会场人潮涌动！记者直击腾讯AI大会 姚顺雨回应腾讯AI发展节奏质疑

《徽声在线》6月5日消息（记者李佳怡）今日，腾讯云在北京国家会议中心举办了一场聚焦AI产业应用的盛会。

清晨9时许，《徽声在线》记者抵达主论坛现场，眼前的景象远超预期。整个会场座无虚席，每一条过道、每一处入口都被参会者挤得水泄不通。人们肩并肩、背贴背，不少人只能踮起脚尖才能勉强看到舞台上的情况。

《徽声在线》记者与周围参会者交流后发现，许多人此行不仅是为了了解腾讯云在AI领域的最新产品与战略布局，更想一睹去年底加入腾讯的首席AI科学家姚顺雨的风采。

在大会现场，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，深入分享了AI下半场腾讯的全新布局与深度思考，首次详细回应了腾讯在大模型和产品研发中深度Co - Design的思路。

姚顺雨认为，AI的下半场才刚刚拉开帷幕，其发展重心已从寻找方法转变为寻找问题。

这一观点不仅适用于腾讯，也精准反映了当前中国AI大厂在新竞争阶段的选择与路径差异。

▎AI下半场：从方法探索到问题求解，从短期竞争迈向长期发展

大会现场，姚顺雨在对谈中清晰划分了AI发展的两个阶段。他指出，上半场主要是寻找方法，而如今方法体系已相对成熟，AI下半场的核心任务转变为寻找问题。

“AI历经几十年的发展，如今更为关键的是如何解决问题、探寻有效方法。比如AlphaGo解决了围棋难题，翻译模型解决了翻译问题，过去每个模型往往只对应单一任务。”姚顺雨表示，“而预训练和后训练技术的出现，让我们拥有了一把几乎能解决各类问题的‘万能钥匙’，但更难的是如何找到真正值得解决的问题。”

基于此，姚顺雨将AI下半场归纳为由Foundation（基础模型）、Product（产品）、Frontier（前沿模型）构成的均衡三角体系。

他强调，大语言模型（LLM）的本质区别在于泛化性，不同场景的数据需要相互赋能。同时，智能体（Agent）的崛起，使得环境、评测与推理行动的协同变得比单一模型的能力更为关键。

“如今，即便你想开发一个专注于编程的智能体（Coding Agent），你会发现它所需的不仅仅是编程相关的数据，还需要具备出色的聊天能力、强大的搜索能力、精准的指令遵循能力以及高效的推理能力，这是一个非常复杂的数据分类体系。”姚顺雨解释道。

从这个层面来看，腾讯的体系化产品矩阵在数据层面形成了相互支撑的良好关系。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。

这些用户日常产生的问题，正是姚顺雨所说的“寻找值得解决的问题”，而这些数据之间可以相互泛化，最终构建成一个网络化的数据体系。

这也是腾讯在AI领域区别于其他竞争对手的独特打法。腾讯并非要打造一个简单的聊天机器人（Chatbot），也不是单纯提供API服务，而是将AI能力深度嵌入到具体的业务流程中。当模型的能力来源于不同场景数据的相互加持，这种“生态反哺”的模式或许能够成为腾讯在AI领域的一道独特护城河。

值得一提的是，针对外界长期存在的“腾讯AI发展滞后”的质疑，姚顺雨给出了一个从两个维度进行判断的分析框架。

第一，AI是一场长期的发展征程，而非短期的竞争窗口。他指出，硅谷部分从业者秉持的“赶快赚两年钱退休”的心态并不可取，AI才刚刚起步，ChatGPT和Claude Code不会是仅有的超级应用，未来将持续涌现新的产品机会，“如今或许就像70年代个人电脑（PC）刚刚诞生的时候”。

第二，AI的发展将走向多元化，而非单一路径。过去几年，行业沿着预训练、后训练、智能体的清晰主线推进，但未来除了编程智能体，多模态、具身智能等大量新方向正在或即将兴起，整个世界“还有很多领域尚未被充分开发”。

▎AI竞争激烈，大厂路径分化明显

IDC数据显示，到2026年，中国模型即服务（MaaS）市场的Token调用量将达到40000万亿次，营收约186亿元，超过60%的中国头部企业已将生成式AI整合到核心业务流程中。除腾讯外，其他大厂在路径选择上也呈现出明显的分化态势。

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宣布向第三方智能体、技能全面开放，所有企业均可在千问平台上运营自己的品牌智能体。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智能体服务测试，并将陆续上线。

可以看出，阿里云正以千问App为入口，搭建一个平台化架构，让开发者和企业能够自主运营智能体，试图构建一个开放的智能体应用生态。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，都为智能体的场景落地提供了现成的供需匹配环境。

而豆包则凭借字节跳动的流量优势，将陪伴和内容服务做到了极致，从老年人到儿童，豆包AI陪聊满足了最大范围的用户需求。

然而，这条发展路径目前正面临着严峻的算力成本考验。截至今年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，芯片算力成本每年更是高达数百亿元。

5月初，豆包在App Store内购页面更新了三档订阅价格，最高年费达5088元。然而，付费消息传出后的一个月内，豆包的月活跃用户数（MAU）出现了自规模化增长以来的首次下跌。据AI产品榜数据，豆包5月MAU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发展周期，市场正从基础设施建设阶段转向企业级应用爆发阶段。

IDC中国副总裁周震刚指出，AI领域的竞争优势已经发生转移：“如今关键不再仅仅是拥有最强的算力，而是如何以最低的Token成本将AI转化为可持续的业务能力。”

▎共同难题：AI的边际成本困境与商业化探索

尽管各厂商的发展路径各不相同，但都共同面临着同一个难题——算力紧缺与AI商业化难题。

关于算力短缺问题，汤道生在接受《徽声在线》等媒体采访时坦言，一直以来腾讯在基础设施的算力方面都存在“不太够用”的情况。

“有限的算力资源，我们会优先满足内部需求，包括混元模型的训练、微信的需求、会议的需求、元宝的需求等等。因此，实际能够拿出用于云服务，为各行各业客户提供GPU算力的资源有限，虽然有一些标杆案例，但仍无法完全满足所有客户的需求。”他表示，随着下半年更多国产算力进入市场，这一状况有望得到缓解。

与此同时，尽管国产算力正在奋力追赶，但仍存在一些瓶颈。有行业观察者向《徽声在线》记者指出，国产算力近两年在推理端的性能提升较快，已经进入相对可用的阶段；但在训练端的集群能力、生态适配以及综合成本等方面，仍存在明显的短板。

值得一提的是，关于AI原生服务的盈利困境，汤道生也进行了深入剖析。

他指出，移动互联网时代的边际服务成本相对较低，因此能够通过广告、带货等交易行为建立起成熟的商业模式。但AI原生服务的推理成本与任务复杂度高度相关，“用户针对不同问题可能会有不同的资源消耗，（厂商）更难获得稳定的回报，很难在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，如果推理成本仍然维持在现有水平，它很可能只会被应用在那些高商业价值、能够计算清楚成本的场景中。或者它所带来的新增生产力，能够与在没有它的情况下需要花费更高成本完成的场景相匹配，到那时新的商业模式才能够建立起来。”汤道生表示。

此外，姚顺雨对“性价比”给出了另一种解读，“性价比首先取决于性能，如果性能不佳，性价比就无从谈起。很多人跟我说，发现使用性能强大的模型比使用性能差的模型更省钱，因为能够更快、更准确地完成任务。”

在他看来，在成本方面，中国已经处于世界领先水平。当前在成本方面最重要的工作，是如何使用更小的模型完成更高价值的任务，并在此基础上进行架构创新，包括长文管理、脚手架技术等。

正如姚顺雨所说，若将AI视为一场长期的发展游戏，下半场才刚刚开始。目前来看，方法论已经相对成熟，而真正的竞争关键在于谁能够在真实场景中持续找到“值得解决的问题”，并以可持续的成本为用户交付价值。

对于各云服务商而言，算力短缺与商业化困境是共同面临的挑战，但赛道已经从单纯拼参数转向拼实际应用落地。谁能够率先跑通效率闭环，或许就能够在未来的AI竞争中领跑下一个十年。