新節奏、不賽馬、好運氣。
文丨高洪浩
編輯丨黃俊杰
DeepSeek 今年春節火遍中國之後，騰訊是第一個全線產品盡數接入的巨頭，從微信、QQ 到騰訊自己的 AI 助手元寶和才上線幾個月的工作臺產品 ima。這被認為是騰訊 AI 投入爆發的開始。
但據我們瞭解，改變比這早幾個月。從去年下半年起，微信便探索起了 AI 相關的能力。DeepSeek 出來以前，騰訊高層也已著手，將分散在各事業群裡的工具產品打包起來，統一管理。
騰訊最新公佈的財務資料也證實了這一點。騰訊在 2024 年最後三個月將該季度大部分稅後經營所得——390 億元——用於資本開支，主要是採購顯示卡、投建算力中心。這意味著騰訊一個季度的 AI 基建投入接近此前兩年的總和。
ChatGPT 在 2022 年底上線。隔年 2 月，GPT-4 模型推動中國科技行業全面投入 AI。但這之後近兩年，騰訊不論投資還是產品都顯得不太著急。
這是騰訊投入節奏的改變。
此前十來年，每當行業鉅變、對手逼近，騰訊會調動力量快速應戰，通常第一批產品都不能改變局面，卻總能留在牌桌上，再來一次，最後打出絕殺。
比如短影片。從外部看，微視是一款失敗的產品——砸錢砸流量做大一款不夠好的產品，但隨即快速隕落。但客觀說，微視作為騰訊的短影片反擊也實現了一定戰略價值——試錯、為後續產品爭取時間，也儲備了人才。今天，影片號的日活躍使用者數超過 5 億，逼近抖音主應用，是明確的行業第二。
遊戲戰場從 PC 轉手機，騰訊是這樣過來的，移動支付、音樂也有類似的經歷。
當 AI 大模型成為新的技術變革，騰訊大致延續了類似的應對，但下場節奏完全變了。
2023 年初，ChatGPT 問世幾個月後的一次管理層戰略會上，騰訊技術與工程事業群總裁盧山以 ChatGPT 舉例，認為 OpenAI 從推出 GPT 模型開始，“花了三年時間才真正產品化，而騰訊的大模型肯定會很多坑要踩，所以不會著急。” 一位在場人士轉述他的話。騰訊的 AI 助手產品元寶在 2024 年 5 月底才釋出，比豆包、Kimi 晚了近一年。
當阿里與位元組在大模型、軟體和硬體上全面出擊時，一位騰訊人士記得，騰訊董事局主席兼 CEO 馬化騰跟一些 AI 團隊說，“要好好與外部合作，不要想著什麼都自己做”。2024 年，位元組在為豆包大舉投放、成為英偉達重要客戶時，騰訊則花費了 1120 億港元回購股份，創下了其年度回購金額的歷史新高。
“在等待一個拐點。” 上述騰訊人士說，“Pony（馬化騰）對內說的是，要清醒地認識到實際情況，不要過高估計自己的能力。” 騰訊要抓的是 AI 應用的機會，但過去兩年裡出現的國產大模型，能力都遠不足以支撐一個好的 AI 應用。
“微信的網路效應牢不可破，他們只要耐心等待底層的新技術成熟，再加以善用就可以了。” 一位字節跳動 AI 業務的負責人說。
大力投入發生在 2024 年的最後一個季度。當時阿里已經廣泛投資了一批創業公司；位元組則孵化出了數十款 AI 產品，旗下豆包也成為了中國使用者數最多的 AI 助手類產品，“對手的激進也讓騰訊有了緊迫感。” 一位騰訊人士說。回頭看這是堅定的投入，也是絕佳的運氣。
幾個月後，基金公司幻方默默投入四年孵化的開源大模型 DeepSeek 出人意料地點亮了中國的 ChatGPT 時刻，為整個行業重新畫了一條起跑線。
騰訊和阿里最新一季的資本開支都超過了 2023 全年。
意外之喜，DeepSeek 重畫了一條起跑線
2025 年初，騰訊的高層們在一次總辦會上決定，將原本分散在各部門的 AI 應用打包起來，放到一個事業群裡集中管理，讓技術與工程事業群（TEG）專注於大模型的技術研發。不過究竟由哪個事業群來管理，並無定論。
在經歷了幾年的降本增效後，騰訊絕大部分業務部門都已盈利，進入相對穩定的狀態。“儘管 AI 代表了未來，但也意味著高度的不確定性。” 上述騰訊人士說。
最終，雲與智慧產業事業群（CSIG）主動把這個任務接了下來，原本隸屬於技術與工程事業群（TEG）的 AI 助手產品騰訊元寶，以及隸屬於平臺與內容事業群（PCG）的 QQ 瀏覽器、搜狗輸入法、ima 等工具產品都將陸續遷至 CSIG。
這是騰訊 AI 戰略的第一次轉變。過去兩年，騰訊在 AI 業務上的佈局從未呈激進之態。進入 2025 年，大模型能力的進一步提升讓智慧體（Agent）與 AI 應用的落地成為可能，騰訊決定可以先動起來了，“而且 AI 這種大機會不應該賽馬，得集中資源押注。”
上一年，字節跳動不僅研發大模型，還推出了數十款軟硬體產品；一位位元組人士透露，公司原本要給抖許多業務拿來打仗的預算也被部分調劑給了 AI 業務；新的一年，位元組還將斥百億美元儲備晶片。
1 月 20 日，來自深度求索的 DeepSeek-R1 模型橫空出世，騰訊的姿態在此刻徹底扭轉。DeepSeek-R1 是國內唯一一個性能比肩 OpenAI o1 並達到應用級程度的大模型，最重要的是它完全開源，還在極短時間裡擁有了國民級的品牌辨識度。
騰訊沒有一絲猶豫，所有業務接入 DeepSeek-R1。“老闆們的態度非常明確：先走出來看看再說，否則永遠不知道接下來會怎麼樣。” 一位騰訊人士說。
不少業務部門在春節期間加起了班。騰訊雲最早上線了 DeepSeek-R1 及 V3 原版模型 API 介面；其次是 AI 智慧工作臺產品 ima 與 AI 助手元寶。2 月 16 日，微信搜一搜灰度測試接入了 DeepSeek。
這顯然是一次計劃之外的 “練兵”。一位接近騰訊的人士透露，微信灰度測試接入 DeepSeek 後流量突然激增導致算力告急，集團緊急排程自有資料中心資源，但僅能調撥出有限的伺服器機架。
不得已，微信只能控制灰度測試的數量，並將更多使用者分流至騰訊元寶上。由於元寶的流量是逐步累加的，節奏可控，騰訊也有更多時間來準備算力。
幾乎同一時間，騰訊開始下單買卡補充算力，保證 DeepSeek 能在騰訊系的產品內平穩執行。春節後，“寒武紀也拿到了幾百片來自騰訊的測試訂單。” 一位知情人士說。
相比之下，字節跳動對於旗下產品是否接入 DeepSeek 反而猶豫了。“內部一開始的普遍想法是，反正 DeepSeek 就在那兒，什麼時候接都行，不急。” 一位位元組 AI 產品經理說。一個春節過後，“很多產品突然意識到遲了，於是匆忙組織團隊緊急加班開發，接入 DeepSeek。” 不過目前，抖音、豆包等核心產品仍堅持使用位元組的自研模型。
今年 2 月底，騰訊元寶在接入 DeepSeek 後，開啟了激進推廣，投放力度超過了豆包和月之暗面的 Kimi，還一度越過 DeepSeek 衝上了 iOS 免費榜的第一名。根據 QuestMobile 資料，元寶的日活躍使用者數只用了一週時間便增長了十倍，逼近 260 萬。
一位接近元寶人士說，這款產品在去年定下過一個日活躍使用者數超百萬的目標，但實際上並沒有投入太多資源買量，“核心策略是借勢騰訊內部的產品和應用。” 比如曾與騰訊影片一同開發 AI 角色陪聊的功能；也曾在《王者榮耀》週年慶之際，與專案組探討開發遊戲內的數字互動形象。
DeepSeek 激活了騰訊久違的戰鬥力。上述元寶人士稱，現在這個階段談卡位、佔入口都太早了，但 DeepSeek 的出現確實給了騰訊一個機會，能讓業務藉此找找做 AI 產品的手感、感受市場的水溫，“否則如果後面真的機會來了後，我們連怎麼做都不知道。”
大模型，從 AI Lab 的邊緣嘗試變成騰訊高層每天討論的議題
騰訊是較早開始研究 AI 的中國網際網路公司，2016 年成立的 AI Lab 則是推動騰訊 AI 研發與產業應用的核心部門之一。
早年間，AI Lab 從百度研究院、IBM 沃森研究中心、微軟研究院等機構招攬來了一批科學家助陣。原雅虎研究院主任科學家、百度研究院副院長張潼便曾擔任 AI Lab 的創始主任。第二年，騰訊總裁劉熾平在一次財報會上提到，人工智慧具有戰略意義，騰訊會對 AI 進行持續、長期而有耐心的投資。
AI Lab 有著國內大公司少見的寬鬆、開放的研究環境。它的的員工不用揹負硬性考核指標，他們曾以在頂級會議上發表的論文數作為績效標準，但很快便發現這個目標太容易實現了。
一位知情人士回憶，AI Lab 曾在一年時間裡投中了 20 篇 ACL（國際計算語言學協會年會）論文，重新整理了國內紀錄，“後來內部慢慢就不怎麼提這個目標了，還是想做影響力更大些的事情。”
各團隊研究的方向也無需與集團業務強繫結，於是許多人探索起了 AI 醫療、機器人，還有一些幾乎找不到落地場景的方向，“只要你認為是正確的，基本也能做下去。” 上述人士說。生成式大語言模型便是其中之一。
在 ChatGPT 問世前，學界與業界普遍將基於雙向注意力機制的預訓練正規化（如 Google BERT）視為技術演進主流，但騰訊 AI Lab 仍保持了在生成式大語言模型上的研究。
團隊也不用太考慮研究的投入成本——2020 年，他們用上了數十億量級的引數訓練模型，比 OpenAI 在前一年推出的 GPT-2 要大幾倍。相比之下，當時國內多數研究團隊受算力與資金限制，只用得起幾千萬量級的引數訓練。
只是一段時間過後，AI Lab 團隊發現大模型的表現總不盡如人意，還有嚴重的幻覺問題。當時 GPT-3 的釋出也沒有增添太多信心。於是一些參與者開始朝更垂直的落地場景繼續探索，更多人則將精力轉移到了更務實的搜尋、廣告、推薦技術上去了。
戲劇性的一幕發生在年底，ChatGPT 問世並在全球掀起風暴，這款產品史無前例地上線僅兩個月便攬入了上億使用者，甚至被認為將徹底重構傳統網際網路的業務形態。“有太多的沒想到。” 一位參與大模型研發的騰訊人士說，“以前從沒想過做千億級引數的生成式模型訓練，也想不到能直接給模型純文字指令來做監督微調。”
一位騰訊人士說，從 2023 年起，馬化騰開始每週和各業務部門的技術專家們開會討論大模型，“許多會還是一對一的。” 騰訊高層間建了一個針對大模型技術變革的分享和討論群。5 月的騰訊股東大會上，馬化騰直言，“我們最開始以為（人工智慧）是網際網路十年不遇的機會，但是越想越覺得，這是幾百年不遇的。”
技術部門也被集結了起來。騰訊 AI Lab 因長期研究自然語言處理，衝在了最前線，旗下的美國西雅圖實驗室負責訓練起了新的大模型。不過因為這個團隊常年埋頭鑽研學術，缺少專案開發與管理的經驗，最終做出的大模型效果欠佳。
恰在此時，與 AI Lab 同屬技術與工程事業群（TEG）的機器學習平臺部和資料平臺部也訓練了一個大模型，這支團隊有豐富的業務落地經驗，在這場競速中勝出。
一位騰訊投資部人士稱，ChatGPT 出來後，騰訊曾討論過，是否要激進投資國內的大模型創業公司。“剛開始是挺著急的”，所以最初的策略是儘可能每家都投一點。但隨著研究的深入，騰訊的判斷髮生了轉變：訓練大模型對算力要求非常高，不是一般創業公司能玩得起的遊戲，與其花高價激進投資，不如把錢留下來，做好自己的模型。“心一下就定了下來。”
騰訊 TEG 也很快組織起了一支聯合戰隊，機器學習平臺部負責大模型基座與純文字的模組、資料平臺部負責多模態模組、安全平臺部負責預訓練資料等，所有工作流程、管線開始從零開始搭建與磨合。騰訊其它的事業群也派出了自己的技術負責人支援。
與多數大公司一樣，騰訊最初在訓練大模型時也付出了不少的探索成本。
最早顯現出來的是晶片能力的問題。DeepSeek 是先花了大量時間和資源，解決好了這類最底層的硬體問題，最後才在模型訓練時效率飆升。但幾個大公司都在同時追逐每個新的技術熱點，一位騰訊人士說，“目標太多了，只能邊開飛機邊修引擎，最佳化效果效率很難像他們那麼高。”
新組織的磨合也需要時間。起初，文本團隊與多模態團隊的協作不夠緊密，導致前者未能及時調整文字模型進行端到端訓練，最終只能採用低效的兩階段模式（先單獨訓練各模組再整合）。
在訓練影片模型時，新團隊得先花大半年的時間，將每日處理的影片資料量級從上百萬提高到千萬以上。相比之下，在一些公司，大模型是由業務相關的團隊操刀訓練的，他們原本每天就在處理幾千萬的影片素材，類似的工程環節便不再需要重新摸索。
“不過一旦把底層的架構和組織梳理清楚，效率就能明顯提升，這也是我們過去兩年主要在做的事情。” 一位知情人士說。進入 2025 年，混元大模型的節奏明顯也在加快，上線業界首個一站式 3D 內容 AI 創作平臺—混元 3D AI 創作引擎、推出了混合 Transformer-Mamba MoE 架構的混元的混元 Turbo S，又在 3 月釋出並開源其圖生影片模型、推出了基於 Turbo S 基座模型的深度推理模型 T1，以及 5 個 Hunyuan 3D-2.0 系列的 3D 生成模型。
“公司在積極擁抱 DeepSeek 的同時，並沒有任何減少對混元的投入。” 上述騰訊人士說。他認為即便從防禦的角度，騰訊也一定不會放棄自己的模型。
有穩固的壁壘，但也有更迫切的挑戰
當美國科技巨頭重注押寶大模型時，蘋果成了一個孤本。它自己沒有激進研發最先進的大模型，而是選擇與 OpenAI 等公司合作，將對方的 AI 能力接入自己的平臺。儘管 Apple Intelligence 嚴重延期，但蘋果的股價並沒有因此暴跌。
蘋果投資者的共識是，隨著 AI 普及，人們將需要便捷的使用者入口、更強的本地運算能力，只要 AI 顛覆不了智慧手機，蘋果就是這場技術變革的受益者。
騰訊有著類似的獨特位置。它有最便捷的入口：微信是中國人使用最多的手機應用，使用者數超過了 13 億。目前 AI 產品偏向對話的使用者介面，和這個入口天然契合。中國的第二大對話入口則是 QQ。它們是最能讓 AI 迅速普及到所有人的渠道。
“內部提的一個詞叫 AI 普惠，即藉助自己的產品能力和規模優勢，更多人使用上 AI。” 一位騰訊人士說。
騰訊的另一個獨特優勢源於使用者信任與合規的資料生態。AI 服務若想真正貼近需求，就需在嚴格隱私框架下，更理解一個人。一位微信人士稱，作為國民級社交平臺，始終將隱私保護置於技術演進首位。
2025 年，馬化騰鼓勵所有業務部門都去大膽嘗試 AI 轉型。他承諾每個團隊都能有充足的卡來訓練模型，也不再要求業務與騰訊自己的混元大模型強繫結，“外部如果有更合適的基座模型就用外部的。” 一位騰訊人士說。
馬化騰關注每一個創新產品，無論體量大小。年初，他就曾提議，是不是可以把 ima（由 QQ 瀏覽器孵化的一款智慧工作臺產品）鑲嵌進 QQ 瀏覽器。
據我們瞭解，微信和 QQ 團隊目前正在重點探索 AI 相關的功能。
前景無限開闊，但迫近的問題非常現實，騰訊需要大興 AI 基建。
字節跳動傳統業務高度依賴推薦演算法，在幾年前便是中國 GPU 算力規模最大的公司。它的 AI 基建投資也先於對手啟動。
騰訊去年底開始的大規模資本開支要變成算力需要相當長的時間。
買卡是第一個問題。全球的先進製程晶片製造商都在 24 小時生產，但進口的 GPU 和國產 GPU 產能總和也不能滿足中國各大巨頭今年的需求。
更麻煩的是 GPU 需要放進專門設計的算力中心。一般而言，建一座算力中心需要 9-12 個月的時間，投建還受到持牌承包商產能、城市電力規劃等多方面的限制，缺口比買卡更嚴重。
一位深入研究 AI 的二級市場人士測算，目前的主流 AI 產品如果服務 1 億日活使用者，需要約 40 萬張卡的算力，這大約對應十個新的算力中心。而微信全球月活 13 億，大部分在中國。
這個計算還沒有考慮新的 Agent 產品，如果類似 Manus 的產品開始流行，單個使用者每天需要的算力可能還會再翻幾倍。
劉熾平在 2024 年報後的營收會上也提到了算力緊缺的問題。“我們必須把這些 GPU 裝到資料中心裡，這需要一些時間。所以我們在今年一季度沒能抓到那麼多需求。”
這一輪的 AI 競爭，DeepSeek 很大程度上拉平了大廠之間的模型差距，讓 AI 應用的嘗試和普及成為可能，這利好騰訊。但要抓住可能到來的新需求，每個大公司都得準備好足夠龐大的算力，這是需要錢才能解決的問題，但並不是光有錢就能很快解決。
題圖來源：《天才捕手》
– FIN –