6月5日，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科学家姚顺雨在北京国家会议中心展开了一场深度对谈。从模型与产品的协同设计，到Agent的技术演进与产业落地，再到对「腾讯慢」这一争议的正面回应——这场对话勾勒出腾讯AI下半场的完整拼图。
一、下半场的定义：从「万能锤子」到「找对钉子」
姚顺雨去年提出的「AI下半场」概念，在这段对谈中得到了最完整的阐释。
他认为，在预训练和后训练成为成熟方法论之后，AI行业完成了从「寻找方法」到「寻找问题」的根本转变。
「过去我们发明AlphaGo这样的方法去下围棋，但它只能下围棋。你会为翻译做一个特别的模型，但它只能做翻译。现在我们有了一个万能锤子，可以砸任何钉子——反而更困难的是，怎么找到对的钉子去砸。」
这个判断直接定义了姚顺雨加入腾讯的理由：腾讯有最多的「钉子」。元宝、AI搜索、CodeBuddy、Workbuddy、ima——这些产品不仅提供了应用的土壤，更重要的是提供了模型训练所需的 context（上下文）。 「模型越擅长把复杂的输入变成输出，竞争壁垒就越在于你有没有最原始的输入——你知不知道这个人在干什么，你知不知道这个企业各种各样的信息。」
这不是一个技术问题，这是一个生态问题。
二、Co-Design：不仅仅是对齐，更是信任的建立
整场对话最核心的概念是 Co-Design（协同设计）——模型团队和产品团队如何在目标不完全一致的前提下，形成高效的协作机制。
姚顺雨给出了三个层次：
第一层：做好基本功
预训练是「产品不可知」的——它提供泛化的基础能力。后训练则需要设立真实的Eval，而不是盲目刷榜。
姚顺雨直言不讳：
「中国有个不好的倾向是大家喜欢刷榜，但更重要的是如何实事求是地基于产品、基于真正的应用，构造更真实的Eval。」
第二层：建立信任比技术更难
这是一个非常诚实的细节：
姚顺雨在元宝项目初期，派出了后训练团队最强的骨干力量去帮助元宝做后训练——尽管当时混元自己的预训练还没有完全准备好。
这一决策在当时让很多算法同学不理解。但他坚持这样做，因为他清楚：元宝的DAU对混元后续的成功至关重要。
「最难的部分不是技术，而是怎么样建立信任、怎么样换位思考。」
这个动作让产品团队意识到了模型团队「是真的在为产品着想」——后续混元3 Preview在元宝上的成功上线，正是建立在这份信任之上。
第三层：数据的网络效应
姚顺雨提出了一个反直觉的观点：即使你只想做一个Coding Agent，你需要的也不仅仅是Coding的数据。
「你需要非常好的聊天能力、搜索能力、指令遵循能力、推理能力——它是一个非常复合的data taxonomy。」
这意味着产品的生态体系本身就是一种优势：元宝产生的聊天和搜索数据可以迁移到ima和Workbuddy，各个产品提供不同的数据，而这些数据之间又可以相互泛化，形成一个网络效应的数据飞轮。
三、汤道生的产品哲学：从「预制菜」到「开放式厨房」
作为经历过QQ空间、QQ音乐、腾讯云到元宝的多代产品掌舵者，汤道生对AI时代的做产品变化给出了非常形象的描述。
AI之前：产品是做「预制菜」——想清楚提供什么功能，用户通过菜单去选。
AI时代：产品是「开放式厨房」——你不知道用户会问什么，你需要做的是提供工具和环境，让模型自己去理解和满足需求。
这对整个研发流程产生了连锁反应：
- 工程师的角色变了：今年大部分代码由AI生成，工程师花更多时间做架构设计，写代码的工作交给AI，定期指导修正。
- 测试要左移：更前置地思考Eval、对齐、风格，而不是后端等代码写完了再测。
- 人的角色融合了：每个工程师更像是「有想法的leader」，驱动多个Coding Agent完成开发。
汤道生总结了一句话：「底层的逻辑——解决用户痛点、创造价值——没有变，但做产品的方式，变了。」
四、Agent：从博士论文到万亿级市场
姚顺雨在2019年的博士论文标题是 「Language Agent: From Next Token Prediction to Digital Automation」——那时GPT-2才刚刚学会「中国的首都是北京」这种级别的任务。
2022年7月的一个夜晚，他第一次把GPT-2的API和Wikipedia连在一起，实现了LLM与互联网的多轮交互。
「我当时感觉就像微弱的灯光突然亮起来。据我所知，这是人类第一次把LLM和互联网连在一起做多轮交互。我当时觉得这件事会在5年或10年内改变世界——但可能比我想象的更快。」
他随后参与提出了SWE-bench，当时觉得如果这事能做成，价值是几百亿、上千亿。现在是数万亿。
回顾博士论文的future work部分，他列出了四个方向：
- Shift and robust deployment
「我现在很幸运，确实在做当时列的future direction。」
但他说自己「想得还是不够大」。
五、「腾讯慢」吗？
这是一个绕不开的问题。汤道生直接抛给了姚顺雨，但姚顺雨反问了一个更本质的问题：
你认为AI是短期游戏还是长期游戏？
在硅谷，「1-2年后所有人都要失业」的焦虑弥漫。但腾讯的判断很明确：AI现在就像1970年代的PC，才刚刚开始。
第二个判断：AI会是一个越来越多元化的游戏，还是越来越单一的赛道？
姚顺雨认为，虽然过去几年Pretraining→Post training→Agent→Coding Agent确实是一条非常清晰的主线，甚至导致了「所有人都在做一样的事情」的局面。但未来会更多元——多模态、具身智能、新范式正在发生。
「我不认为ChatGPT和Claude Code会是唯一的Super App——那是一个非常灰暗的世界。」
汤道生的回应更实在：
「腾讯是一个非常多样态的公司。在这样一个复杂的组织里，有的地方做快了，有的地方做慢了，有的地方失败了。这些提醒都非常好，但这是一个马拉松，我们有丰富的场景，我们正在长跑中。」
六、核心判断：几条底牌
整理整场对话，可以提炼出腾讯AI下半场的几条明确判断：
- 模型和产品必须Co-Design——单靠模型或单靠产品都不够，关键在于建立信任机制和数据的网络效应。
- 性能比成本更重要——「用OPUS比用更差的模型更省钱」，一次做对比反复试错更省。性价比=性能/成本，性能是分母。
- Agent是图灵完备的底层能力——它能控制文件系统和容器，已从竞赛题走向真实世界的Coding任务。
- 小团队 + 高密度试验 = Agent时代的组织形态——Workbuddy背后是3-5人的扁平小分队，大量试验验证方向，包容失败。
- 长期主义不是口号，是资源分配方式——派最强的人去支持产品、不做短期刷榜、保持诚实面对自己的feedback，这些都是「长期」的具体落地。
七、写在最后
这场对话最特殊的不是技术细节，而是坦诚。
姚顺雨坦诚自己「想得还不够大」；汤道生坦诚「有的地方确实做得不够好」；两人都承认「Co-Design最难的不是技术，是信任」。
这或许就是腾讯AI下半场的底色：不追求一步到位，而是用产品提供的真实context，让模型在反复迭代中变得越来越有用。 这不是最快的路径，但可能是最稳的路径。
而正如姚顺雨所说——「下半场才刚刚开始。」
AI 速览
