腾讯AI全面提速：人才引入、组织升级与开源布局多点发力
在大众印象里，腾讯在AI领域的发展风格常被认为是稳健且偏于克制的。
但临近2025年末，从顶尖人才加盟到产品技术迭代，再到内部组织架构调整，一系列密集动作释放出明确信号：这家科技巨头正在全力加速AI布局。
12月17日，据机器之心报道，前OpenAI研究员、清华校友姚顺雨（Vinces Yao）正式加入腾讯，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工作。
与此同时，腾讯宣布升级大模型研发架构，新成立AI Infra部、AI Data部及数据计算平台部，全面强化AI研发体系的核心能力。
除了人事与组织调整，同一天腾讯还发布并开源了国内首个可实时交互的混元世界模型1.5（WorldPlay）。
若拉长时间线来看，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、腾讯优图实验室等系列模型与工具的开源动作，腾讯在技术迭代、开源贡献及人才储备上的提升有目共睹。
姚顺雨曾在博客中探讨AI发展「下半场」的逻辑，强调智能体与认知架构的重要性。如今，这位在思维树（ToT）、ReAct等领域有突破性成果的青年科学家加入腾讯，并统管AI Infra与大语言模型两大核心部门，腾讯AI的战略路径已逐渐清晰：通过顶尖研究与扎实工程能力的深度融合，为用户打造真正实用的AI产品。
持续强化模型核心能力
上层应用的繁荣发展，离不开底层基础模型的坚实支撑。
在此次架构调整中，新成立的AI Infra部位居关键位置，负责构建大模型分布式训练、高性能推理服务等核心技术能力。
在模型层面，腾讯混元此前已展现出强劲的迭代速度。最新发布的混元2.0在复杂指令遵循和文本创作方面表现处于国内领先水平；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，社区下载量超300万，且推出的混元3D 3.0将建模精度提升了3倍。
姚顺雨的加入，不仅带来算法领域的前沿视野，更关键的是他同时负责模型与Infra的管理。这种模型与基建一体化的管理模式，有助于加强算法研发与底层算力之间的融合，让基础设施更好地适配模型演进需求，同时也能让模型训练更高效地利用算力资源。
对外部而言，这也让混元大语言模型未来的进化速度与发展上限更值得期待。
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了打造更强劲的「心脏」，那么要让AI真正在业务场景中落地应用，还需要一套精密协同的「骨骼」系统。
这正是腾讯AI工程化落地一直在推进的方向——通过从模型、工具到应用的完整布局，逐步填补模型技术突破与产业实际落地之间的鸿沟。
工程化能力首先体现在底层算力基础设施的优化上。据悉，腾讯通过软硬一体化策略，针对星脉网络与高性能存储进行专项调优，将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，核心解决模型「训不动」「调不准」的工程难题。该平台不仅支持算力潮汐调度，还实现了从数据处理到部署的全链路打通。无论是车企精调模型还是私有化部署需求，腾讯云TI平台都能提供标准化的工业级生产流水线，让大模型开发实现软件工程式的标准可控。
在夯实底座与开发流程后，模型组件方面，腾讯优图实验室也开源了一系列小而精的模型能力，针对性解决大模型落地的工程痛点。这些开源项目并非孤立的技术点，而是具备高协同性的技术栈，通过模块化集成，能形成从组件到完整方案的体系化输出。
腾讯似乎正通过这类连续的开源动作，为加速智能体落地尽可能扫除障碍、创造更多价值。
据机器之心获悉，针对AI如何读懂复杂文档的问题，腾讯优图实验室即将开源Youtu-Parsing。它如同经验丰富的专家，能清晰处理「杂乱无章」的非结构化数据。可针对输入的复杂文档，完成从全局到局部的精细化处理，既实现文档整体布局的精准分析，又能针对性提取图表、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数据支撑。
针对AI「记不住」和「幻觉」等问题，腾讯优图实验室此前开源了Youtu-embedding和Youtu-graphrag组合。前者赋予AI在海量知识库中精准定位信息的能力，后者通过知识图谱技术将碎片化信息串联成逻辑链条，相当于给AI装上「导航地图」，让推理有据可依，显著减少错误输出的情况。
为让AI突破对话框限制、执行更复杂任务，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「自我进化」能力，可根据自然语言描述自动创建任务所需工具并配置相应智能体。
框架还设计了两种强化学习优化方案提升智能体表现：一种优化训练infra，让开发者搭建的Agent能实现端到端训练；另一种无需额外训练，通过引入练习经验即可增强Agent能力。
凭借这些技术，该框架在多项评测中取得出色成绩。
在WebWalkerQA评测中，基于DeepSeek-V3.1达到71.47%的准确率，刷新开源效果SOTA；使用开源模型QwQ时，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，充分验证了框架强大的研究价值与应用潜力。
这些模型工具也为平台层面的落地做了良好承接。
今年年中，腾讯云推出智能体开发平台（ADP）。依托腾讯混元大模型的底层能力及优图等前沿实验室的算法能力，企业无需组建庞大算法团队，通过「低代码」甚至「无代码」的拖拉拽操作，几分钟内就能构建专属的客服助手、数据分析师或代码编写助理。最新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，进一步降低企业构建AI应用的门槛。
应用落地多领域开花
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。
金融领域中，保险行业作为知识密集型与人力密集型的典型代表，AI提效效果尤为显著。东吴人寿依托腾讯云ADP构建公司级智能体开发平台「东吴天枢」，打造了「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，大幅节省运营成本。
传媒领域，广东广播电视台基于腾讯云ADP打造「AI内容服务平台」，用于处理直播素材、辅助写稿等工作。过去记者编辑需几十分钟剪完一条视频，现在最快仅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百余条爆款内容，整体效率提升40%。
企业营销侧，绝味食品基于腾讯云智能体开发平台打造营销云Agent，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，交易金额达3.1倍。
能源与制造领域，针对电网设备分布广、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，能有效适应不同电网场景，切实保障电力生产安全；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健康管理计划，让医疗服务更具温度。
从底层架构调整、人才引进，到平台层系列工具及开源组件的整合，再到上层多场景落地，腾讯正构建一个紧密联动的AI发展飞轮。
当然，按下加速键并不意味着竞争格局已定。
AI是一场漫长马拉松已成为行业共识，腾讯面临的挑战依然存在：如何在庞大生态体量下保持敏捷性？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，都需要时间给出答案。
本文来自微信公众号「机器之心」（ID：almosthuman2014），编辑：冷猫，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com