深度｜騰訊游戲AI諸侯混戰(zhàn)實錄

各自為戰(zhàn)

作者：李云蝶

采訪：朱濤偉、李云蝶

過去兩年，在中國乃至全球游戲產(chǎn)業(yè)中（注意限定），騰訊算得上對AI投入最激進的公司之一。

從集團層面的AI Lab、混元，到IEG CROS（騰訊互娛公共研發(fā)運營體系，又稱騰訊游戲技術中臺），再到各個工作室群自建的AI中臺、小組，騰訊在研發(fā)、內(nèi)容生產(chǎn)、反作弊等幾乎所有環(huán)節(jié)都鋪開了AI能力。對外，它講述的是一個“全鏈路AI工業(yè)化”的故事；在2026 GDC上，騰訊游戲一口氣給出21場演講，占全場AI議題近五分之一，居參展商之首。

但在內(nèi)部，一場諸侯混戰(zhàn)正在展開。

在四大工作室群中，光子更激進，試圖借AI工具驅(qū)動，探索下一代游戲形態(tài)；天美將AI嵌入既有產(chǎn)品，強調(diào)商業(yè)增長與提效；魔方相對務實，把重心放在產(chǎn)品本身；北極光則在新項目中嘗試用AI加速開發(fā)。方向各異、路徑分散，構(gòu)成了騰訊游戲AI的真實圖景。

幾乎所有受訪者都提到，在AI快速推進的同時，騰訊內(nèi)部正在出現(xiàn)嚴重的“重復造輪子”現(xiàn)象：工具越來越多，但體系并未統(tǒng)一；效率在局部提升，但整體協(xié)作反而變得更復雜。

“有時候一個技術熱點出來，幾個部門都會做一套類似的東西。”一位知情人士說，“每個團隊都像創(chuàng)業(yè)公司一樣，在搶資源、搶用戶。”

過去一個月，我們采訪了從騰訊AI Lab、AI平臺、原IEG CROS、到四大工作室及一線項目組的工程師與管理者，去探索騰訊游戲AI到底發(fā)展到了哪個階段，并試圖回答一個核心問題：為什么在AI投入如此密集的情況下，這些能力始終難以沉淀為一個統(tǒng)一體系？

你很難簡單判斷，這種“內(nèi)耗”究竟是技術早期階段的必然，還是組織結(jié)構(gòu)的失效。更接近的答案或許是：在技術路徑尚未明朗的階段，一家焦慮的巨頭正試圖通過內(nèi)部的“充分競爭”尋找答案——在這種機制下，每個團隊都必須證明自己不可替代。

當然，“老大”騰訊尚且如此，這也指向一個行業(yè)內(nèi)更現(xiàn)實的問題：在2026年，尤其是AI Agent被寄予巨大期待的當下，AI究竟改變了什么？它到底是被高估了還是低估了？游戲行業(yè)，是否真的已經(jīng)準備好承接AI？

一個戰(zhàn)略，四種路徑

如果僅從大模型這一主線來看，過去三年，騰訊在AI上的推進一度顯得遲緩。

2022年11月ChatGPT上線后，國內(nèi)“百模大戰(zhàn)”迅速展開，但騰訊并未第一時間入局。直到2023年9月，騰訊才發(fā)布大模型“混元”，Bot“元寶”更是要到2024年5月才上線，相比同類產(chǎn)品晚了半年以上。

這一點在內(nèi)部也并非沒有共識。2026年1月，馬化騰在年會上直言，騰訊AI“動作慢了”。同年3月，在發(fā)布2025年四季度財報時，騰訊進一步明確將AI提升為核心戰(zhàn)略。幾天后，公司宣布撤銷AI Lab，相關人員并入大語言模型部與產(chǎn)學研體系，組織開始明顯收攏。

可如果把視角切換到游戲業(yè)務，情況卻并不相同。騰訊在游戲上的AI探索，幾乎從未中斷，甚至遠遠早于大模型浪潮之前。

從2017年3月“絕藝”（Fine Art）在日本第十屆UEC杯計算機圍棋大會奪冠，到2019年8月“絕悟”（Wukong）在吉隆坡《王者榮耀》冠軍杯半決賽的特設環(huán)節(jié)中升至電競職業(yè)水平，AI能力長期被用于對抗、訓練與玩法設計，成為游戲體系中的一部分。

也正是在這種歷史路徑之上，騰訊在游戲內(nèi)外逐漸搭建起一套看似完整的AI體系：集團層負責基礎能力，中臺負責工具整合，工作室負責業(yè)務落地。從AI Lab到混元，從IEG CROS到各類技術公線，再到各個工作室內(nèi)部自建的AI中臺、小組與工具鏈，AI幾乎覆蓋了游戲工業(yè)的每一個環(huán)節(jié)。

從外部看，這是一套典型的大公司推進方式——自上而下，分工明確，逐層落地。但在具體執(zhí)行中，這套體系很快呈現(xiàn)出另一種形態(tài)。

在今年年初的內(nèi)部年會討論中，AI成為繞不開的話題。據(jù)知情人士透露，四大工作室負責人和發(fā)行線老板們坐在同一個屋子里，但給出的答案卻幾乎沒有重合。

光子是最激進的一方。

其內(nèi)部成立了類似BST創(chuàng)想中心的探索部門，試圖尋找“下一代游戲”的可能性。一位接近該團隊的受訪者提到，光子內(nèi)部擁有一支十余人的“科學家團隊”，不少AI項目的啟動甚至帶有某種偶然性：“Jerry覺得你這個想法挺好，馬上給他成立一個專門的團隊來做”，光子的AW就是這樣的產(chǎn)物。在GDC 2026上，僅光子就貢獻了八大核心議題，其中六個與AI相關。

另一位知情人士則更直接地描述了這種轉(zhuǎn)向：“可能老板覺得有《和平精英》《金鏟鏟之戰(zhàn)》之后，已經(jīng)看不上這種傳統(tǒng)游戲，就想做下一代的東西。”

這種激進，并不只是技術選擇。一方面，光子內(nèi)部各項目如同“諸侯”，長期以閉環(huán)方式運作，外部能力很難直接介入；另一方面，在核心產(chǎn)品進入成熟周期之后，光子正面臨一個巨大的產(chǎn)品真空期，新項目尚未完全成型，團隊需要新的方向與敘事。

天美則走在另一條路上。

作為騰訊最成熟的游戲業(yè)務板塊之一，它并不急于開發(fā)新的底層工具，年會上，Colin表示，AI是用來做“增長”和“提效”的。在這一思路下，天美更傾向于將AI嵌入既有產(chǎn)品，用于優(yōu)化體驗與商業(yè)化表現(xiàn)。例如，通過更智能的NPC、匹配機制或內(nèi)容生成，去提升活躍與收入。

一位受訪者回憶，天美管理層曾給出過非常直接的衡量標準：“如果能實現(xiàn)從1,000億做到1,200億的收入增長，或者因為加入虛擬NPC等讓整個活躍匹配體驗更好，實現(xiàn)從5,000萬到5,500萬的活躍，也是Ok的。”

在這種邏輯下，自研底層工具反而被視為“偏離主業(yè)”。

魔方的表態(tài)更為克制。在年會討論中，Enzo表現(xiàn)出明顯的“我不care”，甚至明確表示，對AI“沒有特別布局”，核心仍然是把游戲本身做好：“我們是做游戲的，游戲產(chǎn)品還是王道，這種體驗是無與倫比的。AI能用就用，不能用也不強求。”

但一位魔方的內(nèi)部開發(fā)人員表示，“Enzo是非常在時代前線沖浪的，他自己也用OpenClaw，只是工作室沒有那么強的焦慮，不會說今天我們一定要做一個強AI約束流程，大家比較工程實踐導向，不會說因為AI去做命題作文。”

在技術浪潮最熱的時候，這也代表了一部分團隊的判斷：在不確定性尚未消散之前，不急于下注。

在這些討論中，北極光則處在另一種位置，工作室應用AI更多集中在新項目的開發(fā)中。年會上，Ethan提到在《粒粒的小人國》的美術資產(chǎn)、場景生成等具體生產(chǎn)環(huán)節(jié)，嘗試用AI提升效率。但這種應用仍然停留在“模塊級”層面。

如果說四大工作室呈現(xiàn)的是“路徑分離”，那么中臺與集團層，則體現(xiàn)出另一種張力。

IEG CROS與技術公線試圖提供統(tǒng)一的AI組件與工具，希望成為“基礎設施”。但這些能力能否被使用，并不取決于技術本身，而取決于項目組是否愿意接入。

一位中臺技術人員直言：“我們做的東西，最后還是看項目用不用。”這使得中臺很難像傳統(tǒng)意義上的平臺那樣沉淀能力。

更現(xiàn)實的問題在于，技術本身仍在快速變化。對于項目組來說，一個工具今天的優(yōu)勢，很可能在幾個月內(nèi)消失。同時，AI能力的門檻并沒有高到不可復制：“你今天做的東西，明天別人也能做，而且可能更好。”

在這種情況下，無論是內(nèi)部團隊還是外部合作方，都缺乏長期依賴某一套能力的動力。

最終，騰訊游戲的AI體系呈現(xiàn)出一種獨特狀態(tài)：集團在做基礎能力，中臺在做工具整合，工作室在各自路徑上徘徊競爭，項目組在具體場景中做出最大化自身團隊效益的選擇。多套系統(tǒng)在同一組織內(nèi)并行運行，不斷競爭、替代與重建——沒有一套真正成為“標準”。

中臺與項目：“內(nèi)部銷售”，承擔成本

如果說在結(jié)構(gòu)上，騰訊的AI已經(jīng)呈現(xiàn)出“多套體系并行”的狀態(tài)，那么在具體運作中，它更像一個內(nèi)部市場。

在騰訊內(nèi)部，AI能力并不是通過一套統(tǒng)一機制進行分配的。更接近的運作方式是：誰做出來，誰自己去找項目落地。

一位工程師把這種狀態(tài)形容為“內(nèi)部創(chuàng)業(yè)”：“一個技術熱點出來，很多部門都會想去搶這個熱點，然后去做一個產(chǎn)品出來。每個團隊都像初創(chuàng)公司一樣，在司內(nèi)去拉用戶、拉資源。”這樣，大家“都有的匯報，都有的晉升”。

在這種機制下，AI團隊不只是“做技術”，更像是在做產(chǎn)品、做推廣，甚至做銷售。

這種關系，很大程度上由內(nèi)部的成本機制決定的。AI中臺對項目組的服務，本質(zhì)上是“人力成本結(jié)算”：一位受訪者解釋：“比如你用我們的bot，機器算成本；同時有多少人幫你做事，這部分人力也算在你項目上。”

也就是說，使用中臺是需要“付費”的——相比“公共資源”，它更像一種外部服務。

這背后，是中臺貨幣化帶來的結(jié)構(gòu)性結(jié)果。

2024年前后，騰訊游戲負責人Steven開始大力推動中臺貨幣化——即中臺不再作為統(tǒng)一投入的公共資源，而是逐步轉(zhuǎn)向“自負盈虧”。

在此之前，中臺更接近一種“研究型組織”。團隊的工作重點是跟進前沿技術、探索潛在應用，例如閱讀論文、驗證算法，帶有“預言性質(zhì)”；但貨幣化之后，一位受訪者坦言，“原來是大家一起養(yǎng)一個技術中臺，現(xiàn)在變成要為具體項目服務。”

現(xiàn)實層面，過去，由多個工作室共同承擔成本的中臺，開始被拆分成更小的單元，對接具體業(yè)務團隊；人力成本由對應工作室承擔，工作優(yōu)先級也隨之由項目需求主導。

一位中臺人員表示，“中臺部門沒有大腿就活不下去了，成本總要有地方分擔。”例如，僅一個《王者榮耀》項目，就能為AI中臺分擔上百人的人力成本，規(guī)模達到上億元。

在這種機制下，為了獲取營收，中臺不得不努力、主動去跟各個事業(yè)群、項目組搞好關系：

這也導致了第一層關系：中臺與項目之間，若即若離，并不穩(wěn)定。

一位受訪者提到，他們曾長期與天美走得比較近，甚至“有一個虛擬組織掛在天美下面”，但后來開始主動疏遠，“因為你綁得太死，就沒法做光子的項目了。”

中臺對不同工作室和項目組的“一視同仁”，又使得這種“服務關系”很難轉(zhuǎn)化為穩(wěn)定依賴，因此導致了第二層關系：項目對中臺：“能不用你，就不用你”。

即使某項能力已經(jīng)被采用，也不意味著它會長期存在。技術一旦成熟，項目組就會立刻重新評估一個問題：我是不是可以自己做一套？

一位中臺人員表示：“原來可能一定會讓你來做，但現(xiàn)在會開始想，是不是可以自己搞一下。”這背后的考量也很現(xiàn)實：成本更可控，響應更及時，數(shù)據(jù)更安全。

于是，這自然導向了一個結(jié)果：同一類能力，會被反復開發(fā)。

在AI開發(fā)工具層面，這種現(xiàn)象尤為明顯。一位受訪者提到：“每個工作室群的美術中心都在做美術相關的AI的，但彼此不會相互采買，你要重復造輪子。”

在內(nèi)部，已存在多個功能相近的工具——QClaw、WorkBuddy 等，一位工程師直言：“它們功能上其實差不多，都是對小龍蝦的一個功能封裝，但就是要做成兩個，我也不知道為什么。”

這種分散，也進一步影響了能力的外部化。

由于不同工作室各自推進，產(chǎn)品難以在內(nèi)部跨團隊復用，更難形成統(tǒng)一標準，這意味著難以商業(yè)化。一位受訪者稱，“誰會買你的？不只是騰訊內(nèi)部，外面公司也不會買，因為相當于把我的數(shù)據(jù)交給你。”甚至，由于技術迭代極快，“對方今天買了，明天就可能過時，我為什么要買？”

當然，并非所有人都將這種“重復”視為問題。

另一位受訪人更愿意把它理解為一種高強度的內(nèi)部產(chǎn)出機制。他提到，“小龍蝦”出來后，內(nèi)部立刻有同學針對數(shù)據(jù)安全、協(xié)作效率等痛點，推出帶安全沙箱模式、支持多人、多agent、多樣化場景（線上線下同步異步）功能的“協(xié)同蝦”。

在他看來，這種現(xiàn)象并不完全是“賽馬”，而是“現(xiàn)在基建確實不完善，大家其實是在做公共補齊”。

總之，在當前機制下，騰訊游戲的AI能力，已經(jīng)成為各大事業(yè)群、項目組之間被不斷爭取、復制與替代的競爭對象。

現(xiàn)實：“技術只能解決當年問題，沒法改變整個流程”

如果只看2026年GDC的舞臺，很容易產(chǎn)生一種判斷：AI正在成為游戲工業(yè)的新底座。

騰訊在這一年拿出了十余場與AI相關的分享，覆蓋從內(nèi)容生產(chǎn)到系統(tǒng)設計的多個環(huán)節(jié)——關卡生成、角色動畫、NPC行為、UGC創(chuàng)作、反作弊系統(tǒng)。不同工作室都講出了一套看起來完整的“AI故事”。

光子的案例最接近一種“未來圖景”。八個核心議題中，有六個圍繞AI展開，從生成式推薦、AI驅(qū)動的3D原型開發(fā)，到基于多智能體推理的場景生成系統(tǒng)（IntellisScene），再到骨骼動力學模擬、《和平精英》中的AI隊友與UGC創(chuàng)作，幾乎貫穿了從內(nèi)容生成到玩法構(gòu)建的多個層面。

天美的路徑更偏工程現(xiàn)實。他們沒有鋪開太多方向，而是用一場關于Ignis Agent的分享，討論AI如何在一個超大規(guī)模項目中真正落地，試圖展現(xiàn)自己解決AI在復雜開發(fā)環(huán)境中的落地的能力。

魔方的三場AI分享則集中在具體生產(chǎn)環(huán)節(jié)：從《異人之下》中基于實時AI生成的動作系統(tǒng)，到《洛克王國：世界》的全局光照方案與大規(guī)模角色語音生成。

在更底層，VISVISE這類AIGC管線也被反復提及。例如，自動綁定工具把幾天的角色動畫綁定流程壓縮到一天，效率提升被量化為40%。甚至在游戲安全領域，連騰訊ACE的搜打撤反作弊系統(tǒng)，也開始被納入AI敘述之中，在《三角洲行動》、《暗區(qū)突圍》等產(chǎn)品中落地展示。

從這些分享來看，AI似乎已經(jīng)滲透到游戲工業(yè)的每一個環(huán)節(jié)，成為一套正在成形的“全鏈路生產(chǎn)能力”。但回到實際開發(fā)現(xiàn)場，情況卻要克制得多。

多位受訪者的判斷高度一致：AI確實在用，但仍然停留在“局部提效”，而不是“流程重構(gòu)”。

一位工程師直言：“它現(xiàn)在只能解決一些點上的問題。除非是小游戲這種可以走激進路線的類型，對于傳統(tǒng)高品質(zhì)游戲研發(fā)來說，帶來的改變其實是有限的。”

換句話說，AI可以嵌入具體環(huán)節(jié)，但很難像引擎或編輯器那樣，成為貫穿整個流程的基礎設施。

這種“局部性”，在實際使用中體現(xiàn)得非常明顯。

今年以來，AI編程能力的進步最為直觀。一位開發(fā)者提到，年初時AI在游戲引擎開發(fā)中還難以使用，但短短幾個月后，“已經(jīng)可以提供思路，讓AI直接寫代碼”，在一定程度上減輕了程序員負擔。

與此同時，一些工具開始引入更精細的調(diào)度機制。一位引擎開發(fā)者提到，OpenClaw等系統(tǒng)會將不同任務分配給不同層級的模型——簡單問題用低成本模型處理，復雜問題再調(diào)用更高性能模型，從而在成本與效果之間做平衡。

同時，在大型項目中，跨團隊溝通成本極高，AI在這一點上確實有用。

一位來自魔方的開發(fā)者舉例：“比如一個很龐大的工程，代碼變動很頻繁，文檔又跟不上，可以把模塊交給AI每天自動掃描，生成文檔。這些文檔既可以給人看，也可以給AI用。”

類似的，一些團隊也開始嘗試用AI生成視頻或Demo的方式，提前表達設計意圖，減少反復溝通。當然，這種能力的本質(zhì)，仍然是“輔助表達”，而不是直接生產(chǎn)。

在內(nèi)容與資產(chǎn)環(huán)節(jié)，AI更早些時候就已經(jīng)開始發(fā)揮作用。它可以生成素材、美術資產(chǎn)、輔助搭建場景，甚至在早期階段快速驗證視覺方向，這些都已經(jīng)是常見操作。

但這些提升，很快觸及上限。“收益是有限的，因為項目往往卡在更上游的游戲設計。”換句話說：AI提升了執(zhí)行效率，但無法解決決策問題。

更深一層的限制，來自模型本身。

“騰訊內(nèi)部的各個模型往往只針對單一任務設計，規(guī)模也受限，只能在運行時完成特定功能。”例如在《暗區(qū)突圍》的AI同伴（FACC）、對戰(zhàn)訓練系統(tǒng)，以及類似《火影忍者》《洛克王國》的相關應用中，AI本質(zhì)上都是獨立模塊，而不是通用能力。

在一線開發(fā)者看來，這種產(chǎn)品間的協(xié)作甚至帶著某種“草莽感”：“有時候就是知道你在做一個項目，人家直接來找你主程、美術聊，像在做銷售一樣。”

這是因為，“游戲研發(fā)的環(huán)節(jié)太多了，現(xiàn)在這些AI技術只能解決當年的問題，沒辦法給你改變整個流程。”在成為基礎設施之前，它仍然只是工具。

解法：真正決定AI落地的，是制作人

在所有結(jié)構(gòu)、機制與技術之外，AI在項目中的真實命運，往往取決于一個更直接的變量：人。

首當其沖，是制作人。

在騰訊的項目制體系下，制作人擁有極高的決策權。是否引入AI、引入到什么程度、用在哪些環(huán)節(jié)，并不取決于中臺能力是否完善，也不完全取決于公司是否推動，而取決于項目負責人本人的判斷。

一位受訪者說得很直接：“他是否關注AI，是否相信AI，決定了AI在項目中的位置。有的人更保守，有的人更激進，他覺得有些東西我就去試一下。”

《三角洲行動》制作人 郭智

以兩位內(nèi)部管理者為例，《王者榮耀》的制作人、天美L1工作室負責人李旻更傾向于主動探索，會優(yōu)先思考“AI能做什么”，并愿意為此投入資源、反復試錯；《三角洲行動》制作人郭智則更關注成本，更關注ROI：“你說你能做，我先看看這個東西能不能讓你做。”

當AI效果尚不穩(wěn)定時，這種差別會被迅速放大。前者更可能選擇繼續(xù)迭代：“現(xiàn)在效果不好，可以再試試，也許再改一改就能用了。”而后者則更傾向于及時止損：“效果不好，那就先不要再做了。”

但“人”的影響，并不止于項目層。當視角進一步上移，平臺層的決策方式，同樣在塑造AI的走向。

一位受訪者提到，當前平臺側(cè)的核心決策，仍然以技術背景出身的人為主導：“沒有一個真正意義上的產(chǎn)品負責人。”

這意味著，在很多情況下，“做什么”，是由技術視角出發(fā)定義的；而“要不要用”，則由業(yè)務側(cè)來決定。雙方并不總能對齊需求。一位中臺受訪者回憶，在一次與《王者榮耀》相關的Bot需求對接中，技術團隊投入數(shù)月開發(fā)，最終卻發(fā)現(xiàn)“做出來的東西并不是業(yè)務真正想要的”。

類似的情況并不罕見，而常見的處理方式，也不是追責，而是調(diào)整對接關系：“一般就是換個人做，原來的人去做別的。騰訊很少因為你一件事情做不好就直接把你開了。”在這種機制下，問題很少被徹底解決，但也不會被放大。

相比之下，看似相似的中臺結(jié)構(gòu)，在不同公司中會因在“誰來做決策”而導向不同結(jié)果。

另一位受訪者對比了網(wǎng)易的做法：“網(wǎng)易那邊通常是產(chǎn)品負責人來對接項目，雖然資源沒有騰訊多，但是做的東西會更務實、更能落地，跟游戲結(jié)合的會更緊密一些。”

從更高層的組織變化來看，這種問題顯然已經(jīng)被感知到。2025年后，騰訊AI相關的人員變動頻繁。2025年以來，騰訊圍繞AI進行了多次結(jié)構(gòu)調(diào)整：2025年12月，引入原OpenAI研究員姚順雨，進入總裁辦公室，強化混元體系；2026年3月，AI Lab被撤銷，相關人員并入大語言模型與產(chǎn)學研體系。騰訊公司副總裁蔣杰不再擔任AI Lab負責人。

2025年12月，原 OpenAI 研究員，年僅 27 歲的姚順雨加入騰訊，任「CEO / 總裁辦公室」首席 AI 科學家，直接向騰訊總裁劉熾平匯報

但在一線受訪者看來，這些調(diào)整更多是“結(jié)構(gòu)重組”，而非方向改變。

一位知情人士稱，AI Lab被撤銷的影響并不大，因為“也就是三四十個做研究的人，被調(diào)過去之后，其實還是做原來的事情。”

上述人士進一步解釋，外界所熟知的“AI Lab”，在內(nèi)部其實是兩個完全獨立部門的“統(tǒng)稱”，其中，AI Lab是以蔣杰為負責人、以論文與基礎研究為主的科學家團隊；而AI平臺部由楊巍負責，規(guī)模超過300人，承擔具體應用與落地工作——后者才是騰訊“絕藝”圍棋AI、“絕悟”游戲AI以及“開悟”AI開放研究平臺的核心推動者與負責人。

由于早期同屬一個部門，且共同使用“騰訊AI Lab”的對外品牌，這種結(jié)構(gòu)差異一直沒有在外界被清晰區(qū)分。

組織架構(gòu)之外，中臺貨幣化也在發(fā)生變化，至少三位來自不同部門的采訪對象提到，進入2026年后，集團層面對AI的投入明顯加大，BG預算普遍提升。一位受訪者表示，“貨幣化嘴上肯定還是要提的，但不真正的考核目標。“另一位則更直接地說，“賺錢要支撐價值”不再是考核重點，“保持技術的領先度“重新成為考核指標。

換句話說，過去一段時間強調(diào)的“中臺自負盈虧”，正在被重新弱化。AI正在從“工具能力”，重新回到“戰(zhàn)略投入”。

尾聲：

在傳統(tǒng)工業(yè)體系中，效率意味著標準化、統(tǒng)一與規(guī)模。

但在AI時代，這種邏輯正在被部分打破。

當技術路徑尚不明確、產(chǎn)品形態(tài)尚未穩(wěn)定時，過早的統(tǒng)一，反而意味著更大的風險。一旦方向判斷錯誤，整套體系都需要推倒重來。

因此，不難理解，對騰訊這樣的大公司來說，與其押注一條可能錯誤的路線，不如允許多條路徑同時存在——即使這意味著重復建設，甚至短期的低效率。

一位受訪者稱，“大家現(xiàn)在都在往里面砸，博一個未來。”

在這個過程中，那些看似分散的嘗試，更像是一座座孤島：各自生長，彼此競爭；或許只有等到某一天，路徑開始收斂，這些孤島，才有可能連成一塊大陸。

而在那之前，這場“賽馬”，不會結(jié)束。

??

＊爆料丨合作丨招聘：點擊或戳微信號 luoxuanwan111

點推薦