姚順雨履新騰訊后首亮相，聚焦模型與產品研發，笑稱回國吃得更香

在北京舉行的AGI-Next前沿峰會上，剛履新騰訊CEO/總裁辦公室首席AI科學家的姚順雨通過連線首度公開露面，分享了他對AI行業發展的最新洞察。作為橫跨中美的行業專家，姚順雨的發言直擊當下大模型發展的核心趨勢——分化與演進。從ToC與ToB賽道的明顯分野，到技術路線的選擇差異，再到下一代自主學習的發展方向，他的觀點為我們勾勒出AI行業未來的清晰藍圖。在模型能力持續突破的今天，這種分化不是分裂，而是行業走向成熟的必然，也預示著AI將以更精準的方式融入生活與工作的方方面面。

賽道分化：ToC與ToB走向截然不同的未來

大模型行業最顯著的變化，莫過于ToC（面向消費者）與ToB（面向企業）賽道的徹底分化。這兩條曾經并行的路線，如今在發展邏輯、用戶需求和商業價值上呈現出鮮明差異。

在ToC領域，大模型的發展遇到了“感知天花板”。姚順雨觀察到一個有趣的現象：現在使用ChatGPT與去年相比，大部分人的感受變化并不強烈。即便模型在解抽象代數、伽羅華理論等專業領域的能力大幅提升，但對普通用戶而言，這些進階功能幾乎用不上。尤其在中國市場，大模型更多被當作“搜索引擎加強版”，用戶往往不知道如何充分激發其強大的智能潛力。這背后的核心邏輯是，普通消費者的日常需求相對簡單，查詢信息、解答常識、輔助寫作等基礎功能已能滿足大部分場景，過度強大的智能反而形成了“能力過?！薄?/p>

ToB市場則呈現出完全相反的景象：智能強度與商業價值直接掛鉤。姚順雨透露，在美國市場，很多專業人士愿意支付200美元/月訂閱最強模型，而非50美元/月的次強模型。原因很簡單，年薪20萬美元的專業人士，每天處理的10個工作任務中，最強模型能精準完成八九個，而次強模型可能只完成五六個。在無法預判哪些任務會出錯的情況下，企業和專業人士寧愿支付溢價，以避免額外的監控成本和糾錯成本。Anthropic旗下的ClaudeCode就是典型案例，它已從單純的編程工具進化為重塑計算機行業的核心力量，讓“用人與電腦對話替代手寫代碼”成為現實，其價值在企業場景中得到了極致體現。

路線分化：垂直整合與分層解耦的戰略抉擇

除了應用場景的分化，大模型行業的技術路線也出現了明顯分歧：垂直整合與模型應用分層兩條路徑各有擁躉，且都展現出獨特的發展活力。

垂直整合路線主張從模型底層到上層應用全鏈路掌控，形成閉環生態。這種模式的優勢在于能快速迭代優化，讓模型與應用場景深度適配，OpenAI的ChatGPTAgent就是典型代表。正如山姆?奧特曼所轉變的觀點，面對顛覆式技術，全鏈路掌控能避免環節脫節，就像iPhone的成功離不開軟硬件的深度整合。對于ToC企業而言，這種模式能更好地把控用戶體驗，快速響應市場需求。

而模型應用分層路線則主張專業分工，模型廠商專注于底層技術研發，應用廠商則聚焦于場景落地和用戶體驗。姚順雨以Claude、Gemini搭配Manus等應用層產品的組合為例，說明這種模式同樣能發揮強大價值。其核心邏輯在于，預訓練模型需要的是海量算力、頂尖算法人才和長期投入，而應用開發需要的是對行業場景的深刻理解和快速迭代能力，兩者的能力要求差異巨大，很難由一家公司同時做到極致。這種分工模式讓模型廠商能集中精力突破技術瓶頸，應用廠商則能精準滿足細分場景需求，形成優勢互補的生態。

對于騰訊這類ToC基因濃厚的企業，姚順雨表示會聚焦于“為用戶提供更多價值”，突破ToC領域的核心瓶頸——場景與上下文。他舉了一個生動的例子：將與家人的聊天記錄轉發給騰訊元寶，就能讓AI提供更具個性化的服務，這種基于場景和上下文的優化，正是ToC大模型的未來方向。而在ToB領域，大公司與創業公司的競爭焦點則在于場景數據的捕捉能力，大公司豐富的內部應用場景，成為其訓練和優化企業級大模型的天然優勢。

未來方向：自主學習引領的漸變式革命

在討論大模型的下一代發展方向時，姚順雨指出，“自主學習”已成為行業共識，但各界對其定義和實現路徑仍有差異。他認為，自主學習并非遙遠的概念，而是已經在不同場景中悄然發生。

姚順雨將自主學習分為多種形態：聊天時的個性化適配是自主學習，編程時熟悉企業獨特文檔和環境是自主學習，甚至AI像博士一樣從零開始探索陌生科學領域，最終成為專家，也是自主學習的一種。ClaudeCode已經能完成自身項目95%的代碼編寫，通過自我迭代持續優化；ChatGPT通過分析用戶數據不斷擬合聊天風格，讓交互體驗越來越好，這些都是自主學習的具體體現。與很多人期待的“突變式革命”不同，姚順雨認為自主學習將以“漸變”的形式推進，目前雖未展現出顛覆性威力，但已在細分場景中持續釋放價值。

關于自主學習的發展信號，姚順雨給出了樂觀判斷：2025年其實已經出現明確信號。比如Cursor的模型每幾個小時就用最新用戶數據迭代，其Composer模型也基于真實環境數據訓練，只是受限于預訓練能力，尚未形成“石破天驚”的效果。他認為，自主學習最大的瓶頸不是方法論，而是想象力——我們需要先清晰構想新范式的應用場景和效果，是打造能賺錢的交易系統，還是解決人類未解的科學難題？只有明確了目標，技術突破才有明確的方向。

當被問及2026-2027年哪家公司最可能誕生新范式時，姚順雨認為OpenAI概率依然最大。盡管商業化進程可能削弱其創新基因，但作為行業先行者，它在技術積累、人才儲備和生態構建上仍具備不可替代的優勢。

結語

姚順雨的發言清晰地表明，大模型行業已告別“一刀切”的同質化競爭時代，進入差異化發展的“分化期”。ToC賽道的核心是突破場景與上下文瓶頸，讓AI更貼近普通用戶的真實需求；ToB賽道的關鍵是持續提升智能強度，用技術優勢轉化為實實在在的生產力和商業價值。而垂直整合與分層解耦的路線選擇，以及自主學習技術的漸變式推進，將共同塑造行業的未來格局。

對于企業而言，認清自身基因和賽道定位，找準技術路線，是在分化時代立足的關鍵；對于用戶而言，這種分化將帶來更精準、更實用的AI產品，讓技術真正融入生活、賦能工作。隨著自主學習等下一代技術的持續演進，大模型的價值將被進一步釋放，我們有理由期待一個更智能、更多元、更具活力的AI新時代。