先声明,这篇文章是我和AI一起完成的。AI“读过”我这些年的讲话和笔记,帮我把散落在各处的想法重新翻出来、连成了线。放在过去,这样的活得翻上许久材料,整理思绪;而现在,是我把念头讲出来,它帮我回看、整理、修正。这大概就是AI正在改变的一件小事——工具不再只是执行,它开始能陪你一起想。面对AI这样一次量级的技术变化,我们到底该用什么方法去拥抱它?下面这些文字,是我回想过去经历行业变革中的一些体会,以老登的视角寻找一些不变的道理,同时也时刻提醒自己要敢于放弃过去习惯与依赖的路径,以第一性原理思考,多聆听用户的声音。
熬得久,比起得早更重要
前一阵子,一些外部声音普遍认为,腾讯做AI慢了。要说一点不焦虑,那不可能。全球大模型市场竞争激烈,每天都有新消息——谁又发布了新模型、模型参数又大了多少,评测刷分的排名都广为流传。ToB客户也非常关注,过去几年友商在AI的声势也比较占优。混元大模型经历了不同阶段,多次重构,混元Hy3架构化繁为简,更注重训练数据的质量,在同等参数的大模型中效果突出。但由于公司整体的算力严重不足,拖慢了模型训练与产品发展,产生了比较大的影响。不过冷静下来,还是会回到同一个基本判断:起得早也许不是最关键,AI的下半场才刚开始,新机会不断出现,市场格局正在变化,商业模式与产业链的价值分配还没定型。回顾移动设备的历史,早在上世纪80年代末,日本任天堂就推出手提游戏机Game Boy。90年代初,苹果推出第一代手提助理PDA的Newton。到90年代后期,各种品牌的PDA与功能手机并行发展,还有国内流行的传呼机、小灵通和手提字典等。到2000年代的iPod与电子书,最后才到iPhone与Android手机集合以上所有功能,普及全球——哪怕是苹果,也是经历了十多年、多种产品形态的探索与迭代,才真正抓住移动设备的市场;有更多起得早的品牌如诺基亚、摩托罗拉与黑莓等玩家,在市场竞争中掉队,最终成为历史。重要的从来不是谁最早走出第一步,而是谁能更坚定地长期投入,在技术突破与迭代过程中冷静地思考事情的本质,针对具体场景解决问题与痛点,在市场噪音中识别出真实信号,保留实力与灵活性,才能穿越周期。大模型这场竞赛,我更愿意把它看成一场马拉松,现在可能才跑完头一公里。起得早虽然重要,但熬得久才有机会抓住持续出现的新机遇。
AI应用不止大模型
算法与工程都重要
这轮生成式AI的加速发展,可以说始于ChatGPT的诞生,虽然核心是大模型能力的突破,但只有在一般用户能使用后,社会(以及资本)才感知到基础大模型的重要性——对腾讯这样的平台公司来说,必须确保大模型的投入、紧跟最前沿的基础技术研究,这一点毫不含糊。在顺雨与研究团队的努力下,Hy4将会迎来更多突破与更大的进步,大家可以拭目以待。但眼睛也不能只盯着模型这一层。这就好比移动时代,如果说只有做智能手机的企业才算拿到船票,这显然太狭窄。更重要的是AI 能不能真正落到应用场景里,给用户带来价值。对腾讯来说,我们本来就有大量to C和to B产品,每一个都连着真实用户、具体的场景需求或业务流程。腾讯会议用大模型生成会议纪要,腾讯乐享用大模型做企业知识助手——今天混元已经支持了公司内部数百个应用,而且各产品团队打造的智能体也在快速增加。场景,是腾讯做AI最厚的底牌。场景中的数据,不管是用户生成的,还是专业机构提供的,都为大模型提供了上下文;场景中的历史互动,也能被提炼成个人记忆,或打造成可复用的技能。很多产品甚至会接入多个大模型来满足不同需求,针对不同模型的能力与价格,把任务分类来选择性价比高的模型。AI应用的落地应该是算法与工程的结合。也许算法决定天花板,工程能力决定你多快触达它——从数据整理、训练、推理到场景落地,每一步都需要AI Infra的工程加持,才能把大模型构造出来。在大模型应用阶段,要跟用户习惯对齐,让AI能跑起来干活的,一套完整的工作环境也是必须的——文件系统、工具调用、长记忆、反馈循环。就像年初的一只小龙虾,接入了最新的大模型,就搅动了整个行业。今天,模型不仅会回答问题,还能真正把一件事做好、做完整。模型能干活了,能规划,能调用工具,能验证结果,能产生高价值的生产力,因此企业更愿意为此买单。当然,企业对AI应用也有更多要求,包括敏感数据的安全防护与权限管理,还有token资源的成本管理与分配。另外,企业内部系统打通,涉及企业应用生态的打造,让更多企业应用的数据,通过skills与MCP接进大模型智能体,丰富的企业应用生态可能更是长期的护城河。
创新不可规划
能力可以积累
大家可能以为,CodeBuddy/WorkBuddy团队早就预料到办公智能体的机遇,提前做好布局,其实不是。腾讯云上本来很多产品就是面向开发者的,所以CSIG一直有做一些开发者工具,腾讯云早期收购的coding.net,就是做代码托管与CI/CD的DevOps产品。后来增加了Web IDE能力,构建了代码执行的沙箱等技术。当时,因为研发工具的商业模式不太好,这些产品一直处于亏损状态,拖着腾讯云扭亏为盈的后腿。在降本增效的那几年,CSIG关掉了不少亏损的SaaS/PaaS产品,一度也要收缩对DevTools的投入,幸好没有砍掉这个项目。2021年微软发布了GitHub Copilot,用AI写代码成为被广泛关注的新方向。大模型在编程场景里有天然优势:代码是高度结构化的语言,有明确的语法规则,也有丰富的开源语料可供学习;许多研发任务的输入输出边界相对清晰,模型生成的结果可以通过编译、测试和运行反馈快速验证。这让研发成为大模型最早落地、也最容易产生高阶生产力的场景之一。当时,腾讯云DevTools团队也开始研究AI写代码的可行性,让AI接入到研发工具中,构建了Coding Agent早期的代码模型与Harness。恰逢TEG研发管理部的工蜂团队也要推动公司内部做AI研发提效,就与云这边的开发者相关业务合作起来,一起探索AI Coding的未来,并在公司内验证与试用。在CSIG技术委员会推动下,CSIG的产品研发团队,自然成为“最积极”吃螃蟹的一群。最初大模型只能做简单的代码补全,虽然减少了程序员敲代码的时间,但实际对研发工作的提效还不够明显。随着模型越来越强大,生成的代码越来越完整,质量也越来越高。一些企业客户对AI Coding也抱有期待,因此我们在2024年推出CodeBuddy,通过私有化部署获得了一些项目收入,让团队可以继续探索与完善产品。到2025年底,Claude Opus 4.5发布,大模型已经能长时间执行各类编程任务,此时的AI已经不仅仅能输出完整代码,而且能优化算法、验证结果,还能发现与修正bugs。司内由AI生成的代码比例突然快速攀升,所有研发人员都在改变开发方式,tokens消耗爆发式增长。到了2026年初,在龙虾爆火出圈之际,团队基于CodeBuddy底座打造出界面更简单、更适合非技术研发人员使用的WorkBuddy…