編輯｜冷貓

在外界感知中，騰訊在 AI 領(lǐng)域的動作更多被貼上穩(wěn)健甚至克制的標(biāo)簽。

但在 2025 年的尾聲，從人才引進(jìn)到產(chǎn)品迭代再到組織變革，一系列密集信號的發(fā)出，也側(cè)面表明這個巨頭正在按下加速鍵。

12 月 17 日，機(jī)器之心報道證實，前 OpenAI 研究員、清華校友姚順雨（Vinces Yao）正式加入騰訊，出任「CEO / 總裁辦公室」首席 AI 科學(xué)家，并直接向騰訊總裁劉熾平匯報。

與此同時，騰訊宣布升級大模型研發(fā)架構(gòu)，成立 AI Infra 部、AI Data 部及數(shù)據(jù)計算平臺部，全面強(qiáng)化研發(fā)體系。

除了人事與組織的變動，就在同一天，騰訊還發(fā)布并開源了國內(nèi)首個可實時交互的混元世界模型 1.5（WorldPlay）。

視頻鏈接：https://mp.weixin.qq.com/s/fXXArR_Od6etZfBWjsbptQ

若將時間軸拉長，從混元 2.0 采用 MoE 架構(gòu)實現(xiàn)推理效率領(lǐng)先，到混元 3D 模型下載量突破 300 萬，再到騰訊混元、騰訊優(yōu)圖實驗室等系列模型、工具開源，騰訊在技術(shù)迭代、開源貢獻(xiàn)與人才密度上的提升顯而易見。

姚順雨曾在其博客中探討過 AI 發(fā)展的「下半場」邏輯，強(qiáng)調(diào)智能體與認(rèn)知架構(gòu)的重要性。如今，隨著這位在 ToT（思維樹）、ReAct 等領(lǐng)域做出突破性工作的青年科學(xué)家入局，并統(tǒng)管 AI Infra 與大語言模型兩大核心部門，騰訊 AI 的戰(zhàn)略路徑已經(jīng)比較清晰：通過頂尖研究與扎實工程的深度咬合，為用戶打造真正好用的 AI

持續(xù)補(bǔ)強(qiáng)模型能力

上層應(yīng)用的繁榮，很難離開底層基礎(chǔ)模型的支撐。

此次架構(gòu)調(diào)整中，新成立的 AI Infra 部被置于關(guān)鍵位置，負(fù)責(zé)構(gòu)建大模型分布式訓(xùn)練、高性能推理服務(wù)等核心能力。

在模型層，騰訊混元此前一段時間已經(jīng)展現(xiàn)出強(qiáng)勁的迭代能力。最新發(fā)布的混元 2.0 在復(fù)雜指令遵循和文本創(chuàng)作上表現(xiàn)國內(nèi)領(lǐng)先；在 3D 生成領(lǐng)域，騰訊混元 3D 系列模型已成為全球最受歡迎的開源 3D 模型之一，社區(qū)下載量超過 300 萬，并推出混元 3D 3.0，將建模精度提升了 3 倍

姚順雨的加入，不僅帶來了算法層面的前沿視野，更關(guān)鍵的是他同時負(fù)責(zé)模型與 Infra。這種模型 + 基建的一體化管理，有助于加強(qiáng)算法研發(fā)與底層算力之間的互融，讓基礎(chǔ)設(shè)施更好地適應(yīng)模型演進(jìn)的需求，同時也讓模型訓(xùn)練更高效地利用算力資源。

對于外界而言，這也讓混元大語言模型未來的進(jìn)化速度與上限更值得期待。

模型與工程能力的深層協(xié)同

如果說騰訊混元大模型的持續(xù)進(jìn)化是為了打造一顆更強(qiáng)勁的心臟，那么要讓 AI 真正跑通業(yè)務(wù)場景，還需要一套精密傳動的骨骼。

這也是騰訊 AI 工程化落地一直在努力的方向，通過從模型、工具到應(yīng)用的完整布局，逐步填平模型突破與產(chǎn)業(yè)落地之間的鴻溝。

工程化能力首先反映在底層算力基礎(chǔ)設(shè)施的優(yōu)化上。據(jù)悉，騰訊通過軟硬一體化策略，針對星脈網(wǎng)絡(luò)與高性能存儲進(jìn)行專項調(diào)優(yōu)，將模型訓(xùn)練綜合性能提升了 30%。

同時，騰訊云將支撐大規(guī)模訓(xùn)練的同源技術(shù)能力沉淀為 TI 平臺，核心解決模型訓(xùn)不動、調(diào)不準(zhǔn)的工程挑戰(zhàn)。這個平臺不僅支持算力潮汐調(diào)度，更實現(xiàn)了從數(shù)據(jù)處理到部署的全鏈路打通。無論是車企精調(diào)模型還是私有化部署，騰訊云TI 平臺都能提供標(biāo)準(zhǔn)化的工業(yè)級生產(chǎn)流水線，使大模型開發(fā)實現(xiàn)軟件工程式的標(biāo)準(zhǔn)可控。

在夯實好底座與開發(fā)線后，在模型組件方面，騰訊優(yōu)圖實驗室也開源了系列小而美的模型能力，針對性解決大模型落地的工程痛點(diǎn)。同時，這些開源項目并非孤立的技術(shù)點(diǎn)，而是具備高協(xié)同性的技術(shù)棧，通過模塊化集成，能夠形成從組件到方案的體系化輸出。

騰訊似乎正在通過這類連續(xù)的開源動作，為加速智能體的落地盡可能掃除障礙、創(chuàng)造更多價值。

據(jù)機(jī)器之心獲悉，針對如何讓 AI 讀懂復(fù)雜文檔，騰訊優(yōu)圖實驗室即將開源 Youtu-Parsing。它像一位經(jīng)驗豐富的專家，看得清、理得順、認(rèn)得準(zhǔn)那些「雜亂無章」的非結(jié)構(gòu)化數(shù)據(jù)?？舍槍斎氲膹?fù)雜文檔，完成從全局到局部的精細(xì)化處理，既實現(xiàn)文檔整體布局的精準(zhǔn)分析，又能針對性提取圖表、文本塊、數(shù)學(xué)公式、表格等關(guān)鍵元素，有效解決復(fù)雜排版文檔信息還原問題，為大模型提供高質(zhì)量的數(shù)據(jù)。

針對「記不住」和「幻覺」等頑疾，他們此前又開源了 Youtu-embedding 和 Youtu-graphrag 組合。前者賦予 AI 在海量知識庫中精準(zhǔn)定位的能力，后者則通過知識圖譜技術(shù)，將碎片化信息串聯(lián)成邏輯鏈條，相當(dāng)于給 AI 裝上一張地圖，讓推理有據(jù)可依，顯著減少胡說八道的情況。

為了讓 AI 能夠突破對話框的限制、去執(zhí)行更復(fù)雜的任務(wù)，騰訊優(yōu)圖實驗室還開源了 Youtu-agent 框架。這個框架在設(shè)計之初就融入了「自我進(jìn)化」的能力，可以根據(jù)自然語言的描述，自動創(chuàng)建任務(wù)所需的工具并配置相應(yīng)的智能體。

該框架還設(shè)計了兩種強(qiáng)化學(xué)習(xí)優(yōu)化方案來提升智能體的表現(xiàn)：一種優(yōu)化了訓(xùn)練 infra，讓開發(fā)者搭建的 Agent 都能端到端訓(xùn)練；另一種無需額外訓(xùn)練，通過引入練習(xí)經(jīng)驗就可以讓 Agent 變強(qiáng)。

憑借這些技術(shù)，該框架在多項評測中都取得了出色成績。

在 WebWalkerQA 評測中，基于 DeepSeek-V3.1 達(dá)到 71.47% 的準(zhǔn)確率，刷新開源效果 SOTA，同樣是使用開源模型 QwQ，不用訓(xùn)練也能達(dá)到 SOTA 效果。

在 GAIA（文本子集）測試中，基于 DeepSeek-V3 的 Pass@1 指標(biāo)達(dá)到 72.8%，無需依賴 Claude 或 GPT 等閉源模型，充分驗證了該框架強(qiáng)大的研究價值和應(yīng)用潛力。

而這些模型工具，也在平臺層面的落地做了很好的承接。

今年年中，騰訊云便推出了智能體開發(fā)平臺（ADP）。依托騰訊混元大模型的底層能力以及優(yōu)圖等前沿實驗室的算法能力，企業(yè)無需組建龐大的算法團(tuán)隊，通過拖拉拽的「低代碼」甚至「無代碼」方式，就能在幾分鐘內(nèi)構(gòu)建出專屬的客服助手、數(shù)據(jù)分析師或代碼編寫助理。最新發(fā)布的版本支持對接第三方數(shù)據(jù)庫和工作流，并新增應(yīng)用評測工具，進(jìn)一步降低企業(yè)構(gòu)建 AI 應(yīng)用的門檻。

應(yīng)用落地多點(diǎn)開花

技術(shù)加速的最終指向是價值創(chuàng)造。在「研究 + 工程」雙輪驅(qū)動下，騰訊的 AI 能力已在多個垂直領(lǐng)域?qū)崿F(xiàn)規(guī)?；涞?/strong>

在金融領(lǐng)域，保險行業(yè)作為知識密集型和人力密集型的典型代表，AI 提效尤為顯著。東吳人壽依托騰訊云 ADP 構(gòu)建公司級智能體開發(fā)平臺「東吳天樞」，打造了「東吳智腦問 +」、「蘇惠保智能快賠助手」等多個智能體。理賠處理時效從傳統(tǒng)人工審核的 3-5 天驟降至 3 分鐘以內(nèi)，預(yù)計每年支撐上萬起理賠案件，大幅節(jié)省成本。

在傳媒領(lǐng)域，廣東廣播電視臺基于騰訊云 ADP 打造了「AI 內(nèi)容服務(wù)平臺」，用于處理直播素材、輔助寫稿等工作。過去，記者編輯需要幾十分鐘才能剪完一條視頻，現(xiàn)在最快只需十分鐘，甚至幾分鐘。今年全運(yùn)會期間，AI 累計輔助廣東臺生產(chǎn)了百余條爆款內(nèi)容，整體效率提升 40%。

在企業(yè)營銷側(cè)，絕味食品基于騰訊云智能體開發(fā)平臺打造了營銷云 Agent，由智能體發(fā)起的活動內(nèi)容點(diǎn)擊率比人工專家高出 40%，支付轉(zhuǎn)化率是人工組的 2.4 倍，交易金額更是達(dá)到 3.1 倍。

在能源與制造領(lǐng)域，面對電網(wǎng)設(shè)備分布廣、人工巡檢難的痛點(diǎn)，騰訊協(xié)助訓(xùn)練的電力視覺大模型展現(xiàn)了高檢出率與泛化能力，有效適應(yīng)不同電網(wǎng)場景，切實保障電力生產(chǎn)安全；在醫(yī)療健康領(lǐng)域，騰訊健康小程序里的 AI 健康管理助手，已能自動解讀體檢報告，深入解析異常指標(biāo)，并為用戶制定個性化的健康管理計劃，讓醫(yī)療服務(wù)更具溫度。

從底層的架構(gòu)變陣、人才引進(jìn)，到平臺層的系列工具及開源組件串聯(lián)，再到上層的多場景落地，騰訊正在構(gòu)建一個緊密咬合的 AI 飛輪。

當(dāng)然，按下加速鍵并不意味著勝負(fù)已分

AI 是一場漫長的馬拉松已成為行業(yè)共識，而騰訊面臨的挑戰(zhàn)依然存在：如何在龐大的生態(tài)體量下保持敏捷？如何在工程化的確定性與前沿探索的不確定性之間找到動態(tài)平衡？

而這些，都需要時間給出答案。