Appearance
Tencent
Investor Relations
Articles
- 2025-09-29 对腾讯汤道生时隔一年的独家专访：元宝重兵投入这半年
在新一代的搜索服务，搜索跟大模型之间的联动非常重要——原来更多是你先搜到信息，再喂（feed）到模型去理解解读；现在大家更倾向由大模型理解意图，再针对性到网上找你需要的、最新与最权威可信的内容，然后再重新整理最终答案，这更像由智能体驱动（Agent-driven）的方式。
大家越来越意识到，模型的逻辑推理能力只是整个AI产品体系的一部分, 你要让它能调用很多不同能力。要在某个场景满足用户需求，有很多周边能力需要搭配，包括搜索能力、语音理解与生成、专业数据、服务生态等.
也不仅仅是To C的AI产品团队在忙活，还有混元、AI Infra、Agent平台与模型推理加速等团队，从春节到现在一直是频繁加班，高强度投入。
DeepSeek R1一发布，媒体很快就热起来，总办们各自看了很多分析报告，学习R1如何做到CoT长思维，如何只用数学题答案做强化学习等。我们在小群里一直有讨论，团队也第一时间就研究它。
其实，大部分用户不关心模型是谁做的。
社交与大模型的结合应该有很大想象空间，我们会持续探索与验证，有节奏地一步一步落实。
在产品层面，我们一直在补能力，比如改善搜索服务的准确性与时效性，支持更多方言的语音识别，支持更精准的图片修改，改善性能加速吐字等。
模型自己回答不了近期的信息。对于有明确数据来源的实时查询，Agent可以通过MCP（模型上下文协议）来调用服务，包括一些财经、天气或者地图数据，外面都有很多已经MCP化的服务
我们还要持续花时间去提升搜索能力，包括哪些网站或数据来源更权威，怎么去平衡时效性、权威性，图片与视频的搜索如何更精准。
大模型训练是一个把数据转化成智能的复杂过程，需要很多高质量、干净的知识内容，针对每个垂直领域做整理，解决版权问题，获得内容授权。后训练的强化学习需要有明确答案的高难度题目，往往需要针对性去设计与采购，这些肯定都没法从微信获得。
但起码，未来两年，大众会越来越多拥抱AI Chatbot这个工具，满足他们日常生活各种各样的需求——有些可能以前是通过搜索引擎满足，有些可能是一些新需求，突然发现AI工具也能帮它解答。
在这么关键的窗口期，友商在不断推进，在增长；我们也在推进，也在增长。我觉得能够在这个时间窗里，建立起用户心智，找到符合腾讯生态的一些场景，来打造比较有腾讯特色的产品——这是未来两年关键任务，必须要做到。
做产品的思路离不开聪明的选择。在一大堆需求里，到底该选择优先做什么？如何发挥腾讯独特优势？有什么不该去做？
比如，语音交互是产品的基础，必须做好。当我们发现粤语夹杂英文的识别不准确，有用户反馈方言的理解不好，团队就会排查问题，解决了我们就再去测试。
对我来说，要了解产品运营情况，最好直接看报表。C端产品，就直接使用找感觉。B端产品，就多听客户反馈。最重要是保证有多个反馈问题的机制，需要讨论就拉群讨论，需要决策就开会决策。
我们也发现，行业里做AI产品的，很多都是毕业3-5年的年轻人，他们敢想、敢拼、敢试错。现在元宝团队也有特别多这类年轻人，他们正在主导元宝未来的发展。
因为原来微信聊天窗口，不是为LLM（大语言模型）设计的，所以不支持流式输出，不能一个字一个字显示出来，所以每次回复要等待LLM输出完整信息后，才能一次性发出来。
现在我们还没有足够积累，去把个性化做到位。模型本身现在没有个性化，要在模型之外搭建Agent，支持记忆、个性化能力，这些我们在建设中。所以不是这么容易让用户自己选择风格
但AI Chatbot仍然以服务个人为主，对于这类型的产品，每个人都可以有不同选择：有些人可能喜欢用元宝，有些人可能喜欢在微信用元宝。不同AI Chatbot可以选择不同的产品定位，在市场中找到目标用户。
即时通讯的商业模式比较独特，全球市场也没有像微信一样的可以参考，你在互联网也不好找到第二个。
目前海外AI聊天机器人产品的迭代速度挺快，不仅模型能力在提升，在模型以外怎么去构建把不同能力整合到一起，很多时候也走在前面。
我当前感受到的变化：更多是在已有场景已有需求上，用效率更高、更少费力的方式去满足，但它好像还没有创造出新的连接。
这一点和移动、PC互联网带来的变化不太一样。移动互联网，因为智能手机与随身摄像头的普及，出现了移动支付、实时定位、线上打车等全新的服务场景——这些在PC时代根本不存在、手机时代才存在的新的需求或新的服务场景。
我今天看到的，更多是在已有的场景，通过AI让你使用的一些服务，没这么费力，或者更高效帮你完成复杂任务。但那些任务本来也存在，本来你也可以多花点时间用不同App手动去完成。
可能在系统与系统之间——比如Agent与Agent、模型与服务之间——有新的连接方式。
人和人的连接已经有了，人与服务的连接也存在。它没有创造新的人与人的连接或者新的服务。它是在已有服务里，把它做得更智能或连接得更好。
在AI人才吸引上，尤其在大模型研究领域，加大了招聘力度，总办们也亲自下场，吸引最顶尖的AI人才；我们也做了一些组织变革，推动更扁平化的管理，给有想法的年轻人有更大的发挥空间。
模型肯定是AI Chatbot里最重要的能力，但要App提供完整体验，仍然需要友好的用户交互界面，在模型与用户之间交换信息，包括收发图文、语音或者视频。
随着产品越来越Agent化，需要整合多个模型，满足不同需求，需要能调用不同工具，执行不同任务——这些工具可能是搜索服务，可能是用来执行临时生成代码的沙箱，也可能是通过MCP协议调用的地图数据服务。
所以我仍然觉得，模型是产品的“脑袋”，但它仍然需要有“身体”和“四肢”，去做一些有用的事情，或者去改变模型外的真实世界。
广泛的AI算力需求带动了各家云厂商的收入增长提速，这趋势也在国内外云厂商最新财报中体现。GPU算力准备充足的云厂商，在这轮AI浪潮中获得了更多市场份额。除了GPU算力外，AI应用也同时推动了存储与通用计算消耗的增长，对云厂商是多重利好。
在企业侧，大家普遍更关注模型应用的落地，如何实现业务降本增效。企业大多会结合具体业务场景打造智能体，要不提升用户体验，要不提升员工的生产力。
国内的开源大模型，选择多，能力强，更新迭代快，已经成为许多企业搭建智能体的首选。搭建智能体的工具选择也很多，有开源的，也有成熟的商业版，因为竞争极度激烈，很多项目都是亏损与补贴来做——有点像当年各大厂商抢大集成项目的状况。
面向C端和面向B端做智能体，本质都是用大模型去做规划，通过Agent调用不同工具去执行计划。在执行过程中，Agent通过访问数据库，或者访问网页，基于获得的信息，继续执行下一步，直到达成目标。
在To B端，我们提供智能体开发平台等工具，客户需要选择场景，导入企业的数据与文档，由客户来打造的智能体，要不服务员工，要不服务客户。对我们来说，最重要是交付成功，客户付款。
很多企业最愿意花钱在营销。
腾讯云的营销自动化产品“企点营销云”已服务很多零售客户，以前基于通用大数据模式，结合线上线下用户行为，建立用户画像，从新用户到首次购买、复购，再到会员的整个流程优化。我相信随着更多企业用智能体给营销加持，这类营销场景有大的提升空间。
最近我们帮一个连锁零售客户——绝味食品——做了一个营销增收项目。项目中，我们用了多个Agent来提升营销管线的不同环境，最终结果让所有人都很惊讶。对比专家组，效果达到了3倍的提升。
过去两年，我们有很多To B智能体项目的实践经验，比如用RAG模式搭建客服系统，过程中往往发现很多企业内部数据混乱，需要企业先投入做数据治理。如果内部文档有矛盾，就必须梳理清楚，定义好不同信息来源的权威性；如果文档有新、老版本，召回逻辑必须考虑时效性。在企业场景下，数据治理是比较耗时的工作.
最近发布的腾讯云智能体开发平台3.0，支持超过140个MCP插件服务，大大扩展了智能体能调用的工具能力，并支持多智能体并行协作，让智能体搭建可以更简单、更模块化。
很多做通用Agent的创业公司，当前都在做海外市场，这是很好的机会，海外用户付费意愿更高。 不过，当前元宝没有计划出海，我们还是先聚焦服务好国内用户。
大数据市场仍然高速增长，值得关注。 大数据增长有三个驱动因素：
首先是湖仓一体：随着数据不断增加，原来数据湖沉淀各种数据，加数仓满足日常分析报表需求，管理成本太高。今天更多客户采用云原生的湖仓一体，数据处理更灵活，性价比与效率更高。
第二是大数据+ML（Machine Learning，机器学习）融合：越来越多客户要求在大数据平台上做更多ML的操作，比如做自动化的特征提取、模型训练与部署等，减少人工数据治理的工作。
第三个趋势是大数据+LLM/Agent：BI Agent（商业智能智能体）能主动为业务做数据分析，实现流程自动化与智能洞察，以此提升问数与决策效率，降低做数据科学的门槛。
AI是大家共同看好的方向和赛道，但这个比赛才刚刚开始，腾讯有非常好的积累能够在这场比赛中发挥优势，但影响因素也很多。
比如，如果用户都不愿意付费或行业竞争太激烈，企业与厂商投入的的AI服务短期没法盈利，它的商业价值就不如移动互联网。 反之，如果在某个时间点我们找到好的商业模式，能够可持续做投入跟产出的话，市场机会也许更大——这类预测意义不大，只能走一步看一步。
因为即便说“机会很大”，也不代表这就是你的。有这么多细分市场，产业链里有这么多玩家，到底谁分多一点，谁分少一点，都是动态影响、动态变化的。
今天你如果看上下游，海外芯片厂商的利润最多，云厂商利润也不错，国内就没这么好。同样的角色在不同市场，能抓住的商业价值也不一定等同。
什么都会谈，行业动态、人才、算力、数据，甚至算法。有太多要学习，比如大模型训练、强化学习、推理加速、智能体、多模态、行业数据等。我们关注海外AI技术发展的动态，也关注AIGC在各团队的使用情况，以及带来的效益。
我们要想办法，要不抓住新产品形态的机会，要不让已有产品能够演化成新的形态。
Earnings
2025Q2
二零二五年第二季小遊戲的總流水同比增長20%。
我們的混元 3D模型，以領先行業的幾何精度、紋理真實度、指令與3D對齊能力，根據Hugging Face排名第一。
金融科技服務收入的增長受益於消費貸款服務、商業支付活動及理財服務的收入增長。
企業服務收入的增速較近幾個季度有所加快，得益於企業客戶對AI相關服務的需求增加，包括GPU租賃和API token使用，以及商家技術服務費的增長。
非國際財務報告準則分佔聯營公司及合營公司盈利人民幣63億元，去年同期分佔盈利人民幣99億元，主要由於來自一間大型聯營公司的預估收益下降。
2025Q1
一般及行政開支。二零二五年第一季的一般及行政開支同比增長36%至人民幣336億元。此增長主要由於一次性股份酬金開支人民幣40億元（因對一間海外附屬公司現有商業安排的重組而產生），以及為支持AI相關業務而增加的研發開支。