腾讯AI下半场战略解读：姚顺雨深度剖析

这两天，腾讯在AI方面的动作和信息量确实不小。

6月5日的腾讯云AI产业应用大会上，汤道生和姚顺雨做了一次公开对谈。紧接着第二天，汤道生又接受了一轮媒体采访，把外界关心的问题摊开来讲了一遍。

看完这两场对话，最直观的感受是：腾讯终于把自家在AI这件事上的打法说清楚了。至于"哎呀腾讯终于要发力了"这种套话，倒没那么值得反复念叨——每次大厂开完会都有人这么写，实在没什么新意。

腾讯这一次的思路其实并不复杂：模型只是一块拼图。元宝、WorkBuddy、CodeBuddy、文档、会议这些产品和工具，得接到同一个任务流程里，让AI能拿到上下文、调得动工具、最后真的把事情做完。

这恰恰是腾讯最应该做的事情，也是它可能最适合走的那条路。

先说明白一下。

这次的主角是姚顺雨。得注意，别和姚顺宇搞混了。

姚顺雨是清华姚班、普林斯顿CS博士，做的是ReAct、Tree of Thoughts、语言智能体这些方向，之前在OpenAI，现在加入腾讯，担任首席AI科学家。

姚顺宇是另一位——清华物理、斯坦福理论物理博士，之前在Anthropic和Google DeepMind。

两个名字只差一个字，但路线完全不同。

两个Shunyu Yao照片对比图。

先把这事捋清楚，不然后面全串台了。

外界问腾讯AI，最爱问的一个问题就是：腾讯在AI上的动作是不是变慢了？

ChatGPT出来之后，OpenAI、Anthropic、Google、DeepSeek、KIMI、GLM、字节、阿里，都有过让外界记住的模型或产品。相比之下，腾讯过去一段时间确实不算最抢眼。

姚顺雨这次没有直接回避这个问题。

他没有硬说"腾讯动作一点都不慢"。

他直接抛出了一个问题：AI到底是一个短期游戏，还是一个长期游戏？

如果AI是两年内决胜负的短跑，那产品推进慢、模型发布慢、市场反应慢，确实符合大家眼中的判断。

但如果AI更像PC刚出现时的70年代，那现在其实还有大量产品形态还没填满。

现在最容易被记住的，是ChatGPT和Claude Code——聊天和写代码只是其中两类产品形态。多模态、具身智能、办公协作、企业流程这些东西，现在还没有定型，未来几年还会有新的产品形态跑出来。

这话里确实有解释过去节奏的部分。

但更重要的是，它讲到了腾讯自己的产品条件。

说到底，腾讯这种公司，本来就不擅长每三个月做一次惊艳全球的模型发布会。

它更擅长把AI能力放进真实产品里，让大量用户每天用，再根据反馈一轮一轮地迭代。

如果AI下半场更看产品，这条路还有机会。

如果AI下半场最后只看模型，那腾讯确实会很难受——直白点说，腾讯就不适合天天跟人拼发布会节奏。

腾讯这次把"长期游戏"这事拎出来，也算是把自己在AI博弈里的位置讲清楚了。

它确实更适合在产品里持续迭代，靠下一次模型发布会吸引注意力，对它来说没那么合适。

姚顺雨这次讲得最关键的一句话是：过去AI更重要的是找方法，现在更难的是找问题。

以前做AlphaGo，是为围棋设计一套方法。

做翻译，是为翻译设计一套模型。

方法和问题基本绑定在一起。

但预训练、后训练、大模型出来以后，情况变了。模型能力变强了，于是产品团队得重新回答一个问题：到底该先解决哪个具体问题？

腾讯能拿出来的东西，首先是具体需求和上下文。

它手里有大量真实产品，也就有大量真实问题。

社交、办公、会议、文档、游戏、金融、医疗、教育、企业协作，都是问题。

而这些问题背后，还有上下文。

用户过去怎么用产品，企业内部有哪些资料，会议里说了什么，文档里改过哪些内容，开发流程里哪些地方最容易卡住——这些，不是benchmark里能长出来的。

所以姚顺雨反复提context。

简单讲，就是模型干活前拿到的那些"前情提要"。

模型越来越强之后，产品差距开始落到具体材料上。用户手里的资料、会议记录、文档修改历史、代码仓库、企业权限，这些东西能不能被AI用上，变得很重要。

说白了，AI下半场拼的，是谁更知道用户到底想解决什么问题。这直接影响产品能不能帮用户把事做完。

Co-Design 比刷榜更重要

这次访谈里还有一个关键词：Co-Design。

说的是模型和产品共同设计。

可以这么理解：模型团队别只顾着刷榜，产品团队也别等模型训完之后，再把它塞进产品流程里。

两边要一起定目标、一起看数据、一起改体验。

过去大家很容易盯着benchmark。

数学多少分，代码多少分，长文本多少token，排行榜第几名。

这些当然有用，但问题是，真实用户不会像benchmark一样提问。

真实用户经常会这么做：先问一句话，然后聊着聊着又会追问、改口、补材料，还会把搜索、文档、会议、代码、表格混在一起。

这时候，模型能不能接住上下文，能不能把工具调起来，就比单次问答分数更接近用户体验。

所以汤道生在6月6日的采访里提到，姚顺雨来了之后，推动混元从原来更在意外部benchmark，转向以产品用户体验作为主要衡量标准。

这一点，比"某个榜单涨了多少分"更重要。

因为这代表模型团队终于要从给评测集交作业，转向给产品体验负责。

汤道生还说，训练Hy3之前，姚顺雨做了大量数据质量的工作，砍掉了很多看起来能堆数据量、实际对模型训练没有帮助甚至有害的数据。

这个动作说明了一件事。

很多人一谈模型训练，就默认数据越多越好。

但真实情况可能是，有些数据不是资产，是污染源。

敢砍数据，比敢堆数据更难。

这个决策很果断。

这比"混元某个榜单涨了几分"更说明问题。

因为榜单涨几分，普通用户可能根本感觉不到。

但如果元宝、WorkBuddy里的回答更稳、任务跑得更快、用户愿意多用几次，这个变化才能吸引人持续使用。

目前看，Hy3已经在元宝、CodeBuddy、WorkBuddy这些产品里都接入了。

腾讯官方说，WorkBuddy接入Hy3 Preview后，首次响应速度提升54%，任务平均完成时间缩短47%。汤道生也说，大概80%的元宝用户已经在用Hy3，留存率有明显提升。

图源：腾讯云开发者社区。

图源：腾讯云开发者社区。

这些数字不代表腾讯已经赢了——现在下结论还为时过早。

但至少可以这么理解：产品反馈开始进入模型训练、评测和产品迭代的循环中。

腾讯这次还发布了"效率智能体工具集"，覆盖20多个垂直场景。

图源：腾讯官方大会资料。

个人侧有QClaw、WorkBuddy、元宝、ima、腾讯文档。

企业侧有WorkBuddy企业版、ClawPro、腾讯云智能体开发平台ADP 4.0、企点营销云。

看名字确实有点眼花。

但这件事，别理解成腾讯突然发布了一堆Agent。

更准确地说，是腾讯怎么把过去沉淀在各个产品里的能力，变成Agent能调用的工具。

腾讯文档要变成WorkBuddy能调用的Skill。

腾讯会议沉淀会议上下文，让Agent理解、调用、生成纪要、提炼待办。

企业微信继续承担人与人、人与服务的连接。

WorkBuddy则更像人和AI协作的工作台。

Agent难就难在这里。

只套一个聊天框，然后让模型自己发挥，撑不起Agent。

你得给它工具、记忆、权限、上下文和可执行环境。

没有这些，Agent就是一个很会说话的客服。

有了这些，它才有机会真的干活——否则只能给一段看起来对的回答，任务还得留给人来做。

很多Agent产品现在的问题就在这。

聊天的时候看着还行，一到执行任务，就能看出差距。

腾讯如果真有优势，应该也在"动手环节"这里——再做一个更会聊天的入口，意义没那么大。

汤道生在访谈里提到一个细节，有点意思。

他说，过去产品研发是很典型的瀑布流：产品经理写PRD，交互设计师设计流程，视觉设计师做界面，前端后端实现，最后测试。

传统研发职责流转图。

AI开始生成大量代码后，这条线不再这样一棒接一棒往下传。

很多工程师少敲一点键盘，把更多时间花在定义结果、架构设计、评测和测试上。

一个工程师甚至能像小组负责人一样，带着几个Coding Agent一起做需求、写代码、跑测试。这已经不是简单的"辅助写代码"了。

这和最近用Codex、Claude Code的体验很相似。

等AI真能写很多代码，人最重要的能力就从"我能不能写出这一段"，变成"我知不知道这一段该不该写"。

以前实现能力是门槛。

以后更重要的是判断需求该不该做、模块怎么拆、接口怎么定、最后怎么验收。

腾讯官方还提到，CodeBuddy已覆盖腾讯超过95%的工程师，整体编码时间缩短40%。

图源：WorkBuddy官网截图。

图源：CodeBuddy官网截图

这个数字不一定能直接外推到所有公司。

但方向摆清楚了。

程序员不会立刻消失。更大的变化，是从写代码的人，变成驱动AI写代码并负责结果的人。

这对普通工程师来说，是机会，也意味着压力。

这次访谈里，汤道生讲商业化讲得比较谨慎。

WorkBuddy这类智能体目前仍处在战略投入期，腾讯没有给团队设商业化目标。

因为AI产品现在最大的问题变了。

用户想用只是第一步，用得越多成本越高才是真压力。

移动互联网时代，边际成本很低，广告、交易、带货都有机会覆盖成本。

但AI不一样，推理成本是真金白银。

每一次复杂任务都要消耗token、算力、工具调用和存储。任务越复杂，成本越不可控。

所以汤道生说，AI原生服务很难单纯靠广告覆盖推理成本，更适合先用在那些高商业价值、能算得过账的场景里。

这也是现在所有Agent产品必须面对的问题。

Demo做得再好，也只是第一步。

一旦进了真实业务，企业就要算预算、计费方式、责任边界和成本分摊。每一项都会影响产品能不能长期跑下去。

腾讯还有一个更具体的压力：算力。

汤道生多次提到算力紧张，有限资源优先满足内部产品，比如混元训练、微信、腾讯会议、元宝等。把GPU租给外部客户，优先级相对靠后。

这也解释了为什么腾讯不急着把AI包装成一个高利润故事。

它现在更像在做基础设施和产品试错。

先把使用量、产品留存、模型反馈和工具链跑起来。

等这些数据稳定下来，再谈收费方式和利润空间。

现在很多AI产品有需求。

麻烦在于，需求一上来，成本也跟着上来。

用户越活跃，公司越肉疼——这点在移动互联网时代不明显，但在AI时代是实实在在的问题。

这次姚顺雨和汤道生的访谈，不能证明腾讯AI已经赢了，遥遥领先了。

但腾讯终于把自己想怎么做说清楚了。

单纯追模型榜单，这条路不可行。

只做一个聊天机器人，更不可行。

把所有希望押在某个爆款Agent上，同样不够。

腾讯这次讲的是把模型、产品、上下文、工具、数据反馈和内部协作方式放在一起做。

这条路更符合腾讯过去做产品的方式。

腾讯的优势，是场景多、产品多、用户多、内部工具链复杂。

腾讯的麻烦，也恰好是这些东西太多、太复杂、太难协调。

这条路不会走得很容易。

它的优势和难点是同一个东西：产品太多，场景太多，组织也太大。

所以后面不用盯着腾讯下一次模型发布会能不能讲得更漂亮。

到最后，还是得看元宝、WorkBuddy、CodeBuddy、QClaw这些产品，能不能用上上下文，调起工具，把任务跑完，并且让用户愿意继续用。

AI下半场不能只看模型发布会。

AI下半场，要看谁能把模型放进真实业务里，让它长期稳定地把任务做完。

这也是这次访谈最有价值的地方——至少腾讯讲了产品、上下文、工具和成本，没有只喊口号。

来源：互联网