腾讯AI战略：从追赶到定义——社交巨头的智能生态之路
--解码腾讯如何将14亿用户转化为AI时代的核心壁垒
第1章 焦虑与觉醒——腾讯AI的追赶史（2016—2024）
那是2016年3月的一个下午，深圳南山科技园腾讯大厦的某间会议室里，一群人围坐在长桌前。桌上摆着几杯已经凉透的咖啡，投影仪上是一张技术路线图，上面画着几条分支线，标注着“计算机视觉”“语音识别”“自然语言处理”——每一块旁边都对应着一个名字：优图、微信智聆、AI Lab。
这张图看起来完整，像是一盘棋已经摆好了。但会议室里的人心里都清楚，他们讨论的其实是三盘棋，三个团队，三套人马，只是恰好凑在了一起。
2016年4月，腾讯AI Lab正式挂牌成立。这个消息在当时的科技媒体上引发了不小的波澜——百度早在2013年就成立了深度学习研究院，阿里2014年组建了数据科学与技术研究院，而腾讯，作为中国互联网的另外半壁江山，终于在AI这场牌桌上亮出了自己的底牌。
但你如果仔细看那张底牌，会发现上面还留着一些墨迹未干的痕迹。
AI Lab的成立不是一次从零开始的拓荒，更像是一场匆忙的缝合。在此之前，腾讯的AI力量已经以不同形态分散生长了好几年。2012年，优图实验室在腾讯上海分公司成立，最早只是为QQ空间做图片优化——识别一下照片里的脸、处理一下滤镜效果，团队的技术积累从音视频编解码慢慢迁移到人脸识别。同一年，微信智聆团队在微信事业群内部悄无声息地组建，研究的核心是语音识别，服务的对象也很具体：微信的语音转文字功能。这两个团队的命运有一个共同点——它们都是“长”在业务上的，因业务需求而生，随业务场景进化，技术方向由产品功能定义。
而AI Lab不一样。
AI Lab是被“任命”出来的。它在组织架构上属于TEG（技术工程事业群），与优图、微信智聆平级，但它的定位天然就更宏大——“打造通用AI能力”，说白了就是做基础研究，探索前沿技术，不绑定某个具体业务。这个定位看起来很高，实际上是悬空的。
在2016年腾讯AI那张三点支撑的矩阵图里——腾讯AI Lab、腾讯优图实验室、微信智能语音团队——只有AI Lab是“没有根”的。优图有QQ空间的照片要处理，微信智聆有微信的语音消息要识别，但AI Lab？它需要自己证明为什么值得存在。
2017年6月，腾讯在深圳举办“云+未来”峰会，优图实验室的杰出科学家贾佳亚在台上说了一句话：“AI这个词从进入大家的视野到变得家喻户晓才用了两年时间，这个发展过程就像穿上了哈利·波特的隐形斗篷，当它穿上的时候，你会发现空无一人，但是它把隐形斗篷取下来，你发现原来里面躲了一个庞然大物。”
这个比喻很漂亮，但从某种意义上也暴露了一种心虚。腾讯AI在2016年之前，与其说穿了隐形斗篷，不如说是在暗处蹑手蹑脚地走。当贾佳亚在台上用“庞然大物”形容腾讯时，真正站在聚光灯下喊出“All in AI”的是百度——李彦宏在2017年年初的内部讲话里直接说“人工智能是百度的核心中的核心”，而腾讯，当时连一个统一的AI入口都没有。
2016年到2017年，中国互联网的AI版图正在以肉眼可见的速度成型。百度有深度学习研究院，有自动驾驶，有DuerOS；阿里有城市大脑，有ET工业大脑，还有达摩院那张后来轰动一时的千亿投资计划；而腾讯呢？腾讯的AI能力分散在三个不同的事业群——SNG（社交网络事业群）、TEG（技术工程事业群）、WXG（微信事业群），各自的KPI不同、汇报线不同、资源分配的逻辑也不同。
这种“三足鼎立”的格局，表面上是各有侧重、多点开花，实际上是各守一摊、各扫门前雪。优图实验室和微信智聆是“业务土壤里长出来的AI”，对它们而言，AI不是目标，而是工具；AI Lab是“顶层设计出来的AI”，它的目标是AI本身。这两种逻辑放在同一家公司里，天然的张力就埋下了——而且这种张力，在2017年腾讯正式开始“抢人”时，只会变得更大。
2017年初，腾讯任命了AI Lab的主任——张潼，前百度研究院副院长。这是腾讯AI历史上第一个真正意义上的“大咖空降”。
张潼的履历放在任何一个科技公司都是金光闪闪的那种：美国康奈尔大学计算机科学博士，曾在IBM T.J. Watson研究中心、雅虎研究院工作，加入腾讯前是百度研究院副院长，负责百度大数据实验室和深度学习实验室。他的学术背景和工业界经验都无可挑剔，是那种你在一场AI学术会议上看到会不由自主直起身子的名字。
腾讯给张潼的待遇是“17级”——这是腾讯内部技术序列的最高级别，相当于副总裁级。这个信号很清楚：腾讯是认真的，愿意为AI花大价钱。
紧接着，更多的人来了。俞栋，前微软研究院首席研究员，语音识别领域的顶尖专家，加入腾讯AI Lab担任副主任；刘威，前IBM沃森研究院的研究员，后来担任腾讯AI Lab计算机视觉方向的负责人；张正友，前微软研究院视觉技术组的负责人，后来加入了腾讯机器人实验室Robotics X并兼任AI Lab主任。这个名单列出来，放在任何一家AI研究机构都堪称豪华。2017年，腾讯AI Lab迅速扩张到超过200名科学家和工程师，其中相当一部分是从海外顶尖高校和实验室挖回来的。
那时候业内对腾讯的共识是：“腾讯终于动真格了。”
但“动真格”和“做对事”之间，隔着一层看不见的东西。
假设你是2017年加入腾讯AI Lab的一名研究员，你的博士课题是自然语言生成，你发表过几篇顶会论文，你的研究计划写得很漂亮——接下来三个月你打算探索一种新的序列到序列模型架构，希望能提升长文本生成的连贯性。你满怀热情地向你的主管汇报了这个计划。主管点了点头，问了一个很实际的问题：“这个项目，三个月后能落地到哪个产品？”
你说：“暂时还没有具体的产品对接，但如果我们能把模型效果跑到SOTA……”
主管没有打断你，但你能从他的表情里读出他的判断：没有KPI，没有产品，没有业务价值。
这就是腾讯AI Lab在2017年到2019年之间的日常。
AI Lab的定位是“基础研究”，这意味着它的产出是论文、是模型、是技术原型，而不是可以直接上线的产品功能。但腾讯是一家什么样的公司？腾讯本质上是“产品驱动”的公司——从QQ到微信到游戏，腾讯的一切价值都建立在产品之上。一家产品公司里，一个“不产生直接价值”的部门，哪怕有再高的技术天花板，也天然地处于边缘。
更微妙的是，AI Lab研究出来的成果，很难找到“内部客户”。视觉识别有优图在做，语音识别有微信智聆在做，自然语言处理？当时腾讯的产品矩阵里，对NLP有强需求的业务并不多——微信的聊天内容理解？那是数据隐私的红线，不敢碰。QQ的智能回复？重要性没那么高。游戏里的AI对手？那是另一个方向，Robotics X在做。AI Lab的很多研究成果，在腾讯内部找不到合适的“买家”。
这个局面在2018年到2019年逐渐发酵成了AI Lab的生存危机。一个没有明确KPI的部门，在一个以产品为生命线的公司里，会被反复追问一个致命的问题：为什么要养着你们？
2019年5月，张潼离开腾讯。
官方说法是“个人原因”，但行业里的人都清楚——张潼的离职标志着腾讯AI第一代“学术大咖空降”模式的第一个裂痕。张潼之后，AI Lab主任的位置由张正友兼任。张正友同样是微软研究院出身，但他同时负责Robotics X，对AI Lab的投入时间和管理精力自然打了折扣。
张潼不是唯一一个离开的人。2025年底，俞栋离职——这位曾是腾讯AI Lab的招牌人物之一，深度参与过混元大模型的早期研发。同一年，刘威也离开了。
这些人的离开不是突然的。如果你在2023年问腾讯内部的人，他们会告诉你一个共同的观察：AI Lab这些年一直在“失血”。史树明、王珏、黄俊洲、苏丹、翁超——一连串技术骨干的名字，在张正友时代后期相继离职。
每一份离职邮件背后，都是一个清醒的理性判断：在腾讯做AI基础研究，天花板在那儿摆着，与其耗着，不如换个地方。
💡 独思时刻：我用两年的时间观察过十几位从学术圈进入互联网大厂的研究者。我发现一个规律：那些“空降”进来的学术大咖，大约在入职后的第18个月会进入一个“高危期”——最初的蜜月期过了，方法论展示完了，成果转化不如预期，业务部门的耐心开始消耗殆尽。而恰恰在这个时间点上，公司通常不会反思组织本身的设计缺陷，而是会想：“是不是这个人不适合我们？” 于是下一个空降者来了，第18个月的高危期再走一遍。这个18个月周期的故事在大厂反复上演，它反复印证的不是人的失败，而是组织对“研究型人才”这件事的理解出了系统性偏差。
2022年11月30日，OpenAI发布了ChatGPT。
那一天之后发生的事，腾讯的每一个AI从业者都记得清清楚楚。
ChatGPT上线五天注册用户突破一百万，两个月月活过亿——这是互联网历史上用户增长速度最快的产品。整个2023年上半年，全球科技圈像被扔进了一个高速旋转的漩涡。谷歌紧急发布了Bard，微软把GPT能力塞进Bing，百度3月发布了“文心一言”——李彦宏在现场演示时甚至因为产品卡顿而略显尴尬，但至少，他们上场了。
字节跳动呢？2023年8月，豆包正式上线。虽然早期的豆包能力平平，但字节的投入决心是肉眼可见的——弹窗、开屏、短视频信息流里的推荐位，只要能塞的地方，豆包都塞进去了。
而腾讯呢？
2023年上半年的腾讯，几乎是沉默的。
偶尔有媒体问起腾讯的AI进展，得到的回复都是那种滴水不漏的官方口径：“腾讯在AI大模型领域有长期的技术积累，正在有序推进相关研究。”没有任何实质性的信息。3月有报道说腾讯在ChatGPT及AIGC方向有专项研究在推进，但产品呢？没有。
4月，腾讯首次对外披露了混元AI大模型的研发进展——但注意，是“大模型”，不是“产品”。此时的混元集CV、NLP、多模态理解能力于一体，在MSR-VTT、MSVD等数据集上登顶过榜单。 但数据集登顶和产品可用是两码事。
整个2023年，腾讯内部有一个著名的争论：要不要赶在2023年上半年就发布混元？一派认为，必须尽快发布，哪怕是半成品——先站住位置，不让市场形成“腾讯掉队”的认知。另一派认为，腾讯做产品的传统就是不成熟不发布，宁可慢一点，也要保证基础体验。
两派争论的结果，是“慢”赢了。但“慢”的成本是什么？是舆论场上持续被贴上“掉队”“迟钝”“保守”的标签，是员工在朋友圈看到字节的同事晒豆包新功能时那种说不清道不明的失落感。
2023年9月，混元大模型正式亮相。
2024年5月，元宝上线。
距离ChatGPT引爆全球，已经过去了一年半。距离百度发布文心一言，已经过去了一年零两个月。距离字节豆包上线，已经过去了九个月。
比“晚”更让人难受的，是“落后”。
2024年底，一组数据在行业内流传：元宝MAU（月活跃用户）仅211万，同期豆包MAU高达7523万，差距达35倍。
35倍。
如果你在2024年使用过元宝和豆包，你会发现一个直观的差异：豆包给人的感觉是“流畅”的——打开就能用，问题回答得很快，交互界面干净，你不需要费心学习怎么操作。元宝呢？它在某些专业问题的回答质量上并不差，但整体的产品体验总觉得“隔着一层”——响应速度稍慢，交互逻辑稍复杂，有时候你问一个问题，它会给出一大段文字，但你不知道接下来该做什么。
这种差异不是技术能力上的代差，而是产品思维上的代差。字节做豆包的思路是典型的“快迭代、重体验、强运营”——把一个相对简单的产品快速推到用户面前，然后根据用户反馈日复一日地打磨，每次更新都能让你感觉到“变好了”。腾讯做元宝的思路则更像“憋大招”——把模型能力先跑到一个满意的水平，再配套完整的产品功能一起上线。
这两种思路的优劣很难一概而论，但在2024年的市场上，前者赢了。用户不在乎你的模型参数是多少、在哪个榜单上排名靠前，用户只在乎“好用不好用”。而“好用”这件事，是需要用户用出来的——需要真实的对话数据来喂养，需要真实的使用场景来打磨。
字节的豆包每天从数千万用户的真实交互中获取反馈，这个“飞轮”一旦转起来，速度只会越来越快。 而腾讯元宝呢？211万的月活意味着每天可能只有几十万次对话——这个数据量级，想把产品体验迭代起来，周期只能用“月”来算。
更大的差距在API调用量上。2026年3月的数据显示，腾讯元宝的日调用次数约3亿次，日Token量1.2万亿，而豆包的数据是“极高”级别。 如果说C端用户规模还可以用“我们不卷这个”来解释，那API调用量差距反映的就是更底层的问题——开发者选择了谁，生态在向谁靠拢。
腾讯内部不是没有意识到这个问题。
2024年初，腾讯做了一个重要调整：元宝从TEG划入CSIG（云与智慧产业事业群）。 这个调整看似只是组织汇报线的变化，背后的逻辑很清晰——AI不能继续在“实验室”里养着，必须推到业务一线去，让产品和技术在同一张损益表上共担风险、共享收益。同一年，腾讯陆续将QQ浏览器、搜狗输入法、ima等AI产品和应用整合到CSIG，目标是让AI产品团队不再散落在不同事业群，而是统一归口管理。
但这些调整是“治标”的。真正的问题在于，腾讯从2016年AI Lab成立到2024年这八年，AI战略本质上是在两条不同的路上反复摇摆：一条是“技术驱动”的路——相信只要有足够强的技术储备和顶尖人才，AI能力自然能转化为产品优势；另一条是“产品驱动”的路——相信AI必须为产品服务，技术的价值只有在产品中才能体现。
这两条路在腾讯内部从来没有真正统一过。AI Lab走的是第一条路，CSIG走的是第二条路。当混元大模型在技术指标上一点点爬坡时，CSIG的业务团队正在焦头烂额地思考“这个模型到底能卖给谁”。两边的人开会时说的都是中文，但用的其实是两套不同的语言体系。
这个局面一直持续到2025年底到2026年初——直到马化腾在员工大会上说出那番话。
2026年1月26日，腾讯大厦，年度员工大会。
马化腾站在台上，回顾了过去几年的经历。他说到2021年到2023年的行业寒冬，说到腾讯提出“聚焦主业、降本增效、减脂增肌”，说到随后几年公司的恢复增长。
然后他谈到了AI。
他说：“每个企业的基因不同、体质不同，腾讯的风格就是稳扎稳打。”他说ChatGPT和DeepSeek改变了AI发展的进程，但“每个企业穿越周期的节奏不一样，过往业务的长青保证了腾讯在AI上可以长期投入。”
这番话听起来四平八稳，但如果你熟悉马化腾在公开场合的表达风格，你会发现一个微妙的变化：他以前谈AI，更多是“我们也在关注”“这个方向很重要”这种审慎的表态；而这一次，他用了一个词——“长青”。
“长青”意味着确信。确信自己的业务能穿越周期，确信自己有足够的时间来打这场仗。
马化腾在那次大会上宣布了三个方向性的调整：一是补齐基础设施短板，在算力和数据上加大投入；二是大力吸引“业界原生AI人才”，不再是去学术圈挖大咖，而是去找那些在AI工业一线打过仗的人；三是大模型与AI产品一体化统筹，采用“Co-design”的逻辑——模型设计和产品设计同步进行，不再先做模型再找应用。
这三个方向放在一起，其实指向同一个判断：腾讯AI过去的问题是“脱节”的——技术脱离业务、研究脱离产品、人才脱离场景。而接下来的方向，就是把这个“脱节”给缝合上。
就在马化腾讲话的两个月前，2025年12月，腾讯做了一个关键的人事任命：姚顺雨出任“CEO/总裁办公室”首席AI科学家，向腾讯总裁刘炽平汇报。
姚顺雨，1998年出生，清华姚班出身，曾是OpenAI的核心研究员。 他在OpenAI期间深度参与过GPT系列模型的研发，是国内AI行业公认的“业界原生AI人才”——不是在学术圈子里发论文成长起来的，而是在AI工业的最前沿一步步打出来的。
姚顺雨入职后，腾讯的AI组织架构经历了一轮彻底的重组：新成立了AI Infra部（AI基础设施）、大语言模型部，姚顺雨同时兼任这两个部门的负责人。 2026年3月，AI Lab正式撤销——这个标记着腾讯AI起点的部门，在经历了张潼、张正友、蒋杰三任负责人之后，终于走到了终点。
AI Lab的撤销不是一个突然的决定。早在2025年初，AI Lab的定位就已经越来越尴尬——归属模糊、考核机制不清晰、研究方向分散。 它曾经是腾讯AI的“面子”——向外界展示腾讯重视基础研究的姿态。但当腾讯决定不再靠“面子”而是靠“里子”来打AI这场仗时，AI Lab就失去了存在的理由。
AI Lab撤销后，部分人员调整至大语言模型部，加入混元团队，向姚顺雨汇报；部分人员调整至TEG下属的产学研合作中心。 这个安排很能说明问题：基础研究的职能保留了，但不再是独立的部门，而是嵌入到以模型研发为核心的体系中。研究要为模型服务，模型要为产品服务——这条逻辑链终于打通了。
从2016年到2026年，十年时间。腾讯AI走了一个完整的圈：从业务土壤里生长出来的分散AI能力，被整合成一个“高大上”的研究院；然后这个研究院在各种水土不服中挣扎了八年，最终被撤销；人才战略从“引进学术大咖”变成了“培养业界原生AI人才”；组织逻辑从“让AI自由探索”变成了“让AI为产品服务”。
这个圈不是白走的。腾讯在AI上半场付出的最大代价是时间——在字节和百度用产品快速迭代抢占用户心智的这几年，腾讯的AI产品几乎处于“缺席”状态。元宝和豆包之间35倍的MAU差距，不是靠一两个技术突破就能追回来的。用户的习惯一旦养成，切换成本会越来越高。
但这场仗还没有打完。
在2026年1月那场员工大会上，马化腾说了另一句话：“未来人的时间越来越宝贵，帮用户节省时间、提高效率是非常重要的，这也是我们产品可以融入AI来帮忙的一个思考点。”
这句话听起来朴实，但它暗含了腾讯对AI下半场的判断——AI的价值不是做一个更聪明的“聊天对象”，而是帮用户把事办了。而这个判断，恰好指向了腾讯手里那张没人能复制的底牌：微信。
那是另一个故事的开端。但在讲那个故事之前，我们必须先承认一个事实：腾讯AI的这十年，本质上是一个“产品公司”学习如何做“技术”的故事。这个故事里有焦虑，有觉醒，有反复，有代价。它没有那些“降维打击”的爽文桥段，它有的只是一个庞然大物在认清自己之后，终于决定用自己最擅长的方式去打一场仗。
而那个方式，从来都不是“比谁跑得快”——而是“比谁活得久”。
💡 独思时刻：我见过很多人在复盘腾讯AI时说“腾讯就是慢了”。但这个判断太轻了。“慢”不是一个原因，它是一个结果。真正的原因藏在腾讯的组织基因里：这家公司历史上所有成功的产品——QQ、微信、王者荣耀——没有一个是靠“抢先”做出来的，全都是靠“后发”做出来的。微信比米聊晚了一个多月，王者荣耀上线时市场上已经有十几款MOBA手游。腾讯的肌肉记忆就是“观察、打磨、然后用产品体验碾压对手”。但AI这仗不一样——大模型的技术迭代不是靠产品体验微调就能追上的，它需要持续的高密度数据交互，需要真实的用户反馈来喂养模型。而“喂养”这件事，恰恰是“慢”的敌人。腾讯过去十年最深的焦虑，可能不是“技术不够强”——而是发现自己最擅长的打法，在AI这个战场上突然不灵了。
第2章 重构底座——组织、人才与模型的三重变奏
2024年初春，深圳滨海大厦的会议室里，一场关于“元宝该归谁管”的争论刚刚画上句号。会议桌两端，站着两种完全不同的逻辑：一边是TEG（技术工程事业群），他们从2016年AI Lab成立之初就在喂养这颗种子，看着它从实验室走向产品化；另一边是CSIG（云与智慧产业事业群），他们手里捏着客户的账单，知道模型如果不能在一线战场证明自己，就永远只是“技术部的玩具”。
最终，元宝被划入了CSIG。
这个决定在当时看似只是组织架构图上一根线的移动——但回头看，它是腾讯AI从“技术试验田”走向“水电煤基建”的第一块多米诺骨牌。一个组织怎么摆放它的AI团队，比它投入多少亿买GPU更能说明问题。因为钱可以加，人也可以招，但组织一旦定下来，权责、流程、决策链条、资源分配的逻辑，就会像水泥一样凝固，至少凝固一到两年。
腾讯在2024到2026年间，用不到两年时间完成了三次“伤筋动骨”的组织手术。这场手术的核心命题是：把一支由科学家、研究员、工程师、产品经理组成的“兴趣小组”，改造成一支能打大兵团作战的“正规军”。手术的目的地只有一个——让AI从“各家的试验田”，变成“全公司的水电煤”。
2.1 拆墙运动：从“技术试验田”到“水电煤基建”
很多人问过我一个问题：腾讯做AI，缺技术吗？2016年AI Lab成立时，腾讯网罗了张潼、俞栋、刘威等一票学术大咖，论文发得风生水起，计算机视觉、语音识别、自然语言处理各个方向都有布局。缺钱吗？腾讯的账上常年趴着上千亿现金。缺场景吗？微信、QQ、游戏、广告、腾讯云、腾讯文档、腾讯会议——随便拎出一个产品，日活都够让任何一家AI创业公司羡慕到哭。
那为什么2022年底ChatGPT引爆全球之后，腾讯被贴上了“迟钝”“掉队”的标签？
答案藏在一个不起眼的地方：组织。
2023年9月，腾讯混元大模型姗姗来迟。但很多人不知道的是，在混元发布之前的很长一段时间里，腾讯的AI团队是“散装”的——优图实验室做图像，微信智能语音团队做语音，AI Lab做综合研究，机器学习平台部搞算法工程，还有各个事业群自己的AI小组，各自为战。每个团队都有自己的KPI、自己的数据管道、自己的算力预算。当一个团队需要另一个团队的数据时，要走流程、要审批、要协调——在大模型时代，这种“协同成本”是致命的。
💡 独思时刻：我曾和一位从腾讯离职的AI工程师聊过，他说过一句话让我印象极深：“在AI Lab那几年，我最怕的不是模型不收敛，而是找隔壁团队要一份数据要等两周。”这让我意识到，技术公司真正的天花板往往不是技术本身，而是“请求数据的流程”和“买GPU的审批层级”。当一家公司的AI团队把一半精力花在内部沟通上，它对外输出的竞争力就已经打了一半的折扣。所以我认为，判断一家公司的AI战略是否真正觉醒，不要看它发了多少篇论文、招了多少个科学家，去翻它的组织架构调整公告——什么时候“数据部”和“Infra部”开始向同一个人汇报了，什么时候才算真正醒过来。
第一次调整：元宝“搬家”（2024年1月）
2024年1月，腾讯决定将元宝从TEG划入CSIG。这个决定在内部引发了不少争议。
TEG的工程师觉得委屈：元宝从技术原型到可用的产品，是TEG团队一点点打磨出来的，凭什么刚有点样子就被“抢”走了？CSIG的人也有顾虑：一个还在成长期的AI产品，需要大量的算力投入和研发资源，这会挤压CSIG本来就紧张的利润空间。
但站在更高的战略层面，这个调整的逻辑很清楚：AI产品如果一直待在技术工程事业群，它的目标会是“把模型做准”“把指标做高”；只有把它放到云与智慧产业事业群，它的目标才会变成“客户愿不愿意为它买单”“能不能帮企业解决问题”。
学术目标和商业目标之间的差距，往往不是技术问题，而是组织问题。
元宝的“搬家”，标志着腾讯AI正式走出了“实验室供养”的温室。但这次调整只是一个开始——它解决的是“产品去哪”的问题，还没有解决“研发怎么管”的问题。
第二次调整：“收权”行动（2025年12月）
2025年12月，腾讯发布了一则内部公告，宣布新成立三个部门：AI Infra部、AI Data部、数据计算平台部。同时，一位叫姚顺雨的年轻人——1998年出生、清华姚班毕业、曾任OpenAI研究员的27岁“天才少年”——被任命为“CEO/总裁办公室”首席AI科学家，同时兼任AI Infra部和大语言模型部的负责人。
这次调整的信息量很大。三个新部门的职能分工很明确：AI Infra部负责大模型训练和推理平台的技术能力建设，聚焦分布式训练和高性能推理服务；AI Data部负责大模型数据及评测体系建设；数据计算平台部负责大数据和机器学习的数据智能融合平台。
翻译成大白话就是：算力、数据、评测——这三样大模型研发最核心的基础设施，从各事业群“收”回来了，统一归口管理。
在此之前，腾讯的算力是分散的。游戏事业群有自己的GPU集群，广告部门有自己的，云业务有自己的，各个AI团队也有自己的。这种分散带来了两个问题：一是资源利用率不高，A团队的训练任务高峰期算力不够用，B团队的闲置算力却在“睡觉”；二是研发效率低下，不同团队各自搭建基础设施，重复造轮子。
更重要的是，这种分散让腾讯很难“集中力量办大事”。大模型的训练不是“多几个人写代码”就能加速的事——它需要的是大规模、高密度的算力调度和海量高质量数据的统一管理。当你把算力和数据的“水龙头”攥在七八个不同部门手里，想让水流向同一个方向，难度可想而知。
AI Infra部的成立，相当于腾讯把“水龙头”拧到了一个人手里。而姚顺雨同时兼任AI Infra和大语言模型部的负责人，意味着“算力基础设施”和“模型研发”不再分属两个不相干的链条——它们是同一个人的左右手。
第三次调整：“合二为一”（2026年7月）
如果说前两次调整是在“拆墙”，那2026年7月23日的这次调整就是在“统军”。
当天，腾讯宣布将混元大语言模型部与多模态模型部合并，组建基础模型部，由姚顺雨统一负责。此前，混元的大语言模型和多模态模型分属两个独立部门，采用双线并行研发模式。这种模式的好处是各方向可以独立推进，但问题也很明显——语言模型和多模态模型之间的协同效率不高，尤其是在训练数据、评测标准和系统架构层面，经常出现“两张皮”的情况。
基础模型部的成立，宣告了双线分散研发模式的终结。新部门同时覆盖模型结构、数据与训练策略、强化学习、Agent和各类模态，目标是“探索全模态模型的智能上限”。
这是一次“大一统”。从这一刻起，腾讯混元有了一个统一的技术路线、一个统一的指挥中枢、一套统一的研发流程。姚顺雨从一个方向的负责人，变成了整个腾讯基础模型的“总工程师”。
几乎在同一时期，混元多模态理解负责人胡瀚离职创业，前OpenAI研究员田永龙接手了视觉语言模型方向，继续向姚顺雨汇报。一个“姚顺雨核心圈”正在成型。
组织的“暗线”：微信还在“单干”
但需要留意的是，腾讯的“大一统”并非全公司的“大一统”。在混元体系之外，微信团队一直在训练自己的模型WeLM。
2026年，微信开始灰度测试AI助手“小微”。据公开报道，小微的主模型是微信团队自研的WeLM，只有在部分复杂回答场景下才会调用DeepSeek等外部模型——混元并不是小微的唯一底座。
微信为什么要“单干”？这里有一个很现实的经济账。
微信拥有超过14亿月活用户。小微一旦全量开放，哪怕每个用户每天只发起几次请求，Token的消耗量都会是一个天文数字。大模型应用有一个传统互联网产品很少遇到的尴尬：用户越活跃，推理成本越高。产品越成功，算力账单就越吓人。
微信又很难在每次对话旁边放一个收费按钮。AI助手在相当长的时间内会是一项免费功能，收入的回收路径并不明确。
在这种约束下，微信需要的模型首先要“稳定、便宜、懂微信”，够用往往比“榜单第一”更重要。WeLM针对中文内容、公众号、小程序和微信操作做了专门优化，采用了更节约算力的架构；碰到复杂推理任务时，再调用能力更强的外部模型来处理。这种“模型路由”的设计，本质上是在“体验”和“成本”之间找一个可以接受的平衡点。
所以，腾讯的组织调整形成了一种微妙的双层结构：混元体系内部越来越集中，姚顺雨负责把通用能力追到第一梯队；但具体业务部门——尤其是微信这样的“超级入口”——仍然保留自主权，可以训练自己的模型，也可以从外部采购更合适的方案。
这种结构有“赛马”的意味，但也反映出腾讯的一个核心判断：在AI时代，单一模型很难满足所有场景的需求。微信需要为14亿用户负责，它的模型选择首先是成本决策，其次才是技术决策。
2.2 新王当立：姚顺雨与“原生代”的登场
2025年9月，一则传闻在AI圈炸开了锅：OpenAI前研究员姚顺雨以“上亿薪资”入职腾讯。腾讯官方很快辟谣，说“上亿薪资”不实。但真正让业界关注的，不是钱，而是一个27岁的年轻人——1998年出生，清华姚班毕业，普林斯顿计算机博士，2024年才加入OpenAI——为何能空降成为中国互联网大厂AI的一号位？
谁是姚顺雨？
姚顺雨的履历，放在任何一个语境下都堪称“天才模板”。
清华姚班，全称“清华大学计算机科学实验班”，由世界著名计算机科学家姚期智院士于2005年创办。姚班的招生标准极为苛刻，每一届只有几十名学生，培养目标是“世界顶尖的计算机科学及交叉创新人才”。姚顺雨在姚班期间担任过联席会主席，还是清华大学学生说唱社的联合创始人——一个会写代码、会搞科研、还会玩说唱的年轻人。
之后他进入普林斯顿大学攻读计算机博士学位。在博士期间，他提出了“思维树”（Tree of Thoughts）框架——一个改进大语言模型决策能力的重要方法——还构建了CoALA模块化认知架构。这些工作为他后来在智能体（Agent）领域的研究打下了基础。
2024年，姚顺雨加入OpenAI，参与了智能体产品Operator和Deep Research的开发，是这两个项目的核心贡献者。2025年5月，《麻省理工科技评论》“35岁以下科技创新35人”（TR35）中国区名单发布，27岁的姚顺雨成为最年轻的入选者。
如果只看这些，你可能会觉得这又是一个“天之骄子”的故事。但真正让腾讯下定决心把AI的“方向盘”交给他的，不是他的论文数量或奖项，而是他在2025年说过的一句话。
“AI发展分上下两个半场，”姚顺雨在一次公开讨论中谈到，“上半场以模型和方法为中心，核心是构建模型和训练方法；下半场重点转向解决实际问题——如何定义有现实意义的任务、如何有效评估AI系统的表现。”
这句话精准击中了腾讯AI上半场的命门。
从2016年到2024年，腾讯AI一直在“上半场”打转——引进学术大咖、发表顶级论文、追求技术指标的领先。但问题是，这些学术成就并没有很好地转化为产品竞争力。张潼来了又走，俞栋来了又走，AI Lab成立十年最终被撤销——不是因为这些科学家不够优秀，而是腾讯一直没有想清楚：AI研究院到底要为公司的“下半场”做什么准备。
姚顺雨的“下半场论”给出了一个清晰的回答：模型能力只是起点，如何把模型能力变成解决实际问题的工具，才是真正的战场。而“解决实际问题”这件事，需要的不只是算法研究能力，还需要系统工程、产品设计、评测体系、数据流程等一系列“非学术”能力的协同。
这可能正是腾讯选中他的原因——腾讯不缺会发论文的人，但缺一个能把“论文”变成“产品”的工程统帅。
人才战略的范式转移
姚顺雨的上任，标志着腾讯AI人才观的一次根本性转变。马化腾在2026年1月的员工大会上把这种转变总结为四个字：“养根”策略。
什么是“养根”？
腾讯过去十年在AI领域的人才策略，可以概括为“摘果”——哪个领域缺人了，就去市场上挖一个成熟的大咖。张潼来自百度研究院，俞栋来自微软研究院，刘威来自IBM沃森，张正友来自微软视觉技术团队。这套策略在移动互联网时代很管用——产品经理和工程师的成熟度可以快速复制，挖一个人就能搭起一个团队。
但大模型时代不一样了。这个领域的核心技术栈——Transformer架构、MoE（混合专家）架构、RLHF（基于人类反馈的强化学习）、分布式训练框架——都是近几年才成熟起来的。真正“从0到1”做过大模型训练全流程的人，全球加起来可能都不超过几千人。市场上没有那么多“成熟果实”可以摘。
“养根”的意思，是腾讯开始自己培养能做大模型全流程研发的人。
2025年4月，腾讯宣布启动“史上最大就业计划”：三年内新增2.8万个实习岗位，2025年校招实习生1万人，其中60%的岗位面向技术人才开放。腾讯还推出了“青云计划”招聘专项，将大模型作为投入力度最大的领域，职级薪酬“上不封顶”。
这套做法和“摘果”时代最大的区别在于：腾讯不再指望招一个“完人”来解决问题，而是愿意花时间培养一批“半成品”，让他们在实战中成长。一个在腾讯实习过的计算机系学生，经过两年大模型训练项目的历练，可能比一个空降的学术大咖更懂腾讯的业务场景和数据特点。
“养根”还有一个隐含的好处：年轻人的培养成本更低，但忠诚度更高。一位在腾讯做过大模型训练的工程师后来和我聊过，他说：“刚来的时候觉得腾讯挺慢的，训练框架三天两头出问题。但后来慢慢发现，这些问题解决的过程本身就是最好的学习——你踩过的坑越多，以后别人踩坑的时候你越知道怎么救。”
“姚顺雨效应”
姚顺雨入职后，腾讯的AI人才引力场肉眼可见地增强了。
2026年7月8日，前OpenAI研究员、姚顺雨在OpenAI的前同事田永龙加入腾讯大语言模型部。田永龙的研究方向是视觉模型及多模态表征学习，他的加入被外界解读为“为下一代混元多模态模型提供技术支撑”。
几乎同一时期，腾讯从字节跳动Seed团队引进了肖学锋、张弛等技术骨干，重点加强训练基础设施方向。
这些人才的加入形成了一个清晰的链条：姚顺雨→田永龙→更多前同事和业界骨干→新一代“腾讯系”AI人才。顶尖人才是“磁石”，当他们聚在一起，就会形成更强的吸引力。当一个团队的“人才密度”高到一定程度时，外面的人想进来，里面的人不想走，这就是所谓的“飞轮效应”。
但这种“人才飞轮”的代价也不低。据多家财经媒体报道，腾讯2025年在AI方向的投入约180亿元，2026年计划翻倍；仅2026年第一季度单季资本开支就达到319亿元。
这是一场豪赌。赌的是：姚顺雨这代“原生代”人才，能否带领混元从“追赶者”变成“定义者”。
AI Lab的终结：一个时代的句号
2026年3月20日，腾讯内部发布了一则通知：成立近十年的AI Lab被撤销。部分人员调整至大语言模型部，加入混元团队，向姚顺雨汇报；部分人员调整至TEG下属的产学研合作中心。
没有对外说明，没有告别致辞。一个“时代”就这么安静地结束了。
AI Lab成立于2016年，定位为“集团级基础研究机构”，覆盖计算机视觉、语音识别、自然语言处理与机器学习等方向。它曾经是腾讯AI的“门面”——论文发表在顶级会议，技术服务于微信、QQ、游戏等核心业务，还研发了棋牌AI“绝艺”和游戏AI“绝悟”。
但它的问题也一直存在。据《财经》报道，有内部人士透露，“之前就一直有AI Lab要调整的消息，因为这个部门的归属、如何考核、到底应该往哪个方向去研究等问题长期存在。过去很长一段时间，AI Lab的人员也感觉比较模糊。”
AI Lab的撤销不是腾讯独有的现象。过去一年，国内主要互联网公司在AI组织架构上呈现出相似的趋势：字节跳动的AI Lab体系逐步整合进Seed团队，阿里的通义体系被纳入Token事业群结构。大厂们不约而同地在做一件事：弱化“实验室”模式，强化“模型研发大平台”模式。
💡 独思时刻：我注意到一个有趣的现象——2024年到2026年之间，几乎所有中国互联网大厂都撤销了或大幅缩减了独立的AI研究机构。字节的AI Lab并入了Seed，阿里的达摩院AI团队被拆散重组，腾讯的AI Lab也消失了。同步发生的一个“反常识”现象是：这些公司的AI论文发表数量不但没有下降，反而在一些应用领域有所上升。这让我意识到一个被很多人忽略的事实——基础研究并不一定需要独立的“实验室”才能生存。当AI从“研究课题”变成“生产力工具”之后，最好的研究场景不是远离业务的象牙塔，而是和产品、工程挤在一起的“战壕”。事实上，大模型时代的很多突破——比如Transformer、RLHF——都不是传统意义上的“实验室研究”，而是来自产品驱动的技术探索。所以我认为，“撤销AI Lab”不等于“放弃研究”，它只是把研究放到了离战场更近的地方。
AI Lab的消失，标志着腾讯AI从“学术探索时代”进入了“产品工程时代”。在“学术探索时代”，AI的价值是“发论文、做技术储备”；在“产品工程时代”，AI的价值是“解决问题、创造收入”。
姚顺雨和他代表的“原生代”人才，就是这个新时代的“施工队长”。
2.3 模型进化：混元的“推倒重来”
组织架构调整和人才换血，最终都要落到一个硬指标上：模型能不能打。
2023年9月，腾讯混元大模型首次亮相时，业界评价是“中规中矩”——能做对话、能生成文本，但和百度的文心一言、阿里的通义千问相比，没有明显优势。和OpenAI的GPT-4相比，差距就更明显了。当时有媒体把混元排在“国内大模型第二梯队”，这其实是客气的说法——如果按综合性能排名，2023年底的混元能不能进前五都是个问题。
接下来的两年，混元经历了一次实质上的“推倒重来”。
从T1到Hy3：技术路线的“换道”
混元最早期的版本沿用的是“稠密模型”路线——也就是“全参数全激活”的模式，每次推理都要调动模型的所有参数。这种模式的优点是简单、可控，缺点是随着参数规模的扩大，推理成本会急剧上升。当模型参数从百亿级涨到千亿级、万亿级，稠密模型的推理成本会让任何商业场景都“算不过账”来。
2024年开始，混元团队做出了一个关键的技术路线切换：从稠密模型转向MoE（混合专家）架构。
MoE的核心思想是“稀疏激活”——模型内部有几十甚至几百个“专家模块”，每次推理时只激活其中的一小部分，而不是全部。打个比方，稠密模型像一家公司开会时所有部门都要派人参加，MoE则像“谁有事谁参会”——决策效率更高，成本更低。
2025年底到2026年初，混元Hy3正式发布。根据腾讯在Hugging Face上公开的技术文档，Hy3的总参数量为295B（2950亿），但激活参数只有21B（210亿）。这意味着，虽然模型“记住了”近3000亿个参数，但每次推理实际调动的是“其中最具相关性的几十亿参数”。这种架构让Hy3在同等参数量下性能领先，并“比肩参数规模达其2至5倍的旗舰模型”。
更重要的是，Hy3采用了“快慢思考融合”的设计。日常对话使用“快思考”模式直接响应，复杂任务——比如数学证明、编程、深度推理——则切换到“慢思考”模式，让模型有足够的时间“想一想”再回答。这种设计模仿了人类大脑的工作方式：你不会用解微积分题的方式去回答“今天天气怎么样”。
“快慢思考融合”听起来简单，实现起来却很复杂。它要求模型在同一套参数架构下支持两种完全不同的推理模式——这需要在训练阶段就对两类任务做精细的数据配比和强化学习调优。
2026年7月，Hy3正式版上线。成绩单相当亮眼：上线首周，总调用量较上一代Hy2增长超过68倍；在WorkBuddy自选模型的用户中，有60%选择了Hy3。
多模态：被低估的“另一条腿”
很多分析腾讯AI的文章把注意力都放在了大语言模型上，但混元在多模态方向上的布局其实更早、也更深。
腾讯优图实验室从2012年就开始做计算机视觉研究，在图像识别、人脸识别、OCR等领域积累了深厚的技术储备。这些能力在混元时代被整合到了“多模态模型”的框架下。
2026年4月，腾讯发布并开源了混元3D世界模型2.0（Hy World 2.0）。这个模型支持文本、图片、视频等多类型输入，可以自动生成、重建和模拟3D世界，并且兼容多种格式的3D资产导出，能够和现有游戏工作流“无缝对接”。截至2026年7月，混元3D系列在开源社区的总下载量超过300万，成为全球最受欢迎的3D开源模型之一。
同期，混元图像模型3.0在LMArena榜单中位居国内开源模型第一。
多模态能力的突破，对腾讯的战略意义不亚于语言模型的进步。因为腾讯的核心业务——游戏、视频、广告、社交——大量涉及图像、视频、3D内容的生成和处理。一个“只能聊天的AI”对腾讯来说意义有限，但一个“能理解图像、能生成3D资产、能辅助游戏开发的AI”，可以直接嵌入腾讯的“生产流水线”。
💡 独思时刻：有一件事我印象很深。2026年初，我在深圳和一个做游戏美术的朋友吃饭，他说他们工作室已经开始用混元3D模型来生成“概念设计阶段的草图”了。以前一个场景的概念设计，美术师要画两三天，现在用AI生成初稿，美术师再精修，半天就能搞定。他说这话的时候语气很平淡——“就是工具嘛”。但这个平淡让我意识到一件事：当AI从“新闻里的技术突破”变成美术师嘴里“就是工具嘛”的时候，它才算真正“落地”了。腾讯最擅长的从来不是做出“最先进”的东西——它擅长的是把“先进”变成“人人可用、用了不觉得神奇”的东西。对AI来说，从“神奇”到“平常”的这一步，可能比从“落后”到“领先”更难走，也更值钱。
“信心越来越足”
2026年初，马化腾在公司年会上谈到混元时说了一句话：“新的模型训练出来后，信心越来越足。”
这句看似平淡的表态，放在腾讯AI的语境里分量很重。过去十年，腾讯在AI领域的对外表态一直很“克制”——从2017年马化腾坦承“相比百度还是落后”，到2023年混元发布时的“谨慎乐观”，再到2024年元宝上线后的“低调行事”。腾讯的风格向来是“做不到的不说，做到了也不用说得太大声”。
“信心越来越足”这几个字，意味着混元团队在技术路线上找到了“手感”。
这种“手感”来自于Hy3在真实业务场景中的验证。前面提到，Hy3在WorkBuddy上线后，用户自选比例达到60%。这个数字背后的含义是：用户在用真金白银的“选择”投票。如果Hy3不够好用，用户完全可以在WorkBuddy里切换到其他模型——但他们选择了Hy3。
另一个信号来自内部。腾讯在2026年5月的业绩电话会上披露，混元新模型发布后，公司内部Token调用量较前代提升了约十倍，已经接入131款产品。131款产品——这意味着混元正在从“AI Lab的一个项目”变成“腾讯整个产品生态的动力引擎”。
从“全面拥抱DeepSeek”到“自研信心回归”，这条路腾讯走了两年。
2025年初，DeepSeek在国内走红后，腾讯迅速在元宝、微信搜一搜、ima等多个产品中接入了DeepSeek。当时有分析认为，这是腾讯“放弃自研、全面拥抱开源”的信号。但汤道生在2025年3月的腾讯全球数字生态大会上说得明白：“一方面坚定不移地推进大模型的全链路自研，另一方面，也积极拥抱先进的开源模型，让用户针对不同场景自由选择。”
“两条腿走路”的务实策略，让腾讯在自研模型不够强的时候不至于“裸奔”，同时也给自研团队争取到了宝贵的追赶时间。
到了2026年7月Hy3正式版发布，混元已经不再是“备胎”。腾讯方在公开表态中明确，“Hy3已展现出显著强于同尺寸模型、并能比肩参数规模2到5倍旗舰模型的智能水平”。从“双轨并行”到“自研主导”的切换，正在悄然发生。
2.4 双轨策略：“自研+开源”的务实路线
在谈论腾讯的AI战略时，一个绕不开的话题是它和DeepSeek的关系。
2025年初，DeepSeek在国内迅速走红。它用相对低的训练成本和开源策略，做出了可以和GPT-4掰手腕的效果，引发了整个中国AI行业的“地震”。腾讯的元宝在接入DeepSeek后，一周内日活跃用户增长了约10倍。
这个数字让腾讯内部既兴奋又尴尬。
兴奋的是，DeepSeek确实能“带量”——用户会因为一个好用的模型而涌入你的产品。尴尬的是，元宝在接入DeepSeek之前的日活增长曲线并不好看——不是产品设计的问题，而是底层的混元模型在推理深度、代码能力、复杂任务处理等方面和DeepSeek确实有差距。
腾讯的选择是：不纠结。
2025年3月，汤道生在腾讯全球数字生态大会上首次系统阐述了腾讯的“双轨策略”：“腾讯一方面坚定不移地推进大模型的全链路自研，另一方面，也积极拥抱先进的开源模型，让用户针对不同场景自由选择，满足各自对场景与性价比的要求。”
这番话的潜台词很明确：腾讯不会因为“面子”问题而拒绝外部的好模型。在AI这个领域，“用别人的技术”和“自研技术”之间没有道德高下之分，只有效率之别。
“双轨”的成本
但“双轨策略”不是没有代价的。
第一重代价是战略上的。当一个超级入口——比如元宝、微信搜一搜——同时支持自研模型和外部模型，用户的选择会倒逼内部竞争。如果用户更频繁地选择外部模型，自研团队的“存在感”就会被稀释。一位接近腾讯AI的人士曾对媒体表示，“元宝早期阶段，混元曾派出后训练最强的一批骨干，先去帮元宝适配DeepSeek”。这个说法很微妙——它说明在那个阶段，混元自己的底座还没有完全Ready，需要先帮产品“接入更好的模型”来保住用户。这对自研团队来说，是一种“即时的羞辱”，也是一种“现实的清醒”。
第二重代价是经济上的。外部模型的调用不是免费的。越是好的开源模型，推理成本就越高。当元宝、微信搜一搜、ima等产品把DeepSeek作为主力模型之一，调用量越大，腾讯需要支付的推理算力费用就越高。据华源证券研报分析，这种模式会“挤压毛利空间”。与此同时，腾讯还要继续投入巨资训练混元——这是一种“双份投入”：一边为外部模型付推理费，一边为自己的模型付训练费。
第三重代价是产品层面的“锁定风险”。如果腾讯的产品生态长期依赖DeepSeek或任何外部模型，就会在技术路线上受制于人——对方改变许可证条款、调整定价策略、甚至退出中国市场，都会直接影响腾讯产品的竞争力。
所以，“双轨策略”从一开始就被设计为一个“过渡方案”——它的目标是让腾讯在自研模型成熟之前不掉队，但最终还是要回到自研主导的轨道上来。
从“双轨”到“自研主导”
Hy3的发布，为这个“过渡”画上了一个阶段性的句号。
2026年7月，Hy3正式版在WorkBuddy、CodeBuddy、元宝、Marvis、ima等多款产品中上线，API同步上线腾讯云TokenHub及多个海外平台。在WorkBuddy的用户自选模型中，Hy3的选择比例达到60%。
60%这个数字是一个转折点。它意味着在WorkBuddy这个具体的产品场景里，Hy3已经超过了所有外部模型（包括DeepSeek）的总和。用户在用“选择”投票，而不是腾讯在用“强制”推动。
从“自研不如开源”到“自研和开源并行”再到“自研在某些场景下优于开源”，腾讯走完了这个“三步台阶”。
但“自研主导”不等于“抛弃开源”。腾讯内部至今仍然保持着“混元+DeepSeek”的多模型路由策略——在一些需要极致推理深度的场景，DeepSeek仍然是备选方案之一；在一些对成本高度敏感的场景，微信团队自研的WeLM则是一个更经济的选项。
这种“多模型共存”的格局，可能比“单模型通吃”更接近AI应用的未来。没有哪一个模型能在所有任务、所有场景、所有成本约束下都是最优解。未来的AI产品大概率会采用“模型路由”——根据不同任务自动选择最合适的模型，就像一个调度中心，知道什么时候派“特种兵”（大参数量旗舰模型）上阵，什么时候派“常规部队”（小参数量经济模型）就够了。
💡 独思时刻：我注意到一个有趣的现象：2025年到2026年，几乎每一场关于“大厂AI战略”的讨论都会提到“自研vs开源”的二元对立。仿佛选择自研就是“有志气”，选择开源就是“没底气”。但我越看越觉得这个框架本身就是错的——它把技术选择变成了“站队”。腾讯的实际做法给我一个很强的启发：在技术快速迭代的时期，最危险的其实不是“用了别人的技术”，而是“为了证明自己能行而拒绝使用更好的技术”。AI领域的技术竞赛不是百米冲刺，而是马拉松——在补给站喝一口别人的水，并不会让你输掉比赛。真正让你输掉比赛的，是在别人已经跑远的时候，你还留在原地证明“我也有水”。
组织整合完成后的“下一题”
从2024年1月元宝划入CSIG，到2025年12月AI Infra部等三个部门成立，再到2026年7月大语言模型部与多模态模型部合并为基础模型部——腾讯AI的组织重构在两年内基本完成。
这套新的组织架构有几个清晰的特征：
第一，研发集中化。 算力、数据、评测三大基础设施统一归口，模型研发不再分散在各个事业群各自为战。姚顺雨作为“总工头”，同时管着Infra、大语言模型和基础模型部，从基础设施到模型架构再到训练策略，形成了一条完整的指挥链。
第二，产品自主权保留。 在集中化的同时，微信等核心业务仍然保留了自己的模型研发能力。这种“中枢集中、末端灵活”的结构，让腾讯不至于在“大一统”中失去业务敏捷性。
第三，评测体系补位。 姚顺雨入职后，腾讯同步推出了CL-bench评测框架，补齐了过去在“模型评测”上的短板。大模型研发有一个“隐藏的学问”——你很难靠内部团队的自我感觉来判断模型好坏。一个系统化的评测框架，相当于给模型研发装上了“仪表盘”——让每一次迭代的效果变化都是“可衡量”的。
但这套架构也留下了一个“下一题”：当混元的能力和推理成本都足够好之后，微信是否还有必要继续养一套WeLM？如果答案是否定的，那意味着腾讯AI的“大一统”还要再走一步——把微信这个超级入口也纳入混元的底座之上。如果答案是肯定的，那意味着腾讯要接受“多条技术路线长期并行”的状态——一个集团养两套甚至更多的模型团队，资源利用率可能永远达不到最优。
这道题的答案，可能要等到2027年甚至更晚才会揭晓。
但在2026年7月这个时间点上，一个事实已经清晰：腾讯AI用不到两年的时间，完成了一场从“组织松散、人才错配、模型落后”到“组织统一、人才换代、模型追赶”的“底座重构”。这个底座是否足够坚固、能否撑起腾讯AI下半场的“超高层建筑”，需要时间去验证——但地基已经打完了。
接下来的问题是：在这个新底座之上，腾讯要盖一栋什么样的楼？是继续在别人的赛道里追赶，还是另辟蹊径，走一条只有腾讯能走的路？
答案是微信。而微信智能体的故事，是下一章的内容。
第3章 定义未来——微信生态与AI的终极融合
2026年7月的一个下午，深圳南山科技园的一间茶室里，一位在腾讯工作了十年的老朋友跟我说了一句话，让我琢磨了很久。
他说：“你知道过去两年我最怕什么吗？不是怕字节把用户抢走，也不是怕阿里把商家拉拢。我最怕的是——有一天早上醒来，发现自己手上的微信，不再是一个‘操作系统’，而是一个App。”
这句话的分量，只有真正理解微信在中国互联网生态中地位的人才能掂量出来。
移动互联网时代的“超级App”，本质上是操作系统之上的操作系统。微信通过小程序，把原本需要下载、安装、注册的App们，压缩成了一行行代码；通过支付，把现金和银行卡变成了聊天框里的一个红包；通过公众号和视频号，把内容生产者的阵地从网页搬到了对话框旁边。14亿人每天在这个虚拟空间里生活、工作、消费、社交——与其说微信是一个App，不如说它是一个数字社会的基础设施。
但AI来了之后，这个“操作系统”的地位正在被釜底抽薪。
当用户可以直接对着一台手机说“帮我订一张去上海的机票，要靠窗的，下午三点以后”，手机里那个AI助手会怎么做？它可能打开携程的App完成操作，也可能打开支付宝里的小程序，甚至可能直接调取一个网页服务。微信在这个过程中，如果没有被“调用”，就只是一个消息通知的通道——用户只在收到“出票成功”的推送时才想起来打开它。
这才是腾讯AI战略最核心的焦虑所在：移动互联网时代，微信是那个“调度中心”；AI时代，如果调度中心变成了手机操作系统、变成了豆包、变成了千问，那微信就退化成了一块“被调用的面板”。
所以，2026年微信AI智能体“小微”的灰度测试，本质上不是一次功能更新，而是一场关乎微信生死存亡的“底层重构”。这不是在微信上加一个AI聊天机器人，而是让微信从一个“人操作的应用”，变成一个“AI能操作的服务平台”。
这场重构的胜负，将决定腾讯是继续坐在中国互联网的牌桌上，还是退居二线。
3.1 C端困局：元宝vs豆包，一场打不赢的正面战
先看一组数字。
2026年第一季度，字节跳动的豆包月活用户达到3.45亿，阿里的通义千问1.66亿，腾讯的元宝5735万。六倍差距。
这个数字放在2026年7月来看，其实已经比半年前好看了。2025年底，元宝的月活只有211万。腾讯在2026年春节砸了10亿元做红包拉新活动，一度把元宝的日活推上5000万——但活动结束后迅速回落到1800万，跌幅高达64%。10亿元换来的，是一个多月后只剩1800万的日活。这不是什么“短暂爆发后的正常回落”，这是花钱买了一堆用完即走的“一次性用户”。
而豆包是怎么做到3.45亿月活的？
据行业内部分析，豆包是字节历史上投流成本最低的破亿产品。字节没有用惯常的买量打法去喂养豆包，而是把流量打法压了下来，让产品靠口碑和垂类内容运营自己生长。这种克制背后是一个判断：AI产品的核心留存来自使用习惯，买来的用户留不住。元宝花掉的150亿（2025年全年广告投流规模），买来了短期的数据峰值，但没有买来真正意义上的用户粘性。
更有意思的是：2026年6月，元宝的下载量已经跌到800万以下，而千问和豆包分别是2700万和2500万。元宝在独立AI App赛道上，已经从“追赶者”变成了“掉队者”。
我2026年4月在北京参加一个产品经理的闭门会，一位从字节跳槽到腾讯的AI产品负责人跟我说了一段话，让我印象很深。他说：“我刚来腾讯的时候，觉得微信这个流量池简直是黄金。随便在微信里放一个入口，导流过去就是几百万日活。干了半年才发现——微信里导过来的用户，跟豆包上自然来的用户，不是同一类人。前者是‘被你拉来的’，后者是‘自己找来的’。留存率差三倍。”
💡 独思时刻：我在跟踪腾讯AI产品线这两年，最大的体悟是：流量思维和AI产品思维之间，隔着一道很难跨过去的墙。移动互联网时代，流量是“资源”——你把用户拉到你的产品里，他就留下来了，因为有内容、有社交、有交易场景在“锚定”他。但AI时代，流量是“消耗品”——用户来了，问一个问题，得到答案，就走了。你没有给他一个“留下来的理由”。微信红包当年能成功，是因为用户发完红包之后还要继续聊天、继续社交；元宝红包发完之后，用户没有任何理由打开元宝第二次。一个没有“使用场景锚点”的AI产品，给再多流量也是白给。这不是腾讯一家的问题，这是所有试图用“流量灌溉”做AI产品的公司都要面对的根本困境。
腾讯管理层显然也意识到了这一点。2025年底，腾讯明确提出了AI战略的核心转向：“不盲目打造纯原生AI应用，主打AI赋能现有产品”。翻译成大白话就是：不在别人的主场打价格战。
元宝的定位也随之调整——从“对话助手”升级为“任务交付工具”。2026年上半年，元宝上线了直接生成PPT、Word、Excel等文件的能力。这意味着元宝不再试图跟豆包比谁更“会聊天”，而是转向一个更务实的路径：成为一个“能干活”的工具。
但这个转向又带来了新的问题。如果元宝的核心价值是“干活”，那它和WorkBuddy之间的边界在哪里？一个做C端任务交付，一个做B端工作流——但很多“干活”的场景是重叠的。比如你要做一个PPT，在元宝里能做，在WorkBuddy里也能做。两个产品之间是协同还是竞争？
据腾讯内部人士透露，2026年上半年，元宝和WorkBuddy团队之间有过多次关于“定位划界”的讨论，但最终没有达成清晰的边界划分。这种“内部赛马”在腾讯历史上不罕见——微信和QQ曾经也赛过，王者荣耀和全民超神也赛过——但AI时代的赛马成本比移动互联网时代高得多。每一匹马都要消耗巨额的推理算力，每一匹马的失败都意味着不可逆的时间窗口流失。
所以，元宝的C端困局，本质上不是“一个产品做砸了”的问题。它是腾讯AI战略在C端独立App赛道上的缩影：流量灌不进去、模型不够领先、定位不够清晰。与其在别人的主场硬拼，不如把主战场拉回到自己的地盘。
而自己的地盘，就是微信。
3.2 微信智能体：14亿用户的“超级执行器”
2026年6月8日，微信发布了一份开发者指引，标题很平淡——《关于开发者接入微信AI生态的指引》。但在中国互联网圈，这份文件引发的震动堪比2017年小程序上线。
指引的核心内容是一句话：微信向开发者开放AI调用能力，用户可以通过微信AI Agent直接调取小程序完成交易和服务。
这意味着什么？意味着当你说“帮我叫一辆滴滴去机场”，微信AI Agent可以直接调用滴滴小程序完成叫车，全程不跳转；当你说“点一份美团外卖”，系统可以根据你的位置、口味偏好、历史订单，自动推荐餐厅并完成下单；当你说“订一张去北京的高铁票”，携程的AI Agent会接过指令，完成查询、比价、预订的全流程。
微信不再满足于做一个“App的容器”，它要成为AI时代的“服务调度中心”。
这个战略的底牌，是小程序生态。
截至2026年3月，微信小程序整体月活达9.73亿。数百万个小程序覆盖了从点餐、打车、订酒店到政务办理、医疗挂号、教育培训几乎所有生活服务场景。这些小程序不是微信“自己做的服务”，而是微信“能调用的服务”。在移动互联网时代，用户需要自己打开小程序、点击按钮、填写表单来完成操作；在AI时代，用户只需要说一句话，Agent替他完成所有操作。
这就是微信AI Agent的核心逻辑：不是做一个更聪明的聊天机器人，而是让AI成为“能调用微信生态内所有服务”的执行器。
技术路线上，微信AI Agent走了一条与主流竞品完全不同的路径。
字节豆包和阿里千问采用的是“视觉模拟”模式——AI模拟人类操作，在屏幕上点击、滑动、输入，像一个人在使用App。这种模式的好处是适配成本低，不需要App开发者做任何改造；但坏处也很明显：不稳定，App界面一改就失效；速度慢，模拟点击比API调用慢几倍；无法做复杂操作，多步骤任务容易卡壳。
微信AI Agent走的是“API-First”路径——小程序开发者主动把服务能力封装成AI可调用的API接口，Agent通过API直接完成交易闭环。速度快、稳定性强、能做复杂任务，但前提是“开发者必须主动接入”。
这个前提，恰恰是微信最大的护城河。
2026年6月8日指引发布后的24小时内，美团、滴滴、京东、携程、同程、途虎养车、肯德基等头部品牌先后宣布接入。这不是微信去“说服”的结果，而是品牌方主动抢着上船。原因很简单：在14亿用户的注意力战场上，谁先被微信AI“优先调用”，谁就相当于在微信里获得了一个比小程序入口更前置的“超级入口”。
京东的案例尤其值得细看。
2014年，京东与腾讯达成战略合作，微信给京东开放了“发现-购物”一级入口。这个合作持续了整整11年。2025年9月，这个入口关闭，业内普遍解读为“流量入口解绑”。但不到一年后，京东又以首批内测团队的身份接入微信AI生态。这一次，京东要的不再是“一个入口”，而是“被AI优先调用的权利”。
从“入口”到“调用权”——这两个词的变化，折射的是整个互联网权力结构的迁移。入口是给“人”用的，调用权是给“AI”用的。当用户不再需要自己去点开京东App、搜索商品、比价、下单，而是直接对AI说“帮我买一部手机”，谁家的AI能最先接到这个指令、谁家的服务能最先被推荐，谁就掌握了交易链路的源头。
如果说小程序是微信在移动互联网时代的“操作系统扩展”，那微信AI Agent就是微信在AI时代的“服务调度中枢”。前者让微信能“运行”各种服务，后者让微信能“指挥”各种服务去完成任务。
更让人细思极恐的一步，是微信与手机厂商的A2A（Agent-to-Agent）合作。
2026年6月，微信被曝出正与华为、荣耀、小米、OPPO、vivo等手机厂商合作，让厂商的AI助手可以直接调用微信能力。荣耀YOYO已首批完成适配，旗下50%的活跃设备支持该功能。具体来说：不是让手机AI助手模拟点击微信界面，而是由厂商AI助手向微信发出结构化指令，微信自己执行并返回结果，全程采用双重授权机制——微信始终握着执行权和风控权。
这套机制意味着什么？意味着微信正在从一个“超级App”，变成一个“跨操作系统的服务能力池”。无论你用华为的鸿蒙、小米的澎湃还是vivo的OriginOS，当你对手机说“给张三发个微信红包”，指令会被转发给微信的AI Agent，由微信自己完成执行——就像微信把自己的API接口开放给了所有手机厂商。
这是比小程序更“底层”的一步棋。小程序是在微信内部构建生态，A2A是在操作系统层面嵌入微信的服务能力。当微信的能力被“预装”在每一台手机的AI助手里，它就不再是一个你“打开”的App，而是一个你“天然拥有”的服务层。
💡 独思时刻：2017年小程序刚出来的时候，很多人说微信要做“操作系统之上的操作系统”。当时我不太理解这句话的深意——直到2026年看到微信A2A与手机厂商的合作，我才真正明白张小龙当年那句话的意思：“小程序是让用户‘用完即走’。”这句话的反面是——用户走了没关系，因为服务还在微信里。AI时代这个逻辑升级了：用户甚至不需要“走”进微信，AI替他走了。微信要做的，不是让用户留在微信里，而是让所有AI都绕不开微信。这种“隐身的生态控制力”，比任何日活数据都更难被复制。
当然，微信AI Agent仍面临诸多挑战。
首先是技术层面的“半成品”问题。据参与灰度测试的100万用户体验反馈，“小微”目前仍处于打磨阶段——点外卖需手动核验收货地址、图片编辑偶发形变失真、无法主动推送信息。一位用户在实测中要求小微“每天定时发送一份隔夜的科技新闻集锦”，小微回复“没有主动执行的能力”。这距离“全自动执行器”的目标还有相当距离。
其次是隐私与权限的边界。微信AI Agent需要读取聊天记录、联系人、支付信息等核心隐私数据才能完成“帮用户执行任务”。灰度测试中，几乎每一步执行都需要用户手动确认——确认是否发消息、是否转账、是否授权位置。这种“半自动”体验虽然在保护用户隐私方面是必要的，但也让“效率提升”打了折扣。有用户实测后感慨：“自己动手操作可能比让小微一步步确认还要快。”
第三是模型能力的瓶颈。灰度测试中小微背后的主模型是自研的WeLM，同时调用DeepSeek模型辅助。WeLM目前并不处于全球第一梯队，这意味着在复杂意图理解、多轮对话、任务拆解等核心能力上，小微可能无法与豆包或千问正面竞争。微信的“生态优势”能否弥补“模型短板”，是一个还没有定论的问题。
最后是商业化路径的模糊。微信AI Agent目前免费向用户提供服务，但推理成本是真实的——每一次调用都消耗算力，用户越多，成本越高。如果始终找不到可持续的变现方式，C端AI业务就可能变成一个吞噬利润的“算力黑洞”。
但即便如此，微信AI Agent依然是腾讯AI战略中确定性最高的一张牌。原因很简单：豆包可以复制模型，千问可以复制入口，但它们无法复制14亿人的社交关系链和数百万个小程序构成的“服务网络”。技术可以追赶，生态只能积累。
3.3 B端破局：WorkBuddy与“任务链”的生意
如果说微信AI Agent是腾讯AI在C端的“终极武器”，那WorkBuddy就是它在B端的“秘密王牌”。
2026年3月9日，腾讯正式上线WorkBuddy——一个面向非技术背景职场人群的“执行级桌面智能体”。与元宝这类对话助手不同，WorkBuddy的核心能力不是“回答问题”，而是“完成任务”。
产品发布当月，WorkBuddy的PC端月访问量达到885万；到2026年6月，这个数字突破2097万，是3个月前的2.4倍。更关键的是留存数据：据行业分析，WorkBuddy在激活用户中的留存率达到60%——远高于元宝。当然，有人会指出WorkBuddy的“高留存”有“工作流强制绑定”的成分——它嵌入企业微信和腾讯文档，用户在工作场景下无法轻易切换工具。但这个“强制”本身就是B端产品护城河的一部分。
WorkBuddy为什么能跑出来？
核心原因是它切中了一个真实存在的市场痛点：大量的职场人——尤其是非技术背景的职场人——每天花大量时间在“执行琐碎任务”上，但他们没有能力写代码、不会配置复杂的自动化工具、也不理解什么叫做“工作流编排”。他们需要的不是“一个更聪明的AI”，而是“一个能直接干活的AI助理”。
WorkBuddy的产品逻辑就是为此设计的。用户用自然语言描述一个任务，比如“帮我整理这周的会议纪要，提取关键决策和待办事项，生成一份结构化文档”，WorkBuddy会自主规划任务、拆解执行步骤、调用相应的工具和模型、最终交付可验收的成果。
从技术架构看，WorkBuddy基于腾讯云CodeBuddy团队开发的Agent智能体架构构建，把编程辅助的能力从“写代码”扩展到了“调用工具、处理文档”。它覆盖办公、开发、设计三大场景，用户可以在WorkBuddy中创建任务、管理任务、对话推进、结果验收——从需求下达到成果交付的完整闭环。
但WorkBuddy的真正战略价值，不在于它自己有多好用，而在于它是腾讯B端AI商业化的“统一入口”。
2026年上半年，腾讯在企业级AI服务领域完成了三块关键拼图的拼接：
第一块是ADP 4.0（智能体构建与管理平台） 。企业可以在ADP上定制自己的AI智能体，不需要写代码，通过拖拽配置工作流、接入企业数据、设定权限。ADP 4.0提供了从“能聊天”到“能被管住”的完整能力——企业可以审计智能体的每一次调用、控制它能访问哪些数据、设置它的执行边界。
第二块是腾讯乐享（企业知识管理） 。这是腾讯已有的企业知识库产品，但在AI时代被重新定位为“智能体的知识底座”。企业的制度文档、产品手册、培训材料、历史项目资料被结构化后，成为智能体回答问题和执行任务的“认知边界”。
第三块是企业微信（流程与权限） 。WorkBuddy与企业微信打通后，智能体可以读取企业的组织架构、审批流程、协作关系，执行任务时自动匹配权限——比如只有部门负责人才能发起的预算审批，智能体会在执行前验证身份。
三块拼图拼在一起，形成了从“模型能力”到“企业落地”的完整链路。腾讯不卖模型，卖的是“能干活、能被管理、能算账”的智能体服务。
2026年7月，这个逻辑的一个典型案例浮出水面：中国信通院与腾讯云联合发布“AI航海家+”平台，基于WorkBuddy打造，整合了覆盖泰国、马来西亚、新加坡、阿联酋、巴西、埃及七国的专业语料库，训练出22个分国别专家智能体，覆盖战略顾问、市场营销、财税金融、法务合规等出海核心场景。当用户向新加坡人力行政专家智能体咨询用工成本规划时，它能解析当地用工成本结构、根据业务流程设计核心岗位、提示潜在风险、最终形成完整的年度预算方案。
这不是“一个对话助手能回答你的问题”，而是“一个能替你完成一份方案”。
更值得关注的是WorkBuddy的商业化设计。WorkBuddy采用积分计费体系，以积分衡量所消耗的算力资源。个人版分体验版（免费）、标准版（99元/月）、高级版（199元/月）、旗舰版（999元/月）；企业版SaaS模式198元/人/月，专有云版316元/人/月。这意味着WorkBuddy的商业模式从一开始就是“按消耗付费”，而不是“免费拉新再找变现”——后者正是元宝在C端遇到的核心问题。
不过，WorkBuddy能否真正扛起腾讯B端AI的大旗，市场仍有分歧。36氪一篇深度分析文章指出，WorkBuddy的“模型聚合”策略存在隐患——企业客户买AI服务要的是确定性和一致性，而聚合越多模型，不确定性越大。如果混元模型本身不够强，WorkBuddy的底层依赖外部模型，那它就只是一个“中间件”，而中间件的议价能力向来很低。此外，腾讯云的B端基因——组织能力、服务文化、政企信任——与阿里云和华为云相比仍有差距。
但我认为，市场对WorkBuddy的质疑中，有一个关键点被低估了。
很多人都说腾讯“没有B端基因”，但他们都忽略了一件事：B端服务在中国，从来就不是“技术公司”能做好的。真正做得好的B端服务商，往往是一家“生态连接者”——它自己不生产服务，但它能高效地连接需求和供给。
WorkBuddy之于企业AI，就像微信支付之于移动支付——微信自己不放贷、不理财，但它让无数金融机构通过小程序触达用户。同样，WorkBuddy自己不开发行业应用，但让无数ISV（独立软件开发商）通过智能体平台触达企业客户。这个“连接”的价值，比“自己生产”大得多。
3.4 “C端入口+B端交付”的闭环：SkillPay与SkillHub
如果说微信AI Agent是“C端入口”，WorkBuddy是“B端工具”，那腾讯AI战略真正的大棋，在于把这两个东西连起来——形成一个“C端产生需求、B端完成执行、中间走计量支付”的完整商业闭环。
这个闭环的关键节点，是2026年上半年腾讯推出的SkillPay和SkillHub。
SkillHub是一个AI Skills的“应用商店”。截至2026年上半年，已有7.8万个AI Skills上线。这些Skills不是传统意义上的“App”，而是“AI可调用的能力单元”——比如“生成一份季度销售报告”“把会议录音转成结构化纪要”“做一份符合公司品牌规范的PPT模板”。开发者（包括个人开发者和企业开发者）可以把自己开发的Skill上传到SkillHub，供其他用户调用。
SkillPay则是一套“按次计费”的支付系统。每次AI调用一个Skill完成任务，都可能产生一次微交易——定价可能低到几分钱，但乘以调用量，就是一个可观的收入池。
这个闭环的运转逻辑如下：
第一步，一个用户在微信里对“小微”说：“帮我做一份下周去新加坡的出差行程，包括航班、酒店、会议安排，以及当地的交通指引。”
第二步，小微把这个任务拆解成多个Skills的调用：订机票调用携程的Skill，订酒店调用美团的Skill，会议安排调用WorkBuddy的日历Skill，交通指引调用“AI航海家+”的新加坡本地专家智能体。
第三步，这些Skill分别完成自己的子任务，把结果汇总返回小微。
第四步，小微把最终结果呈现给用户——一份完整的行程单，可以直接保存到日程、分享给同事、或者导出为PDF。
第五步，在这个链路的背后，每个被调用的Skill都通过SkillPay产生了一次微交易——携程收到订票佣金、美团收到酒店佣金、“AI航海家+”收到咨询费、WorkBuddy收到算力费。腾讯从每一笔交易中抽取一个比例作为平台费用。
这个闭环的妙处在于：C端用户获得了“一句话搞定一切”的极致体验，B端服务商获得了来自14亿用户的精准需求流量，腾讯则通过“平台抽成”实现了商业变现——它不卖模型、不卖入口、不卖广告位，它卖的是“需求和供给之间最短路劲的匹配效率”。
这是比“卖模型API”和“卖广告位”都更高级的商业模式。模型的“调用量”可以无限大，但大模型的Token价格正在快速下降——2024年到2026年，主流大模型的Token价格已经降了80%以上。靠卖Token挣钱，是一条越走越窄的路。但“交易撮合”的费用不一样——每一笔真实交易的价值，远高于一次模型调用。
💡 独思时刻：2026年5月，我在深圳参加一个AI创业者的闭门沙龙。一位做了十年电商的创业者说了一句话，全场沉默了三秒。他说：“你们都在说大模型参数、上下文窗口、推理成本，但没人问一个更根本的问题——用户为什么要用AI？不是为了‘聊天’，是为了‘少干点活’。谁能让用户少干活的成本最低，谁就赢了。Token成本高低对用户没意义，他只关心‘我花10块钱能得到什么’。如果一个Skill能替他省下半小时，他愿意付这10块钱。腾讯明白这个道理——它卖的不是算力，是‘省下来的时间’。”这句话让我重新理解了SkillPay的逻辑。Token价格会趋近于零，但“省下来的时间”永远有定价权。
当然，这个闭环离“完全跑通”还有很长距离。
首先是技术成熟度的挑战。任务拆解、多Skill协同、跨系统状态同步——这些都是目前AI领域公认的难题。“小微”在灰度测试中尚无法完成“主动推送”这类基础操作，距离“自主调度7.8万个Skill”还有巨大差距。
其次是平台治理的挑战。当AI自动调用Skills完成交易，谁对执行结果负责？如果AI订错了航班、推荐了不靠谱的餐厅，责任是平台、Skill开发者还是用户自己？SkillPay需要配套一套完整的“AI交易仲裁机制”——这在全球都没有先例。
第三是生态冷启动的挑战。7.8万个Skill听起来不少，但与微信小程序的数百万规模相比只是九牛一毛。让开发者愿意为AI Skills投入开发资源，前提是“有足够的用户调用量来产生收入”——这是一个“先有鸡还是先有蛋”的问题。腾讯需要用补贴或保底收入来吸引早期Skill开发者，而这又是一笔不小的投入。
但方向已经清晰了：腾讯正在构建的，不是“一个AI产品”，而是“一套AI驱动的服务交易市场”。这个市场的规模，不取决于混元模型能打多少分，而取决于有多少人愿意在微信里说一句“帮我搞定这个”。
3.5 资本算盘：“腾笼换鸟”与AI估值重构
前面说的都是产品和战略，现在来说钱。
2026年7月，腾讯股价年内累计跌幅逼近30%，市值蒸发超1.5万亿港元。与此同时，智谱AI市值突破万亿港元——一家2025年收入仅7.24亿元、亏损47亿元的公司，市值已经是腾讯的四分之一。
这个对比透露出资本市场一个残酷的信号：投资者在用“有没有AI叙事”来重新定价科技公司。腾讯业绩稳健、现金流充沛、游戏和广告业务持续增长，但在AI故事上“缺少爆发力”，于是被贴上了“老登股”的标签。
腾讯管理层的回应是：一边回购股票（2026年以来累计回购超214亿港元），一边砸钱搞AI（2026年Q1单季资本开支319亿元，环比增长63%；美银预测2026年全年资本开支达1850亿元）。
钱从哪里来？答案是“腾笼换鸟”——卖掉成熟投资，反哺AI基建。
2026年7月6日，腾讯通过大宗交易减持快手2.73亿股B类股份，持股比例从15.68%降至9.37%，套现约16亿美元（超100亿人民币）。这笔交易的背景是：快手股价已从高点跌去约80%，腾讯选择的减持价位（约43-44港元）几乎是上市以来的最低区域。在最低点卖股票，说明腾讯对现金流的渴求已经到了“不计成本”的程度。
同一时期，腾讯在AI领域的投资却毫不手软：在DeepSeek新一轮融资中出资100亿元人民币；领投可灵AI近30亿美元融资。减持快手、增投可灵与DeepSeek——“旧红利”与“新叙事”之间的资本搬运，一目了然。
美银证券在2026年7月的一份报告中指出，市场目前低估了腾讯在AI智能体编排层的领导地位，同时大幅上调了腾讯2026至2028年的资本支出预测——分别上调至1850亿、2250亿和2500亿元人民币，上调幅度23%至25%。报告同时坦承，更高的AI投入将显著压缩自由现金流——2026年自由现金流预计降至约672亿元，远低于2025年的2156亿元。
这是一场豪赌。腾讯正在用消费互联网时代积累的“余粮”，来喂养AI时代的“种子”——而这些种子能否长成参天大树，可能要三到五年后才能见分晓。
华源证券的一份研报提出了一个有趣的观点：市场沿用传统PE估值模型低估了腾讯流量生态向智能生态转型的潜力。报告认为，当前市场因短期AI基建投入、折旧侵蚀利润而下修盈利预期，但从实际经营看，腾讯游戏、广告等主业增长稳健，并未出现被AI冲击的迹象，市场悲观预期缺乏事实支撑。
简单说，华尔街的算法还没有学会给“生态型智能体”定价。一个能调度数百万小程序的AI平台，其潜在价值不是“模型参数×用户数”这种简单公式能算清的——但这个“看不清”本身就是腾讯股价承压的原因。
💡 独思时刻：我在跟踪腾讯资本运作的过程中注意到一个细节：腾讯减持快手的时间点，恰好是快手AI产品“可灵”刚刚完成新一轮融资、估值还在攀升的时候。很多人说腾讯“卖在了最低点”，但换个角度想：腾讯要的不是卖个好价钱，它要的是“在AI叙事上保持仓位”。减持快手意味着腾讯不再把赌注押在“别人的AI”上——哪怕是快手这种腾讯深度绑定的被投公司。它要把筹码集中到自己能控制的AI棋盘上。这个决策在财务上短期内看起来不划算，但战略上传递的信号非常清晰：腾讯不打算靠“投别人”来完成AI布局了，它要自己打这场仗。这种“All in自己”的决心，比任何财务数字都更能说明腾讯AI战略的严肃性。
3.6 未竟之战：腾讯AI仍须跨越的四重关卡
腾讯AI的战略方向已经清晰——以微信为底座、以智能体为形态、以服务执行为价值——但从战略到落地，中间隔着四道需要跨越的门槛。
第一关：模型能力的“代差”尚未抹平。
截至2025年底，混元综合性能在全球排名第68位。这个排名放到2026年中虽然有所提升——混元3.0在OpenRouter平台最新一周调用量排行榜上以3.66万亿Token登顶总榜第一——但调用量第一不代表能力第一。在复杂推理、代码生成、多模态理解等核心能力上，混元与GPT-4、Claude等国际头部模型仍有明显差距。
腾讯采取的“自研+开源”双轨策略，本身就是这个现实困境的注脚。微信AI Agent和小微同时调用自研WeLM和DeepSeek，元宝曾短暂以“接入DeepSeek”作为核心卖点。这种做法短期内弥补了模型能力的不足，但也带来两个长期隐患：一是用户认知被稀释——“腾讯的AI到底用的是谁家的模型？”；二是自研模型缺乏足够的用户交互数据来迭代——如果大多数调用都跑在DeepSeek上，混元的“数据飞轮”就转不起来。
第二关：投入与回报的“时间差”考验耐心。
腾讯2026年Q1单季资本开支319亿元，约占经营利润42%。美银预测的1850亿全年资本开支，意味着未来两年自由现金流将大幅缩水。股价的持续下跌（年内跌幅近30%）已经在反映市场的焦虑：投资者可以忍受一两个季度的利润承压，但如果连续两年看到“投入在涨、收入没涨”，信心会加速流失。
而AI的商业化回报周期，很可能比市场预期的要长。WorkBuddy虽然用户规模快速增长，但其收入模式（订阅+积分）目前仍处于“拉新优惠”阶段，远未形成规模收入。微信AI Agent尚未正式上线，商业化路径更是空白。腾讯管理层在2026年Q1业绩会上承认，腾讯云“暂未形成完善的每用户平均收入考核标准”，云业务指标“更多聚焦于收入与市场份额层面”——翻译过来就是“先抢地盘，再想赚钱”。
第三关：组织文化与AI节奏的摩擦。
马化腾2026年股东大会上说了一句大实话：“一年前我们以为上了船，后来发现那个船漏水了。”这句话戳中的不仅是“产品进度慢”的问题，更是组织文化的问题。
腾讯擅长的“跟随—放大”打法——先看别人怎么跑通，再靠资源和流量碾压过去——在AI时代可能失效。AI不是一个“成熟品类等着你去放大”的赛道，而是一个“路线还在被摸索、谁先跑通谁才能放大”的赛道。腾讯过去两年在元宝上砸的钱证明了：资源和流量可以堆出短期数据峰值，但堆不出长期用户粘性和技术领先。
更深层的矛盾在于：腾讯的组织文化是“产品经理驱动”的——决策链条长、追求完美、容忍试错的空间小。而AI产品的开发逻辑是“工程师驱动”的——快速上线、数据反馈、高频迭代。两种节奏的摩擦，在过去两年已经多次体现：元宝上线比竞品晚了一年，“小微”灰度测试至今没有正式上线时间表。
第四关：生态的边界——AI会不会反过来冲击微信的基本盘？
这是最深层的一个隐患，也是腾讯内部最不愿意公开讨论的话题。
微信AI Agent的核心价值是“让用户通过对话完成任务”。但任务完成之后，用户对“服务”的认知从“××小程序”变成了“微信AI”。长期来看，品牌方（京东、美团、滴滴等）会越来越依赖微信AI的流量分发，而微信AI的“推荐算法”会越来越强地影响用户选择。这本质上是在复制搜索引擎时代的“流量税”模式——谁排在前面谁获得交易。
但问题在于：微信的根基是“社交”，不是“搜索”。如果微信AI的推荐结果让用户不满意——比如推荐的餐厅不好吃、推荐的机票不便宜——用户抱怨的是“微信AI不行”，而不是“美团不行”。AI在执行任务时产生的“差评”，会直接附着在微信这个品牌上。
更隐蔽的风险是“社交数据的反噬”。微信AI Agent灰度测试中已开放读取聊天记录、朋友圈内容等核心社交数据权限。虽然目前每一步操作都需要用户手动确认，但用户对“AI读了我和朋友的聊天记录”这件事的接受度能维持多久，还是一个未知数。如果隐私焦虑积累到一定程度，监管风险和政策风险会骤然上升。
2026年7月28日，我在深圳南山科技园的腾讯大厦楼下咖啡厅见到了那位老朋友。他刚刚开完一个关于“小微”正式上线计划的内部会议，脸上写满了疲惫。
“你知道吗，我最近一直在想一个问题，”他说，“我们花了两年时间、几百亿人民币，把组织重整了、模型迭代了、产品打磨了，但最后真正能决定成败的，可能是一个很简单的问题：用户会不会真的对着一台手机说一句‘帮我搞定’？”
他顿了顿，又说：“豆包的用户3.45亿，是因为他们觉得豆包‘有趣’。千问的用户1.66亿，是因为他们觉得千问‘有用’。但‘有趣’和‘有用’之间，还有一座桥没修通——叫‘信任’。我信任一个AI替我完成交易，和我觉得一个AI有趣，是两件完全不同的事。腾讯手里有14亿人‘信任’的微信，但这层信任能不能从‘社交’迁移到‘服务执行’，没有人知道答案。”
我问他怎么看未来。
他说：“2026年是打地基的一年。微信AI Agent灰度测试、WorkBuddy冲上国内第一、SkillHub积累到7.8万个Skills——这些都是地基。楼还没盖起来。但地基打完之后，盖楼的速度会很快——因为地基足够深、足够宽。”
“那这栋楼能盖多高？”我问。
他笑了一下，没回答。
窗外的深圳正下着一场暴雨，腾讯大厦的玻璃幕墙被雨水冲刷得看不清里面。但我知道，这座大厦里的人们正在设计的那栋“楼”，可能是中国互联网有史以来最复杂、也最具想象力的一次建筑实验。
它能不能建成，2026年还没有答案。
但地基已经打完了。