这次发言萦绕腾讯若何理解AI下半场发展：当大模型的步骤论逐步成熟，竞争沉点在从单点模型能力，转向真实场景、产品反馈、高低文网络和Agent工程化落地。
姚顺雨暗示，“AI下半场」剽个概想有些被滥用。他以为，从前几十年AI更沉要的是寻找好步骤，好比为了围棋做AlphaGo，为了翻译做特定模型。但在预训练和后训练成熟后，大模型造成了一把“全能的锤子”，能够解决各类问题。因而，真正稀缺的起头造成“好问题”。模型能力具备通用性之后，企业必要判断应该把它用在哪里，解决什么问题，产生什么价值。
这也是姚顺雨参与腾讯一个很沉要的原因。“腾讯有好多好的问题，有好多好多产品。”姚顺雨说，好的产品可能解决第一个问题，就是做了好的预训练和后训练之后，到底要把它利用在什么样的场景，它的价值在哪里。
姚顺雨强调了环境的沉要性。没有好的环境，Agent就没有法子去做各类各样的事件。若是你没有一个点表卖的tool，那你就没有法子去点表卖。
但最沉要的是context。姚顺雨说，无论企业还是幼我，越来越沉要的事件是context。由于模型越来越善于把一个极度复杂的输入造成一个输出，好多时辰你的竞争壁垒就来自于你有没有那个最原始的输入。你知不知路这幼我他在干什么，你知不知路这个企业的各类各样的信息。这一点，腾讯有极度强的优势。
最沉要的是，要构建一个极度平衡的、像三角形一样的组织。对于做foundation来说，第一最沉要的是有充足资源，第二就是必要正确的做事的方式。对于产品来说，有好的产品的sense，有这种做产品的人是至关沉要的。第三个，在中国今天所做的前沿索求不够多，所以姚顺雨但愿能把frontier exploration的心灵能更多地注入到组织中。
谈到腾讯内部高频提到的Co-Design，姚顺雨以为，第一前提是模型自身要做得扎实。预训练是相对product-agnostic的事件，它提供可泛化的foundation，可能让各类下游工作持续受益。
后训练方面，最沉要的是设立好正确的eval。姚顺雨吐槽，国内可能有一个不太好的偏差，就是比力喜欢刷榜。但更应该关切的是，若何疑神疑鬼地基于产品、基于真正的利用去机关越发真实的eval。实用性的价值是大于刷榜价值的。
这一点上，腾讯做了大量工作，跟各类各样的产品进行了深度的Co-Design。姚顺雨说，Co-Design很关键的一点是要产生相互的信赖，这一点腾讯做了大量工作去获得互信。怎么把产品的数据用好，怎么把这种回流用好，怎么把eval做好，这里有好多细节。
第一，发现榜单无法露出的底线问题。姚顺雨说，腾讯想要发一个preview模型，最沉要的主张之一，就是但愿能获得真实世界的反馈，建复各类榜单中没法发现的底线问题。这一点会在正式版上有极度大的改进。
第二，理解真实用户的prompt distribution。由于现实用户的问题往往吞吐、短促、多轮追问，而benchmark标题通常更精确、更单轮。好比benchmark上面的标题可能都是极度精确的，有极度长的concrete description，并且通常来说是一个单轮问题。但是在现实场景中，各人问的问题可能都是比力吞吐的，可能就一两句话，而后他会一向追问。这些setup上的difference，就能够启发怎么去更好地做这样的训练。
第三，产品自身还可能启发新的评测方向，推动尚未被很好界说的能力领域。姚顺雨说，甚至能够在这些产品上获得一些灵感，去推动此刻还没有的榜单，或者还没有被很好界说的领域。好比腾讯最近做了好多Context learning的工作，蕴含元宝的反馈也给了很大的启发和援手。
姚顺雨指出，LLM时期与从前AI的底子差距是泛化性。从前做翻译模型，只必要翻译数据。做围棋法式，只必要围棋数据。但今天即便只做Coding Agent，也必要谈天、搜索、指令遵循、推理等多种能力。
因而，占有多个产品场景的公司会具备系统化优势。姚顺雨说，和元宝的Co-Design能够使模型产生很强的谈天和搜索能力。但这样的能力又能够被迁徙到ima、WorkBuddy等其他产品。所以这些产品可能提供分歧的数据，而这些数据之间又能够相互扩散、相互迁徙，形成一个像网络一样的系统。这一点的价值会越来越沉要。
此前，腾讯的打法被表界形容为“跑马”。分歧业务做一样方向的产品，彼此竞争，很少有形成合力的感触，此刻似乎以AI之名起头有所扭转。
他提到，混元3重要做了几方面扭转。一是沉建了预训练和强化进建基础设施。二是对数据做了很大扭转，蕴含界说更真实的问题、丰硕data taxonomy、提高数据质量，这是一个永无终点的钻营。三是很多关键决策没有清澈公式，必要在招人、模型节拍、资源弃取中不休做trade-off，性质上是一个很taste-driven的过程。
姚顺雨泄漏，元宝早期阶段，混元曾派出很强的算法骨干，援手元宝先把DeepSeek的后训练做好。彼时混元自己的预训练模型还没有ready，不少算法同学一路头不理解。
但姚顺雨以为，守护元宝这样的产品和DAU，对后续做模型和持久合作都很沉要。所以其时其实好多同学也不理解，而后他必要去很致力地诠释。但此刻看起来，这些致力都是pay off。这样的一个作为，让产品和模型的同学意识到，模型的同学是真的在为产品着想。这个对于之后的合作，包费解元在元宝上成功的上线，起到了极度沉要的作用。
姚顺雨说，做模型的指标和产品的指标有好多align的部门，也有好多不align的部门。模型的人但愿能力越强越好，但产品的人但愿用户的需要满足得越好。所以天然有好多不align的部门。很沉要的一点就是要换位思虑的能力。当然有好多技术的部门能够探求，但可能最难的部吩熹实反而是怎么样去成立信赖，怎么样换位思虑。
汤路生以为，做产品的第一性道理没有变，最终还是奔着用户到底有什么需要，怎么去解决他的痛点，怎么给用户或者客户创造价值。在分歧的时期，甚至分歧的行业，做一个产品还是必要可能给用户带来价值，他才会买单，才会使用。
但是的确，在PC互联网、移动互联网时期做产品，跟今天在AI时期做产品，还是有蛮多不一样的处所。首先从范式的角度来看，在AI时期以前，做产品好多时辰想的是通过职能来满足用户的需要。作为一个产品提供方、服务提供方，要想明显提供怎么的能力，让用户可能通过界面、通过某些菜单去选择。这有点像预造菜，用户只能在里面点一样。
但是在AI时期做产品，它这种盛开式的服务状态会带来很不一样的要求和挑战。用户通过单一的交互方式，可能是天然说话，可能是语音。作为产品方，你也不知路用户会问什么，所以要充分利用模型能力去理解用户的需要。而后，通过今天大模型的推理能力、挪用工具的能力，产品给模型提供各类各样能够使用的工具，来应对这种盛开式的需要。
汤路生说，今天AI时期做产品，对能力的要求更全面，也更难了。尤其今年，大部门代码都由AI天生。工程师可能会花更多功夫去做设计、做架构设计，把写代码的工作交给AI，而后定期去领导一下、建改一下。测试也要左移，更前置地想明显，针对各类案例、环境，以及对于盛开式答案的一些要求，甚至alignment，怎么对齐用户所必要的风格。
姚顺雨泄漏，他沉新读了自己的博士论文，感触又回到了一个很远古的时期。他的博士论文的title叫做《Language Agent：from Next Token Prediction to Digital Automation》（说话智能体：从预测下一个Token到数字自动化）。那是2019年，七年前，那是GPT-2的时辰，它其时只能做Next Token Prediction，并且它产生的可能一段话还不太陆续，或者还有好多毛刺。所以其时人们是很难设想到，它会有一天成为一个扭转世界的力量。
其时姚顺雨的设想力比力狂野。他感触GPT是一个极度柔美的器材，吐下一个token是一个极度极简且极度通用的事件。他感触它有一天潜力不仅仅是在于吐下一个token，而是在于把这个世界上所有的事件全数automate。他其时想的是digital automation，但是此刻看起来也有可能是digital and physical automation。
姚顺雨的博士期间重要做两部门。第一，若何成立一个Agent的步骤论。若何把一个Next Token Prediction的机械造成一个Agent，造成一个自动化的机械。最沉要的一篇工作可能是React。
他还记得22年7月份的时辰，某一天晚上，当他第一次把其时是Palm 2的API和自己手写的一个Wikipedia的API连在一路，而后它第一次能够基于这个网页回覆问题，并且多轮的交互的时辰，他其时感触就像幽微的电灯丝忽然亮了的感触一样。据他所知，可能这是第一次人类把LLM和真正的互联网连在一路，并且去做这种多轮的交互。
他其时的感触这个可能在5年或者10年会扭转这个世界。但是可能比设想中还要更快。蕴含其时第一次提出SWE-bench的时辰，他感触若是这个事件能做到，那很显然它会带来巨大的价值。其时可能是几百亿上千亿，但此刻可能是数万亿，数十万亿，可能想的还是太幼了。
第二，怎么去界说Digital Automation的工作。好比说WebShop是第一个基于互联网的Web Agent的task。而后蕴含InterCode和SWE-bench是最早的Coding Agent这样的工作。此刻看起来Agent的基础最沉要的两个部门，的确是Web的Agent和Coding的Agent。
姚顺雨说，他看博士论文的结尾，就是他在2024年的时辰写的future work，第一个是train models for agent，第二个是safety and robust deployment，第三个是scientific discovery，第四个是怎么样去help human。他很感伤，说此刻很幸运，确切实做其时列的future direction�？赡芟氲幕故遣还淮�，其时已经感触自己想的够大了，但可能还是不够大。
姚顺雨以为，今天Agent，尤其Coding Agent，有点像预训练一样，是每家模型公司都不得不做的基础能力。Coding Agent之所以性质，是由于当模型能节造file system、占有container时，它就靠近一个complete system。
但他也强调，做好Coding Agent必要远远超过coding数据自身，还必要谈天、搜索、推理等综合能力。由于大模型最沉要的点是泛化性。腾讯的做法会更强调系统全面化、线上回流，以及对新范式的索求。
姚顺雨提到，即便可能今天Coding Agent也是最沉要的事件，但腾讯还是会强调系统的全面化。他始终以为，真的要把Coding Agent做好，其实必要的远远不止Coding Agent的数据。也必要谈天、指令遵循、推理，各类各样分歧的器材。
第二，产品的作用越来越沉要。若何利用好线上的回流，是一个每一个模型厂商都在应对和思虑的问题。这里腾讯堆集了好多Co-Design的这些经验会变得极度沉要。
第三，还必要更多设想力。无论是技术的演进，还是产品的演进，还是甚至下一个范式的演进，腾讯还是必要做一些索求性的，甚至不确定性的工作。
汤路生提到，从产品侧来看，各人越来越多有token焦虑的声音，token成本持续发作式增长。好多客户，甚至用户，蕴含身边同事，也在紧盯积分亏损或者token亏损。怎么能够让模型在解决某个问题、实现某一个工作时，token效能最高？
姚顺雨以为，此刻中国各人会商性价比，可能更多会商的是模型架构。但它其实是一个很复杂的系统。最沉要的事件首先是performance。好多人跟他说，用一个更强的模型，有时辰迸酌一个更弱的模型最后更省钱，由于你更快地把这个事件做对了，也省了人的精力。所以最沉要的事件是performance。若是你的performance好，其实它就是性价比最关键的事件。
尤其今年，好多单一工作的鲁棒性会变得越发沉要。若何一次把好多相对单一的工作做对，这可能是性价比更关键的部门，而不仅仅是模型架构。
第二部门是成本。成本自身也是性价比的一部门。第一是“性”，若是机能不好，性价比就很难成立。第二是“价”，也就是成本。成本上，中国其实是当吓宗世界的，腾讯做了大量工作去优化成本。
成本里，可能最沉要的事件是，怎么用一个更幼的模型，把更高价值的工作做好。在这个基础上，当然架构创新、长文治理、脚手架都有好多必要做的事件。但姚顺雨幼我见解是，若是能做一个相对较幼的模型，同时又可能比肩大模型的机能，并且在大部门工作上做到很强的robustness，这可能在好多长程的上面提升一两个点的提升，可能在今天的中国更有价值。
汤路生说，腾讯做的Agent，针对分歧场景有分歧的产品状态。在Agent设计上面，很大水平是阐扬好模型能力，当然模型在迭代它能力越强Agent必要做的工作越来越少。腾讯好几个产品在从前这段功夫是随着模型能力加强，能够把产品，把Agent做的更简化，更多的给模型提供更多分歧的工具，创造更多的skills，来让模型可能更高效的去实现工作。
给模型提供更多的所谓影象，用户从前使用一些习惯，能提取出来的一些用户preference的信息作为高低文。在Coding环境有有关的context给到模型，在Workbuddy里边办公合作，做个PPT，可能各人关注的内容或者该给到模型的context也会不一样。
所以在做分歧的Agent，汤路生感触更沉要是相识场景下什么内容，什么信息，是沉要的，比力relevant的，可能跟模型共同好，让模型有它必要的信息，同时也阐扬它的能力。
汤路生泄漏，他前阵子在助Workbuddy做一个组织发文，看了一下他们那个极度扁平化的组织，跟随前的其他产品组织架构有很大差距。更多幼团队三幼我五幼我，可能萦绕某一个领域来做攻坚，并且有好多试验在里面，还要支持Infra做尝试，让分歧的幼分队能够去索求而后再验证。由于试验大部门拿不到正向反馈，也要包涵团队去试错，这种通过大量试验去提炼出对于用户流程，对于想要的这个了局有正向援手，这个是今天做Agent，做原生AI产品，这个组织状态要可能比力好去支持。
另表，原来可能有好多工程师有好多功夫花写代码，但是今天毫无疑难他们这些工作能够交给AI了。所以会看到更多角色的融合，各人都是产品经理，都要去相识透辟用户需要，以及设计出想要的产品状态。每一个工程师更像一个有设法的leader，驱动多个Coding Agent，针对想要的产品需要去做研发、开发。同时要参加评测、测试，比力前置，也用好AI能力，把这些质量保障工作，对齐工作要做到前面来。
第一，AI是持久游戏，而不是短期游戏。在硅谷各人舒展好多感情，说两年后所有人都要失业，AI要取代所有人的工作，要从速赚两年钱退休。但很显然腾讯的判断AI是一个持久游戏，其实AI刚起头，下半场才刚刚起头。姚顺雨不以为ChatGPT和Claude Code会是唯一的super App，他感触那是一个非�；野档氖澜�，注定会有源源不休新的机遇诞生�？赡芙裉炀拖袷�70年代PC刚刚产生的时辰，还有好多好多事件必要做。
第二，AI会变得更多元，而不是沿着单一主线前进。由于的确从前几年各人能看到的是Pre-training、post training，而后Agent，Coding Agent，似乎有一个极度清澈的主线，这个主线是所有人都在做一样的事件，都在copy，这也长短�；野档氖录�。但到底未来变得更单一还是更多元？姚顺雨幼我见解会变得更多元，毫无疑难Coding Agent出产力会变得越发沉要，但这个世界还有好多空间没有被填满，多模态、具身智能，好多好多新的事件都在产生，或者刚刚产生。
所以从这个角度来说，若是以为下半场刚刚起头，可能的确不是完了。从前模型、产品做了好多索求，走好多弯路，姚顺雨感触这是正常的，若是没有做过一个事件，第一次做注定有崎岖。但可能更沉要的事件是能不能恳切面对自己，能不能Be Real，能不成能去看到feedback而后去扭转，能不成能维持耐心，这个事件是下半场最沉要的事件。
汤路生也回应说，各人对于腾讯时时喜欢挑某一个点来品评，当然腾讯也很欢迎各人给更高的要求。腾讯是一个极度多业态的公司，有好多产品散布在好多的赛路，同时也有好多的团队在推动分歧的项目、事件。所以毫无疑难，在这样一个复杂的组织里面有一些处所可能做得快了，有的处所做得慢了，有一些处所可能会做失败，在索求。所以这些提醒都极度好，的确有一些处所能够做得更好。
但就像姚顺雨说的，这是一个长跑，这是一个马拉松，腾讯还是有极度丰硕的场景。就姚顺雨一路头提到选择腾讯，由于AI必要Context，模型必要好多的这些高低文，其实腾讯在从前多年分歧产品，在分歧赛路的这些堆集，其实都是能够针对每一个场景去为模型提供有效的信息，提供这些Context来阐扬价值。
在这样一个长跑，汤路生相信模型会不休迭代，用户的需要也在不休变动，也会有新的产品状态出现。好比说今年岁首对Agent这一波热潮也反映比力快。同时也有像WorkBuddy这样的智能体产品，其实也是几年前起头做的产品，沿着原来做Coding、CodeBuddy，慢慢看到犯法式员也有很强的需要，也能比力快去应对，今天也听到好多客户对于分歧产品怎么去组合起来有极度高的等待。
恰恰泡泡糖全部作品受AI数据中心所需高带宽芯片需求的推动，芯片制造商成为华尔街最热门的股票，将市场推至历史新高。这一飙升引发了投资者是否在买入过热市场的争论。这也让韶音的市场策略发生转向。一方面，它坚守自己原有的运动用户，推出了OpenSwim Pro 2，将游泳场景做深；另一方面拥抱大众消费市场，邀请奢侈品设计师设计新品耳夹式耳机的礼盒版，新品OpenDots 2还邀请新生代女演员张婧仪作为代言人。恰恰泡泡糖全部作品红桃视频古诗鉴赏有固定的答题逻辑和得分要点，包括意象含义、情感主旨、表达技巧、炼字赏析等核心考点。不用死记硬背长篇大论，考场根据题型快速套用，思路清晰不丢分。如果说韶音是骨传导耳机品类开创者，Oladance（已被字节跳动收购）则向市场提出了全开放式耳机OWS概念，华为则是将一款更具有外观创新性的耳夹式耳机推向了大众市场。后面二者都是气传导耳机，采用了定向声场技术，将传统发声单元的声音传入耳蜗。这解决了韶音骨传导的音质、降噪等问题，但同时又具备佩戴舒适度。
20260608 ? 恰恰泡泡糖全部作品在欧冠决赛期间，90岁的米雷耶在社交媒体上走红，她被巴黎圣日耳曼的年轻球迷护送并救助。她激动地讲述了这个跨代交流的美好时刻。事发三天后，她似乎仍然无法相信所发生的一切。周六，当她拄着小手杖前往沙尔多·拉加什街的药店时，这位90岁的老人身处巴黎16区庆祝巴黎圣日耳曼欧冠决赛胜利的活动中心。很快，一群年轻球迷围住她，护送她走在人行道上，同时唱起了一首歌曲，当视频开始流传时，这首歌让米雷耶成为了社交媒体明星：“为了奶奶，加油加油……为了奶奶，加油加油！”不幸的是，由于街区的紧张局势以及与警方的冲突，催泪瓦斯波及到了这位拄着小手杖的九旬老人。于是，为了保护她并将她带离混乱，两名年轻人决定架着她的胳膊，将她送回家中。《《我的不良义姐》动漫版百度云》这份恐惧的种子，在她很小的时候就扎下根了。高圆圆出生那年，妈妈已经四十岁了，放在七十年代末绝对是少见的超高龄产妇。同龄小朋友的妈妈大多才二三十岁，她妈妈早就有了白头发，出门走两步就喘，身体底子一直很差。
20260608 ? 恰恰泡泡糖全部作品往上走了这么久，得回到最底层看一眼。所有Agent、所有模型、所有企业应用，最后都要落到服务器上。而有些YC创业公司发现，服务器层面欠的债可能比软件层面更大。《51吃瓜网》GPU呢，擅长批量并行运算。就像一万个小学生。 虽然只会做加减法，但胜在“人多力量大”，速度很快。处理海量数据的时候，速度碾压CPU。
京公网安备11010202000001号
