姚顺雨回应＂腾讯AI慢了＂!

今日，腾讯云在北京国家会议中心召开了一场AI产业应用大会。

早晨9点多，《科创板日报》记者抵达主论坛会场，眼前的场面远远超出了记者预期。整个大厅座无虚席，每条过道、每处入口都被人流塞得水泄不通。参会者们肩挨肩、背贴背，不少人只能踮起脚尖才能勉强看到舞台上的画面。

《科创板日报》记者与身边参会者交流得知，许多人此行的目的，不仅是想了解腾讯云在AI领域的新产品、新战略，更为一睹去年底入职的腾讯“AI新星”——首席AI科学家姚顺雨。

大会现场，腾讯集团高级执行副总裁汤道生与姚顺雨首次同台公开对话，分享AI下半场腾讯的最新布局和思考，首次回应腾讯大模型和产品研发深度Co-Design思路。

在姚顺雨看来，AI的下半场才刚刚开始，也已从寻找方法转向寻找问题。

这一观察不止适用于腾讯，也恰好映照出了当前中国AI大厂在新竞争阶段的选择与路径分野。

大会现场，姚顺雨在对谈中明确区分了AI的两个阶段：上半场是寻找方法，而方法轮已然成熟，AI的下半场也从寻找方法转向寻找问题。

“AI已经发展几十年，更加重要的是怎么去解决问题、去寻找好的方法。例如AlphaGo解决围棋、翻译模型解决翻译问题，过去每一种模型往往只对应单一任务。”姚顺雨表示，“而预训练和后训练，让我们拥有了一把几乎可以解决各种问题的‘万能锤子’，反而更困难的是怎么寻找值得解决的问题。”

因此，姚顺雨把AI的下半场归纳为Foundation（基础模型）、Product（产品）、Frontier（前沿模型）构成的均衡三角。

他认为，LLM的本质区别在于泛化性，不同场景的数据需相互赋能；而Agent的崛起，让环境、评测与推理行动协同变得比单一模型能力更关键。

“今天即使你想只做一个Coding Agent，你会发现其实需要的不仅是Coding Agent的数据，你需要非常好的聊天能力、非常强的搜索能力、非常强的指令遵循能力、非常强的推理能力，它其实是非常复合的data taxonomy。”姚顺雨表示。

从这个角度看，腾讯的体系化产品矩阵在数据层面，也就形成了相互支撑的关系。例如，元宝产生聊天与搜索数据，WorkBuddy产生办公协同数据，CodeBuddy产生代码数据。

这些用户每天产生的问题，也就是姚顺雨所提到的“寻找值得解决的问题”，而这些数据之间可以互相泛化，最终构成一个网络化的数据体系。

这也是腾讯在AI领域区别于其他友商的打法，它不是要做一个Chatbot，也不是单纯的API服务，而是将AI能力嵌入到具体的业务流中。当模型的能力来自不同场景数据的互相加持，而这种“生态反哺”的模式或许也能够成为一道独特的护城河。

值得一提的是，针对外界长期存在的“腾讯AI慢了”的质疑，姚顺雨则给出了一个两个维度的判断框架。

第一，Al是一个长期游戏，而非短期窗口。他指出，硅谷部分从业者认为需要"赶快赚两年钱退休"的心态并不可取，AI才刚刚开始，ChatGPT和Claude Code不会是仅有的超级应用，未来将持续诞生新的产品机会，"今天可能就像70年代PC刚刚产生的时候"。

第二，AI将走向多元而非单一路径。过去几年行业沿着预训练、后训练、Agent的清晰主线推进，但未来Coding Agent之外，多模态、具身智能等大量新方向正在或即将形成，整个世界"还有很多空间没有被填满"。

▎AI激战正酣，大厂路径分化

IDC数据显示，2026年中国MaaS市场Token调用量将达40000万亿次，营收约186亿元，超60%的中国头部企业已将生成式AI整合到核心业务流程。除上述所提及的腾讯，其他大厂在路径选择上也已呈现出明显分化。

6月初，千问正式发布多模态模型Qwen3.7-Plus，将“看、想、写、做、验”整合进统一的智能体工作流；同时，千问APP宣布将向第三方Agent、Skill全面开放，所有企业均可在千问运营自己的品牌Agent。目前，瑞幸、肯德基、蜜雪冰城、东方航空等首批企业正在千问进行Agent服务测试，并将陆续上线。

可以看到，阿里云正以千问App为入口搭建一个平台化架构，让开发者和企业运营自有Agent，试图构建开放的Agent应用生态。其底层依托的是阿里庞大的商业网络，从电商、本地生活到云服务，均为Agent的场景落地提供了现成的供需匹配土壤。

而豆包则是靠字节的流量基因把陪伴和内容做到极致，从老人到孩童，豆包AI陪聊先接住了最大公约数的用户需求。

然而，这条路目前正遭遇严峻的算力成本考验。截止今年3月，豆包大模型日均Token调用量突破120万亿。此外，豆包Token推理成本每年约80亿元，芯片算力成本每年约数百亿元。

5月初，豆包在App Store内购页面更新三档订阅价格，最高年费达5088元。然而，付费消息传出后的一个月时间，豆包MAU（月活跃用户数）开始出现规模化增长以来的首次下跌。据AI产品榜数据，豆包5月MAU（月活跃用户）为3.3亿，环比下降1.81%，约607万用户流失。

值得一提的是，在IDC看来，全球AI产业已进入一个超级周期，市场正从基础设施建设转向企业级应用爆发。

IDC中国副总裁周震刚指出，AI领域竞争优势已转移：“关键不再是拥有最强的算力，而是如何以最低的Token成本将AI转化为可持续的业务能力。”

▎同一道难题：AI的边际成本困境与商业化之路

尽管各厂商们的路径各异，但也共同面对着同一个难题——算力紧缺与AI商业化。

关于算力短缺，汤道生在接受《科创板日报》等媒体采访时也坦言，一直以来腾讯都面临在基础设施的算力方面“不太够”的情况。

“有限的资源，我们会倾斜内部的需求，包括混元的训练、微信的需求、会议的需求、元宝的需求等等。因此，实际拿GPU算力放到云上服务各行各业的客户，有标杆案例，但还不能完全覆盖所有客户的需求。”他表示，随着下半年更多国产算力入市，这一状况或能够得到缓解。

与此同时，尽管国产算力正在追赶，但仍有瓶颈。有行业观察者向《科创板日报》记者指出，国产算力近两年在推理端提升较快，进入相对可用阶段；但在训练端集群能力、生态适配、综合成本等方面仍存短板。

值得一提的是，关于AI原生服务的盈利困境，汤道生也将问题讲得很透彻。

他指出，移动互联网时代的边际服务成本相对比较低，所以能通过广告、带货等交易行为建立起商业模式。但AI原生服务的推理成本与任务复杂度高度关联，“用户针对不同问题可能有不同消耗，（厂商）更难有稳定的回报，很难保证用户不付费的情况下让广告主为不确定的运营成本买单。”

“AI产品，如果推理成本仍处于现有水平，它还是很可能被使用在那些高商业价值、能算得过账的场景。或者它带来的新增生产力，能够对标在没有它的情况下还要花更高成本去完成的场景，到那时新的商业模式就能建立起来。”汤道生表示。

此外，姚顺雨则对“性价比”给出了另一种注解，“性价比第一是性能，如果性能不好，性价比无从谈起。很多人和我说，发现用强模型比用差模型更省钱，因为能更快把事情做对。”

在其看来，在成本方面，中国是领先于世界的。当前在成本方面最重要的工作，是怎么用一个更小的模型把更高的价值任务做好，并在这基础上架构创新，包括长文管理、脚手架等。

正如姚顺雨所言，若把AI视作长期游戏，下半场才刚刚开始。目前来看，方法论已然成熟，而真正的赛点在于谁能在真实场景中持续找到“值得解决的问题”，并以可持续的成本交付价值。

对各云服务商而言，算力短缺与商业化困境是共同考题，但赛道已从拼参数转向拼落地。谁先跑通效率闭环，或许就能领跑下一个十年。