騰訊把AI競(jìng)爭(zhēng)，拉回最熟悉的場(chǎng)景戰(zhàn)場(chǎng)

嗅態(tài)

嗅產(chǎn)業(yè)冷暖，書(shū)人文姿態(tài)

作者 | 石燦

6月5日，2026騰訊云AI產(chǎn)業(yè)應(yīng)用大會(huì)在北京召開(kāi)。現(xiàn)場(chǎng)人潮涌動(dòng)，會(huì)場(chǎng)入口、過(guò)道和展區(qū)都擠滿了人。

開(kāi)場(chǎng)后，騰訊集團(tuán)高級(jí)執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生簡(jiǎn)單介紹騰訊的AI現(xiàn)狀后，很快把姚順雨請(qǐng)上臺(tái)。姚順雨是騰訊首席AI科學(xué)家，1998年出生，曾任OpenAI研究員，博士研究方向圍繞語(yǔ)言智能體展開(kāi)，提出過(guò)ReAct等智能體相關(guān)研究方法。2025年底，騰訊升級(jí)大模型研發(fā)架構(gòu)，姚順雨出任“CEO/總裁辦公室”首席AI科學(xué)家，同時(shí)兼任AI Infra部和大語(yǔ)言模型部負(fù)責(zé)人。

很多人來(lái)到現(xiàn)場(chǎng)，是為了看姚順雨。外界關(guān)心的是，這位年輕科學(xué)家的加入，會(huì)不會(huì)改變騰訊AI的速度、氣質(zhì)和技術(shù)路線。

但這場(chǎng)對(duì)話真正釋放出的信號(hào)，并不只是姚順雨個(gè)人。湯道生代表騰訊過(guò)去多年積累下來(lái)的產(chǎn)品、客戶、工程和產(chǎn)業(yè)場(chǎng)景，姚順雨代表新一代AI科學(xué)家的模型、Agent和技術(shù)范式。兩個(gè)人坐在一起，討論的核心問(wèn)題是：AI進(jìn)入下半場(chǎng)后，騰訊靠什么重新進(jìn)入競(jìng)爭(zhēng)中心。

答案逐漸清晰。

騰訊正在把AI競(jìng)爭(zhēng)重新拉回自己最熟悉的場(chǎng)景戰(zhàn)場(chǎng)。

過(guò)去二十多年，騰訊很多關(guān)鍵勝利都來(lái)自場(chǎng)景、用戶關(guān)系和產(chǎn)品網(wǎng)絡(luò)。QQ、微信、游戲、支付、企業(yè)微信、騰訊會(huì)議、騰訊文檔，這些產(chǎn)品把騰訊帶進(jìn)用戶的社交、娛樂(lè)、辦公和協(xié)作流程里。騰訊真正擅長(zhǎng)的事情，是在一個(gè)又一個(gè)高頻場(chǎng)景里建立連接，再讓新的能力沿著這些連接擴(kuò)散。

到了AI階段，這套能力重新變得重要。模型仍是底座，但當(dāng)大模型能力逐漸趨同，產(chǎn)業(yè)競(jìng)爭(zhēng)會(huì)繼續(xù)向真實(shí)場(chǎng)景遷移。誰(shuí)能拿到更真實(shí)的用戶需求，誰(shuí)能理解更復(fù)雜的上下文，誰(shuí)能讓模型調(diào)用工具、連接系統(tǒng)、完成任務(wù)，誰(shuí)就更接近AI落地的核心位置。

騰訊AI回到場(chǎng)景戰(zhàn)場(chǎng)

湯道生先給出騰訊對(duì)AI階段的判斷。他說(shuō)，騰訊AI正在全面提速，聚焦打造好用的AI，加大人才引進(jìn)，推動(dòng)組織升級(jí)。在模型層，混元走實(shí)用路線；在基礎(chǔ)設(shè)施層，騰訊構(gòu)建了完整的Harness體系，覆蓋企業(yè)知識(shí)庫(kù)、安全沙箱、開(kāi)放的Skill Hub和全鏈路安全能力；在應(yīng)用層，騰訊已經(jīng)推出CodeBuddy、WorkBuddy、Q-Claw、Claw Pro等效率智能體，元寶、ima、騰訊會(huì)議、騰訊文檔等核心產(chǎn)品也在加速Agent化。

湯道生把這套動(dòng)作歸結(jié)為一句話，騰訊做AI一直以“實(shí)用、好用、可規(guī)模化”為目標(biāo)，核心經(jīng)驗(yàn)是扎根場(chǎng)景。

這句話把對(duì)話的主線定了下來(lái)。騰訊AI接下來(lái)面對(duì)的競(jìng)爭(zhēng)，越來(lái)越接近它過(guò)去最熟悉的領(lǐng)域。湯道生說(shuō)，真實(shí)場(chǎng)景有用戶需求，也能把模型迭代最需要的數(shù)據(jù)納入進(jìn)來(lái)。騰訊豐富的產(chǎn)品場(chǎng)景、交互數(shù)據(jù)和生態(tài)連接，能夠?yàn)槟Ｐ吞峁└哔|(zhì)量上下文，也能讓模型調(diào)用工具、連接系統(tǒng)，真正完成任務(wù)閉環(huán)。

姚順雨接過(guò)這個(gè)問(wèn)題時(shí)，先解釋了“AI下半場(chǎng)”。他說(shuō)，這個(gè)詞最近有點(diǎn)被濫用。他去年在博客里提出這個(gè)概念時(shí)，想表達(dá)的是，AI過(guò)去幾十年更重要的是尋找解決問(wèn)題的方法。到了現(xiàn)在，預(yù)訓(xùn)練和后訓(xùn)練的方法論已經(jīng)成熟，AI像有了一把“萬(wàn)能的錘子”，可以解決各種問(wèn)題。新的困難變成了尋找好的問(wèn)題。

他選擇騰訊，也與這個(gè)判斷有關(guān)。姚順雨說(shuō)，騰訊有很多好的問(wèn)題，也有很多產(chǎn)品。產(chǎn)品能回答一個(gè)現(xiàn)實(shí)問(wèn)題，模型到底應(yīng)該應(yīng)用到什么地方產(chǎn)生價(jià)值。環(huán)境也很重要，一個(gè)Agent要完成任務(wù)，需要工具。沒(méi)有點(diǎn)外賣的工具，就無(wú)法點(diǎn)外賣。到了更深的層次，context變得更重要。模型越來(lái)越擅長(zhǎng)把復(fù)雜輸入變成輸出，競(jìng)爭(zhēng)壁壘會(huì)來(lái)自原始輸入，來(lái)自對(duì)一個(gè)人、一個(gè)企業(yè)真實(shí)信息的理解。

這段表述，把騰訊過(guò)去的優(yōu)勢(shì)重新翻譯成AI時(shí)代的語(yǔ)言。

過(guò)去二十多年，騰訊很多關(guān)鍵競(jìng)爭(zhēng)都發(fā)生在場(chǎng)景里。QQ占住即時(shí)通訊和線上娛樂(lè)，微信占住移動(dòng)社交和生活服務(wù)，游戲、支付、企業(yè)微信、騰訊會(huì)議、騰訊文檔繼續(xù)把騰訊帶進(jìn)娛樂(lè)、交易、辦公和協(xié)作流程。騰訊擅長(zhǎng)的能力，一直是進(jìn)入高頻場(chǎng)景，建立用戶關(guān)系，再讓新能力沿著這些關(guān)系和場(chǎng)景擴(kuò)散。

在AI早期，外界更多盯著模型參數(shù)、榜單成績(jī)、發(fā)布時(shí)間和爆款應(yīng)用。騰訊一度被放在“慢”的敘事里。湯道生在對(duì)話后半段主動(dòng)提到這個(gè)問(wèn)題。他說(shuō)，很多自媒體都會(huì)說(shuō)騰訊慢了，沒(méi)及時(shí)抓住一些機(jī)會(huì)。

姚順雨沒(méi)有停留在速度比較上。他說(shuō)，今天有兩個(gè)重要判斷。第一個(gè)判斷是，AI是短期游戲，還是長(zhǎng)期游戲。在硅谷，很多人認(rèn)為兩年后所有人都會(huì)失業(yè)，AI會(huì)取代所有工作，所以要趕快賺兩年錢(qián)退休。騰訊的判斷很清楚，AI會(huì)是一個(gè)長(zhǎng)期游戲，AI才剛剛開(kāi)始，下半場(chǎng)才剛剛開(kāi)始。

第二個(gè)判斷是，AI會(huì)走向線性競(jìng)爭(zhēng)，還是多元競(jìng)爭(zhēng)。過(guò)去幾年，行業(yè)似乎形成了預(yù)訓(xùn)練、后訓(xùn)練、強(qiáng)化學(xué)習(xí)、Agent、Coding Agent這條清晰主線，所有人都在做相似的事情。姚順雨判斷，未來(lái)會(huì)變得更多元。Coding Agent、生產(chǎn)力、多模態(tài)、具身智能和更多新方向都會(huì)繼續(xù)展開(kāi)。

湯道生隨后把話題重新拉回騰訊。他說(shuō)，騰訊是一個(gè)多業(yè)態(tài)公司，很多產(chǎn)品在很多賽道同時(shí)推進(jìn)，不同團(tuán)隊(duì)在探索不同項(xiàng)目。有些地方做得快，有些地方做得慢，也有些地方會(huì)失敗。這些提醒都有價(jià)值。在他看來(lái)，AI是一場(chǎng)長(zhǎng)跑。騰訊過(guò)去多年在不同產(chǎn)品和不同賽道里的積累，可以針對(duì)每一個(gè)場(chǎng)景為模型提供有用的信息和上下文。

騰訊過(guò)去靠場(chǎng)景組織能力穿過(guò)多個(gè)互聯(lián)網(wǎng)周期。到了AI產(chǎn)業(yè)應(yīng)用階段，這套能力重新變得重要。區(qū)別在于，今天的場(chǎng)景競(jìng)爭(zhēng)門(mén)檻更高。它考驗(yàn)?zāi)Ｐ湍芰Γ部简?yàn)產(chǎn)品理解、工程體系、組織協(xié)同和企業(yè)服務(wù)能力。

湯道生和姚順雨坐在臺(tái)上，一個(gè)從騰訊的產(chǎn)品和產(chǎn)業(yè)現(xiàn)場(chǎng)出發(fā)，一個(gè)從AI模型和Agent方法出發(fā)，最后走向同一個(gè)判斷：AI下半場(chǎng)，騰訊要回到自己最熟悉、也最復(fù)雜的戰(zhàn)場(chǎng)。

模型進(jìn)入產(chǎn)品現(xiàn)場(chǎng)

在這場(chǎng)對(duì)話里，湯道生把問(wèn)題進(jìn)一步推向產(chǎn)品現(xiàn)場(chǎng)。他提到，騰訊內(nèi)部最近頻繁討論一個(gè)詞，Co-Design。模型和產(chǎn)品如何更緊密地結(jié)合，正在成為AI產(chǎn)品研發(fā)的關(guān)鍵問(wèn)題。

他列舉了幾個(gè)正在變化的產(chǎn)品形態(tài)。元寶是面向用戶的聊天機(jī)器人和AI搜索入口，企業(yè)場(chǎng)景里有智能客服、智能營(yíng)銷，最近更受關(guān)注的是CodeBuddy、WorkBuddy這類效率智能體。這些產(chǎn)品對(duì)模型能力依賴很深，也要求模型團(tuán)隊(duì)和產(chǎn)品團(tuán)隊(duì)在研發(fā)早期進(jìn)入同一個(gè)現(xiàn)場(chǎng)。

姚順雨的回答從模型開(kāi)始。他說(shuō)，Co-Design的前提是模型本身要足夠扎實(shí)。預(yù)訓(xùn)練更偏底座，它的進(jìn)步可以持續(xù)帶給下游任務(wù)價(jià)值。到了后訓(xùn)練階段，更關(guān)鍵的是設(shè)立正確的評(píng)測(cè)。他提到，中國(guó)AI行業(yè)有一種傾向，喜歡刷榜。真正有價(jià)值的評(píng)測(cè)，需要基于產(chǎn)品和真實(shí)應(yīng)用來(lái)構(gòu)造。

姚順雨強(qiáng)調(diào)，榜單有價(jià)值，但很多榜單很容易飽和。真實(shí)世界的數(shù)據(jù)能發(fā)現(xiàn)模型在公開(kāi)榜單里暴露不出來(lái)的問(wèn)題，也能幫助團(tuán)隊(duì)理解真實(shí)用戶的提問(wèn)分布。

他舉了一個(gè)例子。benchmark里的題目往往描述清楚、條件完整，大多是單輪問(wèn)題。現(xiàn)實(shí)產(chǎn)品里的用戶提問(wèn)經(jīng)常很模糊，可能只有一兩句話，后面還會(huì)連續(xù)追問(wèn)。用戶在元寶、ima、WorkBuddy里使用AI，問(wèn)題不會(huì)按照標(biāo)準(zhǔn)測(cè)試題的方式出現(xiàn)。模型要在這種環(huán)境里工作，產(chǎn)品反饋就會(huì)變得很重要。

湯道生對(duì)此有相似感受。他回憶，騰訊早期做元寶時(shí)遇到過(guò)多輪遵循的問(wèn)題。用戶在產(chǎn)品里不斷調(diào)整prompt，這種使用方式和benchmark里的單輪測(cè)試存在明顯差異。真正進(jìn)入產(chǎn)品后，模型需要理解上下文，也要跟上用戶在多輪交互中的意圖變化。

在這層意義上，產(chǎn)品本身也在幫助模型變得更好。元寶帶來(lái)的聊天和搜索能力，可以遷移到ima或者WorkBuddy；不同產(chǎn)品提供不同數(shù)據(jù)，這些數(shù)據(jù)之間又能相互泛化，形成一個(gè)網(wǎng)絡(luò)。姚順雨認(rèn)為，這種產(chǎn)品體系化的優(yōu)勢(shì)會(huì)越來(lái)越重要。

湯道生隨后從產(chǎn)品經(jīng)理的角度談到AI產(chǎn)品范式的變化。過(guò)去做產(chǎn)品，更多是通過(guò)功能滿足用戶需求。產(chǎn)品方把能力設(shè)計(jì)清楚，用戶通過(guò)界面、菜單和按鈕完成選擇。他把這種方式形容成“預(yù)制菜”，用戶只能在提供好的選項(xiàng)里點(diǎn)單。

AI時(shí)代的產(chǎn)品面對(duì)的是開(kāi)放式需求。用戶可能用自然語(yǔ)言，也可能用語(yǔ)音提出任務(wù)，產(chǎn)品方無(wú)法提前知道用戶會(huì)問(wèn)什么。產(chǎn)品需要借助模型理解需求，再通過(guò)推理和工具調(diào)用，給出可執(zhí)行的結(jié)果。產(chǎn)品設(shè)計(jì)由此變得更復(fù)雜，界面、工具、上下文、記憶和執(zhí)行環(huán)境都要被重新組織。

湯道生還提到，AI正在改變研發(fā)流程。過(guò)去做產(chǎn)品，有清晰的產(chǎn)品規(guī)格、功能描述、研發(fā)流程和測(cè)試方式。現(xiàn)在，AI產(chǎn)品的流程需要重新設(shè)計(jì)。尤其在今年，大部分代碼都可能由AI生成，工程師會(huì)把更多時(shí)間放在設(shè)計(jì)和架構(gòu)上，把寫(xiě)代碼的工作交給AI，再對(duì)結(jié)果進(jìn)行指導(dǎo)和修正。

測(cè)試也要前置。開(kāi)放式答案沒(méi)有標(biāo)準(zhǔn)模板，產(chǎn)品團(tuán)隊(duì)需要更早設(shè)計(jì)案例、環(huán)境、評(píng)測(cè)要求和對(duì)齊標(biāo)準(zhǔn)。一個(gè)AI產(chǎn)品能不能滿足用戶期待，不能只看功能能否運(yùn)行，還要看回答風(fēng)格、任務(wù)結(jié)果、工具調(diào)用和用戶體驗(yàn)是否一致。

這種變化也把模型團(tuán)隊(duì)和產(chǎn)品團(tuán)隊(duì)推得更近。湯道生說(shuō)，產(chǎn)品、模型、數(shù)據(jù)標(biāo)注、評(píng)測(cè)等不同角色要在項(xiàng)目中形成對(duì)齊。產(chǎn)品認(rèn)為好的體驗(yàn)，評(píng)測(cè)體系也要認(rèn)同。數(shù)據(jù)應(yīng)該如何標(biāo)注，哪些回答應(yīng)該獎(jiǎng)勵(lì)，哪些行為應(yīng)該懲罰，都要在同一個(gè)目標(biāo)下被重新定義。對(duì)齊不足，產(chǎn)品行為就會(huì)變得不可預(yù)測(cè)，模型訓(xùn)練也會(huì)被混淆。

姚順雨接著講了一個(gè)內(nèi)部協(xié)作細(xì)節(jié)。元寶早期推進(jìn)時(shí)，騰訊自己的預(yù)訓(xùn)練模型還沒(méi)有完全準(zhǔn)備好。模型團(tuán)隊(duì)派出后訓(xùn)練最強(qiáng)的骨干力量，先幫助元寶把DeepSeek的后訓(xùn)練做好。當(dāng)時(shí)不少算法同學(xué)不理解這個(gè)動(dòng)作，他需要向團(tuán)隊(duì)解釋原因。后來(lái)回看，這個(gè)動(dòng)作建立了產(chǎn)品團(tuán)隊(duì)和模型團(tuán)隊(duì)之間的信任，也為混元review版本在元寶上線打下基礎(chǔ)。

這段細(xì)節(jié)說(shuō)明，AI產(chǎn)品研發(fā)已經(jīng)進(jìn)入一種新的協(xié)作方式。模型團(tuán)隊(duì)要進(jìn)入產(chǎn)品現(xiàn)場(chǎng)，產(chǎn)品團(tuán)隊(duì)也要理解模型訓(xùn)練、數(shù)據(jù)回流和評(píng)測(cè)邏輯。雙方在真實(shí)場(chǎng)景里共同調(diào)整目標(biāo)、數(shù)據(jù)和評(píng)測(cè)。

這也是騰訊AI場(chǎng)景化落地的第二層含義。場(chǎng)景意味著真實(shí)需求、真實(shí)反饋、真實(shí)工具和真實(shí)流程。模型要在這些流程里被使用、被修正、被驗(yàn)證，產(chǎn)品也要圍繞模型能力重新設(shè)計(jì)自身。

模型和產(chǎn)品共同進(jìn)入場(chǎng)景，騰訊AI才真正進(jìn)入它想要爭(zhēng)奪的產(chǎn)業(yè)現(xiàn)場(chǎng)。

Agent進(jìn)入真實(shí)工作流

據(jù)嗅態(tài)不完全統(tǒng)計(jì)，整場(chǎng)對(duì)話中，湯道生和姚順雨一共談及“場(chǎng)景”關(guān)鍵詞16次。到了對(duì)話進(jìn)入后半段，湯道生把問(wèn)題進(jìn)一步推向Agent。

他提到，今天的智能體要消耗大量Token，Token調(diào)用成本正在成為企業(yè)和用戶共同關(guān)注的問(wèn)題。很多客戶和騰訊內(nèi)部同事都在緊盯積分消耗或Token消耗。一個(gè)模型在解決問(wèn)題或完成任務(wù)時(shí)，怎樣提高Token效率，正在成為AI產(chǎn)品走向產(chǎn)業(yè)應(yīng)用時(shí)繞不開(kāi)的問(wèn)題。

姚順雨沒(méi)有把性價(jià)比簡(jiǎn)單歸結(jié)為模型價(jià)格。他說(shuō)，今天中國(guó)AI行業(yè)討論性價(jià)比，更多時(shí)候討論模型架構(gòu)，但性價(jià)比其實(shí)是一個(gè)復(fù)雜體系。排在第一位的是performance。模型表現(xiàn)足夠好，才可能真正省錢(qián)。很多人最后發(fā)現(xiàn)，用更強(qiáng)的模型比用一個(gè)較弱的模型更劃算，因?yàn)楦鼜?qiáng)的模型能夠更快把事情做對(duì)，也能節(jié)省人的精力。

這也點(diǎn)出了AI產(chǎn)業(yè)應(yīng)用中的一個(gè)現(xiàn)實(shí)問(wèn)題。企業(yè)上AI時(shí)，表面上在看Token單價(jià)，實(shí)際成本往往來(lái)自返工、人工檢查、錯(cuò)誤修正和業(yè)務(wù)流程中斷。模型一次做對(duì)，才是更深層的性價(jià)比。

姚順雨接著說(shuō)，今年很多簡(jiǎn)單任務(wù)的穩(wěn)定性會(huì)變得更加重要。如何一次把相對(duì)簡(jiǎn)單的任務(wù)做對(duì)，可能比在很多長(zhǎng)程、復(fù)雜、炫目的任務(wù)上提升一兩個(gè)點(diǎn)更有價(jià)值。中國(guó)市場(chǎng)對(duì)AI的需求，會(huì)更重視可靠、穩(wěn)定、可控的完成能力。一個(gè)相對(duì)較小的模型，能在大部分任務(wù)上保持穩(wěn)定表現(xiàn)，并在成本上更可控，就會(huì)產(chǎn)生很強(qiáng)的現(xiàn)實(shí)價(jià)值。

湯道生隨后從產(chǎn)品側(cè)談到Agent。他說(shuō)，不同場(chǎng)景里的Agent會(huì)有不同產(chǎn)品形態(tài)。隨著模型能力增強(qiáng)，Agent本身需要做的工作會(huì)變少，產(chǎn)品側(cè)更重要的事情，是給模型提供更多工具、skills和記憶，讓模型更高效地完成任務(wù)。

他舉了不同場(chǎng)景里的context差異。在Coding環(huán)境里，模型需要代碼、文件系統(tǒng)、項(xiàng)目結(jié)構(gòu)等上下文。在WorkBuddy里，用戶要做PPT或處理辦公協(xié)作，模型需要的context又會(huì)變成文檔、會(huì)議內(nèi)容、用戶關(guān)注的信息和任務(wù)目標(biāo)。不同Agent的設(shè)計(jì)，都要回到具體場(chǎng)景中，理解哪些信息最相關(guān)，哪些工具最有效，哪些記憶可以幫助模型完成任務(wù)。

過(guò)去，人們談AI產(chǎn)品，常把注意力放在聊天框上。到了Agent階段，聊天框只是一種入口。模型真正要做的，是理解任務(wù)、拆解任務(wù)、調(diào)用工具、執(zhí)行動(dòng)作、返回結(jié)果。Agent能不能成為產(chǎn)業(yè)里的可用工具，取決于它能否穩(wěn)定進(jìn)入業(yè)務(wù)流程。

湯道生繼續(xù)談到組織形態(tài)變化。他說(shuō)，WorkBuddy背后有很多小團(tuán)隊(duì)在快速迭代產(chǎn)品。這類Agent產(chǎn)品更需要扁平組織。很多小團(tuán)隊(duì)只有3個(gè)人、5個(gè)人，圍繞某一個(gè)領(lǐng)域展開(kāi)工作，并通過(guò)大量實(shí)驗(yàn)尋找正向反饋。

AI產(chǎn)品實(shí)驗(yàn)大多拿不到確定結(jié)果，組織要能夠容納試錯(cuò)。湯道生說(shuō)，AI Infra要支持這些實(shí)驗(yàn)，讓不同小分隊(duì)可以探索、驗(yàn)證，再?gòu)拇罅繉?shí)驗(yàn)中提煉出對(duì)用戶留存和業(yè)務(wù)結(jié)果有幫助的東西。

工程師的角色也在變化。湯道生說(shuō)，以前工程師要花很多時(shí)間寫(xiě)代碼，現(xiàn)在這些工作可以交給AI。未來(lái)會(huì)看到更多角色融合，大家都要更像產(chǎn)品經(jīng)理，理解用戶需求，設(shè)計(jì)產(chǎn)品形態(tài)。每個(gè)工程師也會(huì)更像一個(gè)有想法的leader，驅(qū)動(dòng)多個(gè)Coding Agent完成研發(fā)。測(cè)試、評(píng)測(cè)和對(duì)齊工作也要提前進(jìn)入流程，用AI能力一起完成質(zhì)量保障。

這意味著，Agent對(duì)企業(yè)組織的影響已經(jīng)來(lái)到臺(tái)前。AI不只提高代碼生產(chǎn)效率，也在改變團(tuán)隊(duì)顆粒度、研發(fā)流程和人員角色。產(chǎn)品經(jīng)理、工程師、測(cè)試、評(píng)測(cè)之間的邊界開(kāi)始松動(dòng)。AI進(jìn)入產(chǎn)業(yè)場(chǎng)景后，企業(yè)內(nèi)部也要相應(yīng)調(diào)整組織方式。

在對(duì)話最后，湯道生把這些討論重新落到騰訊云和企業(yè)客戶上。他說(shuō)，過(guò)去一年，很多企業(yè)有共同困惑。AI產(chǎn)品用不好，企業(yè)就很難持續(xù)投入；ROI不夠，也會(huì)影響AI在企業(yè)里的普及進(jìn)度。為此，騰訊將發(fā)布一套效率智能體工具集，幫助企業(yè)更安心、更高效地部署應(yīng)用智能體。

他把背后的能力概括為三點(diǎn)。第一是場(chǎng)景連接能力，通過(guò)微信、企業(yè)微信、元寶等高頻場(chǎng)景觸點(diǎn)，把大模型遷入真實(shí)業(yè)務(wù)流，和用戶、數(shù)據(jù)、生態(tài)深度連接。第二是工程駕馭能力，通過(guò)完整的Harness體系，讓Agent穩(wěn)定、可信、可持續(xù)運(yùn)行。第三是模型驅(qū)動(dòng)力，依托混元大模型和模型產(chǎn)品的共同設(shè)計(jì)，兼顧實(shí)用性、性價(jià)比和ROI。

說(shuō)到底，騰訊AI進(jìn)入場(chǎng)景戰(zhàn)場(chǎng)，最終要落到一個(gè)更具體的問(wèn)題上：企業(yè)能不能真正用起來(lái)。只有當(dāng)Agent進(jìn)入真實(shí)業(yè)務(wù)流程，AI才會(huì)從發(fā)布會(huì)上的能力展示，變成企業(yè)愿意持續(xù)投入的生產(chǎn)工具。