2024年，騰訊的高招團隊在一場頂級學術會議上認識了姚順雨。當時這個97年的年輕人還是OpenAI的研究員。
他被介紹給了騰訊總裁劉熾平。一年後，姚順雨回國，一躍成為了騰訊的大語言模型負責人。
外來管理者進入一個新組織後的挑戰都是相似的：如何在盤根錯節中不被原有的秩序吞沒，又建立起自己的秩序。
陸奇加入百度時，內部缺乏改革的共識和決心。他一邊在搜尋廣告這個公司的大命脈上動刀——觸及了核心利益；一邊講著“決勝AI”的故事——一個無法快速兌現的承諾。2018年5月16日，百度的股價創下歷史新高，兩天后陸奇離職。
姚順雨的幸運之處在於，在他來騰訊的時候，這家公司的最高決策者已經意識到，AI是生死之戰，而騰訊正遠遠落後於對手。“一年前我們以為上了船，後來發現那個船漏水了。”馬化騰在2025年的員工大會上說。
他們提前為這場變革掃清了障礙：姚順雨來之前，混元原先各崗位的關鍵負責人已悉數離場；他也可以直接向集團總辦匯報；混元所在的技術與工程事業群（TEG）總裁盧山則是一位溫和的管理者，願意最大程度放權。
2025年底，混元團隊立刻大刀闊斧開始了調整：一是開啟大規模招聘，三個月裡找到了預訓練、後訓練、評估、Infra的新負責人；二是重造組織，成立專門服務混元的AI Infra部、AI Data部；
最後是統一共識，他提出了“守正出奇”的訓練思路，即先回歸常識，把訓練大模型最基礎的事做對，再談創新。
三個月後，混元發佈了全新一代大模型Hy3 Preview。這是“守正”的結果：模型規模克制、使用的是最傳統的架構，最大的變化是重構了Infra，同時丟掉了大量髒資料。
結果超出團隊預期，模型能力不僅明顯優於此前的混元2，在開源社區也獲得了一定關注。三個月後，Hy3正式版發佈，能力進一步提升。
如今，混元的組織均梳理完畢，團隊磨合了半年、有了實戰經驗，內部士氣得以提振。但一位接近騰訊高層人士說，接下來才是混元挑戰的開始。
“容易的事情做完了，守正以後，大家等著看他如何出奇了。”上述人士說。
據我們瞭解，Hy4已經在訓練中，尺寸更大，也將加入多模態的能力。混元團隊的判斷是，Hy4仍然會是一個處於追趕頭部狀態的模型，但差距會明顯縮小。2027年，混元將進入國內第一梯隊。
不過競爭對手也在加速。智譜的GLM已經在開發者群體中攢下了口碑；字節跳動的Seed正在訓練一個史無前例的大尺寸模型；Kimi的K3則押注架構創新。“Hy3相比過去有進步，但離公認的好模型還有距離。”一位資深的AI開發者說。
商業史上不乏成功的企業變革故事。2014年，薩提亞·納德拉接手微軟，把散落各處的雲業務收攏成Azure，為微軟劃出了漂亮的第二增長曲線。
但Azure的成功有一個重要前提：它用了將近十年；資本市場也給了納德拉同樣漫長的蜜月期。
AI的競爭比當年的雲端運算殘酷得多，大模型的代差以月計算。
初入騰訊時，姚順雨向總裁劉熾平提了一個請求：從新模型發佈起至少一年，希望總辦不要看榜單(benchmark)。一年大約是訓練兩代模型的時間。“Martin（劉熾平）同意了。”一位接近騰訊高層的人士說。
“神經科學裡有個理論，大腦學會新東西的前提，是修剪掉一部分舊的連接。”上述人士說。
騰訊就站在這樣一個改革的節點上，如果它想追上這場競賽，就得忘掉一部分舊的組織記憶、接受不確定。混元變革的成敗，也繫於此處。
一、診斷
2025年11月，姚順雨出現在騰訊的一場管理層會議上。
此前一段時間，他以顧問身份加入騰訊，任務只有一個：排查混元大模型長期落後的原因。他沒有直接入職混元，而是掛在了總裁劉熾平直接管理的企業發展事業群（CDG）。CDG是騰訊負責戰略、投資、金融、對外關係等業務的事業群。
姚順雨把模型訓練的每個環節檢查了一遍；和同事，甚至是實習生交流至凌晨；還去了元寶、微信等與混元深度合作的產品部，聽他們的反饋。
“混元的評測出了大問題。”一位在場人士轉述他的發言。意思是之前的團隊過度追求模型榜單成績，將打榜語料被放進訓練集，污染了資料。
結果模型變得很會答，但在真實場景裡表現很差。但這僅僅是冰山一角。“簡單來說，幾乎每個環節都在漏水。”一位騰訊人士說。
混元從起步開始就不算順利。2021年底開始的全集團降本增效，導致混元在組隊時人手急缺，即便額外申請到一些招聘名額，仍然不夠用；真正訓練過大模型的人就更少了。
首任負責人張正友是電腦視覺出身，主管著機器人實驗室Robotics X；第二任負責人蔣傑長期負責騰訊的巨量資料平台，專長在廣告和推薦。
一位騰訊人士告訴我們，2023年混元剛立項時，項目組連一塊GPU都沒有，最後還是從廣告部門勻來了2000張，一半給預訓練，一半給後訓練。
卡少導致混元的基礎建設（Infra）先天不足，系統缺少針對大規模訓練任務的設計。到了後期，一旦用上更多的卡，訓練就變得極其不穩定，效率也上不去。
資料環節的問題最明顯。混元的資料按知識問答、創作等分為六類，一類一個團隊各自為營。在很長一段時間裡，這樣的劃分模式沒有變過，因此一旦出現這六類之外的樣本，很少有人願意接手。
他們當時為資料標註定了一條明確的驗收線：每批資料的精準率要達到95%以上。但一位混中繼資料部門人士回憶，標註規則本身定義不清，標註團隊交不出合格的結果，實際精準率長期停留在60%-70%。95%的指標並沒有因此鬆動。於是團隊為了交差，生產出大批無法使用的資料，演算法團隊默許了這一切。
訓練環節也不健全。混元幾乎沒有做過強化學習，“不是不想做，是基模支援不了。”一位混元人士把它比作一個按搜尋引擎方式做出來的大模型：只能回答那些它見過答案的問題，不會推理，更不會在推理中糾錯。
這些短板決定了混元的上限。競爭壓力之下，團隊做了兩個選擇：一是換架構，冒險改用Transformer與Mamba結合的混合架構。
這條路線在行業裡尚未被充分驗證，“但有噱頭。”一位混元人士評價。除了騰訊，幾乎沒有大廠選擇它。二便是轉向打榜，用這樣的方式向上匯報。
2025年中，整個混元的狀態都是，“活照常幹，但大家心裡都清楚，這麼幹下去不行。可誰也不敢做大動作，都在觀望。”一位混元人士回憶。很快，補船的人來了。
姚順雨本科畢業於清華姚班，在普林斯頓讀博期間提出了ReAct和思維樹（Tree of Thoughts），都是智能體領域的奠基性工作；2024年博士畢業後加入OpenAI，參與了Deep Research和Operator兩個智能體項目。
剛剛加入騰訊時，外界不乏對他的質疑，最常見的一條是：沒真正訓過模型。“這是一個誤解。”一位混元人士說。
Deep Research是OpenAI第一個用端到端強化學習訓練的智能體產品，“不可能不訓練”。他告訴我們，姚順雨在OpenAI時甚至要接觸預訓練——讓智能體具備這樣的能力，就得在預訓練或中期訓練階段積累相應的模式和資料。
2025年底，豆包的日活躍使用者數已經過億，元寶還在千萬徘徊，也沒有完成當年的既定目標；千問大模型在開源社區一騎絕塵——Hugging Face榜單前十名一度都是它的衍生模型。
這一年，阿里的股價因為AI的敘事漲了近80%；騰訊也漲了，但市盈率已接近2022年的谷底——市場幾乎沒有給它的AI業務定價。
但在騰訊，“一種莫名的信心開始蔓延。”一位騰訊員工說，氣氛與上半年截然不同。“從上到下傳遞出來的訊號是，姚順雨來了，重建後的混元衝進第一梯隊指日可待。”
二、重建秩序
2025年年底，騰訊AI Lab副主任俞棟匆忙離任。這位在騰訊待了九年的科學家沒有把要走的消息告知研究員們，也沒有正式告別。
他的離開是騰訊AI體系改組的一部分。純研究機構AI Lab成立已經十年，何去何從，內部有兩個方案：一是姚順雨兼任主任，保留建制；二是整體併入混元，不再獨立存在。三個月後，AI Lab被併入了混元。
第一次與AI Lab的研究員們溝通時，姚順雨解釋，這是為了打破部門牆。如今AI的前沿就在一線的大模型上，進入混元做研究才能看到真問題。
之後，姚順雨把AI Lab重新定義為大語言模型部的Frontier（前沿研究）團隊，負責前沿技術探索，不設KPI，也不強行規定研究課題。
2025年下半年以來，混元大規模改組。
幾個月內，混元預訓練、後訓練、評估、Infra的負責人全部換人，新人來自字節、Kimi、DeepSeek、美團等公司。招人也不再看出身，學校、年齡、資歷都不是硬門檻，合適就能直接當負責人。
比如目前混元的模型架構負責人還是一名在讀博士生。“兩到三年經驗的研究員，也能開出極高年薪。”一位知情人士說。
一位字節Seed招聘團隊人士告訴我們，姚順雨加入前後，混元在校招上的吸引力明顯提升，好幾個候選人連Seed都沒搶過。
另一個重要原因是，Seed的人才密度已經很高，年輕人更容易成為成熟體系中的“螺絲釘”；而處於重建期的混元正是用人之際。
改革也並不意味著疾風驟雨。“按道理，打仗得保證部隊的純正性，老人們都在等著被清退。結果是，混元團隊仍然有很多‘老人’在一線，管理崗上也有很多‘老人’。
一位混元人士說。不過他們也沒有不服氣的理由，“新招來的那些人太牛了，和在騰訊待了十年的人相比，根本不在一個維度。”
姚順雨自己也常在混元的大群裡發論文、聊技術，能跟上的人很少，有時甚至看不懂。“Peer（同輩）壓力太大了。”上述混元人士感嘆。
與吳永輝執掌Seed後統管所有模態、所有部門不同，姚順雨正式加入混元後，只選擇了擔任大語言模型部與AI Infra部兩個部門的一號位。多模態模型部、資料平台部、機器學習平台則仍是原來的負責人。
在幾家網際網路巨頭的大模型團隊裡，混元是唯一一個把模型訓練和Infra都交給一號位直接管的。
千問的Infra長期依託阿里雲的機器學習平台PAI，而PAI團隊在通義實驗室之外，協同的摩擦讓時任千問大模型負責人林俊暘後來不得不開始自建相關團隊。
混元目前的思路是，Infra團隊在模型訓練前的定版階段就參與討論、給出建議。這也是最符合模型訓練特點的協作形式，因為在模型實驗和定版階段，就要考慮Infra能否實現。
相比之下，在很多公司裡，Infra團隊更像完成演算法需求的“內部乙方”。
部門內的層級也被簡化，只有“姚順雨—方向負責人—研究員/實習生”三層。各組之間的資訊、資源被共享。團隊成員有任何問題都可以丟到百人大群，迅速有人響應，幫忙給出解決方案。
一位混元人士告訴我們，如果把混元的團隊比作一棵樹，和前代負責人們相比，姚順雨最關注的是最底層的子節點——喜歡和研究員、實習生聊天至深夜；
也經常問他們，混元有沒有什麼技術之外的地方需要提升；對實習生提出的質疑，比如機器平台不好用，他可以立刻反饋給相應的負責人要求改善。
姚順雨反覆對內提到，訓大模型，組織很重要。
“但他並不是外界傳的什麼少年老成。”一位混元人士說，“他就是個28歲的年輕人，所以能和研究員們打成一片，開會時偶爾也嘻嘻哈哈。”他喜歡打籃球，有時會在群裡攢籃球賽，然後和同事一起去打球，一打就是幾個小時。
不趕發版的時候，混元的強度並不大。混元現在定下的節奏是，每兩三個月要有成果，每半年出一個大版本。這也是大模型訓練常規的節奏。另一邊，混元也取消了部門年中考核，鼓勵聚焦長期研發。
偶爾也有例外。“只要那個組來了Seed的人，那個組很快就會自發地捲起來。”一位混元人士說。
三、沒有魔法，也不要相信別人有魔法
2026年5月底，姚順雨少見地向團隊發了一回脾氣。平日裡，他溫和謙遜，幾乎不當面駁斥或責備他人。
距離混元Hy3正式發佈只剩一個月了，項目上下都在緊張衝刺，加班至凌晨成為常態。此時，一批提交上來的資料出了問題，直接影響了模型效果。姚順雨嚴厲告誡團隊：“資料非常重要。如果下次再出現這樣的情況，直接走人。”一位知情人士轉述。
混元Hy3是姚順雨在年初帶隊開始訓練一款大模型，也是他加入騰訊後的第一張成績單，但內部抱的預期並不大。“混元剛從谷底爬起來，這場仗打不贏也沒必要打。”一位混元人士說，磨合新組織，讓混元回歸按常識做事的路才是最重要的。
開始訓練前，姚順雨用自己的舊東家OpenAI舉例給團隊鼓勁：直到今天，OpenAI的基礎模型也沒有依賴過什麼神秘的技術，甚至底層架構與2023年比沒有什麼根本性的變化。這也是他如此看中資料的原因。
他認為，做大模型沒有魔法，也不要相信別人有魔法。真正難的是把最基礎、確定能做對的事情都做對——做到這些，足以讓混元擠進中國的第一梯隊。
在頭部大模型團隊紛紛押注新架構的當下，Hy3用了最標準的MoE Transformer架構。內部討論過，是否引入Qwen、Kimi都在用的線性注意力方案，但最終放棄了。
一個判斷是，線性注意力的主要價值在於降低長文字場景下的計算成本，但當下的真實世界裡，真正用到超長文字的場景並沒有那麼多。
他們把主要精力放在了那些基礎環節上。最要緊的是花兩個月時間，完全重構預訓練和強化學習的Infra（基礎設施）。
字節跳動Seed原視覺AI平台負責人加入混元，擔任AI Infra多模態推理負責人；訓練Infra組負責人也來自Seed。對大模型來說，Infra決定的不只是模型能不能跑起來，還直接影響算力利用率、訓練穩定性和實驗迭代速度。
由於時間有限，團隊沿用了混元2.0時期積累的資料，甚至沒有新增資料。不同的是，他們丟棄傳統的榜單評測基準，重新定義了資料標準，將原有資料從頭清洗了一遍；SFT資料被大幅去重和篩選，最終只保留一萬餘條。
Hy3並不是完全沒有企圖心。按照姚順雨的設想，混元不需要在所有能力上正面擊敗Claude Opus這樣的前沿模型。
如果一個模型能以Opus 1%的價格，在90%的日常問題上做到與它一樣好，甚至超過它，對大多數使用者來說這就是一個更優的模型。
“這是一種訓練哲學，先清楚定義目標——大多數使用者日常真實面對的任務是什麼、願意承擔多少成本，再從中尋找最優解，而不是一上來就盲目堆資源，追求智能的最高點。”一位混元人士說。而騰訊的產品裡就裝著這些需求——社交、辦公、文件、搜尋、客服、內容。
為了驗證猜想，Hy3把總參數量定在了295B，遠低於同期Kimi K2.5的1T和GLM-5.2的近750B；每次推理僅啟動21B參數，推理成本約為GLM-5.2的七分之一。
它放棄了不少看上去很酷的技術實踐，比如像Kimi一樣讓數百個Agent平行協作，或是把參數堆到上兆，在混元的價值體系裡，這些都不是一定要做的。
每當有研究員提出一些天馬行空的想法，姚順雨很快會把他拉回到現實中，提醒他們要多思考，“這對大多數人來說，這真的有用嗎？能解決多少人的問題？”
一個插曲是，2026年4月23日，混元發佈Hy3 Preview，這是正式版Hy3之前的一次階段性交付。上線前夕，Hy3 Preview先在騰訊內部業務中進行了一輪內測。呼叫過程中，多個外部模型都順利跑通，唯獨混元出了問題，一時間引來不少吐槽。
不過上線後，Hy3 Preview登上了OpenRouter周度模型使用榜第一，單周處理3.66兆個Token，使用量環比增長298%。（註：OpenRouter更反映個人和中小開發者的使用情況，只能作為整體Token消耗的參考。）實際效果超過了團隊的預期。
“這也許證明了我們這個版本的思路是對的。”姚順雨對團隊說。
通常而言，更大的參數規模意味著更高的能力上限；但Hy3顯示出，只要資料和後訓練做得好，不到300B的底座模型，在一些任務上已經能夠與1T參數的模型競爭。
更讓他們意外的是模型表現出的泛化能力。一些沒有經過專門資料補強的能力，也會在陌生任務中自然表現出來。
比如，給模型一套此前沒有見過的規則或流程，它能夠從上下文中臨時學會，再應用到新的問題；面對雜亂的多人對話，也能梳理人物關係、權限和不斷變化的資訊。
Hy3 preview的表現提振了士氣。正式版Hy3在它的基礎上擴大了強化學習的規模，改進後訓練資料，重點補強Agent能力。從發佈後的行業反饋來看，Hy3顯著好於preview版本，在小參數規模的基礎上趕超了GLM5.1，但還不及GLM5.2。
“我們都清楚，Hy3距離真正的第一梯隊還有差距。”一位混元人士說。模型發佈後，他們沒有慶祝，也沒有發佈詳細的技術報告——在他看來，這說明大家不認為它代表自己的最終水平。“或者要等下一個版本，混元才會在這個世界上證明，自己有更獨特的價值。”
四、走出混元
2025年底的一次總辦會上，馬化騰第一次在總辦會談到AI程式設計（Coding）的大趨勢，認為應該重點關注和跟進。當時，Anthropic的程式設計智能體產品Claude Code成為了現象級工具，帶動公司收入急速增長。
一位知情人士告訴我們，姚順雨提出了一個方案，搭一個全新的強化學習基礎設施平台，讓公司內各業務都能在上面訓練自己的模型，同時向混元回流訓練資料，集全公司之力，可以做出最好的coding產品。
“做成了，這將是騰訊一次史無前例的突破。”上述人士說。
過去，騰訊的一些文化屢受詬病，比如“部門牆嚴重”“內部賽馬”等。2016年騰訊組建AI Lab，次年請來機器學習領域的知名學者張潼出任一號位。
一位騰訊TEG人士回憶，張潼帶著很高的期待而來，以為騰訊的海量業務和資料都能為他所用，那是學界拿不到的珍貴研究資源。然而進來之後，資料還是拿不到，研究只能閉門造車。兩年後，他失望離去。
在大模型時代，這種矛盾同樣存在。騰訊元寶的負責人吳祖榕就曾在總辦會上提到過，模型與產品割裂嚴重。模型有自己的技術提升目標，還要追逐榜單的成績。這導致元寶團隊沒辦法在產品上驗證一些設想，很多想做的功能無法落地。
姚順雨帶著同樣的期待來了。
他在內部解釋過為什麼來騰訊。當下大模型稀缺的不再是訓練技巧，而是找到真正值得解決的問題，而好問題恰在網際網路公司的業務裡。
全球真正沉澱了大量上下文（Context）的公司不多，騰訊和Meta是最典型的兩家。字節的使用者規模雖大，但生態圍繞推薦和分發，這類沉澱相對有限。
所以在姚順雨的構想中，模型與產品應該以聯合設計（Co-design）的模式合作，即模型和產品從一開始就繫結在一起開發，模型可以第一時間拿到產品的真實場景和使用者反饋，知道自己該往那裡改；產品也能及時向模型同步需求，不用等一個通用模型送上門，再調整、將就。
他也知道，業務是證明混元價值的地方，必須籠絡。一位混元人士告訴我們，今天大模型行業普遍面臨商業化難題，但騰訊的思路是，不一定要向外部客戶收費，能幫業務提升收入，同樣是混元的價值。
“舉個例子，《王者榮耀》一年收入幾百億，混元如果能幫它提升1%，那就是好幾個億。”
為了打破僵局，姚順雨在2025年底提出，將自己手上的模型應用中心、搜尋演算法中心劃歸元寶所在的雲與智慧產業事業群（CSIG）。CSIG手裡有騰訊的多數AI產品，比如元寶、ima、CodeBuddy、WorkBuddy。
“他清楚自己當前的主要任務是什麼，就是和業務處好關係，把Co-design的想法落地；搜尋不緊急，也不是他最感興趣的，沒必要抓著不放。”一位騰訊人士說。
藉著這個契機，混元向元寶等業務分別派駐了一支後訓練團隊，建立起了聯合設計、交叉派駐、程式碼審查與共享的合作機制。
春節前，姚順雨每周都會和元寶開會，甚至隔幾天就會瞭解元寶的進展。有時在總辦會上，他還會不吝稱讚元寶的某個新設計，儘管它還不那麼完善。
WorkBuddy是另一個例子。這是一個在智能體時代，為騰訊找到一個好身位的產品。
比如，新模型上線前，混元會針對WorkBuddy的腳手架做針對性適配，從而讓使用者在WorkBuddy上獲得更好的體驗。WorkBuddy的使用者反饋也為模型的訓練持續提供最佳化方向。
不過到真正合作時，問題仍然存在。模型團隊和產品團隊的目標沒辦法完全貼合。模型的目標是交付更好的模型，因此希望產品多給資料和分析；但產品要的頻繁迭代、快速偵錯。
於是在日常，最常見的情況是，產品催著要一個本周就能上線的迭代，而模型團隊想的卻是如何在下個版本提升整體能力。
與當年AI Lab面對的環境不同，今天騰訊的各個業務都籠罩在AI焦慮裡，迫切需要轉型。此前它們最積極的動作是接入DeepSeek，但外部模型終究是外部模型，很難為某個業務做專門的訓練。
“能感覺到他們的狀態從謹慎、試探，慢慢變得開放。”一位混元人士說，最開始，業務方只給兩成信心；深入交流後發現對方懂行，於是慢慢把專業的事交給專業的人。“很難想像，現在的騰訊竟然有了初創公司那樣的願景。”
五、擺脫組織重力
姚順雨自加入騰訊的第一天起就被塑造成了改革者的形象：獲得了總辦極大的授權，可以用高薪挖最頂尖的人才；
能為團隊爭取權益，當公司要求技術與工程事業群（TEG）搬去偏遠的企鵝島辦公時，混元成了那個特例；
關心個體，新的研究員加入後，可以自由選擇感興趣的方向；他的到來給不少老員工帶來了壓力，但也使內部士氣為之一振，甚至有了創業公司的感覺。
AI行業的演進看起來也在利多混元。“做大模型越久，反而越不著急，因為行業推翻結論的速度在變快。”一位混元人士說。
比如大模型現在看上去開始有了後來居上的邏輯。後來者可以用上更先進的框架、繞開前人走過的彎路，用同樣的資料甚至能訓出知識密度更高的模型。
大公司還有創業公司難以匹敵的優勢。“智慧來源於diversity（多樣性），這才是大模型時代真正稀缺的資源。”上述混元人士說。
AI生成的內容看上去千姿百態，轉成向量後其實高度相似；真正有價值的差異，來自不同人的表達、思考和使用需求。大公司天然擁有更多樣的人、更多樣的業務和更多樣的應用場景。
他用WorkBuddy舉例，這個產品如今有上百萬日活躍使用者，其中騰訊自己就有十萬員工、好幾萬程式設計師，模型能力在內部就能經受最挑剔的檢驗，從而快速持續迭代。此外，騰訊還有遊戲、金融、交通、教育等業務場景，能為模型迭代提供重要的靈感和反饋。
但騰訊的AI改革能否成功，外界仍有質疑。姚順雨可以改變一支團隊的速度，卻很難獨自改變一家公司的慣性，騰訊經歷過太多類似的時刻。
2019年前後，騰訊也曾從矽谷引入了一批工程與資料人才。當時它正與字節激烈競爭，試圖煥新自己的技術體系，搭建演算法與資料中台。
這批人裡，有從Google、Snapchat而來，負責搭建事業群的技術中台；也有從Instagram、Uber而來，帶領微視、騰訊視訊等產品做使用者增長和資料分析。
可最終，舊有業務體系成為了最大的阻力。這些外部專家大多沒有留下太多成果，隨後陸續離開。
今天，騰訊面對AI浪潮，再度開始向外大規模招人。儘管這一次是在老業務之外，從零建構一個新組織，但大公司的引力並不會因此消失。
內部競爭是難以迴避的。今天，面對發展AI需要持續投入的巨額資金和GPU，沒有一個巨頭敢說自己有“無限子彈”。
目前，騰訊的卡資源明顯傾向混元。在騰訊，負責人分配算力資源的主要是盧山和林景驊，他們一個是混元所在事業群的總裁，一個則直接向劉熾平匯報。但微信也在訓練自己的大模型。
不過，一位騰訊人士說，現在混元的目標是去突破智能上限，微信則是找到更經濟的算力模式，以適應大使用者量的場景。
比資源更稀缺的，是決策的空間。一位混元多模態人士回憶，內部曾討論過要不要訓更大尺寸的視訊模型——那是Seedance 2.0成功的關鍵，敢於探索Scaling Law的邊界。最終，他們考慮到成本和代價太高，沒有人敢拍板。
有的時候，做成後的壓力還會更大。一位騰訊人士告訴我們，在騰訊，一個產品一旦受到高層重視，老闆們就會開始密集提意見，其他輔助部門的人也隨之加入，參與決策的人越來越多。
去年騰訊集全公司資源扶持元寶，於是高層們總會不時提出非常具體的意見，某處的字型是不是太小了，對年長的人不太友好；某處設計為什麼要用這種顏色。
賈伯斯曾把蘋果能保持創業公司狀態，歸結為兩項組織原則：按職能而不是業務單元劃分部門，讓不同團隊圍繞同一個產品集中協作；重要的事情不能集體決策，而要由具體的人做出，並由這個人承擔責任。
iPhone就是這樣做出來的：它動用了蘋果幾乎所有部門的力量，但從頭到尾，拍板的人只有一個。
騰訊今天的AI改革給了姚順雨足夠大的權限：圈出一塊新地，讓一個人拍板，也讓他負責。到目前為止，這個安排運轉良好。
但當改革進入攻堅期，牽動的利益會越來越大，創新的風險也越來越高——能替他扛住壓力的，只有總辦。
到那時，考驗的就不只是姚順雨，還有他和老闆們之間的信任、意志能否統一。改革走到最深處，從來就不只取決於改革的那個人。 (筆記俠)