腾讯AI下半场：姚顺雨汤道生论道AI新篇章

type

status

date

slug

summary

AI下半场的逻辑：从“如何训练”到“定义问题”

姚顺雨在加入腾讯前提出的《The Second Half》一文，预言了AI正站在一个关键的中场线。他认为，AI的上半场聚焦于算法和模型能力的飞跃，而下半场的核心将发生转移：从“解决问题”转向“定义问题”，评估体系的重要性将超越训练本身。未来的赢家，不再仅仅是拥有最强大模型者，而是能够清晰界定哪些问题值得投入资源去解决，以及如何科学地衡量真实进展。

他选择腾讯，正是看中了腾讯在丰富产品场景和高质量上下文数据（context）方面的独特优势。在Agent时代，这些“数据壁垒”和“问题定义”能力将成为关键。姚顺雨指出，AI方法论已趋于成熟，难点在于找到真正有价值的问题去解决，而腾讯深厚的产品积淀和用户连接，为AI的落地提供了沃土。他更是直接回应了“腾讯慢了”的质疑，强调AI的长期游戏下半场才刚开始，现在并非晚。

Co-Design：模型与产品深度协同的艺术

汤道生以“产品老兵”的视角，深刻阐释了AI时代产品开发的本质变革。与PC互联网、移动互联网时代“预制菜”式的功能菜单满足需求不同，AI产品面对的是开放式、不可预测的用户输入，产品方需要依赖模型能力去理解和响应。这种变化倒逼组织形态走向小团队化、实验驱动，工程师的角色更像是“驱动多个coding agent的产品leader”。

姚顺雨进一步阐述了模型与产品深度协同（Co-Design）的重要性，并提出了三点关键： 1. 坚实的基础模型：预训练是产品agnostic的，其泛化能力为各类下游任务提供强大基础。 2. 正确的评估（Eval）体系：实用性价值远超“刷榜”，需要基于真实产品应用构造更真实的评估。腾讯在与产品深度Co-Design过程中，注重数据回流和质量提升，以取得互信。 3. 泛化性与体系化优势：LLM时代，一个产品（如Coding Agent）需要的不仅仅是单一领域的数据，而是复合的数据能力。拥有体系化产品矩阵（如元宝、WorkBuddy等）的腾讯，其数据能够相互泛化，形成网络效应，这是巨大的优势。

汤道生强调，内部Eval与外部Benchmark的区别在于，前者能发现模型在真实世界场景下的“底线问题”，并基于真实的Prompt分布启发训练方向。他以元宝为例，指出产品在实际使用中遇到的指令遵循问题，与Benchmark的差异巨大，这正是Co-Design的价值所在。

智能体技术演进：ReAct到Coding Agent的价值与挑战

姚顺雨作为ReAct架构的提出者，回顾了其博士研究（2019年）中关于“Language Agent: From Next Token Prediction to Digital Automation”的设想。彼时，GPT-2尚在Next Token Prediction阶段，他已预见到其自动化世界的潜力。ReAct架构的出现，将LLM与互联网、API等真实世界工具连接，实现了多轮交互，其价值远超早期设想。

他指出，Web Agent和Coding Agent是Agent技术最重要的两个方向。尽管当前智能体（Agent）技术面临“消耗大量Tokens”的挑战，但其本质性不容忽视。Coding Agent尤其关键，它具备控制文件系统、运行容器的能力，几乎可以构成一个完整的系统。腾讯混元团队在Hy3 preview等模型上，已明确以“实用性”为导向，通过重建基础设施、优化数据与Eval体系，来提升模型能力和效率。

腾讯AI的未来展望

对谈的最后，汤道生宣布腾讯将发布一套“效率智能体工具集”，这背后是场景连接、Harness工程体系和混元模型Co-Design三重能力的整合。他再次强调，AI时代做产品，核心是理解用户需求、解决痛点、创造价值，虽然底层逻辑不变，但范式已从功能驱动转变为能力驱动。

姚顺雨则表示，其个人目标是在中国建立一个长期的、基于AGI（通用人工智能）的组织，涵盖Foundation（基础模型）、Product（产品价值）和Frontier（前沿探索）三个均衡的三角形。他强调，AI的下半场才刚刚开始，腾讯凭借其独特优势，正积极迎接这一变革。

这场对谈不仅是腾讯AI战略的一次深度透视，更是对整个AI行业未来发展方向的一次重要指引。AI的征途远未结束，腾讯正以其务实、长远的视角，探索AI驱动的无限可能，为AI资讯、大模型、AGI等前沿领域注入新的活力。