出品｜虎嗅黃青春頻道

作者｜商業消費主筆黃青春

題圖｜現場拍攝

上周五（6 月 5 日），湯道生與姚順雨的一場對談，再次將“騰訊慢了”的論調推至輿論中心，兩人在“外界為何覺得騰訊慢了”的追問上相視一笑，沉默不答；然而，當“騰訊慢了”正從行業調侃變成市場共識時，騰訊似乎仍未重視這對公司造成的影響。

最直觀表現在兩個層面：一是媒體對騰訊 AI 敘事的持續唱衰；二是上半年港股股價震蕩下行，騰訊一度從中國互聯網“常青樹”淪為老登股——資本開支最能說明問題，在全球科技巨頭動輒將過去一年經營現金流投入 AI capex 的當下，騰訊上季度只將經營現金流的 35% 投入到 AI 領域。

與此同時，WorkBuddy 成為國內類 Claude Code 生產力智能體市場第一，Hy3 Preview 在 OpenRouter 調用量連續三周第一，CodeBuddy 覆蓋騰訊 90% 工程師并將編碼時間縮短 40%，騰訊云 2025 年首次實現全年規模盈利。

一邊是外界“慢而不自知”的口誅筆伐，一邊是產品落地的穩步推進，騰訊的 AI 戰略似乎游離在行業主流敘事之外。這種認知與現實的反差，迫使我們重新審視騰訊：為何在 AI 上半場顯得慢了？在所有人搶首發、沖榜單、燒流量時，騰訊不爭快慢爭什么？

騰訊慢而不自知？

外界對騰訊“慢”的指責，核心集中在三個維度：基礎模型起步晚、C 端產品沒跑出來、算力投入不激進。

2024 年行業扎堆發布大模型，本質上是在“拼方法”的上半場末期搶跑，但真正的價值創造還未開始。2026 年混元團隊完成架構重建后，騰訊著手解決兩個核心問題：一是重建大模型的基礎設施，二是提升數據質量。

Hy3 Preview 的發布，正是這一階段的成果，其并未追求極致的參數規模，重點優化了基礎設施、數據體系和真實場景的適配性。姚順雨直言：“今天，做大模型本身已相對簡單，算法不再是核心瓶頸，真正難的是把基礎設施做扎實，把數據和評估體系（Eval）做透。”

如今回頭看，此前不搶首發、先打地基的思路，反而在混元大模型的后續迭代中幫助騰訊避開了行業普遍存在的刷榜陷阱——國內大模型廠商普遍陷入“為了榜單優化模型”的怪圈，導致模型在基準測試中表現優異，但在真實場景中漏洞百出。

騰訊首席 AI 科學家姚順雨在與騰訊云與智慧產業事業群 CEO 湯道生的對談中，明確提出了 AI 下半場的定義：“去年之前 AI 發展了幾十年，核心是尋找解決問題的方法；但預訓練和后訓練成熟后，我們有了‘萬能錘子’，反而更難的是尋找值得解決的好問題。”

至于大家經常揶揄騰訊，元寶月活僅為豆包的零頭；但重新審視 C 端對話類 AI 的高流量，到底是資產還是負債？

豆包的快速增長，其實建立在持續燒錢的基礎之上，因為每次用戶交互都會產生 Token 推理成本，用戶規模越大，算力消耗呈指數級增長。據外媒報道，豆包激進的燒錢策略一度讓字節跳動將 2026 年資本開支提至 700 億美元，顯著拖累了公司整體利潤。

在此背景下，隨著用戶規模擴大，豆包硬推 C 端收費，更像收入壓力倒逼下的被動選擇。據全球人工智能市場追蹤機構 aicpb.com 上周三發布的數據顯示，在豆包被曝推出訂閱選項后，該應用 5 月 MAU 減少了 610 萬，這是自 2023 年推出以來該應用罕見的下滑。

事實上，全球范圍內對話類 AI 尚未找到可持續的大眾市場商業化路徑：OpenAI 旗下 ChatGPT 移動端月活已突破 10 億，但 2025 年凈虧損達 80-90 億美元，2026 年預計虧損將擴大至 140-150 億美元；而 Anthropic 僅憑 OpenAI 約 10%-15% 的全平臺活躍賬號規模（2026 年 3 月為 1.34 億），就在 2026 年 5 月實現了約 450 億美元的年化收入。若按全平臺活躍用戶計算，其 ARPU 值約為 OpenAI 的 10-12 倍，核心邏輯正是戰略性收縮大眾市場，聚焦高價值的企業和專業服務場景。

騰訊恰好走了 Anthropic 的中國路線：元寶并未盲目追高 C 端用戶規模，而是作為混元大模型的試驗場和 C 端入口，承擔打磨基礎模型能力的角色，并把真正的發力點放在高價值的生產力智能體賽道。

從 CodeBuddy 到 WorkBuddy 的演化就體現了騰訊的產品邏輯：先在代碼這個可形式化驗證、價值清晰的場景打磨出成熟的 Agent 內核，再將其遷移到辦公、設計等通用場景。

所以，湯道生強調：“AI 是一場馬拉松，不是百米沖刺。” 姚順雨則自信地表示：“如果 AI 下半場才剛剛開始，那么過去的快慢毫無意義，重要的是能不能誠實面對自己，能不能保持長期耐心。”

騰訊核心打法：爭場景落地

按騰訊的邏輯，大模型本身不產生商業價值，只有落地于真實場景、解決實際問題的模型才具備價值。這一理念的核心，是湯道生和姚順雨反復提及的“Co-Design”模式：模型團隊與產品團隊深度協同，共同定義問題、設計方案、評估效果。

Co-Design 并非模型團隊簡單地向產品團隊輸出 API 接口，姚順雨將其總結為三個核心要點：

第一，模型本身足夠扎實。預訓練是與具體產品無關的通用基礎工作，必須做到極致，其進步可以為所有下游任務帶來持續的價值提升；后訓練則要摒棄刷榜思維，基于真實產品場景構建評估體系。“實用價值遠大于刷榜價值”，這是騰訊 AI 團隊的核心共識。

第二，建立模型與產品之間的信任，這是 Co-Design 最難的部分。模型團隊希望能力越強越好，產品團隊希望精準滿足用戶需求，兩者天然存在目標差異。騰訊的解決方式是換位思考+深度綁定：混元團隊派出后訓練核心骨干，支持元寶的后訓練工作；即使在預訓練尚未完成的階段，也優先保障元寶的技術支持。

第三，充分利用大語言模型（LLM）的泛化性。與傳統 AI 不同，大語言模型時代的能力是可遷移的。元寶與混元的 Co-Design 打磨出的聊天和搜索能力，可以直接遷移到智能營銷助手（IMA）、WorkBuddy 等產品；WorkBuddy 積累的辦公場景數據，又可以反哺混元通用能力的迭代升級。

基于此，當行業仍在糾結“誰的大模型更聰明”時，騰訊已經將重心轉向了 Agent。姚順雨認為：“智能體或者代碼智能體（Coding Agent）是必爭的基礎能力。代碼智能體本質上是圖靈完備的，當你有能力控制文件系統和容器時，你就擁有了一個完整的自動化系統。”

當然，在騰訊的 AI 體系中，評估體系（Eval）是連接模型與產品的關鍵樞紐。姚順雨直言：“外部基準測試有其價值，但非常容易過擬合。真正有價值的評估，來自真實世界的用戶反饋。”

據虎嗅了解，與行業普遍依賴第三方榜單不同，騰訊建立了一套基于產品場景的內部評估體系，其核心價值體現在三個方面：

第一，發現第三方榜單無法覆蓋的基礎體驗缺陷與安全隱患。Hy3 Preview 發布的核心目的之一，就是收集大規模真實用戶反饋，修復基準測試中未暴露的潛在漏洞。

第二，掌握真實場景的用戶提示詞分布。 基準測試中的問題往往表述精確、邏輯清晰，但真實用戶的提問往往表述模糊、邏輯跳躍，且多為多輪連續追問。通過分析元寶、WorkBuddy 的真實用戶提示詞，騰訊可以更針對性優化模型的指令遵循能力與多輪對話連貫性。

第三，真實場景的用戶需求能倒逼技術研究方向迭代。 例如，元寶用戶對長上下文的強烈需求，直接推動了騰訊在長上下文學習領域的技術突破；WorkBuddy 用戶對復雜任務自動化的需求，有效促進了智能體復雜任務規劃能力的提升。

很多人之所以錯判騰訊的 AI 戰略，根源是仍在用傳統互聯網思維衡量 AI 產業：信奉流量即壁壘的贏者通吃邏輯；但互聯網的壁壘是流量和網絡效應，而 AI 產業的核心壁壘是場景深度、數據質量與組織協同能力。

如今，“誰擁有場景，誰就擁有未來”這句話正在 AI 下半場得以驗證。

姚順雨在加入騰訊時曾說：“AI 下半場最重要的是上下文（context）。當模型越來越擅長將復雜輸入轉化為標準化輸出時，競爭壁壘便轉移到了最原始的輸入端，你知不知道這個人在干什么，知不知道企業的各種信息。”

騰訊擁有中國互聯網最豐富、完整的場景生態矩陣：微信是覆蓋 14 億國人的超級社交入口，騰訊文檔、騰訊會議是國民級辦公工具，游戲業務觸達全球數十億用戶，騰訊云服務數百萬企業客戶。這些場景每天產生海量、高價值的結構化與非結構化數據，為大模型提供了獨一無二的上下文數據支撐。

更重要的是，騰訊的場景生態是可打通、可協同的。通過微信、企業微信等入口，騰訊可以將 AI 能力深度嵌入到用戶的日常工作和生活中，實現 AI 能力的無感滲透。例如，用戶在微信中發送一條自然語言指令，WorkBuddy 可以自動調用騰訊文檔生成初步方案，通過騰訊會議發起線上討論，最終將結果同步至企業微信審批流程。

再往上一層，AI 產業的競爭歸根結底會變成組織的競爭。大模型研發需要跨學科、跨領域的深度協作，智能體產品需要快速迭代與敏捷試錯，這對企業的組織架構與文化基因提出了極高要求。

姚順雨坦言，選擇加入騰訊最重要的原因就是“坦誠、信任、低 ego”的文化：“第一次跟總辦成員聊天，大家都非常誠實，哪里做得好哪里做得不好，非常直白不會掩蓋。騰訊是一個基于信任而非 KPI 指標運轉的公司，這對做 AI 非常重要。”

在這種文化影響下，騰訊云團隊呈現出兩個鮮明的組織特征：

第一，WorkBuddy、CodeBuddy 等產品都采用 3-5 人的精英小團隊模式，團隊成員擁有充分的自主權，可以快速決策、快速迭代試錯，沒有復雜的層級和匯報關系。湯道生對此評價：“今天的 AI 研發，想法比流程更重要。小團隊可以更靈活地響應市場變化，更快地驗證產品方向。”

第二，傳統的瀑布式研發流程已經被重構：產品經理、工程師、設計師、測試人員的邊界變得模糊，每個人都要參與需求定義、架構設計和質量評估——工程師不再只是寫代碼，而是變成了指揮 AI 的主導者；測試工作也從最后環節前置到了需求階段，通過 AI 實現自動化測試。

除此之外，騰訊還構建了一套從個體效率提升到組織能力升級的完整路徑。騰訊云副總裁、WorkBuddy 負責人劉毅將其總結為四個核心步驟：培養超級個體、沉淀組織資產、融入生產流程、構建 AI 治理體系。

當然，AI 行業最大的痛點仍是商業化路徑模糊。據虎嗅了解，騰訊 AI 商業化主要分為三個層級：一是，AI 首先服務于騰訊自身的業務，提升研發、運營、管理效率；二是，通過騰訊云將 AI 能力輸出給企業客戶，提供 MaaS、SaaS 等多種形式的服務——與傳統的云服務不同，AI 服務的粘性更高、附加值更大，有望為騰訊云帶來更高的利潤率；三是，騰訊為合作伙伴提供算力、模型、工具和流量支持，合作伙伴則負責場景落地和客戶拓展，雙方按約定比例分配利潤——這種模式不僅可以快速拓展市場，更能豐富騰訊的 AI 生態。

針對行業普遍采用的按 Token 計費模式，湯道生向虎嗅表示：“純粹按 Token 計費并非長期可持續的商業模式。如果 AI 能夠為客戶創造實實在在的價值，客戶自然愿意為結果付費；當然，騰訊也不排斥按 Token 計費，而是將其作為基礎計費方式之一，與按任務、按效果等計費方式結合，滿足不同客戶的需求。”

慢的代價、未出的牌

筆者肯定騰訊的戰略定力，并不意味著它沒有問題。事實上，騰訊的慢也讓它付出了代價，并將持續影響其在 AI 下半場的競爭力。

比如，騰訊的基礎模型起步較晚，姚順雨入職后幾乎將混元“重做了一遍”。Hy3 Preview 雖取得了顯著進步，但與 GPT-4o、Claude 3 Opus 等國際頂尖模型相比，仍存在一定差距。

這種差距主要體現在兩個方面：一是通用能力的全面性，國際頂尖模型在復雜推理、多模態理解、長上下文處理等方面仍然領先；二是前沿技術的探索，騰訊在通用人工智能（AGI）基礎研究方面的投入和積累，與 OpenAI、Anthropic 等公司相比差了一個身位。

在與湯道生的對談中，姚順雨也承認：“中國今天所做的前沿探索不夠多，我們需要把前沿探索的精神更多地注入組織基因。”

更核心的瓶頸是算力，這也是當前騰訊面臨的最大挑戰。2024 年，騰訊從英偉達采購了約 23 萬張 H20 芯片，與字節跳動并列國內采購量第一；但 2025 年 4 月美國對 H20 芯片實施更嚴格的出口管制后，騰訊無法再批量獲取高端訓練算力，國產昇騰 950 訓練芯片要到 2026 年第四季度才能實現量產，遠水難解近渴。

湯道生坦言：“過去兩三年，我們的算力一直處于緊平衡狀態，有限的算力資源只能優先保障內部核心產品需求。”

由此可見，算力不足將成為未來 18-24 個月制約騰訊 AI 發展的核心瓶頸，進而導致混元大模型的訓練和迭代速度放緩，WorkBuddy、元寶等產品的算力供應緊張，騰訊云企業客戶的算力需求也受到一定影響。對此，湯道生在采訪中表態，騰訊正在加大多元算力供應的投入。

值得注意的是，盡管場景和數據是騰訊的優勢，但騰訊的多事業群（BG）架構也存在內部協同壁壘——混元團隊雖實現了跨 BG 的資源調動，但不同 BG 之間的產品和數據打通仍存在明顯障礙。例如，微信的社交數據、游戲的用戶數據、云的企業數據，還沒有實現互聯互通，難以形成協同合力。據虎嗅了解，主要是出于合規考慮，騰訊在數據打通方面表現得相當克制。

湯道生也意識到了這一問題，已著手推動騰訊 AI 產品的整合；劉毅則明確表示：“未來 WorkBuddy 將成為騰訊云 AI 智能體的統一入口，與平臺，代碼、辦公、設計等場景都將整合到 WorkBuddy 中。”

目前，WorkBuddy 已接入混元、DeepSeek、GLM、Kimi、MiniMax 等多個主流大模型，用戶可以根據需求自由選擇。這不僅能滿足不同用戶的差異化需求，還能降低對單一模型的依賴，分散風險。

不過，騰訊還攥著微信 AI 的牌沒打，其隨時都可能成為顛覆市場的“王炸”。據業內消息，微信正與多家手機廠商合作，將社交關系鏈能力開放給系統級 AI 助手調用。這意味著，未來用戶可通過主界面右滑訪問 AI 聊天窗口，輸入指令即可自動調用微信數百萬個小程序，微信將一躍成為全球最大的智能體平臺。

所以，在 AI 這場馬拉松中，騰訊不爭一時快慢，而是押注場景落地，把價值做深——與很多公司試圖打造一個 AI 超級 App 不同，騰訊的戰略是 AI 無處不在，即將 AI 能力嵌入到所有現有產品中，讓每一個產品都變得更智能。

這一戰略的核心優勢在于，能夠充分復用騰訊現有的海量用戶基礎與成熟場景生態，實現 AI 能力的規模化快速落地。例如，微信的廣告投放系統已全面接入混元大模型，廣告精準度與轉化效率均實現大幅提升；視頻號的內容推薦算法與創作輔助工具，也在 AI 的加持下持續優化；騰訊會議的自動紀要、實時翻譯等功能，已成為用戶不可或缺的核心剛需功能。

綜上，騰訊 AI 戰略底層是互聯網時代后發制人成功邏輯的延續：從 QQ 郵箱到微信再到視頻號，騰訊從未做過行業領跑者，卻總能憑借持續的產品迭代與強大的生態優勢后來居上。當然，這一戰略能否在 AI 下半場再次奏效，還取決于騰訊能否突破算力瓶頸、打通內部數據壁壘，并在前沿技術探索上投入更多資源。

# 虎嗅商業消費主筆黃青春、黃青春頻道出品人，關注文娛社交、游戲影音等多個領域，行業人士交流加微信：724051399，新聞線索亦可郵件至huangqingchun@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4864865.html?f=wyxwapp