Concitech AI · 深度长文
2026/09/08 21:16
汤道生回应腾讯 AI 慢了：算力严重不足，场景牌还能打赢吗？
汤道生承认腾讯整体算力严重不足，元宝曾在模型与产品尚未成熟时抢增长；另一边，险些被砍的 DevTools 却长成了 WorkBuddy。腾讯能否追回差距，取决于能不能把庞大场景变成模型与产品的反馈闭环。
腾讯把一些难听的话说出来了。
8 月 25 日，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生在内部刊物《知点》发表长文《和 AI 一起长跑的这两年》，回应外界那句追问：腾讯做 AI，是不是慢了？
他说，完全不焦虑是不可能的。过去几年，友商在企业市场声势更强。更直接的问题是，腾讯整体算力“严重不足”，拖慢了混元模型训练和产品发展，已经产生较大影响。
汤道生随后把 AI 比作马拉松，认为行业也许只跑完头一公里，熬得久比起得早更重要。
“马拉松”很好记。但整篇文章里，更有信息量的是三次自我批评。
元宝曾承受巨大的用户增长压力，花了不少力气推广引流。可汤道生承认，当时“模型与产品都还没 ready”，效果并不满意。
腾讯云的 DevTools 业务则长期亏损。在降本增效阶段，这条线一度准备收缩，“幸好没有砍掉这个项目”。后来，它长成 CodeBuddy，又在 Agent 热潮里孵化出 WorkBuddy。
这三处坦白放在一起，腾讯 AI 的问题就清楚了：它不只是在等模型变强。资源投入、产品节奏和组织判断，任何一处错位都可能浪费时间。
算力严重不足，不是一句轻描淡写的解释
外界谈腾讯 AI 较慢，常把原因归结为“大公司决策谨慎”。汤道生把问题落到了硬约束：算力。
这件事有点反常。腾讯并不缺现金，也没有停止投入。公司披露，2025 年资本开支为 792 亿元，同比增长 3%；全年新 AI 产品相关成本和费用为 180 亿元，覆盖人才、数据、混元训练、推理和元宝营销，但不包含所有既有业务的 AI 投入。腾讯当时预计，2026 年新 AI 产品投入会超过翻倍。
钱花了不少，内部仍然“严重不足”。这说明问题不只是预算总额，还可能涉及芯片供给、集群建设周期，以及有限算力在训练、推理、内部产品和云客户之间如何分配。
今年 6 月，汤道生接受媒体采访时已经说过，腾讯的算力远不足以同时满足内部需求和外部客户，有限资源会优先向内部倾斜。两个月后，这个瓶颈仍然被写进内部长文，显然没有轻松解决。
算力不够会制造一串连锁反应。模型训练轮次减少，实验速度下降；产品拿不到足够推理资源，体验和成本难以同时优化；用户反馈回来后，团队也未必能迅速完成下一轮训练。
所以，Hy4“会有更多突破”目前只能算路线预告。它尚未发布，也没有公开评测可以验证。腾讯能不能追回基础模型差距，要等模型、技术报告和真实产品表现出来再判断。
场景很多，不等于场景已经变成护城河
汤道生把“场景”称为腾讯做 AI 最厚的底牌。这张牌确实存在。
微信和企业微信是入口，腾讯文档、腾讯会议、乐享、ima 和内部知识系统承载真实工作。混元已经支持公司内部数百个应用。对 Agent 来说，这些场景可以提供任务、上下文、反馈和工具接口，比公开网页上的通用问答更接近付费价值。
但场景不会自动变成模型能力。
元宝就是反例。腾讯拥有庞大的分发入口，也愿意投钱获客，可模型和产品没有准备好，流量进来后没有沉淀成满意体验。入口只负责把用户送到门口，留存还得靠答案质量、响应速度和稳定性。
场景真正有用，需要完成一个闭环：用户交付真实任务，产品记录失败和反馈，模型与产品团队共同调整数据、评测与工具，再把改进后的能力送回用户。
这中间还有很重的工程工作。企业数据带着权限，会议内容涉及隐私，文档有格式和版本，业务流程需要审计。Agent 不是拿到数据就会工作，它还需要文件系统、长期记忆、Skill、MCP、权限控制和结果验证。
腾讯的优势是这些零件大多在自己手里。风险也在这里：产品线越多，组织边界越容易拖慢连接。场景到底是护城河还是一堆孤岛，要看数据和反馈能不能安全地流动。
WorkBuddy 的价值，在于它不是“战略规划的成功”
WorkBuddy 是汤道生长文里最有意思的案例，因为他主动拆掉了事后诸葛亮式的叙事。
CodeBuddy 和 WorkBuddy 并不是腾讯提前几年看准 Agent、按路线图打造的结果。它们的底座来自一条长期不赚钱的开发者工具线：代码托管、CI/CD、Web IDE、代码执行沙箱，以及后来积累的 Coding Agent 和 Harness 能力。
这条线曾经差点被砍。2024 年，CodeBuddy 通过私有化部署拿到一些项目收入，团队才得以继续。2026 年初，Agent 热潮出现后，团队把 CodeBuddy 的底层能力改造成更适合非技术用户的 WorkBuddy，又吸收腾讯文档团队补齐编辑能力。
WorkBuddy 上线三个月迭代了 40 多个版本。汤道生称，团队先让 AI 做出可运行原型，再由人评估、调试和把关；代码基本由 AI 生成，晚上还会继续跑长任务。
这些数据来自腾讯管理层，缺少独立的工程质量和生产率评测，不能直接推出“AI 已经替代开发团队”。但它至少说明，腾讯内部已经有人改变了工作方式：文档、评审、排期不再永远排在原型之前，人也不必亲手完成每一行代码。
WorkBuddy 的经历还说明另一件事。长期主义的价值，是愿意保留一部分暂时赚不到钱、却可能在技术拐点后复用的能力。
这比“坚持就会胜利”难得多。公司必须判断哪些亏损项目只是没有市场，哪些项目正在积累未来会用到的底座。砍错一次，窗口出现时就只能从零开始。
产品、开发和测试的边界会变模糊，但责任不会消失
汤道生判断，未来产品经理、开发和测试之间的边界会越来越模糊，小团队借助 AI 可以完成过去大团队的工作。
方向大概率没错。产品经理可以先做原型，开发可以让 Agent 写测试，测试人员也能直接修改简单代码。团队不必为每个小改动走完一条很长的流水线。
边界变模糊，不代表专业能力不再需要。
当 AI 同时改前端、后端和测试时，系统级风险反而更难被单一角色看见。谁定义验收标准，谁决定模型生成的测试是否可靠，谁对上线事故负责，这些问题不会因为代码生成更快就消失。
“人负责判断、调试和把关”听起来轻松，实际上把人的工作推向了更难的部分。以后稀缺的可能不是敲代码速度，而是能否快速识别错误方向，建立有效评测，并在业务、数据和工程之间做取舍。
腾讯能不能追回来，要看三件可验证的事
第一，算力瓶颈何时缓解。要看混元训练节奏、推理成本和云客户可获得的资源是否改善，资本开支口号说明不了这些。
第二，Hy4 能否在元宝、WorkBuddy 等真实产品里兑现提升。排行榜可以参考，留存、任务完成率、单位成本和复杂工作成功率更重要。
第三，腾讯能不能让微信系入口、办公工具与企业服务形成统一的 Agent 工作环境。如果各产品仍各自保存数据、权限和评测，所谓场景优势很难传导到模型。
汤道生说 AI 马拉松只跑了头一公里，这个判断可能是对的。问题是，马拉松也有配速。起步慢不致命，长期以“比赛还早”解释落后才危险。
腾讯真正可以押注的，不是时间本身。
是它能否把算力补上，把产品做实，再让海量真实使用变成下一轮模型改进的燃料。
