騰訊：以組織能力搶占下一個生態(tài)級入口

騰訊真正的變化，不只是“做了一個大模型”，而是開始嘗試讓整個公司圍繞AI重新協(xié)同。

文｜胡嘉琦

ID | BMR2004

近日，在一季度財報電話會上，騰訊總裁劉熾平提到，混元團隊已經(jīng)開始研發(fā)更大參數(shù)量的新模型。

他表示，騰訊將在此前Hy3模型的基礎設施和訓練經(jīng)驗之上，繼續(xù)擴展更高質量的數(shù)據(jù)集，并強化模型的強化學習能力，進一步提升上下文理解、代碼生成以及Agent等方向的能力。

相比模型本身，劉熾平還特別提到了一點：新一輪調整后的混元團隊，“年輕、有活力，而且凝聚力更強”。

這句話背后，其實也透露出騰訊最近一個明顯變化。過去很多年里，騰訊最擅長的一件事，是“穩(wěn)定”。微信、游戲、支付、廣告、云業(yè)務……騰訊內部有一整套高度成熟的協(xié)同機制。

但AI時代到來后，當技術路線持續(xù)變化、模型能力快速迭代，過去那套強調流程和層級的組織方式，也開始面臨新的挑戰(zhàn)。

今年3月，騰訊宣布撤銷AI Lab，并將相關團隊并入大語言模型部與產學研合作中心。這不僅是一次組織調整，更像是一個信號：這家曾經(jīng)以“穩(wěn)定”著稱的大公司，開始重新學習如何適應“快速變化”。

01

AI Lab被撤銷

大模型時代最重要的問題，已經(jīng)不是實驗室里能不能做出模型，而是整個組織能不能持續(xù)、高速地迭代模型。

3月20日，騰訊發(fā)布內部通知：AI Lab正式撤銷。原有人員分別并入大語言模型部與產學研合作中心；與此同時，騰訊副總裁蔣杰不再擔任AI Lab負責人。

很多人的第一反應是：騰訊是不是在削弱基礎研究？但如果回頭看AI Lab的成立背景，會發(fā)現(xiàn)事情并沒有這么簡單。

2016年，深度學習浪潮剛剛興起，全球互聯(lián)網(wǎng)公司幾乎都在建立自己的AI實驗室。Google有Google Brain、Facebook有FAIR、百度有IDL，騰訊也成立了AI Lab。

那個階段，AI的核心競爭邏輯是：誰能積累更多頂級研究員，誰能發(fā)表更多論文，誰就能提前儲備未來技術。

所以AI Lab本質上是一個“中央研究院”。它離業(yè)務并不近，更像技術儲備中心。研究員可以有相對獨立的研究空間，公司則通過實驗室建立技術壁壘、吸引人才、提升行業(yè)影響力。

這個模式在過去幾年是成立的。因為那時AI仍然以“研究驅動”為主。但大模型改變了一件事：AI開始從“科研問題”，變成“系統(tǒng)工程問題”。

模型能力不再只取決于算法本身，而是取決于：數(shù)據(jù)質量、工程效率、算力調度、推理成本、產品反饋、用戶場景、強化學習閉環(huán)、Agent協(xié)同能力。研究、工程、產品、業(yè)務之間，不再是過去那種研究完成后再交給業(yè)務的串行關系，而變成了高度耦合的實時協(xié)同。也就是說，大模型時代最重要的問題，已經(jīng)不是實驗室里能不能做出模型，而是整個組織能不能持續(xù)、高速地迭代模型。

中經(jīng)傳媒智庫專家、中國城市發(fā)展研究院投資部副主任袁帥表示，騰訊將AI Lab相關職能并入大語言模型部和產學研合作中心，這絕非簡單的組織收縮，而是一次錨定大模型時代需求的深度組織重構。這一調整打破了過往AI研究與業(yè)務場景之間的壁壘，讓技術研發(fā)更貼近落地需求，本質是將分散的AI能力進行整合，聚焦于大模型這一核心賽道，通過資源的集中調配，加速技術與業(yè)務的協(xié)同，從而在快速迭代的AI競爭中搶占先機。

在袁帥看來，騰訊此次的組織調整，與Google、Meta、微軟等科技巨頭在AI組織上的調整既有相似之處，也存在明顯差異。相似點在于，無論是騰訊還是這些國際巨頭，都在打破傳統(tǒng)的研發(fā)與業(yè)務分離的架構，推動AI技術與業(yè)務場景的深度融合，通過組織架構的調整來適配大模型時代的發(fā)展需求，集中資源發(fā)力核心賽道。不同之處在于，騰訊的調整更側重于依托自身龐大的生態(tài)體系，將AI能力滲透到微信、支付、文檔等各個業(yè)務場景中，實現(xiàn)技術與生態(tài)的協(xié)同進化；而Google、Meta等公司則更多是圍繞自身的核心業(yè)務，如搜索、社交等，進行AI技術的整合與升級，同時在全球范圍內布局AI研發(fā)，以保持技術的領先性。

02

混元重建：真正變化的是組織運行方式

在AI競爭里，最昂貴的成本之一，已經(jīng)不是算力，而是組織反應速度。

如果說AI Lab撤銷只是結果，那么混元團隊的重建，才是騰訊內部真正發(fā)生變化的地方。

4月23日，騰訊混元發(fā)布Hy3 Preview語言模型，并稱其為“混元重建后訓練的第一個模型”。

隨后，騰訊AI首席科學家姚順雨在社交媒體上提出：“騰訊有最好的產品生態(tài)，有扎實（solid）、低自我（low-ego）的文化，我們才剛剛開始。”作為姚順雨團隊歷時88天重構推出的戰(zhàn)略級產品，該模型在上線兩周內展現(xiàn)出驚人增長勢頭，總Token調用量達上一代Hy2的10倍，周調用量突破366億Token，登頂OpenRouter周榜總榜與市場占有率雙第一，在編程和工具調用場景同樣位居榜首。

騰訊內部為什么突然能跑得這么快了？過去的大廠研發(fā)，更像“接力賽”，傳統(tǒng)互聯(lián)網(wǎng)公司的研發(fā)體系，大多是典型的分工制，預訓練團隊負責預訓練—后訓練團隊接手優(yōu)化—工程團隊負責平臺—產品團隊最后接入業(yè)務。

每個部門都像流水線上的一環(huán)，這種模式適合穩(wěn)定業(yè)務，因為職責清晰、風險可控。但問題是，大模型研發(fā)并不適合“等上游完成”，如果所有事情都按順序推進，那么組織速度一定會越來越慢。

科方得咨詢機構負責人張新原認為，大模型研發(fā)需要多團隊協(xié)作（數(shù)據(jù)、算力、產品）。騰訊擁有強大的技術和資源，但過去AI團隊與業(yè)務部門（如微信、游戲）協(xié)同不足，導致技術成果未快速融入產品。戰(zhàn)略上也有猶豫（如早期對AI投入規(guī)模謹慎），但本質是跨部門壁壘和決策流程冗長影響了執(zhí)行效率。

因此，姚順雨團隊進行了調整，把原本串行的研發(fā)流程，改成了并行協(xié)同。預訓練開始時，后訓練團隊已經(jīng)同步驗證；RL infra（強化學習基礎設施）同步搭建；Agent系統(tǒng)同步重構；業(yè)務部門提前參與Co-design（聯(lián)合設計）。所有能并行推進的事情，全部同時推進。

而在姚順雨篤定的“l(fā)ow-ego”背后，是騰訊在打破路徑依賴。放在騰訊這樣的大公司語境里，它指向的是組織能不能擺脫過去成功經(jīng)驗的慣性。

騰訊過去很成功。成功的大公司最容易形成一種隱性問題：每個人都會默認，“過去有效的方法，未來也繼續(xù)有效”。但AI時代最大的變化是：舊經(jīng)驗正在快速失效。過去成熟的研發(fā)流程，可能會拖慢速度；過去穩(wěn)定的匯報體系，可能會增加溝通損耗；過去清晰的部門邊界，可能會阻礙協(xié)同。所以“l(fā)ow-ego”的真正含義，并不是謙遜，而是愿不愿意承認原來的方法可能不對了。

據(jù)媒體報道，騰訊混元團隊內部還有一個變化是開始主動削弱層級感。傳統(tǒng)的“總經(jīng)理”“總監(jiān)”“組長”等頭銜被弱化，統(tǒng)一變成“某方向負責人”，管理身份不再固定，而是跟著任務走。調整后，分組模式被打破，員工按項目組隊，實行“項目負責人”制。今天負責這個方向，你擁有管理權；明天項目變化，角色也隨之變化。

這種變化，本質上是在降低組織的信息摩擦。因為AI競爭里，最昂貴的成本之一，已經(jīng)不是算力，而是組織反應速度。過去的大公司管理，更強調“避免犯錯”；但今天的大模型競爭，更強調“快速試錯”。這是兩種完全不同的組織邏輯。

而這種變化，已經(jīng)開始直接體現(xiàn)在騰訊最新的業(yè)務表述里。在最新業(yè)務回顧中，騰訊第一次用非常明確的語言，把AI組織重構、基礎設施重建與核心業(yè)務增長放在同一敘事里：“重組后的AI研發(fā)團隊重構了AI基礎設施，搭建了Hy3 Preview模型，在同等參數(shù)規(guī)模的模型中性能領先，兼具實用性與性價比。”

據(jù)騰訊公告，自4月28日以來，Hy3 Preview在OpenRouter的Token消耗量排行榜上穩(wěn)居前列。這意味著，騰訊開始不再只強調“模型研發(fā)完成”，而開始強調模型是否真正被用戶持續(xù)使用。

同樣的邏輯，也出現(xiàn)在騰訊其他業(yè)務里。騰訊在2026年一季報中提到，視頻號擴大了推薦模型參數(shù)規(guī)模，并優(yōu)化算法，用戶使用時長同比增長超過20%；微信小店交易額繼續(xù)快速增長；商業(yè)支付增速提升；騰訊云AI智能體解決方案實現(xiàn)快速增長；WorkBuddy已經(jīng)成為中國使用最廣的效率AI智能體服務之一。這些內容看起來分散，但背后其實是同一個邏輯：騰訊正在把整個產品生態(tài)，變成AI能力的真實訓練場。

03

騰訊AI組織真正的核心，不是模型，而是“組織適應力”

讓Agent 調用騰訊生態(tài)能力，這極有可能成為中國互聯(lián)網(wǎng)公司下一階段的重要方向。

騰訊真正的變化，不只是“做了一個大模型”，而是開始嘗試讓整個公司圍繞AI重新協(xié)同。

騰訊最大的優(yōu)勢，從來不是單一技術，而是龐大的產品生態(tài)。微信、元寶、游戲、企業(yè)服務、辦公協(xié)同、云業(yè)務……這些業(yè)務過去只是騰訊的商業(yè)版圖，但在AI時代，它們正在變成模型訓練與產品迭代的真實場景。

袁帥認為，大模型的研發(fā)是一項復雜的系統(tǒng)工程，需要跨部門、跨領域的協(xié)同合作，涉及算力調度、數(shù)據(jù)處理、算法研發(fā)、業(yè)務落地等多個環(huán)節(jié)。如果沒有高效的組織架構來協(xié)調各方資源，打通研發(fā)與業(yè)務之間的通道，即使擁有頂尖的科研人才和技術，也難以將其轉化為實際的競爭力。組織架構的合理性直接決定了資源的調配效率、團隊的協(xié)作能力以及技術的落地速度，只有先解決了組織層面的問題，才能為工程實現(xiàn)和科研創(chuàng)新提供堅實的基礎。

在袁帥看來，騰訊曾被認為“AI偏慢”，核心問題并非單純的技術問題或戰(zhàn)略問題，而是組織協(xié)同問題。騰訊擁有龐大的業(yè)務體系和豐富的數(shù)據(jù)資源，但過往的組織架構使得各業(yè)務部門之間相對獨立，AI技術難以在不同業(yè)務場景中實現(xiàn)高效的共享與協(xié)同。研發(fā)部門與業(yè)務部門之間的溝通壁壘，導致技術研發(fā)與業(yè)務需求脫節(jié)，無法快速響應市場變化，從而在AI賽道的競爭中顯得相對滯后。

Agent興起后，騰訊憑借擁有微信、支付、文檔、企業(yè)服務等超級生態(tài)，將獲得獨特的新優(yōu)勢。這些超級生態(tài)擁有龐大的用戶基礎和豐富的場景資源，Agent可以依托這些生態(tài)，為用戶提供更加個性化、智能化的服務。例如，在微信生態(tài)中，Agent可以根據(jù)用戶的聊天內容和行為習慣，為用戶推薦相關的服務和信息；在支付場景中，Agent可以為用戶提供智能的財務管理建議。同時，騰訊的超級生態(tài)還能夠為Agent的訓練提供海量的數(shù)據(jù)資源，不斷優(yōu)化Agent的性能，提升用戶體驗。

隨著AI每次服務調用都伴隨高昂算力成本，核心比拼的是智能能力與高價值場景落地，而非單純規(guī)模。劉熾平指出，AI時代不能照搬互聯(lián)網(wǎng)時代“追求DAU最大化、低邊際成本無限擴張”的邏輯。騰訊現(xiàn)在推動“產品能力組件化、接口化”，讓Agent調用騰訊生態(tài)能力，這極有可能成為中國互聯(lián)網(wǎng)公司下一階段的重要方向。

在袁帥看來，產品能力的組件化和接口化，能夠實現(xiàn)不同產品之間的能力共享與協(xié)同，打破業(yè)務之間的壁壘，提高資源的利用效率。同時，這也為Agent的發(fā)展提供了更加豐富的能力支撐，能夠快速構建出多樣化的應用場景，滿足用戶日益復雜的需求。這種模式不僅能夠提升騰訊自身的競爭力，也為整個互聯(lián)網(wǎng)行業(yè)的發(fā)展提供了新的思路，推動行業(yè)向更加開放、協(xié)同的方向發(fā)展。

張新原認為，大模型的基礎能力正趨于同質化（如頂級模型性能差距縮小），核心競爭力轉向如何靈活重組組織以快速適配新場景、新應用（如Agent、多模態(tài)）。

那些能持續(xù)調整架構、促進跨職能合作的科技公司，更容易在AI時代保持領先。通過組件化和接口化，騰訊可將自身能力（如支付、地圖、用戶畫像）作為“能力基座”提供給第三方Agent或應用，降低開發(fā)者門檻并放大生態(tài)價值。