腾讯有太多问题

作者｜画画

两年前，所有AI公司都在抢同一样东西：模型。两年后，腾讯开始抢另一种东西：问题。

如果接下来比拼的是谁更了解真实世界，那么腾讯手里最大的资产，可能不是混元。而是微信、企业微信、腾讯会议、腾讯文档每天产生的那些问题。

就在今天的腾讯AI产业应用峰会上，腾讯集团高级执行副总裁汤道生，和腾讯AI首席科学家姚顺雨进行了一场罕见的公开对谈。

一个是做了二十年产品的老兵，一个是ReAct架构提出者、去年刚加入腾讯的AI科学家。这场对谈，本质上讲的就是一件事：腾讯为什么开始把问题当成战略资产？

一、锤子够多了，钉子在哪

过去几年前沿行业形成了一个共识，预训练、后训练、强化学习，不断提高模型能力。模型更强，产品就更好。这是一条清晰的主线。

但姚顺雨提出了一个不一样的判断。他认为，AI已经发展几十年，过去最难的是寻找好的方法。但最近方法论已经变得非常成熟，反而寻找问题变得更加困难。

为什么？

一个直接的原因是，模型正在快速趋同。今天最先进的大模型之间的能力差距，已经不像两年前那么夸张。大家都能写代码、都能推理、都能搜索、都能调用工具。

姚顺雨用了一个比喻，有了预训练和后训练之后我们发现，我们像有一个万能锤子，它可以砸任何钉子。它是一个通用方法论，可以解决各种各样的问题。

当锤子变成标配的时候，真正的问题就变成了，去哪里找到值得砸的钉子？

当底层通用能力的水位线被抹平之后，新的壁垒就浮出来了。姚顺雨把这个壁垒叫做Context。模型越来越擅长把复杂输入变成输出，竞争壁垒在于你有没有最原始的输入。你知不知道这个人在干什么，知不知道这个企业各种各样的信息。

简单来说，谁更了解真实世界，谁就拥有更多模型进化的机会。

二、用户的十万个为什么

腾讯并没有试图把自己包装成一家纯模型公司。它在强调另一件事，腾讯拥有中国互联网最大的真实问题集合。

微信有问题。企业微信有问题。腾讯会议有问题。腾讯文档有问题。游戏有问题。广告有问题。客服有问题。企业数字化有问题。

这些问题每天都在发生。每天都在产生数据。每天都在形成反馈。对于AI来说，这些问题本身就是最好的训练场。

姚顺雨展开了这个逻辑，他说LLM时代最本质的区别是泛化性。即使你只想做好一个Coding Agent，你需要的远不止Coding数据，你需要聊天、搜索、指令遵循、推理，它是非常复合的数据分类学体系。产品体系化的公司，会有比较大的优势。

他进一步讲道，我们和元宝的Co-Design使模型产生很强的聊天和搜索能力，这些能力又可以迁移到ima和WorkBuddy。不同产品提供不同数据，但数据之间可以相互泛化，形成一个网络一样的体系。

产品矩阵不只是商业版图。它是模型的训练场网络。每一个产品场景背后，都是一个独特的问题发生器，不断产生模型最需要的真实反馈。

汤道生整场对谈提到最多的是用户、客户、需求、业务流。他说做产品的第一性原理从来没变，还是解决用户的问题。

混元最新模型Hy3 preview在OpenRouter连续数周登顶周榜，不是因为参数最大，而是因为它在十几个产品里被真实用户反复打磨，接入后首字响应速度提升54%，任务平均完成时间缩短47%，任务成功率维持在99.99%。

模型的性能是被场景训练和喂出来的。

汤道生还提到一个很具体的感受，做AI产品跟过去最大的不同是开放式的服务形态。

过去做产品，需求是有限的，交互是确定的，产品经理可以提前设计好所有路径。但AI时代，用户的问题是无限的、开放的。

“你不知道用户会问什么。”

这意味着产品方必须给模型提供各种各样的工具和上下文，来应对这种不可预测性。

而这种不可预测性本身就是问题的来源。越多人用、越多问题出现、越多数据回流，模型就越强。越强的模型又能处理越开放的问题，引来更多用户。

三、模型决定下限，组织决定上限

相比模型和产品，整场对谈最值得反复读的部分，其实是组织。

AI已经进入一个特别依赖组织能力的阶段。产品和模型开始互相定义，模型影响产品，产品反过来训练模型，两者变成闭环。这就是他们反复提到的Co-Design。

而Co-Design本质上不是技术问题，是组织问题。

模型团队和产品团队天然目标不一样。模型想追求能力上限，产品想追求用户价值。双方经常冲突。

姚顺雨说了一句很重要的话：Co-Design最难的不是技术，最难的是建立Trust。

他讲了一个细节，当时预训练还没准备好，派了后训练最强的骨干力量去帮元宝把后训练做好。很多算法同学不理解，我需要很努力解释。但这个动作让产品团队意识到模型的同学是真的在为产品着想，对之后的合作起了非常重要的作用。

不是靠KPI对齐，而是靠一次主动的资源让渡。

姚顺雨说选择加入腾讯最重要的原因是文化：Trust、Low Ego、Long-term、Be Real。

今天，很多公司在讨论Agent、模型、算力。但腾讯内部在讨论另一个问题，模型团队和产品团队怎么在一起工作。组织能力这件事，恰恰是最难被复制的。

这种组织思维已经在腾讯内部产生了具体结果。过去两年AI行业最火的叙事是超级个体，一个人可以是一个团队。

但腾讯正在实践的是另一种形态：超级团队。

CodeBuddy已经覆盖腾讯超过90%的工程师，AI生成代码占比超过50%。CodeBuddy Code 2.0，4个人、58天、79个版本、90%代码由AI生成。WorkBuddy几个人的小团队，两天完成0到1，不到三个月发布43个版本。

汤道生描述这种组织形态用了一个词：非常扁平。三个人五个人的小分队。大量试验，允许失败。每一个工程师更像一个有想法的leader，驱动多个Coding Agent。

这些团队已经不是人使用AI，而是人管理AI。企业最大的成本从来不是执行成本，而是协作成本，让每个员工快20%容易，让组织快200%才是真正难的事。

腾讯内部这些小团队正在验证的就是后一种可能性。

四、产品喂问题，问题养模型

纵观大模型的发展趋势，几乎所有AI公司一度在做同一件事，先训练模型，再寻找产品。

模型→产品，这是绝大多数公司的路径。

腾讯正在走反方向：产品→模型→产品。

先从产品里发现问题。再让模型解决问题。然后把模型重新放回产品。继续产生新的问题，形成新的反馈

姚顺雨在对谈里提到一个很关键的技术细节来解释为什么这条路径跑得通：

Benchmark非常容易overfitting。但基于真实世界的数据会对模型研发有帮助，你能发现很多底线问题，你对真实的Prompt distribution会有更深的了解。

比如benchmark里的题目都是精确的、有很长的concrete description，但现实中用户的问题往往模糊、简短，会不停追问。这些场景可以启发我们怎么更好做训练。

这段话的意思是，真实产品里跑出来的数据，比任何人工构造的基准测试都更接近模型真正需要学习的东西。这是产品→模型这条路径行得通的底层技术逻辑。

如果说大多数AI公司的核心资产是模型，那么腾讯真正在积累的是一条闭环：

问题→数据→Context→模型→产品→新问题。

这是一个不断自我强化的循环。姚顺雨自己的话说，不同产品提供不同数据，数据之间可以相互泛化，形成网络。

这个飞轮一旦转起来，转得越久优势越大，它不依赖于某一次模型的突破，而是依赖于整个系统的累积效应。

这条路径有一个前提，你得有足够多的产品、足够多的用户、足够多的真实场景。而这恰恰是腾讯20多年来积累下来的东西。

过去它叫产品矩阵，今天它有了一个新的名字：问题供给网络。

【版面之外】的话：

姚顺雨在对谈里提到一个细节，他重新读了自己2019年的博士论文，结尾的future work列了四个方向：train models for Agent、safe and robust deployment、scientific discovery、help human。

七年后的今天，他说自己确实在做当时列的方向。

“但可能想得还是不够大。”

我觉得这句话适用于整个行业。

今天所有人都在想AI怎么替代人、服务人。但也许更大的问题是，AI最终会催生出什么样的组织、什么样的公司、什么样的协作方式。

谁先开始，认真去问这些问题，谁就已经走在了前面。