2026世界杯-最新版官方软件 刚刚，姚顺雨现身！公开答复腾讯AI过时了吗？

姚顺雨开讲了，现场爆满！

扫数这个词会场放眼望去全是「东说念主东说念主东说念主东说念主东说念主」……

本年腾讯云AI产业应用大会的主题是「Agent进场，效力滋长」，产业先驱、技能斥地者与生态创新伙伴都聚一堂。

当下AI正褪去成见热度，大步迈向实打实的产业落地，一众从业者也借着这场嘉会，围绕行业落地、技能立异伸开深度相通探讨。

诚然了，大会的重磅——

腾讯集团高档实行副总裁、云与机灵产业功绩群CEO汤说念生和腾讯首席AI科学家姚顺雨：对于腾讯AI下半场的深度对谈，也曾帮公共梳理完结：

腾讯慢了吗？

为什么会来腾讯？

当前作念大模子莫得什么巧妙，咱们作念混元3，对Infra作念了许多重建，对数据和Eval也作念了很大蜕变。作念大模子莫得明白的公式，是taste-driven的事情。

作念模子和作念居品，方针自然不一样，跨团队相助最大的阻止在于能不成建立信任、有莫得换位念念考的才能。咱们派后锻练最强的主干力量，优先把元宝的后锻练作念塌实。 爱戴好元宝的DAU，看上去是居品方针，但对作念好模子自身相通迫切。

对于下一代混元的研发重心，会以coding agent为基础才能底座，但有三点互异：1、强调体系的全面化，而非只堆coding数据；2、居品是枢纽，要把数据回流用好；3、要保留联想力，敢作念不笃定的探索。

性价比隔断是两件事——先看性能，再看老本，而真实的杠杆在于"用小模子把高价值任务作念好"。淌若一个小模子能并排大模子的性能，那它带来的价值，在今天的中国，可能弘大于大模子在长程任务上的角落校阅。

AI上半场——比谁能训模子、刷榜单，也曾驱散；下半场才刚运行，coding agent、多模态、具身智能都才刚发生。而下半场最迫切的，不是跑得多快，而是能不成安分大地对我方。

以下为整理后的访谈重心实录。

姚顺雨为什么聘用腾讯

汤说念生： 顺雨，你加入腾讯之前，我铭记问过你一些问题——为什么会聘用来腾讯？以及你认为AI的下半场最迫切的是什么？

姚顺雨： 我想先证据一下什么叫"下半场"，因为最近我嗅觉这个词有点被滥用了。这个成见其实是我客岁一篇博客里漠视来的。意思是：在客岁之前，AI也曾发展了几十年，更迫切的事情是怎样去贬攻讦题、寻找好的才能；但最近很显著的少许是，才能论也曾变得突出熟谙，反而是"寻找问题"变得更艰巨了。

举个例子。曩昔咱们作念下围棋，会发明像AlphaGo这样的才能，但它可能只恰当下围棋、棋战类；你为翻译作念一个特意的模子，它可能也只可用来翻译，干不了别的。但有了预锻练和后锻练之后，咱们好像有了一把"全能的锤子"，可以去砸任何钉子——它是一个通用的才能论，能贬责多样千般的问题。反而更艰巨的，是怎样去寻找好的问题来贬责。

是以加入腾讯很迫切的少许等于：这里有许多好问题、许多许多居品，我以为这少许接下来会变得越来越迫切。

一方面，好的居品能贬责第一个问题——咱们作念完预锻练和后锻练之后，到底要把它应用在什么地方、产生什么价值。

第二，环境突出迫切。莫得好的环境，agent就没办法作念多样事情。比如你莫得一个点外卖的用具，就没办法点外卖，许多事情都作念不到。

但我以为最迫切的可能是context。不管是企业照旧个东说念主——就像我前次在行动上说的——context会越来越迫切。因为模子越来越擅长把一个突出复杂的输入变成一个输出，许多时候你的竞争壁垒，正巧来自你有莫得阿谁最原始的输入：你知不知说念这个东说念主到底在干什么，知不知说念这家企业的多样信息。在这少许上，腾讯有突出强的上风。

不外这只是第二大的原因。我以为最迫切的原因其实是文化。

我还铭记第一次跟你、以及许多总办雇主聊天时，第一印象等于公共都突出安分——那处作念得好、那处作念得不好，都讲得突出直白，不会隐敝：我知说念那处作念得好，也知说念那处不知说念；知说念这里该怎样作念，也承认那里不知说念该怎样作念。这种坦诚是我的第一印象。

第二，腾讯总体是一家基于 trust（信任）、而不是基于 metrics（贪图）去运转的公司，我以为这少许对作念 AI 突出迫切。包括咱们的文化里也有突出 low ego、突出"骚气"的一面。

这些文化，对于经久作念一个 AI 组织都突出迫切，也包括咱们对经久主义的坚握。

是以，AI 下半场最迫切的是什么？就我个东说念主的方针而言，我以为咱们应该在中国建立一个经久的、基于 AGI 的组织。

我以为今天的 AI 主要有三个部分。第一是foundation——怎样把预锻练、后锻练这种最基础的东西作念得突出漂亮。第二是居品——怎样让这样的技能真实为东说念主和社会产生价值。第三是frontier——怎样去探索新的筹商范式、新的契机。最迫切的，是构建一个突出平衡的、像三角形一样的组织。

对foundation来说，最迫切的，第一是需要富足的资源，第二是需要正确的作念事神气——这跟我刚说的文化那少许是吻合的。对居品来说，有好的居品 sense、有作念居品的教诲至关迫切。第三是frontier，我以为咱们今天在中国作念的探索可能还不够多，是以我也但愿能把这种 frontier exploration（前沿探索）的精神更多地注入到组织里。

汤说念生： 你提到跟总办聊的过程中感受到的至意、求实，这其实亦然我常从客户相通中得到的反馈。我以为咱们作念事的神气、作念居品的理念，照实是比拟谦洁奉公的。毕竟 AI 这个赛说念是一场长跑，未必候"显露"也很迫切——哪些作念得好、哪些作念得不好，也得认。但枢纽是，这是一场多维度的竞赛：咱们看到模子有许多越过，作念居品也有越来越多的神情，不同场景有不同需求。我以为将来还曲直常可期的。

腾讯慢了吗？下半场是什么

汤说念生：我想问一个公共商榷比拟多的问题：许多自媒体都会提到，腾讯在 AI 上莫得实时收拢一些契机。你以为咱们真的慢了吗？下半场到底是什么？能多说一下吗？

姚顺雨： 嗅觉这应该是我问你的问题。我以为今天我有两个迫切的判断。

第一个判断：AI 是一个短期游戏，照旧经久游戏？在硅谷彭胀着很厚情谊——扫数东说念主都要幽闲了、AI 要取代扫数东说念主的责任，是以飞快赚两年钱然后退休。这是一种判断。

但咱们的判断很昭着是：这会是一个经久游戏，而且其实才刚刚运行，下半场才刚运行。我不认为 GPT 和 Claude 会是唯独的 super app，那会是一个突出迷蒙的天下。我以为一定会有源远流长的新契机降生，今天可能就像 70 年代 PC 刚出现的时候，还有许多善事情要作念。

第二个判断：它会是一个更单一、照旧更多元的游戏？曩昔几年公共能看到的是 pre-training、post-training、RL、agent、coding agent，好像有一条突出明白的干线，坦荡说扫数东说念主都在作念一样的事，这亦然件很迷蒙的事。将来到底会更单一照旧更多元？

我个东说念主以为会更多元。coding agent 的分娩力毫无疑问会越来越迫切，而且它才刚刚运行，这个天下还有 trillions of dollars 的市集没被填满；但多模态、具身智能，还有许多许多新事情正在或刚刚发生。是以从这个角度看，淌若咱们认为下半场才刚运行，那可能照实不算晚。

诚然，曩昔模子、居品作念了许多探索，走了许多弯路，我以为这很往常——没作念过一件事，第一次作念信托会有鬈曲。但可能更迫切的是：能不成安分大地对我方，能不成 be real，能不成看到 feedback 然后去蜕变，能不成保握耐烦。我以为这些事情，鄙人半场会愈加迫切。

姚顺雨： 你怎样看？

汤说念生： 公共对腾讯通常可爱挑某一个点来品评，咱们也宽待公共提更高的条件。腾讯有突出多的业态、许多居品在许多赛说念，同盼愿多团队在鼓吹不同技俩。在这样一个复杂的组织里，有些地方可能作念得快了，有些地方作念得慢了，有些地方可能在探索中失败。

是以这些提醒都突出好，照实有些地方咱们可以作念得更好。但就像你说的，这是一场长跑、一场马拉松。

腾讯有突出丰富的场景。就像你一运行提到的，聘用腾讯是因为 AI 需要 context，模子需要许多高下文，而腾讯多年来在不同赛说念、不同居品上的蕴蓄，都可以针对每一个场景为模子提供灵验的信息、提供 context、阐明价值。

在这场长跑里，我信托模子会赓续迭代，用户需求也在赓续变化，还会有新的居品神情出现。比如本岁首那一波（视频生成？）激昂咱们反馈也比拟快；同期也有 Workbody 这样的智能体居品——其实是几年前就运行作念的居品，沿着正本 coding 的蕴蓄冉冉看到很强的需求，咱们也能比拟快地去应答。

今天也听到许多客户对咱们不同居品怎样组合起来有很高的期待。是以咱们正在长跑中，也请诸位多给咱们提醒和建议，多用咱们的居品，给咱们正向的、constructive 的反馈。

模子与居品彼此成就

姚顺雨： 在一个多居品的体系化的地方，其实会有一个比拟大的上风。比如咱们用混元 3 可以让模子在元宝里产生很强的聊天和搜索才能，但这种才能又可以被挪动到 IM 或者 Workbody 这样的其他居品上。

这些居品概况提供不同的数据，而这些数据之间又可以彼此泛化，酿成一个像网络一样的体系。我以为这少许的价值会越来越迫切。

汤说念生： 对。其果真外部刷榜也算是一种数据吧，那咱们里面作念的跟外部的这种榜有什么区分？

姚顺雨： 起先这些 benchmark 照旧有它的价值的，不是说竣工没价值，只是当前这些榜突出容易 saturate（饱和）。而基于真实天下的数据有几个匡助：

第一，你能发现模子的许多底线问题。咱们想发一个 pre-preview 模子，最迫切的目的之一等于但愿获取真实天下的反馈，去确立多样榜单里没法发现的底线问题——这少许会在郑再版上有突出大的校阅。

第二，你对真实的 prompt distribution（指示词散播）会有更深的了解。举个例子，benchmark 上的题目通常突出精准，有很长的 concrete description，而且一般是单轮问题；但推行里巨匠问的问题庸碌比拟详尽，可能就一两句话，然后不竭追问。这些 setup 上的互异，就能启发咱们怎样去更好地作念锻练。

第三，咱们以致可以从这些居品上获取灵感，去鼓吹当前还莫得的榜单、莫得的边界。比如咱们最近作念了许多 coding 才能的责任，元宝给咱们的启发就很有匡助。是以我以为居品和模子的彼此成就，是越来越迫切的一个 AI 话题。

汤说念生： 对，我铭记早期作念元宝的时候还际遇过多轮遵照的问题。在居品里用户迭代 prompt 的神气，跟 benchmark 好像有蛮大的互异，真果真居品里所需要的才能，照实跟 benchmark 不太一样。你问了我这样多问题，我也问你少许。

作念居品的第一性旨趣：不变的是为用户创造价值

姚顺雨： 我铭记第一次跟你聊的时候，你讲了许多曩昔的资历，从 QQ 空间、QQ 秀的期间，一直到我小学时候最可爱的阿谁居品……

汤说念生： 你说的是"老灯"对吧？

姚顺雨： 对，再到 QQ、到音乐、到语音，再到当前的元宝、IMA。跟你聊天很有益思，因为你作念过多样千般的居品，To C 的也有、To B 的也有，邃古期间的也有、AI 期间的也有。

我比拟酷好的是，你以为你作念居品的第一性旨趣是什么？哪些教诲或价值是不变的，哪些东西变了？

汤说念生： 我以为作念居品最终照旧奔着"用户到底有什么需求、我怎样去贬责他的痛点、怎样给用户或客户创造价值"。这少许在不同的期间、不同的行业都成立——居品能给用户带来价值，他才会买单、才会使用。

是以从 PC 互联网期间作念空间，到挪动期间作念多样内容居品，再到云互联网作念云，咱们都要花许多时候去听客户的声息、帮他们贬攻讦题，底层逻辑其实莫得那么大的变化。

但 PC、挪动互联网期间作念居品，跟今天 AI 期间作念居品，照旧有蛮多不一样的地方。

起先从范式上看，在 AI 之前，咱们作念居品许多时候是通过"功能"来骄傲需求：四肢劳动提供方，你想明晰要提供什么才能，让用户通过界面、菜单去选，才能是预置好的，用户只可在里面点。

但 AI 期间那种绽放式的劳动神情就带来很不一样的条件——交互神气可能是当然讲话、是语音，四肢居品方你也不知说念用户会问什么，是以要充分诈骗模子才能去领悟用户需求，再通过大模子的逻辑推理、调用用具的才能，世界杯压球官网由居品给模子提供多样可用的用具，去应答这种绽放式需求。这跟咱们曩昔作念居品很不一样。

还包括你刚提到的 specification（规格）。曩昔对居品细节功能有很明白的形容，怎样遐想、研发、测试，那套瀑布式进程也比拟明白。但作念 AI 居品，我发现最大的变化是扫数这个词进程可能都要再行遐想。

尤其是本年，大部分代码都由 AI 生成，工程师会花更多时候作念遐想、作念架构，把写代码的责任交给 AI，再如期去引导、修正。

测试也要"左移"、更前置地去想明晰针对多样 case 的 eval（评估）——要有环境，要对绽放式谜底有条件，以致包括 alignment（对都），怎样对都到用户所需要的那种作风。我嗅觉今天 AI 期间作念居品，条件的才能其实更全面了。

混元 3 作念了什么蜕变

汤说念生： 那我问一下混元 3。公共都在说混元 3 是你在腾讯的首秀，具体作念了什么蜕变，能给公共先容一下吗？

姚顺雨： 其实没什么巧妙。今天作念大模子是一件比拟"苦"的事情——咱们应该把 infrastructure 作念好、把数据作念好，算法的部分反而是比拟粗浅的。主要有几个点：

第一，咱们对 infrastructure 进行了重建，不管是预锻练照旧强化学习。

第二，咱们在数据和评估上作念了许多大的蜕变：如何界说更真实的问题，如何丰富数据的 taxonomy（分类法），如何提高数据质料——这是一个永无特殊的追求。

第三，我以为很迫切的是，许多有贪图其实莫得明白的公式。包括怎样招东说念主、怎样确立模子的节拍，每天都有许多 decision 要筹商许多 tradeoff，可能更是一件由 taste（审好意思回味）驱动的事情。

如何看待 co-design：模子与居品的协同

姚顺雨： 我挺酷好想问你一个问题。你刚刚跟我商榷 codesign 这个成见，我也很酷好你是怎样想的——你以为哪些事情应该是模子作念的，哪些应该是居品作念的？

汤说念生： 我以为 codesign 在不同阶段一直在变化，这种变化某种进程上是跟着模子才能的升级而变化的，诚然行业、市集、用户需求的变化也会带来模子和居品双方都需要更好去骄傲。给我比拟深的一个感受是"怎样去对都"。

咱们沿途作念居品、作念 alignment 的时候，有许多不同的变装：居品要针对某个场所贬攻讦题，模子到底怎样骄傲这个需求？同期模子需要数据，数据应该怎样标注、标到什么颗粒度，什么是好的标注、什么是不好的标注（有些地方要奖励，有些地方要处分），还有评测——淌若居品认为好的体验，评测并不招供，那公共作念出来的东西就会不一致。

是以 codesign 给我的感受更多是：技俩组里不同变装沿途参与居品遐想、界说居品的方针场所，让多个变装对一些绽放式问题有比拟好的对都。淌若没作念到这种对都，你会发现居品的行动不可算计、以致有立时性，因为锻练过程可能也被阻抑了。这是我这两年跟模子团队作念 codesign 一个比拟深的感受。

姚顺雨： 对。我以为最难的少许等于要建立 trust（信任），而且同理心很迫切。因为说到底，作念模子的方针和作念居品的方针，有许多 align 的部分，也有许多不 align 的部分——作念模子的东说念主但愿才能越强越好，作念居品的东说念主但愿用户需求骄傲得越好，自然有许多打破。是以很迫切的少许，是要有换位念念考的才能。

其实你刚问咱们是怎样一步步作念到混元 3 的，有一个很迫切的细节：咱们其时派了后锻练最强的主干力量去帮元宝，先把基于 DeepSeek 的那一版后锻练作念好。

因为那时候咱们我方的预锻练还没 ready，但咱们知说念，爱戴好这样的居品和它的 DAU，对咱们接下来作念模子会变得突出迫切，对经久合作也突出迫切。其时许多算法同学不睬解，我需要很奋勉地去证据。

但当前看，这些奋勉都 payoff（有呈报）了——这个动作让居品方刚烈到，作念模子的同学是真的在为居品着想。这对咱们之后的合作、包括混元 3 在元宝上告捷上线，都起了突出迫切的作用。诚然有许多技能部分可以探讨，但我以为最难的部分反而是怎样建立信任、怎样换位念念考。

汤说念生： 对，突出招供。

从 ReAct 到今天：几年前的算计竣事了吗

姚顺雨： 换个话题。你是 ReAct 的漠视者，博士筹商也围绕讲话智能体（Agent）伸开。你几年前的一些不雅点，到今天竣事了吗？哪些竣事了？

姚顺雨： 那天我还挺惊叹的，因为我再行读了我方的博士论文，嗅觉回到了一个很"邃古"的期间。我博士论文的题目叫《Language Agent: from next token prediction to digital automation》（讲话智能体：从下一词算计到数字自动化）。

汤说念生： 那是哪一年？19 年？

姚顺雨： 19 年。

汤说念生： 七年前。

姚顺雨： 那时候 literally 等于 GPT-2 的期间，它其时只可作念 next token prediction，产生的一段话还不太辘集、有许多毛刺，是以东说念主们很难联想它有一天会成为蜕变天下的力量。

其时公共作念的筹商稍许有点联想力的，比如输入"中国的都门"，作念 next token prediction 它会回答"北京"——能作念到这点公共就也曾很激昂了，以为这是个很有益思的基础。

我其时的联想力可能比拟狂野：我以为 GPT 是个突出优好意思的东西，吐出下一个 token 是一件极简又极其通用的事。

我以为它有一天的后劲不仅在于吐出下一个 token，而在于把这个天下上扫数的事情全部 automate（自动化）。

诚然我其时想的可能还不够大，我想的是 digital automation（数字自动化），但当前看可能是 digital and physical automation（数字与物理自动化）。

我博士期间主要作念两部分。第一部分是建立一套 agent 的才能论：如何把一个 next token prediction 的机器变成一个 agent、变成一台自动化的机器。最迫切的一篇责任等于 ReAct。

我还铭记 2022 年 7 月某天晚上，我第一次把其时的讲话模子 API 和我我方手写的一个 Wikipedia API 接在沿途，它第一次能基于网页回答问题、况兼作念多轮交互。那一刻就像渺小的灯丝倏得亮起来一样。

据我所知，这可能是东说念主类第一次把 LLM 和真实的互联网连在沿途、并作念多轮交互。我其时的嗅觉是：OK，这件事可能在五年或十年内会蜕变天下——但其后发生得比我想的还要快。

我记顺适时就以为，淌若这件事能作念成，那它昭着会带来巨大的价值。其时想的可能是几百亿、上千亿，当前看可能是数万亿、数十万亿，我想的照旧太小了。

另一部单干作是怎样去界说 digital automation 的任务。比如 WebShop 是第一个互联网 web agent 的 task，InterCode 是最早的 coding agent 任务。当前看，agent 技能最迫切的两个部分，可能照实等于 web agent 和 coding agent。

那天我还在群里跟公共聊，我看我博士论文收尾在 2024 年写的 future work：第一是 train models for agent（为智能体锻练模子），第二是 safe and robust deployment（安全且谨慎的部署），第三是 scientific discovery（科学发现），第四是怎样去 help human（匡助东说念主类）。

我挺惊叹的——我当前很庆幸，照果真作念其时列的这些 future direction。

汤说念生： 你的 prediction 太历害了，能看到扫数这个词行业都在往这些场所鼓吹。

姚顺雨： 可能想的照旧不够大。我其时也曾以为我方想得够大了，但可能照旧不够——技能的发展通常超乎咱们的预期。

下一代模子的研发侧重：coding、体系化、居品回流与联想力

汤说念生： 我再转少许。今天公共都说智能体需要铺张许多 token，那对混元作念下一代模子的研发，你以为侧重心是什么？哪些地方比拟迫切？

姚顺雨： 我以为毫无疑问，今天的 agent、或者说 coding agent，就有点像预锻练一样，是一件不得不作念的事，是最基础的才能。

我个东说念主以为 coding 突出内容，原因许多，但还有一个很迫切的原因：它有点像图灵完备——当你能放手我方的 file system、有一个 container 的时候，你其实等于一个 complete 的 system。

今天 agent 毫无疑问是每一家模子发力的重心，而咱们作念的才能可能有几个区分：

第一，即使今天 coding 是最迫切的事，咱们照旧会强调"体系的全面化"。我永久认为，真实要把 coding 作念好，需要的远不啻 coding 的数据，你还需要聊天、instruction following（指示遵照）、推理等多样千般的才能——因为大模子最迫切的少许是泛化性。

第二，居品的作用越来越迫切。如何诈骗好线上的数据回流，是每一个模子厂商都在念念考和应答的问题，这里咱们前边说的许多 codesign 教诲会变得突出迫切。

第三，照旧需要更多联想力。不管是技能的演进、居品的演进，照旧下一个范式的演进，咱们都还需要作念一些探索性的、以致带不笃定性的责任。

性价比的内容：性能优先，老本其次，小模子作念大事

汤说念生： 对，从居品侧看，公共越来越多有"token 懆急"的声息，token 老本在握续增长。我也听到许多客户、以致身边的共事，都在紧盯积分或 token 的铺张。

那怎样能让模子在贬责某个问题、完成某个任务时 token 效果最高？我之前作念过一些任务，模子可能会尝试不同场所，有些场所其实明知说念走不下去，但它照旧会试，试完才知说念走欠亨再换下一个。这里面有什么可以 optimize 的地方，让 token 使用效果更高？

姚顺雨： 今天在中国公共商榷性价比，可能更多在商榷模子架构，但它其实是个很复杂的体系。我以为最迫切的起先是 performance（性能）。许多东说念主跟我说，他们临了发现用 Opus 这样的模子，反而比用更差的模子更省钱——因为更快就把事情作念对了，也省了东说念主的元气心灵。是以性能其实才是性价比最枢纽的事情。

尤其是本年，许多粗浅任务的 robustness（牢固性）会变得更迫切：如何一次就把相对粗浅的任务作念对，这可能是性价比更枢纽的部分，而不单是是模子架构。

第二部分是老本，老本自身等于性价比的一部分。我以为第一是"性"——性能不好，性价比就无从谈起；第二才是老本。在老本上，中国其实是起先于天下的，咱们作念了大宗责任去优化老本。

但我以为老本这件事最迫切的，可能是"怎样用一个更小的模子，把更高价值的任务作念好"。这里有许多事要作念，包括架构创新、长文本管制、压缩等等。

但我个东说念主的看法是：淌若咱们能作念一个相对较小的模子，它的性能却能并排以致卓越大模子，而且能在大部分任务上作念到很强的 robustness——这可能比在许多突出长程、很 fancy 的任务上实现一两个点的进步，在今天的中国更有价值。

agent 的居品契机与瓶颈

姚顺雨： 我也挺酷好，Dowson（汤说念生），你是什么时候刚烈到 agent 是一个新的居品契机的？你当前的显露是什么？你以为咱们当前离一个好用的 agent，瓶颈在那处？

汤说念生： 咱们针对不同场景作念的 agent，其实有不同的居品神情。在 agent 的遐想上，很猛进程是尽量去阐明好模子的才能。模子才能越强，应用需要作念的责任可能越少。

曩昔这段时候我看到咱们好几个居品，跟着模子才能增强，反而把 agent 作念得更简化了——更多是给模子提供更多不同的用具、创造更多 skills，让模子更高效地完成任务；同期提供更多"追念"，把用户曩昔的使用俗例、能索要出的 preference 信息，四肢高下文 feed 给模子。

在 coding 环境里给模子关系的 context，在 Workbody 这种办公相助、PPT 场景里，需要关爱和给到模子的 context 又不一样。是以作念不同的 agent，更迫切的照旧了解阿谁场景下什么内容、什么信息是迫切且 relevant 的，能跟模子配合好，让模子既有它需要的信息，又能阐明它的才能。

agent 期间的研发与组织变革

姚顺雨： 最近咱们照实推出了像 Workbody 这样口碑很可以的居品，背后是许多小团队在快速迭代。我挺酷好，相对于传统的居品研发，你以为在 agent 期间，居品团队的研发和组织管制发生了什么变化？

汤说念生： 前一阵子我去 Workbody 团队作念了一次组织侦察，看到他们突出扁平化的组织，跟咱们曩昔其他居品的组织架构有很大互异——更多是三五个东说念主的小团队，围绕某一个边界去作念攻关，而且有许多实验。是以要支握好底层的 AI Infra 去作念实验，让这些小分队能去探索、再考据。

因为大部分实验可能拿不到正向反馈，咱们也要包容团队去试错，通过大宗实验提真金不怕火出对用户进程、对咱们想要的结果有正向匡助的东西。这是今天作念 agent、作念原生 AI 居品，组织神情要能比拟好复古的地方。

另外，正本许多工程师花大宗时候在写代码上，今天这些责任毫无疑问可以交给 AI 了，是以咱们会看到更多变装的会通：公共可能都是居品司理，都要彻底了解用户需求、遐想出想要的居品神情；

每个工程师更像一个有想法的 leader，驱动多个 coding agent 去针对居品需求作念研发。同期也要像我说的把评测前置，用好 AI 的才能，把质料保证、alignment 的责任作念到前边来。

以上是小编整理的访谈重心传达，干货果真是太密集（orz）……

— 宽待AI居品从业者共建 —

📚「AI居品常识库」是量子位智库基于经久居品库跟踪和用户行动数据推出的飞书常识库，旨在成为AI行业从业者、投资者、筹商者的中枢信息枢纽与有贪图支握平台。

一键关爱 👇 点亮星标

科技前沿进展逐日见2026世界杯-最新版官方软件