Coding Agent，針對我們想要的產(chǎn)品需求去做研發(fā)、開發(fā)。同時(shí)要參與評測、測試，比較前置，也用好AI能力，把這些質(zhì)量保證工作，對齊工作要做到前面來。

我也想再問一下一個(gè)可能大家比較多討論的一個(gè)問題，很多人都會提到騰訊慢，說在AI上面我們沒有及時(shí)抓住一些機(jī)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？

三、騰訊做AI真的慢了么？

姚順雨：感覺應(yīng)該是我問你的問題。

湯道生：哈哈。

姚順雨：我覺得首先AI其實(shí)今天有兩個(gè)重要判斷，第一個(gè)就是說我們認(rèn)為AI是一個(gè)短期的游戲還是長期游戲？在硅谷大家蔓延很多情緒。哎呀，一兩年后所有人都要失業(yè)，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(gè)長期游戲，其實(shí)我覺得AI剛開始，下半場才剛剛開始，我不認(rèn)為ChatGPT和ClaudeCode會是唯一的superApp（超級應(yīng)用），我覺得那是一個(gè)非常灰暗的世界，我覺得肯定會有源源不斷新的機(jī)會誕生。

可能今天就像是70年代PC（個(gè)人電腦）剛剛產(chǎn)生的時(shí)候，我覺得還有很多很多事情需要做。

第二個(gè)判斷，它會是個(gè)更線性還是多元游戲？因?yàn)榇_實(shí)過去幾年大家能看到的是Pre-training（預(yù)訓(xùn)練）、post training（后訓(xùn)練），然后Agent，Coding Agent，似乎有一個(gè)非常清晰的主線，這個(gè)主線是所有人都在做一樣的事情，都在copy（抄襲），這也是非常灰暗的事情。

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

過去模型、產(chǎn)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(gè)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(shí)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(gè)事情是下半場最重要的事情。

湯道生：大家對于騰訊經(jīng)常喜歡挑某一個(gè)點(diǎn)來批評，當(dāng)然我覺得我們也很歡迎大家給我們提更高的要求。

我們是一個(gè)非常多業(yè)態(tài)的公司，有很多產(chǎn)品分布在很多的賽道，同時(shí)也有很多的團(tuán)隊(duì)在推進(jìn)不同的項(xiàng)目、事情。所以毫無疑問，在這樣一個(gè)復(fù)雜的組織里面有一些地方可能我們做得快了，有的地方做得慢了，有一些地方可能會做失敗，在探索。

所以我覺得這些提醒都非常好，我覺得確實(shí)有一些地方我們是可以做得更好，但是就像你說的，這是一個(gè)長跑，這是一個(gè)馬拉松，騰訊還是有非常豐富的場景。

就你一開始提到選擇騰訊，因?yàn)锳I需要Context，模型需要很多的這些上下文，其實(shí)騰訊在過去多年不同產(chǎn)品，在不同賽道的這些積累，其實(shí)都是可以針對每一個(gè)場景去為模型提供有用的信息，提供這些Context來發(fā)揮價(jià)值。

在這樣一個(gè)長跑，我相信模型會不斷迭代，用戶的需求也在不斷變化，也會有新的產(chǎn)品形態(tài)出現(xiàn)，我覺得我們比如說今年年初對Agent這一波熱潮也反應(yīng)比較快。同時(shí)也有像WorkBuddy這樣的智能體產(chǎn)品，其實(shí)也是幾年前開始做的產(chǎn)品，沿著原來做Coding、CodeBuddy，慢慢看到非程序員也有很強(qiáng)的需求，我們也能比較快去應(yīng)對，今天也聽到很多客戶對于我們的不同產(chǎn)品怎么去組合起來有非常高的期待。

所以我們正在長跑中，也請各位多給我們提醒，給我們建議，也多用我們的產(chǎn)品來給我們正向的反饋。

我看時(shí)間其實(shí)都超時(shí)了，我想我來首先感謝順雨今天的分享，我們剛才其實(shí)圍繞了做模型、做產(chǎn)品，談到了Co-Design，談到了Agent的演進(jìn)，也提到了組織變革，行業(yè)的一些機(jī)會，在過去一年其實(shí)我們看到非常多企業(yè)也有共同的困惑或者面臨同樣的挑戰(zhàn)。產(chǎn)品如果用不好，企業(yè)不能持續(xù)去投入，或者ROI（投資回報(bào)率）不夠，這都會影響AI在企業(yè)里面普及的進(jìn)度。