大模子并莫得太多难懂。

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奥密的位置。它领有国内最完满的互联网生态之一，也领有混元大模子、元宝等居品。但与行业里那些不息制造话题和声量的 AI 大公司比较，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重要竞争。

而夙昔一年，AI 行业最流行的词之一，则是「下半场」。

简直整个东说念主都在研究 AI 下半场。但当越来越多东说念主把这个词挂在嘴边时，它反而开动变得诡辩——到底什么是下半场？是 Agent？是 Coding？是具身智能？如故下一轮模子竞赛？

在腾讯集团高档施行副总裁、云与智谋产业行状群 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。

夙昔几年，大模子的发展旅途似乎颠倒理会：预侦察、后侦察、强化学习、Agent、Coding Agent，整个东说念主都在沿着湮灭条干线前进。与此同期，中国 AI 圈也酿成了一种老成的竞争文化——热衷刷榜、追赶方针、争夺名次。

但在姚顺雨看来，当方法论照旧渐渐进修之后，确切清贫的事情照旧不再是寻找本事旅途，而是寻找值得惩办的问题。比较 benchmark 上几个百分点的发轫，模子怎么进入真实居品、得到真实反馈、惩办真实需求，正在变得愈加热切。

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纯粹的 Co-Design。从元宝、WorkBuddy 到 Coding Agent，从 ReAct 建议的早期设计，到《Language Agents: From Next-Token Prediction to Digital Automation》中关于智能体期间的预判从容达成，姚顺雨反复强调一个看似朴素却常被忽略的事实：大模子最热切的能力遥远是泛化性。

而关于腾讯是否「慢了」、AI 下半场究竟从何时开动这些争议，他给出的回话是——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，确切热切的是能否教导面对我方，看到反馈，并持续调换场所。

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：为什么弃取来到腾讯？以及你认为 AI 下半场最热切的是什么？

姚顺雨：

发轫我想先解说一下「下半场」这个主张——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建议的。具体来说，在旧年之前，AI 照旧发展了数十年，行业的中枢是寻找惩办问题的灵验方法；但如今，方法论照旧趋于进修，找到确切有价值的问题反而变得愈加清贫。

我举个例子，夙昔咱们为了下围棋研发出 AlphaGo，但这套方法仅适用于棋类领域；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。而预侦察与后侦察本事出现后，咱们高出于领有了一把「全能锤子」，酿成了一套通用方法论，大致惩办各类不同的问题。因此，找到真碰劲得惩办的优驳诘题，成为了现时行业的中枢挑战。我弃取加入腾讯，很热切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，这少量在 AI 下半场会愈发烧切。

一方面，优质居品大致回话「预侦察和后侦察本事究竟要应用在何处能力产生价值」这个中枢问题；另一方面，居品构建的生态环境至关热切——如果莫得点外卖的器具接口，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），不管是企业如故个东说念主场景都是如斯。正如我前次在 AGI Next 大会上所说，高下文的热切性会有增无已：模子越来越擅长将复杂输入转变为输出，企业的竞争壁垒将越来越多地开头于是否掌抓最原始的输入数据，是否了解用户的真实行为与企业的中枢信息，而腾讯在这方面领有极强的上风。

但这仅仅我弃取腾讯的第二大原因，最热切的其实是企业文化。我第一次和你以及总办其他高管交流时，最深刻的印象即是民众都相称坦诚：那边作念得好、那边有不及，都会直白抒发，不会刻意障翳。这种不务空名的立场，是我最敬重的少量。

其次，腾讯举座是一家基于信任而非单纯依靠方针运转的公司，这少量关于作念 AI 而言至关热切。同期，腾讯文化中低调求实、缓和沉稳的脾性，以及对耐久主义的宝石，都是构建一个耐久 AI 组织不可或缺的基础。

回到「AI 下半场最热切的是什么」这个问题，我个东说念主的主见是在中国建立一个耐久的、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，怎么把预侦察、后侦察这些最中枢的本事作念得充足塌实；第二是居品层，怎么将本事确切落地，为个东说念主和社会创造价值；第三是前沿探索层，怎么探索新的筹商范式与产业契机。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，最热切的是充足的资源插足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，咫尺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时时接头的问题：协协谋略（Co-Design），也即是怎么让居品与模子实现深度交融？咫尺咱们有许多依赖模子能力的居品，比如和咱们合作纯粹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。你是怎么念念考协协谋略这种模式的？

我认为主要有三点。发轫，协协谋略的前提是模子自己要充足塌实，需要作念好多数的基础责任。预侦察是一个相对居品无关的方法，把它作念塌实，就能为整个卑劣任务提供刚烈的通用基础，而且预侦察的跳跃大致持续为各类卑劣任务带来价值晋升。

其次，后侦察阶段最热切的是建馈赠确的评测（Eval）体系。国内咫尺有一个不好的倾向，即是过度追求刷榜。咱们应该不务空名，基于真实的居品和应用场景，构建更迫临试验的评测圭臬。这一方面需要有好的居品出口，另一方面也要明确：实用性的价值纷乱于刷榜的价值。

咱们和各类居品团队开展了深度的协协谋略，而协协谋略最重要的少量是建立相互信任。咱们为此作念了多数责任，包括怎么用好居品数据、怎么实现数据回流、怎么作念好评测对王人等，这里就不张开赘述细节了。

第三点，亦然大谈话模子（LLM）期间与夙昔 AI 最实质的差别，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；但咫尺，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能力、搜索能力、指示免除能力和推理能力，这是一个相称复合的能力体系。

这就带来一个推行：领有体系化居品矩阵的企业会具备显贵上风。比如咱们和元宝的协协谋略，让模子打磨出了刚烈的聊天和搜索能力，而这些能力又不错移动到 ima、Workbuddy 等其他居品中。不同居品大致提供不同维度的数据，这些数据之间又不错相互泛化，酿成一个汇注状的价值体系，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体式。那咱们里面的评测和外部榜单的评测，中枢差别在那边？

发轫，各类基准测试（Benchmark）也不是莫得价值，仅仅咫尺这些榜单很容易达到饱和。基于真实寰宇数据的评测有三个中枢上风：

第一，大致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，即是获取真实寰宇的用户反馈，成立各类榜单中无法发现的底线问题，这会让郑再版模子的说明存质的晋升。

第二，大致让咱们对真实的用户发问漫衍有更深刻的贯通。举个例子，基准测试中的题目时常表述相称精准，有很长的高下文容颜，且大多是单轮问题；但在现实场景中，用户的发问无为比较诡辩，可能唯有一两句话，还会不息追问。这种场景互异，大致疏浚咱们更有针对性地开展模子侦察。

第三，大致从居品中得到灵感，推动现存榜单未覆盖领域的本事跳跃。比如咱们近期作念的许多高下文体习相干责任，就很大程度上受到了元宝居品的启发。是以说，居品与模子的相互建立，是 AI 行业越来越热切的话题。

对，我难忘早期作念元宝的时候，咱们还碰到过多轮指示免除的问题，用户在居品中试验使用的发问方式，和基准测试中的互异如实相称大。确切的居品场景对模子能力的条目，和榜单评测的侧要点十足不同。

你问了我这样多问题，我也反过来问你几个吧。我难忘第一次和你聊天时，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，以及咫尺的元宝、ima。你作念过 To C 和 To B 的各类居品，覆盖了互联网不同发展阶段。我很深嗜，你作念居品的第一性旨趣是什么？哪些教授和价值是不变的？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，惩办用户痛点，为用户和客户创造价值。不管在哪个期间、哪个行业，唯有能为用户带来价值的居品，才会被用户使用和买单。从 PC 互联网期间的 QQ 空间，到出动互联网期间的各类内容居品，再到产业互联网期间的腾讯云，咱们遥远花多数时分倾听客户的声息，尝试帮他们惩办试验问题，这个底层逻辑从未改变。

不外，PC 互联网、出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。发轫是居品范式的变化：在 AI 期间之前，咱们作念居品主如果通过预设功能来欢娱用户需求，居品方想明晰要提供哪些能力，用户通过界面、菜单进行弃取，就像在预制菜菜单里点餐相通。

但在 AI 期间，居品的作事形态是洞开式的，这带来了全新的要乞降挑战。用户通过当然谈话、语音等简便的交互方式建议需求，居品方无法提前预判用户会问什么。这就需要咱们充分讹诈模子的能力去贯通用户需求，同期为模子提供各类器具接口，借助模子的逻辑推理和器具调用能力，来卤莽这种洞开式的需求。

致使包括你刚才提到的评测，夙昔作念居品有相称理会的需求规格诠释书，有明确的功能细节容颜，从谋略、研发到测试的瀑布式过程相称理会。但作念 AI 居品时，整个这个词过程都需要重新谋略。

尤其是本年，大部分代码都不错由 AI 生成，工程师会把更多时分花在架构谋略上，写代码的责任交给 AI，只需要如期进行疏浚和修正。同期，测试责任也要前置，需要提前想明晰各类测试案例、评测环境，以及对洞开式谜底的条目，还有怎么让模子的输出作风与用户预期对王人。举座而言，AI 期间对居品东说念主的能力条目更全面，作念居品的难度也更大了。

如实更难了。

03

大模子莫得难懂

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

其实作念大模子的中枢过程并莫得太多难懂，重要是把基础设施、数据这些基础责任作念塌实，算法部分反而相对简便。Hy3 的中枢更正主要有三点：第一，咱们重建了整套基础设施，包括预侦察和强化学习的基础设施；第二，咱们在数据和 Eval 层面作念了多数优化，包括怎么界说更真实的问题、怎么丰富数据的分类体系、怎么持续晋升数据质料——这是一个永无尽头的过程；第三，许多决策其实莫得理会的公式可循，比如怎么招东说念主、怎么设定模子的迭代节拍、如安在多样衡量中作念出弃取，这更多是一个依赖行业判断和品尝的事情。

说到这里，我也很深嗜，你刚才和我接头了协协谋略的主张，那你对协协谋略是奈何看的？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？

我认为协协谋略的内涵在夙昔两年一直在变化，这种变化很大程度上是跟着模子能力的升级而发生的。同期，行业、阛阓和用户需求的变化，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「对王人」的热切性。在长入作念居品、开展对王人责任时，会波及许多不同的变装：居品团队要明确要惩办的问题和场所，模子团队要念念考怎么通过本事欢娱需求；同期还要回到数据层面，明确数据应该怎么标注、标注到什么颗粒度、什么是好的标注、什么是不好的标注，以及哪些行为需要奖励、哪些需要刑事包袱。

还有评测方法，如果居品团队认为好的居品体验，和评测体系的圭臬不一致，最终作念出来的居品就会出现偏差。是以在我看来，协协谋略更多是指格式组内不同变装共同参与居品谋略，共同制假寓品主见和场所，让民众对各类洞开式问题达成共鸣。如果莫得作念好这种对王人，模子的输出行为就会不可臆度，致使出现立地性，因为模子在侦察过程中会被不同的圭臬胁制。这是我这两年和模子团队作念协协谋略最深的感受，你以为呢？

相称认可。协协谋略最难的少量即是建立信任，同期同理心也相称热切。说到底，模子团队和居品团队的主见有一致的部分，也有不一致的部分：模子团队但愿模子的通用能力越强越好，而居品团队但愿用户的需求能被最佳地欢娱，这中间自然存在不对。是以换位念念考的能力至关热切。

你刚才问咱们和元宝是怎么一步步开展协协谋略的，有一个很热切的细节：其时咱们我方的预侦察模子还莫得准备好，但咱们知说念，谨防好元宝这款居品偏执日活跃用户（DAU），亚博体育对咱们后续作念模子、建立耐久合作关系都至关热切。是以咱们派出了后侦察团队最强的主干力量，先匡助元宝把后侦察责任作念好。

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解说，但咫尺看来，这些勤奋都得到了报酬。这个动作让居品团队深化感受到，模子团队是确切在为居品着想，这为咱们后续的合作，以及 Hy3 在元宝上的得胜上线，奠定了相称热切的基础。虽然这里面还有许多本事细节不错推敲，但我认为最难的部分永远是怎么建立信任、怎么换位念念考。

换个话题，你是 ReAct 架构的建议者，博士筹商也一直围绕谈话智能体张开。你几年前的一些不雅点，到今天有哪些达成了？

前几天我重读了我方的博士论文，暗潮涌动，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。那时候如故 GPT-2 的期间，模子只可生成下一个 token，输出的一段话时常不连贯，还有许多诞妄。其时民众很难联想，这项本事有一天会成为改变寰宇的力量。

那时候稍许有联想力的筹商，也仅仅考证模子能回话「中国的都门是北京」这类学问型问题，能作念到这少量民众就照旧很欣忭了。但我其时以为，GPT 是一个相称优好意思的范式，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，终有一天大致实现全寰宇整个事情的自动化。其时我想的还仅仅数字自动化，咫尺看来，它致使可能实现数字与物理寰宇的双重自动化。

我博士期间的责任东要分为两部分：第一部分是建立智能体的方法论，筹商怎么把一个只可生成下一个 token 的机器，变成一个大致完成自动化任务的智能体。

如你所说，其中最热切的一项责任即是 ReAct 架构。我还难忘 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 连合起来，它第一次大致基于网页内容回话问题，并进行多轮交互。那一刻的感觉，就像隐微的电灯丝顷刻间被点亮了。据我所知，这是东说念主类第一次把大谈话模子和确切的互联网连合起来，实现多轮交互。

其时我以为这项本事可能会在 5 到 10 年内改变寰宇，但试验发展速率比我联想的还要快。包括咱们第一次建议 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、上千亿的阛阓，咫尺看来，这可能是数万亿、数十万亿级别的阛阓，我如故想得太小了。

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。咫尺看来，智能体本事最热切的两个场所，如实即是网页智能体和代码智能体。

前几天我还在群里和民众说，我看我博士论文扫尾，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，第四个是奈何样去 help human，我很感触，我说我咫尺很走时如实在作念其时列的 future direction。

咫尺整个这个词行业都在沿着这些场所推动。

可能如故想得不够大，其时我照旧以为我方想得充足远了，但咫尺看来如故不够。

04

混元下一代模子要点是什么？

本事的发展时常超乎咱们的预期。再深入问一个问题，咫尺民众都说智能体的运行会虚耗多数的 Token，这关于混元下一代模子的研发来说，你的侧要点会放在那边？哪些场所是最热切的？

毫无疑问，智能体尤其是代码智能体，就像当年的预侦察相通，是整个模子厂商都必须攻克的基础能力。我认为代码智能体相称实质，一个很热切的原因是它具备图灵完备性——当模子大致截止文献系统、领有运行容器时，它就成为了一个完满的系统。

智能体是当下整个模子厂商的发力要点，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，咱们依然强调能力体系的全面性。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、指示免除、推理等各类通用能力，因为泛化性是大模子最中枢的上风。

第二，居品的作用越来越热切，怎么讹诈好线上居品的数据回流，是每个模子厂商都在念念考和卤莽的问题。而咱们之前积贮的多数协协谋略教授，会在这方面说明重要作用。

第三，咱们需要保持更多的联想力。不管是本事演进、居品演进，如故下一个范式的演进，都需要咱们去作念一些探索性的、存在不细则性的责任。

从居品侧来看，咫尺行业内广泛存在「Token 暴躁」，Token 老本呈爆发式增长。我听到许多客户、用户致使身边的共事，都在密切关注积分或 Token 的虚耗。怎么让模子在惩办问题、完成任务时，实现最高的 Token 效力？比如有些任务，模子会尝试一些显明走欠亨的场所，浪掷多数 Token，这方面有哪些优化空间？

咫尺国内接头性价比，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。我认为最热切的发轫是模子性能。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，既简约了 Token，也简约了东说念主力老本。是以性能才是性价比的中枢，尤其是本年，晋升简便任务的鲁棒性，让模子一次就能把相对简便的任务作念对，比单纯优化模子架构更能晋升性价比。

第二才是老本截止。在老本优化方面，中国其实是发轫于寰宇的，咱们照旧作念了多数责任来裁减模子运行老本。但老本优化的中枢，是怎么用更小的模子完成高价值任务。在此基础上，模子架构转换、长文不息、脚手架优化等责任也需要持续推动。

我个东说念主认为，在现时的中国阛阓，打造一个性能并排大模子、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晋升，更有试验价值。

我也很深嗜，你是什么时候强健到智能体是一个全新的居品契机的？你咫尺对智能体的理会是什么？你认为打造一个好用的智能体，中枢瓶颈在那边？

咱们针对不同场景打造了不同形态的智能体居品。智能体的谋略，实质上是要最大化说明模子的能力。跟着模子能力的不息迭代，智能体需要作念的责任反而越来越少。咱们有好几款居品，在夙昔这段时分里，都跟着模子能力的晋升不息简化居品谋略，更多的是为模子提供各类器具接口，打造更多手段，让模子大致更高效地完成任务。

同期，咱们会为模子提供「系念」能力：索取用户过往的使用民俗和偏好信息行动高下文，输入给模子。比如在代码开辟场景，要提供相干的代码高下文；在 Workbuddy 的办公互助场景，用户制作 PPT 时，要提供相干的内容和贵府高下文。是以作念不同场景的智能体，最热切的是贯通该场景下哪些信息是相干且热切的，把这些信息准确地提供给模子，让模子大致充分说明自身能力。

05

智能体期间的居品研发和组织不息，

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。我很深嗜，和传统的居品研发比较，智能体期间的居品研发和组织不息，发生了哪些变化？你有哪些念念考？

前阵子我帮 Workbuddy 团队写组织决策时，隆重到他们遴荐了相称扁平化的组织架构，和咱们夙昔其他居品的组织体式有很大互异。他们更多是 3 到 5 东说念主组成一个小分队，围绕某一个具体领域攻坚，同期需要撑持好 AI 基础设施，保险各类实验获胜开展。

智能体居品的研发需要多数的实验，而大部分实验可能都不会得到正向反馈，这就需要组织大致包容试错，通过多数实验提真金不怕火出对用户留存、居品主见有正向匡助的场所。这是智能体期间、原生 AI 居品对组织形态的中枢条目。

另外，夙昔工程师会花多数时分写代码，但咫尺这项责任基本不错交给 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相通，深入贯通用户需求，谋略居品形态；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责任。同期，正如我之前所说，测试、评测、对王人责任都要大幅前置，而况要充分讹诈 AI 能力来保险居品性量。

06

腾讯 AI 慢了吗？

再问一个民众比较关切的问题：许多自媒体都提到，腾讯在 AI 上的秩序慢了，莫得实时收拢一些契机。你以为咱们真的慢了吗？你能不行再具体说说，AI 下半场到底是什么？

感觉这应该是我问你的问题才对。

我以为发轫要明确两个中枢判断：第一，AI 是一场短期游戏如故耐久游戏？咫尺硅谷彭胀着一种厚谊，认为两年后整个东说念主都会闲静，AI 会取代整个责任，是以应该速即赚两年钱就退休。但咱们的判断相称明确：AI 是一场耐久游戏。

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 会是唯独的超等应用，如果真实那样，这个寰宇会相称晦暗。异日一定会有连绵络续的新契机降生，咫尺的 AI 行业，就像上世纪 70 年代个东说念主电脑刚刚降生的阶段，还有无数的事情等着咱们去作念。

第二，异日的 AI 行业会是更单一如故更多元？夙昔几年，行业如实有一条相称理会的干线：预侦察、后侦察、强化学习、智能体、代码智能体，整个东说念主都在沿着这条干线复制，这其实亦然一件很晦暗的事情。但我个东说念主认为，异日的 AI 行业一定会走向多元化。

毫无疑问，代码智能体带来的坐蓐力变革会越来越热切，这才刚刚开动，这个阛阓还稀奇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场所也在快速发展。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，夙昔咱们在模子和居品上作念了许多探索，也走了一些弯路，这是很平淡的——第一次作念一件事情，势必会有曲折。但更热切的是，能否教导大地对我方，能否正视反馈并实时调换，能否保持耐性。这些品性，在 AI 下半场会愈加热切。

对。民众老是可爱挑腾讯的某一个点来品评，虽然咱们也迎接民众对咱们建议更高的条目。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推动不同的格式。在这样一个复杂的组织里，势必有些地方作念得快，有些地方作念得慢，也有些探索会失败。这些辅导对咱们来说都相称可贵，咱们也如实有许多地方不错作念得更好。

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，模子需要多数的真实数据。腾讯夙昔多年在不同居品、不同赛说念的积贮，都能为模子提供各个场景下的灵验高下文，让本事确切说明价值。

在这场长跑中，模子会不息迭代，用户需求会不息变化，新的居品形态也会不息涌现。比如本年年头龙虾这一波飞扬，咱们的反馈就很快；而像 Workbuddy 这样的智能体居品，咱们其实几年前就照旧开动布局，从最初面向模范员的 CodeBuddy，到其后发现非模范员群体也有犀利的需求，咱们也快速完成了居品的迭代升级。

咫尺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能力整合起来。咱们会陆续在这场长跑中稳步前进，也迎接民繁密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，推敲了协协谋略、智能体演进、组织变革以及行业契机等多个话题。夙昔一年，许多企业都面对着相似的困惑和挑战：居品落地后果欠安、无法持续插足、投资报酬率（ROI）不高等，这些问题都会影响 AI 在企业中的普及进程。

为此，咱们今天肃穆发布腾讯效力智能体器具集，匡助企业更宽解、更高效地部署和应用智能体。这套器具集依托腾讯的三大中枢能力：

第一是场景连合能力，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、生态的深度连合；

第二是工程阁下能力，基于完满的混元研发体系，保险智能体沉稳、确切、可持续运行，同期依托刚烈的 AI 基础设施，包括高速汇注、高蒙眬存储和高性能智能体运行时，实现 GPU 的高讹诈率；

第三是模子驱动能力，以混元大模子为中枢，通过模子与居品的深度协协谋略，兼顾实用性、性价比和投资报酬率。

同期，咱们将启动腾讯 AI 共创营第二期，联袂寥落软件开辟商（ISV）、不息作事提供商（MSP）等合作伙伴，共同打造行业惩办决策，缔造更多标杆案例。

*头图开头：腾讯

极客一问

你以为腾讯 AI 慢了吗？

迎接辩驳区交流~