腾讯AI变速：下半场的胜负手，为什么不只是模型？

在中国互联网巨头的AI上半场里，腾讯一度不是声量最大的那一个。相比同行高调的进攻姿态，它的动作更像在蓄势，外界的判断也多偏观望。直到今年，这种印象才开始松动。

年初以来，腾讯放出了一系列AI变速的信号：相关业务完成架构调整、前OpenAI研究员姚顺雨出任首席AI科学家、一批Agent产品密集上线，再到混元新版本发布，腾讯的进攻性变得更加强烈。

变速背后，是AI竞争游戏规则的改变。

进入下半场，AI的竞争焦点正从模型转向Agent，考验的是AI在真实场景中贡献的价值。而Agent背后，是场景、连接、模型与工程的综合积累，这恰恰是腾讯沉淀最深的战场。

在6月5日举办的腾讯云AI产业应用大会上，腾讯试图用一套新发布的产品和一场坦诚的对谈向外界证明，自己手中握着的场景和生态，如何转化为AI时代的绝对红利。

把AI拉进真实场景

过去三年，AI行业最热衷的叙事是参数：千亿、万亿、十万亿，数字越大、故事越激进。但进入下半场，参数游戏让位给了一道更朴素的考题：AI 究竟能为企业带来多少可衡量的产出。它也因此从一个需要持续投入的成本项，转为一个要靠ROI说话的价值项。

于是，生产力成了当前最核心的一关。这也是为什么，腾讯在这场大会上搬出最重要的产品，是一套效率智能体工具集。

腾讯效率智能体工具集纵向涵盖模型服务、Agent 应用与开发工具、效率智能体应用，横向则覆盖个人提效、办公提效、企业提效三大场景。它面向办公协同、代码研发、营销客服到IT运维，提供一套全栈Agent 方案。

把零散的能力打成一套可协同的体系，这是腾讯区别于多数玩家的选择。

其中不少产品都带有腾讯特色。例如主打微信直连的本地AI助手QClaw。用户无需切换平台，在微信对话里就能完成跨平台任务。尤其是在打通腾讯文档和ima知识库之后，一次授权即可在同一个工作台里完成整套工作闭环。QClaw上线后颇受欢迎——在3月全量公测后，用户在十天内即破百万。

WorkBuddy则是面向办公场景的通用智能体。用自然语言和它交互，就能把日常办公的杂活交出去，让Agent自主执行处理文件、写文档、做报表、查资料等一系列任务。据第三方机构易观的数据，WorkBuddy的月访问量已领先国内第二名2.6倍，成为中国使用最广的效率AI智能体服务之一。

如果说C端工具的火爆验证了腾讯对用户体验的嗅觉，那么更考验厂商能力的，则是容错率更低的B端场景中。

腾讯的智能体正在走进各个企业的核心业务环节。例如，酒店集团华住把客服交给了基于腾讯智能体开发平台ADP搭建的「华小AI」，让它承接那些最消耗人力的咨询；医药零售平台叮当快药则把CodeBuddy和WorkBuddy嵌进了研发与运营全流程，大幅压缩了需求调研周期。

如果把视野拉大到整个行业，在云厂商纷纷重视MaaS收入、着重考核Token消耗量的年代，从效率智能体入手抢单的玩家并不少。字节有飞书和扣子，阿里则有钉钉和通义，各家都有自身的经验累积。但能把国民级社交触点、完整的办公协同套件与规模化的内部实践叠在同一套体系里，且工程土壤足够成熟的厂商，目前只有腾讯。

正如姚顺雨所说，模型越来越擅长把复杂的输入变成输出，真正的竞争壁垒，越来越来自于高质量的原始输入——也就是这个人、这家企业到底在做什么。这种由海量真实场景沉淀下来的Context（上下文），是腾讯最难被照搬的底子，也是工具集打法得以成立的前提。

补齐的模型，与“看不见”的工程力

腾讯之所以能够快速推动AI产品的迭代，背后有两层支撑：模型能力和工程力。

模型能力的进化，很大程度上得益于混元基座的重建。2025 年底，曾在学术界提出ReAct框架的前OpenAI研究员姚顺雨，出任腾讯首席 AI 科学家，同时兼管新成立的AI Infra部与大语言模型部。据晚点LatePost报道，姚顺雨加入后的核心任务之一，就是重建基础模型。

从姚顺雨和腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生的对谈中，不难梳理出一些腾讯重建模型的思路。其中最核心的关键词，是实用。

姚顺雨在对谈中表示，模型实用性的价值大于刷榜的价值，而基于真实用户反馈发现问题，也比Benchmark（基准测试）更重要。在被反复讨论的性价比问题上，他的判断同样务实：性价比的核心首先是Performance——用一个较小但够强的模型，更快、更稳地把事情做对，比在很长的上升曲线上追逐一两个点的提升，更省钱，也更有现实价值。

正因如此，腾讯并不强求企业用哪个模型，用哪个模型交还给具体场景去决定。其配套的大模型服务平台TokenHub统一接入混元与第三方主流模型，再按成本与性能的平衡自动调度。最终的效果，是让企业用得起、算得清，也不被单一厂商锁定。据腾讯披露，依托多元芯片适配、潮汐调度、FlexKV 分布式缓存等推理优化技术， TokenHub实现整体算力利用率提升 40%，缓存命中率提升至 85%，有效降低 Agent 推理成本。

模型与产品之间，腾讯反复强调的一个词是Co-Design（深度协同）。姚顺雨认为，这是今天做模型“不得不做”的基础能力。模型为上层产品供给能力，而产品在真实工作流里产生的任务数据、用户反馈与工具调用轨迹，又回灌给模型，成为下一代迭代的训练信号，再逐渐形成正向循环。

腾讯模型重建的结果之一，是2026年4月底开源发布的新语言模型Hy3 preview，它已在元宝、WorkBuddy等十余款核心产品首发。腾讯在财报中称，它在同等参数规模的模型中表现已达最佳。从目前内部评估效果来看，这也意味着腾讯模型能力正在重回牌桌。

模型和场景外界都看得见。更难看见的，是工程力。

汤道生曾做过一个判断，人工智能正式进入了“Harness 时代”。

Harness的直译是马具。汤道生用了一个更直观的比喻：大模型是发动机，Harness是线束，使用者是驾驶员。发动机能提供原始动力，但它不会开车；它需要一套把动力传导到车轮、把意图翻译成机械动作的线束，才能变成一辆能上路的车。所谓Harness，就是套在模型外面的那套工作环境。模型是能力的来源，Harness让能力变成可用的系统。

这也是 2026 年行业正在形成的共识。Anthropic 的实验显示，同一个模型、同一句提示词，用简单方式跑二十分钟、花 9 美元，核心功能完全无效；而套上完整的 Harness 跑六小时、花200美元，却交付了一个真正可用的成品。

也就是说，模型能力的天花板，很多时候不在模型里面，而在模型外面。在当下这个节点，优化模型外面那层“壳”，回报率可能比干等下一代模型更高。这也是为什么，腾讯开始把竞争的维度，拉回到自己最擅长的场景中。

微信14亿级月活的实时通讯、对延迟近乎苛刻的游戏、金融级的支付系统，逼出了海量并发、长会话、状态管理、安全隔离这套大规模分布式能力。它与Agent的负载特征很像，因为后者同样是长任务、多步骤、跨会话、要管海量记忆、要在并发沙箱里安全运行。

在当天的大会上，腾讯云宣布全面升级 Agent Runtime，构建覆盖运行、记忆、存储与安全访问的原生基础设施，通过弹性调度与按需伸缩，可释放 70% 闲置算力；Memory服务帮助Agent越来越懂用户，在长任务场景下， Token 消耗降低 60%、任务成功率提升 30%；腾讯云还引入零信任、零凭证访问机制，保障 Agent 安全调用企业系统与数据，为 Agent 规模化进入生产场景提供底层支撑。

当然，由于开源Agent框架不断涌现，搭建Harness的门槛正在降低。腾讯的Harness是否更经得起生产环境的捶打，仍然有待验证。但有一点逻辑是成立的：模型决定Agent有多聪明，工程力决定这份聪明能不能稳定变成产出。后者，往往是企业大规模部署Agent时最先撞上的那道墙。

腾讯手里的三张牌

综合来看，腾讯手里至少握着三张牌：场景连接、工程驾驭和模型驱动，每一项都很难用钱和时间快速堆积。

过去，这三种能力通常分属三类基因截然不同的企业：模型驱动力长在前沿实验室身上，它们模型最强，却没有自己的国民级场景；工程驾驭力长在大规模系统的运营者身上，是被十亿级并发和金融级一致性逼出来的运维know-how；场景连接力则长在消费与社交平台身上，是十几年用户习惯与网络效应沉淀的结果。

当这三种能力同时到位、又能彼此带动，短板被逐渐补齐，应用层的放量，或许只是时间问题。

腾讯最新一季财报已经开始释放信号。

腾讯2026年Q1财报显示，营收1964.58亿元、同比增长9%，归属股东净利润581 亿元、同比增长21%，经调整净利润679 亿元、同比增长11%。在多项任务的增长原因中，腾讯都提到了AI。例如，营销服务收入同比增长 20%，相当一部分受益于 AI驱动的推荐与投放模型升级。

把镜头拉到全球，腾讯这条路的差异化会更清晰。

如果说谷歌走的是芯片、模型和软件全自研的“大包大揽”路线，OpenAI以模型为锚地点向下延伸模型，腾讯走的则是一条“场景—连接—反哺”自下而上的生态路径。它的差异化在于，由生态土壤决定的进化上限，而非比拼单一产品的上限。

很难评价哪条路径是正确的，但腾讯选择的路线，无疑是最贴近其自身禀赋的。在中国市场，与前沿实验室在模型上限上正面拉开差距很难，但场景与连接却是腾讯的优势。事实上，企业AI落地的瓶颈，也往往不是模型够不够强，而是是否能高效用起来。把Agent嵌进用户本就高频使用的工作流，恰好把这道门槛降到了最低。

或者说，入口正在成为真正稀缺的资产。谁握有转化发生的入口、让场景率先落地，谁就握有这个时代的杠杆。

再回到那个被反复追问的问题：腾讯在AI领域的节奏真的“慢”了吗？