大模子并莫得太多深奥。

作家｜连冉

剪辑｜郑玄

腾讯 AI 慢了吗？

在大模子波浪中，腾讯似乎大多处于一个秘要的位置。它领有国内最好意思满的互联网生态之一，也领有混元大模子、元宝等居品。但与行业里那些不停制造话题和声量的 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，却又遥远莫得缺席任何一场要道竞争。

而往日一年，AI 行业最流行的词之一，则是「下半场」。

险些所有东说念主都在辩论 AI 下半场。但当越来越多东说念主把这个词挂在嘴边时，它反而开动变得虚浮——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？

在腾讯集团高等实践副总裁、云与颖悟产业职业群 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。

往日几年，大模子的发展旅途似乎极端澄澈：预历练、后历练、强化学习、Agent、Coding Agent，所有东说念主都在沿着团结条干线前进。与此同期，中国 AI 圈也造成了一种熟悉的竞争文化——热衷刷榜、追赶策画、争夺名次。

但在姚顺雨看来，当方法论如故渐渐老练之后，真确勤劳的事情如故不再是寻找技能旅途，而是寻找值得贬责的问题。比拟 benchmark 上几个百分点的开拔点，模子若何进入真实居品、赢得真实反馈、贬责真实需求，正在变得愈加首要。

这亦然为什么这场对谈里更值得关注的，是模子与居品之间越来越精雅的 Co-Design。从元宝、WorkBuddy 到 Coding Agent，从 ReAct 提倡的早期遐想，到《Language Agents: From Next-Token Prediction to Digital Automation》中关于智能体期间的预判缓缓结束，姚顺雨反复强调一个看似朴素却常被忽略的事实：大模子最首要的智商遥远是泛化性。

而关于腾讯是否「慢了」、AI 下半场究竟从何时开动这些争议，他给出的回复是——如果下半场才刚刚开动，那么探索过程中走过弯路并不可怕，真确首要的是能否真挚面对我方，看到反馈，并不息改动宗旨。

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 下半场最首要的是什么？

姚顺雨：

开拔点我想先讲解一下「下半场」这个观点——我发现这个词最近被用得有些泛滥，它其实是我在旧年的一篇博客中提倡的。具体来说，在旧年之前，AI 如故发展了数十年，行业的中枢是寻找贬谴责题的有用方法；但如今，方法论如故趋于老练，找到真确有价值的问题反而变得愈加勤劳。

我举个例子，往日咱们为了下围棋研发出 AlphaGo，但这套方法仅适用于棋类界限；为了机器翻译开辟专属模子，也只可完成翻译任务，无法拓展到其他场景。而预历练与后历练技能出现后，咱们相配于领有了一把「全能锤子」，造成了一套通用方法论，粗略贬责各种不同的问题。因此，找到真偶然得贬责的优按捺题，成为了现时行业的中枢挑战。我遴荐加入腾讯，很首要的一个原因即是这里领有海量的居品和丰富的真实问题场景，这少许在 AI 下半场会愈发首要。

一方面，优质居品粗略回复「预历练和后历练技能究竟要应用在何处才略产生价值」这个中枢问题；另一方面，居品构建的生态环境至关首要——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，许多任务都无法落地。

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，高下文的首要性会有加无已：模子越来越擅长将复杂输入改动为输出，企业的竞争壁垒将越来越多地着手于是否掌合手最原始的输入数据，是否了解用户的真实行动与企业的中枢信息，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，最首要的其实是企业文化。我第一次和你以及总办其他高管交流时，最久了的印象即是人人都至极坦诚：那儿作念得好、那儿有不及，都会直白抒发，不会刻意障翳。这种卖头卖脚的立场，是我最垂青的少许。

其次，腾讯合座是一家基于信任而非单纯依靠策画运转的公司，这少许关于作念 AI 而言至关首要。同期，腾讯文化中低调求实、温情牢固的特色，以及对历久主义的对持，都是构建一个历久 AI 组织不可或缺的基础。

回到「AI 下半场最首要的是什么」这个问题，我个东说念主的宗旨是在中国建立一个历久的、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，若何把预历练、后历练这些最中枢的技能作念得饱和塌实；第二是居品层，若何将技能真确落地，为个东说念主和社会创造价值；第三是前沿探索层，若何探索新的研究范式与产业契机。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，最首要的是充足的资源参加和正确的作念事方式，这与我刚才提到的企业文化高度契合；关于居品层而言，优秀的居品感觉和作念居品的基因是中枢；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：模子与居品的双向奔赴

你刚才提到，居品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往往照应的问题：协同设计（Co-Design），也即是若何让居品与模子实现深度交融？目下咱们有许多依赖模子智商的居品，比如和咱们合作精雅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 居品，比如 CodeBuddy、Workbuddy。你是若何想考协同设计这种模式的？

我认为主要有三点。开拔点，协同设计的前提是模子自己要饱和塌实，需要作念好无边的基础职责。预历练是一个相对居品无关的方式，把它作念塌实，就能为所有卑劣任务提供刚烈的通用基础，而且预历练的跳跃粗略不息为各种卑劣任务带来价值素质。

其次，后历练阶段最首要的是建直立确的评测（Eval）体系。国内当今有一个不好的倾向，即是过度追求刷榜。咱们应该卖头卖脚，基于真实的居品和应用场景，构建更靠拢实践的评测模范。这一方面需要有好的居品出口，另一方面也要明确：实用性的价值重大于刷榜的价值。

咱们和各种居品团队开展了深度的协同设计，而协同设计最要道的少许是建立相互信任。咱们为此作念了无边职责，包括若何用好居品数据、若何实现数据回流、若何作念好评测对皆等，这里就不张开赘述细节了。

第三点，亦然大谈话模子（LLM）期间与往日 AI 最骨子的分辨，即是泛化性。在大谈话模子出现之前，作念翻译居品只需要打磨好翻译数据，作念围棋模范只需要打磨好围棋数据；但当今，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、指示除名智商和推奢睿商，这是一个至极复合的智商体系。

这就带来一个扩充：领有体系化居品矩阵的企业会具备权贵上风。比如咱们和元宝的协同设计，让模子打磨出了刚烈的聊天和搜索智商，而这些智商又不错迁徙到 ima、Workbuddy 等其他居品中。不同居品粗略提供不同维度的数据，这些数据之间又不错相互泛化，造成一个收集状的价值体系，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志。那咱们里面的评测和外部榜单的评测，中枢分辨在那儿？

开拔点，各种基准测试（Benchmark）也不是莫得价值，仅仅当今这些榜单很容易达到饱和。基于真实全国数据的评测有三个中枢上风：

第一，粗略发现模子的许多底线问题。咱们发布预览版模子的中枢目的之一，即是获取真实全国的用户反馈，建立各种榜单中无法发现的底线问题，这会让郑再版模子的发扬存质的素质。

第二，粗略让咱们对真实的用户发问漫衍有更久了的和会。举个例子，基准测试中的题目往往表述至极精准，有很长的高下文形色，且大多是单轮问题；但在现实场景中，用户的发问凡俗比较虚浮，可能只须一两句话，还会不停追问。这种场景相反，粗略疏浚咱们更有针对性地开展模子历练。

第三，粗略从居品中赢得灵感，推动现存榜单未覆盖界限的技能跳跃。比如咱们近期作念的许多高下体裁习关联职责，就很大程度上受到了元宝居品的启发。是以说，居品与模子的相互成就，是 AI 行业越来越首要的话题。

对，我铭记早期作念元宝的时候，咱们还际遇过多轮指示除名的问题，用户在居品中实践使用的发问方式，和基准测试中的相反如实至极大。真确的居品场景对模子智商的条目，和榜单评测的侧重心皆备不同。

你问了我这样多问题，我也反过来问你几个吧。我铭记第一次和你聊天时，你给我讲了许多过往的履历，从 QQ 空间、QQ 秀——那然而我小学时候最可爱的居品，到 QQ、腾讯音乐，再到腾讯云，以及当今的元宝、ima。你作念过 To C 和 To B 的各种居品，覆盖了互联网不同发展阶段。我很趣味，你作念居品的第一性旨趣是什么？哪些警戒和价值是不变的？哪些东西又发生了变化？

我认为作念居品最终的中枢，永远是围绕用户需求，贬责用户痛点，为用户和客户创造价值。不管在哪个期间、哪个行业，只须能为用户带来价值的居品，百家乐2026世界杯中国官方下载才会被用户使用和买单。从 PC 互联网期间的 QQ 空间，到挪动互联网期间的各种内容居品，再到产业互联网期间的腾讯云，咱们遥远花无边时辰倾听客户的声息，尝试帮他们贬责实践问题，这个底层逻辑从未改变。

不外，PC 互联网、挪动互联网期间作念居品，和今天 AI 期间作念居品，如实有许多不同之处。开拔点是居品范式的变化：在 AI 期间之前，咱们作念居品主淌若通过预设功能来餍足用户需求，居品方想澄澈要提供哪些智商，用户通过界面、菜单进行遴荐，就像在预制菜菜单里点餐雷同。

但在 AI 期间，居品的管事形态是绽放式的，这带来了全新的要乞降挑战。用户通过当然谈话、语音等毛糙的交互方式提倡需求，居品方无法提前预判用户会问什么。这就需要咱们充分运用模子的智商去和会用户需求，同期为模子提供各种用具接口，借助模子的逻辑推理和用具调用智商，来应付这种绽放式的需求。

以致包括你刚才提到的评测，往日作念居品有至极澄澈的需求规格阐述书，有明确的功能细节形色，从设计、研发到测试的瀑布式经过至极澄澈。但作念 AI 居品时，通盘经过都需要再行设计。

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设计上，写代码的职责交给 AI，只需要如期进行疏浚和修正。同期，测试职责也要前置，需要提前想澄澈各种测试案例、评测环境，以及对绽放式谜底的条目，还有若何让模子的输出作风与用户预期对皆。合座而言，AI 期间对居品东说念主的智商条目更全面，作念居品的难度也更大了。

如实更难了。

03

大模子莫得深奥

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

其实作念大模子的中枢经过并莫得太多深奥，要道是把基础设施、数据这些基础职责作念塌实，算法部分反而相对毛糙。Hy3 的中枢纠正主要有三点：第一，咱们重建了整套基础设施，包括预历练和强化学习的基础设施；第二，咱们在数据和 Eval 层面作念了无边优化，包括若何界说更真实的问题、若何丰富数据的分类体系、若何不息素质数据质料——这是一个永无极端的过程；第三，许多决策其实莫得澄澈的公式可循，比如若何招东说念主、若何设定模子的迭代节拍、如安在多样权衡中作念出遴荐，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，你刚才和我照应了协同设计的观点，那你对协同设计是若何看的？你认为哪些事情应该由模子团队作念，哪些应该由居品团队作念？

我认为协同设计的内涵在往日两年一直在变化，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，也条目模子和居品团队更好地协同配合。

给我最深的感受是「对皆」的首要性。在聚积作念居品、开展对皆职责时，会触及许多不同的变装：居品团队要明确要贬责的问题和宗旨，模子团队要想考若何通过技能餍足需求；同期还要回到数据层面，明确数据应该若何标注、标注到什么颗粒度、什么是好的标注、什么是不好的标注，以及哪些行动需要奖励、哪些需要处分。

还有评测方式，如果居品团队认为好的居品体验，和评测体系的模范不一致，最终作念出来的居品就会出现偏差。是以在我看来，协同设计更多是指技俩组内不同变装共同参与居品设计，共同制假寓品宗旨和宗旨，让人人对各种绽放式问题达成共鸣。如果莫得作念好这种对皆，模子的输出行动就会不可权衡，以致出现速即性，因为模子在历练过程中会被不同的模范欺侮。这是我这两年和模子团队作念协同设计最深的感受，你以为呢？

至极认可。协同设计最难的少许即是建立信任，同期同理心也至极首要。说到底，模子团队和居品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，而居品团队但愿用户的需求能被最佳地餍足，这中间自然存在不合。是以换位想考的智商至关首要。

你刚才问咱们和元宝是若何一步步开展协同设计的，有一个很首要的细节：其时咱们我方的预历练模子还莫得准备好，但咱们知说念，保养好元宝这款居品偏执日活跃用户（DAU），金年会(JinNianHui)体育对咱们后续作念模子、建立历久合作研究都至关首要。是以咱们派出了后历练团队最强的主干力量，先匡助元宝把后历练职责作念好。

其时许多算法同学不睬解这个决策，我花了许多元气心灵去讲解，但当今看来，这些勤恳都得到了呈报。这个动作让居品团队透露感受到，模子团队是真确在为居品着想，这为咱们后续的合作，以及 Hy3 在元宝上的收效上线，奠定了至极首要的基础。虽然这里面还有许多技能细节不错推敲，但我认为最难的部分永远是若何建立信任、若何换位想考。

换个话题，你是 ReAct 架构的提倡者，博士研究也一直围绕谈话智能体张开。你几年前的一些不雅点，到今天有哪些结束了？

前几天我重读了我方的博士论文，悲喜交加，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 的期间，模子只可生成下一个 token，输出的一段话往往不连贯，还有许多空虚。其时人人很难设想，这项技能有一天会成为改变全国的力量。

那时候略微有设想力的研究，也仅仅考据模子能回复「中国的都门是北京」这类学问型问题，能作念到这少许人人就如故很昂然了。但我其时以为，GPT 是一个至极优好意思的范式，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，终有一天粗略实现全全国所有事情的自动化。其时我想的还仅仅数字自动化，当今看来，它以致可能实现数字与物理全国的双重自动化。

我博士期间的职责东要分为两部分：第一部分是建立智能体的方法论，研究若何把一个只可生成下一个 token 的机器，变成一个粗略完成自动化任务的智能体。

如你所说，其中最首要的一项职责即是 ReAct 架构。我还铭记 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 畅达起来，它第一次粗略基于网页内容回复问题，并进行多轮交互。那一刻的感觉，就像微小的电灯丝一刹被点亮了。据我所知，这是东说念主类第一次把大谈话模子和真确的互联网畅达起来，实现多轮交互。

其时我以为这项技能可能会在 5 到 10 年内改变全国，但实践发展速率比我设想的还要快。包括咱们第一次提倡 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——其时我预估是几百亿、上千亿的市集，当今看来，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。当今看来，智能体技能最首要的两个宗旨，如实即是网页智能体和代码智能体。

前几天我还在群里和人人说，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，第四个是若何样去 help human，我很感触，我说我当今很侥幸如实在作念其时列的 future direction。

当今通盘行业都在沿着这些宗旨鼓吹。

可能照旧想得不够大，其时我如故以为我方想得饱和远了，但当今看来照旧不够。

04

混元下一代模子重心是什么？

技能的发展往往超乎咱们的预期。再深入问一个问题，当今人人都说智能体的运行会破费无边的 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？哪些宗旨是最首要的？

毫无疑问，智能体尤其是代码智能体，就像当年的预历练雷同，是所有模子厂商都必须攻克的基础智商。我认为代码智能体至极骨子，一个很首要的原因是它具备图灵完备性——当模子粗略纵脱文献系统、领有运行容器时，它就成为了一个好意思满的系统。

智能体是当下所有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。我遥远认为，要作念好代码智能体，需要的远不啻代码数据，还需要聊天、指示除名、推理等各种通用智商，因为泛化性是大模子最中枢的上风。

第二，居品的作用越来越首要，若何运用好线上居品的数据回流，是每个模子厂商都在想考和应付的问题。而咱们之前蕴蓄的无边协同设计警戒，会在这方面阐扬要道作用。

第三，咱们需要保持更多的设想力。不管是技能演进、居品演进，照旧下一个范式的演进，都需要咱们去作念一些探索性的、存在不笃定性的职责。

从居品侧来看，当今行业内无边存在「Token 惊悸」，Token 资本呈爆发式增长。我听到许多客户、用户以致身边的共事，都在密切关注积分或 Token 的破费。若何让模子在贬谴责题、完成任务时，实现最高的 Token 效劳？比如有些任务，模子会尝试一些彰着走欠亨的宗旨，浪掷无边 Token，这方面有哪些优化空间？

当今国内照应性价比，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。我认为最首要的开拔点是模子性能。许多东说念主跟我说，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，既省俭了 Token，也省俭了东说念主力资本。是以性能才是性价比的中枢，尤其是本年，素质毛糙任务的鲁棒性，让模子一次就能把相对毛糙的任务作念对，比单纯优化模子架构更能素质性价比。

第二才是资本纵脱。在资本优化方面，中国其实是开拔点于全国的，咱们如故作念了无边职责来裁减模子运行资本。但资本优化的中枢，是若何用更小的模子完成高价值任务。在此基础上，模子架构转换、长文经管、脚手架优化等职责也需要不息鼓吹。

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素质，更有实践价值。

我也很趣味，你是什么时候意志到智能体是一个全新的居品契机的？你当今对智能体的领会是什么？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居品。智能体的设计，骨子上是要最大化阐扬模子的智商。跟着模子智商的不停迭代，智能体需要作念的职责反而越来越少。咱们有好几款居品，在往日这段时辰里，都跟着模子智商的素质不停简化居品设计，更多的是为模子提供各种用具接口，打造更多手段，让模子粗略更高效地完成任务。

同期，咱们会为模子提供「操心」智商：提真金不怕火用户过往的使用风尚和偏好信息行为高下文，输入给模子。比如在代码开辟场景，要提供关联的代码高下文；在 Workbuddy 的办公合作场景，用户制作 PPT 时，要提供关联的内容和贵府高下文。是以作念不同场景的智能体，最首要的是和会该场景下哪些信息是关联且首要的，把这些信息准确地提供给模子，让模子粗略充分阐扬自身智商。

05

智能体期间的居品研发和组织经管，

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居品，我也不雅察到许多小团队在快速迭代居品。我很趣味，和传统的居品研发比拟，智能体期间的居品研发和组织经管，发生了哪些变化？你有哪些想考？

前阵子我帮 Workbuddy 团队写组织决策时，隆重到他们经受了至极扁平化的组织架构，和咱们往日其他居品的组织神志有很大相反。他们更多是 3 到 5 东说念主组成一个小分队，围绕某一个具体界限攻坚，同期需要相沿好 AI 基础设施，保险各种实验顺利开展。

智能体居品的研发需要无边的实验，而大部分实验可能都不会得到正向反馈，这就需要组织粗略包容试错，通过无边实验提真金不怕火出对用户留存、居品宗旨有正向匡助的宗旨。这是智能体期间、原生 AI 居品对组织形态的中枢条目。

另外，往日工程师会花无边时辰写代码，但当今这项职责基本不错交给 AI 完成。这带来了变装的交融：每个东说念主都要像居品司理雷同，深入和会用户需求，设计居品形态；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职责。同期，正如我之前所说，测试、评测、对皆职责都要大幅前置，而且要充分运用 AI 智商来保险居品性量。

06

腾讯 AI 慢了吗？

再问一个人人比较关爱的问题：许多自媒体都提到，腾讯在 AI 上的法子慢了，莫得实时收拢一些契机。你以为咱们真的慢了吗？你能不可再具体说说，AI 下半场到底是什么？

感觉这应该是我问你的问题才对。

我以为开拔点要明确两个中枢判断：第一，AI 是一场短期游戏照旧历久游戏？当今硅谷扩张着一种厚谊，认为两年后所有东说念主都会休闲，AI 会取代所有职责，是以应该迅速赚两年钱就退休。但咱们的判断至极明确：AI 是一场历久游戏。

从某种程度上来说，AI 才刚刚开动，下半场也才刚刚拉开序幕。我不认为 ChatGPT 和 Claude Code 会是独一的超等应用，如果确凿那样，这个全国会至极黑暗。将来一定会有源远流长的新契机出身，当今的 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？往日几年，行业如实有一条至极澄澈的干线：预历练、后历练、强化学习、智能体、代码智能体，所有东说念主都在沿着这条干线复制，这其实亦然一件很黑暗的事情。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褥力变革会越来越首要，这才刚刚开动，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、具身智能等许多新的宗旨也在快速发展。从这个角度来说，如果咱们认为下半场才刚开动，那就不存在「晚了」的说法。

虽然，往日咱们在模子和居品上作念了许多探索，也走了一些弯路，这是很普通的——第一次作念一件事情，势必会有迂曲。但更首要的是，能否真挚大地对我方，能否正视反馈并实时改动，能否保持耐性。这些品性，在 AI 下半场会愈加首要。

对。人人老是可爱挑腾讯的某一个点来品评，虽然咱们也接待人人对咱们提倡更高的条目。腾讯是一个领有多业态、多居品的公司，许多团队在不同赛说念同期鼓吹不同的技俩。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。这些辅导对咱们来说都至极贵重，咱们也如实有许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，就像你一开动提到的，AI 需要高下文，模子需要无边的真实数据。腾讯往日多年在不同居品、不同赛说念的蕴蓄，都能为模子提供各个场景下的有用高下文，让技能真确阐扬价值。

在这场长跑中，模子会不停迭代，用户需求会不停变化，新的居品形态也会不停流露。比如本年事首龙虾这一波高涨，咱们的响应就很快；而像 Workbuddy 这样的智能体居品，咱们其实几年前就如故开动布局，从最初面向模范员的 CodeBuddy，到自后发现非模范员群体也有热烈的需求，咱们也快速完成了居品的迭代升级。

当今许多客户都对咱们的居品组合抱有很高的期待，但愿咱们能将不同居品的智商整合起来。咱们会不绝在这场长跑中稳步前进，也接待人人多给咱们提意见和建议，多用咱们的居品，给咱们提供有建设性的反馈。

咱们刚才围绕模子研发、居品落地，推敲了协同设计、智能体演进、组织变革以及行业契机等多个话题。往日一年，许多企业都濒临着相似的困惑和挑战：居品落地成果欠安、无法不息参加、投资呈报率（ROI）不高等，这些问题都会影响 AI 在企业中的普及程度。

为此，咱们今天崇拜发布腾讯效劳智能体用具集，匡助企业更定心、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：

第一是场景畅达智商，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、生态的深度畅达；

第二是工程独霸智商，基于好意思满的混元研发体系，保险智能体牢固、真实、可不息运行，同期依托刚烈的 AI 基础设施，包括高速收集、高迷糊存储和高性能智能体运行时，实现 GPU 的高运用率；

第三是模子驱动智商，以混元大模子为中枢，通过模子与居品的深度协同设计，兼顾实用性、性价比和投资呈报率。

同期，咱们将启动腾讯 AI 共创营第二期，联袂寂寞软件开辟商（ISV）、经管管事提供商（MSP）等合作伙伴，共同打造行业贬责决策，竖立更多标杆案例。

*头图着手：腾讯

极客一问

你以为腾讯 AI 慢了吗？

接待驳斥区交流~