美狮贵宾会·(中国大陆)官方网站

文章来源：美狮贵宾会·(中国大陆)官方网站集团 发布时间：2026-06-18 11:34:11

　　确认无误后ღ★✿，点击开始下载/处理按钮ღ★✿。等待进度条读取完毕ღ★✿，即可在设定的文件夹中查看下载好的正版文件ღ★✿。

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

　　一方面ღ★✿，外界仍在追问腾讯AI是不是慢了腾讯对AI的投入够不够ღ★✿；另一方面ღ★✿，腾讯AI正在明显加速——龙虾系列产品推出ღ★✿，混元Hy3 preview登顶全球调用榜ღ★✿，WorkBuddy快速增长ღ★✿，模型ღ★✿、产品和产业落地开始形成更密集的联动ღ★✿。

　　正是在这种反差中ღ★✿，外界对腾讯AI的判断ღ★✿，与腾讯AI的实际进展之间ღ★✿，形成了一种微妙的认知错位ღ★✿。

　　这场不到一小时的对谈ღ★✿，恰好提供了一个观察窗口ღ★✿。它少有地把腾讯对AI的战略判断ღ★✿、组织方法和落地路径ღ★✿，放在同一场对话中展开ღ★✿：

　　从如何理解AI下半场ღ★✿，到模型ღ★✿、产品与场景之间的关系ღ★✿，再到真实问题傻子苏玛丽完整版全文免费阅读ღ★✿、Contextღ★✿、Agentღ★✿、工程体系和组织能力如何被纳入同一套框架ღ★✿。

　　如果说过去一年ღ★✿，行业更关心腾讯AI做了什么ღ★✿，那么这场对谈更值得关注的ღ★✿，是腾讯如何理解AIღ★✿、组织AIღ★✿，并把AI推向真实场景ღ★✿。

　　彼时ღ★✿，姚顺雨试图用这个词概括AI发展阶段的变化ღ★✿。今天这场对谈中ღ★✿，他对这个概念做了进一步解释和延展ღ★✿。

　　在姚顺雨看来ღ★✿，很长一段时间里ღ★✿，AI最重要的任务是寻找研究方法ღ★✿。为翻译做一个翻译模型ღ★✿，为围棋做一个围棋模型ღ★✿，为特定任务设计特定系统ღ★✿。这个阶段ღ★✿，方法本身就是稀缺品ღ★✿。

　　但预训练和后训练改变了这一点ღ★✿。大模型开始变得像一个万能锤子傻子苏玛丽完整版全文免费阅读ღ★✿，具备了相对通用的解决问题能力ღ★✿。AI的突破点不再只是有没有方法ღ★✿，而变成了什么问题值得被解决ღ★✿。

　　这意味着ღ★✿，AI产业的主战场正在经历一次重心迁移ღ★✿：当通用方法逐渐成熟ღ★✿，真正稀缺的东西就不再只是模型训练技巧ღ★✿，而是对真实问题的识别ღ★✿、定义和持续解决能力ღ★✿。

　　谁拥有高频ღ★✿、复杂ღ★✿、真实的问题ღ★✿，谁就更可能训练出有用的AIღ★✿；谁更能理解问题背后的用户需求ღ★✿、业务流程和成本结构ღ★✿，谁就更可能把AI变成产品ღ★✿，而不只是演示ღ★✿。

　　这也是姚顺雨解释自己为什么选择加入腾讯时反复强调的一点——腾讯有大量产品ღ★✿，也有大量真实问题ღ★✿；更重要的是ღ★✿，这些产品构成了模型可以行动的环境ღ★✿。

　　如果说寻找问题回答的是AI应该去哪里产生价值ღ★✿，那么Context回答的则是模型如何在具体场景中真正理解用户ღ★✿。

　　姚顺雨在对谈中多次提到Context美狮贵宾会首页ღ★✿。他的判断是ღ★✿，模型越来越擅长把复杂输入变成输出ღ★✿，但前提是它能拿到足够好的输入ღ★✿。

　　对于个人用户ღ★✿，这些输入可能是偏好ღ★✿、习惯ღ★✿、历史行为ღ★✿；对于企业用户ღ★✿，则可能是客户信息ღ★✿、业务流程ღ★✿、组织知识ღ★✿、权限体系ღ★✿、历史项目和系统数据ღ★✿。

　　没有这些上下文ღ★✿，模型再强ღ★✿，也只能给出泛化答案ღ★✿；有了这些上下文ღ★✿，模型才可能真正理解你是谁你正在做什么什么答案对你有价值ღ★✿。

　　这意味着ღ★✿，未来AI竞争不会只发生在模型参数和推理速度上ღ★✿，也会发生在Context的组织能力上ღ★✿。对腾讯而言ღ★✿，元宝ღ★✿、企业微信美狮贵宾会首页ღ★✿、腾讯会议ღ★✿、腾讯文档美狮贵宾会首页ღ★✿、代码工具ღ★✿、云服务等入口ღ★✿，如果能成为大模型理解用户和业务的上下文来源ღ★✿，就会形成一种不同于模型能力本身的竞争优势ღ★✿。

　　但Context不是简单把数据塞给模型ღ★✿。什么信息该给ღ★✿，什么信息不该给ღ★✿，如何控制权限ღ★✿，如何保证数据安全和用户隐私ღ★✿，如何避免噪声干扰ღ★✿，都是工程问题ღ★✿，也是产品问题ღ★✿。Context看似是数据资产ღ★✿，本质上却是产品能力ღ★✿、工程能力和组织协同能力的综合体现ღ★✿。

　　AI产品的结果往往是开放的ღ★✿、动态的ღ★✿、难以穷举的ღ★✿，使得模型团队和产品团队必须在更早阶段ღ★✿、更深层次上共同定义问题ღ★✿。这正是汤道生和姚顺雨反复谈到Co-Design的原因ღ★✿。

　　在传统软件时代傻子苏玛丽完整版全文免费阅读ღ★✿，产品和技术之间通常是线性关系ღ★✿：产品定义需求ღ★✿，研发实现功能ღ★✿，测试验证结果ღ★✿。但AI产品不是这样ღ★✿。模型能力会影响产品边界ღ★✿，产品数据会反过来影响模型训练ღ★✿，用户反馈又会改变评估体系ღ★✿。AI产品研发更像一个闭环系统ღ★✿，而不是瀑布流程ღ★✿。

　　姚顺雨提到ღ★✿，预训练更偏底层和通用ღ★✿，目标是把基础能力做扎实ღ★✿；但进入后训练阶段ღ★✿，问题就会更贴近产品ღ★✿：模型应该奖励什么ღ★✿、惩罚什么ღ★✿，什么回答算好ღ★✿，什么行为算差ღ★✿，都需要来自真实应用的反馈和评估ღ★✿。

　　汤道生则从产品体验角度补充ღ★✿，在AI产品里ღ★✿，好体验并不是一个天然清晰的标准ღ★✿。数据怎么标注ღ★✿、颗粒度怎么定ღ★✿、哪些行为该奖励或惩罚ღ★✿，如果不能和产品目标对齐ღ★✿，最终产品行为就可能偏离预期ღ★✿。

　　这正是Co-Design的核心ღ★✿：不只是模型团队支持产品团队ღ★✿，也不是产品团队调用模型能力ღ★✿，而是双方共同定义什么是好结果ღ★✿。

　　也因此ღ★✿，姚顺雨特别强调Trust（互信）ღ★✿。Co-Design最难的部分并不是技术接口ღ★✿，而是模型团队和产品团队之间能否建立信任ღ★✿，能否换位思考ღ★✿，能否承认彼此目标既有一致性ღ★✿，也有差异性ღ★✿。

　　大模型行业曾经高度依赖Benchmarkღ★✿。一个模型能否进入讨论ღ★✿，往往取决于它在若干公开榜单上的分数ღ★✿。

　　姚顺雨在对谈中对这一点保持了克制ღ★✿。他并不否认Benchmark的价值ღ★✿，却也强调榜单题目和真实用户问题之间存在巨大差异ღ★✿。

　　榜单里的问题通常描述清晰ღ★✿、信息完整傻子苏玛丽完整版全文免费阅读ღ★✿、边界明确ღ★✿；真实场景中的问题往往模糊ღ★✿、多轮ღ★✿、带有隐含上下文ღ★✿。用户可能只问一句帮我看看这个方案行不行ღ★✿，模型却需要理解文件ღ★✿、历史讨论ღ★✿、公司风格ღ★✿、目标客户和决策标准ღ★✿。

　　因此ღ★✿，对真实世界的评估开始变得越来越重要ღ★✿。它不仅能发现模型的底线问题ღ★✿，也能帮助研发团队理解真实Prompt分布ღ★✿，甚至反过来启发新的能力方向ღ★✿。

　　Hy3 preview的发布也体现了这种思路ღ★✿。姚顺雨提到ღ★✿，先发Preview版本模型的重要目的之一ღ★✿，就是获得真实世界反馈ღ★✿，修复榜单中没有暴露出来的问题ღ★✿。相比只看公开Benchmarkღ★✿，来自元宝等产品的真实交互可以让团队了解用户需求ღ★✿，明确优化方向ღ★✿。

　　这也意味着ღ★✿，模型研发不再只是围绕外部榜单优化ღ★✿，而是要基于真实业务场景自建评估体系ღ★✿。哪些能力对搜索重要ღ★✿，哪些能力对聊天重要ღ★✿，哪些能力对办公协作重要ღ★✿，哪些能力对Coding Agent重要ღ★✿，都需要在具体产品里被拆解ღ★✿、评估和回流ღ★✿。

　　如果说模型和评估决定了AI产品的能力底座ღ★✿，那么用户交互方式的变化ღ★✿，则正在改写产品本身的形态ღ★✿。

　　汤道生用了一个很形象的比喻ღ★✿：传统产品像预制菜美狮贵宾会首页ღ★✿，用户只能在菜单里点ღ★✿；AI产品则更开放ღ★✿，用户用自然语言提出需求ღ★✿，产品事先并不知道用户会问什么ღ★✿。

　　在PC互联网和移动互联网时代ღ★✿，产品经理的核心工作是设计功能ღ★✿、路径和界面ღ★✿。用户通过按钮ღ★✿、菜单ღ★✿、页面完成操作ღ★✿。产品设计的目标ღ★✿，是让功能尽可能清晰ღ★✿、流程尽可能顺畅ღ★✿。

　　AI时代ღ★✿，用户不再只是点击功能ღ★✿，而是在表达意图傻子苏玛丽完整版全文免费阅读ღ★✿。产品要理解这个意图ღ★✿，拆解任务傻子苏玛丽完整版全文免费阅读ღ★✿，调用工具ღ★✿，利用上下文ღ★✿，并生成结果ღ★✿。

　　一个AI产品不仅要回答能做什么ღ★✿，还要回答ღ★✿：什么时候追问ღ★✿，什么时候拒绝ღ★✿，什么时候调用工具ღ★✿，什么时候引用资料ღ★✿，什么时候给出不确定性提示ღ★✿，什么语气符合用户预期ღ★✿。

　　传统产品的边界由功能决定ღ★✿，AI产品的边界由模型能力ღ★✿、工具系统ღ★✿、上下文质量ღ★✿、权限控制和评测体系共同决定ღ★✿。它不是把一个聊天框放到产品里ღ★✿，而是要重构产品和用户之间的关系ღ★✿。

　　姚顺雨是ReAct框架的提出者ღ★✿，其博士研究也长期围绕语言智能体展开ღ★✿。他在对谈中回顾了自己从GPT-2时代开始思考Agent的过程ღ★✿：

　　如何把一个只会预测下一个Token的机器ღ★✿，变成可以与外部环境交互ღ★✿、调用工具ღ★✿、完成任务的Agent傻子苏玛丽完整版全文免费阅读ღ★✿。

　　姚顺雨认为ღ★✿，Coding Agent之所以重要ღ★✿，不只是因为软件开发市场大ღ★✿，而是因为其在能力结构上非常本质ღ★✿。当模型可以控制文件系统傻子苏玛丽完整版全文免费阅读ღ★✿、调用工具ღ★✿、运行代码ღ★✿、观察错误ღ★✿、修改方案时ღ★✿，它实际上进入了一个相对完整的任务环境ღ★✿。

　　它需要模型具备长程规划ღ★✿、工具调用ღ★✿、错误修复ღ★✿、多轮推理ღ★✿、上下文管理ღ★✿、结果验证等能力ღ★✿。这些能力一旦成熟ღ★✿，就不只服务于程序员ღ★✿，也会迁移到办公ღ★✿、科研ღ★✿、企业流程ღ★✿、数据分析ღ★✿、业务运营等更多场景ღ★✿。

　　这也解释了为什么对谈中多次提到腾讯的两款产品——CodeBuddy和WorkBuddyღ★✿。前者面向开发者ღ★✿，后者面向办公人群ღ★✿，但二者背后的能力演进方向是一致的ღ★✿：让模型从回答问题走向完成任务ღ★✿。

　　Agent的真正价值不在于它像人一样聊天ღ★✿，而在于它能在线ღ★✿、Token焦虑的误区ღ★✿：不能只看单价ღ★✿，要看任务闭环成本

　　随着Agent开始执行复杂任务ღ★✿，Token消耗迅速上升ღ★✿。用户和企业都开始关注积分ღ★✿、调用量和推理成本ღ★✿。

　　在姚顺雨看来ღ★✿，Token的性价比首先取决于能力表现ღ★✿。一个更强的模型如果能一次把任务做对ღ★✿，可能比便宜但反复失败的模型更省钱ღ★✿。

　　对于企业来说ღ★✿，真正应该计算的不是每百万Token多少钱ღ★✿，而是完成一次可靠业务闭环的总成本ღ★✿。这里面包括模型调用成本ღ★✿，也包括人工修正成本ღ★✿、失败重试成本ღ★✿、等待时间成本和业务风险成本ღ★✿。

　　如果一个模型便宜但经常出错ღ★✿，最终可能并不便宜ღ★✿。如果一个模型贵但能稳定完成关键任务ღ★✿，反而可能是更高性价比的选择ღ★✿。

　　当然ღ★✿，这并不意味着成本不重要ღ★✿。姚顺雨也提到ღ★✿，中国团队在成本优化上有优势ღ★✿，包括用更小模型做好高价值任务ღ★✿、架构创新ღ★✿、长文管理ღ★✿、Agent脚手架等ღ★✿。

　　这些优化都建立在一个前提上ღ★✿：模型要先足够可靠ღ★✿。AI下半场的成本竞争ღ★✿，可能不是简单的价格战ღ★✿，而是围绕稳定完成任务展开的系统效率竞争ღ★✿。

　　谈到腾讯WorkBuddy的产品团队时ღ★✿，汤道生提到了一个细节ღ★✿：组织非常扁平ღ★✿，很多三五人的小团队围绕具体领域攻坚ღ★✿，大量试验ღ★✿，快速验证ღ★✿，也要容忍试错ღ★✿。

　　这与传统互联网产品研发有明显不同ღ★✿。传统产品通常依靠较成熟的流程ღ★✿：需求评审ღ★✿、设计研发ღ★✿、测试上线ღ★✿、持续迭代ღ★✿。AI原生产品的不确定性更强ღ★✿，模型能力和用户行为都在快速变化ღ★✿，很多方向只有试了才知道是否有效ღ★✿。

　　与此同时ღ★✿，工程师角色也在变化ღ★✿。当越来越多代码可以由AI生成ღ★✿，工程师的核心价值不再只是亲自写代码ღ★✿，而是理解需求ღ★✿、设计架构ღ★✿、拆解任务ღ★✿、驱动多个Coding Agentღ★✿，并参与评测和质量保证ღ★✿。汤道生甚至提到ღ★✿，每个工程师都更像一个有想法的leaderღ★✿。

　　这意味着美狮贵宾会首页ღ★✿，AI时代的产品团队会出现更强的角色融合ღ★✿：产品经理需要理解模型边界ღ★✿，工程师需要具备产品判断ღ★✿，测试需要前置到评估设计ღ★✿，算法团队也需要理解用户体验ღ★✿。组织不再只是职能分工ღ★✿，而要围绕任务闭环重新组合ღ★✿。

　　但AI组织的变化ღ★✿，不只是团队变小ღ★✿、试验变快ღ★✿。姚顺雨提到ღ★✿，他选择加入腾讯的关键因素之一是这里的文化ღ★✿：更重视信任和真诚ღ★✿，不只围绕短期指标运转ღ★✿；团队也有low ego（低自我）ღ★✿、务实和扎实的一面ღ★✿。

　　这些看起来不像具体技术能力ღ★✿，却是AI组织重要的底层条件ღ★✿。因为AI研发和产品落地都充满不确定性ღ★✿，模型训练ღ★✿、产品Co-Designღ★✿、真实世界评估ღ★✿、Agent试错ღ★✿，都需要跨团队互信ღ★✿，也需要诚实面对失败反馈ღ★✿。

　　在姚顺雨看来ღ★✿，一个长期面向AGI的AI组织ღ★✿，应该是一个均衡的三角形ღ★✿：一是基础能力ღ★✿，把预训练和后训练做扎实ღ★✿；二是产品能力ღ★✿，把技术真正转化为用户和社会价值ღ★✿；三是前沿探索ღ★✿，持续寻找新的研究范式和机会ღ★✿。

　　在硅谷ღ★✿，过去一段时间有一种情绪很强烈ღ★✿：AI会在一两年内取代大量工作ღ★✿，所有人都要抓紧在短时间内完成布局ღ★✿。但姚顺雨并不认同这种判断ღ★✿。在他看来ღ★✿，AI不是一场已经接近终局的短跑ღ★✿，而更像是刚刚开始的长周期变革ღ★✿。

　　他提到ღ★✿，ChatGPT和Claude Code不应该ღ★✿、也不会是唯一的超级应用ღ★✿。更可能的情况是ღ★✿，AI像上世纪70年代PC刚刚出现时一样ღ★✿，真正的产品形态ღ★✿、商业机会和使用方式ღ★✿，都还远没有被充分发明出来ღ★✿。

　　过去几年ღ★✿，行业看起来有一条相对清晰的技术路径ღ★✿：预训练ღ★✿、后训练ღ★✿、Agentღ★✿、Coding Agentღ★✿。所有人都在沿着类似方向追赶ღ★✿。但姚顺雨认为ღ★✿，未来不会只剩下一条主线ღ★✿，而是多元发展ღ★✿。

　　Coding Agent当然会越来越重要ღ★✿，但它仍然只是开始ღ★✿。多模态ღ★✿、具身智能ღ★✿、企业Agentღ★✿、办公协作ღ★✿、行业应用ღ★✿，还有大量场景尚未被真正填满ღ★✿。

　　更关键的问题是ღ★✿：腾讯能否诚实面对反馈ღ★✿，能否在复杂组织中快速调整ღ★✿，能否把用户反馈变成模型改进ღ★✿，把产品经验变成评估体系ღ★✿，把工程能力变成可复用平台ღ★✿，把多业务场景变成Context网络ღ★✿。

　　姚顺雨在对谈中提到ღ★✿，过去模型和产品都做了很多探索ღ★✿，也走了不少弯路ღ★✿。这并不意外ღ★✿。真正重要的是能不能Be Realღ★✿，能不能看到反馈后改变ღ★✿，能不能保持耐心ღ★✿。

　　这可能也是腾讯AI下半场最核心的命题ღ★✿：如何在一个长期ღ★✿、多元ღ★✿、仍在快速变化的AI周期里ღ★✿，把复杂场景和长期主义转化为持续迭代的速度ღ★✿。

　　对腾讯这样一家业务复杂ღ★✿、产品众多的公司来说ღ★✿，AI战略的难点不只是做出一个强模型ღ★✿，推出多个AI应用ღ★✿，而是如何让分散的场景ღ★✿、工程能力和模型研发彼此联动ღ★✿，形成持续迭代的系统能力ღ★✿。

　　汤道生总结了腾讯AI的三个核心能力ღ★✿：场景联接ღ★✿、工程驾驭ღ★✿、模型驱动ღ★✿。这三个词ღ★✿，实际上也对应了AI从技术演示走向产业落地的三个关键环节ღ★✿。

　　第一是场景联接ღ★✿。通过微信ღ★✿、企业微信ღ★✿、元宝等高频触点ღ★✿，把大模型嵌入真实业务流ღ★✿。这对应的是腾讯长期积累的用户场景和企业连接能力ღ★✿。AI只有进入真实业务流ღ★✿，才会产生真实反馈ღ★✿，也才有机会被不断改进ღ★✿。

　　第二是工程驾驭ღ★✿。通过Harness体系ღ★✿、AI Infraღ★✿、Agent Runtime美狮贵宾会首页ღ★✿、高速网络ღ★✿、高吞吐存储和GPU利用率优化ღ★✿，让Agent稳定ღ★✿、可信ღ★✿、可持续运行ღ★✿。这对应的是AI从Demo走向生产环境时必须解决的工程问题ღ★✿。对企业客户来说ღ★✿，一个Agent能不能用ღ★✿，不只取决于它是否聪明ღ★✿，也取决于它是否稳定ღ★✿、安全ღ★✿、可控ღ★✿、可持续ღ★✿。

　　第三是模型驱动ღ★✿。依托混元大模型ღ★✿，以及模型和产品的Co-Designღ★✿，在实用性ღ★✿、性价比和ROI之间寻找平衡ღ★✿。模型不是孤立存在的能力ღ★✿，而要在产品反馈中持续演进ღ★✿，在工程体系中被稳定释放ღ★✿。

　　腾讯不是一个只有单一AI产品的公司ღ★✿，而是一个拥有复杂业务ღ★✿、多场景ღ★✿、多组织形态的公司ღ★✿。复杂性可能会让公司的行动变慢ღ★✿，但另一方面也提供了大量真实问题和Contextღ★✿。能否把复杂性转化为体系化优势ღ★✿，是腾讯AI下半场的关键ღ★✿。

　　3ღ★✿、确认无误后ღ★✿，点击开始下载/处理按钮ღ★✿。等待进度条读取完毕ღ★✿，即可在设定的文件夹中查看下载好的正版文件ღ★✿。美狮贵宾会官方地址ღ★✿，澳门美狮美高梅美狮贵宾会最新版本更新内容ღ★✿，