姚顺雨带队、Hy3 preview上线！腾讯现在适合上车吗？

编辑｜吴昕

刚刚，腾讯混元 Hy3 Preview 正式亮相。

这是姚顺雨归国加盟腾讯后交出的第一份重磅答卷，整体性能达到了同尺寸模型最佳水平，兼具实用性和性价比。

看似慢一拍的动作，正好回应了前不久的那个略带尖锐的的提问。

「这是一个非常好的问题。」在腾讯2025年第四季度财报电话会上，腾讯总裁刘炽平这样回应摩根士丹利分析师的问询：

在美国，一些后来者即使拥有大量算力、人才、数据，依然难以追赶。腾讯自称不是先行者，凭什么例外？[1]

刘炽平说，「如果你将AI视为多场不同的游戏，那么总会有新的机会、新的前沿不断被打开。」换言之，先与后的边界，其实变动不居。[2]

更何况，AI战局才刚刚拉开架势。世界贸易组织前首席经济学家、美利坚大学教授罗伯特·库普曼也提到：谁会胜出，现在还没有人知道答案。[3]

但如果把时间拉长，一些线索已隐约可见。

过去二十多年，从游戏、长视频、短视频、支付到云与 AI，腾讯在某些关键战场上虽不是第一个「吃螃蟹」，却总能弯道超车，定义「螃蟹该怎么吃」。

很多人会把这种能力归因于战略、资源或生态。如果继续往下拆，会发现一个更基础的变量：人才密度和使用方式。很多看似战略的问题，本质上是人才问题。

腾讯最新财报为这一点提供了侧面的印证：

全年收入 7517.66 亿元，同比增长 14%；国际游戏业务带来百亿美元现金流；

毛利率由 53% 提升至 56%。在如此体量下，3 个百分点的提升，归功于「核心业务在运营和财务上都受益于AI整合」。[4]

这背后，是人将AI从抽象的模型能力，变成了触手可及的商业价值。

在走进并倾听了一些人的故事后，我们发现，有人一入场，就被放进亿级系统的核心位置，在实战的硝烟中历练，独当一面；有人躬身入局，在「无人区」为大模型赛道换上长跑者的引擎，用两年的寂寞跑出了单月数百万次的行业调用。

虽为实习生，也能将茶水间的灵光一现，演化为挑战视觉模型常识的「TokenSet」新范式；或在一年内收获数篇顶会论文，并将学术探索转化为腾讯元宝的能力跃迁，精准落地。

这群技术人不只是执行既定方向，也在主动参与定义系统、问题以及解法本身。所谓的后发优势，不过是他们在解决真实问题、创造用户价值的过程中释放出的确定性。

起步即核心，亲手改写亿级战场

很多公司的人才培养路径，往往有一条默认曲线：从边缘模块做起，逐步靠近核心，等到真正参与关键项目，往往已经是几年之后。

但在 Dream 和 Wolf 的讲述中，一种完全不同的解法跃然纸面。对于这些野心勃勃、高度自驱的年轻人来说，压力从不是负担，无意义的平庸消耗才是。

对才华最高级别的尊重，就是将他们置于核心业务，直面一线真题，无论是入职新人还是实习生。作为结果，他们往往会展现出更高的投入度与创造力，快速成长起来。

2021 年，Dream 博士毕业，手握多家 offer，最终还是选择加入微信团队。那时的视频号刚上线一年，外界并不普遍看好，但他认定，这是一个会快速成长的业务，几乎没有犹豫，就从北京飞到广州。

刚入职，他就直接参与主力项目：视频号推荐算法。不是做已有系统的局部优化，也不是跟随已有业界研究，而是去做一些有新意的事情。他说。

很快，他们开始尝试把推荐模型「做大」，让模型能够理解更长的用户行为序列，从而更准确地捕捉兴趣变化。但在日度百亿样本的环境中，更先进的 GPU 同步训练反而失效，线上与离线表现明显偏离。

于是，他们重新定义问题：将训练方式转向「流式训练」，在过去的数据分布上训练，在未来的数据分布上推理，并进一步定位到「延迟反馈」带来的偏置。

路径一旦改变，整个局面被打开。

从长序列建模到高阶注意力，一系列关键环节被逐一击穿，最终带来双位数的效果提升。对上万条完整曝光历史序列的端到端建模，也成为视频号推荐体系中具有代表性的技术节点。

Dream 非常认可解决真实问题带来的成就感和意义感。在微信做技术，你的每一个改动，都可能直接影响大规模用户体验。如今，视频号 DAU 已位居行业第二，电商 GMV 持续翻倍增长。 面对自己倾注几年心血的业务，「是的，它没有让我失望。」他说。

Dream 在视频号上记录旅游和日常生活，也体验自己和团队的作品。

和 Dream 的路径相似，青云校招生小L 的故事，把这种「起步即核心」的解法讲得更直白。

今年，他以青云身份加入混元，做 Agent 方向。按惯例，新人通常会被分配到一个固定小组，从熟悉流程开始。但小L 入职第一周，导师做的第一件事，是带他逐一拜访混元各组负责人和元宝团队，让他在最短时间内摸清整个组织的业务版图，然后——自己选。

短短几个月，他已经尝试了三四个方向。每当遇到卡点，或发现新的机会，导师会直接帮他引荐合适的人一起推进，而不是让他自己慢慢摸索。技术负责人也会主动走到工位问新人最近在想什么。

「只要你对一件事比所有人都感兴趣，这件事就大胆去做。」小L 这样概括混元的规则——不论资排辈，让状态最好的人上场。

这种灵活性的背后，其实是一种更底层的组织设计：汇报层级很短，所有人基本只隔一两层就能直接沟通。小L 形容这里有一种「初创感」——但它长在一个已经有充足资源与真实业务场景的大平台之上。有灵活性，又有海量资源支撑，这就是可以成就亿级战场的底气源泉。

在这种结构里，新人不是被安置的螺丝钉，而是一个被允许自己寻找最优解的技术人。而平台要做的，只是保证每一个「我想做这件事」的判断，都能被听见、被接住。

少有人走的路：混元 3D 跑出业界头部模型

过去一年，Spring 格外忙。对外发声、对内沟通，作为混元 3D 负责人的他一直在解释同一件事——如何把 3D 生成做到可商用。

这一年，大模型迭代加速，行业几乎把所有注意力都投向更成熟、更确定的方向。而他负责的混元 3D 生成，却仍然属于一个「还在前半程」的领域。

但这条路，他其实两年前就选了。

那时，大多数人还在埋头卷已有的生成模型。3D 生成既没有现成路径，也没有明确共识，像一条「没人走过的路」。Spring 主动在内部争取了这个方向。

理由很简单：一旦跑通，它会重写 3D 内容的生产范式。

只是，「正确」往往并不「容易」。为了让这个方向活下来，他一边反复沟通、争取资源，一边从零拉起团队，把模型、数据、工程链路一块一块啃下来。

两年后，这条当初并不起眼的路线，长成了混元 3D 生成大模型——业内效果领先、社区最受欢迎的 3D 大模型之一。并且，他还将混元 3D 从物体生成扩展到了混元3D世界模型，进一步扩大了团队技术价值。

在外界将注意力集中在大模型竞速、并一度认为腾讯「慢了半拍」时，这条更早期的路径，反而在客户侧显出差异。据报道，在 3D 打印、工业设计等各领域，已有多家头部企业纷纷采用腾讯云的 3D 模型服务。

类似的选择，今年毕业加入腾讯的小V（化名）也做了一次。

他拥有博士和博士后背景，长期研究多模态应用方向，尤其是一些更比较前沿、尚未形成主流路径的技术问题，在国内外都鲜有成熟参考。求职时，他接触了多家中美公司，但几乎所有建议都指向同一个方向：转向更通用、更确定的研究，比如后训练或模型优化。

「腾讯是唯一认可我原创研究方向的商业价值、并承诺给资源让我继续做下去的。」他说。

入职后，他带着一个小团队，以近乎「内部创业」的方式推进项目——从数据清洗、算法调优到基础设施，几乎全部亲自参与。半年时间，从零完成技术在大规模工业场景的验证，并形成了一套完整技术方案，其中绝大多数为团队原创。

报告发出后，来自清华顶尖班、海外顶级 PhD 的简历开始主动投递。这条原本看起来「没有参照」的路，开始吸引更多人走上来。

我们发现，这类路径的共同特点在于：不同细分赛道，成熟度并不均衡，一些仍处前期阶段的方向，往往需要更长时间的持续投入，才能逐步进入规模化应用。

但就像小V 说的，这里不仅提供持续探索的空间，算力资源也充足。因此，一些原本高度不确定的方向，有机会被验证，并在商业深水区精准「着陆」。

扁平与开放：技术落地元宝，一年顶会连发

Jacob 在加入混元多模态团队后，几乎没有经历「外围过渡期」。一来就被放进混元图像 3.0 的后训练项目，每天做的事情，是拿新训出来的模型与海外顶尖闭源模型对标——逐项指标地追，逐项指标地迫近。

在研究产出上，这种节奏同样有所体现。他和 mentor 发现当时主流的 GRPO 算法在图像模型上存在训练效率瓶颈，一起提出改进方案，先在小模型上验证跑通，再推到旗舰模型上落地。整套工作后来以论文形式开源，社区关注过千，也成为混元图像 3.0 对外技术报告里被引用的一部分。

在 Jacob 看来，这种「想法-验证-落地」能完整走通的效率，不只是技术积累使然，也来自团队本身的工作方式——结构扁平、沟通直接。

「我的 mentor 坐我身后，组长坐我斜后方。有什么事，走过去就能问。」Jacob 告诉我们。甚至总监也会一起去食堂，边吃饭边聊哪家又出了新产品、我们跟他们差距在哪。

在这种环境下，title 的界限被弱化，技术判断的权重被放大。「只要你能说清楚一个事情的价值，你就能拿到资源去验证它。」

这也解释了一个现象：在混元，实习生和正式员工在日常做的事情上几乎没有权限差别。「一开始实习就做正式员工的事——这对一个想做科研的人来说，是提升最快的路径。」

「组织扁平，技术优先，拒绝外行指导内行。技术讨论上，大家更看重实事求是。」Mike 概括起来，一针见血。这位 25届校招生、青云博士，入职一年后就成长为混元3D 模型的核心成员。

在 Mike 印象中，大家交流的风格很实事求是。「就像写代码一样，可行就是可行，报错就是报错。做研究也是一样，没有灰色地带。」作为混元3D 模型的实习生，他深度参与了 2.0 版本的研发。

他认为，这一点很重要，「技术泡沫可以骗过一时的热度，却骗不过应用层面的检验。」

混元这种扁平、开放、技术优先的氛围，正吸引更多的年轻人的加入。

土壤与作物：

作为系统设计者的 AI 工程师

在一个个鲜活的人物切片中，我们可以窥见一种更偏系统设计者的 AI 工程师轮廓——这些人不只是一个技术实现者，而是参与到技术方向的决策中，站在行业前沿审视整个技术发展的趋势。

这种眼界与判断力，才是 AI 时代真正稀缺的长线价值。

具体说来，不同于以验证与交付为导向的短期投入，这些人的项目可以「活到终局」。

他们一开始就直面微信、视频号、元宝、混元这样已经在线、持续演化的复杂系统和落地场景，技术方案因此需要在长期运行中不断迭代，走向稳定与可持续。

其次，他们不会被短周期结果绑架。

无论是 Spring 两年前对 3D 生成的孤军押注，还是小 V 对多模态应用的固守，这些决策在当时都伴随着巨大的不确定性。正是因为允许这种「非共识」的持续投入，技术才得以从早期的暗火有机会演变为长线的战略壁垒。

而当「三个月见效」成为默认节奏时，大家会不可避免地向短期利益妥协，而非选择「艰难但正确」的最优解。

最后，不背技术债。当工程师有权推翻原有路径、进行系统性重构时，技术就不再在一轮轮盲目迭代中叠加补丁。

好风凭借力，送我上青云

在谈及 AI 投入时，马化腾提到，核心业务带来的现金流，使公司具备持续加码的能力。

从财报公开信息来看，腾讯也延续了高强度的研发投入（去年约 857 亿元），并计划 2026 年将混元及新 AI 产品投资至少翻倍。相关投入主要流向基础设施建设以及人才引进等环节。

近年来，腾讯持续加大全球顶级学术会议投入，据悉也是希望在高密度的学术现场与全球顶尖人才建立更直接的连接和技术碰撞。

如正在举行的 ICLR 2026 ，腾讯作为本届 Double Diamond 级赞助方亮相，并有来自混元大模型、优图实验室、微信、腾讯游戏、ARC Lab、天衍实验室、腾讯 AI 平台部等团队，共150+ 篇论文入选，约占总录取量 2.8%。

腾讯一直在强化人才储备，已经正式启动全年青云实习生招聘，主要面向2026 年 9 月后毕业的 AI /大模型领域本硕博学生

项目覆盖当前 AI 最核心的六大技术方向：大语言模型、NLP、多模态、智能体、搜索推荐，以及AI基础设施，也是腾讯当前 AI 布局的主要边界，并奉上「薪酬上不封顶」、「优秀实习生额外薪酬激励」等红利。

和以往不同，这一次，该项目不再只属于「即将毕业的人」，也首次明确向低年级开放——大一、大二不必再「等等看」，在一个尚未定型的领域里，更早进入，往往意味着更早接触真实问题，也拥有更大的选择空间。

AI 的终局还没到，你想站在哪一边？还在犹豫？不妨先关注「腾讯招聘」公众号，了解更多团队、技术方向与真实项目。

如果你已准备好，请直通入口：join.qq.com → 青云计划专区

面向 2026 年 9 月后毕业的 AI 方向同学，低年级同样欢迎：）

[1]腾讯2025年第四季度财报电话会，

https://wallstreetcn.com/articles/3767836

[2]腾讯2025年第四季度财报电话会，

https://wallstreetcn.com/articles/3767836

[3]财新周刊｜亚马逊攻与守，

https://weekly.caixin.com/2025-12-27/102397564.html?p0#page2

[4]腾讯2025年第四季度财报电话会，

https://wallstreetcn.com/articles/3767836