汤道生对谈姚顺雨：AI下半场，腾讯比什么？

整理｜华卫 今日，在2026年腾讯云AI产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生与腾讯首席AI科学家姚顺雨进行了一场深度对谈。 他们对谈的主题是“腾讯AI下半场”，两个人相互提问，共同解读了腾讯在AI下半场的最新布局和思考，并首次分享腾讯大模型和产品研发深度Co-Design思路。 这是姚顺雨加入腾讯后的第二次公开亮相、线下的首次出场亮相。此前，姚顺雨在学术界提出ReAct框架 ，也在OpenAI参与过Operator、 Deep Research等前沿Agent产品。加入腾讯以来，他主导混元大模型的构建，既懂前沿技术，也扎根业务一线。 开场，姚顺雨首先公开回应了选择加入腾讯的原因。“这里有很多好问题、有很多产品。好的产品能够解决第一个问题：我们做预训练和后训练之后到底要把它应用在什么地方产生价值；第二是环境，如果没有好的环境，Agent没有办法做各种各样的事情。”他还表示，腾讯的文化是一个关键原因，这对于长期做AI组织非常重要。 “AI的实用性价值高于刷榜的价值。”对话中，姚顺雨直言，国内AI产业有个不好的倾向，即喜欢“刷榜”，但实事求是基于产品和应用去构造AI更重要。 而在他看来，“今天Agent毫无疑问是每一家模型所发力的重点。” 现场，腾讯也面对个人和企业日益增长的AI提效需求，首次系统发布“效率智能体工具集”，针对20多个垂直场景提供差异化的智能体解决方案。面向白领、开发者、OPC、设计师等职场人群，腾讯推出了“Buddy”家族系列产品，应对代码研发、文档处理、创意设计等高频生产力场景需求。针对企业用户，腾讯还发布WorkBuddy企业版及办公智能体套件Agent Suite，升级企业智能体管控平台ClawPro和智能体开发平台ADP 4.0。 以下是对话内容整理，我们在不改变原意的基础上进行了编辑。 AI下半场最重要的是什么？ 汤道生：今天我们两个对话，可能是一个比较新的形态，如果有什么出乎意料的，我想也是给大家一个惊喜。顺雨，你加入腾讯前，我记得我当时问过你一些问题 ，为什么下半场会选择来腾讯？而且你认为AI下半场最重要的是什么？ 姚顺雨 ：首先解释一下什么叫做下半场，我最近感觉这个词有点被滥用，这个概念是我去年的一个博客提出来的，什么意思？其实我觉得在去年之前AI已经发展几十年，但是更加重要的是怎么去解决问题，去寻找好的方法，最近我觉得很明显就是说，方法论已经变得非常成熟，但寻找问题变得更加困难。 举个例子，比如说过去我们发明AIphaGo这样的方法去下围棋，但是这个方法只用来适合下围棋或者下各种棋类。你会为了翻译做一个特别的模型，但是它只能做翻译，不能做其他事情。但是有了预训练和后训练之后我们发现，我们像有一个万能锤子，它可以砸任何钉子，它是一个通用方法论，可以解决各种各样的问题，反而更困难的是怎么寻找好的问题去解决。 其实我觉得加入腾讯很重要一点，就是说这里有很多好问题、有很多产品，我觉得这一点在接下来变得越来越重要。一方面，好的产品能够解决第一个问题：我们做预训练和后训练之后到底要把它应用在什么地方产生价值；第二个是环境是非常重要的，如果没有好的环境，那Agent没有办法做各种各样的事情，比如说如果没有一个点外卖的tool的话，就没有办法点外卖，很多事情做不到。 我觉得最重要的是context，无论是企业还是个人，就像我上一次在AGI-Next说的一样，我觉得越来越重要的事情是context，因为模型越来越擅长把一个非常复杂的输入变成输出，很多时候你的竞争壁垒就在于你有没有最原始的输入，你知不知道这个人他到底在干什么，你知不知道这个企业各种各样的信息，这一点我觉得腾讯有非常强的优势。 但其实我觉得这只是第二大的原因，最重要的原因是文化，我记得我第一次跟你聊天，包括和其他总办老板聊天的时候，我第一印象大家都非常诚实，哪里做的好哪里做的不好，非常直白不会掩盖，我觉得这种坦诚是我第一印象。第二就是说腾讯总体是一个基于trust，而不是基于metric去运转的公司，我觉得这一点对于做AI是非常重要的，包括我觉得我们的文化有非常low ego，有非常solid的这一面，我觉得这些文化对于长期做一个AI的组织是非常重要的，包括我们对长期主义的坚持。 所以AI下半场最重要是什么？我个人觉得就是，我们应该在中国建立一个长期的基于AGI的组织，今天的AI主要有三部分：首先是foundation的部分，我们怎么样把预训练和后训练最基础的东西做得非常solid。第二部分是产品，我们怎么样把这样的技术，真的为人和社会产生价值。第三是frontier，我们怎么样探索新的研究范式，探索新的机会。我觉得最重要的是我们构建一个非常均衡的三角形一样的组织。 我觉得对于做foundation来说：第一最重要的是有充足资源。第二就是需要正确的做事的方式，这些和我刚才说的文化也是吻合的。对于产品来说，有好的产品的sense，有这种做产品的人是至关重要的。第三，在中国我们今天所做的前沿探索不够多，所以我希望能把frontier exploration的精神能更多地注入到我们组织中。 模型和产品如何相互成就？ 汤道生：AI赛道是长跑，我觉得有时候认知也很重要，我们做的好的和不好的也得认，但关键是一个多维度的竞赛，我们看到现在模型有很多进步，我们做产品其实也是有越来越多的形态，不同的场景有不同的需求，我觉得未来还是非常可期的。产品可以说提供一个环境，里面要给模型提供context上下文，我们平时开会提比较多的一个词是Co-Design，怎么把产品关模型能够比较紧密底结合起来，尤其今天有这么多丰富的产品，包括元宝聊天机器人、AI搜索、企业的部署智能客服、智能营销，还有最近非常火的类龙虾像CodeBuddy、Workbuddy这样的产品，其实对于模型依赖很深。你怎么思考Co-Design这个方式？ 姚顺雨：有三点：首先CoDesign的前提就是说模型本身要做的很solid，有很多foundational的work要做好。我觉得预训练是一个相对就是产品agnostic的事情，它做的非常solid可以提供非常强的foundation，而且预训练它最大的特点就是它是一个可泛化学习过程，它的进步可以带给各种各样下游任务持续的价值提升。后训练我觉得最重要一点是要设立好正确的Eval，中国大家有个不好的倾向是大家喜欢刷榜，但是我觉得更重要的是如何实事求是的基于产品，基于真正的应用，构造更加真实的Eval。 第二 要意识到可能“实用性”价值是大于刷榜价值，这一点我们做大量工作，跟各种各样产品进行了深度Co-Design，Co-Design很关键一点就是要产生相互信任，这一点我们做了大量工作，取得互信，怎么把产品数据用好，怎么把回流，怎么把Eval做好，有很多细节，我就不赘述。 第三点我想说，LLM时代和过去的AI最本质的区别就是泛化性，在LLM之前比如说做翻译产品，只要把翻译数据做的特别好就行了。你做一个围棋的程序，你只需要把围棋的数据准备特别好就行。但是今天即使你想只做一个Coding Agent，你会发现其实需要的不仅是Coding Agent的数据，你需要非常好的聊天能力，非常强的搜索能力，非