AI新浪潮觀察

13min read

騰訊 AI「登陸戰」

連然2025/05/27

摘要

從「造模型」到「用好模型」，騰訊想做 AI 落地的那雙手

作者｜連冉
編輯｜鄭玄

在過去一年 AI 產業的劇烈演進中，「大模型」幾乎成為所有討論的核心。從參數規模、推理速度到多模態能力，技術指標不斷刷新。但回歸冷靜的視角，大模型的真正競爭早已超越了「誰的模型更大更強」。站在 2025 年的時間節點上，決定勝負的關鍵在于：是否能夠持續構建有價值的模型能力，是否真正理解復雜的用戶場景，并最終將這些能力轉化為「好用」的產品。

在互聯網行業說到「做產品」，很多人首先會想到騰訊。但在這一波 AI 大模型浪潮下，騰訊很長一段時間都表現得極為「低調」。甚至很多人是通過谷歌 I/O 開發者大會，才發現騰訊混元已經站到了全球模型第一梯隊。在 5 月份的這次大會上，谷歌 CEO 桑達爾·皮查伊（Sundar Pichai）引用 Chatbot Arena 榜單，順帶手曝光了騰訊的混元大模型：全球第七，中國第二，僅次于 DeepSeek。

騰訊 AI 的驚艷時刻是今年年初。DeepSeek 火爆出圈之后，騰訊一反常態，第一個高調快速接入；旗下的 AI 原生應用「元寶」，更是以「日更」的速度高頻迭代，日活在短短兩三個月，快速攀升到國內 TOP 水平，這和此前「不緊不慢」狀態判若兩人。騰訊 AI「一快一慢」之間，究竟在下一盤怎樣的棋？

5 月 21 日，騰訊云 AI 產業應用峰會上，騰訊集團高級執行副總裁、云與智慧產業事業群 CEO 湯道生，用一句話概括了騰訊發展 AI 的方向：「讓 AI 人人可用，讓價值觸手可及。」這句話背后，是騰訊在 AI 領域的一種整體心態：不執著于「誰率先提出 AGI」，不追求「制造熱詞和新概念」，而是致力于打造一個結構完整、持續演進、體驗扎實的 AI 能力體系。

這套體系的核心，不在某一項指標上的「單打」，而在于「模型與產品的協同演進」。騰訊并不回避模型的重要性，反而始終強調模型是整個 AI 能力的根基。就在今年 4 月，騰訊正式組建「大語言模型部」和「多模態模型部」，進一步系統性地強化自研模型能力。這也體現出，騰訊在基礎技術層面，依然秉持著「小步快跑、快速迭代」的長期主義邏輯。

騰訊的優勢，也不僅止于模型本身，而在于如何將技術能力長期沉淀，最終落地為真正能夠被用戶使用、并持續創造價值的工具。這背后體現的是一種技術層面的耐心，也是一種產品視角下的現實主義。

01

騰訊 AI 打法的核心：不追「最大」，而做「好用」

在 DeepSeek R1 橫空出世之前，國內大廠在大模型布局上的主流思路是構建大模型、大參數，以及「AI 閉環」——從模型、工具到應用場景實現全鏈條的自給自足。

相比之下，騰訊的策略顯得更加務實：不是一味地追求參數規模的競賽，而是將重心放在，如何將大模型能力真正轉化為可觸達、可服務、可持續的產品形態。從年初騰訊元寶的狂飆逆襲，到最近又喊出「騰訊各項業務全面擁抱 AI」，都能夠看出騰訊死磕產品的決心。而如今，做「好用」的 AI 產品，也開始成為整個行業的共識。

在湯道生看來，這種轉變來自 DeepSeek 給行業帶來的「里程碑式」的改變，一種從「量」到「質」的變化——「用戶在實際使用過程中，切實感受到了 AI 的『可用性』在進一步提升，AI 正在跨過產業化落地的門檻，站在普及應用的全新節點上。」

在最近的騰訊云 AI 產業應用峰會上，他又進一步指出，生成式 AI 接下來要從「可用」到「好用」。而這種「躍遷」，還需要在大模型、智能體、知識庫與基礎設施四個層面，完成新一輪的「加速」。

騰訊集團高級執行副總裁、云與智慧產業事業群 CEO 湯道生丨來自：騰訊云

具體來看，模型能力的持續優化，可以帶來更強的性能、更好的交互體驗；智能體能夠基于模型，自主思考、決策和執行任務；知識庫系統則有助于減少幻覺、增強上下文理解，使模型「更懂企業、更懂用戶」；而底層基礎設施的持續迭代，則顯著降低了訓練和推理成本，提升了系統響應速度。騰訊的這套結構，背后是其在產品化和服務化過程中對「可用性」理解的持續積累。

這種「以用促建」的思路，在騰訊自研大模型「混元」家族的演進中，也體現得尤為清晰。自 2023 年首次發布以來，混元不斷迭代，技術能力不斷提升：今年以來相繼推出快思考模型 Turbo S 和深度思考模型 T1，均在公開基準測試中達到業界領先水平。

除語言模型外，騰訊也持續加碼對多模態能力的投入，推進涵蓋圖像、視頻和 3D 生成，以及圖像理解、端到端語音模型等多類模型的研發，目的是為更廣泛的商業場景，提供全面的 AI 支撐。這種能力體系的不斷擴展，豐富了模型支持的交互方式，也幫助應用顯著降低了用戶的使用門檻。

除了自研體系的持續深化，騰訊也堅持以「好用」為目標，積極吸納外部優質模型能力，以實現更優組合。這一策略最早可以在「騰訊元寶」這款通用 AI 助手中窺見端倪。元寶采用混元與 DeepSeek 的雙引擎架構，是國內最早接入 DeepSeek 模型的大廠產品之一。這一架構是騰訊在性能對比、場景匹配和用戶需求之間，所做出的策略性融合選擇。

自上線以來，騰訊元寶保持高頻迭代，陸續集成了微信文件、公眾號內容、語音輸入、文檔處理等功能，并支持聯網搜索、圖像理解等能力。表面看是細節的打磨，實則構成了產品體驗穩定性與可持續性的基礎支點。騰訊在財報中披露，自 2 月 13 日以來，元寶的 DAU 在一個月內增長超過 20 倍。

這不是某個模型參數上的勝利，而是一種「以交付為目標」的系統能力體現。

騰訊也持續在多個自有場景中驗證這一體系的有效性：騰訊會議的 AI 助手可基于實時與歷史內容生成會議摘要和建議；騰訊云代碼助手 CodeBuddy 已覆蓋公司超過 85% 的開發員工，顯著提升開發效率，整體編碼時間縮短逾 40%；騰訊健康推出的 AI 健康助手，則能自動解讀體檢報告，生成個性化的復診建議。

可以說，騰訊的 AI 戰略從來不只是打造一個「最聰明的大腦」，而是始終致力于構建一個「真正能派上用場的助手」。

02

從「能用」到「好用」：打造一整套可交付的 AI 體系

實現從「能用」到「好用」，靠的不是某個環節的爆發，而是一整套技術棧背后的能力積累。

騰訊并沒有試圖用參數量來定義 AI 能力的邊界，而是從底層架構到最終體驗，系統性地搭建了一條「可交付」的路徑。這背后，是一整套高度協同的技術能力體系：涵蓋多模態交互、推理優化、知識增強（RAG）、多源數據支撐、高并發處理、云安全機制、敏捷開發方法、用戶洞察機制，以及面向合作伙伴的開放生態。

高質量的內容和數據，是大模型可用的核心要素。在大模型能力趨同的狀況下，也將是未來 AI 產品力競爭的核心領域，這也恰恰是騰訊最能發揮獨特優勢的地方。

騰訊有豐富的內容資源，例如圖文方面的公眾號、騰訊新聞、微信讀書；視頻領域的視頻號和騰訊視頻；還有專業領域的騰訊醫典這樣的權威醫學科普。這些內容數據，可以作為模型調取的優質信源，幫助生成高質量的回答。騰訊元寶正是憑借微信公眾號的內容源，加上強大的「聯網搜索」能力，確保了檢索和生成結果的質量和時效性。根據 SuperCLUE 報告測評，在 10 家接入 DeepSeek-R1 的平臺中，元寶的聯網搜索能力最強，在總分、基礎檢索能力和分析推理能力三項核心指標上，均排名第一。

優質內容生態，也對國內很多的模型廠商、內容和硬件廠商構成了巨大的吸引。比如 OPPO 手機、小米智能音響等，這些產品的音樂問答模塊中，都在嘗試接入結合了 QQ 音樂等資源的模型能力，滿足用戶的音樂需求。

多模態能力一度被視為通向 AGI 的必由之路，如今已成為產品化競爭的重要分水嶺。也是騰訊厚積薄發，勢必要拿下的關鍵戰場。

騰訊從早年的優圖、天籟實驗室開始，就在圖像、音視頻等領域，積累了豐富的專利技術，今天大家用到的騰訊會議，就是騰訊多媒體技術的集大成者。AI 時代，騰訊則持續增強多模態能力優勢。5 月 21 日，騰訊宣布了一系列的多模態模型上新，混元 Image 2.0，率先實現了商用級實時生圖；視覺深度推理模型 T1-Vision，支持多圖輸入，具備原生長思維鏈，輕松實現「邊看圖邊思考」；混元 3D 憑借業界首創的稀疏 3D 原生架構，實現了可控性與超高清生成能力的代際飛躍；端到端語音通話模型混元 Voice，實現低延遲語音通話，擬人性和情緒應用能力也有明顯提升。

湯道生曾多次表達過對多模態的重視。他認為，現實世界是一個由多維信息構成的復雜系統。「未來，AI 要像人一樣具備視覺和聽覺，才能立體且完善地理解世界；在文字之外，還應該通過語氣、動作，完整而真實地傳遞信息。」

從這個角度看，發展多模態模型不只是技術拓展，更是體驗的重構。通過將圖像、語音、視頻、文本等形態的內容輸入和輸出納入統一模型能力，用戶可以用更簡單的方式與 AI 交互，并得到更豐富的結果，從而顯著降低使用門檻。這種交互方式使 AI 不再只是「極客的玩具」，而是真正向更廣泛用戶普及。

模型除了要低門檻、強交互，落地更重要的是要準確和靠譜。湯道生之前也說，「企業所需要的是，在實際場景中真正解決了某個問題，而不是在 100 個場景中，每個都只做到了 80%。」

在「讓 AI 更靠譜」這一層面，RAG（檢索增強生成）技術，被廣泛認為是短期內提升模型準確性和上下文理解力的有效路徑。而騰訊也是最早提出并擁抱「大模型+RAG」的云廠商之一。騰訊依托其文檔解析、向量化等方面的長期積累，構建出一套結構化的知識增強能力，能夠將企業的私有知識庫與通用模型無縫融合，有效降低幻覺率，提高業務理解深度。這也為企業客戶構建定制化 AI 助手提供了底層保障。

騰訊的這套 RAG 能力，同樣源自過去多年的技術累積和海量應用實踐。早在 2019 年，騰訊就將向量數據的檢索處理能力，用在了騰訊視頻、QQ 瀏覽器、QQ 音樂等 40 多個內部業務場景，每天處理超過 1600 億次請求。在向量檢索的幫助下，QQ 瀏覽器的檢索成本降低了 37.9%，QQ 音樂人均聽歌時長、騰訊視頻有效曝光人均時長，都有了明顯的提升。

為了支撐流暢的「前臺體驗」，背后的基礎設施能力是決定規模化落地的隱性門檻。比如 AI 模型的訓練與推理，對算力資源調度、數據流通效率與系統響應能力，提出了極高要求，騰訊通過構建包括騰訊云 TI 平臺、高性能 HCC 集群、GooseFS 高速存儲、星脈網絡等在內的軟硬一體化基礎設施，大幅提升了訓練效率與推理性能，顯著降低響應延遲與成本。

而 AI 系統一旦進入真實業務場景，數據隱私、權限管控、可追溯性等問題將成為客戶最關心的底層風險。騰訊也借助其服務億級用戶所積累的系統調度與安全能力，構建起涵蓋身份認證、數據隔離、權限分級、加密傳輸等模塊的完整安全體系。相比一些只專注算法性能的新興玩家，這種「老業務帶來的系統經驗」成為騰訊 AI 能夠深入復雜行業場景的底層壁壘。

所以說，騰訊 AI 能力體系的核心邏輯，并不只是追求模型本身的「最強」，更要讓模型真正「能被交付」。從能用的技術能力，到可用的系統能力，再到好用的產品體驗，推動前沿 AI 能力向普適工具轉化。這也是為什么，當 DeepSeek 出現時，騰訊能成為第一批完成集成、快速上線、穩定運營的大型公司之一——不是因為它跑得最快，而是因為它一直在為「跑得更久」而準備。

03

從自用到共建：騰訊云如何推動 AI 在 B 端落地

騰訊在 AI 領域的打法，并不是「閉門造車」，而是始終堅持在自有場景中沉淀能力，在實際驗證中拓展市場。真正支撐其走進 ToB 市場的關鍵，不是單點模型能力的突破，而是一整套「可交付」的體系構建：不僅能把 AI「做出來」，更能把 AI「做成服務」，并穩定、便捷地交付給客戶。

這次騰訊云的 AI 應用峰會上，新升級的智能體開發平臺，以及知識庫產品，受到企業和開發者的關注。這些工具的出現，極大地降低了 AI 部署的門檻，提升了應用的覆蓋面。

在全行業都很關注 AI 智能體的當下，騰訊云新升級的「智能體開發平臺」，給企業提供了多種構建智能體的模式和配套工具，首次實現了零代碼支持多 Agent 的轉交協同方式，大幅降低了智能體搭建的門檻。同時，平臺還構建了完備的 Agent 工具體系，支持 MCP 協議、兼容 OpenAI Agents SDK 的關鍵定義，幫助 Agent 更好地調用工具、拓展服務。

企業知識庫的搭建，也是企業落地 AI 的「剛需」配置。騰訊樂享企業 AI 知識庫，能夠打破部門與層級壁壘，對知識的有效性、更新時間、權限進行管控，同時支持多人協作、知識共創，不僅加速了企業內部知識的流動，也讓 AI 能夠更好地管理和應用企業知識，生產出更高質量的內容。

除此之外，模型應用的普及，對算力的需求也從訓練轉向推理。規模化推理的成本優化，成為云廠商的核心競爭力。騰訊云也通過 IaaS 層與工具層協同優化，提升了模型在推理場景下的響應速度、延時和性價比。

湯道生在最近的演講中，專門提到了他們幫助榮耀手機高效部署 DeepSeek 的成功用例。榮耀手機希望接入 DeepSeek-R1 服務，但隨著手機里的 AI 功能越來越多，大模型調用頻繁、并發量很高，模型回復的高延遲，會嚴重影響用戶體驗。騰訊云基于自身的加速能力，幫助榮耀部署了 DeepSeek-R1 滿血版服務，使得模型推理吞吐最高提效 54%，大幅提升推理速度，也讓模型運行更快更穩，系統調度更順暢。

騰訊的 ToB 能力并不止于基礎設施支撐，更體現在其對行業與場景的深度理解。

以汽車行業為例，一汽豐田在客服系統中引入騰訊云智能體開發平臺，著手系統性解決傳統智能客服「答不準、答不全、答不快」的行業共性難題。在此前，企業在部署大模型時常面臨專屬知識調取難、生成內容寬泛等技術瓶頸，導致 AI 難以真正落地。騰訊云以自研的大模型為基礎，結合 RAG、自研長文本 Embedding 能力和 OCR、多模態等組件，幫助一汽豐田結合自身專屬客服知識，構建起涵蓋官網、App、小程序、公眾號等全渠道的一體化智能客服體系。

一汽豐田智能在線客服機器人對話丨來自：騰訊云

今年 1 月該系統上線后，智能客服獨立解決率從原本的 37% 提升至 84%，月均自動解答用戶問題超過 1.7 萬次，有效緩解人工客服壓力，提升客戶滿意度。更重要的是，一汽豐田還借助騰訊云工具，從歷史客服問答中提煉結構化知識，擴充企業專業知識庫，為客服系統長期穩定運營打下基礎。

作為一家年銷量近百萬、服務觸點遍布全國的汽車企業，一汽豐田的這次升級不僅是一項技術改造，更標志著「AI 從實驗走向生產」。它用切實可感的結果，驗證了騰訊云 AI 的「可交付能力」——從模型融合、系統接入到知識調度與體驗閉環，每一步都可衡量、可部署、可迭代，真正實現了技術價值與業務價值的統一。

這背后反映出的，不是 AI 在某個行業的「試驗性應用」，而是騰訊正在通過工具平臺化、知識結構化、交互自然化的路徑，把 AI 真正轉化為一種「可交付、可演進、可協同」的新型生產力。

在 AI 產業逐步邁入「實用期」的節點上，一些曾靠「技術光環」出圈的玩家開始進入冷卻期，而像騰訊這樣在能力沉淀與系統服務上長期積累的公司，正在逐步顯現出結構性優勢。

騰訊能夠迅速接住 DeepSeek 的機會，并穩定推動 ToB 市場邊界擴展，靠的并不是某種模型紅利或偶然策略，而是對「如何把模型用好、用穩、用出價值」的體系性理解。

它的打法，不依賴某一項「核心算法」，也不靠一句「戰略口號」站位。支撐騰訊 AI 走到今天的，是對用戶需求的持續理解、對系統能力的長期打磨，以及對場景落地邏輯的敬畏。

這，或許就是騰訊在 AI 時代真正構筑起的長期護城河。

*頭圖來源：視覺中國本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

騰訊騰訊云AI