腾讯 AI「登陆战」

AI新浪潮观察

13min read

腾讯 AI「登陆战」

连然2025/05/27

摘要

从「造模型」到「用好模型」，腾讯想做 AI 落地的那双手

作者｜连冉
编辑｜郑玄

在过去一年 AI 产业的剧烈演进中，「大模型」几乎成为所有讨论的核心。从参数规模、推理速度到多模态能力，技术指标不断刷新。但回归冷静的视角，大模型的真正竞争早已超越了「谁的模型更大更强」。站在 2025 年的时间节点上，决定胜负的关键在于：是否能够持续构建有价值的模型能力，是否真正理解复杂的用户场景，并最终将这些能力转化为「好用」的产品。

在互联网行业说到「做产品」，很多人首先会想到腾讯。但在这一波 AI 大模型浪潮下，腾讯很长一段时间都表现得极为「低调」。甚至很多人是通过谷歌 I/O 开发者大会，才发现腾讯混元已经站到了全球模型第一梯队。在 5 月份的这次大会上，谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）引用 Chatbot Arena 榜单，顺带手曝光了腾讯的混元大模型：全球第七，中国第二，仅次于 DeepSeek。

腾讯 AI 的惊艳时刻是今年年初。DeepSeek 火爆出圈之后，腾讯一反常态，第一个高调快速接入；旗下的 AI 原生应用「元宝」，更是以「日更」的速度高频迭代，日活在短短两三个月，快速攀升到国内 TOP 水平，这和此前「不紧不慢」状态判若两人。腾讯 AI「一快一慢」之间，究竟在下一盘怎样的棋？

5 月 21 日，腾讯云 AI 产业应用峰会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生，用一句话概括了腾讯发展 AI 的方向：「让 AI 人人可用，让价值触手可及。」这句话背后，是腾讯在 AI 领域的一种整体心态：不执着于「谁率先提出 AGI」，不追求「制造热词和新概念」，而是致力于打造一个结构完整、持续演进、体验扎实的 AI 能力体系。

这套体系的核心，不在某一项指标上的「单打」，而在于「模型与产品的协同演进」。腾讯并不回避模型的重要性，反而始终强调模型是整个 AI 能力的根基。就在今年 4 月，腾讯正式组建「大语言模型部」和「多模态模型部」，进一步系统性地强化自研模型能力。这也体现出，腾讯在基础技术层面，依然秉持着「小步快跑、快速迭代」的长期主义逻辑。

腾讯的优势，也不仅止于模型本身，而在于如何将技术能力长期沉淀，最终落地为真正能够被用户使用、并持续创造价值的工具。这背后体现的是一种技术层面的耐心，也是一种产品视角下的现实主义。

01

腾讯 AI 打法的核心：不追「最大」，而做「好用」

在 DeepSeek R1 横空出世之前，国内大厂在大模型布局上的主流思路是构建大模型、大参数，以及「AI 闭环」——从模型、工具到应用场景实现全链条的自给自足。

相比之下，腾讯的策略显得更加务实：不是一味地追求参数规模的竞赛，而是将重心放在，如何将大模型能力真正转化为可触达、可服务、可持续的产品形态。从年初腾讯元宝的狂飙逆袭，到最近又喊出「腾讯各项业务全面拥抱 AI」，都能够看出腾讯死磕产品的决心。而如今，做「好用」的 AI 产品，也开始成为整个行业的共识。

在汤道生看来，这种转变来自 DeepSeek 给行业带来的「里程碑式」的改变，一种从「量」到「质」的变化——「用户在实际使用过程中，切实感受到了 AI 的『可用性』在进一步提升，AI 正在跨过产业化落地的门槛，站在普及应用的全新节点上。」

在最近的腾讯云 AI 产业应用峰会上，他又进一步指出，生成式 AI 接下来要从「可用」到「好用」。而这种「跃迁」，还需要在大模型、智能体、知识库与基础设施四个层面，完成新一轮的「加速」。

腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生丨来自：腾讯云

具体来看，模型能力的持续优化，可以带来更强的性能、更好的交互体验；智能体能够基于模型，自主思考、决策和执行任务；知识库系统则有助于减少幻觉、增强上下文理解，使模型「更懂企业、更懂用户」；而底层基础设施的持续迭代，则显著降低了训练和推理成本，提升了系统响应速度。腾讯的这套结构，背后是其在产品化和服务化过程中对「可用性」理解的持续积累。

这种「以用促建」的思路，在腾讯自研大模型「混元」家族的演进中，也体现得尤为清晰。自 2023 年首次发布以来，混元不断迭代，技术能力不断提升：今年以来相继推出快思考模型 Turbo S 和深度思考模型 T1，均在公开基准测试中达到业界领先水平。

除语言模型外，腾讯也持续加码对多模态能力的投入，推进涵盖图像、视频和 3D 生成，以及图像理解、端到端语音模型等多类模型的研发，目的是为更广泛的商业场景，提供全面的 AI 支撑。这种能力体系的不断扩展，丰富了模型支持的交互方式，也帮助应用显著降低了用户的使用门槛。

除了自研体系的持续深化，腾讯也坚持以「好用」为目标，积极吸纳外部优质模型能力，以实现更优组合。这一策略最早可以在「腾讯元宝」这款通用 AI 助手中窥见端倪。元宝采用混元与 DeepSeek 的双引擎架构，是国内最早接入 DeepSeek 模型的大厂产品之一。这一架构是腾讯在性能对比、场景匹配和用户需求之间，所做出的策略性融合选择。

自上线以来，腾讯元宝保持高频迭代，陆续集成了微信文件、公众号内容、语音输入、文档处理等功能，并支持联网搜索、图像理解等能力。表面看是细节的打磨，实则构成了产品体验稳定性与可持续性的基础支点。腾讯在财报中披露，自 2 月 13 日以来，元宝的 DAU 在一个月内增长超过 20 倍。

这不是某个模型参数上的胜利，而是一种「以交付为目标」的系统能力体现。

腾讯也持续在多个自有场景中验证这一体系的有效性：腾讯会议的 AI 助手可基于实时与历史内容生成会议摘要和建议；腾讯云代码助手 CodeBuddy 已覆盖公司超过 85% 的开发员工，显著提升开发效率，整体编码时间缩短逾 40%；腾讯健康推出的 AI 健康助手，则能自动解读体检报告，生成个性化的复诊建议。

可以说，腾讯的 AI 战略从来不只是打造一个「最聪明的大脑」，而是始终致力于构建一个「真正能派上用场的助手」。

02

从「能用」到「好用」：打造一整套可交付的 AI 体系

实现从「能用」到「好用」，靠的不是某个环节的爆发，而是一整套技术栈背后的能力积累。

腾讯并没有试图用参数量来定义 AI 能力的边界，而是从底层架构到最终体验，系统性地搭建了一条「可交付」的路径。这背后，是一整套高度协同的技术能力体系：涵盖多模态交互、推理优化、知识增强（RAG）、多源数据支撑、高并发处理、云安全机制、敏捷开发方法、用户洞察机制，以及面向合作伙伴的开放生态。

高质量的内容和数据，是大模型可用的核心要素。在大模型能力趋同的状况下，也将是未来 AI 产品力竞争的核心领域，这也恰恰是腾讯最能发挥独特优势的地方。

腾讯有丰富的内容资源，例如图文方面的公众号、腾讯新闻、微信读书；视频领域的视频号和腾讯视频；还有专业领域的腾讯医典这样的权威医学科普。这些内容数据，可以作为模型调取的优质信源，帮助生成高质量的回答。腾讯元宝正是凭借微信公众号的内容源，加上强大的「联网搜索」能力，确保了检索和生成结果的质量和时效性。根据 SuperCLUE 报告测评，在 10 家接入 DeepSeek-R1 的平台中，元宝的联网搜索能力最强，在总分、基础检索能力和分析推理能力三项核心指标上，均排名第一。

优质内容生态，也对国内很多的模型厂商、内容和硬件厂商构成了巨大的吸引。比如 OPPO 手机、小米智能音响等，这些产品的音乐问答模块中，都在尝试接入结合了 QQ 音乐等资源的模型能力，满足用户的音乐需求。

多模态能力一度被视为通向 AGI 的必由之路，如今已成为产品化竞争的重要分水岭。也是腾讯厚积薄发，势必要拿下的关键战场。

腾讯从早年的优图、天籁实验室开始，就在图像、音视频等领域，积累了丰富的专利技术，今天大家用到的腾讯会议，就是腾讯多媒体技术的集大成者。AI 时代，腾讯则持续增强多模态能力优势。5 月 21 日，腾讯宣布了一系列的多模态模型上新，混元 Image 2.0，率先实现了商用级实时生图；视觉深度推理模型 T1-Vision，支持多图输入，具备原生长思维链，轻松实现「边看图边思考」；混元 3D 凭借业界首创的稀疏 3D 原生架构，实现了可控性与超高清生成能力的代际飞跃；端到端语音通话模型混元 Voice，实现低延迟语音通话，拟人性和情绪应用能力也有明显提升。

汤道生曾多次表达过对多模态的重视。他认为，现实世界是一个由多维信息构成的复杂系统。「未来，AI 要像人一样具备视觉和听觉，才能立体且完善地理解世界；在文字之外，还应该通过语气、动作，完整而真实地传递信息。」

从这个角度看，发展多模态模型不只是技术拓展，更是体验的重构。通过将图像、语音、视频、文本等形态的内容输入和输出纳入统一模型能力，用户可以用更简单的方式与 AI 交互，并得到更丰富的结果，从而显著降低使用门槛。这种交互方式使 AI 不再只是「极客的玩具」，而是真正向更广泛用户普及。

模型除了要低门槛、强交互，落地更重要的是要准确和靠谱。汤道生之前也说，「企业所需要的是，在实际场景中真正解决了某个问题，而不是在 100 个场景中，每个都只做到了 80%。」

在「让 AI 更靠谱」这一层面，RAG（检索增强生成）技术，被广泛认为是短期内提升模型准确性和上下文理解力的有效路径。而腾讯也是最早提出并拥抱「大模型+RAG」的云厂商之一。腾讯依托其文档解析、向量化等方面的长期积累，构建出一套结构化的知识增强能力，能够将企业的私有知识库与通用模型无缝融合，有效降低幻觉率，提高业务理解深度。这也为企业客户构建定制化 AI 助手提供了底层保障。

腾讯的这套 RAG 能力，同样源自过去多年的技术累积和海量应用实践。早在 2019 年，腾讯就将向量数据的检索处理能力，用在了腾讯视频、QQ 浏览器、QQ 音乐等 40 多个内部业务场景，每天处理超过 1600 亿次请求。在向量检索的帮助下，QQ 浏览器的检索成本降低了 37.9%，QQ 音乐人均听歌时长、腾讯视频有效曝光人均时长，都有了明显的提升。

为了支撑流畅的「前台体验」，背后的基础设施能力是决定规模化落地的隐性门槛。比如 AI 模型的训练与推理，对算力资源调度、数据流通效率与系统响应能力，提出了极高要求，腾讯通过构建包括腾讯云 TI 平台、高性能 HCC 集群、GooseFS 高速存储、星脉网络等在内的软硬一体化基础设施，大幅提升了训练效率与推理性能，显著降低响应延迟与成本。

而 AI 系统一旦进入真实业务场景，数据隐私、权限管控、可追溯性等问题将成为客户最关心的底层风险。腾讯也借助其服务亿级用户所积累的系统调度与安全能力，构建起涵盖身份认证、数据隔离、权限分级、加密传输等模块的完整安全体系。相比一些只专注算法性能的新兴玩家，这种「老业务带来的系统经验」成为腾讯 AI 能够深入复杂行业场景的底层壁垒。

所以说，腾讯 AI 能力体系的核心逻辑，并不只是追求模型本身的「最强」，更要让模型真正「能被交付」。从能用的技术能力，到可用的系统能力，再到好用的产品体验，推动前沿 AI 能力向普适工具转化。这也是为什么，当 DeepSeek 出现时，腾讯能成为第一批完成集成、快速上线、稳定运营的大型公司之一——不是因为它跑得最快，而是因为它一直在为「跑得更久」而准备。

03

从自用到共建：腾讯云如何推动 AI 在 B 端落地

腾讯在 AI 领域的打法，并不是「闭门造车」，而是始终坚持在自有场景中沉淀能力，在实际验证中拓展市场。真正支撑其走进 ToB 市场的关键，不是单点模型能力的突破，而是一整套「可交付」的体系构建：不仅能把 AI「做出来」，更能把 AI「做成服务」，并稳定、便捷地交付给客户。

这次腾讯云的 AI 应用峰会上，新升级的智能体开发平台，以及知识库产品，受到企业和开发者的关注。这些工具的出现，极大地降低了 AI 部署的门槛，提升了应用的覆盖面。

在全行业都很关注 AI 智能体的当下，腾讯云新升级的「智能体开发平台」，给企业提供了多种构建智能体的模式和配套工具，首次实现了零代码支持多 Agent 的转交协同方式，大幅降低了智能体搭建的门槛。同时，平台还构建了完备的 Agent 工具体系，支持 MCP 协议、兼容 OpenAI Agents SDK 的关键定义，帮助 Agent 更好地调用工具、拓展服务。

企业知识库的搭建，也是企业落地 AI 的「刚需」配置。腾讯乐享企业 AI 知识库，能够打破部门与层级壁垒，对知识的有效性、更新时间、权限进行管控，同时支持多人协作、知识共创，不仅加速了企业内部知识的流动，也让 AI 能够更好地管理和应用企业知识，生产出更高质量的内容。

除此之外，模型应用的普及，对算力的需求也从训练转向推理。规模化推理的成本优化，成为云厂商的核心竞争力。腾讯云也通过 IaaS 层与工具层协同优化，提升了模型在推理场景下的响应速度、延时和性价比。

汤道生在最近的演讲中，专门提到了他们帮助荣耀手机高效部署 DeepSeek 的成功用例。荣耀手机希望接入 DeepSeek-R1 服务，但随着手机里的 AI 功能越来越多，大模型调用频繁、并发量很高，模型回复的高延迟，会严重影响用户体验。腾讯云基于自身的加速能力，帮助荣耀部署了 DeepSeek-R1 满血版服务，使得模型推理吞吐最高提效 54%，大幅提升推理速度，也让模型运行更快更稳，系统调度更顺畅。

腾讯的 ToB 能力并不止于基础设施支撑，更体现在其对行业与场景的深度理解。

以汽车行业为例，一汽丰田在客服系统中引入腾讯云智能体开发平台，着手系统性解决传统智能客服「答不准、答不全、答不快」的行业共性难题。在此前，企业在部署大模型时常面临专属知识调取难、生成内容宽泛等技术瓶颈，导致 AI 难以真正落地。腾讯云以自研的大模型为基础，结合 RAG、自研长文本 Embedding 能力和 OCR、多模态等组件，帮助一汽丰田结合自身专属客服知识，构建起涵盖官网、App、小程序、公众号等全渠道的一体化智能客服体系。

一汽丰田智能在线客服机器人对话丨来自：腾讯云

今年 1 月该系统上线后，智能客服独立解决率从原本的 37% 提升至 84%，月均自动解答用户问题超过 1.7 万次，有效缓解人工客服压力，提升客户满意度。更重要的是，一汽丰田还借助腾讯云工具，从历史客服问答中提炼结构化知识，扩充企业专业知识库，为客服系统长期稳定运营打下基础。

作为一家年销量近百万、服务触点遍布全国的汽车企业，一汽丰田的这次升级不仅是一项技术改造，更标志着「AI 从实验走向生产」。它用切实可感的结果，验证了腾讯云 AI 的「可交付能力」——从模型融合、系统接入到知识调度与体验闭环，每一步都可衡量、可部署、可迭代，真正实现了技术价值与业务价值的统一。

这背后反映出的，不是 AI 在某个行业的「试验性应用」，而是腾讯正在通过工具平台化、知识结构化、交互自然化的路径，把 AI 真正转化为一种「可交付、可演进、可协同」的新型生产力。

在 AI 产业逐步迈入「实用期」的节点上，一些曾靠「技术光环」出圈的玩家开始进入冷却期，而像腾讯这样在能力沉淀与系统服务上长期积累的公司，正在逐步显现出结构性优势。

腾讯能够迅速接住 DeepSeek 的机会，并稳定推动 ToB 市场边界扩展，靠的并不是某种模型红利或偶然策略，而是对「如何把模型用好、用稳、用出价值」的体系性理解。

它的打法，不依赖某一项「核心算法」，也不靠一句「战略口号」站位。支撑腾讯 AI 走到今天的，是对用户需求的持续理解、对系统能力的长期打磨，以及对场景落地逻辑的敬畏。

这，或许就是腾讯在 AI 时代真正构筑起的长期护城河。

*头图来源：视觉中国本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

腾讯腾讯云AI