今日，騰訊雲在北京國家會議中心召開了一場AI產業應用大會。
早晨9點多，《科創板日報》記者抵達主論壇會場，眼前的場面遠遠超出了記者預期。整個大廳座無虛席，每條過道、每處入口都被人流塞得水洩不通。參會者們肩挨肩、背貼背，不少人只能踮起腳尖才能勉強看到舞台上的畫面。
《科創板日報》記者與身邊參會者交流得知，許多人此行的目的，不僅是想瞭解騰訊雲在AI領域的新產品、新戰略，更為一睹去年底入職的騰訊“AI新星”——首席AI科學家姚順雨。
大會現場，騰訊集團高級執行副總裁湯道生與姚順雨首次同台公開對話，分享AI下半場騰訊的最新佈局和思考，首次回應騰訊大模型和產品研發深度Co-Design思路。
在姚順雨看來，AI的下半場才剛剛開始，也已從尋找方法轉向尋找問題。
這一觀察不止適用於騰訊，也恰好映照出了當前中國AI大廠在新競爭階段的選擇與路徑分野。
▎AI的下半場：從找方法到找問題，從短期競賽到長期主義
大會現場，姚順雨在對談中明確區分了AI的兩個階段：上半場是尋找方法，而方法輪已然成熟，AI的下半場也從尋找方法轉向尋找問題。
“AI已經發展幾十年，更加重要的是怎麼去解決問題、去尋找好的方法。例如AlphaGo解決圍棋、翻譯模型解決翻譯問題，過去每一種模型往往只對應單一任務。”姚順雨表示，“而預訓練和後訓練，讓我們擁有了一把幾乎可以解決各種問題的‘萬能錘子’，反而更困難的是怎麼尋找值得解決的問題。”
因此，姚順雨把AI的下半場歸納為Foundation（基礎模型）、Product（產品）、Frontier（前沿模型）構成的均衡三角。
他認為，LLM的本質區別在於泛化性，不同場景的資料需相互賦能；而Agent的崛起，讓環境、評測與推理行動協同變得比單一模型能力更關鍵。
“今天即使你想只做一個Coding Agent，你會發現其實需要的不僅是Coding Agent的資料，你需要非常好的聊天能力、非常強的搜尋能力、非常強的指令遵循能力、非常強的推理能力，它其實是非常復合的data taxonomy。”姚順雨表示。
從這個角度看，騰訊的體系化產品矩陣在資料層面，也就形成了相互支撐的關係。例如，元寶產生聊天與搜尋資料，WorkBuddy產生辦公協同資料，CodeBuddy產生程式碼資料。
這些使用者每天產生的問題，也就是姚順雨所提到的“尋找值得解決的問題”，而這些資料之間可以互相泛化，最終構成一個網路化的資料體系。
這也是騰訊在AI領域區別於其他友商的打法，它不是要做一個Chatbot，也不是單純的API服務，而是將AI能力嵌入到具體的業務流中。當模型的能力來自不同場景資料的互相加持，而這種“生態反哺”的模式或許也能夠成為一道獨特的護城河。
值得一提的是，針對外界長期存在的“騰訊AI慢了”的質疑，姚順雨則給出了一個兩個維度的判斷框架。
第一，Al是一個長期遊戲，而非短期窗口。他指出，矽谷部分從業者認為需要"趕快賺兩年錢退休"的心態並不可取，AI才剛剛開始，ChatGPT和Claude Code不會是僅有的超級應用，未來將持續誕生新的產品機會，"今天可能就像70年代PC剛剛產生的時候"。
第二，AI將走向多元而非單一路徑。過去幾年行業沿著預訓練、後訓練、Agent的清晰主線推進，但未來Coding Agent之外，多模態、具身智能等大量新方向正在或即將形成，整個世界"還有很多空間沒有被填滿"。
▎AI激戰正酣，大廠路徑分化
IDC資料顯示，2026年中國MaaS市場Token呼叫量將達40000兆次，營收約186億元，超60%的中國頭部企業已將生成式AI整合到核心業務流程。除上述所提及的騰訊，其他大廠在路徑選擇上也已呈現出明顯分化。
6月初，千問正式發佈多模態模型Qwen3.7-Plus，將“看、想、寫、做、驗”整合進統一的智能體工作流；同時，千問APP宣佈將向第三方Agent、Skill全面開放，所有企業均可在千問營運自己的品牌Agent。目前，瑞幸、肯德基、蜜雪冰城、東方航空等首批企業正在千問進行Agent服務測試，並將陸續上線。
可以看到，阿里雲正以千問App為入口搭建一個平台化架構，讓開發者和企業營運自有Agent，試圖建構開放的Agent應用生態。其底層依託的是阿里龐大的商業網路，從電商、本地生活到雲服務，均為Agent的場景落地提供了現成的供需匹配土壤。
而豆包則是靠字節的流量基因把陪伴和內容做到極致，從老人到孩童，豆包AI陪聊先接住了最大公約數的使用者需求。
然而，這條路目前正遭遇嚴峻的算力成本考驗。截止今年3月，豆包大模型日均Token呼叫量突破120兆。此外，豆包Token推理成本每年約80億元，晶片算力成本每年約數百億元。
5月初，豆包在App Store內購頁面更新三檔訂閱價格，最高年費達5088元。然而，付費消息傳出後的一個月時間，豆包MAU（月活躍使用者數）開始出現規模化增長以來的首次下跌。據AI產品榜資料，豆包5月MAU（月活躍使用者）為3.3億，環比下降1.81%，約607萬使用者流失。
值得一提的是，在IDC看來，全球AI產業已進入一個超級周期，市場正從基礎設施建設轉向企業級應用爆發。
IDC中國副總裁周震剛指出，AI領域競爭優勢已轉移：“關鍵不再是擁有最強的算力，而是如何以最低的Token成本將AI轉化為可持續的業務能力。”
▎同一道難題：AI的邊際成本困境與商業化之路
儘管各廠商們的路徑各異，但也共同面對著同一個難題——算力緊缺與AI商業化。
關於算力短缺，湯道生在接受《科創板日報》等媒體採訪時也坦言，一直以來騰訊都面臨在基礎設施的算力方面“不太夠”的情況。
“有限的資源，我們會傾斜內部的需求，包括混元的訓練、微信的需求、會議的需求、元寶的需求等等。因此，實際拿GPU算力放到雲上服務各行各業的客戶，有標竿案例，但還不能完全覆蓋所有客戶的需求。”他表示，隨著下半年更多國產算力入市，這一狀況或能夠得到緩解。
與此同時，儘管國產算力正在追趕，但仍有瓶頸。有行業觀察者向《科創板日報》記者指出，國產算力近兩年在推理端提升較快，進入相對可用階段；但在訓練端叢集能力、生態適配、綜合成本等方面仍存短板。
值得一提的是，關於AI原生服務的盈利困境，湯道生也將問題講得很透徹。
他指出，移動網際網路時代的邊際服務成本相對比較低，所以能通過廣告、帶貨等交易行為建立起商業模式。但AI原生服務的推理成本與任務複雜度高度關聯，“使用者針對不同問題可能有不同消耗，（廠商）更難有穩定的回報，很難保證使用者不付費的情況下讓廣告主為不確定的營運成本買單。”
“AI產品，如果推理成本仍處於現有水平，它還是很可能被使用在那些高商業價值、能算得過帳的場景。或者它帶來的新增生產力，能夠對標在沒有它的情況下還要花更高成本去完成的場景，到那時新的商業模式就能建立起來。”湯道生表示。
此外，姚順雨則對“性價比”給出了另一種註解，“性價比第一是性能，如果性能不好，性價比無從談起。很多人和我說，發現用強模型比用差模型更省錢，因為能更快把事情做對。”
在其看來，在成本方面，中國是領先於世界的。當前在成本方面最重要的工作，是怎麼用一個更小的模型把更高的價值任務做好，並在這基礎上架構創新，包括長文管理、腳手架等。
正如姚順雨所言，若把AI視作長期遊戲，下半場才剛剛開始。目前來看，方法論已然成熟，而真正的賽點在於誰能在真實場景中持續找到“值得解決的問題”，並以可持續的成本交付價值。
對各雲服務商而言，算力短缺與商業化困境是共同考題，但賽道已從拼參數轉向拼落地。誰先跑通效率閉環，或許就能領跑下一個十年。 (科創日報)