腾讯AI下半场的十个关键反思：从刷榜到真实场景，上下文成为新护城河

事件概述

2026年6月5日，在腾讯云AI行业应用大会上，腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生与腾讯首席AI科学家姚顺宇就腾讯AI战略进行对话。对话背景是外界对腾讯AI“速度慢、投入不足”的质疑，与腾讯AI实际加速形成反差——龙虾系列产品持续推出、混元Hy3预览版登顶全球使用榜、WorkBuddy快速增长，模型、产品与产业部署的联动加强。

核心信息

1. 从“找方法”到“找问题”

姚顺宇提出“AI下半场”概念，认为过去AI最重要的任务是找到研究方法（如翻译模型、下棋模型），但预训练和后训练让大模型成为“万能锤子”，突破点不再是方法本身，而是“哪些问题值得解决”。真正稀缺的是识别、定义并持续解决真实问题的能力。拥有高频、复杂、真实问题的企业更易训练出有用AI。这也是姚顺宇选择加入腾讯的原因——腾讯拥有大量产品和真实问题，形成模型可行动的闭环。

2. 上下文（Context）成为新护城河

姚顺宇强调，模型越强，越依赖高质量输入。对个人用户，输入包括偏好、习惯、历史行为；对企业用户，包括客户信息、业务流程、组织知识、权限系统等。缺乏上下文，模型只能给出泛泛答案。未来AI竞争不止在于参数和推理速度，更在于组织上下文的能力。腾讯的元宝、企业微信、腾讯会议、腾讯文档、编码工具、云服务等入口若能成为大型模型理解用户和业务的上下文来源，将形成独特优势。但上下文不是简单投喂数据，而涉及信息筛选、权限控制、数据安全、隐私保护等工程和产品问题，本质是产品能力、工程能力和跨团队组织能力的综合体现。

3. 模型与产品的共生关系（Co-Design）

传统软件中，产品与研发是线性关系（产品定义需求、研发实现、测试验证）。但AI产品的结果往往是开放、动态、不可穷举的，模型能力塑造产品边界，产品数据反过来影响模型训练，用户反馈重塑评估框架，形成闭环系统。预训练阶段更基础通用，但后训练阶段问题更贴近产品：模型应奖励什么、惩罚什么、什么是好回答——都需要来自真实应用的反馈。汤道生从产品体验角度补充：AI产品中“好体验”并非天然清晰的标准，数据标注的颗粒度、奖惩行为与产品目标的对齐至关重要。Co-Design的核心不是模型团队“支持”产品团队，也不是产品团队“调用”模型能力，而是双方共同定义“好”结果。姚顺宇特别强调，Co-Design最难的不是技术接口，而是模型团队与产品团队能否建立信任、换位思考、承认目标既有重合也有差异。

4. 从刷榜到真实评估

大模型行业曾严重依赖榜单，但姚顺宇指出榜单问题与真实用户问题之间存在巨大差距：榜单问题描述清晰、信息完整、范围限定；真实场景问题往往模糊、多轮、隐含上下文。用户可能只问“这个方案行不行”，模型却需理解文档、历史讨论、公司风格、目标客户等。传统榜单难以完整评估这类能力。真实评估不仅能揭示模型的基线失败模式，还能帮助研发团队了解真实提示分布，甚至启发新的能力方向。混元Hy3预览版发布的核心理由之一就是获取真实反馈，修复榜单未暴露的问题。相比只关注公开榜单，元宝等产品的真实交互能帮助团队理解用户实际需求、明确优化方向。模型开发不再只是针对外部榜单优化。