腾讯的成功不性感，却总是正确

　　出品|虎嗅黄青春频道

　　作者|商业消费主笔 黄青春

　　题图|现场拍摄

　　上周五（6 月 5 日） ，汤道生与姚顺雨的一场对谈
，再次将“腾讯慢了
”的论调推至舆论中心，两人在“外界为何觉得腾讯慢了”的追问上相视一笑 ，沉默不答；然而
，当“腾讯慢了 ”正从行业调侃变成市场共识时，腾讯似乎仍未重视这对公司造成的影响 。

　　最直观表现在两个层面：一是媒体对腾讯 AI 叙事的持续唱衰；二是上半年港股股价震荡下行 ，腾讯一度从中国互联网“常青树
”沦为老登股——资本开支最能说明问题，在全球科技巨头动辄将过去一年经营现金流投入 AI capex 的当下
，腾讯上季度只将经营现金流的 35% 投入到 AI 领域
。

　　与此同时，WorkBuddy 成为国内类 Claude Code 生产力智能体市场第一 ，Hy3 Preview 在 OpenRouter 调用量连续三周第一
，CodeBuddy 覆盖腾讯 90% 工程师并将编码时间缩短 40%，腾讯云 2025 年首次实现全年规模盈利。

　　一边是外界“慢而不自知”的口诛笔伐 ，一边是产品落地的稳步推进
，腾讯的 AI 战略似乎游离在行业主流叙事之外 。这种认知与现实的反差，迫使我们重新审视腾讯：为何在 AI 上半场显得慢了？在所有人抢首发 、冲榜单
、烧流量时 ，腾讯不争快慢争什么？

　　腾讯慢而不自知？

　　外界对腾讯“慢 ”的指责
，核心集中在三个维度：基础模型起步晚、C 端产品没跑出来 、算力投入不激进。

　　2024 年行业扎堆发布大模型，本质上是在“拼方法
”的上半场末期抢跑 ，但真正的价值创造还未开始
。2026 年混元团队完成架构重建后
，腾讯着手解决两个核心问题：一是重建大模型的基础设施，二是提升数据质量。

　　Hy3 Preview 的发布 ，正是这一阶段的成果，其并未追求极致的参数规模
，重点优化了基础设施、数据体系和真实场景的适配性 。姚顺雨直言：“今天，做大模型本身已相对简单 ，算法不再是核心瓶颈
，真正难的是把基础设施做扎实，把数据和评估体系（eval）做透
。”

　　如今回头看 ，此前不抢首发
、先打地基的思路
，反而在混元大模型的后续迭代中帮助腾讯避开了行业普遍存在的刷榜陷阱——国内大模型厂商普遍陷入“为了榜单优化模型 ”的怪圈，导致模型在基准测试中表现优异 ，但在真实场景中漏洞百出。

　　腾讯首席 AI 科学家姚顺雨在与腾讯云与智慧产业事业群 CEO 汤道生的对谈中
，明确提出了 AI 下半场的定义：“去年之前 AI 发展了几十年，核心是寻找解决问题的方法；但预训练和后训练成熟后 ，我们有了‘万能锤子’
，反而更难的是寻找值得解决的好问题 。
”

　　至于大家经常揶揄腾讯，元宝月活仅为豆包的零头；但重新审视 C 端对话类 AI 的高流量 ，到底是资产还是负债？

　　豆包的快速增长，其实建立在持续烧钱的基础之上
，因为每次用户交互都会产生 Token 推理成本，用户规模越大 ，算力消耗呈指数级增长
。据外媒报道
，豆包激进的烧钱策略一度让字节跳动将 2026 年资本开支提至 700 亿美元，显著拖累了公司整体利润。

　　在此背景下 ，随着用户规模扩大
，豆包硬推 C 端收费，更像收入压力倒逼下的被动选择 。据全球人工智能市场追踪机构 aicpb.com 上周三发布的数据显示 ，在豆包被曝推出订阅选项后
，该应用 5 月 MAU 减少了 610 万，这是自 2023 年推出以来该应用罕见的下滑
。

　　事实上 ，全球范围内对话类 AI 尚未找到可持续的大众市场商业化路径：OpenAI 旗下 ChatGPT 移动端月活已突破 10 亿
，但 2025 年净亏损达 80-90 亿美元，2026 年预计亏损将扩大至 140-150 亿美元；而 Anthropic 仅凭 OpenAI 约 10%-15% 的全平台活跃账号规模（2026 年 3 月为 1.34 亿） ，就在 2026 年 5 月实现了约 450 亿美元的年化收入。若按全平台活跃用户计算，其 ARPU 值约为 OpenAI 的 10-12 倍
，核心逻辑正是战略性收缩大众市场，聚焦高价值的企业和专业服务场景 。

　　腾讯恰好走了 Anthropic 的中国路线：元宝并未盲目追高 C 端用户规模 ，而是作为混元大模型的试验场和 C 端入口
，承担打磨基础模型能力的角色，并把真正的发力点放在高价值的生产力智能体赛道
。

　　从 CodeBuddy 到 WorkBuddy 的演化就体现了腾讯的产品逻辑：先在代码这个可形式化验证、价值清晰的场景打磨出成熟的 Agent 内核 ，再将其迁移到办公 、设计等通用场景。

　　所以
，汤道生强调：“AI 是一场马拉松，不是百米冲刺 。” 姚顺雨则自信地表示：“如果 AI 下半场才刚刚开始 ，那么过去的快慢毫无意义
，重要的是能不能诚实面对自己，能不能保持长期耐心。 ”

　　腾讯核心打法：争场景落地

　　按腾讯的逻辑 ，大模型本身不产生商业价值
，只有落地于真实场景
、解决实际问题的模型才具备价值
。这一理念的核心，是汤道生和姚顺雨反复提及的“Co-Design
”模式：模型团队与产品团队深度协同 ，共同定义问题、设计方案 、评估效果。

　　Co-Design 并非模型团队简单地向产品团队输出 API 接口，姚顺雨将其总结为三个核心要点：

　　第一
，模型本身足够扎实 。预训练是与具体产品无关的通用基础工作，必须做到极致 ，其进步可以为所有下游任务带来持续的价值提升；后训练则要摒弃刷榜思维
，基于真实产品场景构建评估体系
。“实用价值远大于刷榜价值”，这是腾讯 AI 团队的核心共识。

　　第二 ，建立模型与产品之间的信任
，这是 Co-Design 最难的部分 。模型团队希望能力越强越好，产品团队希望精准满足用户需求 ，两者天然存在目标差异
。腾讯的解决方式是换位思考+深度绑定：混元团队派出后训练核心骨干
，支持元宝的后训练工作；即使在预训练尚未完成的阶段，也优先保障元宝的技术支持。

　　第三 ，充分利用大语言模型（LLM）的泛化性 。与传统 AI 不同
，大语言模型时代的能力是可迁移的
。元宝与混元的 Co-Design 打磨出的聊天和搜索能力，可以直接迁移到智能营销助手（IMA）
、WorkBuddy 等产品；WorkBuddy 积累的办公场景数据 ，又可以反哺混元通用能力的迭代升级。

　　基于此，当行业仍在纠结“谁的大模型更聪明 ”时
，腾讯已经将重心转向了 Agent 。姚顺雨认为：“智能体或者代码智能体（Coding Agent）是必争的基础能力
。代码智能体本质上是图灵完备的，当你有能力控制文件系统和容器时 ，你就拥有了一个完整的自动化系统。”

　　当然
，在腾讯的 AI 体系中，评估体系（eval）是连接模型与产品的关键枢纽 。姚顺雨直言：“外部基准测试有其价值 ，但非常容易过拟合。真正有价值的评估
，来自真实世界的用户反馈
。
”

　　据虎嗅了解，与行业普遍依赖第三方榜单不同 ，腾讯建立了一套基于产品场景的内部评估体系
，其核心价值体现在三个方面：

　　第一，发现第三方榜单无法覆盖的基础体验缺陷与安全隐患。Hy3 Preview 发布的核心目的之一 ，就是收集大规模真实用户反馈
，修复基准测试中未暴露的潜在漏洞 。

　　第二，掌握真实场景的用户提示词分布
。 基准测试中的问题往往表述精确、逻辑清晰 ，但真实用户的提问往往表述模糊 、逻辑跳跃，且多为多轮连续追问。通过分析元宝
、WorkBuddy 的真实用户提示词
，腾讯可以更针对性优化模型的指令遵循能力与多轮对话连贯性 。

　　第三，真实场景的用户需求能倒逼技术研究方向迭代
。 例如 ，元宝用户对长上下文的强烈需求
，直接推动了腾讯在长上下文学习领域的技术突破；WorkBuddy 用户对复杂任务自动化的需求，有效促进了智能体复杂任务规划能力的提升。

　　很多人之所以错判腾讯的 AI 战略 ，根源是仍在用传统互联网思维衡量 AI 产业：信奉流量即壁垒的赢者通吃逻辑；但互联网的壁垒是流量和网络效应
，而 AI 产业的核心壁垒是场景深度、数据质量与组织协同能力 。

　　如今，“谁拥有场景 ，谁就拥有未来”这句话正在 AI 下半场得以验证
。

　　姚顺雨在加入腾讯时曾说：“AI 下半场最重要的是上下文（context）。当模型越来越擅长将复杂输入转化为标准化输出时
，竞争壁垒便转移到了最原始的输入端，你知不知道这个人在干什么 ，知不知道企业的各种信息 。 ”

　　腾讯拥有中国互联网最丰富 、完整的场景生态矩阵：微信是覆盖 14 亿国人的超级社交入口
，腾讯文档
、腾讯会议是国民级办公工具，游戏业务触达全球数十亿用户 ，腾讯云服务数百万企业客户
。这些场景每天产生海量、高价值的结构化与非结构化数据，为大模型提供了独一无二的上下文数据支撑。

　　更重要的是
，腾讯的场景生态是可打通 、可协同的 。通过微信、企业微信等入口，腾讯可以将 AI 能力深度嵌入到用户的日常工作和生活中 ，实现 AI 能力的无感渗透。例如
，用户在微信中发送一条自然语言指令，WorkBuddy 可以自动调用腾讯文档生成初步方案 ，通过腾讯会议发起线上讨论
，最终将结果同步至企业微信审批流程
。

　　再往上一层，AI 产业的竞争归根结底会变成组织的竞争。大模型研发需要跨学科
、跨领域的深度协作 ，智能体产品需要快速迭代与敏捷试错
，这对企业的组织架构与文化基因提出了极高要求 。

　　姚顺雨坦言，选择加入腾讯最重要的原因就是“坦诚、信任 、低 ego
”的文化：“第一次跟总办成员聊天 ，大家都非常诚实
，哪里做得好哪里做得不好，非常直白不会掩盖
。腾讯是一个基于信任而非 KPI 指标运转的公司 ，这对做 AI 非常重要。”

　　在这种文化影响下，腾讯云团队呈现出两个鲜明的组织特征：

　　第一
，WorkBuddy
、CodeBuddy 等产品都采用 3-5 人的精英小团队模式，团队成员拥有充分的自主权 ，可以快速决策、快速迭代试错
，没有复杂的层级和汇报关系 。汤道生对此评价：“今天的 AI 研发，想法比流程更重要
。小团队可以更灵活地响应市场变化 ，更快地验证产品方向。 ”

　　第二
，传统的瀑布式研发流程已经被重构：产品经理 、工程师
、设计师、测试人员的边界变得模糊，每个人都要参与需求定义 、架构设计和质量评估——工程师不再只是写代码 ，而是变成了指挥 AI 的主导者；测试工作也从最后环节前置到了需求阶段
，通过 AI 实现自动化测试 。

　　除此之外，腾讯还构建了一套从个体效率提升到组织能力升级的完整路径
。腾讯云副总裁
、WorkBuddy 负责人刘毅将其总结为四个核心步骤：培养超级个体、沉淀组织资产 、融入生产流程
、构建 AI 治理体系。

　　当然 ，AI 行业最大的痛点仍是商业化路径模糊 。据虎嗅了解
，腾讯 AI 商业化主要分为三个层级：一是，AI 首先服务于腾讯自身的业务 ，提升研发、运营 、管理效率；二是，通过腾讯云将 AI 能力输出给企业客户
，提供 MaaS、SaaS 等多种形式的服务——与传统的云服务不同，AI 服务的粘性更高
、附加值更大 ，有望为腾讯云带来更高的利润率；三是
，腾讯为合作伙伴提供算力、模型 、工具和流量支持，合作伙伴则负责场景落地和客户拓展 ，双方按约定比例分配利润——这种模式不仅可以快速拓展市场
，更能丰富腾讯的 AI 生态
。

　　针对行业普遍采用的按 Token 计费模式，汤道生向虎嗅表示：“纯粹按 Token 计费并非长期可持续的商业模式。如果 AI 能够为客户创造实实在在的价值 ，客户自然愿意为结果付费；当然
，腾讯也不排斥按 Token 计费，而是将其作为基础计费方式之一 ，与按任务
、按效果等计费方式结合
，满足不同客户的需求 。
”

　　慢的代价、未出的牌

　　笔者肯定腾讯的战略定力，并不意味着它没有问题。事实上 ，腾讯的慢也让它付出了代价，并将持续影响其在 AI 下半场的竞争力
。

　　比如
，腾讯的基础模型起步较晚，姚顺雨入职后几乎将混元“重做了一遍”。Hy3 Preview 虽取得了显著进步 ，但与 GPT-4o 、Claude 3 Opus 等国际顶尖模型相比
，仍存在一定差距 。

　　这种差距主要体现在两个方面：一是通用能力的全面性，国际顶尖模型在复杂推理
、多模态理解、长上下文处理等方面仍然领先；二是前沿技术的探索 ，腾讯在通用人工智能（AGI）基础研究方面的投入和积累
，与 OpenAI 、Anthropic 等公司相比差了一个身位
。

　　在与汤道生的对谈中，姚顺雨也承认：“中国今天所做的前沿探索不够多 ，我们需要把前沿探索的精神更多地注入组织基因。 ”

　　更核心的瓶颈是算力
，这也是当前腾讯面临的最大挑战 。2024 年，腾讯从英伟达采购了约 23 万张 H20 芯片 ，与字节跳动并列国内采购量第一；但 2025 年 4 月美国对 H20 芯片实施更严格的出口管制后
，腾讯无法再批量获取高端训练算力，国产昇腾 950 训练芯片要到 2026 年第四季度才能实现量产 ，远水难解近渴
。

　　汤道生坦言：“过去两三年，我们的算力一直处于紧平衡状态
，有限的算力资源只能优先保障内部核心产品需求。
”

　　由此可见，算力不足将成为未来 18-24 个月制约腾讯 AI 发展的核心瓶颈 ，进而导致混元大模型的训练和迭代速度放缓
，WorkBuddy
、元宝等产品的算力供应紧张，腾讯云企业客户的算力需求也受到一定影响 。对此 ，汤道生在采访中表态
，腾讯正在加大多元算力供应的投入
。

　　值得注意的是，尽管场景和数据是腾讯的优势 ，但腾讯的多事业群（BG）架构也存在内部协同壁垒——混元团队虽实现了跨 BG 的资源调动
，但不同 BG 之间的产品和数据打通仍存在明显障碍。例如，微信的社交数据、游戏的用户数据 、云的企业数据 ，还没有实现互联互通
，难以形成协同合力 。据虎嗅了解，主要是出于合规考虑 ，腾讯在数据打通方面表现得相当克制
。

　　汤道生也意识到了这一问题，已着手推动腾讯 AI 产品的整合；刘毅则明确表示：“未来 WorkBuddy 将成为腾讯云 AI 智能体的统一入口
，与平台，代码
、办公、设计等场景都将整合到 WorkBuddy 中。”

　　目前 ，WorkBuddy 已接入混元 、DeepSeek、GLM
、Kimi、MiniMax 等多个主流大模型
，用户可以根据需求自由选择 。这不仅能满足不同用户的差异化需求，还能降低对单一模型的依赖 ，分散风险。

　　不过
，腾讯还攥着微信 AI 的牌没打，其随时都可能成为颠覆市场的“王炸 ”
。据业内消息 ，微信正与多家手机厂商合作
，将社交关系链能力开放给系统级 AI 助手调用。这意味着，未来用户可通过主界面右滑访问 AI 聊天窗口 ，输入指令即可自动调用微信数百万个小程序
，微信将一跃成为全球最大的智能体平台 。

　　所以，在 AI 这场马拉松中 ，腾讯不争一时快慢，而是押注场景落地
，把价值做深——与很多公司试图打造一个 AI 超级 App 不同，腾讯的战略是 AI 无处不在 ，即将 AI 能力嵌入到所有现有产品中
，让每一个产品都变得更智能
。

　　这一战略的核心优势在于，能够充分复用腾讯现有的海量用户基础与成熟场景生态 ，实现 AI 能力的规模化快速落地。例如
，微信的广告投放系统已全面接入混元大模型，广告精准度与转化效率均实现大幅提升；视频号的内容推荐算法与创作辅助工具 ，也在 AI 的加持下持续优化；腾讯会议的自动纪要 、实时翻译等功能
，已成为用户不可或缺的核心刚需功能 。

　　综上，腾讯 AI 战略底层是互联网时代后发制人成功逻辑的延续：从 QQ 邮箱到微信再到视频号 ，腾讯从未做过行业领跑者
，却总能凭借持续的产品迭代与强大的生态优势后来居上
。当然，这一战略能否在 AI 下半场再次奏效 ，还取决于腾讯能否突破算力瓶颈
、打通内部数据壁垒，并在前沿技术探索上投入更多资源。