來源 | 伯虎財經（bohuFN）
作者 | 秦三錢
短短一周之內，騰訊把壓箱底的AI牌局往前猛推了一大步。
10月29日，騰訊先在應用層端出了Buddy One，拿WorkBuddy當主工作臺，一口氣把騰訊會議、騰訊文檔、騰訊網盤和ima串成了一條線；緊接着在11月4日，底層的混元大模型交出Hy4 正式版，把視覺理解、電腦操作、長程任務這一批此前讓人念叨了很久的短板集中補齊
從底層基座到上層應用，騰訊模型和產品的齒輪終於咬合到了一起，算是揣着全套籌碼，正經坐上牌桌了。對過去兩年屢次被質疑“慢半拍”的騰訊來說，這是一次難得的正面回應。
按理來說，騰訊總該到了可以松口氣的時候。問題是，來自市場的審視也在這段時間內有了變化。
就在騰訊密集出牌的一周前，谷歌母公司Alphabet交出財報。當季同比增長103%的雲收入，並未帶來預想中的投資者熱情，財報後首個交易日，Alphabet股價下跌12.64%。
投資人不再只聽技術和產品故事，而是開始計算公司AI投入的投資回報率。演變至今，儼然成爲類似股災的，針對大型科技股的猛烈拋售，任何以AI爲先的科技公司，都需要重新衡量AI基礎設施的投入與回報。
這時候，騰訊堪堪能坐下來認真聊聊自己的AI前景。這家巨頭要回答的問題，比單純訓出一個好模型、拼出一套好產品棘手得多。
01 基模上桌
Hy4正式版的進步，首先體現在它把能力邊界真正拓寬到了“幹活”層面。
這款採用混合專家（MoE）架構的模型，總參數拉到了770B，激活參數49B，上下文窗口突破100萬Token。
相比8月底探路的Hy4 preview，正式版不僅在預訓練和後訓練上繼續加碼，還首次塞進了視覺理解與電腦操作能力。它既能讀懂復雜的專業圖表，也能結合命令行與圖形界面，直接上手操作Blender、CAD等專業軟件，一口氣跑完跨應用的連續任務。
在騰訊聯合金融科技團隊發起的金融衆測裏，213位行業專家圍着579個真實業務任務打分，Hy4的綜合表現壓過了DeepSeek、Kimi和GLM的同期開源模型；而在自家WorkBuddy的實測中，它的任務通過率達到了96.15%。
盡管這些成績帶着廠商自測的“黑箱”，正式版的模型權重也尚待完全放開，但混元確實已經攢夠了參與開源頭部競爭的資格。
畢竟，騰訊首席AI科學家姚順雨明確吐槽過，國內行業裏有一個不太好的傾向，就是過於熱衷“刷榜”。他更關心如何在內部設立好正確的Eval（評測標準），追求模型與產品Co-Design（協同設計）。
可以這麼認爲，任何騰訊系的模型進展，都留待使用者在實際任務中視察表現，而不是看Benchmark。更值得外界關注的是模型迭代是否跑出了足夠敏捷的節奏。
騰訊的回答沒有讓市場失望。自4月Hy3 preview探路起，騰訊一路小步快跑，7月上線Hy3正式版，8月底由Hy4 preview接棒，到了11月，Hy4正式版如期落地。
小碎步邁得快，打法卻一直保持相似的風格。每每新模型開源，騰訊總會把模型優先接入自家產品如Workbuddy，先把預覽版塞進自家產品裏收集真問題，再用正式版集中修補能力短板。
練出這套小連招，對於一家此前常被外界詬病“組織臃腫、動作慢半拍”的大廠而言已屬不易，也比單次集中算力搞出一場衝榜更有分量。
騰訊借此證明，自己並非只能靠買買買、靠潑天流量和現成場景去間接參與AI競賽，它同樣有能力把底層模型的成果，高頻、穩定地送進真實的工作流裏。
需要注意的是，騰訊混元在技術博客中也坦誠布公，直言Hy4與全球頂尖閉源模型仍有較大身位差距，尤其是在前沿數學、長程開發、模型自迭代和復雜視覺問答等硬骨頭上。
如此來看，Hy4不過是一個階段性的答卷。
而要理解騰訊過去半年爲什麼能調整呼吸，連續小跑，就得把視線挪向模型背後。看看它究竟是怎麼給自己動那場“組織手術”的。
02 AGI組織的“預備役”
騰訊的整體變化，需要從姚順雨的一個更大目標說起。
今年6月，與騰訊雲CEO湯道生同臺對談時，姚順雨給出對AI下半場的判斷：當務之急是“在中國建立一個長期的、基於 AGI 的組織”。
這個組織要像一個均衡的三角形。一角是基礎模型團隊，把預訓練和後訓練做扎實；一角是產品團隊，讓技術爲人和社會產生價值；一角是Frontier（前沿團隊），探索新的研究範式。
在一家擁有數萬名員工、事業羣壁壘深厚的互聯網巨頭裏，要搭起這樣一套組織，第一步往往不是仰望星空，而是先低頭拆掉部門之間的高牆。
此前曾有相關人士向我們倒過苦水，不同項目部各有各的AI中臺，但上頭要求項目必須與TEG（技術工程事業羣）合作。“幾撥人馬擠在一張桌子上，最後誰都不痛快”。
這一現象指向了名爲“大公司病”的病竈。騰訊從來不缺資源，雲、遊戲、金融科技、社交和辦公場景一應俱全，工程師與專業數據堆積如山。
但在傳統的科層制流水線裏，這些家底散落在不同事業羣和匯報線中。模型團隊和業務團隊耗在“誰配合誰”、“怎麼交差”的組織消耗上，顯然長不出面向AGI的戰鬥力。
於是，姚順雨入職後的一系列組織動刀，切的就是這些梗阻的關節。此後，騰訊事關AI的組織調整，都是在爲這樣的團隊結構搭建骨架。
以去年12月姚順雨加入騰訊爲起止線，此後不到一年，騰訊先後重建預訓練、強化學習、數據和評測基礎設施，3月撤銷AI Lab，7月合並大語言模型部與多模態模型部爲基礎模型部。到了9 月，AI Data部也被其收攏。
可以看到，姚順雨按AGI時代的研究邏輯，打通了騰訊算法、算力基建和數據的底層，讓這些技術力量，圍繞着同一套研發目標運轉。
有了這樣的底座，業務與模型的協同方式也有了長足的進展。
在傳統的交付流水線裏，模型團隊關起門來訓完模型，產品團隊再過來找場景，來回的反饋漫長且有所失真。騰訊的做法是直接將產品前置塞進研發環節。典型便是第一時間接入並開放免費使試用最新Hy系列模型的Workbuddy。
這套內部協同的機制，如今已經開始向產品端外溢。10月底亮相的Buddy One，把WorkBuddy、騰訊文檔、騰訊會議、網盤和ima等產品接進了同一個Agent底座，賬號、積分與底層數據全部拉通。
授權後的WorkBuddy，隨時可以調取騰訊會議的會議記錄，也能讀取ima的知識庫。通過將孤立的產品入口接進同一Agent底座，模型“喫”到了更鮮活的真實場景，產品拿到了更完整的上下文。
數據顯示，WorkBuddy自3月上線以來，已累計跑完90億次任務請求，企業版更是覆蓋了一半的中國500強企業。
從各自爲戰的事業羣，到圍繞Agent和基礎模型協同作戰，騰訊正在努力把自己改造成適應AGI演進的“預備役”。
03 時不我待
當騰訊加快組織與模型迭代時，全球資本市場對AI的態度已經發生變化。
此前提到，谷歌在交出亮眼雲增速後反而遭遇股價重挫。同日發布財報的微軟卻逃過一劫，沒有引發AI質疑派的恐慌，於財報發布首個交易日基本收平。
兩家都在增加 AI 投入、推動雲業務增長，市場反饋卻截然不同。根源在於現金流和核心業務的承受能力上。
當季Alphabet資本開支高達513.6億美元，直接把自由現金流砸到了-90.7億美元，連續第二季度爲負。與此同時，其搜索廣告增速放緩，市場不免開始擔心，AI基建大量消耗現金，傳統“印鈔機”的變現效率卻在下降。
與之相比，微軟當季自由現金流仍爲正，資本市場因此接受了更高的投入上限。以此邏輯，哪些投入能自我造血，哪些在長期透支現金流，是一衆科技公司無法逃避的拷問。
帶着這個問題看騰訊，其2026年二季度財報顯示，公司單季資本開支飆升至527.8億元，同比暴漲176%；研發支出272.8億元，同比增長35%。和谷歌一般激進的投入，與尚不明確的變現能力，直接掏空了當季自由現金流，錄得-138 億元（剔除算力採購預付款後，自由現金流爲376億元）。
對於一向精於現金流管理、習慣了高毛利輕資產運轉的騰訊而言，AI既是通往未來的船票，也是包袱。
誠然，騰訊手握遊戲、廣告和金融科技三臺現金牛，但在新的市場審視下，豐厚的家底能否換來一張“免檢”，還有待三季度的表現。
偏偏在這個節骨眼上，海外算力供應鏈又生出變數。
就在Hy4正式版發布當天，據媒體報道，甲骨文取消了與騰訊一項估值約70億美元的AI芯片租賃協議。按照原計劃，騰訊原本打算在五年內通過東南亞多個數據中心，租用約10萬顆先進AI芯片。截至發稿，雙方均未對此公開回應。
海外算力生變，讓騰訊已經推進的國產算力適配更加緊迫。騰訊雲披露，在與混元團隊聯合調優後，國產芯片的單卡吞吐量在模型上線前兩周，還被硬生生拔高到了原來的5倍。
當打通辦公全家桶的Buddy One以及更多AI產品全面鋪開，每天消耗的推理算力只會成倍往上跳。騰訊不僅得把模型訓得更聰明，還得想盡辦法把每一次調用的成本給摳下來。
過去兩年，外界總替騰訊着急，怕它動作太慢、趕不上趟。如今，騰訊終於把速度提起來了，市場卻換了一副考卷。
算賬也好，研究也罷，騰訊的小碎步還遠沒到能慢下來的時候。
相關閱讀
- Nvidia 即時更新：黃仁勳被罷免，首席財務官 Colette Kress 擔任臨時首席執行官2026-11-13
- 芒果不怕紅果？2026-11-12
- 原創 黃仁勳之後，誰最可能接管英偉達？2026-11-12
- 三星卷軸屏手機曝光，搶先華為、蘋果打造新形態，摺疊屏有望淘汰2026-11-12
- 馬斯克最喜歡的車，竟然要停產了。2026-11-12
