当下AI正褪去看法热度，，，，，，，大步迈向实打实的工业落地，，，，，，，一众从业者也借着这场盛会，，，，，，，围绕行业落地、手艺刷新睁开深度交流探讨。
。。
。。 腾讯集团高级执行副总裁、云与智慧工业事业群CEO汤道生和腾讯首席AI科学家姚顺雨：关于腾讯AI下半场的深度对谈，，，，，，，已经帮各人梳理完毕： 腾讯慢了吗
？？？？？？？为什么会来腾讯
？？？？？？？现在做大模子没有什么神秘，，，，，，，我们做混元3，，，，，，，对Infra做了许多重修，，，，，，，对数据和Eval也做了很大改变。
。。
。。做大模子没有清晰的公式，，，，，，，是taste-driven的事情。
。。
。。做模子和做产品，，，，，，，目的自然纷歧样，，，，，，，跨团队协作最大的障碍在于能不可建设信任、有没有换位思索的能力。
。。
。。我们派后训练最强的主干实力，，，，，，，优先把元宝的后训练做扎实。
。。
。。维护好元宝的DAU，，，，，，，看上去是产品目的，，，，，，，但对做好模子自己同样主要关于下一代混元的研发重点，，，，，，，会以coding agent为基础能力底座，，，，，，，但有三点差别：1、强调系统的周全化，，，，，，，而非只堆coding数据；；；；；2、产品是要害，，，，，，，要把数据回流用好；；；；；3、要保存想象力，，，，，，，敢做不确定的探索。
。。
。。性价比拆开是两件事——先看性能，，，，，，，再看本钱，，，，，，，而真正的杠杆在于“用小模子把高价值使命做好”。
。。
。。若是一个小模子能比肩大模子的性能，，，，，，，那它带来的价值，，，，，，，在今天的中国，，，，，，，可能远大于大模子在长程使命上的边际刷新。
。。
。。AI上半场——比谁能训模子、刷榜单，，，，，，，已经落幕；；；；；下半场才刚最先，，，，，，，coding agent、多模态、具身智能都才刚爆发。
。。
。。而下半场最主要的，，，，，，，不是跑得多快，，，，，，，而是能不可忠实地面临自己 姚顺雨：我想先诠释一下什么叫”下半场”，，，，，，，由于最近我感受这个词有点被滥用了。
。。
。。这个看法着实是我去年一篇博客里提出来的。
。。
。。意思是：在去年之前，，，，，，，AI已经生长了几十年，，，，，，，更主要的事情是怎么去解决问题、寻找好的要领；；；；；但最近很显着的一点是，，，，，，，要领论已经变得很是成熟，，，，，，，反而是“寻找问题”变得更难题了。
。。
。。 举个例子。
。。
。。已往我们做下围棋，，，，，，，会发明像AlphaGo这样的要领，，，，，，，但它可能只适合下围棋、下棋类；；；；；你为翻译做一个专门的模子，，，，，，，它可能也只能用来翻译，，，，，，，干不了别的。
。。
。。但有了预训练和后训练之后，，，，，，，我们似乎有了一把”万能的锤子”，，，，，，，可以去砸任何钉子——它是一个通用的要领论，，，，，，，能解决种种各样的问题。
。。
。。反而更难题的，，，，，，，是怎么去寻找好的问题来解决。
。。
。。 第二，，，，，，，情形很是主要。
。。
。。没有好的情形，，，，，，，agent就没步伐做种种事情。
。。
。。好比你没有一个点外卖的工具，，，，，，，就没步伐点外卖，，，，，，，许多事情都做不到。
。。
。。 但我以为最主要的可能是context。
。。
。。无论是企业照旧小我私家——就像我上次在活动上说的——context会越来越主要。
。。
。。由于模子越来越善于把一个很是重大的输入酿成一个输出，，，，，，，许多时间你的竞争壁垒，，，，，，，恰恰来自你有没有谁人最原始的输入：你知不知道这小我私家究竟在干什么，，，，，，，知不知道这家企业的种种信息。
。。
。。在这一点上，，，，，，，腾讯有很是强的优势。
。。
。。 我还记得第一次跟你、以及许多总办老板谈天时，，，，，，，第一印象就是各人都很是忠实——那里做得好、那里做得欠好，，，，，，，都讲得很是直白，，，，，，，不会掩饰：我知道那里做得好，，，，，，，也知道那里不知道；；；；；知道这里该怎么做，，，，，，，也认可那里不知道该怎么做。
。。
。。这种坦诚是我的第一印象。
。。
。。 第二，，，，，，，腾讯总体是一家基于 trust（信任）、而不是基于 metrics（指标）去运转的公司，，，，，，，我以为这一点对做 AI 很是主要。
。。
。。包括888集团文化里也有很是 low ego、很是”骚气”的一面。
。。
。。 我以为今天的 AI 主要有三个部分。
。。
。。第一是foundation——怎么把预训练、后训练这种最基础的工具做得很是漂亮。
。。
。。第二是产品——怎么让这样的手艺真正为人和社会爆发价值。
。。
。。第三是frontier——怎么去探索新的研究范式、新的时机。
。。
。。最主要的，，，，，，，是构建一个很是平衡的、像三角形一样的组织。
。。
。。 对foundation来说，，，，，，，最主要的，，，，，，，第一是需要富足的资源，，，，，，，第二是需要准确的做事方法——这跟我刚说的文化那一点是吻合的。
。。
。。对产品来说，，，，，，，有好的产品 sense、有做产品的履历至关主要。
。。
。。第三是frontier，，，，，，，我以为我们今天在中国做的探索可能还不敷多，，，，，，，以是我也希望能把这种 frontier exploration（前沿探索）的精神更多地注入到组织里。
。。
。。 汤道生：你提到跟总办聊的历程中感受到的真诚、务实，，，，，，，这着实也是我常从客户交流中获得的反响。
。。
。。我以为我们做事的方法、做产品的理念，，，，，，，确实是较量实事求是的。
。。
。。事实 AI 这个赛道是一场长跑，，，，，，，有时间”认知”也很主要——哪些做得好、哪些做得欠好，，，，，，，也得认。
。。
。。但要害是，，，，，，，这是一场多维度的竞赛：我们看到模子有许多前进，，，，，，，做产品也有越来越多的形态，，，，，，，差别场景有差别需求。
。。
。。我以为未来照旧非
？？？？？？？善诘。
。。
。。 汤道生：我想问一个各人讨论较量多的问题：许多自媒体都会提到，，，，，，，腾讯在 AI 上没有实时捉住一些时机。
。。
。。你以为我们真的慢了吗
？？？？？？？下半场究竟是什么
？？？？？？？能多说一下吗
？？？？？？？ 第一个判断：AI 是一个短期游戏，，，，，，，照旧恒久游戏
？？？？？？？在硅谷伸张着许多情绪——所有人都要失业了、AI 要取代所有人的事情，，，，，，，以是赶忙赚两年钱然退却休。
。。
。。这是一种判断。
。。
。。 但888集团判断很显然是：这会是一个恒久游戏，，，，，，，并且着实才刚刚最先，，，，，，，下半场才刚最先。
。。
。。我不以为 GPT 和 Claude 会是唯一的 super app，，，，，，，那会是一个非；；；；Ｒ趸薜奶煜。
。。
。。我以为一定会有源源一直的新时机降生，，，，，，，今天可能就像 70 年月 PC 刚泛起的时间，，，，，，，尚有许多好事情要做。
。。
。。 第二个判断：它会是一个更简单、照旧更多元的游戏
？？？？？？？已往几年各人能看到的是 pre-training、post-training、RL、agent、coding agent，，，，，，，似乎有一条很是清晰的主线，，，，，，，坦率说所有人都在做一样的事，，，，，，，这也是件很阴晦的事。
。。
。。未来究竟会更简单照旧更多元
？？？？？？？ 我小我私家以为会更多元。
。。
。。coding agent 的生产力毫无疑问会越来越主要，，，，，，，并且它才刚刚最先，，，，，，，这个天下尚有 trillions of dollars 的市场没被填满；；；；；但多模态、具身智能，，，，，，，尚有许多许多新事情正在或刚刚爆发。
。。
。。以是从这个角度看，，，，，，，若是我们以为下半场才刚最先，，，，，，，那可能确实不算晚。
。。
。。 虽然，，，，，，，已往模子、产品做了许多探索，，，，，，，走了许多弯路，，，，，，，我以为这很正常——没做过一件事，，，，，，，第一次做肯定会有曲折。
。。
。。但可能更主要的是：能不可忠实地面临自己，，，，，，，能不可 be real，，，，，，，能不可看到 feedback 然后去改变，，，，，，，能不可坚持耐心。
。。
。。我以为这些事情，，，，，，，在下半场会越发主要。
。。
。。 汤道生：各人对腾讯经常喜欢挑某一个点来品评，，，，，，，我们也接待各人提更高的要求。
。。
。。腾讯有很是多的业态、许多产品在许多赛道，，，，，，，同时许多团队在推进差别项目。
。。
。。在这样一个重大的组织里，，，，，，，有些地方可能做得快了，，，，，，，有些地方做得慢了，，，，，，，有些地方可能在探索中失败。
。。
。。 腾讯有很是富厚的场景。
。。
。。就像你一最先提到的，，，，，，，选择腾讯是由于 AI 需要 context，，，，，，，模子需要许多上下文，，，，，，，而腾讯多年来在差别赛道、差别产品上的积累，，，，，，，都可以针对每一个场景为模子提供有用的信息、提供 context、施展价值。
。。
。。 在这场长跑里，，，，，，，我相信模子会一直迭代，，，，，，，用户需求也在一直转变，，，，，，，还会有新的产品形态泛起。
。。
。。好比今年头那一波（视频天生
？？？？？？？）热潮我们反应也较量快；；；；；同时也有 Workbody 这样的智能体产品——着实是几年前就最先做的产品，，，，，，，沿着原来 coding 的积累逐步看到很强的需求，，，，，，，我们也能较量快地去应对。
。。
。。 今天也听到许多客户对我们差别产品怎么组合起来有很高的期待。
。。
。。以是我们正在长跑中，，，，，，，也请列位多给我们提醒和建议，，，，，，，多用888集团产品，，，，，，，给我们正向的、constructive 的反响。
。。
。。 姚顺雨：在一个多产品的系统化的地方，，，，，，，着实会有一个较量大的优势。
。。
。。好比我们用混元 3 可以让模子在元宝里爆发很强的谈天和搜索能力，，，，，，，但这种能力又可以被迁徙到 IM 或者 Workbody 这样的其他产品上。
。。
。。 这些产品能够提供差别的数据，，，，，，，而这些数据之间又可以相互泛化，，，，，，，形成一个像网络一样的系统。
。。
。。我以为这一点的价值会越来越主要。
。。
。。 姚顺雨：首先这些 benchmark 照旧有它的价值的，，，，，，，不是说完全没价值，，，，，，，只是现在这些榜很是容易 saturate（饱和）。
。。
。。而基于真实天下的数据有几个资助： 第一，，，，，，，你能发明模子的许多底线问题。
。。
。。我们想发一个 pre-preview 模子，，，，，，，最主要的目的之一就是希望获得真实天下的反。
。。
。。，，，，，，去修复种种榜单里没法发明的底线问题——这一点会在正式版上有很是大的刷新。
。。
。。 第二，，，，，，，你对真实的 prompt distribution（提醒词漫衍）会有更深的相识。
。。
。。举个例子，，，，，，，benchmark 上的问题往往很是准确，，，，，，，有很长的 concrete description，，，，，，，并且一样平常是单轮问题；；；；；但现实里公共问的问题通常较量模糊，，，，，，，可能就一两句话，，，，，，，然后一直追问。
。。
。。这些 setup 上的差别，，，，，，，就能启发我们怎么去更好地做训练。
。。
。。 第三，，，，，，，我们甚至可以从这些产品上获得灵感，，，，，，，去推进现在还没有的榜单、没有的领域。
。。
。。好比我们最近做了许多 coding 能力的事情，，，，，，，元宝给888集团启发就很有资助。
。。
。。以是我以为产品和模子的相互成绩，，，，，，，是越来越主要的一个 AI 话题。
。。
。。 汤道生：对，，，，，，，我记得早期做元宝的时间还遇到过多轮遵照的问题。
。。
。。在产品里用户迭代 prompt 的方法，，，，，，，跟 benchmark 似乎有蛮大的差别，，，，，，，真正在产品里所需要的能力，，，，，，，确实跟 benchmark 不太一样。
。。
。。你问了我这么多问题，，，，，，，我也问你一点。
。。
。。 姚顺雨：再到 QQ、到音乐、到语音，，，，，，，再到现在的元宝、IMA。
。。
。。跟你谈天很有意思，，，，，，，由于你做过种种各样的产品，，，，，，，To C 的也有、To B 的也有，，，，，，，远古时代的也有、AI 时代的也有。
。。
。。 汤道生：我以为做产品最终照旧奔着”用户究竟有什么需求、我怎么去解决他的痛点、怎么给用户或客户创立价值”。
。。
。。这一点在差别的时代、差别的行业都建设——产品能给用户带来价值，，，，，，，他才会买单、才会使用。
。。
。。 以是从 PC 互联网时代做空间，，，，，，，到移动时代做种种内容产品，，，，，，，再到云互联网做云，，，，，，，我们都要花许多时间去听客户的声音、帮他们解决问题，，，，，，，底层逻辑着实没有那么大的转变。
。。
。。 首先从范式上看，，，，，，，在 AI 之前，，，，，，，我们做产品许多时间是通过”功效”来知足需求：作为效劳提供方，，，，，，，你想清晰要提供什么能力，，，，，，，让用户通过界面、菜单去。
。。
。。，，，，，，能力是预置好的，，，，，，，用户只能在内里点。
。。
。。 但 AI 时代那种开放式的效劳形态就带来很纷歧样的要求——交互方法可能是自然语言、是语音，，，，，，，作为产品方你也不知道用户会问什么，，，，，，，以是要充分使用模子能力去明确用户需求，，，，，，，再通过大模子的逻辑推理、挪用工具的能力，，，，，，，由产品给模子提供种种可用的工具，，，，，，，去应对这种开放式需求。
。。
。。这跟我们已往做产品很纷歧样。
。。
。。 还包括你刚提到的 specification（规格）。
。。
。。已往对产品细节功效有很清晰的形貌，，，，，，，怎么设计、研发、测试，，，，，，，那套瀑布式流程也较量清晰。
。。
。。但做 AI 产品，，，，，，，我发明最大的转变是整个流程可能都要重新设计。
。。
。。 测试也要”左移”、更前置地去想清晰针对种种 case 的 eval（评估）——要有情形，，，，，，，要对开放式谜底有要求，，，，，，，甚至包括 alignment（对齐），，，，，，，怎么对齐到用户所需要的那种气概。
。。
。。我感受今天 AI 时代做产品，，，，，，，要求的能力着实更周全了。
。。
。。 姚顺雨：着实没什么神秘。
。。
。。今天做大模子是一件较量”苦”的事情——我们应该把 infrastructure 做好、把数据做好，，，，，，，算法的部分反而是较量简朴的。
。。
。。主要有几个点： 第二，，，，，，，我们在数据和评估上做了许多大的改变：怎样界说更真实的问题，，，，，，，怎样富厚数据的 taxonomy（分类法），，，，，，，怎样提高数据质量——这是一个永无止境的追求。
。。
。。 第三，，，，，，，我以为很主要的是，，，，，，，许多决议着实没有清晰的公式。
。。
。。包括怎么招人、怎么设立模子的节奏，，，，，，，天天都有许多 decision 要思量许多 tradeoff，，，，，，，可能更是一件由 taste（审美品味）驱动的事情。
。。
。。 姚顺雨：我挺好奇想问你一个问题。
。。
。。你刚刚跟我讨论 codesign 这个看法，，，，，，，我也很好奇你是怎么想的——你以为哪些事情应该是模子做的，，，，，，，哪些应该是产品做的
？？？？？？？ 汤道生：我以为 codesign 在差别阶段一直在转变，，，，，，，这种转变某种水平上是随着模子能力的升级而转变的，，，，，，，虽然行业、市场、用户需求的转变也会带来模子和产品双方都需要更好去知足。
。。
。。给我较量深的一个感受是”怎么去对齐”。
。。
。。 我们一起做产品、做 alignment 的时间，，，，，，，有许多差别的角色：产品要针对某个偏向解决问题，，，，，，，模子究竟怎么知足这个需求
？？？？？？？同时模子需要数据，，，，，，，数据应该怎么标注、标到什么颗粒度，，，，，，，什么是好的标注、什么是欠好的标注（有些地方要奖励，，，，，，，有些地方要处分），，，，，，，尚有评测——若是产品以为好的体验，，，，，，，评测并不认同，，，，，，，那各人做出来的工具就会纷歧致。
。。
。。 以是 codesign 给我的感受更多是：项目组里差别角色一起加入产品设计、界说产品的目的偏向，，，，，，，让多个角色对一些开放式问题有较量好的对齐。
。。
。。若是没做到这种对齐，，，，，，，你会发明产品的行为不可展望、甚至有随机性，，，，，，，由于训练历程可能也被混淆了。
。。
。。这是我这两年跟模子团队做 codesign 一个较量深的感受。
。。
。。 姚顺雨：对。
。。
。。我以为最难的一点就是要建设 trust（信任），，，，，，，并且同理心很主要。
。。
。。由于说究竟，，，，，，，做模子的目的和做产品的目的，，，，，，，有许多 align 的部分，，，，，，，也有许多不 align 的部分——做模子的人希望能力越强越好，，，，，，，做产品的人希望用户需求知足得越好，，，，，，，自然有许多冲突。
。。
。。以是很主要的一点，，，，，，，是要有换位思索的能力。
。。
。。 着实你刚问我们是怎么一步步做到混元 3 的，，，，，，，有一个很主要的细节：我们其时派了后训练最强的主干实力去帮元宝，，，，，，，先把基于 DeepSeek 的那一版后训练做好。
。。
。。 由于那时间我们自己的预训练还没 ready，，，，，，，但我们知道，，，，，，，维护好这样的产品和它的 DAU，，，，，，，对我们接下来做模子会变得很是主要，，，，，，，对恒久相助也很是主要。
。。
。。其时许多算法同砚不明确，，，，，，，我需要很起劲地去诠释。
。。
。。 但现在看，，，，，，，这些起劲都 payoff（有回报）了——这个行动让产品方意识到，，，，，，，做模子的同砚是真的在为产品着想。
。。
。。这对我们之后的相助、包括混元 3 在元宝上乐成上线，，，，，，，都起了很是主要的作用。
。。
。。虽然有许多手艺部分可以探讨，，，，，，，但我以为最难的部分反而是怎么建设信任、怎么换位思索。
。。
。。 姚顺雨：那天我还挺叹息的，，，，，，，由于我重新读了自己的博士论文，，，，，，，感受回到了一个很”远古”的时代。
。。
。。我博士论文的问题叫《Language Agent: from next token prediction to digital automation》（语言智能体：从下一词展望到数字自动化）。
。。
。。 姚顺雨：那时间 literally 就是 GPT-2 的时代，，，，，，，它其时只能做 next token prediction，，，，，，，爆发的一段话还不太一连、有许多毛刺，，，，，，，以是人们很难想象它有一天会成为改变天下的实力。
。。
。。 其时各人做的研究稍微有点想象力的，，，，，，，好比输入”中国的首都”，，，，，，，做 next token prediction 它会回覆”北京”——能做到这点各人就已经很开心了，，，，，，，以为这是个很有意思的基础。
。。
。。 我博士时代主要做两部分。
。。
。。第一部分是建设一套 agent 的要领论：怎样把一个 next token prediction 的机械酿成一个 agent、酿成一台自动化的机械。
。。
。。最主要的一篇事情就是 ReAct。
。。
。。 我还记得 2022 年 7 月某天晚上，，，，，，，我第一次把其时的语言模子 API 和我自己手写的一个 Wikipedia API 接在一起，，，，，，，它第一次能基于网页回覆问题、并且做多轮交互。
。。
。。那一刻就像微弱的灯丝突然亮起来一样。
。。
。。 据我所知，，，，，，，这可能是人类第一次把 LLM 和真正的互联网连在一起、并做多轮交互。
。。
。。我其时的感受是：OK，，，，，，，这件事可能在五年或十年内会改变天下——但厥后爆发得比我想的还要快。
。。
。。 我记得其时就以为，，，，，，，若是这件事能做成，，，，，，，那它显然会带来重大的价值。
。。
。。其时想的可能是几百亿、上千亿，，，，，，，现在看可能是数万亿、数十万亿，，，，，，，我想的照旧太小了。
。。
。。 另一部分事情是怎么去界说 digital automation 的使命。
。。
。。好比 WebShop 是第一个互联网 web agent 的 task，，，，，，，InterCode 是最早的 coding agent 使命。
。。
。。现在看，，，，，，，agent 手艺最主要的两个部分，，，，，，，可能确实就是 web agent 和 coding agent。
。。
。。 那天我还在群里跟各人聊，，，，，，，我看我博士论文最后在 2024 年写的 future work：第一是 train models for agent（为智能体训练模子），，，，，，，第二是 safe and robust deployment（清静且稳健的安排），，，，，，，第三是 scientific discovery（科学发明），，，，，，，第四是怎么去 help human（资助人类）。
。。
。。 汤道生：我再转一点。
。。
。。今天各人都说智能体需要消耗许多 token，，，，，，，那对混元做下一代模子的研发，，，，，，，你以为着重点是什么
？？？？？？？哪些地方较量主要
？？？？？？？ 我小我私家以为 coding 很是实质，，，，，，，缘故原由许多，，，，，，，但尚有一个很主要的缘故原由：它有点像图灵完整——当你能控制自己的 file system、有一个 container 的时间，，，，，，，你着实就是一个 complete 的 system。
。。
。。 第一，，，，，，，纵然今天 coding 是最主要的事，，，，，，，我们照旧会强调”系统的周全化”。
。。
。。我始终以为，，，，，，，真正要把 coding 做好，，，，，，，需要的远不止 coding 的数据，，，，，，，你还需要谈天、instruction following（指令遵照）、推理等种种各样的能力——由于大模子最主要的一点是泛化性。
。。
。。 第二，，，，，，，产品的作用越来越主要。
。。
。。怎样使用好线上的数据回流，，，，，，，是每一个模子厂商都在思索和应对的问题，，，，，，，这里我们前面说的许多 codesign 履历会变得很是主要。
。。
。。 第三，，，，，，，照旧需要更多想象力。
。。
。。无论是手艺的演进、产品的演进，，，，，，，照旧下一个范式的演进，，，，，，，我们都还需要做一些探索性的、甚至带不确定性的事情。
。。
。。 汤道生：对，，，，，，，从产品侧看，，，，，，，各人越来越多有”token 焦虑”的声音，，，，，，，token 本钱在一连增添。
。。
。。我也听到许多客户、甚至身边的同事，，，，，，，都在紧盯积分或 token 的消耗。
。。
。。 那怎么能让模子在解决某个问题、完成某个使命时 token 效率最高
？？？？？？？我之前做过一些使命，，，，，，，模子可能会实验差别偏向，，，，，，，有些偏向着实明知道走不下去，，，，，，，但它照旧会试，，，，，，，试完才知道走欠亨再换下一个。
。。
。。这内里有什么可以 optimize 的地方，，，，，，，让 token 使用效率更高
？？？？？？？ 姚顺雨：今天在中国各人讨论性价比，，，，，，，可能更多在讨论模子架构，，，，，，，但它着实是个很重大的系统。
。。
。。我以为最主要的首先是 performance（性能）。
。。
。。许多人跟我说，，，，，，，他们最后发明用 Opus 这样的模子，，，，，，，反而比用更差的模子更省钱——由于更快就把事情做对了，，，，，，，也省了人的精神。
。。
。。以是性能着实才是性价比最要害的事情。
。。
。。 尤其是今年，，，，，，，许多简朴使命的 robustness（稳固性）会变得更主要：怎样一次就把相对简朴的使命做对，，，，，，，这可能是性价比更要害的部分，，，，，，，而不但仅是模子架构。
。。
。。 第二部分是本钱，，，，，，，本钱自己就是性价比的一部分。
。。
。。我以为第一是”性”——性能欠好，，，，，，，性价比就无从谈起；；；；；第二才是本钱。
。。
。。在本钱上，，，，，，，中国着实是领先于天下的，，，，，，，我们做了大宗事情去优化本钱。
。。
。。 但我以为本钱这件事最主要的，，，，，，，可能是”怎么用一个更小的模子，，，，，，，把更高价值的使命做好”。
。。
。。这里有许多事要做，，，，，，，包括架构立异、长文本治理、压缩等等。
。。
。。 但我小我私家的看法是：若是我们能做一个相对较小的模子，，，，，，，它的性能却能比肩甚至凌驾大模子，，，，，，，并且能在大部分使命上做到很强的 robustness——这可能比在许多很是长程、很 fancy 的使命上实现一两个点的提升，，，，，，，在今天的中国更有价值。
。。
。。 姚顺雨：我也挺好奇，，，，，，，Dowson（汤道生），，，，，，，你是什么时间意识到 agent 是一个新的产品时机的
？？？？？？？你现在的认知是什么
？？？？？？？你以为我们现在离一个好用的 agent，，，，，，，瓶颈在那里
？？？？？？？ 汤道生：我们针对差别场景做的 agent，，，，，，，着实有差别的产品形态。
。。
。。在 agent 的设计上，，，，，，，很洪流平是只管去施展好模子的能力。
。。
。。模子能力越强，，，，，，，应用需要做的事情可能越少。
。。
。。 已往这段时间我看到我们好几个产品，，，，，，，随着模子能力增强，，，，，，，反而把 agent 做得更简化了——更多是给模子提供更多差别的工具、创立更多 skills，，，，，，，让模子更高效地完成使命；；；；；同时提供更多”影象”，，，，，，，把用户已往的使用习惯、能提取出的 preference 信息，，，，，，，作为上下文 feed 给模子。
。。
。。 在 coding 情形里给模子相关的 context，，，，，，，在 Workbody 这种办公协作、PPT 场景里，，，，，，，需要关注和给到模子的 context 又纷歧样。
。。
。。以是做差别的 agent，，，，，，，更主要的照旧相识谁人场景下什么内容、什么信息是主要且 relevant 的，，，，，，，能跟模子配合好，，，，，，，让模子既有它需要的信息，，，，，，，又能施展它的能力。
。。
。。 姚顺雨：最近我们确实推出了像 Workbody 这样口碑很不错的产品，，，，，，，背后是许多小团队在快速迭代。
。。
。。我挺好奇，，，，，，，相关于古板的产品研发，，，，，，，你以为在 agent 时代，，，，，，，产品团队的研发和组织治剃头生了什么转变
？？？？？？？ 汤道生：前一阵子我去 Workbody 团队做了一次组织走访，，，，，，，看到他们很是扁平化的组织，，，，，，，跟我们已往其他产品的组织架构有很大差别——更多是三五小我私家的小团队，，，，，，，围绕某一个领域去做攻关，，，，，，，并且有许多实验。
。。
。。以是要支持好底层的 AI Infra 去做实验，，，，，，，让这些小分队能去探索、再验证。
。。
。。 由于大部分实验可能拿不到正向反。
。。
。。，，，，，，我们也要容纳团队去试错，，，，，，，通过大宗实验提炼出对用户流程、对我们想要的效果有正向资助的工具。
。。
。。这是今天做 agent、做原生 AI 产品，，，，，，，组织形态要能较量好支持的地方。
。。
。。 另外，，，，，，，原来许多工程师花大宗时间在写代码上，，，，，，，今天这些事情毫无疑问可以交给 AI 了，，，，，，，以是我们会看到更多角色的融合：各人可能都是产品司理，，，，，，，都要透彻相识用户需求、设计出想要的产品形态；；；；； 每个工程师更像一个有想法的 leader，，，，，，，驱动多个 coding agent 去针对产品需求做研发。
。。
。。同时也要像我说的把评测前置，，，，，，，用好 AI 的能力，，，，，，，把质量包管、alignment 的事情做到前面来。
。。
。。