腾讯AI加速：引进顶尖人才，升级架构，开源模型落地应用

一直以来，外界普遍认为腾讯在 AI 领域的布局较为稳健，甚至略显克制。然而，2025年末，腾讯在人才引进、产品迭代和组织变革等方面释放出一系列密集信号，从侧面显示出这个科技巨头正在加速前进。

12月17日，据机器之心报道，前OpenAI研究员、清华大学校友姚顺雨（Vinces Yao）正式加盟腾讯，担任「CEO/总裁办公室」首席AI科学家，直接向腾讯总裁刘炽平汇报。

同日，腾讯宣布对大模型研发架构进行升级，新设立AI Infra部、AI Data部以及数据计算平台部，以全面加强研发体系。

除了人事与组织层面的调整，腾讯还在同一天发布并开源了国内首个支持实时交互的混元世界模型1.5（WorldPlay）。

拉长时间线来看，从混元2.0采用MoE架构实现推理效率领先，到混元3D模型下载量突破300万，再到腾讯混元和腾讯优图实验室等系列模型与工具的开源，腾讯在技术迭代速度、开源贡献以及人才密度方面的提升有目共睹。

姚顺雨曾在其博客中探讨AI发展的「下半场」逻辑，强调智能体与认知架构的重要性。如今，这位在ToT（思维树）、ReAct等领域做出突破性贡献的青年科学家加入腾讯，并负责AI Infra与大语言模型两大核心部门，腾讯AI的战略路径已愈发清晰：通过顶尖研究与扎实工程的深度融合，致力于为用户打造真正好用的AI。

模型能力持续增强

上层应用的繁荣离不开底层基础模型的支撑。在此次架构调整中，新成立的AI Infra部被赋予了关键地位，主要负责构建大模型分布式训练、高性能推理服务等核心能力。

在模型层面，腾讯混元近期已展现出强劲的迭代能力。最新推出的混元2.0在复杂指令遵循和文本创作方面表现国内领先；在3D生成领域，腾讯混元3D系列模型已成为全球最受欢迎的开源3D模型之一，社区下载量已突破300万次，并推出了混元3D 3.0版本，建模精度提升了3倍。

姚顺雨的加入，不仅为腾讯带来了算法层面的前沿视野，更重要的是他同时负责模型与Infra。这种模型+基建的一体化管理模式，有助于加强算法研发与底层算力之间的协同，使基础设施能更好地适应模型演进的需求，同时也让模型训练能更高效地利用算力资源。对于外界而言，这也意味着混元大语言模型未来的进化速度和能力上限将更加值得期待。

模型与工程能力的深度协同

如果说腾讯混元大模型的持续进化是为打造一颗更强劲的「心脏」，那么要让AI真正融入业务场景，还需要一套精密传动的「骨骼」。这正是腾讯AI工程化落地持续努力的方向——通过从模型、工具到应用的完整布局，逐步弥合模型突破与产业落地之间的鸿沟。

工程化能力首先体现在底层算力基础设施的优化上。据悉，腾讯采用软硬一体化策略，对星脉网络和高性能存储进行了专项调优，使模型训练综合性能提升了30%。

同时，腾讯云将支撑大规模训练的同源技术能力沉淀为TI平台，主要解决模型训练困难、调优不准的工程挑战。该平台不仅支持算力潮汐调度，更实现了从数据处理到部署的全链路打通。无论是车企进行模型精调还是私有化部署，腾讯云TI平台都能提供标准化的工业级生产流水线，使大模型开发具备软件工程式的标准可控性。

在夯实底层基础与开发线后，在模型组件方面，腾讯优图实验室也开源了一系列「小而美」的模型能力，针对性地解决大模型落地的工程痛点。同时，这些开源项目并非孤立的技术点，而是具备高度协同的技术栈，通过模块化集成，能够形成从组件到方案的体系化输出。

据机器之心了解，针对AI如何理解复杂文档的问题，腾讯优图实验室即将开源Youtu-Parsing。该工具如同一位经验丰富的专家，能够清晰识别、梳理和定位那些「杂乱无章」的非结构化数据。它可对输入的复杂文档进行从全局到局部的精细化处理，既能实现文档整体布局的精准分析，又能针对性地提取图表、文本块、数学公式、表格等关键元素，有效解决复杂排版文档的信息还原问题，为大模型提供高质量的数据输入。

针对「记不住」和「幻觉」等顽疾，他们此前还开源了Youtu-embedding和Youtu-graphrag组合。前者赋予AI在海量知识库中精准定位的能力，后者则通过知识图谱技术，将碎片化信息串联成逻辑链条，相当于为AI配备了导航地图，使推理有据可依，显著减少错误输出。

为了让AI能够突破对话框的限制、执行更复杂的任务，腾讯优图实验室还开源了Youtu-agent框架。该框架在设计之初就融入了「自我进化」能力，能够根据自然语言描述自动创建任务所需的工具并配置相应的智能体。

该框架还设计了两种强化学习优化方案以提升智能体表现：一种优化了训练infra，使开发者搭建的Agent均可进行端到端训练；另一种无需额外训练，通过引入练习经验即可让Agent变强。

凭借这些技术，该框架在多项评测中均取得了出色成绩。

在WebWalkerQA评测中，基于DeepSeek-V3.1实现了71.47%的准确率，刷新开源模型效果SOTA；同样使用开源模型QwQ，无需训练也能达到SOTA效果。

在GAIA（文本子集）测试中，基于DeepSeek-V3的Pass@1指标达到72.8%，无需依赖Claude或GPT等闭源模型，充分验证了该框架的强大研究价值和应用潜力。

而这些模型工具也在平台层面得到了很好的承接。今年年中，腾讯云推出了智能体开发平台（ADP）。该平台依托腾讯混元大模型的底层能力以及优图等前沿实验室的算法能力，企业无需组建庞大的算法团队，通过拖拉拽的「低代码」甚至「无代码」方式，即可在几分钟内构建出专属的客服助手、数据分析师或代码编写助理。最新发布的版本支持对接第三方数据库和工作流，并新增应用评测工具，进一步降低了企业构建AI应用的门槛。

应用落地全面开花

技术加速的最终目标是创造价值。在「研究+工程」双轮驱动下，腾讯的AI能力已在多个垂直领域实现规模化落地。

在金融领域，保险行业作为知识密集型和人力密集型的典型代表，AI提效尤为显著。东吴人寿依托腾讯云ADP构建了公司级智能体开发平台「东吴天枢」，打造出「东吴智脑问+」、「苏惠保智能快赔助手」等多个智能体。理赔处理时效从传统人工审核的3-5天骤降至3分钟以内，预计每年支撑上万起理赔案件，大幅节省了成本。

在传媒领域，广东广播电视台基于腾讯云ADP打造了「AI内容服务平台」，用于处理直播素材、辅助写稿等工作。过去，记者编辑需要几十分钟才能完成一条视频剪辑，现在最快只需十分钟甚至几分钟。今年全运会期间，AI累计辅助广东台生产了百余条爆款内容，整体效率提升40%。

在企业营销侧，绝味食品基于腾讯云智能体开发平台打造了营销云Agent，由智能体发起的活动内容点击率比人工专家高出40%，支付转化率是人工组的2.4倍，交易金额更是达到3.1倍。

在能源与制造领域，面对电网设备分布广、人工巡检难的痛点，腾讯协助训练的电力视觉大模型展现出高检出率与泛化能力，有效适应不同电网场景，切实保障电力生产安全；在医疗健康领域，腾讯健康小程序中的AI健康管理助手，已能自动解读体检报告，深入解析异常指标，并为用户制定个性化的健康管理计划，使医疗服务更具温度。

从底层的架构调整、人才引进，到平台层的系列工具及开源组件串联，再到上层的多场景落地，腾讯正在构建一个紧密咬合的AI飞轮。

当然，按下加速键并不意味着胜负已定。AI是一场漫长的马拉松已成为行业共识，而腾讯面临的挑战依然存在：如何在庞大的生态体量下保持敏捷？如何在工程化的确定性与前沿探索的不确定性之间找到动态平衡？这些问题的答案，都需要时间来揭晓。