6月5日，腾讯云AI产业应用大会主论坛上，腾讯集团高级执行副总裁汤道生与腾讯首席AI科学家、混元大语言模型及AI Infra负责人姚顺雨展开了深度对谈。姚顺雨分享了他在加入腾讯一年后对行业趋势、模型演进与产品协同的核心判断。

“下半场”是姚顺雨去年在一篇博客中提出的概念，最近这个词有点被滥用。在他看来，下半场最核心的竞争壁垒在于Context（上下文），谁拥有最原始的输入，无论是企业信息还是个人场景数据。“模型越来越擅长把一个非常复杂的输入变成输出，很多时候你的竞争壁垒就在于你有没有最原始的输入，你知不知道这个人到底在干什么，你知不知道这个企业各种各样的信息。”姚顺雨认为，腾讯拥有丰富的产品矩阵和海量场景，这构成了天然的Context优势。

但他特别强调，这“只是他加入腾讯的第二大的原因”。最大的原因是文化，“我第一次跟Dowson（汤道生）聊天，包括和其他总办老板聊天的时候，第一印象大家都非常诚实，哪里做的好哪里做的不好，非常直白不会掩盖。”姚顺雨说，腾讯是一个基于Trust而非Metric去运转的公司，这种文化对于长期做AI组织至关重要。

对谈中，姚顺雨给出了对AI下半场的两个核心判断。

第一，AI是一个长期游戏，而非短期窗口。 他直言，硅谷部分从业者中蔓延着“赶快赚两年钱退休”的心态并不可取。他不认为ChatGPT和Claude Code会是唯一的超级应用，他相信未来将持续诞生新的产品机会。“今天可能就像70年代PC刚刚产生的时候，还有很多很多事情需要做。”

第二，AI将走向多元而非单一路径。 过去几年，行业沿着预训练、后训练、Agent的清晰主线推进，Coding Agent几乎成了所有人的共识方向。但姚顺雨判断，这个格局正在改变。Coding Agent之外，多模态、具身智能等大量新方向正在发生或即将发生。

在具体的模型研发策略上，姚顺雨分享了三个方向。

其一，即便Coding已成为最重要赛道，仍需强调数据体系的全面化。“把Coding做好，其实需要远远不止Coding的数据，也需要聊天、推理、各种各样不同的东西，因为大模型最核心的优势是泛化性。”

其二，产品线上回流数据的作用越来越重要。他以混元与元宝的Co-Design为例：混元团队曾派出后训练最强的骨干力量帮助元宝做训练，在当时自己的预训练还未准备好的情况下，优先保障了产品的DAU。这个决策当时让很多算法同学不理解，“但是现在看起来这些努力都是值得的”，它让产品和模型团队建立起了互信，也为混元3 Preview在元宝上的成功上线奠定了基础。姚顺雨总结，Co-Design最难的部分不是技术，而是“建立信任、换位思考”。

其三，需要更多想象力。除了技术演进和产品演进，还要探索下一个范式。“我们需要做探索性甚至不确定性的工作。”这与他在博士论文中列出的未来方向：训练面向Agent的模型、安全稳健部署、科学发现、帮助人类，一脉相承。七年前他写博士论文时，GPT-2还只能做Next Token Prediction，产生的文本“不太连续，有很多毛刺”；而今天，他当年提出的ReAct框架已经成为Agent技术的基石，SWE-bench所定义的Coding Agent方向正带来数万亿乃至数十万亿的价值。“可能想的还是不够大。”姚顺雨感慨。

在性价比问题上，姚顺雨给出了一个犀利的观点：性能是性价比的前提。“很多人跟我说，他最后发现用强模型比用更差的模型更省钱，因为更快地把事情做对了。”他认为，用相对较小的模型比肩大模型性能、在大部分任务上实现强鲁棒性，“可能在今天的中国更有价值。”

面对外界对腾讯“慢”的质疑，姚顺雨称，“过去做模型和产品，确实走过很多弯路。但这是正常的”。他认为，下半场最重要的事情不是比谁跑得快，而是“能不能诚实面对自己，能不能Be Real，能不能看到反馈然后去改变，能不能保持耐心”。

汤道生对此表示认同。他说，腾讯在很多赛道同时有多个团队在推进不同项目，“在这样一个复杂的组织里面，有一些地方可能我们做得快了，有的地方做得慢了，有的地方可能会做失败。”腾讯过去多年在不同产品、不同赛道的积累，都可以为模型提供Context来发挥价值。“我觉得这些提醒都非常好，确实有一些地方我们可以做得更好。”

当天一个来自业务端的数据同样值得关注。腾讯云总经理、TokenHub负责人高航在大会期间披露，腾讯云大模型服务平台TokenHub上线3个月，保持每月翻倍的增长态势，目前日Token消耗量已突破5万亿。这个数字从侧面印证了姚顺雨的判断。

与主论坛对谈同步，腾讯云当天还发布了ADP 4.0智能体开发平台和WorkBuddy企业版，从不同维度回应了“下半场怎么打”的问题。

腾讯云副总裁吴运声在接受采访时表示，智能体在企业场景中的落地已经从“想用”进入了“能用”，现在正在解决“敢用”的问题。ADP不只是智能体的构建平台，它覆盖了从构建、使用，到监控、运维、管理的全生命周期，这被定义为AgentOps。 吴运声强调，在企业场景里智能体是一件“非常严肃的事情”，所有调用都应该是安全、可追溯的。为此，ADP在权限管理、数据隔离、日志追踪等方面建立了多层防护体系。

CodeBuddy和WorkBuddy负责人刘毅则分享了一组数据：腾讯大部分团队90%以上的代码已由AI生成，程序员个人编码时间缩短了40%。 但他同时指出，个体提效不等于组织提效。腾讯内部将“需求吞吐率”作为AI Coding的北极星指标，以此衡量一个团队能否快速响应市场和用户需求。“需求吞吐率代表一个组织的创新速度，这是我们一直在观察的核心指标。”

刘毅还分享了打造超级团队的四步路径：先培养超级个体，再将超级个体的经验沉淀为技能、专家和AI助理，然后将这些AI资产融入组织的生产流程，最后配套AI治理。“人是最后的责任主体：AI可以产出，但人在流程中的review和把关，是AI代替不了的。”（金玙璠）