大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



文/山杉

2026年3月18日下午，腾讯如期发布了2025年全年财报。

让人关注的不仅是增速，还在于它提供了一个更具体的观测样本：AI到底能不能真的融入一家大公司的主营业务，并且产生真实的回报？

几个数字值得注意：四季度游戏收入同比增长21%；据报道，《和平精英》累计体验1.1亿、峰值日活1770万；《异人之下》动作制作效率提升75%+；广告加载率远低于同业，但营销服务收入仍同比增长17%——这几个数字共同指向：AI已在拉动已有业务的转化效率。

在微信生态，视频号全年用户时长增长超20%，计划吸引1万+开发者；而在企业服务端，AI也带动了腾讯云的需求与收入表现，四季度企业服务收入同比增长22%。

如果把这些数字串起来，会得到一个务实的肯定答案。 与此同时，也会触及了一个关键的问题：

AI到底会以什么样的主导形态进入商业世界——一个颠覆性的原生AI入口，用户为了AI专门来（AI +应用的入口革命） ；还是作为增强器，像水电一样会渗透进所有业务的基础设施，把产能、体验推上去（应用+AI 的系统升级）？

这就是过去两年AI行业最悬而未决的一道分岔路。

过去相当长时间里，前一种叙事显然更强势：大模型参数、chatbot新物种、超级入口——它足够“炸裂”，也更容易获得注意力与估值。

后一种声音也一直存在，只是不够戏剧化——更像“系统升级”而不是“王者降临”；更重要的是，它需要案例跑出来，才能让人信服。

腾讯这份财报，恰恰是少数能把“增强论”和“原生论”都写进报表、让市场看见想象力的样本之一。于是问题就变成了：

如果AI并不只属于Chatbot等原生新物种，那么判断一家企业在AI时代的关键，到底该看什么？

一段常被简化的往事，

和一个更清晰的标尺

讨论这个问题之前，可以先看一段可能被误读的历史。

2011年到2015年，中国互联网经历了从PC到移动端的大迁徙。随着微信横空出世，滴滴等新物种快速崛起，那段故事也经常被简化成一个故事：移动原生击败PC巨头，时代完成更替。

但回过头再复盘，会发现微信之所以赢，一个关键要素是极其精准地捕捉到了智能手机的底层逻辑——永远在线、基于位置、全场景连接——语音消息、摇一摇、扫码支付，很多功能都是在这个底层逻辑上长出来的新事物。

滴滴同理，"GPS+移动支付+实时通信"三件事叠加后，出租车调度的底层逻辑被改写了。

历史也同样留下了另一类样本。淘宝没有被"移动原生电商"颠覆。它通过一场"All in无线"的内部革命，把PC端积累了十年的商家供给、交易履约体系和用户信任心智，一砖一瓦地搬到了手机上。不但没死，反而借助移动端实现了"随时随地交易"的体验升级，把护城河挖得更深了。

美团在PC时代是团购网站，但当移动互联网带来了实时定位与随时下单的能力，它把PC端用地推铁军一家家谈下的百万商家关系，嫁接到了外卖、到店、出行等高频场景——团购时代攒下的苦活累活，反而成了本地生活移动化难以逾越的门槛。携程也是类似逻辑。

历史给出的启发是：技术浪潮到来时，新物种和老巨头完全可以殊途同归。 “原生/转型”只是表象；更重要的是，谁能抓住新技术的底层变量，去创造新场景、或是把自己的资产重新组织起来。

带着这把尺子来丈量AI时代，很多迷雾就散了。

AI带来的根本性变革是什么？可以说 ，是让“匹配”这件事全面换了一种做法。

事实上，连接和匹配一直是互联网的主旋律。只是说，过去一直是“人找信息和服务”的匹配模式。

如果说移动互联网，之于PC互联网，做的是匹配的"扩容"——让已有的匹配发生在更多时间、更多空间、更多场景里——那AI做的事情，是更根本的：重新定义匹配本身。

简言之，移动时代让你随时随地都能找，但"找"这个动作本身没变。你依然需要打开一个APP、表达一个需求、浏览一堆结果、自己做出判断、然后亲手完成操作。

但AI第一次有可能把这道鸿沟填平。当一个AI能听懂你的自然语言、理解你话语背后的真实意图、并且有能力调度多个服务去协同完成任务时——匹配的终点就从"一条信息"变成了"一个结果"。

移动浪潮十年之后，支付、身份、社交关系、内容分发、服务入口（小程序/APP）都已经铺好——场景比以往任何时候都丰富，这也让AI第一次拥有大规模落地所需的“工具箱”和“可调用的世界”。

也正因此，我们看AI机会的方式要换一把尺：

不再只看“有没有自己的原生Chatbot”，更要看 ：谁的核心业务更接近AI的新范式，谁就更可能把AI变成增长；谁的业务只是单点、脆弱、信息中介，就更容易被AI击穿。

容易被击穿的，是单点脆弱型场景。 比如靠信息差吃饭的纯中介、标准化流程的工具、可被一个API调用替代的轻服务——AI的特长恰恰是消解信息差。 需求可以被AI用更短路径、更低成本解决，原来那段链条变成了可有可无的中间站。

但也有另一类业务，AI很难从外部一刀切掉，反而越用AI越强。因为它们不是一次匹配就结束，而是多个维度同时匹配、协同、闭环——社交要匹配关系与信任，广告要匹配意图与供给，游戏不仅要匹配内容与玩法，还要匹配玩家当下的情绪与体验（往往还绑定账号体系、社交关系等要素。不妨把这类业务叫做“复杂匹配系统”。在这种系统里，AI带来的不是“替代”，而是来增强：它能把匹配颗粒度从人群画像细化到个体此刻的意图，把链路压缩、把转化提升、把体验做得更顺。

这也解释了为什么AI时代往往不是一条路：一边是原生AI在探索新的交互与入口，另一边是存量业务在把AI嵌进系统、兑现成增长，放大其壁垒。

这也是为什么，看待一家公司，不能只盯着“原生”进展。因为竞争力，还在于场景的厚度和AI改造系统，以及能否让“原生”探索和“存量”兑现形成互相供血的循环。

用这把尺子量，腾讯是一个值得拆开看的样本。

存量一侧，它可能是拥有"复杂匹配场景"最多的中国互联网公司——社交、内容、游戏、效率工具、生活消费，横跨多个高频场景，而且这些场景共享同一套账号体系、关系链、支付通道和小程序工具箱，天然容易闭环。这让它和AI"重新定义匹配"的底层逻辑之间，几乎不需要额外的翻译层。

原生一侧也在补齐：财报相关信息显示，即将发布，""系列Agent陆续上线，、等AI应用的活跃度持续攀升。

两侧都有动作，但关键问题是——它们能真正咬合起来、越转越快吗？

靠什么转起来

简言之，AI时代的竞争力，在于——

是否拥有"复杂匹配系统"；

这套系统能不能被AI真正改造；

改造增强和原生探索能不能互相供血。

逻辑上讲得通是一回事，能不能做到是另一回事。对于腾讯这样一家公司，把AI嵌进系统的难度就相当于一辆卡车在疾驰中更换引擎。

拆开来看，要转起来，动力主要来自三层：场景的厚度决定了AI有多少地方可以落脚；上下文的深度决定了AI在每个落脚点上能做到多好；工程的精度则决定了能不能在超大用户规模上真正跑起来。

第一层：场景的厚度，让AI坐稳工位

这套循环转起来，首先得有足够多的场景让AI流过。

过去两年，我们见过太多聪明但无处安放的AI——演示视频惊艳，真到了让普通人日常使用时却处处碰壁。不是脑子不够用，是没有工位。

3月初，科技圈被小龙虾刷了屏。演示视频传开后，程序员圈子炸了锅：这不就是传说中能替你干活的"电脑版贾维斯"吗？

但普通人一看安装教程就劝退了。要配Python环境、调API密钥、处理各种报错。

为此，腾讯云快速上线了一键部署OpenClaw，现场一度火爆。一周之内又推出了免部署自研虾，也推出了本地虾，安全虾房……直接连通、企业微信和微信等工具，这样用户在聊天窗口能指挥AI干活。

然后一个典型的场景发生了：晚上七点半，一位大厂运营挤在深圳地铁上，掏出手机给企业微信里的WorkBuddy发了一条60秒语音——"帮我把今天后台的DAU数据跑出来，按周对比做个表格，明早八点发到我企微上。"放下手机，继续刷朋友圈。

第二天早上，企微收到消息：数据表格已发送。

这个故事揭示了AI落地的一个真相——AI要从"陪聊"走向"干活"，除了智商，也需要一个工位。人们希望AI就在自己每天待着的地方——打开就能说话，说完就有人干。

除了支持落地生活工作场景，最近，腾讯原生AI产品元宝派支持接入OpenClaw，延展AI社交生态；ima上线ima skills，支持龙虾操作ima笔记、知识库等功能……

龙虾这样的一个AI形态，其实把腾讯云整套支撑AI运转的基础设施、把前端各种丰富的IM入口和场景，以及原生AI产品都重新组织匹配起来。这就是腾讯AI 系统转动的一个侧影。

马化腾在财报业绩沟通会上提到，“龙虾”应用能够让AI落地到各种丰富的场景中，而不像过去那样完全集中在ChatBot里，这能够更好地发挥腾讯资源，让各战线联合发力，也为正在开发中的微信agent带来了启发。

他强调了一种去中心化的设计思路。微信生态中的小程序一直是去中心化的，类似这样的理念，可以融入到未来的“龙虾”应用当中。

如果我们把比作一个刚入职的超级员工，它如果有通讯录（关系链——知道该找谁）、工牌（可信身份——被信任去操作）、有公司银行卡（支付履约——能闭环交易）、也有工具箱（服务生态——能调用各种资源办事），那它就会是一个有着极高想象力的Agent。

腾讯生态在这四项上都有积累。关系链沉淀在微信和企业微信里，可信身份绑定着实名认证，微信支付打通了从决策到履约的闭环，而覆盖餐饮、出行、政务、医疗、零售的百万小程序，可能就是可联通的agent群落，也能提供丰富的工具——潜力是明确的，但这张牌能不能打出来，要看后续产品。

回到这两条道路的循环本身。事实上去年元宝也开始探索这条路径，它不仅是一个原生APP，还融进了腾讯各式各样的，也在积极AI化的场景，比如入驻微信公众号、视频号评论区，和用户互动回答问题；化身为微信和 联系人，以及融进了腾讯新闻和浏览器等等，其元宝派探索社交本身，也被视为是腾讯在探索主营业务社交AI化的前沿阵地。

而“龙虾”生态则是一种新的协同模式。可以想见，后续还有更新的形态，但未必是一个单纯的、独立的、足以颠覆一切的“新入口”，更可能是和AI改造后的场景更加紧密协同增强的状态。

第二层：上下文的深度，让AI 更懂人

场景厚度解决的是"AI在哪干活"。但能不能干好，取决于另一个维度：它有多懂人。

这就是AI时代最核心的竞争变量——上下文。

2025年年初，腾讯混元大模型团队内部发生了一次路线转向。此前整个行业遵循一条看似天经地义的逻辑：先把模型智商推到极致，再让它变得可用。先造最聪明的大脑，再教它做事。

混元的一个转变是：模型要"有用"（Useful），而不是在排行榜上"最聪明"。

就像一个智商160的天才，不一定能当好一家火锅店的店长，模型在业务中能发挥多好，还取决于它和具体场景的结合深度，而不是通用评测集上的排名。

追求智能当然重要——智能是通用能力的下限。但上限，一定是靠与场景的深度结合来拉的。

而场景结合的核心载体，就是上下文。

不久前，混元官网正式上线了姚顺雨团队的最新研究成果，专门评测大语言模型能否从上下文（Context）中学习新知识并正确应用的基准。

据悉，如何让模型更好理解上下文，是混元正在攻克的业界难题。 

当然，上下文不只是此刻聊天框里的话。它还包括AI对一个用户长期积累的理解——他的偏好、习惯、意图模式。前者决定AI能不能听懂这句话，后者决定AI能不能精准猜到你想要什么。

据披露，搜狗输入法AI用户数已经破1亿，移动端月活达6.7亿……对于搜狗输入法而言，过去二十年积累的对六亿用户真实交互的理解，成为了AI时代最稀缺的“上下文”资产。

不同公司的上下文有不同偏向：阿里偏交易链路，字节偏内容消费，腾讯则横跨社交、内容、工具、消费多个品类。多元性是它的优势——上下文的广度决定了AI能看见多少个维度的人，深度决定了它能在多大程度上理解人，但也意味着理解的难度更高。

在游戏场景里，上下文的价值是以另一种方式显现的。《和平精英》的AI队友不是每局结束就失忆的NPC——它记住你的战术风格、你给它起的外号、你们上次配合的默契。开发团队还给它挂载了持续更新的游戏知识库，涵盖枪械参数、地图点位、社区黑话。你喊"P城有人架枪"，它不会回你"请问P城是哪里"。

一个意外的副产品是：开麦率上升了，不少玩家开始在视频号上连载自己和AI队友的互动片段。

腾讯游戏团队采取多模型协同策略，在涉及到自然聊天和战斗协作，则选用了更容易内部定制化的混元大模型。一个在通用排行榜上还不是最高分的模型，因为深刻理解业务上下文——战术知识、社交情境、个人记忆——而创造出了通用模型做不到的体验。

这正是上下文深度的意义——它让整套循环越转越紧：上下文越深，AI对每个用户、每个场景的理解越准；理解越准，匹配效率越高、体验越好；体验越好，用户越活跃、停留越久，反过来又生成更丰富的上下文。 智能在循环中自我增强。

而"Useful"哲学也带来了新的协作方式。过去是混元闷头训模型，现在从强化学习框架搭建阶段，有一些业务方就坐在桌上了。不是你出题我做题，而是共同出题、共同解题。评估方式也跟着变——不只看benchmark排名，更看真实业务场景里的用户反馈。

这种Co-design机制，也让模型能力和业务场景之间的咬合越来越紧，每一轮迭代都在缩短"技术进步"到"业务增长"之间的距离。

第三层：系统化工程能力，让AI稳定发挥

如何让AI 尤其是Agent稳定运行，有一个最容易被忽视，也最难被复制的一层：系统化工程能力。这是整套系统的轴承——没有它，再大的动力也只是空转。

大模型是一台"裸奔"的发动机。放在展台上运转，声浪震天，但要把它装进一辆汽车让几亿人每天安全驾驶，你还需要底盘、刹车、安全气囊——这套让大模型发动机真正能安全、稳定发挥作用的完整约束系统。 它负责给模型装上记忆、接上工具、划定安全边界等等。

可以说，大模型创业公司擅长造发动机，腾讯还需要擅长“整车交付”。

回到WorkBuddy，它一周内推出，不是临时加了几天班，而是因为腾讯云过去几年闷声打磨了一套Agent基础设施：极速沙箱——AI操作电脑时的隔离安全环境，启动时间压到100毫秒；多智能体协同——多个AI"工人"之间的分工、通信、冲突处理的精密调度系统；防幻觉约束——多层校验机制，把AI"一本正经胡说八道"的风险压到企业可接受的水平。在这套设施里，做出AI 编程助手codebuddy ，已在公司内被1.2万程序员用起来，验证其能力，才得以在这波热潮中，快速面向市场推出龙虾模式。

这套东西不性感，但它们决定了AI到底是实验室里的玩具，还是十亿人能放心用的工具。

2026年GDC上，腾讯魔方工作室分享了一个让在场开发者反应强烈的案例。

格斗游戏《异人之下》面临一个经典的技术地狱——角色过渡动作。被打中、倒地、起身、切换招式……每个角色体型不同、招式不同，排列组合是巨大的数字。过去依赖数学模型与重度动补，人工逐帧修补极其困难。动捕演员也需要贴满标记点，在庞大的专业场馆使用大型机器进行捕捉，非常耗时。

魔方团队训练了一个极度轻量的专属AI，做到了PC端0.4毫秒内计算出正确的过渡动作帧并无缝插入游戏。原本需要专业动捕场馆录制数小时的工作，被压缩到普通小房间里、几台消费级摄像机、几分钟完成。

台下有开发者追问：Demo还是真上线了？

回答是：已经在线上版本里跑了。几百万玩家每天打出成千上万种连招，每一次过渡动作都在毫秒级时间窗口里由AI实时生成。

WorkBuddy的一周交付和《异人之下》的动作AI，表面上毫无关联，骨子里是同一种能力——用系统化的工程能力，把AI严丝合缝地嵌入庞大且复杂的真实业务。

这种能力不是一朝一夕的。腾讯运营着数亿人同时在线的即时通讯系统、峰值并发量恐怖的支付系统、全球顶级的游戏服务器集群。二十多年来，它被迫练出了在极端复杂工程环境下保持系统稳定运行的能力。

做AI不只是训练一个聪明的大脑。把大脑接到一个十亿用户级别的躯体上，让它稳定工作而不发疯——这是最难的。

模型可以开源、算力可以购买——但"在超大规模复杂系统上做工程化落地"的能力，只能在超大规模复杂系统的日常运营中一天天去磨。没法走捷径。

把三层叠在一起看，腾讯的AI逻辑就不再是散点，而是一个自增强的系统：

场景越厚，AI落脚点越多，数据和反馈越丰富；数据越丰富，上下文越深，匹配越精准，体验越好；体验越好，用户越活跃，场景进一步增厚——而工程底座确保这整个循环能在十几亿人的规模上稳定运转。

最后的话

回到开头那个问题：AI进入商业世界的主导形态，到底是颠覆性的原生入口，还是渗透进所有业务的增强器？

这份财报给出的回答是：这道题可能从一开始就不该分成两条路来看。

原生AI在创造新的交互方式，存量系统在用AI放大已有的场景优势——但真正值得注意的，不是哪条路跑得更快，而是这两条路正在并轨。 当两条路开始互相供血，整套系统就转起来了。

这套循环还在早期，变量很多：模型能力是否跟得上场景需求、组织协同能否匹配技术速度、用户是否真的愿意把更多事交给AI来做……但它或许不只是一个逻辑自洽的故事。