（原标题：腾讯汤道生：最接近诞生AIGC国民级应用的或许是搜索）
图片来源：企业官方
南方电网广东广州黄埔供电局首创工业园区转供电改造“三统一”模式，即统一计量、统一收费规则、统一平台的园区升级模式，合力推动园区向用电管理规范化、供电服务优质化升级迭代。
蓝鲸新闻9月7日讯（记者 朱俊熹）经历了两年的狂飙后，生成式AI的热潮开始出现放缓的迹象。然而，对AI的巨额投入未能换来可观的回报，过去的一个多月里，谷歌、微软等巨头都陷入了要如何提振投资者信心的难题。就连一路高歌的“AI卖铲人”英伟达本周股价也遭重挫，一度创下美国公司市值单日跌幅最大纪录。
这些企业的领导者们反复强调对AI投资不足的风险会远大于投资过度，大家频频提起的口号变成了耐心、坚持与长期主义。
在9月5日举办的腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示，大家过去对AI大模型可能存在一些误区，不少人起初认为大模型可以快速改变世界，对此非常乐观。最近又有一些悲观，觉得大模型好看却不好用。
“其实，短期高估进度、长期低估效果都不可取。AI大模型一定是一场长跑，一定要有信心和耐心，同时坚持去做投入。”汤道生强调。
90分的大模型应用需要时间
AI泡沫论者常常会将当下的情形与二十多年前的互联网泡沫相比，认为这波AI浪潮极有可能重蹈覆辙。
腾讯正是经历过那场泡沫后生存下来的一家公司，而如今它已成巨头。汤道生2005年加入腾讯，2018年开始带领CSIG（腾讯云与智慧产业事业群），他认为技术发展并非那么简单，而所谓泡沫也并非没有价值。汤道生在接受媒体采访时提到，虽然最早一代的互联网企业可能大部分都垮了，但是在今天来看，互联网绝对是一个创造巨大价值的技术，很多早期互联网科技企业如今仍然在社会上享有重要的影响力。
汤道生表示，很多新技术都会经历密集投资，甚至引发泡沫的周期，新技术的变革需要时间去沉淀和积累。在这个过程中，不够专业的参与者会被淘汰，剩下的人能够回归理性、务实的态度，探索实际的场景和痛点并加以打磨。
作为腾讯总办的一员，工程师出身的汤道生自身经历过几个周期，对技术发展和技术管理也已有足够的经验。他尤其强调的是“时间”。
“今天的AI技术也许在某些场景，可能觉得只做到了50分或者60分，要到90分必须要靠时间去磨的。”汤道生称。他认为，在探索的过程中，企业会找到一些新的场景和机会，或是避开那些设想美好但实际落地受限的场景。
推动大模型应用落地已成为AI行业共识，过去一年来腾讯反复重申以实用为目标，要“构建离产业最近的AI”。在此次活动演讲中，腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声指出，大模型的发展已呈现出两个明显趋势：模型性能不断提升、落地场景不断丰富。
在模型方面，腾讯于9月5日正式推出新一代大模型“混元Turbo”。据腾讯介绍，混元Turbo采用了自研的万亿级层间异构MoE结构，能够用更多的专家数、更少的激活参数量实现更好的效果。相较于前代模型，混元Turbo的训练效率提升108%，推理效率提升100%，推理成本降低50%，输入和输出价格仅为其一半。该模型的中文场景效果可对标OpenAI的GPT-4o。
做AI大模型，由于OpenAI已经探明了一条技术路线，后发者追上领先者的技术水平并不难，难的是将不断飞速迭代发展的技术真正落地，无论是To C还是To B。
当业界开始将发展重心转向应用层面时，在什么场景下将出现AI杀手级应用备受瞩目。对此，汤道生表示，AIGC国民级应用可能首先诞生于C端，最接近的领域或许是信息搜索。他提到，行业内一些企业也在探索情感陪伴、角色扮演等领域，但都没有达到国民级应用的程度。很大程度上是因为消费互联网发展至今已非常成熟，目前能够想到的需求和场景都有服务厂商在里面深耕已久。
至于在B端的应用，汤道生指出虽然落地场景多，但仍有较大的探索空间，目前还处于早期阶段。这个过程既需要时间，也需要数据。为改善大模型的“幻觉”问题，腾讯会基于RAG（检索增强）的模式，利用企业内部数据作为回答问题的事实基础。而很多企业的专有数据涵盖文本、图片、视频等多模态，这一方向的探索还需要算力的投入和技术的迭代。
腾讯集团副总裁、政企业务总裁李强在接受采访时也直言，“大模型在To B侧的商业化远没有大家想的这么欣欣向荣，还有较长的路要走。”
李强解释称，首先B端一些行业壁垒较深。其次，不少企业对于自有行业化数据的保密性要求较高，更愿意通过私有化部署的形态处理核心业务，但这也影响了大模型在行业内的复制与推广，形成目前的瓶颈。此外，当应用于低容错率的工业等传统行业时，大模型可能还无法达到一些复杂的应用要求。
深度捆绑的云与AI
得益于与AI大模型的深度结合，云市场迎来了新的增长机会。腾讯集团副总裁、腾讯云与智慧产业事业群COO、腾讯云总裁邱跃鹏在发言时阐述道，大模型在云上训练，同时云又成为大模型对外输出能力的重要出口，云产品借助大模型的智能化能力得以提升。
腾讯8月公布的二季度财报显示，其金融科技及企业服务业务收入同比增长4%至504亿元。其中，企业服务业务收入实现十几个点的增长率，主要受惠于云服务业务及企业微信等SaaS服务商业化收入增长等因素。汤道生在此次活动中也提及，腾讯云正在逐步向盈利目标靠近，预计“这不会是一个太遥远的时间”。
汤道生称，这一轮AI热潮对于云的收入肯定是有提升的，例如很多自动驾驶厂商等客户需要GPU芯片进行大模型的训练和推理。对于AI收入的具体占比，他表示“数据现在可能很难量化，但肯定是不断增加的”。
根据国内其他几家云厂商的最新财报，阿里云同样未公布AI相关产品收入的占比，仅表示二季度该项收入实现三位数增长，推动阿里云营收增长6%至265亿元。百度在财报中明确指出，智能云业务Q2营收录得51亿元，同比增长14%，当期AI收入占比提升至9%，高于上一季度的6.9%。
在腾讯全球数字生态大会现场，一位AI企业的算法工程师告诉蓝鲸新闻记者，在国内的云厂商中，其公司会使用腾讯云的算力和存储服务，并通过API调用混元大模型。除此之外，他们也会使用阿里云、百度智能云、华为云等厂商的云服务，采用多云策略。
“作为一家公司，我们不可能完全绑定在一家云厂商的产品上。每个厂商有自己的优势，但也有其短板。”该算法工程师称。从其使用经历来看，腾讯云能够用于提供所需的算力资源，如果要把大模型托管在云端运行和管理，则会选用百度智能云。
李强在接受群访时提到，如果要对腾讯云业务中AI相关的收入进行拆解，“大头还是GPU算力”，来自头部创业公司或其他企业对私有化模型的训练需求。而来自于大模型自身的商业化产出在整体市场中的占比相对较低。
据李强介绍，腾讯一方面会做算力的支撑，另一方面也致力于建设一套稳定、高性能的AI基础设施。他强调，即使拥有了AI芯片，也不代表着就有很强的运算效率来支持训练。因为在进行大规模计算时，千卡万卡的联调需要极强的技术基座，而腾讯在这一方面投入了大量研发。
在9月5日的活动上，腾讯还发布了“腾讯云智算”品牌，集计算、储存和网络解决方案于一体。邱跃鹏提到，训练集群的稳定、卡的互联、数据读写效率等多个环节都会影响大模型的训练效率，并关系到整体训练成本。腾讯云智算能够提供稳定高效的AI infra服务，在稳定性、数据读写效率、网络交换效率等方面均领先于业界水平。
在大模型之战中，比起早早宣布All in AI的对手们而言互联网炒股放大平台，腾讯向来显得有些不紧不慢。汤道生曾表示，在起得早和熬得久之中，他认为后者更重要。如今面对大模型带来的云机会，不急着养家糊口的腾讯又一次摆出耐心的态度，等待这轮新技术的发展周期。