本文來(lái)自微信公眾號(hào)： 未來(lái)圖靈 ，作者：張鳳靜

在6月5日舉行的2026騰訊云AI產(chǎn)業(yè)應(yīng)用大會(huì)現(xiàn)場(chǎng)，所有人的目光都聚焦在臺(tái)上兩個(gè)人身上——騰訊集團(tuán)高級(jí)執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生，和坐在他身旁、略顯拘謹(jǐn)?shù)哪贻p人。

這個(gè)年輕人就是姚順雨，被外界稱為“騰訊史上最年輕的核心部門掌舵者”，騰訊首席AI科學(xué)家、混元大模型及AI Infra負(fù)責(zé)人。他身上有太多標(biāo)簽：ReAct架構(gòu)提出者、前OpenAI研究員、普林斯頓大學(xué)博士、清華“姚班”出身。2025年12月17日加入騰訊后，外界對(duì)他的好奇和質(zhì)疑從未停止：為什么選擇騰訊？騰訊在AI上是不是慢了？混元大模型到底能不能打？

這是姚順雨加入騰訊后的第二次公開(kāi)亮相，也是他首次線下真身出現(xiàn)在公眾面前。

這一次，姚順雨沒(méi)有“回避”任何問(wèn)題。他與湯道生進(jìn)行了一場(chǎng)近一小時(shí)的開(kāi)放對(duì)談，主題是《騰訊AI下半場(chǎng)》。兩個(gè)人在臺(tái)上互相提問(wèn)、互相作答。我們把這場(chǎng)對(duì)話切開(kāi)、重組，試圖拼出一張騰訊AI的真實(shí)地圖。

萬(wàn)能“錘子”與找“釘子”的哲學(xué)

對(duì)談剛開(kāi)始，湯道生直接開(kāi)門見(jiàn)山的就拋出了那個(gè)所有人最關(guān)心的問(wèn)題：“你為什么下半場(chǎng)會(huì)選擇來(lái)騰訊？”

姚順雨沒(méi)有馬上回答，而是先厘清了一個(gè)被“用濫了”的概念——AI下半場(chǎng)。這個(gè)概念源自他去年的一篇博客。在他看來(lái)，AI上半場(chǎng)的主題是“找方法”：為了下圍棋，發(fā)明AlphaGo；為了做翻譯，訓(xùn)練專門的翻譯模型。每個(gè)任務(wù)都需要定制化的技術(shù)方案，就像為每一種釘子單獨(dú)打造一把錘子。

但預(yù)訓(xùn)練和后訓(xùn)練的成熟，改變了這一切?！拔覀儸F(xiàn)在好像有了一把萬(wàn)能錘子，它可以去砸任何釘子?！币樣暾f(shuō)，“它是一個(gè)通用方法論，可以解決各種各樣的問(wèn)題，反而更困難的是怎么尋找好的問(wèn)題去解決?！?/p>

這就是他選擇騰訊的第一個(gè)理由。這里有海量的“好釘子”。微信、QQ、騰訊會(huì)議、企業(yè)微信、元寶……這些國(guó)民級(jí)產(chǎn)品每天都在產(chǎn)生真實(shí)的使用場(chǎng)景和交互數(shù)據(jù)。在姚順雨的詞典里，這些場(chǎng)景和數(shù)據(jù)共同構(gòu)成了一個(gè)關(guān)鍵的詞：Context（上下文）。

“模型越來(lái)越擅長(zhǎng)把一個(gè)非常復(fù)雜的輸入變成輸出。你的競(jìng)爭(zhēng)壁壘就在于，你有沒(méi)有最原始的輸入，你到底知不知道這個(gè)人在干什么？知不知道這個(gè)企業(yè)各種各樣的信息？”他認(rèn)為，騰訊在這方面擁有非常強(qiáng)的優(yōu)勢(shì)。

但這只是第二重要的原因。最重要的原因，是文化。

姚順雨回憶起第一次與湯道生和總辦其他成員聊天的場(chǎng)景，印象最深的不是技術(shù)愿景，不是資源承諾，而是一種罕見(jiàn)的坦誠(chéng)?！按蠹易龅煤?、做得不好都非常實(shí)在，不會(huì)去掩蓋。我知道這里做好了，我知道那里沒(méi)做好，我知道應(yīng)該怎么做?！彼f(shuō)，“騰訊總體是一個(gè)基于信任、而不是基于指標(biāo)來(lái)運(yùn)轉(zhuǎn)的公司。我們的文化里有非常低的low ego，有非常solid的一面。這些東西對(duì)于長(zhǎng)期做AI的組織來(lái)說(shuō)，太重要了?！?/p>

在他看來(lái)，AI下半場(chǎng)的核心目標(biāo)，不是造出一個(gè)超級(jí)應(yīng)用，而是在中國(guó)建立一個(gè)長(zhǎng)期主義的、可持續(xù)積累的AGI組織。他把這個(gè)組織畫成一個(gè)“均衡三角形”：底層是Foundation（基礎(chǔ)模型），把預(yù)訓(xùn)練和后訓(xùn)練做到極致；中間是Product（產(chǎn)品），讓技術(shù)真正產(chǎn)生社會(huì)價(jià)值；頂層是Frontier（前沿探索），不斷尋找新的研究范式和機(jī)會(huì)。

圖注：該圖片由豆包AI生成

“只做好其中一塊不夠，必須三塊均衡發(fā)展?！彼f(shuō)。而支撐這個(gè)三角形的，正是他感受到的那種文化——不追短期風(fēng)口，不粉飾問(wèn)題，愿意為長(zhǎng)期價(jià)值承受暫時(shí)的誤解。

湯道生在一旁補(bǔ)充道，這種務(wù)實(shí)坦誠(chéng)的氛圍，也是他經(jīng)常從客戶那里得到的反饋。“我們做的好的和不好的都得認(rèn)。AI賽道是長(zhǎng)跑，認(rèn)知很重要。這是一個(gè)多維度的競(jìng)賽。”

比刷榜更重要的，是學(xué)會(huì)“換位思考”

如果說(shuō)“三角形”是騰訊AI的骨架，那么Co-Design（協(xié)同設(shè)計(jì)）就是連接骨架的韌帶。

湯道生提了一個(gè)很實(shí)在的問(wèn)題：騰訊有這么多產(chǎn)品，從元寶這樣的聊天機(jī)器人，到CodeBuddy、WorkBuddy這樣的效率智能體，都深度依賴模型能力。怎么把模型和產(chǎn)品真正結(jié)合在一起？

姚順雨的回答直指一個(gè)中國(guó)AI行業(yè)的普遍問(wèn)題：“中國(guó)大家有個(gè)不好的傾向，就是喜歡刷榜。”

雖然這句話說(shuō)得很輕，但分量不輕。他解釋，Benchmark（基準(zhǔn)）并非完全沒(méi)有價(jià)值，但問(wèn)題在于很多公開(kāi)榜單容易被“過(guò)擬合”。榜單上的題目通常是描述精確、邊界清晰的單輪問(wèn)題，但真實(shí)用戶的使用場(chǎng)景完全不同——問(wèn)題模糊、多輪追問(wèn)、充滿歧義。

騰訊的選擇是：把評(píng)價(jià)體系從“榜單導(dǎo)向”拉回到“真實(shí)場(chǎng)景導(dǎo)向”?；煸竽Ｐ偷腜review版本，最重要的目的之一就是獲取真實(shí)世界反饋，去發(fā)現(xiàn)那些榜單上永遠(yuǎn)不會(huì)出現(xiàn)的“底線問(wèn)題”。

他講了一個(gè)很少有人注意到的細(xì)節(jié)。在混元自己的預(yù)訓(xùn)練還沒(méi)有完全準(zhǔn)備好時(shí)，他就做出了一項(xiàng)讓很多算法同學(xué)不理解的決策——派出后訓(xùn)練最強(qiáng)的骨干力量，優(yōu)先幫元寶把后訓(xùn)練做好。

“維護(hù)好元寶這樣的產(chǎn)品以及它的DAU，對(duì)我們接下來(lái)做模型非常非常重要?！币樣暾f(shuō)，“當(dāng)時(shí)很多算法同學(xué)不理解，我需要很努力地去解釋。但現(xiàn)在回頭看，這個(gè)動(dòng)作讓產(chǎn)品團(tuán)隊(duì)意識(shí)到，模型的同學(xué)是真的在為他們著想。包括Hy3 preview在元寶上成功上線起到了非常重要的作用。”

這引出了Co-Design中最核心也最難的一點(diǎn)：建立信任。因?yàn)樽瞿Ｐ偷娜撕妥霎a(chǎn)品的人，天然存在目標(biāo)上的張力。模型團(tuán)隊(duì)追求能力越強(qiáng)越好，產(chǎn)品團(tuán)隊(duì)追求用戶需求被滿足。姚順雨認(rèn)為，最難的不是技術(shù)細(xì)節(jié)，而是“換位思考的能力”，是彼此愿意為了共同目標(biāo)做出短期“犧牲”。

湯道生從產(chǎn)品視角印證了這一點(diǎn)。他把傳統(tǒng)產(chǎn)品比作“預(yù)制菜”：用戶只能在固定的菜單里選擇。但在AI時(shí)代，自然語(yǔ)言成了主交互界面，產(chǎn)品方永遠(yuǎn)不知道用戶下一句會(huì)問(wèn)什么。這就要求產(chǎn)品的所有設(shè)計(jì)：評(píng)測(cè)、對(duì)齊、工具調(diào)用都要前置，和模型訓(xùn)練融為一體。

湯道生認(rèn)為“以前瀑布式的研發(fā)流程很清晰，需求、設(shè)計(jì)、開(kāi)發(fā)、測(cè)試，一步一步來(lái)。但今天大部分代碼都是AI生成的，工程師更多在做架構(gòu)設(shè)計(jì)，把寫代碼的工作交給AI，定期指導(dǎo)、修正。測(cè)試也要左移，更前置地想清楚評(píng)測(cè)標(biāo)準(zhǔn)和用戶風(fēng)格的對(duì)齊?！睖郎f(shuō)，“今天做產(chǎn)品要求的能力更全面?！币樣昃o接著回答：“更難了?！?/p>

而混元3本身的技術(shù)升級(jí)，也順著這套邏輯展開(kāi)。姚順雨把它總結(jié)為三件事：一是重建了預(yù)訓(xùn)練和強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施。二是對(duì)數(shù)據(jù)做了很大改變，包括定義更真實(shí)的問(wèn)題、豐富data taxonomy等。三是許多關(guān)鍵決策沒(méi)有清晰公式，需要在招人、模型節(jié)奏、資源取舍中不斷做trade-off。

慢慢來(lái)，比較快

這場(chǎng)對(duì)話進(jìn)行到中后段，湯道生把那個(gè)最尖銳的問(wèn)題擺上了臺(tái)面：“很多人都說(shuō)，騰訊在AI上沒(méi)有及時(shí)抓住一些機(jī)會(huì)。你覺(jué)得我們真的慢了嗎？”

姚順雨沒(méi)有急著辯解，而是回到了兩個(gè)更底層的判斷。

第一個(gè)判斷：AI是一場(chǎng)短期游戲，還是一場(chǎng)長(zhǎng)期游戲？他說(shuō)，硅谷現(xiàn)在彌漫著一種焦慮情緒:兩年后所有人都會(huì)失業(yè)，我們要趕快賺兩年錢然后退休。但騰訊的判斷很明確，這是一個(gè)剛剛開(kāi)始的長(zhǎng)期游戲?！拔也徽J(rèn)為ChatGPT和Claude Code會(huì)是唯一的Super App，那是一個(gè)非?；野档氖澜??？隙ㄟ€會(huì)有源源不斷的新機(jī)會(huì)誕生。今天就像70年代PC剛剛產(chǎn)生的時(shí)候，還有很多很多事情需要做。”

第二個(gè)判斷：AI的未來(lái)是線性單一路徑，還是多元生態(tài)？過(guò)去幾年，行業(yè)似乎有一條清晰的主線：Pre-training、post training、Agent、Coding Agent，所有人都在做一樣的事，都在Copy。但在姚順雨看來(lái)，這同樣是“非常灰暗”的圖景。“我的個(gè)人看法是，未來(lái)會(huì)變得更多元。Coding Agent的生產(chǎn)力革命才剛剛開(kāi)始，這個(gè)世界還有很多空間沒(méi)有被填滿。多模態(tài)、具身智能，很多新的事情正在發(fā)生。”

基于這兩個(gè)判斷，他給出了一個(gè)學(xué)者式的回應(yīng)：“過(guò)去模型、產(chǎn)品上做了很多探索，走過(guò)彎路。這是正常的，沒(méi)做過(guò)的事情第一次做，肯定有曲折。但更重要的事情是說(shuō)能不能誠(chéng)實(shí)面對(duì)自己，能不能Be Real，能不能看到feedback（反饋）然后改變，能不能保持耐心。這才是下半場(chǎng)最重要的事?！?/p>

湯道生接過(guò)話題，坦然承認(rèn)騰訊是一個(gè)多業(yè)態(tài)、多賽道的復(fù)雜公司，不同業(yè)務(wù)線的進(jìn)度本來(lái)就有快有慢，也會(huì)有失敗和反復(fù)?！斑@些提醒都非常好，有些地方我們確實(shí)可以做得更好。但就像你說(shuō)的，這是長(zhǎng)跑，是馬拉松。”他特別提到，騰訊多年積累的全產(chǎn)品線場(chǎng)景數(shù)據(jù)，是這場(chǎng)長(zhǎng)跑中最大的護(hù)城河。

圖注：OpenRouter模型調(diào)用周榜，5月7日

姚順雨特別強(qiáng)調(diào)了一個(gè)關(guān)于“性價(jià)比”的認(rèn)知誤區(qū)。很多人以為降本關(guān)鍵是模型架構(gòu)壓縮，但他認(rèn)為真正的核心首先在于性能本身?！叭绻阅懿缓?，性價(jià)比就很難成立。用更好的模型一次把事情做對(duì)，比用更差的模型反復(fù)試錯(cuò)省錢得多。把相對(duì)簡(jiǎn)單的任務(wù)一次性做對(duì)、做到足夠robustness(魯棒)，這可能在很多長(zhǎng)程的上面提升一兩個(gè)點(diǎn)的提升?！痹诖嘶A(chǔ)上，用更小的模型去完成更高價(jià)值的任務(wù)，才是適合中國(guó)市場(chǎng)的務(wù)實(shí)路徑。

湯道生補(bǔ)充了來(lái)自組織層面的觀察。他注意到，WorkBuddy等新產(chǎn)品的團(tuán)隊(duì)呈現(xiàn)出完全不同的組織形態(tài)：不是傳統(tǒng)的多層級(jí)架構(gòu)，而是三五個(gè)人一個(gè)小組，圍繞某個(gè)特定方向快速試驗(yàn)、驗(yàn)證。大部分試驗(yàn)?zāi)貌坏秸蚍答?，但公司需要包容這種試錯(cuò)?！霸瓉?lái)的工程師大量時(shí)間花在寫代碼上，現(xiàn)在這些工作可以交給AI了。每個(gè)工程師更像一個(gè)有想法的leader，同時(shí)驅(qū)動(dòng)多個(gè)Coding Agent干活，還要參與評(píng)測(cè)、測(cè)試，把對(duì)齊工作做到前面來(lái)?！?/p>

一個(gè)28歲年輕人的“慢選擇”

對(duì)談過(guò)程中，姚順雨回憶起一個(gè)令他感慨的瞬間。前幾天他重新翻看了自己2019年的博士論文，標(biāo)題是《Language Agents:From Next-Token Prediction to Digital Automation》。那時(shí)候還是Literally也就是我們的GPT-2，模型生成的文本經(jīng)常不連貫，沒(méi)人能想到它會(huì)成為改變世界的力量。

但他當(dāng)時(shí)在論文結(jié)尾寫下的“future work（未來(lái)工作）”，第一條就是“train models for Agent（為Agent訓(xùn)練模型）”。七年后，他真的在做這件事。

他描述起2022年7月的某個(gè)夜晚，他第一次把PaLM 2的API和當(dāng)時(shí)手寫的一個(gè)Wikipedia API連在一起，看到模型能夠基于互聯(lián)網(wǎng)進(jìn)行多輪交互時(shí)，那種感覺(jué)“就像微弱的電燈絲突然亮了一下”。當(dāng)時(shí)他隱約覺(jué)得，這東西可能會(huì)在五到十年內(nèi)改變世界。但后來(lái)發(fā)生的一切，比他想象中還要快。

小編突然意識(shí)到，姚順雨看騰訊AI的視角，本質(zhì)上就是這個(gè)比喻的延伸。他不迷信點(diǎn)燃鎂光燈式的爆發(fā)，更相信那根微弱燈絲持續(xù)通電、緩慢點(diǎn)亮整個(gè)房間的過(guò)程。在一個(gè)急切追求“快”的時(shí)代，這位28歲的年輕人選擇了一家愿意讓他“誠(chéng)實(shí)面對(duì)問(wèn)題、慢慢做對(duì)事情”的公司。也許，這才是姚順雨視角下的騰訊AI最真實(shí)的模樣：不完美，但足夠誠(chéng)實(shí)；不激進(jìn)，但準(zhǔn)備好跑一場(chǎng)長(zhǎng)跑。

“可能我想的還是不夠大。”他笑著說(shuō)。

騰訊AI能跑多快，或許還需要時(shí)間給出答案。但至少在這場(chǎng)對(duì)話里，外界看到了一個(gè)不再急于自證、而是選擇誠(chéng)實(shí)面對(duì)自己的騰訊。它把AI定義成一場(chǎng)數(shù)十年的長(zhǎng)跑，把場(chǎng)景和上下文看作最深的壁壘，把信任和換位思考視作比技術(shù)更難也更有價(jià)值的事。

慢慢來(lái)，有時(shí)候反而比較快。

Be Real，在AI下半場(chǎng)，這或許是一種比速度更稀缺的能力。