0
姚順雨加入騰訊后，第一次線下大型活動的公開亮相，是在6月5日的2026騰訊云AI產(chǎn)業(yè)應(yīng)用大會上。
他與騰訊集團高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生的同臺對談，吸引了無數(shù)觀眾涌入線下會場和線上直播間。
人們涌向這里，不僅是為了一睹這位從OpenAI加盟騰訊的AI首席科學(xué)家的風(fēng)采，更是為了從這場對談中探知騰訊的AI戰(zhàn)略：
AI下半場，騰訊需要正視的核心問題是什么？從QQ時代到AI時代，騰訊做產(chǎn)品的理念有何異同？這波Agent浪潮，騰訊如何布局？還有一個更為犀利、外界熱議已久的問題——騰訊做AI，真的慢了嗎？
AI下半場要“找對問題”
何謂“AI下半場”？
早在去年，姚順雨便在一篇博客中闡釋過這一概念。他提到，過去幾十年AI的發(fā)展更多聚焦于方法論創(chuàng)新：從AlphaGo到機器翻譯，每個任務(wù)都需要單獨設(shè)計模型，但預(yù)訓(xùn)練與大模型的興起，使得通用方法論成為現(xiàn)實。技術(shù)能力不再是瓶頸，真正的難點變成了“找對問題”。
“有了預(yù)訓(xùn)練和后訓(xùn)練之后，我們像有了一個萬能錘子，它可以砸任何釘子。反而更困難的是怎么尋找好的問題去解決。”
這也正是這位曾經(jīng)在OpenAI參與過Operator、Deep Research等前沿Agent產(chǎn)品的科學(xué)家選擇加入騰訊的原因之一。
姚順雨認(rèn)為，騰訊“有很多好問題、有很多產(chǎn)品”，能夠為AI提供兩樣最寶貴的東西：一是價值落地的土壤，二是模型所需的Context（上下文）。無論是社交、搜索、辦公還是代碼開發(fā)，每一個場景都天然產(chǎn)生大量真實用戶交互數(shù)據(jù)，這些數(shù)據(jù)不僅是訓(xùn)練模型的“燃料”，也是定義問題的“地圖”。
在AI時代，如何再做出一個好產(chǎn)品，是這波大模型熱潮留給騰訊等一眾互聯(lián)網(wǎng)大廠的重要命題。
正如湯道生談到，與PC互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時代相比，AI時代的產(chǎn)品形態(tài)有所不同：從功能固定的“預(yù)制菜”模式，轉(zhuǎn)向開放式、自然語言驅(qū)動的服務(wù)模式，產(chǎn)品方無法預(yù)知用戶會問什么，因此必須充分利用模型的推理與調(diào)用工具的能力，去應(yīng)對無限可能的需求。
從QQ系列產(chǎn)品、云業(yè)務(wù)，到如今的騰訊元寶，湯道生認(rèn)為，做產(chǎn)品的第一性原理始終是“解決用戶痛點、創(chuàng)造價值”。
AI下半場的勝負(fù)手，不僅在于誰擁有更強的模型，還在于誰能定義出最有價值的真實問題，并用模型去解決它。
模型與產(chǎn)品Co-Design
那么，找對問題后，如何將模型能力真正落地到產(chǎn)品？
“Co-Design”（協(xié)同設(shè)計）至關(guān)重要。這并非“模型提供API、產(chǎn)品調(diào)用API”那么簡單，而是一種深度融合、彼此成就的協(xié)作方式。
姚順雨分享了混元團隊與騰訊元寶合作的一個關(guān)鍵細(xì)節(jié)：在混元的預(yù)訓(xùn)練模型尚未完全成熟時，團隊毅然派出了最強的后訓(xùn)練骨干力量，優(yōu)先助力元寶打磨產(chǎn)品能力、穩(wěn)定DAU（日活躍用戶）。這一決策在當(dāng)時讓很多算法同事不解，但事后證明，正是這種“先為產(chǎn)品著想”的選擇，建立了模型團隊與產(chǎn)品團隊之間的信任。
“模型團隊希望能力越強越好，但產(chǎn)品團隊覺得用戶需求越滿足越好，所以天然有很多不align（一致）的部分。”
“最難的部分反而是怎么樣建立信任，怎么樣換位思考。”
湯道生則站在產(chǎn)品視角，補充了Co-Design的實操內(nèi)涵：對齊。
在他看來，產(chǎn)品期望的體驗、模型訓(xùn)練的判別機制、評測標(biāo)準(zhǔn)（Eval）的設(shè)計等環(huán)節(jié)，需要產(chǎn)品經(jīng)理、算法工程師、數(shù)據(jù)標(biāo)注團隊在同一張桌子上達(dá)成共識。否則，模型的行為會變得不可預(yù)測，甚至出現(xiàn)隨機性。
在這場對談中，姚順雨也強調(diào)，真正有價值的Eval應(yīng)該基于真實產(chǎn)品場景、真實用戶提示詞分布，而不是為了“刷榜”。公開榜上的題目往往和用戶的實際提問方式有很大差異：例如，榜單題目往往精確、長描述、單輪提問；而真實用戶常常只發(fā)一兩句模糊的話，并不斷追問。
他認(rèn)為，只有從產(chǎn)品中回流的數(shù)據(jù)，才能驅(qū)動模型解決榜單上不存在的問題。
“基于真實世界的數(shù)據(jù)會對模型的研發(fā)有幫助：首先就是你能發(fā)現(xiàn)模型的很多底線問題，實際上我們先發(fā)一個Preview模型最主要的目的之一是希望能夠獲得真實世界反饋，能修復(fù)各種各樣榜單中沒有發(fā)現(xiàn)的問題，這個在正式版上會有很大的改進(jìn)。”
“甚至我們可以在這些產(chǎn)品上獲得一些靈感去推進(jìn)現(xiàn)在還沒有的榜單或者是沒有的領(lǐng)域，比如我們最近做了很多Context learning的工作，包括元寶的反饋也給我們很大的啟發(fā)和幫助。”
首發(fā)“效率智能體工具集”
AI下半場，不僅關(guān)乎模型與產(chǎn)品的協(xié)同，還在于技術(shù)如何真正落到場景中。
在AI智能體技術(shù)規(guī)模化落地元年，智能體正成為重塑生產(chǎn)力的重要引擎。大會當(dāng)天，騰訊云發(fā)布了“效率智能體工具集”。
面向個人、企業(yè)不同的AI提效需求，騰訊云本次發(fā)布、升級覆蓋20余個垂直場景的多款A(yù)I工具：個人側(cè)，升級了QClaw、WorkBuddy、元寶、ima、騰訊文檔等“開箱即用”的AI工具；企業(yè)側(cè)，全新發(fā)布WorkBuddy企業(yè)版AI工作臺，并同步升級ClawPro、騰訊云智能體開發(fā)平臺（ADP）、企點營銷云等核心產(chǎn)品。
湯道生在對談中提到，這背后有騰訊的三個核心能力：
第一是場景聯(lián)接的能力，通過騰訊的微信、企業(yè)微信、元寶等高頻的場景觸點，把大模型嵌到真實的業(yè)務(wù)流，跟用戶、數(shù)據(jù)、生態(tài)深度聯(lián)接。
第二是工程的駕馭能力，通過完整的Harness體系，讓Agent能夠穩(wěn)定、可信、可持續(xù)運行，具備強大的AI Infra，讓高速網(wǎng)絡(luò)、高吞吐存儲以及高性能Agent Runtime（智能體運行底座）保證GPU的高利用率。
第三是模型驅(qū)動力，依托混元大模型和模型產(chǎn)品Co-Design，兼顧實用性、性價比和ROI。
如果將目光轉(zhuǎn)向落地側(cè)，可以看到，企業(yè)僅憑“單打獨斗”已難以從容應(yīng)對這波AI熱潮。以智能體開發(fā)場景為例：
找鋼網(wǎng)集團管理合伙人兼副總裁張曉坤透露，2023年大模型浪潮一來，找鋼網(wǎng)就嘗試自研AI智能體配置引擎和平臺，結(jié)果“很痛苦”：“我們懂行業(yè)，但不是專門搞技術(shù)的。后來騰訊云ADP的前身LKE（知識引擎）出現(xiàn)，能把行業(yè)知識交給大模型，快速做出工具。”上市后，找鋼網(wǎng)基于LKE發(fā)布了找鋼APP，涵蓋找貨、找車、問行情、查訂單、問報告等場景。
關(guān)于此次ADP升級，騰訊云ADP生態(tài)負(fù)責(zé)人王搖琴告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))，最重要的變化是新增了Claw模式，這是面向Agentic Loop（智能體循環(huán)）的擬人化形態(tài)。
To B業(yè)務(wù)高度重視流程確定性，企業(yè)多數(shù)業(yè)務(wù)鏈路都需要標(biāo)準(zhǔn)化SOP支撐。王搖琴表示，ADP支持Agent和Workflow雙向互調(diào)，確定的部分給Workflow，不確定的部分則喚起Agent。
騰訊云，正在用“效率智能體工具集”，打通Agent落地的“最后一公里”。
“今天的AI，像70年代的PC”
回顧這場對談，雷峰網(wǎng)注意到，“長跑”是一個高頻詞。如果說AI是馬拉松，那么騰訊的耐力，就在于“有非常豐富的場景”。
面對外界“騰訊在AI上是否慢了”的質(zhì)疑，湯道生坦誠地承認(rèn)，騰訊作為一家多業(yè)態(tài)、多產(chǎn)品線的公司，在某些領(lǐng)域可能確實動作不夠快，也有探索失敗的項目。
前沿技術(shù)探索不能用短期KPI評判，這場長跑的勝負(fù)不在于一時領(lǐng)先，而在于能夠持續(xù)迭代、誠實面對反饋、保持耐心。
正如姚順雨所言，AI是一場長期游戲。“今天的AI，就像70年代的PC剛剛誕生，還有很多很多事情需要做。”
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
