騰訊湯道生：騰訊AI下半場的核心密碼

6月5日，騰訊云AI產(chǎn)業(yè)應(yīng)用大會上，騰訊一口氣亮出了AI生產(chǎn)力武器庫。

圍繞個人與企業(yè)AI提效需求，騰訊云系統(tǒng)性展示了“效率智能體工具集”。面向個人用戶，提供開箱即用的AI助手和知識工具；面向職場人群，提供覆蓋辦公、研發(fā)、設(shè)計、創(chuàng)意等崗位的Buddy家族智能體；面向企業(yè)客戶，則提供WorkBuddy企業(yè)版、辦公智能體套件、ADP 4.0、ClawPro等平臺化能力。

騰訊集團(tuán)高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生在大會上花了大量時間來討論產(chǎn)品問題。

他直言不諱地講，騰訊的產(chǎn)品底色未變，在AI時代依然是一家產(chǎn)品導(dǎo)向的公司。當(dāng)前AI已經(jīng)深入到產(chǎn)品研發(fā)的全過程中，基于此，騰訊認(rèn)為一款好的AI原生產(chǎn)品，應(yīng)該在產(chǎn)品、模型測評、數(shù)據(jù)四個維度對齊，才能滿足技術(shù)和用戶的雙重需求。

穿越產(chǎn)品周期的湯道生，雖然自嘲“老登”，但也在AI產(chǎn)品中找到了熟悉的影子。他說，“WorkBuddy有點像幾年前的騰訊會議，既有To C屬性也有To B屬性”。

騰訊在AI時代是特殊的存在，一頭握著大模型、Agent，另一頭則是覆蓋千千萬萬場景的產(chǎn)品。由此，也誕生了騰訊AI下半場的核心方法論——Co-Design。姚順雨認(rèn)為，做模型過去比拼的是找到好的方法，但現(xiàn)在比拼的是找到好的問題。而實現(xiàn)這一目標(biāo)的關(guān)鍵，在于產(chǎn)品與模型這兩個環(huán)節(jié)的深度協(xié)同。

在“騰訊AI慢了”的質(zhì)疑聲中，騰訊反而穩(wěn)住了自己的步伐。

混元模型研發(fā)導(dǎo)向，從追求榜單排名，轉(zhuǎn)向了服務(wù)好元寶等產(chǎn)品的用戶體驗。元寶、Agent類產(chǎn)品，不盲目搞賽馬機(jī)制，也不跟風(fēng)“收費”潮，明確現(xiàn)階段的主要目標(biāo)是滿足用戶體驗、解決需求、提升留存率，而非激進(jìn)推進(jìn)商業(yè)化。

關(guān)于Token經(jīng)濟(jì)話題，騰訊云的思路也不太一樣。湯道生提出，Token調(diào)用量首先是使用指標(biāo)，不是商業(yè)化指標(biāo)。按Token收費可以，但單純靠Token不一定長久。有些場景更適合按效果、按任務(wù)價值來收費，只是很難一刀切。說到底，Token和算力只是載體，用戶要的是能提效、能解決問題的好產(chǎn)品。

現(xiàn)在的騰訊把AI當(dāng)作一場馬拉松。起跑快的不一定先到終點，節(jié)奏穩(wěn)的才能跑得久。與其追風(fēng)口、趕熱點，不如把基礎(chǔ)打牢。承認(rèn)在AI行業(yè)里，不可能每個板塊都領(lǐng)先，“有的業(yè)務(wù)快一點，有的慢一點，這很正?！薄?/p>

以前是拿著釘子（場景）找錘子（大模型）?，F(xiàn)在不一樣了，釘子和錘子坐在同一張桌子上，一起設(shè)計、一起打磨。

產(chǎn)品團(tuán)隊帶著真實場景的需求來，模型團(tuán)隊拿著技術(shù)能力來，彼此對齊、互相牽引。不是誰等誰，而是共同敲下去，敲在用戶真正疼的地方。

這就是騰訊Co-Design的哲學(xué)：模型與產(chǎn)品，不是先后手，而是左右手。

那個熟悉的騰訊，確實回來了。

以下是本次大會主要內(nèi)容的精華部分：

1、元寶的差異化戰(zhàn)略：不急于商業(yè)化，聚焦留存與體驗

面對友商推出C端付費模型，湯道生明確表示騰訊現(xiàn)階段不盲目跟進(jìn)收費。元寶的核心KPI是持續(xù)增長與留存率提升，而非商業(yè)化收入。團(tuán)隊致力于通過引入實時數(shù)據(jù)、專業(yè)信息源和更精準(zhǔn)的搜索服務(wù)，打造差異化體驗。這種“先體驗、后變現(xiàn)”的思路，體現(xiàn)了騰訊在AI消費端產(chǎn)品上穩(wěn)扎穩(wěn)打的長期主義。

2、騰訊定義“好用的AI產(chǎn)品”：四個維度對齊，用戶用腳投票

在湯道生看來，AI時代的好產(chǎn)品不再只靠直覺或創(chuàng)意，而是可度量、可對齊的系統(tǒng)工程。他提出，一款真正“好用”的AI原生產(chǎn)品，必須在產(chǎn)品目標(biāo)、模型能力、評測體系、數(shù)據(jù)質(zhì)量四個維度實現(xiàn)深度對齊。評測不是事后檢驗，而是前置的標(biāo)尺；數(shù)據(jù)不是越多越好，而是要精準(zhǔn)服務(wù)于模型與產(chǎn)品目標(biāo)。同時，用戶會“用腳投票”，WorkBuddy的普及并非靠硬推，而是用戶自發(fā)覺得好用、能提效。好產(chǎn)品的最終標(biāo)準(zhǔn)，是能否在真實場景中持續(xù)解決用戶的痛點。

3、從“拿著釘子找錘子”到“釘錘共桌”，Co-Design的實戰(zhàn)價值

湯道生用“釘子和錘子坐在同一張桌子上”，形象詮釋騰訊的Co-Design哲學(xué)。產(chǎn)品團(tuán)隊帶著真實場景需求，模型團(tuán)隊帶著技術(shù)能力，彼此對齊、互相牽引。這一模式已在新一代Hy3 preview模型和元寶的協(xié)作中取得實效，產(chǎn)品留存率顯著提升，模型迭代不再追逐榜單，而是服務(wù)用戶真實反饋。模型與產(chǎn)品不再是先后手，而是左右手。

4、一人公司的到來，AI原生研發(fā)讓團(tuán)隊從“百人”縮至“三人”

湯道生預(yù)測，AI將催生“一人公司”的可能性。在大模型承擔(dān)大量代碼生成后，研發(fā)團(tuán)隊的核心能力從敲鍵盤轉(zhuǎn)向?qū)懶枨?、架?gòu)設(shè)計和結(jié)果定義。WorkBuddy等產(chǎn)品背后已是三五人的feature team在運作，角色高度融合，測試評測大幅“左移”至需求描述階段。這種扁平化、小團(tuán)隊的模式，正在顛覆騰訊內(nèi)部的產(chǎn)品管理流程。

5、Agent不會吞噬SaaS，而是喚醒存量能力的“新接口”

針對Agent是否將取代傳統(tǒng)SaaS的擔(dān)憂，湯道生給出了相反的觀點，智能體正在激活騰訊過去積累的SaaS能力。以騰訊文檔為例，其多年沉淀的文檔處理功能被封裝為Skill，供WorkBuddy等Agent調(diào)用。用戶仍享用同樣的能力，但交互方式從點擊菜單變?yōu)樽匀徽Z言對話。Agent不是替代品，而是存量軟件資產(chǎn)的“新交互層”和“能力放大器”。

6、Token不是終點，更理想的商業(yè)模式還在探索中

在行業(yè)熱衷討論Token調(diào)用量與價格戰(zhàn)時，湯道生提出一個關(guān)鍵判斷：Token調(diào)用量是“使用指標(biāo)”，而非“商業(yè)化指標(biāo)”。按Token收費雖可行，但并非長久之計。更理想的模式是按任務(wù)價值或效果收費，例如智能體幫助企業(yè)提效所創(chuàng)造的真實增量。比如，將計費單元從底層資源轉(zhuǎn)向業(yè)務(wù)成果，這或?qū)⒅厮蹵I服務(wù)的商業(yè)邏輯。

7、算力困局下的破局之道：生態(tài)協(xié)同、資源分級

面對持續(xù)的算力供給瓶頸，湯道生坦言自行設(shè)計芯片無法解決產(chǎn)能問題。騰訊的策略是與多家芯片廠商深度合作，將其視為生態(tài)伙伴而非供應(yīng)商，共同打造算力標(biāo)桿案例。同時，有限的算力資源優(yōu)先傾斜內(nèi)部高優(yōu)業(yè)務(wù)（混元訓(xùn)練、微信、會議、元寶等），再逐步釋放給外部客戶。這種務(wù)實的“生態(tài)協(xié)同+資源分級”策略，是騰訊云應(yīng)對算力短缺的核心方法論。

8、MaaS是智能體的“燃料”，更是騰訊云的下一個高增長引擎

湯道生明確將MaaS（模型即服務(wù)）定位為騰訊云的重要增長板塊，并視其為智能體產(chǎn)品的底層燃料。隨著WorkBuddy等Agent產(chǎn)品普及，企業(yè)端的Token消耗與MaaS調(diào)用量持續(xù)攀升。盡管受限于算力供給，需求已遠(yuǎn)超當(dāng)前承載能力。

9、AI時代的能力與入口解耦，不同產(chǎn)品解決不同問題

在移動互聯(lián)網(wǎng)時代，企業(yè)微信憑借社交連接成為辦公入口。AI時代能力和入口可以適當(dāng)剝離。例如，用戶可直接通過微信Bot喚起智能體，而計算與推理跑在云端；WorkBuddy雖有聊天界面，核心卻是任務(wù)執(zhí)行而非社交。企業(yè)微信側(cè)重人際溝通與流程審批，WorkBuddy專注人機(jī)協(xié)作。兩者并存，而非誰取代誰。

10、場景連接是Agent的勝負(fù)手，從聊天到行動的關(guān)鍵一躍

從Chatbot到Agent，真正的智能體不僅能生成會議紀(jì)要，還能將待辦事項自動推送到日歷；不僅能在元寶搜索旅游信息，還能一鍵跳轉(zhuǎn)至訂票網(wǎng)站完成交易。這種跨應(yīng)用、跨場景的行動閉環(huán)，正是大模型擅長的事，也是騰訊下一階段重點投入的方向。連接越多，Agent的價值就越大。

11、AI投入不搞雨露均沾，而是動態(tài)押注

湯道生坦言，騰訊不可能每個板塊都領(lǐng)先，有的快、有的慢很正常。但一旦某個產(chǎn)品獲得用戶認(rèn)可，騰訊會迅速調(diào)整資源加大投入。典型案例是CodeBuddy，原本只服務(wù)程序員，隨著模型能力提升，意外演變?yōu)槊嫦蛉珕T的WorkBuddy，打開了巨大新市場。這種“觀察-驗證-重倉”的動態(tài)投入策略，比預(yù)設(shè)終局、押注單一方向更適應(yīng)AI時代的快速變化。