AI下半場“哨響”：騰訊云如何打通“任督二脈”？

出品 | 創業最前線

作者 | 文斐

編輯 | 閃電

美編 | 倩倩

審核 | 頌文

AI技術狂飆數年后，“算力崇拜”的敘事正悄然讓位，更深層次的關于“記憶與上下文”的話題，成為新焦點。

當模型規模遭遇瓶頸，當智能體（Agent）開始7x24小時不間斷工作，企業該如何構建支撐其長期運行、高效協作的數據基礎設施？近日騰訊云舉辦的2026AI產業應用大會，給出了極具可行性的答案。

大會釋放出一個清晰的信號：AI“下半場”已經鳴哨。這意味著拼算力、拼參數的“上半場”開始落幕，而拼數據治理、拼記憶效率、拼場景落地的“下半場”則同步到來。

存儲與記憶，這個曾經被低估的角色，正在成為新的戰略高地。

1、AI下半場，Agent基礎設施的范式轉移

6月5日，騰訊云2026AI產業應用大會如期舉行。一場關于AI基礎設施的討論，正在刷新人們對人工智能競賽的認知。

騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生，與騰訊AI首席科學家姚順雨，罕見同臺深度對話，首次系統闡釋了騰訊AI的“哲學”與“務實邏輯”。

“AI下半場”的概念由姚順雨提出并廣為人知，這次他在現場給出了更為精準的界定。過去，無論是AlphaGo還是早期的翻譯模型，人類面臨的核心挑戰是“方法論稀缺”。而今天，預訓練與大模型的成功，讓人類擁有了一個近乎“萬能”的底座。

“最大的挑戰變了，”姚順雨強調，“現在已有了能砸很多釘子的錘子，最困難的反而是，去哪里尋找最值得解決、最有影響力的‘好問題’？”這正是他選擇加入騰訊的根本原因——這里不缺乏真實的、大規模的應用場景。從微信、QQ到企業服務，騰訊豐富的產品矩陣，為AI提供了肥沃的“上下文”土壤。

湯道生深表認同，他指出騰訊做AI最核心的經驗就是“扎根場景”。真實場景里既有用戶需求，也有模型迭代最需要的數據。模型的進化，不再僅依賴于實驗室里的算法突破，更依賴于在文檔協作、代碼生成等具體業務流中，產生的海量、真實、帶噪的數據反饋。

大會上，覆蓋20多個垂直場景的“效率智能體工具集”重磅首發，從個人開箱即用的QClaw、元寶，到企業級的WorkBuddy企業版、智能體開發平臺ADP4.0，再到行業首創的“人機雙寫”騰訊文檔……一套多層次、全棧式的AI生產力基礎設施，正浮出水面。

這不僅是產品的集中亮相，更是騰訊對“AI如何真正創造價值”這一根本問題的回答。其核心答案，指向三個關鍵詞：真實場景、深度信任、協同設計（Co-Design）

決定智能體能否真正成為人類得力助手的關鍵基礎設施，即存儲。騰訊云的全棧Agent Infra（智能體基礎設施）布局，正回答一個問題：如何讓AI不僅聰明，而且可靠、高效、長久地為人類服務。答案，或許就藏在每一比特數據的妥善安放與高效調用之中。

“伴隨整個算力問題的解決，現在最重要的應該是Context（上下文），所謂的存儲跟記憶。”騰訊云存儲總經理陳崢接受采訪時稱。

在陳崢看來，過去人類癡迷于算力，解決的是“Agent能跑多快”的問題；而如今，決定智能體高度的，是它能否“記得住、找得對”。

2、AI馬拉松長跑下，騰訊云存儲的“三級跳”

從“存得起”到“找得對”，騰訊云存儲經歷了“范式三級跳”，這一演變映射了整個行業對數據與AI關系認知的深化。

陳崢在采訪中講述了騰訊云存儲的進化史，他稱，騰訊云經歷了“通用存儲時代、AIGC時代、Agent Bucket時代”三個清晰的階段。其中第三階段即“Agent Bucket時代”，在陳崢眼中，是最具革命性的階段。

通用存儲時代，核心任務是解決非結構化數據的“存得起”和可靠性問題。彼時客戶最關心的是，它的數據放這里會不會丟？能不能管起來？這一階段，存儲是沉默的后勤部門，只要不犯錯，沒人會提起它。

AIGC時代，焦點迅速轉向“讀得快”。大模型訓練需要海量數據持續“投喂”給GPU，任何I/O（輸入/輸出）延遲，都意味著算力的空轉和資金的浪費。騰訊云通過分布式緩存、并行文件系統等技術，讓數據高效流向計算單元，確保昂貴的GPU集群不再“等數據”。這一階段，存儲開始被看見，因為它的性能直接決定了訓練效率。

Agent Bucket時代，正是陳崢眼中最具革命性的階段。Agent不是傳統的應用，它是一種新型的計算主體。智能體的工作方式與傳統應用截然不同。它們需要理解自然語言，需要在不同任務間切換上下文，需要保留跨會話、跨天甚至跨月的長期記憶，需要為億級用戶提供彼此隔離的“個人空間”。

為此，騰訊云推出了兩個關鍵產品，即向量存儲桶和MetaInsight多模態檢索方案。

向量存儲桶的本質，是將非結構化數據（圖片、視頻、文本、傳感器數據）轉化為高維向量，使Agent能夠通過語義相似度，而非傳統的關鍵詞索引來檢索信息。而MetaInsight更進一步，用戶只需用自然語言提問，系統就能自動將問題拆解為向量進行匹配，從海量數據中精準召回相關信息。

這意味著什么？舉例來說，一個智能客服Agent，昨天和某個用戶溝通了半小時，今天用戶再次上線，Agent能夠立刻回憶起完整的對話歷史、用戶情緒變化，甚至隱含的未滿足需求。這不是簡單的日志回放，而是基于語義理解的上下文重建。

面對Agent可能帶來的億級并發和指數級負載增長，傳統的存儲桶設計已不堪重負。陳崢透露，騰訊云的解決方案是全棧式的Agent Runtime，它整合了五大能力，包括Agent沙箱、AgentBucket、Agent Memory、Agent安全網關、Agent可觀測。

其中，Agent沙箱提供毫秒級冷啟動能力；AgentBucket則為億級用戶提供相互隔離的個人空間，滿足C端Agent的獨立存儲需求；Agent Memory結合向量數據庫與對象存儲，形成冷熱分層的長效記憶體系；Agent安全網關以零信任零憑證機制管控智能體的訪問權限，確保操作邊界安全；Agent可觀測對智能體調用工具、訪問數據、執行任務全過程進行記錄和追蹤，實現全鏈路審計與優化。

這五層能力疊加，構成了一個為智能體時代量身打造的操作系統級基礎設施。其不是在優化存儲，而是在重新定義Agent的運行環境。

3、長期主義的價值，開放包容、生態共創

騰訊云堅守“長期主義”的價值，其走的是一條開放包容、生態共創的務實道路。

面對外界曾有的“騰訊AI慢”的質疑，湯道生與姚順雨在對話中，給出了坦誠而有力的回應。

在姚順雨看來，若把AI比作一場技術革命，今天還處于20世紀70年代的PC革命前夕，遠未到終局。未來AI的世界，不會變得更單一，所有人都用同一個萬億參數的超級模型，而是會變得更多元。“這個世界還有很多空間沒有被填滿，多模態、具身智能等等，很多新的事情都在發生。”姚順雨說。

騰訊的寶貴資產正是其豐富的場景積累。騰訊正將其優勢的“三重能力”全面開放。

其中，第一重能力為場景連接力，將騰訊系內外的海量用戶場景（社交、內容、支付、小程序等）開放給共創伙伴，讓Agent技術有機會在真實流量中打磨和驗證。

第二重為工程駕馭力，將騰訊云經過微信、QQ、游戲等國民級應用錘煉的分布式架構、高并發處理、海量存儲能力，以Agent Runtime的形式輸出給伙伴。

第三重則是模型驅動力，其將混元大模型及配套的工具鏈、評測體系、安全機制共享給伙伴，降低從0到1的研發門檻。

騰訊云不追求實驗室里的單項冠軍，而是將AI的能力，溶解于每一個具體的業務流程；將Agent的智能，變成每一位員工、每一位用戶、每一臺設備身邊的可靠伙伴。

靈生科技在訓練世界模型時，遭遇了三個相互關聯的核心痛點，包括數據存儲空間指數級增長、數據碎片化極其嚴重、難以高效檢索，對此，靈生科技采取了“數據－模型”雙向驅動的解決方案，這個過程當中，騰訊云的Agent Bucket和高效存儲方案扮演了關鍵角色。

靈生科技合伙人蔣玉驊在采訪中舉例稱，理想的預訓練流程是，數據在采集的同時，就調用Agent加載VAE或T5的編碼器進行實時預處理，即壓縮、文本編碼、特征提取。如果存儲系統無法支持這種流式處理，延遲就會像滾雪球一樣累積。

借助騰訊云的能力，靈生科技能夠將這一過程中的不必要延遲降到最低，并通過流式視頻加載方式，真正將昂貴的GPU資源跑滿。以前靈生科技的GPU經常處于“等待數據”的半空閑狀態，現在利用率大幅提升，預訓練效率也顯著提升。

騰訊開放與自信的姿態，還體現在了“騰訊AI共創營二期”暨“Buddy AI生態共創計劃”的發布上。艾力斯特、安克創新、DeepSeek等23家企業，作為計劃的首批共創伙伴集體亮相。這些伙伴覆蓋了醫療健康、智能硬件、金融科技、生活服務、通信、基礎模型、消費電子等20多個行業。

當技術紅利真正轉化為每一個企業觸手可及的生產力，當每一個普通用戶都能在日常交互中，感受到AI的無感而可靠的輔助，騰訊所追求的“長期主義”價值，便會自然地、不可逆地浮現出來。

騰訊云這條道路的骨架，是開放共贏的生態共創。其不試圖獨自定義未來，而是與行業伙伴共同探索Agent在千行百業的落地形態。

正如湯道生所說，AI不是一場百米沖刺，而是一場馬拉松。馬拉松最精彩的部分，不在前一百米誰沖在最前面，而在后半程誰能持續、穩定、不受傷地跑到終點。

4、結語

在這場AI的馬拉松中，記憶正在成為非常關鍵的燃料，存儲正在成為核心的底盤，而開放與共創，則是車隊能夠一路同行的默契。終點還很遠，但方向已經清晰。

*注：文中題圖來自攝圖網，基于VRF協議。