夜雨聆风6月5号周五，腾讯云AI产业应用大会。汤道生和姚顺雨坐下来聊了将近两个小时。
看完有一个感觉：之前两篇我聊的都是腾讯"值多少钱"，”有什么底牌“，这一篇想聊聊它"往哪走"。
前两篇的结论还记得的话：432的时候便宜到几乎不需要精确估值，6月2号涨了10.46%说明市场开始重新看腾讯AI了。但"AI"这两个字太笼统——腾讯在AI上到底怎么想的、怎么做？这场对话讲的就是这个。
分享下我的理解：腾讯对这场AI比赛的理解和判断和别人不一样。
AI不是一条赛道
汤道生说了一句话："AI是长跑，是多维度的竞赛。"
多数人把AI当单赛道——谁的模型参数大谁赢，谁的benchmark分数高谁赢，像百米冲刺排名次。但"多维度"的意思是，AI更像综合运动会：有人短跑厉害，有人游泳厉害，你用一项金牌定不了总冠军。
姚顺雨从另一个角度说了同一件事。他说AI的版图远不只是一条大模型基础设施——Agent、多模态、具身智能、物理机器人，这些都是AI，而且"新事物刚刚发生"。如果你把AI的竞争只理解为谁先做出最强的基座模型，就像70年代把计算机产业的竞争理解为谁先做出最大的主机。
他还有一句话信息量很大："方法论已经成熟，预训练+后训练就是一把万能锤子。寻找好问题比寻找好方法更困难。"
锤子大家都有了，差距不在锤子大小，在于你往哪敲。
移动互联网就是现成的参照。做APP的方法论当年也是一把万能锤子，谁都会写代码。但最后赢的不是方法论最好的团队——微信定义了"人和人怎么连接"，美团定义了"人和服务怎么连接"，抖音定义了"人和内容怎么连接"。AI也一样，方法论会越来越标准化，但问题定义能力不会。
快与慢的辩证
"腾讯是不是慢了？"——过去两年被问得最多的问题之一。
姚顺雨的回答不是简单的"不慢"或"慢了但有道理"，而是一个判断："我不认为ChatGPT和Claude Code会是唯一的super APP。今天像70年代PC刚产生。"
70年代的PC产业，赢的不是最早的公司。Altair 8800是1975年出的，Apple I是1976年，但最后赢的是1981年的IBM PC和后来的兼容机生态。先发优势存在，但远没到决定性的程度。
汤道生说得也坦诚："我们是一个非常多业态的公司，有些地方做得快了，有的地方做得慢了。" 但他补了一句关键的话——"这是一个长跑，这是一个马拉松，腾讯还是有非常丰富的场景。"
我把这两位的话合在一起理解：如果AI是短期冲刺，那起跑慢了确实吃亏。但如果AI是马拉松，而且才刚开始跑——那前几公里的快慢，不是决定性的。决定性的是你有没有跑到终点的体力和路径。
6月2号那根10.46%的大阳线，背后就是市场对腾讯AI节奏变化的认可。但那是短期信号。长期看，腾讯AI的底牌不在单次发布，在它这套打法本身。
不是先做模型，再找场景
很多公司的路径是：先做一个通用大模型，再找场景落地。
姚顺雨提出的方法论叫Co-Design——模型和产品一起设计、一起迭代。我把它理解成三层：
第一层，预训练要做扎实。 这是产品无关的——不管你做什么产品，底层能力要solid。混元3的Infrastructure重建，核心就是回到这个原则。
第二层，后训练要面向产品做正确的Eval。 这一点特别关键。姚顺雨强调"实用性优先，不是刷榜优先"。原话是："产品中多轮遵循等能力，与Benchmark差异很大。" 说白了：考场上考了满分，不代表干实际活也行。有些能力考试考不出来，只有到了真实场景里才知道行不行。
他还直说了："中国大家有个不好的倾向是大家喜欢刷榜。"
第三层，产品要体系化。 单点能力做出来不算什么，关键能力能不能迁移？从元宝训练出来的聊天和搜索能力，可以迁移到ima、腾讯文档等其他腾讯产品。不同产品提供不同数据，数据之间相互泛化，形成网络效应。
但这里面有个难点，汤道生点出来了：多角色对齐。做模型的人和做产品的人，目标天然有不一致的地方——模型人要能力越强越好，产品人要用户需求满足越好。标准对不齐，模型行为就不可预测。
姚顺雨怎么解决的？他做了件很实际的事——直接派后训练最强的骨干去帮元宝团队做后训练。"当时很多算法同学不理解"，但这一步让产品团队意识到模型的人是真的在为产品着想。信任不是靠流程建立的，是靠一起干活建立的。
简单说，大模型要做，还要和产品/应用场景/数据一起协同着来做，充分利用自家优势。 带来的结果，我理解是：腾讯的大模型可能不是最强大的，但按照这套打法做出来的，大概率会是最接地气、最好用的——有没有感受到腾讯一贯的特点？
三个能力
聊完方法论，说具体能力。汤道生在大会上正式发布了腾讯的三个核心能力。
场景联接。 AI的能力是在场景中长出来的，不是在实验室里。有模型没场景，就是空中楼阁。场景给模型提供什么？Context。上下文。姚顺雨说得很直白："模型越来越擅长把复杂输入变成输出，你的竞争壁垒就来自于你有没有最原始的输入。" 微信、QQ、腾讯文档、腾讯会议……这些场景积累的Context，是腾讯AI的隐形资产。
工程驾驭。 从"能跑"到"能稳定跑"，中间隔着一道巨大的鸿沟。模型在线上怎么保证稳定性？怎么处理edge case？高并发下怎么不崩？这些问题的答案不在paper里，在工程实践里。姚顺雨原话："今天做大模型从算法角度看是比较Trivial的事情，真正的功力在Infrastructure、数据和Eval。"
模型驱动。 这个不是说模型驱动一切，而是说AI能力不是买来的，是长出来的。你可以买算力、挖人，但你买不来"长出来的能力"——团队对模型的理解越来越深，对什么该做什么不该做的判断越来越准。这个过程没法加速，只能自己干。
三个能力不是孤立的。场景联接提供Context和数据，工程驾驭保证稳定性，模型驱动让能力持续积累。合在一起，才是完整的图。
性价比的前提是性能
这个观点值得单独说。
姚顺雨说："很多人发现用更强的模型反而更省钱，因为更快做对了。"
乍一听反直觉——强模型不是更贵吗？想一下就明白了。模型不够强，问一个问题给个不够好的回答，你得追问、修正、重试。反复几轮下来，调用次数多了，总成本反而更高。再加上隐形成本：时间浪费、用户耐心消耗、错误决策的代价。
性价比的前提是性能。 性能不够，省的不是钱，是给自己挖坑。
他还说了个很务实的话：较小模型如果做到和较大模型比肩的性能，再加上强鲁棒性，比长程fancy task的提升更实用。多数用户场景需要的不是AI一次搞定一件超级复杂的大事，而是每次回答都对、稳定、不出底线错误。
这里我理解，"综合运动会"的比喻不是说每块金牌都无所谓——模型性能这一项，腾讯同样认为是地基，是必须守住的下限。要怎么做到性能够强、成本够合理，是腾讯的长项，移动互联网时代验证过的事，AI时代还会继续。
Agent是体系，不是工具
姚顺雨是ReAct的提出者。2022年7月，他第一次把AI和互联网连在一起——让AI可以在推理的同时调用外部工具。今天所有Agent的底层逻辑都来自这个框架。
但他对Agent的看法比大多数人冷静。几个要点：
Coding Agent是基础能力——编程是图灵完备的，理论上一个足够强的编程Agent可以做任何计算任务。它不是产品方向，是基础设施。
Agent需要体系化——单个Agent再强也只是工具，Agent之间怎么协作、怎么分工，这才是体系。
产品要回流——Agent做的事要有反馈回到产品中形成闭环，跑完一次就完了那不叫Agent，那叫脚本。
需要更多想象力——今天的Agent可能只是70年代的终端机，真正的PC还没出现。
竞争不是谁更复杂谁赢，是谁模型更强、场景更丰富谁赢。 又回到了前面说的——模型能力和场景联接，缺一不可。
我的判断
把几条线索串起来：
一个核心判断——AI是多元版图不是单赛道。腾讯不追单点第一，做均衡布局。
一套方法论——Co-Design，模型和产品一起设计，不是先做模型再找场景。
三个能力——场景联接、工程驾驭、模型驱动。
一个价值取向——性价比的前提是性能，鲁棒性比fancy更有价值。
这不是"追赶型"战略——别人做什么我也做什么。这是"定义型"战略——AI的价值在哪里，我怎么定义问题和场景。
写432那篇时我说便宜到几乎不需要精确估值。写6月2号那篇时说腾讯有底牌有潜力且市场有期待。现在看完这场对话，我想说：腾讯AI的打法本身——这套方法论、这三个能力——代表了腾讯在AI领域的发展下限不会低，上限充满想象。
但有一点要说：AI时代变化快，新赛道上随时会冒出黑马。不过对于原有的千里马来说，只要战略方向对、执行力在，大概率还是强者恒强。
这仅仅是我个人的理解和观点，完全存在因个人经历/认知等限制而导致的观点的片面性或者错误，仅供大家参考，欢迎交流讨论。
我是一个喜欢AI的价值投资者，欢迎和大家一起学习交流。关注后回复"腾讯"即可获取前期深度分析的腾讯分析数据。
📎 错过前两篇？
《腾讯跌到432块，我翻了一遍它的底牌》：https://mp.weixin.qq.com/s/v8LnjZ2jMZ2v6msGjlmn0g[1] 《432到460：腾讯那张AI底牌，还没翻完》（可查阅公众号历史文章）
以上均为个人分析，不构成投资建议。腾讯AI的执行节奏可能慢于预期，市场竞争格局可能快速变化，微信AI Agent的落地时间和商业模式存在不确定性。投资有风险，入市需谨慎。
引用链接
[1]https://mp.weixin.qq.com/s/v8LnjZ2jMZ2v6msGjlmn0g
