“过去一年，我们看到数字经济在不断发展。一年来，我们通过持续聚焦自研，推动被集成，业务更加健康可持续：与伙伴共同服务的客户数，超过200万家；订单过百万的伙伴数量，实现了两位数的增长；很多SaaS伙伴收入增加了1倍多；国际业务增速也在两位数以上”。

　　9月5日，在2024 腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生披露了腾讯云过去一年的成绩。同时汤道生还提到，多个行业出现了“内卷式竞争”，不惜亏损也要打价格战，同时新技术的迭代也加剧了焦虑，企业都担心在行业技术升级浪潮中掉队，结果可能被用户抛弃、被市场淘汰。但指望大模型给一般企业在短期内带来巨大变化看来并不现实，用人工智能在已有业务场景中降本增效、提高经营效率，从量变到质变来加强市场竞争力，应该是更脚踏实地、行稳致远的可靠路径。

　　在大会上，腾讯云还发布了 AI infra品牌“腾讯云智算”，提升企业部署大模型应用的效率，从机器上架到开始训练可以做到只需1天；同时还推出了RAG解决方案，支持企业用多种技术“量身定制”AI大模型应用，进一步拓展了AI应用的灵活性和适用范围。

　　对于目前杀手级AI应用仍未出现的情况，汤道生对南都记者表示，目前各家厂商对杀手级应用的探索目前仍在早期，仍有较大探索空间。

　　降价一半对标GPT-4o，腾讯混元再升级

　　“从经济大环境来看，挑战确实不少。一些行业因为前几年的过度投资，导致出现供求失衡，大家为了保住销售规模与市场份额，出现了‘内卷式竞争’。新技术快速迭代和应用，也在一定程度上加剧了大家的焦虑。因此，企业也必须积极投入研发与创新，确保抓住下一个机会的入场券。”9月5日，在2024腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生提到。

　　大模型行业今年以来的价格战尤为激烈，在各家大模型技术快速迭代的同时，所谓“内卷式竞争”不时出现。9月5日，腾讯宣布推出新一代大模型“混元Turbo”，相比前代模型，腾讯混元Turbo性能显著提升，训练效率提升108%，推理效率提升 100%，推理成本降低 50%，效果在多个基准测试上对标GPT-4o，且第三方测评居国内第一。

　　腾讯方面透露，混元Turbo已经在腾讯云上线，输入和输出价格只有前代模型的一半。企业和开发者可以通过API、专属模型、精调模型等方式使用混元大模型相关能力。

　　据介绍，腾讯已经构建起了全链路的大模型产品矩阵，包括底层基础设施、帮助企业训练专属模型的TI平台和行业大模型解决方案，自研的混元大模型，构建应用的平台工具，以及基于大模型的各类智能应用。目前，腾讯已经有700多款产品接入混元大模型，包含腾讯元宝、腾讯云、QQ、微信读书、腾讯新闻、腾讯客服等。此前，腾讯旗下协作 SaaS（软件即服务）产品已全面接入腾讯混元大模型。

　　会上，腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声还表示，大模型已经在全球发展了两年，目前呈现出两种趋势，一是模型性能不断提升，围绕着模型的产品使用门槛变得更低、更加易用；二是企业积极探索大模型与自身业务场景的结合，大模型的落地场景变得更丰富、更纵深。

　　吴运声介绍，基于全矩阵的大模型产品，腾讯已经服务了众多客户，在知识管理、智能客服、研发提效、智能营销、内容生成、办公协同、风险管控等场景中，帮助企业实现了降本增效和业务创新。

　　加码AI基建，提高企业算力应用效率

　　在腾讯全球数字生态大会上，腾讯云还正式发布AI infra品牌“腾讯云智算”。作为一个高性能智算底座，腾讯云智算整合了腾讯云高性能计算HCC、高性能云存储、向量数据库、智算套件等优势产品，能够为AI创新输出性能领先、多芯兼容、灵活部署的智算产品能力。

　　何为AI infra？AI Infra是一套包括构建、部署和维护人工智能系统所需的硬件、软件和服务的组合，概念类似于过往的paas，能处理数据准备、模型构建、模型产品三个层面的问题。

　　在大模型时代，企业存在着大模型应用对高性能计算和存储的迫切需求。在这其中，做模型基础设施的厂商提供的价值就在于，为开发者提高算力应用效率，降低大模型的部署成本、提高部署效率，抓住AI时代的发展机遇。

　　在这方面，腾讯集团副总裁、云与智慧产业事业群COO兼腾讯云总裁邱跃鹏透露，目前通过整合软硬件技术能力，腾讯云智算集群从机器上架到开始训练可以做到只需1天，相比业界以月为单位也大为缩短。

　　“比如，大部分公司搭建集群，从上架到开始训练，是以月为单位，我们把这个流程优化到1天。去年集群搭建后，第二天就开始做腾讯混元的训练任务。在业界非常关注的性能上，腾讯云智算的集群，千卡单日故障数只有0.16，是meta的1/3；在数据读写效率方面，1分钟就能完成万卡checkpoint写入，是业界的10倍；千卡集群的通信时间占比，也降低到6%，是业界一半。”邱跃鹏提到。

　　除了部署效率与成本，企业经常头疼的问题还有模型能力怎样与应用场景更好结合。业界的解决方法是做RAG（结合检索与生成能力的人工智能技术）来提升落地效果。腾讯云也发布了RAG解决方案，以两种解法来提供RAG技术，一种倾向于轻代码模式，少量或不用重写代码就可以构建AI问答应用；一种则是支持多模态数据源的形式，腾讯云在其中提供向量数据库，检索能力是业界的两倍。

　　汤道生：杀手级应用探索仍在早期

　　汤道生还提到，随着大模型与生成式AI的技术突破，图片、视频、语言的理解与生成已经有很大进步，人与人的沟通、人与系统的交互方式，都可能会被重塑。最近半年，产业界对AI大模型的关注重点，开始从模型技术本身，转到智能应用落地上。用人工智能在已有业务场景中降本增效，提高经营效率，是行稳致远的可靠路径。

　　不过，尽管业界吆喝十分卖力，但目前仍未出现真正可以称得上“杀手级应用”的AI产品。

　　汤道生对南都记者表示，一款真正能称之为国民级的应用更可能首先在C端诞生，目前在信息搜索、情感陪伴等领域都有厂商在做尝试。“（国民级应用）可能在信息搜索领域出现，比如我们有元宝，我们也在探索怎样给用户更方便、便捷的获取信息的交互方式，比如微信读书推出了‘AI问书’功能。行业里也有其他玩家，从不同的角度去切入 C端应用，比如情感层面，或者角色扮演。”

　　汤道生认为，目前还没有国民级应用出现，很大程度上也许是因为消费互联网走到今天已经变得越来越成熟。“你能想到的需求，你能想到的场景，可能都已经有一些服务厂商在里面深耕了很长时间。”

　　此外对于B端领域，汤道生则对南都记者表示，各家对杀手级应用的探索目前仍在早期，仍有较大探索空间。“TO B我觉得还比较早，场景很多，但是需要大家想到底用什么架构、怎样利用好企业内部的数据、到底解决什么问题、用什么方式等方面的问题，这里还有很大的空间去探索。”

　　汤道生表示，过去很多技术都会经历玩家兴奋涌入投资、泡沫破裂、少数人保持信念坚持的周期，但新技术的变革需要时间去沉淀、积累甚至需要等第一波资本去驱动，逐渐等到不专业的玩家被淘汰，这时行业会回到理性、务实的态度，找到实际的场景和痛点去打磨。

　　类似地，目前行业还需要更多耐心。“今天的技术也许在某些场景，大家可能觉得只做到了50分或60分，要到90分必须要时间去磨。我相信最后还是那些能坚持的、长期主义的企业能获得回报，而不是那些因为概念很热就一股脑投进去的企业，这样的做法也很难坚持下去。”汤道生表示。