腾讯真正的变化，不只是“做了一个大模型”，而是开始尝试让整个公司围绕AI重新协同。

文｜胡嘉琦

ID | BMR2004

近日，在一季度财报电话会上，腾讯总裁刘炽平提到，混元团队已经开始研发更大参数量的新模型。

他表示，腾讯将在此前Hy3模型的基础设施和训练经验之上，继续扩展更高质量的数据集，并强化模型的强化学习能力，进一步提升上下文理解、代码生成以及Agent等方向的能力。

相比模型本身，刘炽平还特别提到了一点：新一轮调整后的混元团队，“年轻、有活力，而且凝聚力更强”。

这句话背后，其实也透露出腾讯最近一个明显变化。过去很多年里，腾讯最擅长的一件事，是“稳定”。微信、游戏、支付、广告、云业务……腾讯内部有一整套高度成熟的协同机制。

但AI时代到来后，当技术路线持续变化、模型能力快速迭代，过去那套强调流程和层级的组织方式，也开始面临新的挑战。

今年3月，腾讯宣布撤销AI Lab，并将相关团队并入大语言模型部与产学研合作中心。这不仅是一次组织调整，更像是一个信号：这家曾经以“稳定”著称的大公司，开始重新学习如何适应“快速变化”。

01

AI Lab被撤销

大模型时代最重要的问题，已经不是实验室里能不能做出模型，而是整个组织能不能持续、高速地迭代模型。

3月20日，腾讯发布内部通知：AI Lab正式撤销。原有人员分别并入大语言模型部与产学研合作中心；与此同时，腾讯副总裁蒋杰不再担任AI Lab负责人。

很多人的第一反应是：腾讯是不是在削弱基础研究？但如果回头看AI Lab的成立背景，会发现事情并没有这么简单。

2016年，深度学习浪潮刚刚兴起，全球互联网公司几乎都在建立自己的AI实验室。Google有Google Brain、Facebook有FAIR、百度有IDL，腾讯也成立了AI Lab。

那个阶段，AI的核心竞争逻辑是：谁能积累更多顶级研究员，谁能发表更多论文，谁就能提前储备未来技术。

所以AI Lab本质上是一个“中央研究院”。它离业务并不近，更像技术储备中心。研究员可以有相对独立的研究空间，公司则通过实验室建立技术壁垒、吸引人才、提升行业影响力。

这个模式在过去几年是成立的。因为那时AI仍然以“研究驱动”为主。但大模型改变了一件事：AI开始从“科研问题”，变成“系统工程问题”。

模型能力不再只取决于算法本身，而是取决于：数据质量、工程效率、算力调度、推理成本、产品反馈、用户场景、强化学习闭环、Agent协同能力。研究、工程、产品、业务之间，不再是过去那种研究完成后再交给业务的串行关系，而变成了高度耦合的实时协同。也就是说，大模型时代最重要的问题，已经不是实验室里能不能做出模型，而是整个组织能不能持续、高速地迭代模型。

中经传媒智库专家、中国城市发展研究院投资部副主任袁帅表示，腾讯将AI Lab相关职能并入大语言模型部和产学研合作中心，这绝非简单的组织收缩，而是一次锚定大模型时代需求的深度组织重构。这一调整打破了过往AI研究与业务场景之间的壁垒，让技术研发更贴近落地需求，本质是将分散的AI能力进行整合，聚焦于大模型这一核心赛道，通过资源的集中调配，加速技术与业务的协同，从而在快速迭代的AI竞争中抢占先机。

在袁帅看来，腾讯此次的组织调整，与Google、Meta、微软等科技巨头在AI组织上的调整既有相似之处，也存在明显差异。相似点在于，无论是腾讯还是这些国际巨头，都在打破传统的研发与业务分离的架构，推动AI技术与业务场景的深度融合，通过组织架构的调整来适配大模型时代的发展需求，集中资源发力核心赛道。不同之处在于，腾讯的调整更侧重于依托自身庞大的生态体系，将AI能力渗透到微信、支付、文档等各个业务场景中，实现技术与生态的协同进化；而Google、Meta等公司则更多是围绕自身的核心业务，如搜索、社交等，进行AI技术的整合与升级，同时在全球范围内布局AI研发，以保持技术的领先性。

02

混元重建：真正变化的是组织运行方式

在AI竞争里，最昂贵的成本之一，已经不是算力，而是组织反应速度。

如果说AI Lab撤销只是结果，那么混元团队的重建，才是腾讯内部真正发生变化的地方。

4月23日，腾讯混元发布Hy3 Preview语言模型，并称其为“混元重建后训练的第一个模型”。

随后，腾讯AI首席科学家姚顺雨在社交媒体上提出：“腾讯有最好的产品生态，有扎实（solid）、低自我（low-ego）的文化，我们才刚刚开始。”作为姚顺雨团队历时88天重构推出的战略级产品，该模型在上线两周内展现出惊人增长势头，总Token调用量达上一代Hy2的10倍，周调用量突破366亿Token，登顶OpenRouter周榜总榜与市场占有率双第一，在编程和工具调用场景同样位居榜首。

腾讯内部为什么突然能跑得这么快了？过去的大厂研发，更像“接力赛”，传统互联网公司的研发体系，大多是典型的分工制，预训练团队负责预训练—后训练团队接手优化—工程团队负责平台—产品团队最后接入业务。

每个部门都像流水线上的一环，这种模式适合稳定业务，因为职责清晰、风险可控。但问题是，大模型研发并不适合“等上游完成”，如果所有事情都按顺序推进，那么组织速度一定会越来越慢。

科方得咨询机构负责人张新原认为，大模型研发需要多团队协作（数据、算力、产品）。腾讯拥有强大的技术和资源，但过去AI团队与业务部门（如微信、游戏）协同不足，导致技术成果未快速融入产品。战略上也有犹豫（如早期对AI投入规模谨慎），但本质是跨部门壁垒和决策流程冗长影响了执行效率。

因此，姚顺雨团队进行了调整，把原本串行的研发流程，改成了并行协同。预训练开始时，后训练团队已经同步验证；RL infra（强化学习基础设施）同步搭建；Agent系统同步重构；业务部门提前参与Co-design（联合设计）。所有能并行推进的事情，全部同时推进。

而在姚顺雨笃定的“low-ego”背后，是腾讯在打破路径依赖。放在腾讯这样的大公司语境里，它指向的是组织能不能摆脱过去成功经验的惯性。

腾讯过去很成功。成功的大公司最容易形成一种隐性问题：每个人都会默认，“过去有效的方法，未来也继续有效”。但AI时代最大的变化是：旧经验正在快速失效。过去成熟的研发流程，可能会拖慢速度；过去稳定的汇报体系，可能会增加沟通损耗；过去清晰的部门边界，可能会阻碍协同。所以“low-ego”的真正含义，并不是谦逊，而是愿不愿意承认原来的方法可能不对了。

据媒体报道，腾讯混元团队内部还有一个变化是开始主动削弱层级感。传统的“总经理”“总监”“组长”等头衔被弱化，统一变成“某方向负责人”，管理身份不再固定，而是跟着任务走。调整后，分组模式被打破，员工按项目组队，实行“项目负责人”制。今天负责这个方向，你拥有管理权；明天项目变化，角色也随之变化。

这种变化，本质上是在降低组织的信息摩擦。因为AI竞争里，最昂贵的成本之一，已经不是算力，而是组织反应速度。过去的大公司管理，更强调“避免犯错”；但今天的大模型竞争，更强调“快速试错”。这是两种完全不同的组织逻辑。

而这种变化，已经开始直接体现在腾讯最新的业务表述里。在最新业务回顾中，腾讯第一次用非常明确的语言，把AI组织重构、基础设施重建与核心业务增长放在同一叙事里：“重组后的AI研发团队重构了AI基础设施，搭建了Hy3 Preview模型，在同等参数规模的模型中性能领先，兼具实用性与性价比。”

据腾讯公告，自4月28日以来，Hy3 Preview在OpenRouter的Token消耗量排行榜上稳居前列。这意味着，腾讯开始不再只强调“模型研发完成”，而开始强调模型是否真正被用户持续使用。

同样的逻辑，也出现在腾讯其他业务里。腾讯在2026年一季报中提到，视频号扩大了推荐模型参数规模，并优化算法，用户使用时长同比增长超过20%；微信小店交易额继续快速增长；商业支付增速提升；腾讯云AI智能体解决方案实现快速增长；WorkBuddy已经成为中国使用最广的效率AI智能体服务之一。这些内容看起来分散，但背后其实是同一个逻辑：腾讯正在把整个产品生态，变成AI能力的真实训练场。

03

腾讯AI组织真正的核心，不是模型，而是“组织适应力”

让Agent 调用腾讯生态能力，这极有可能成为中国互联网公司下一阶段的重要方向。

腾讯真正的变化，不只是“做了一个大模型”，而是开始尝试让整个公司围绕AI重新协同。

腾讯最大的优势，从来不是单一技术，而是庞大的产品生态。微信、元宝、游戏、企业服务、办公协同、云业务……这些业务过去只是腾讯的商业版图，但在AI时代，它们正在变成模型训练与产品迭代的真实场景。

袁帅认为，大模型的研发是一项复杂的系统工程，需要跨部门、跨领域的协同合作，涉及算力调度、数据处理、算法研发、业务落地等多个环节。如果没有高效的组织架构来协调各方资源，打通研发与业务之间的通道，即使拥有顶尖的科研人才和技术，也难以将其转化为实际的竞争力。组织架构的合理性直接决定了资源的调配效率、团队的协作能力以及技术的落地速度，只有先解决了组织层面的问题，才能为工程实现和科研创新提供坚实的基础。

在袁帅看来，腾讯曾被认为“AI偏慢”，核心问题并非单纯的技术问题或战略问题，而是组织协同问题。腾讯拥有庞大的业务体系和丰富的数据资源，但过往的组织架构使得各业务部门之间相对独立，AI技术难以在不同业务场景中实现高效的共享与协同。研发部门与业务部门之间的沟通壁垒，导致技术研发与业务需求脱节，无法快速响应市场变化，从而在AI赛道的竞争中显得相对滞后。

Agent兴起后，腾讯凭借拥有微信、支付、文档、企业服务等超级生态，将获得独特的新优势。这些超级生态拥有庞大的用户基础和丰富的场景资源，Agent可以依托这些生态，为用户提供更加个性化、智能化的服务。例如，在微信生态中，Agent可以根据用户的聊天内容和行为习惯，为用户推荐相关的服务和信息；在支付场景中，Agent可以为用户提供智能的财务管理建议。同时，腾讯的超级生态还能够为Agent的训练提供海量的数据资源，不断优化Agent的性能，提升用户体验。

随着AI每次服务调用都伴随高昂算力成本，核心比拼的是智能能力与高价值场景落地，而非单纯规模。刘炽平指出，AI时代不能照搬互联网时代“追求DAU最大化、低边际成本无限扩张”的逻辑。腾讯现在推动“产品能力组件化、接口化”，让Agent调用腾讯生态能力，这极有可能成为中国互联网公司下一阶段的重要方向。

在袁帅看来，产品能力的组件化和接口化，能够实现不同产品之间的能力共享与协同，打破业务之间的壁垒，提高资源的利用效率。同时，这也为Agent的发展提供了更加丰富的能力支撑，能够快速构建出多样化的应用场景，满足用户日益复杂的需求。这种模式不仅能够提升腾讯自身的竞争力，也为整个互联网行业的发展提供了新的思路，推动行业向更加开放、协同的方向发展。

张新原认为，大模型的基础能力正趋于同质化（如顶级模型性能差距缩小），核心竞争力转向如何灵活重组组织以快速适配新场景、新应用（如Agent、多模态）。

那些能持续调整架构、促进跨职能合作的科技公司，更容易在AI时代保持领先。通过组件化和接口化，腾讯可将自身能力（如支付、地图、用户画像）作为“能力基座”提供给第三方Agent或应用，降低开发者门槛并放大生态价值。

来源 | 《商学院》杂志6月刊