泉源：学校辟谣“女先生台下给校长打伞”作者： 林思生：

汤道生对谈姚顺雨：腾讯AI下半场10个要害思索

文 | 深流研究所，，，，作者 | 绛枫

6月5日，，，，在2026腾讯云AI工业应用大会上，，，，腾讯集团高级执行副总裁、云与智慧工业事业群CEO汤道生，，，，与腾讯首席AI科学家姚顺雨坐在一起，，，，举行了一场关于腾讯AI的对谈。。。

这场对谈，，，，爆发在一个颇有意味的时间点：

一方面，，，，外界仍在追问"腾讯AI是不是慢了""腾讯对AI的投入够不敷"；；另一方面，，，，腾讯AI正在显着加速——"龙虾"系列产品推出，，，，混元Hy3 preview登顶全球挪用榜，，，，WorkBuddy快速增添，，，，模子、产品和工业落地最先形成更麋集的联动。。。

正是在这种反差中，，，，外界对腾讯AI的判断，，，，与腾讯AI的现实希望之间，，，，形成了一种玄妙的认知错位。。。

这场不到一小时的对谈，，，，恰恰提供了一个视察窗口。。。它少有地把腾讯对AI的战略判断、组织要领和落地路径，，，，放在统一场对话中睁开：

从怎样明确AI下半。。。，，，到模子、产品与场景之间的关系，，，，再到真实问题、Context、Agent、工程系统和组织能力怎样被纳入统一套框架。。。

若是说已往一年，，，，行业更体贴腾讯AI"做了什么"，，，，那么这场对谈更值得关注的，，，，是腾讯怎样明确AI、组织AI，，，，并把AI推向真实场景。。。

从这场对话中，，，，我们可以提炼出腾讯AI下半场的10个要害思索：

1、从"寻找要领"到"寻找问题"，，，，AI竞争的重心正在转移

"AI下半场"，，，，这个看法出自姚顺雨去年揭晓、并引发普遍讨论的一篇博客文章。。。

彼时，，，，姚顺雨试图用这个词概括AI生长阶段的转变。。。今天这场对谈中，，，，他对这个看法做了进一步诠释和延展。。。

在姚顺雨看来，，，，很长一段时间里，，，，AI最主要的使命是寻找研究要领。。。为翻译做一个翻译模子，，，，为围棋做一个围棋模子，，，，为特定使命设计特定系统。。。这个阶段，，，，要领自己就是稀缺品。。。

但预训练和后训练改变了这一点。。。大模子最先变得像一个"万能锤子"，，，，具备了相对通用的解决问题能力。。。AI的突破点不再只是"有没有要领"，，，，而酿成了"什么问题值得被解决"。。。

这意味着，，，，AI工业的主战场正在履历一次重心迁徙：当通用要领逐渐成熟，，，，真正稀缺的工具就不再只是模子训练技巧，，，，而是对真实问题的识别、界说和一连解决能力。。。

谁拥有高频、重大、真实的问题，，，，谁就更可能训练出有用的AI；；谁更能明确问题背后的用户需求、营业流程和本钱结构，，，，谁就更可能把AI酿成产品，，，，而不但是演示。。。

这也是姚顺雨诠释自己为什么选择加入腾讯时重复强调的一点——腾讯有大宗产品，，，，也有大宗真实问题；；更主要的是，，，，这些产品组成了模子可以行动的情形。。。

2、Context成为新护城河，，，，场景明确正在重塑AI壁垒

若是说"寻找问题"回覆的是AI应该去那里爆发价值，，，，那么"Context"回覆的则是模子怎样在详细场景中真正明确用户。。。

姚顺雨在对谈中多次提到Context。。。他的判断是，，，，模子越来越善于把重大输入酿成输出，，，，但条件是它能拿到足够好的输入。。。

关于个人用户，，，，这些输入可能是偏好、习惯、历史行为；；关于企业用户，，，，则可能是客户信息、营业流程、组织知识、权限系统、历史项目和系统数据。。。

没有这些上下文，，，，模子再强，，，，也只能给出泛化谜底；；有了这些上下文，，，，模子才可能真正明确"你是谁""你正在做什么""什么谜底对你有价值"。。。

这意味着，，，，未来AI竞争不会只爆发在模子参数和推理速率上，，，，也会爆发在Context的组织能力上。。。对腾讯而言，，，，元宝、企业微信、腾讯聚会、腾讯文档、代码工具、云服务等入口，，，，若是能成为大模子明确用户和营业的上下文泉源，，，，就会形成一种差别于模子能力自己的竞争优势。。。

但Context不是简朴把数据塞给模子。。。什么信息该给，，，，什么信息不应给，，，，怎样控制权限，，，，怎样包管数据清静和用户隐私，，，，怎样阻止噪声滋扰，，，，都是工程问题，，，，也是产品问题。。。Context看似是数据资产，，，，实质上却是产品能力、工程能力和组织协同能力的综合体现。。。

3、Co-Design不但是协作流程，，，，更是模子与产品的共生关系

当模子要进入真实场景，，，，仅仅把模子接入产品已经不敷了。。。

AI产品的效果往往是开放的、动态的、难以穷举的，，，，使得模子团队和产品团队必需在更早阶段、更深条理上配合界说问题。。。这正是汤道生和姚顺雨重复谈到Co-Design的原因。。。

在古板软件时代，，，，产品和手艺之间通常是线性关系：产品界说需求，，，，研发实现功效，，，，测试验证效果。。。但AI产品不是这样。。。模子能力会影响产品界线，，，，产品数据会反过来影响模子训练，，，，用户反馈又会改变评估系统。。。AI产品研发更像一个闭环系统，，，，而不是瀑布流程。。。

姚顺雨提到，，，，预训练更偏底层和通用，，，，目的是把基础能力做扎实；；但进入后训练阶段，，，，问题就会更贴近产品：模子应该奖励什么、处分什么，，，，什么回覆算好，，，，什么行为算差，，，，都需要来自真实应用的反馈和评估。。。

汤道生则从产品体验角度增补，，，，在AI产品里，，，，"好体验"并不是一个自然清晰的标准。。。数据怎么标注、颗粒度怎么定、哪些行为该奖励或处分，，，，若是不可和产品目的对齐，，，，最终产品行为就可能偏离预期。。。

这正是Co-Design的焦点：不但是模子团队"支持"产品团队，，，，也不是产品团队"挪用"模子能力，，，，而是双方配合界说什么是"好"效果。。。

也因此，，，，姚顺雨特殊强调Trust（互信）。。。Co-Design最难的部分并不是手艺接口，，，，而是模子团队和产品团队之间能否建设信任，，，，能否换位思索，，，，能否认可相互目的既有一致性，，，，也有差别性。。。

4、从刷榜到真实天下的评估，，，，AI评测正在被重新界说

大模子行业一经高度依赖Benchmark。。。一个模子能否进入讨论，，，，往往取决于它在若干果真榜单上的分数。。。

姚顺雨在对谈中对这一点坚持了榨取。。。他并不否认Benchmark的价值，，，，却也强调榜单问题和真适用户问题之间保存重大差别。。。

榜单里的问题通常形貌清晰、信息完整、界线明确；；真实场景中的问题往往模糊、多轮、带有隐含上下文。。。用户可能只问一句"帮我看看这个方案行不可"，，，，模子却需要明确文件、历史讨论、公司气概、目的客户和决议标准。。。

这类能力很难通过古板榜单完整体现。。。

因此，，，，对真实天下的评估最先变得越来越主要。。。它不但能发明模子的底线问题，，，，也能资助研发团队明确真实Prompt漫衍，，，，甚至反过来启发新的能力偏向。。。

Hy3 preview的宣布也体现了这种思绪。。。姚顺雨提到，，，，先发Preview版本模子的主要目的之一，，，，就是获得真实天下反。。。，，，修复榜单中没有袒露出来的问题。。。相比只看果真Benchmark，，，，来自元宝等产品的真实交互可以让团队相识用户需求，，，，明确优化偏向。。。

这也意味着，，，，模子研发不再只是围绕外部榜单优化，，，，而是要基于真实营业场景自建评估系统。。。哪些能力对搜索主要，，，，哪些能力对谈天主要，，，，哪些能力对办公协作主要，，，，哪些能力对Coding Agent主要，，，，都需要在详细产品里被拆解、评估和回流。。。

5、从功效菜单到意图入口，，，，AI产品开发范式正在改变

若是说模子和评估决议了AI产品的能力底座，，，，那么用户交互方式的转变，，，，则正在改写产品自己的形态。。。

汤道生用了一个很形象的比喻：古板产品像"预制菜"，，，，用户只能在菜单里点；；AI产品则更开放，，，，用户用自然语言提出需求，，，，产品事先并不知道用户会问什么。。。

这背后是产品开发范式的转变。。。

在PC互联网和移动互联网时代，，，，产品司理的焦点事情是设计功效、路径和界面。。。用户通过按钮、菜单、页面完成操作。。。产品设计的目的，，，，是让功效尽可能清晰、流程尽可能顺畅。。。

AI时代，，，，用户不再只是点击功效，，，，而是在表达意图。。。产品要明确这个意图，，，，拆解使命，，，，挪用工具，，，，使用上下文，，，，并天生效果。。。

这就要求产品司理从"功效设计"转向"智能行为设计"。。。

一个AI产品不但要回覆能做什么，，，，还要回覆：什么时间追问，，，，什么时间拒绝，，，，什么时间挪用工具，，，，什么时间引用资料，，，，什么时间给出不确定性提醒，，，，什么语气切适用户预期。。。

这也是AI产品研发更难的地方。。。

古板产品的界线由功效决议，，，，AI产品的界线由模子能力、工具系统、上下文质量、权限控制和评测系统配合决议。。。它不是把一个谈天框放到产品里，，，，而是要重构产品和用户之间的关系。。。

6、Coding Agent不但是垂类工具，，，，更是Agent能力的试验场

姚顺雨是ReAct框架的提出者，，，，其博士研究也恒久围绕语言智能体睁开。。。他在对谈中回首了自己从GPT-2时代最先思索Agent的历程：

怎样把一个只会展望下一个Token的机械，，，，酿成可以与外部情形交互、挪用工具、完成使命的Agent。。。

今天，，，，这条线索最典范的落地之一就是Coding Agent。。。

姚顺雨以为，，，，Coding Agent之以是主要，，，，不但是由于软件开发市场大，，，，而是由于其在能力结构上很是实质。。。当模子可以控制文件系统、挪用工具、运行代码、视察过失、修改方案时，，，，它现实上进入了一个相对完整的使命情形。。。

这让Coding Agent成为训练和验证通用Agent能力的试验场。。。

它需要模子具备长程妄想、工具挪用、过失修复、多轮推理、上下文治理、效果验证等能力。。。这些能力一旦成熟，，，，就不但服务于程序员，，，，也会迁徙到办公、科研、企业流程、数据剖析、营业运营等更多场景。。。

这也诠释了为什么对谈中多次提到腾讯的两款产品——CodeBuddy和WorkBuddy。。。前者面向开发者，，，，后者面向办公人群，，，，但二者背后的能力演进偏向是一致的：让模子从"回覆问题"走向"完成使命"。。。

Agent的真正价值不在于它像人一样谈天，，，，而在于它能在真真相形中闭环。。。

7、Token焦虑的误区：不可只看单价，，，，要看使命闭环本钱

随着Agent最先执行重大使命，，，，Token消耗迅速上升。。。用户和企业都最先关注积分、挪用量和推理本钱。。。

在姚顺雨看来，，，，Token的性价比首先取决于能力体现。。。一个更强的模子若是能一次把使命做对，，，，可能比自制但重复失败的模子更省钱。。。

这句话把Token本钱从"单价问题"拉回到"使命问题"。。。

关于企业来说，，，，真正应该盘算的不是每百万Token几多钱，，，，而是完成一次可靠营业闭环的总本钱。。。这内里包括模子挪用本钱，，，，也包括人工修正本钱、失败重试本钱、期待时间本钱和营业风险本钱。。。

若是一个模子自制但经常蜕化，，，，最终可能并不自制。。。若是一个模子贵但能稳固完成要害使命，，，，反而可能是更高性价比的选择。。。

虽然，，，，这并不料味着本钱不主要。。。姚顺雨也提到，，，，中国团队在本钱优化上有优势，，，，包括用更小模子做好高价值使命、架构立异、长文治理、Agent脚手架等。。。

这些优化都建设在一个条件上：模子要先足够可靠。。。AI下半场的本钱竞争，，，，可能不是简朴的价钱战，，，，而是围绕"稳固完成使命"睁开的系统效率竞争。。。

8、AI原生产品需要新组织：小团队、高试验、low ego文化

谈到腾讯WorkBuddy的产品团队时，，，，汤道生提到了一个细节：组织很是扁平，，，，许多三五人的小团队围绕详细领域攻坚，，，，大宗试验，，，，快速验证，，，，也要容忍试错。。。

这与古板互联网产品研发有显着差别。。。古板产品通常依赖较成熟的流程：需求评审、设计研发、测试上线、一连迭代。。。AI原生产品的不确定性更强，，，，模子能力和用户行为都在快速转变，，，，许多偏向只有试了才知道是否有用。。。

与此同时，，，，工程师角色也在转变。。。当越来越多代码可以由AI天生，，，，工程师的焦点价值不再只是亲自写代码，，，，而是明确需求、设计架构、拆解使命、驱动多个Coding Agent，，，，并加入评测和质量包管。。。汤道生甚至提到，，，，每个工程师都更像一个有想法的leader。。。

这意味着，，，，AI时代的产品团队会泛起更强的角色融合：产品司理需要明确模子界线，，，，工程师需要具备产品判断，，，，测试需要前置到评估设计，，，，算法团队也需要明确用户体验。。。组织不再只是职能分工，，，，而要围绕使命闭环重新组合。。。

但AI组织的转变，，，，不但是团队变小、试验变快。。。姚顺雨提到，，，，他选择加入腾讯的要害因素之一是这里的文化：更重视信任和真诚，，，，不但围绕短期指标运转；；团队也有low ego（低自我）、务实和扎实的一面。。。

这些看起来不像详细手艺能力，，，，却是AI组织主要的底层条件。。。由于AI研发和产品落地都充满不确定性，，，，模子训练、产品Co-Design、真实天下评估、Agent试错，，，，都需要跨团队互信，，，，也需要忠实面临失败反馈。。。

在姚顺雨看来，，，，一个恒久面向AGI的AI组织，，，，应该是一个平衡的"三角形"：一是基础能力，，，，把预训练和后训练做扎实；；二是产品能力，，，，把手艺真正转化为用户和社会价值；；三是前沿探索，，，，一连寻找新的研究范式和时机。。。

9、腾讯AI"慢了"么？？？？一场多元的比拼才刚最先

这场对谈也回应了外界关于"腾讯AI是不是慢了"的质疑。。。

姚顺雨把问题拆成两个判断：AI究竟是短期游戏照旧恒久游戏？？？？未来是简单主线照旧多元竞争？？？？

在硅谷，，，，已往一段时间有一种情绪很强烈：AI会在一两年内取代大宗事情，，，，所有人都要抓紧在短时间内完成结构。。。但姚顺雨并不认同这种判断。。。在他看来，，，，AI不是一场已经靠近终局的短跑，，，，而更像是刚刚最先的长周期厘革。。。

他提到，，，，ChatGPT和Claude Code不应该、也不会是唯一的超等应用。。。更可能的情形是，，，，AI像上世纪70年月PC刚刚泛起时一样，，，，真正的产品形态、商业时机和使用方式，，，，都还远没有被充分发明出来。。。

已往几年，，，，行业看起来有一条相对清晰的手艺路径：预训练、后训练、Agent、Coding Agent。。。所有人都在沿着类似偏向追赶。。。但姚顺雨以为，，，，未来不会只剩下一条主线，，，，而是多元生长。。。

Coding Agent虽然会越来越主要，，，，但它仍然只是最先。。。多模态、具身智能、企业Agent、办公协作、行业应用，，，，尚有大宗场景尚未被真正填满。。。

因此，，，，"腾讯AI是不是慢了"这个问题，，，，不可只用某个时间点、某一个产品或某一次宣布来判断。。。

更要害的问题是：腾讯能否忠实面临反。。。，，，能否在重大组织中快速调解，，，，能否把用户反馈酿成模子刷新，，，，把产品履历酿成评估系统，，，，把工程能力酿成可复用平台，，，，把多营业场景酿成Context网络。。。

姚顺雨在对谈中提到，，，，已往模子和产品都做了许多探索，，，，也走了不少弯路。。。这并不料外。。。真正主要的是"能不可Be Real，，，，能不可看到反馈后改变，，，，能不可坚持耐心"。。。

这可能也是腾讯AI下半场最焦点的命题：怎样在一个恒久、多元、仍在快速转变的AI周期里，，，，把重大场景和恒久主义转化为一连迭代的速率。。。

10、腾讯的AI路径：场景、工程与模子的系统性协同

对腾讯这样一家营业重大、产品众多的公司来说，，，，AI战略的难点不但是做出一个强模子，，，，推出多个AI应用，，，，而是怎样让疏散的场景、工程能力和模子研发相互联动，，，，形成一连迭代的系统能力。。。

汤道生总结了腾讯AI的三个焦点能力：场景联接、工程驾驭、模子驱动。。。这三个词，，，，现实上也对应了AI从手艺演示走向工业落地的三个要害环节。。。

第一是场景联接。。。通过微信、企业微信、元宝等高频触点，，，，把大模子嵌入真实营业流。。。这对应的是腾讯恒久积累的用户场景和企业毗连能力。。。AI只有进入真实营业流，，，，才会爆发真实反。。。，，，也才有时机被一直刷新。。。

第二是工程驾驭。。。通过Harness系统、AI Infra、Agent Runtime、高速网络、高吞吐存储和GPU使用率优化，，，，让Agent稳固、可信、可一连运行。。。这对应的是AI从Demo走向生产情形时必需解决的工程问题。。。对企业客户来说，，，，一个Agent能不可用，，，，不但取决于它是否智慧，，，，也取决于它是否稳固、清静、可控、可一连。。。

第三是模子驱动。。。依托混元大模子，，，，以及模子和产品的Co-Design，，，，在适用性、性价比和ROI之间寻找平衡。。。模子不是伶仃保存的能力，，，，而要在产品反馈中一连演进，，，，在工程系统中被稳固释放。。。

AI竞争不但是简单模子竞赛，，，，而是模子、产品、工程、场景、生态配相助用的复合竞争。。。

腾讯不是一个只有简单AI产品的公司，，，，而是一个拥有重大营业、多场景、多组织形态的公司。。。重大性可能会让公司的行动变慢，，，，但另一方面也提供了大宗真实问题和Context。。。能否把重大性转化为系统化优势，，，，是腾讯AI下半场的要害。。。