（来源：华夏时报）

本报（chinatimes.net.cn）记者卢晓 北京报道

AI 下半场，低门槛、低价格的智能体生态成各家 AI 大厂押注的重头戏。

6 月 5 日，腾讯云在 2026 腾讯云 AI 产业应用大会上发布效率智能体工具集。此外，虽然存储硬件和算力价格持续上涨，但腾讯云也跟进 DeepSeek 的官方降价，自 6 月 3 日起对 DeepSeek-V4 系列模型价格进行下调，最高降幅达 97.5%。

在智能体生态的激烈竞赛中，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生当天也首度对外界关于腾讯 AI" 慢了 " 的观点做出回应：" 腾讯正在 AI 长跑中。"

用更丰富、更好用的智能体留住更多用户和开发者，是 AI 大厂进行生态竞赛的共同战略之一。

6 月 5 日，腾讯云发布效率智能体工具集。其中，面向个人用户，腾讯云升级 QClaw、WorkBuddy、元宝、ima、腾讯文档等 " 开箱即用 " 的 AI 工具；面向企业客户，则全新发布 WorkBuddy 企业版 AI 工作台，并同步升级 ClawPro、腾讯云智能体开发平台（ADP）、企点营销云等。《华夏时报》记者还从腾讯方面了解到，其效率智能体工具集已经在医疗、消费电子、金融、游戏、零售、教育等 20 多个行业落地实践。

在这背后，今年以 OpenClaw（俗称 " 龙虾 "）为代表的 AI 智能体催生的巨量 Token 消耗，成为 AI 下半场的关键新变量。

腾讯云也做出一系列相应调整。今年 3 月，腾讯云公布 2026 年 AI 演进路线，并将 MaaS 大模型服务平台升级为 TokenHub（词元中心）。今年 5 月，腾讯云大模型知识引擎全面升级为 " 腾讯云智能体开发平台 "。

还有一个重要的变动是，去年 12 月腾讯宣布升级大模型研发架构，新成立 AI Infra 部、AI Data 部、数据计算平台部，并任命前 OpenAI 高级研究员姚顺雨为首席 AI 科学家，这也被外界看作是腾讯 AI 战略加速的明确信号。记者从腾讯方面了解到，姚顺雨目前还担任腾讯混元大语言模型及 AI Infra 负责人。

6 月 5 日，汤道生还与姚顺雨进行同台对话，解读 AI 下半场腾讯的最新布局和思考。姚顺雨谈及加入腾讯的原因时表示，他认为越来越重要的事情是 context（上下文），" 因为模型越来越擅长把一个非常复杂的输入变成输出，很多时候你的竞争壁垒就在于你有没有最原始的输入，你知不知道这个人他到底在干什么，你知不知道这个企业各种各样的信息，这一点腾讯有非常强的优势。"

他同时表示，AI 是一个长期游戏，下半场才刚刚开始，未来也会更加多元，" 我不认为 ChatGPT 和 Claude Code 会是唯一的 super App，我觉得肯定会有源源不断新的机会诞生，可能今天就像是 70 年代 PC 刚刚产生的时候，还有很多事情需要做。"

汤道生当天在与姚顺雨的对话中也表示，腾讯正在 AI 长跑中，" 腾讯是一个非常多业态的公司，有很多产品分布在很多的赛道，同时也有很多的团队在推进不同的项目、事情。我觉得确实有一些地方我们是可以做得更好，但这是一个马拉松，腾讯还是有非常丰富的场景。"

深度科技研究院院长张孝荣在跟《华夏时报》记者交流时认为，腾讯的混元大模型有一定后发优势，在算力上有腾讯云提供保障，在数据上有广泛的内容产业布局，还可以在社交、新闻、视频、游戏等诸多场景进行应用训练，" 有可能探索出新的道路。"

除了比拼智能体生态，AI 基建也是大厂们眼下争相投入的关键赛点。

阿里方面已经在今年 5 月的财报会上表示，未来三年的资本开支将远超此前承诺的 3800 亿元。腾讯财报则显示，今年一季度，腾讯的资本开支为 319 亿元，同比增长 16%，腾讯首席战略官詹姆斯 · 米歇尔在今年 5 月的财报会上也表示，由于将增加更多国产 AI 芯片供应，公司下半年资本支出将显著增加。

AI 厂商大举投入基建的原因之一在于算力供应短缺。6 月 5 日，汤道生对外坦言，目前腾讯云在算力上不太充足，有限的资源会倾斜给内部需求，远不足以满足客户需求。他认为，今年 Token 调用有爆发式增长，非常期待下半年有更多国产算力支持云业务。而在谈及行业竞争时他则表示，目前腾讯在 AI 领域还在投入做产品阶段，" 友商在商业规划上确实走在我们前面，我们的风格很不一样。"

在这背后，2026 年算力产业链已进入 " 全链通胀 " 阶段，云端算力资源已开启多轮提价。盘古智库高级研究员江瀚对《华夏时报》记者表示，科技大厂加大资本开支进行 AI 基建，源于 AI 高速发展带来巨大的算力需求，重构了算力消费逻辑，同时，核心硬件供不应求，高性能算力芯片与 HBM（高带宽内存）等产能瓶颈严峻。

而需要提及的是，不只是 GPU，存储也是大模型训练遇到的瓶颈之一。

6 月 5 日，身处具身智能赛道的灵生科技合伙人、世界模型训练人蒋玉骅在接受《华夏时报》等媒体记者采访时认为，很多时候模型训练速度的瓶颈并不在于 GPU，反而在于 CPU 的加载数据。他表示，具身智能数据的一个特点是碎片化严重，" 怎么把数据加载、数据存储的瓶颈给克服，我觉得也是 AI 下半场需要回答的一个问题。"

但 AI 行业面临的集体问题之一在于，AI 存储硬件的供应短缺与价格上涨一直在持续。公开资料显示，今年‌ SK 海力士、三星、美光‌三大存储厂商已将 70% 以上新增产能倾斜至 HBM，但 SEMI（国际半导体产业协会）今年 3 月发布的数据显示，2026 年 HBM 市场规模增长 58% 至 546 亿美元，而 HBM 的产能缺口也将高达 50% — 60%。

腾讯云存储总经理陈峥当天在接受《华夏时报》等媒体记者采访时也认为，随着整个算力问题得到解决，其实最重要的应该是 context 的问题，就是所谓的存储跟记忆。他当天对《华夏时报》记者表示，算力解决的是智能体能跑多快的问题，存储记忆是决定智能体能不能记得住，以及能不能找得到、能不能用得起的问题。" 以前我们要的是单点算力的崇拜，现在回归到数据、存储、算力的均衡。" 他同时认为，存储硬件厂商的产业链短期很难去扩大，在产能没有提上来之前，需要云厂商在数据治理上去做更多的思考。

责任编辑：黄兴利 主编：寒丰