文｜王毓婵

编辑｜张雨忻

6 月 5 日，腾讯云 AI 产业应用大会最受外界关注的是什么？

毫无疑问，是汤道生与姚顺雨的对话。

在这场发布了一系列覆盖 20 多个垂直场景 Agent 的大会上，因为产品过于 To B，也没有提及大家最关注的 " 微信 AI"，导致外界的关注重心几乎全部被那场对话吸引走。

腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生，在对谈中问腾讯首席 AI 科学家、腾讯混元大语言模型及 AI Infra 负责人姚顺雨，" 很多人说腾讯在 AI 上慢了，你觉得我们真的慢了吗？"

姚顺雨回答说：" 感觉应该是我问你的问题。"

姚顺雨随后提到了两个判断标准——1.AI 是一个短期游戏还是长期游戏？2. 它会是一个线性还是多元游戏？

这位年仅 27 岁，曾在 OpenAI 工作，被称为 " 清华天才少年 " 的姚顺雨加入腾讯已经半年，他的思路几乎就是腾讯 AI 的思路。他的判断结论是：首先，AI 是一个长期游戏，刚刚进入下半场；其次，Coding Agent 很重要。

如姚顺雨所描述的那样，腾讯推出了一系列的 Coding Agent 产品、To B 也 To C 的效率提升工具。相比之下，年初时花费了腾讯大量营销费用的元宝，在大会上几乎隐身了。

元宝在用户活跃度上，已经被豆包远远甩在身后。而那一系列 Coding Agent 产品，看起来又太专业、太不性感。

但是它们确实离钱更近些。

姚顺雨直接汇报的上级，是腾讯总裁刘炽平。在 Q1 的财报电话会上，刘炽平说：

" 找到高价值用例的能力，至少和获得大量 DAU 与用户时长同等重要，甚至可能更重要。在 AI 世界里，你必须找到高价值用例，而不是仅仅关注 DAU。因为 AI 革命和互联网革命的不同之处在于，AI 是关于‘智能’的，而智能的价值体现在人们愿意为它支付多少钱。在 AI 领域，每一次服务的交付都会产生相当高的成本。"

B 端客户，就是刘炽平所说的 " 高价值用例 "。提升效率，就是腾讯主打的服务方式。

但是这里面不是没有问题。token 消费仍然昂贵，腾讯的算力也仍然紧张。客户有可能 " 效率提上去了，花销也高起来了 "，腾讯虽然找到了金矿，但是铲子够用吗？

在大会后台，姚顺雨没有再面对媒体，但汤道生接受了包括 36 氪智能涌现在内的多家媒体的访问。令人有些意外的是，他表示 " 当前商业化不是我们的重点 "，" 我们也并没有给 Buddy 团队设商业化目标 "。

汤道生谈论了商业模式、算力紧张、" 赛马机制 " 等话题，还评价了姚顺雨，但回避了关于 " 微信 AI" 的提问。

" 腾讯的业态非常多元，做的事儿也很多，很难保证每一个板块都是行业最领先的，所以阶段性、不同的业务走得快一点、走得慢一点，这也很正常。" 汤道生说。" 过去腾讯近 28 年时间里面成功的业务，今天来看成功的业务也不都是一帆风顺的，也都走过高潮走过低谷。腾讯的理念是，当你判断清楚一个产品有价值，我们要能够坚持走过整个周期。"

" 商业化不是我们的重点 "

Q：腾讯云之前判断说单纯按 token 和 API 计费不是一个长期健康的生意，如果从资源售卖转向按任务结果和业务价值收费，这个路径是什么？怎么平衡当下按 token 收入和长期按价值定价的矛盾？

汤道生：我认为两者都会存在可能，其实只是不同的计费方式。

token 的 API 方式也没有说低于成本收费还是高于成本收费，高于成本收费就是一个可持续的商业模式。我相信某一些行业、某一些业务场景是可以通过效果来收费的，但同时要针对某一件事或者一个任务达到某些效果，涉及到的因素是比较多的。

如果一个产品对于最终的结果只是有部分贡献，你是很难完全基于效果来 charge 它所提供的价值，但你不能否定部分价值不是价值。所以在这样的交付情况下，我认为纯粹按结果是比较难、很容易有争议的。

Q：腾讯云怎么帮助 AI 应用公司避免用户越活跃、推理成本越高的毛利陷阱？

汤道生：移动互联网的边际服务成本相对比较低，所以我们能通过广告或者眼球经济、带货或者带动某些交易行为，就能够建立起一种商业模式，起码你的收入高于成本。但 AI 原生服务，以今天的运营成本、推理成本还是非常高的情况下，很难纯通过广告模式支付用户的使用。

尤其用户针对不同的问题、不同的任务可能有不同的消耗，你更难有一个稳定的回报，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。

所以，以今天 token 的成本跟任务复杂度有很强关联的情况下，ToC 收费——不管是订阅还是按输入 token 计还是更细化，输入 token 多少、输出 token 的价格不一样、有 cache 没有 cache 价格不一样，这些很复杂的交易，对于成本的消耗差异太大，很难用同样眼球的模式来变现。

所以，我想 AI 的产品，如果它的推理成本仍然处于这个水平，它还是很可能被使用在那些高商业价值、你能够算得过账，或者它带来的新增生产力能够对标你在没有它的情况下还要花更高成本去完成的场景。

Q：现在很多人都在谈 token 经济，腾讯或者腾讯云会不会有重点考核的商业化指标，比如 token 的调用量、行业渗透率，会不会有这种指标的考核？

汤道生： Agent 的调用量就不是一个商业化指标，它是一个使用指标。当前商业化不是我们的重点，还是要把产品打磨好，服务到更多的用户，能够证明这是一个能为大家创造价值、工作提效的工具。

但我们会有商业模式，它是一个调节器，因为算力资源有限，所以到底怎么筛选出对这个产品最有需要的、最认可它创造的价值是值得他们付费来获得算力的，我想也是 Agent 产品发展过程中需要考虑的地方。

Q：混元模型每 token 的价格也有所降低，与此同时 DeepSeek 和小米也在进行大幅降价，今年下半年国产芯片会到位，请您判断一下大模型价格下降的曲线会是什么样的，对于腾讯 AI 产品的定价上会有什么样的影响，是否有降价的可能性？

汤道生：  我不好点评其他模型厂商的价格策略，但是行业大的趋势肯定希望 token 的推理成本不断降低，这会有助于普及、有助于把 AI 的能力用到更多的场景，解决更多的问题、更难的问题。这是一个大的发展趋势。

但同时，我也看到一些趋势，根据 scaling law，参数越多模型越大，在性能上、能力上仍然有所提升。所以很多厂商现在是在做不同规格的模型，有参数相对少一些的来满足对于性价比要求比较高、ROI 更低推理成本的一些场景，但同时也有一些特别难的问题需要更大的模型，当然成本就会高，大家的定价策略也会有所不同。

Q：  云业务板块 2025 年实现全年盈利了，在 AI 时代，WorkBuddy 普及非常好，用户也非常多，咱们会对 AI Agent 产品做利润或 ROI 考核吗，还是继续做战略性的推广和投入？因为我们的算力和成本开支都在大量增加，这块会不会有进一步的压力？

汤道生：  腾讯有多个赛道，每个赛道都有很多不同的产品，各自会在不同阶段。对于 WorkBuddy、CodeBuddy 这样的 AI 智能体，现在还是投入期，我们并没有给 Buddy 团队设商业化目标。

不过同时，因为我们收到大量企业客户对于 WorkBuddy 包括 CodeBuddy 非常感兴趣，在企业的场景其实是有清晰的商业模式，但那个更多的是云业务本来是服务企业，是一个比较正常的延展。

我觉得 WorkBuddy 今天有点像几年前的腾讯会议，既有 ToC 属性也有 ToB 属性，我们会继续发挥好它 C2B 的能力，来搭建可持续发展的服务体系。

Q：最近友商大模型有推出在 C 端收费的计划，腾讯在 C 端大模型上，在商业化上有什么样的规划？怎么看友商在 C 端上的明确的商业化规划？

汤道生：行业里有不同的商业化路径选择，我觉得当前还是把产品体验做好，能找到元宝的差异化的定位，服务好更多的用户，这是我们当前的目标。

Q：今年 MaaS 或者 TokenHub 层面会是今年的主要目标吗？在营收上，对 MaaS 有没有一个期待或者目标？

汤道生：  肯定是非常重要的一部分，这是一个高增长的板块，经历了高速的增长，它是智能体产品的燃料，所以我相信今天很多 MaaS 的 token 的消耗，跟我们在企业端部署 WorkBuddy 也有一定关系。

我还是很期待，因为市场的需求非常旺盛，我刚才也提到受限于算力的供给，所以我们也很期待—— token 的服务也是算力的一个载体，所以随着算力变得更充裕，我相信这对整个云市场是一个巨大的新的增长点。

Q：MaaS 方面，我们最近看到友商推出很多雄心壮志的营收目标，我们怎么看 MaaS 上面跟其他云厂商的竞争，我们自己的目标是什么？

汤道生：  每家公司有不同的发展风格和节奏，腾讯更倾向于让产品和数据说话。

Q：腾讯云的 AI 业务还处于投入期，在这场长跑或者马拉松当中，我们如何向市场证明我们的 AI 投入是一个可量化的预期，AI 的 Agent 投入什么时候能够 cover 掉成本？

汤道生：  具体时间不好预测，AI 业务目前还处于战略投入期。

Q：腾讯云实现了规模化盈利，但是一季度的增速有一些压力，未来在接下来的发展里面，在保证一定的利润率又保证一定的技术自家调用的情况下，市场规模有没有更进一步的考量能够给大家讲？

汤道生：  我没法对未来收入做预测，肯定团队也有一个比较积极的增长目标。

关于姚顺雨和混元 3

Q：腾讯当初为什么选择了姚顺雨？以及顺雨来到混元、来到腾讯 AI，给腾讯 AI 带来哪些改变？

汤道生： 为什么选择顺雨应该没有什么悬念，他是这个领域非常有影响力的专家，也在哪怕他来之前的充分沟通中，也充分感受他的专业，确实 AI 原生的这一代的认知，都跟我们过去有很多不一样。

他来以后，给元宝带来了很大的价值，他主动推动了模型跟产品的 co-design。原来混元非常在意外部的 benchmark，后来直接变成以产品用户体验作为北极星指标。

同时，我们的数据也许很多，但是不够高质量，所以其实早期他在训练混元三前的很多工作是把数据质量提升，包括砍掉很多貌似可以堆量的、但实际对模型训练没有太大帮助甚至有害的数据，识别出来，不再使用。

我觉得有正确的对于 AIGC 模型发展的认知，很多的决策就能做得更到位。比如，如果你不清楚数据质量的重要性，只是盲目奔着有更多 T 的 token，那你就做不了砍数据这个决策。

以及，依据 scaling law，你希望把模型做得特别复杂，有很多 tricks（技巧）在里面，那你就很难 scale（扩展）；或者你要 scale（扩展）很多的复杂架构，只能是把架构做得简单一些，保证有足够的算力、足够的参数，而你的数据能充分体现这些模型大小的潜在能力。

我觉得他做了很多化繁为简的事情，而对于混元 3 Preview，虽然今天看不是很大的模型，但是对比以前已经有很大的进步，毫无疑问有很大的功劳。所以，元宝跟混元过去大半年的合作，获得的进展比过去更长的时间要更多。

Q：混元 3 Preview 上市之后，token 调用量比 2.0 时期提高了一倍，正式版什么时候上线，或者下一代新模型什么时候能跟大家见面？

汤道生：  敬请期待，别给顺雨太大的压力，其实是紧锣密鼓中。

Q：在当前的战略之中，基础模型的迭代速度和 Agent 的工程化落地能力，哪一个对现阶段腾讯云 AI 的增长贡献更大？

汤道生：  如果大家平时有用 WorkBuddy，也会发现它的自动模式会针对不同的问题调用不同的模型。今天的智能体能到这个阶段帮我们解决很多办公场景所遇到的问题，很大程度得益于模型的能力发展到今天这个水平。同样的工具，你把两年前三年前的模型放进去，肯定做不到今天这个效果。所以我仍然觉得模型的迭代对于智能体的发展至关重要。

刚才我提到的自动模式会调用不同的模型，这里有多种理由。腾讯在智能体的构造、AI 的产品解决方案，一直采取一个开放的态度，我们非常愿意跟不同模型厂商合作，就像去年元宝跟 DeepSeek 有一个深度融合。

今天，CodeBuddy、WorkBuddy，我们也采取一个开放模型的策略。因为这些通用的工具要支持不同企业、不同用户的各种场景，我们希望把模型的选择权给用户。当然，混元也在持续迭代，我们也有模型能力的目标方向，很多时候客户在使用我们智能体的时候，也会对混元的调用特别感兴趣。我们仍然会采取一个比较开放的策略去发展 AI 智能体业务。

" 元宝毫无疑问是重要的产品 "

Q：大家对元宝和混元三之间的 co-design 还是有很多期待的，上午也讲了双方的磨合主要是建立信任，想问一下双方的配合节奏是什么样的，元宝作为一个 C 端产品，它的核心定位以及增长目标和 KPI 到底是什么？

汤道生：  其实两边的合作越来越紧密，最近大家还会搬到同一座楼，更方便沟通跟对齐。我们看到大概 80% 元宝的用户已经在用 Hy3   preview 了，而且在产品的留存率上面都有明显提升。现在元宝里面很多不同的服务都是由 Hy3   preview 来支持，包括最新的 AI 语音识别、方言识别，都是以 Hy3   preview 的基模来做训练其他的模型。

元宝的 KPI 一方面肯定是持续增长，希望能赢得更多的用户，留存率要持续提升。

比如我每天都在用元宝，我对于元宝团队最期待的是把搜索的服务做得越来越好，引入更多的数据源，能解答大家生活中的疑惑，甚至能够接入一些实时的数据，让这个服务不再纯粹基于模型在什么时候训练过、它的知识就停留在那个地方。

Q：此前元宝投入了比较多的资源进行增长，接下来元宝的增长策略会是什么？会不会有比较激进的投流投入？

汤道生： 我们有这么多 AI 智能体产品，最大的投入仍然是元宝。

我们仍然觉得 chatbot 的形态、聊天机器人的服务形态仍然有非常普遍的需求，是我们特别重要的赛道。但因为今天有更多的智能体在我们的工具集里面，所以也有一些预算投到 CodeBuddy、WorkBuddy 这样新颖的智能体上面。

我相信 AI 赛道可以百花齐放，腾讯也有很多不同类型的产品在服务不同的用户，元宝毫无疑问是其中一个重要的产品。

关于 " 赛马 " 和产品矩阵的规划

Q：今天出了很多腾讯 AI 产品，市场上说腾讯就是做 AI 产品的赛马机制，您认可这个观点吗？如果过去腾讯通过赛马机制跑出来一些现象级的产品，您认为这个策略在 AI 时代是否适用？

汤道生： 首先，我觉得肯定不是在赛马。因为现在智能体服务的场景是蛮多的，大家的需求也是非常多元。现在公司内部有很多团队都在针对某些场景寻找一些新的机会，所以大家今天在市场上看到的很多 AI 产品、智能体产品，它们都有各自的定位，希望能够针对它们重点要做的产品来服务好大家。

腾讯一直有很多应用场景、应用产品，在 AI 以前的时代大家也经常使用，它们也一样在迭代 AI 的能力，去场景化地使用人工智能，通过使用外部的工具连接我们生态里面各种产品的能力。

Q：腾讯往后面的发展有各种各样潜在的条件，包括在模型层面可以做混元，整体方面做 AI Agent 有 CodeBuddy、WorkBuddy 和 QClaw，它分三个方向，我想问一下未来这三个方向哪个方向投入更大一点，让它更加地破圈？

汤道生：  我很难对于十年后去做一个终局的判断，也许不一定是一个终局，可能就是一个阶段性的结果。有意思的是，我在行业也做了很多年，往往大家前期特别看好、特别期待的，十年过后也不一定就跟原来想象的一模一样，有一些大家没有意识到的产品机会也会带给大家惊喜。

所以我们会保证不同的赛道、不同的产品都有充分的资源去迭代，同时也不断地观察市场的变化。如果有更多的人对某个产品认可，腾讯也会非常及时做调整来加大投入。

我觉得一个很好的案例是 CodeBuddy，三年前也有这个团队，但是做的是一个面向开发者的产品。后来随着 AI 的能力加强，公司内部也有 coding 智能体的需求，我们就承担起 CodeBuddy 的产品。

最早大家只是觉得是给程序员用的一个产品，但是到今年大模型的能力进一步提升，我们看到更多的可能，CodeBuddy 就演化成今天的 WorkBuddy，内核都是一样，harness 里面设计的产品都是一样的。

你突然发现一个产品形态打开了一个巨大的机会，不仅限于程序员，而非程序员的很多企业员工都发现 WorkBuddy 是一个特别能帮助他们工作提效的工具，这个我们在一年前是想象不到的。WorkBuddy 今天的普及、受欢迎的程度，并不是我们两三年前规划出来的。所以，及时响应市场变化是一个更重要的能力。

Q：腾讯一直用 " 好用的 AI" 的定义，这个定义在 WorkBuddy 的 ToB 场景里，有没有具体的定义？怎么服务好企业目前的 AI 需求，怎么提升或者加强投入是哪一块？

汤道生：  我在这几年做 AI 产品也一直在想怎么定义好用，当然我们都是用户，用一个产品顺不顺手，能不能解决问题、价格贵不贵，心里都有自己的判断。

但真正在产品执行过程，早上我在跟顺雨的对话里面也提到，好的 AI 原生产品需要产品、模型、评测、数据四个能够对齐。

这四个维度就是我们在使用一个产品，通过一些客观的指标，尤其针对一些比较开放式的问题，要能够既达成产品的目标，有清晰的评估体系——其实就是评测部分，怎么通过能满足这个要求的数据，大家多方对齐，才能训练出能满足这些要求的模型。

Q：目前腾讯 AI Agent 的业务是什么样的方向，是偏 IaaS 层还是 SaaS、PaaS 层的订阅，以及这个平台的关键机制是什么？

汤道生：  在过去几个季度的财报也有不少投资者问过相关问题。我们一直以来在基础设施的算力是处于一个不太够的状态，所以有限的资源，我们会倾斜内部的需求，包括混元的训练、微信的需求、会议的需求等等，元宝也都挺消耗算力资源。

所以实际拿 GPU 算力放到云上服务各行各业的客户，有标杆案例，但是说实话还不能完全覆盖所有客户的需求。国内云市场的增长驱动和海外有所不同，还是基于更多通算存储等基础服务在行业里面持续渗透为主要驱动。

但今年从龙虾开始，包括 WorkBuddy、CodeBuddy 的普及，我们的 token 调用有一个爆发式增长。当然我们仍然受限于算力，跟很多算力厂商、模型厂商在合作过程中，有很多算力层面的合作。所以趋势来讲，我们也很相信在 PaaS 层面、token 层面，未来这里的机会是巨大的。在 IaaS 层面，最近的财报 Martin 也有提到，我们非常期待下半年有更多国产算力可以支持到我们的云业务，起码把一些推理场景服务得更好。

Q：现在有一种声音说 Agent 会吃掉一部分传统 SaaS 的市场，在腾讯云自身的产品矩阵里面，Agent 业务和传统云服务之间是否存在左右手互搏的问题？

汤道生：  用户的使用习惯过去 30 年一直在改变。在企业市场，今天的 SaaS 跟十年前或者二十年前的软件的形态一直在变化，所以对于我们的产品团队，包括企业办公协作的产品团队，比如腾讯会议、腾讯文档，其实它们也在充分拥抱用户习惯变化。

比如腾讯文档最近这几个月的迭代，其实是把它过去所积累的文档处理能力变成 Skill，变成 WorkBuddy 可以调用的接口，让办公用户仍然获得了多年积累的文档处理能力，但同时也在一个智能体的新的载体上面——比如通过微信提交你的想法、需求，到你的 PC 上面调用一些文档的能力来最终完成任务。所以我看到的是，腾讯很多过去的 SaaS 产品或软件类的企业办公产品，也在积极拥抱 AI 智能体浪潮带来的机会。

算力依然紧缺，要 " 力求高效使用 "

Q：今年国家一直在强调六张网其中的算力网，在 AI 时代，从腾讯云自己的视角来看，算力一体化的运营跟调度是不是变得更重要？我们在异构算力的调度与使用方面有很多技术储备和经验，您怎么看算力网的重要性？

汤道生：  算力调度在资源缺乏的时候肯定是很重要的，让你的资源效率能够做到最高。但要达到这样一个目的，技术要求也蛮高的，毕竟不同类型的 workflow（工作流）对于算力的需求，在 pipeline（流水线）什么阶段需要算力、什么阶段需要闪存，是一个非常复杂的优化问题。

我们仍然需要很好的技术能力、架构能力。以及，虽然叫算力集群，但是如果它是由多种芯片、多个不同芯片的模型来组成，也仍然很难做到绝对的匹配。

同时还要考虑 locality（数据局部性），因为芯片对于数据提取的速度有要求，你的算力也许在北方，但是如果我要解决的问题它的数据是在南方，其实算力跟数据的距离也会带来很大的浪费或者性能也不会高。

所以，这是一个非常复杂的问题，我们也在不同的程度努力——国家有国家的，希望建立数据大集群；包括腾讯内部也有很多的团队产品，他们有算力的需求、推理的需求、标注的需求、有多模态的训练、有音视频的，大家的 workflow（工作流）还是挺复杂的，所以能让这个资源利用效率做好，其实还是一个很复杂的问题。

Q：腾讯现在摸索出一些比较不错的经验吗？

汤道生：  我们不断把自己的算力资源用好吧，因为毕竟缺嘛，其中一个解题方式就是把它尽量用好。

腾讯在某些板块 " 慢一点，很正常 "

Q：今天会场很热，是因为顺雨比较少公开露面，谈话过程中也提到一些外界的声音，大家关注腾讯是不是慢了。您认为腾讯在哪方面是慢的，哪方面是有优势、有信心的？您认为下半场能称为标志性胜利的维度或者目标是什么？

汤道生：  我记得顺雨在台上提到 " 下半场 " 这个词有点被滥用了，现在看更像是一个马拉松、更长时间的竞赛。

从 ChatGPT 发布到今天完整走了三年多，我们在过程中看到非常多的变化。腾讯的业态非常多元，做的事儿也很多，我也觉得很难保证每一个板块都是行业最领先的，所以阶段性、不同的业务有的走得快一点、有的走得慢一点，这也很正常。反过来看，比如今年年初这波龙虾热，腾讯也是公认在国内市场上反应最快的，现在 WorkBuddy 也是这个赛道上面最受欢迎的产品。

所以，市场不断会有新的机会涌现，哪怕是同一条赛道，也可以有不同的产品形态。我相信有的团队阶段性会跑得快一点，有的团队阶段性受限于资源、受限于不同的因素，但如果把时间拉长，尤其你看过去腾讯近 28 年时间里面成功的业务，今天来看成功的业务也不都是一帆风顺的，也都走过高潮走过低谷。

我觉得腾讯做服务、做产品的一个理念是，当你判断清楚它是有价值的话，我们要能够坚持走过整个周期。