鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

姚顺雨要帮腾讯“颠覆”微信?

编程导航
编程导航
2025-12-26 12:30
阅读 161
编程导航
2025-12-26 12:30
阅读 161

2025年的最后一个月,一则消息在科技圈引起了不小的震动——27岁的OpenAI前研究员姚顺雨正式出任腾讯"CEO/总裁办公室"首席AI科学家,同时兼任新成立的AI Infra部负责人。

这不仅是一位顶尖AI人才的回归,更是腾讯AI战略的重大转向信号。

作为OpenAI前研究员,姚顺雨为智能体方向的发展做出了突出贡献。他提出了ReAct 方法,并首次引入"推理一行动"结合的智能体范式,这一思路不但增强了模型的可控性,也极大拓展了其在各类实际领域中的适用能力。

这样的顶尖人才加入,意味着腾讯这次真的想好好做大模型了。

在这个节点上审视腾讯的AI布局,会发现一个有趣的时间悖论:身为BAT三巨头之一,腾讯直到2025年末才真正开始认真布局大模型,这与其他互联网巨头的节奏,形成了鲜明对比。

据IDC 2025年Q3数据显示,中国大模型市场份额中,百度文心占31%、阿里通义24%、字节估算18%,腾讯混元未跻身前三。百度在2025年11月的百度世界大会上正式发布文心大模型5.0,以2.4万亿参数规模开创全球首个原生全模态大模型;而字节跳动旗下的豆包大模型更是增速惊人,截至2025年12月,其日均token使用量已突破50万亿,位居全球第三、中国第一。

当然,不同统计口径得出的结论并不相同,但不可否认的是,混元大模型的份额,确实与腾讯在互联网的地位是不匹配的。除了要抹平数据上的差距外,还有一件意外的动因,潜在地加速了腾讯的AI布局。

01

腾讯为何现在才认真做大模型?

腾讯礼聘姚顺雨当然并非一朝一夕的事,招揽这一层级的顶尖人才,应该很早就接触,并经过多轮面谈,双方在待遇、级别乃至发展方向都达成了共识才行。

但在姚顺雨入职腾讯前,有一个事件特别值得关注——豆包手机助手的问世。12月初,字节跳动与中兴合作的豆包手机因AI代理功能引发行业地震,这款手机能够跨应用自动操作,实现端到端的服务闭环。更重要的是,它使用了安卓系统中的INJECT_EVENTS高危权限,可以模拟用户操作,实现真正的"手机自己干活"。

这一创新对微信构成了潜在挑战。豆包助手可以通过AI代理完成跨应用服务,从点外卖到预订酒店,无需用户在多个App间跳转。这种端到端的用户体验,对微信这种封闭生态构成了实质性冲击。

面对这样的冲击,腾讯终于坐不住了。12月17日,腾讯宣布升级大模型研发架构,新成立AI Infra部、AI Data部和数据计算平台部,全面强化其大模型的研发体系。

实际上,腾讯过去的AI战略有“重应用轻基础”的嫌疑。长期以来,腾讯AI聚焦应用层优化——广告算法、游戏AI、内容审核等,这些大体上是对应用层的投入,似乎缺乏对大模型作为”新操作系统内核”的重视,或者说从外界的感知来看,其重视程度是不足的。

腾讯早期的AI负责人多是工程或管理背景,以技术工程事业群总裁卢山、副总裁蒋杰为代表的团队,长期以来在广告算法优化和业务落地方面表现出色,但在前沿大模型研究方面,相对缺乏具有深度学术背景的顶尖人才。

此外,大语言模型部副总经理王迪,虽在大模型工程化方面有丰富经验,但同样缺乏在基础研究层面的突破性贡献。

这种战略错位在技术竞争中已经显现。尽管腾讯在2025年发布了混元2.0,采用406B参数的混合专家架构,在推理能力上有所提升,但在全球大模型竞技场LMArena的排名中,混元模型长期不在第一梯队。直到2025年10月,混元视觉模型才跻身全球前三、国内第一的位置,这已经是相对较晚的突破了。

在C端应用方面,根据QuestMobile数据,截至2025年3月初,腾讯元宝日活用户约为200-300万水平,而同期豆包日活已接近3000万。截至2025年8月,腾讯元宝月活用户规模约275万,在综合类AI原生APP中排名第八。

或许一系列的变化,加速了姚顺雨的加入,这也标志着腾讯开始更重视基础研究层面的突破。作为OpenAI首批智能体产品Operator 与Deep Research 的核心贡献者,他不仅带来技术能力,更重要的是带来了对AI发展方向的深刻理解——这正是腾讯过去缺乏的"顶层研究领袖"。

02

姚顺雨为何可能改变腾讯?

要理解姚顺雨对腾讯的意义,首先需要深入了解他的学术与工程背景。姚顺雨的经历堪称传奇——1998年出生于安徽合肥,2015年以704分的高考成绩考入清华大学计算机系姚班,成为当年安徽省的探花。

2019年本科毕业后,姚顺雨直接进入普林斯顿大学攻读计算机科学博士学位,师从知名学者Karthik Narasimhan教授。在这里,他开始专攻自然语言处理与强化学习,并提出了一个具有里程碑意义的概念——"Language Agents"。

其博士研究聚焦于解决一个核心问题:如何让AI像人一样边思考边行动。他在2020年提出的ReAct(Reasoning+Acting)框架,紧接着在2022年提出了思维树(Tree of Thoughts,ToT)方法,这是对大模型推理能力的进一步突破。

在ReAct和ToT出现之前,大多数AI(包括早期Agent)的"思考"其实是单线程、不能回头、不能试错的。例如:

用户问:"怎么快速从北京去上海?"

普通AI往往会这么操作:

"第一步:打开12306;第二步:查高铁票;第三步:买票……"

这就像一个人闭着眼睛按攻略走路,从不调整方向,走到死胡同就卡住,很多公司说的"Agent会思考",其实只是把普通思维链包装成多步指令(比如"先查天气,再查餐厅"),但一旦中间出错,就彻底失败。

而ReAct和ToT的AI,具备"韧性"和"灵活性"——这才是姚顺雨工作的真正价值。

在ReAct框架中,AI不再是"闭门思考"然后"执行行动",而是像人类一样,将推理与行动结合在一起,每一步推理都伴随着行动与验证。

同样地,ToT允许AI在解决复杂问题时探索多条推理路径,每条路径都是一个"思维分支",AI可以在这些分支间比较、评估和回溯。这不仅提高了AI解决复杂问题的能力,更重要的是为AI的"深度思考"提供了机制基础。

根据Google Scholar统计,ReAct和思维树的引用次数已超过4000次,姚顺雨的个人总引用次数超过1.5万次。更重要的是,这些方法成为了后续AI Agent研究的重要基石。

2024年博士毕业后,姚顺雨加入OpenAI,成为研究科学家。在那里,他深度参与了智能体产品Operator与Deep Research的开发。这两个项目是OpenAI在Agent方面,真正面向实际应用的产品化尝试。

这两个项目,让姚顺雨得以真正践行了能自主探索、验证、规划、协作的AI代理——在他来看,这才是下一代AI的真正形态。

在OpenAI期间,姚顺雨还在2025年4月发布了一篇重要的博文《AI的下半场》,提出了他对AI发展的深刻见解。他指出:"上半场的AI主要关注解决问题的方法炫技,而下半场的AI将专注于定义真正有价值的问题。"

姚顺雨认为,AI的下半场将是从"技术竞赛"转向"应用落地"的关键时期,Agent如何嵌入人类生活、工作与关系网络将成为核心议题——而这正是腾讯这种身为"基础设施"的巨头想要的。

03

找到"打败微信的那个东西"

说到底,腾讯不缺工程能力,也不缺商业化经验,更不缺钱,但却缺乏对AI发展中最重要的基座能力——大模型的掌控力。

姚顺雨不仅带来了技术方法论,更重要的是,是带来了对"未来大模型该是怎样的"这一关键问题的回答。

尽管腾讯作为"国民基础设施"企业,业务版图已经遍布各个领域——社交、游戏、支付、云计算等,但实际上,腾讯一直缺乏比较强力的大模型能够从最底层将生态中的各个版图彻底打通。

混元模型虽然在2025年发布了2.0版本,参数规模达到406B,支持256K上下文窗口,但在应用层面,其使用量远低于预期。这反映了腾讯在大模型商业化应用上的滞后。

更关键的是,在姚顺雨看来,微信面临着被"很不一样的东西"颠覆的风险。2025年9月,在一次深度访谈中,姚顺雨提到:"真正的危险,不是说一个类似于微信的东西打败了微信,而是一个很不一样的东西打败了微信。"

这个"很不一样的东西",很可能正是一种具备复杂推理、长期记忆、多目标权衡能力的AI Agent。

为什么微信是“Agent革命”的最佳试验场?

因为微信不是单纯的聊天工具,而是中国用户完成2C、2B及混合场景的核心平台——从订餐转账到办公社群,从小程序服务到社交互动。

这些场景看似简单,但组合起来构成了极复杂的意图网络。用户发一条消息,可能意味着外卖订餐需求、工作协作请求、社交互动、或者情绪表达。Agent需要具备跨上下文理解能力、风险与偏好权衡能力、关系动态维护能力。

2025年第三季度财报电话会上,腾讯总裁刘炽平首次系统披露微信AI化战略蓝图,明确表示"微信最终会推出一个AI智能体",让用户在微信生态内即可完成各类事务。

这句话看似轻描描写,实则信息量巨大——它意味着微信将从"被动响应消息"的工具,进化为主动编织服务与关系的"意图操作系统"。

姚顺雨的目标不是让AI帮用户自动点外卖,而是构建一个能够理解用户深层意图,并在微信生态中无缝执行复杂任务的智能系统。这包括:理解对话中的隐含需求,预测用户的长期偏好,协调多维度权衡(价格、速度、服务质量),以及维护社交关系的动态平衡(自动回复但不显得生硬)。

从"消息链"到"意图链"的转变,或许正是将来“微信新革命”的核心。

传统的聊天工具处理的是"文本消息",而意图操作系统处理的是"用户意图"。前者是被动响应,后者是主动理解。这种转变需要Agent具备复杂推理能力——不仅理解"用户说什么",更要理解"用户真正想要什么",以及"如何以最优方式满足这个需求"。

04

结语

站在2025年末这个节点回望全年,各类Agent所展现出的自动点外卖、比价功能,确实让行业眼前一亮。但客观而言,这些功能目前仍停留在相对初级的"杂活"层面——它们展示的是AI能够跨应用操作的能力,但尚未触及更复杂的认知与决策场景。

随着Agent技术的持续演进,用户的需求场景也会越来越复杂,Agent之间的技术差距才会真正显现。谁能在复杂推理、多目标权衡、长期记忆等方面建立优势,谁才能在下一代AI竞争中占据制高点。

姚顺雨这样的顶尖人才加入腾讯,显然不是为了做"只会点外卖"的Agent。杀鸡用牛刀,非不能也,乃不为也。

他和团队要寻找的,是那个真正能够”颠覆微信"的东西——或许,那是一个全新的交互范式,一种重新定义人与服务、人与信息关系的方式。在AI进入下半场的关键时刻,这种探索的价值,远比任何单点功能的突破更加深远。

这也是腾讯眼下最紧迫、最想要的东西。(林书)

原文链接: 姚顺雨要帮腾讯“颠覆”微信?
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手