天才少年姚順雨加入騰訊4個月后，打造了一個新混元：5個關(guān)鍵步驟，揭示企業(yè)AI轉(zhuǎn)型的真相

企業(yè)AI轉(zhuǎn)型的核心不在于追逐最大的模型參數(shù)，而在于如何將AI能力真正落地到業(yè)務(wù)場景中。當(dāng)很多企業(yè)還在為"百模大戰(zhàn)"的參數(shù)迷霧焦慮時，騰訊混元Hy3 preview已經(jīng)給出了一個明確的方向：從60%到90%的任務(wù)準(zhǔn)確率躍升，才是企業(yè)真正愿意付費(fèi)的價值。

數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家駱仁童博士表示，姚順雨帶著混元Hy3 preview一亮相，就給AI圈來了個"反向操作"，就是要在真實(shí)業(yè)務(wù)場景里好用，能解決實(shí)際問題。轉(zhuǎn)向"真實(shí)戰(zhàn)斗力"，本質(zhì)上是在回歸技術(shù)的本質(zhì)——技術(shù)服務(wù)于人，而非服務(wù)于數(shù)據(jù)榜單。

企業(yè)AI轉(zhuǎn)型的核心需求：從參數(shù)到實(shí)用

在過去很長一段時間里，大模型行業(yè)陷入了對參數(shù)規(guī)模和榜單排名的迷戀。但堆料帶來的性能提升往往在實(shí)際業(yè)務(wù)場景中面臨高昂的推理成本和落地難題。

企業(yè)更關(guān)心的是：這個模型能不能幫我解決實(shí)際問題？能不能提升業(yè)務(wù)效率？能不能降低運(yùn)營成本？

騰訊集團(tuán)高級執(zhí)行副總裁湯道生發(fā)表的文章《人工智能正式進(jìn)入Harness時代》，在科技圈掀起了不小的波瀾。他曾公開表示，主流大模型的能力差距正在逐步縮小，企業(yè)的核心需求已經(jīng)不再是擁有最好的模型，而是如何通過系統(tǒng)工程把模型的能力最大程度發(fā)揮出來，真正拉開差距的是"工程化交付能力"。

這意味著，當(dāng)"百模大戰(zhàn)"的參數(shù)迷霧逐漸散去，誰能把大模型與具體場景無縫融合，誰就能占據(jù)上風(fēng)。

天才少年的實(shí)戰(zhàn)啟示：從理論到落地的4個月

2025年12月，騰訊正式任命1998年出生的姚順雨為"CEO/總裁辦公室"首席AI科學(xué)家，同時兼任AI Infra部、大語言模型部負(fù)責(zé)人。

這位從安徽高考探花到清華姚班，從普林斯頓博士到OpenAI的天才少年，用4個多月的時間交出了他的首張答卷——騰訊混元Hy3 preview。

這個模型有三個關(guān)鍵特點(diǎn)：

1. 總參數(shù)295B，但激活參數(shù)只有21B，尺寸不大，定位就是實(shí)用性

2. 官方標(biāo)注的重點(diǎn)能力是Agent和Coding，正好是姚順雨在OpenAI最深耕的方向

3. 在SWE-Bench Verified、Terminal-Bench 2.0等主流基準(zhǔn)中取得了有競爭力的結(jié)果

企業(yè)AI落地的5個關(guān)鍵步驟

姚順雨曾在公開演講中明確騰訊AI的路線：不進(jìn)行單純的模型參數(shù)競賽，而是追求全面和實(shí)用。他認(rèn)為企業(yè)更愿意為能將任務(wù)準(zhǔn)確率從60%提升到90%的模型付費(fèi)。

第一步：明確業(yè)務(wù)場景，而非追逐技術(shù)熱點(diǎn)

企業(yè)首先要問自己：我最需要解決的業(yè)務(wù)問題是什么？

1. 客服效率提升？

2. 代碼生成自動化？

3. 文檔分析與總結(jié)？

4. 決策支持優(yōu)化？

騰訊混元Hy3 preview的官方重點(diǎn)能力是Agent和Coding，這正是因?yàn)檫@兩個方向在真實(shí)業(yè)務(wù)中價值最高。

第二步：選擇合適的技術(shù)路徑，而非盲目追求最大參數(shù)

Hy3 preview通過技術(shù)創(chuàng)新（如快慢思考融合機(jī)制），可以在控制成本的同時實(shí)現(xiàn)高性能。

在騰訊云大模型服務(wù)平臺TokenHub上，Hy3 preview輸入價格最低1.2元/百萬tokens，輸出價格最低4元/百萬tokens，展現(xiàn)出高性價比。

第三步：構(gòu)建工程化交付能力，而非簡單套用API

姚順雨給出的解法是"深度協(xié)同（Co-Design）"。

Co-Design實(shí)施框架：

1. 需求對齊：明確業(yè)務(wù)目標(biāo)和技術(shù)約束

2. 模型適配：根據(jù)場景特點(diǎn)進(jìn)行精細(xì)化調(diào)優(yōu)

3. 性能優(yōu)化：在文風(fēng)、情商、邏輯判斷上進(jìn)行優(yōu)化

4. 持續(xù)迭代：基于真實(shí)反饋不斷改進(jìn)

想要讓一個全能、不偏科的模型在各種垂類場景發(fā)揮最大戰(zhàn)力，絕不是簡單地套用API，而是讓模型去主動適應(yīng)不同APP的具體需求。

第四步：建立內(nèi)部評測體系，而非依賴公開榜單

除了公開榜單，騰訊混元還進(jìn)一步構(gòu)建了多個內(nèi)部的評測集，結(jié)果Hy3 preview均體現(xiàn)出了強(qiáng)競爭力。

企業(yè)需要建立符合自身業(yè)務(wù)場景的評測標(biāo)準(zhǔn)，才能真正衡量AI的價值。

評測維度建議：

1. 任務(wù)準(zhǔn)確率（從60%到90%）

2. 響應(yīng)速度（是否滿足業(yè)務(wù)要求）

3. 成本控制（Token成本、算力成本）

4. 用戶體驗(yàn)（滿意度、復(fù)用率）

對于剛剛交付的Hy3 preview，姚順雨表示：“我們希望通過這次開源和發(fā)布，獲得來自開源社區(qū)和用戶的真實(shí)反饋，幫助我們提升Hy3正式版的實(shí)用性。”

企業(yè)AI轉(zhuǎn)型不是一次性項(xiàng)目，而是持續(xù)優(yōu)化的過程。

避開3個陷阱：企業(yè)AI轉(zhuǎn)型中的常見誤區(qū) 陷阱一：過度關(guān)注參數(shù)規(guī)模，忽視實(shí)際價值

很多企業(yè)被"百模大戰(zhàn)"的營銷話術(shù)迷惑，認(rèn)為參數(shù)越大越好。

但事實(shí)是：Hy3 preview雖然總參數(shù)295B，但激活參數(shù)只有21B，通過技術(shù)創(chuàng)新實(shí)現(xiàn)了高性能。企業(yè)應(yīng)該關(guān)注的是"激活參數(shù)"和"實(shí)際效果"，而非"總參數(shù)"。

陷阱二：盲目追求全能模型，忽視場景適配

測試結(jié)果顯示，Hy3 Preview在處理財(cái)務(wù)文檔時，4個50多頁的pdf上傳之后，模型使用了數(shù)分鐘來進(jìn)行分析和拆解。

這說明，企業(yè)需要根據(jù)具體場景選擇合適的模型，而非盲目追求全能。

陷阱三：忽視組織架構(gòu)調(diào)整，只關(guān)注技術(shù)引進(jìn)

為了實(shí)現(xiàn)姚順雨提出的"Agentic AI"（智能體AI）目標(biāo)，騰訊打破了過往的部門壁壘，專門成立了統(tǒng)籌底層算力調(diào)度、大規(guī)模并行訓(xùn)練以及高質(zhì)量數(shù)據(jù)治理的Allnfra部門。

企業(yè)AI轉(zhuǎn)型不僅是技術(shù)問題，更是組織變革問題。

組織架構(gòu)調(diào)整建議：

1. 成立跨部門AI項(xiàng)目組

2. 打破技術(shù)部門與業(yè)務(wù)部門的壁壘

3. 建立AI能力中心，而非分散在各個部門

4. 引入頂尖AI人才，并給予足夠的授權(quán)

構(gòu)建開放生態(tài)：AI下半場的戰(zhàn)略選擇

在生態(tài)布局與技術(shù)開放性上，騰訊正展現(xiàn)出一種微妙的平衡藝術(shù)。

一方面，內(nèi)生式進(jìn)化：

騰訊正以一種近乎"飽和攻擊"的態(tài)勢推進(jìn)全線產(chǎn)品的Agent化，將混元能力滲透進(jìn)包括微信、騰訊會議及廣告營銷在內(nèi)的900多款應(yīng)用中。

這種內(nèi)生式的進(jìn)化極大地提升了研發(fā)效率，甚至實(shí)現(xiàn)了50%的新增代碼由AI輔助生成的工業(yè)級突破。

另一方面，高調(diào)擁抱開源：

騰訊通過發(fā)布混元3.0的預(yù)覽版本，試圖利用全球開發(fā)者的反饋來反哺其邏輯推理能力的迭代。

這種策略不僅是為了在激烈的開源生態(tài)中奪取話語權(quán)，更像是姚順雨技術(shù)理念的延伸。即通過真實(shí)世界的復(fù)雜反饋，讓AI智能體在實(shí)戰(zhàn)中完成最終跨越。

數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家駱仁童博士認(rèn)為，騰訊的"陽謀"在于：用開源吸引開發(fā)者和用戶，快速構(gòu)建起以混元為核心的生態(tài)護(hù)城河。這背后是對AI江湖規(guī)則的重塑：從"一家獨(dú)大"到"眾星拱月"，這場博弈的深層意義在于：AI的未來，屬于生態(tài)，而非孤膽英雄。

你的企業(yè)在AI轉(zhuǎn)型中遇到的最大挑戰(zhàn)是什么？是技術(shù)選型、場景落地，還是組織變革？歡迎在評論區(qū)分享你的實(shí)戰(zhàn)經(jīng)驗(yàn)。

相關(guān)話題：

商道童言（Innovationcases）歡迎評論、點(diǎn)贊和分享哦！~~

熱推新書《AI提問大師》《DeepSeek應(yīng)用能手》現(xiàn)已上架！

免費(fèi)電子書: | | |

數(shù)字經(jīng)濟(jì)應(yīng)用實(shí)踐專家 駱仁童主講課程

企業(yè)數(shù)智化:||

產(chǎn)業(yè)數(shù)字化:||

數(shù)字化轉(zhuǎn)型:||||||

創(chuàng)新與思維:|||