騰訊AI戰略突圍：組織架構調整能否破解“掉隊”困局？觀點
4月29日，據媒體報道，因業務發展需要，騰訊技術工程事業群（TEG）進行架構升級。
4月29日，據媒體報道，因業務發展需要，騰訊技術工程事業群（TEG）進行架構升級。成立大語言模型部與多模態模型部。同時，管理層也進行相應調整，新成立的多個部門負責人向騰訊公司副總裁蔣杰匯報，蔣杰不再擔任數據平臺負責人。除了架構調整之外，相應部門人員也進行整合。騰訊TEG原機器學習平臺部、數據平臺部、Al Lab、安全平臺部、信息安全部相關人員對應調整至以上新成立部門。
在人工智能賽道上，騰訊正面臨前所未有的追趕壓力。當字節跳動憑借豆包大模型以7500萬月活用戶占據C端市場、阿里巴巴通過“云+AI”組合拿下60%政企客戶時，這家坐擁微信生態的互聯網巨頭卻始終未能推出AI時代的標志性產品。這場醞釀已久的組織架構調整，折射出其在AI領域突破瓶頸的迫切需求。
從“分散探索”到“技術攻堅”
盡管騰訊手握微信、QQ等國民級應用，但其AI產品矩陣始終缺乏現象級產品。以C端產品元寶為例，這款對標ChatGPT的智能助手在文本總結、深度推理等核心能力評測中，表現不及Kimi、通義千問等競品。更尷尬的是，元寶與微信生態的整合始終停留在“淺層聯動”——用戶無法通過自然對話完成小程序下單、視頻號創作等深度操作。
在B端市場，騰訊云的境遇同樣嚴峻。當阿里云憑借通義千問拿下六大國有銀行智能風控項目、百度智能云深度綁定特斯拉自動駕駛系統時，騰訊云在金融、醫療等高價值賽道的滲透率不足15%。其AI解決方案仍過度依賴游戲、泛娛樂等傳統優勢領域，未能形成行業級標桿案例。
騰訊此次調整將原技術工程事業群（TEG）的大模型團隊拆分為兩個專項部門。大語言模型部聚焦文本生成、語義理解等核心技術，多模態模型部則專注圖像、音視頻的跨模態交互。與此同時，原有數據平臺部與機器學習平臺部將轉型為技術底座，為模型訓練提供算力與數據支撐。這種“雙核驅動+基礎平臺”的架構，與此前分散在六個事業群的“多兵團作戰”模式形成鮮明對比。
“這標志著騰訊AI戰略從‘業務驅動’轉向‘技術驅動’。”騰訊內部人士透露，過去各事業群自建小模型的弊端已顯露無遺——微信、游戲、廣告等部門各自為戰，導致算力資源浪費率超30%，混元大模型的訓練效率比同行落后2-3個季度。如今，通過集中優勢資源，騰訊計劃在三年內投入500億元用于大模型研發，重點突破長文本理解、復雜推理等技術短板。
數據隱憂與算力掣肘
騰訊AI的“掉隊”根源在于技術積淀的不足。
盡管混元大模型在部分中文場景接近GPT-4水平，但其訓練數據的質量問題飽受詬病。微信社交數據因隱私保護難以直接用于模型訓練，而公開抓取的網頁數據又存在噪聲過高、時效性差等缺陷。反觀阿里，其電商交易數據、物流軌跡信息等結構化數據占比超70%，為大模型訓練提供了優質語料。
算力瓶頸同樣制約著騰訊的技術突破。
雖然騰訊云宣稱建成亞洲最大AI計算集群，但其自研AI芯片“紫霄”的流片進度延遲，導致高端GPU仍依賴英偉達供應。在訓練效率上，混元大模型的單卡算力利用率僅為65%，而谷歌Gemini模型已突破80%。
面對困境，騰訊將破局希望寄托于兩大支點：其一是微信生態的深度AI化改造。據透露，騰訊正在測試“微信AI助手”，用戶可通過自然語言調用小程序、視頻號、支付等功能，實現“聊天即服務”。若該產品成功落地，將重構12億用戶的數字生活入口。
其二是在垂直賽道打造差異化優勢。依托閱文集團的海量網文數據，騰訊正研發AI編劇工具，可自動生成符合市場需求的劇本大綱；在醫療領域，其收購的荷蘭AI影像公司Thirona技術已接入騰訊覓影平臺，肺癌篩查準確率達95%。
后記：巨頭博弈進入“深水區”
當前，中國AI產業正從“模型競賽”轉向“應用決戰”。字節跳動憑借豆包大模型構建起涵蓋聊天、創作、硬件的全場景生態；阿里巴巴則通過投資月之暗面等獨角獸，形成“通義系列+生態投資”的雙輪驅動。相比之下，騰訊的“自研+開源”策略顯得保守——其混元大模型雖已開放部分源代碼，但在商業化授權模式上仍未找到平衡點。
“騰訊需要回答一個核心問題：在AI時代，微信生態究竟是護城河還是桎梏？”業內分析師指出，當競爭對手通過獨立APP構建純凈的AI交互場景時，騰訊若過度依賴微信流量，可能陷入“功能疊加”的陷阱。如何將社交關系鏈轉化為AI時代的用戶粘性，將是決定其能否突圍的關鍵。
當全球科技巨頭都在爭奪下一代人機交互入口時，這家曾憑借“連接一切”改變行業的公司，正試圖用技術重構自身的第二增長曲線。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
