炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：36氪）

作者 | 邓咏仪

编辑 | 苏建勋

以往在大模型上一直低调行事，但在AI应用上，腾讯这回终于不藏着了。

7月26日，世界人工智能大会（WAIC）在上海开幕。明显可见的是，腾讯在WAIC上，让AI智能体成为14亿用户的“数字好友”，用智能体构建起了一个“好友圈”，覆盖用户生活中的

腾讯也发布了从自研大模型到智能体的多项新品，可以说是“AI全家桶“，包括：

“现在的AI是从到短期记忆到长期记忆的演进”，腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声表示，在很长一段时间里面，大模型只能记住比较短的上下文，这对复杂任务是不够的。

而腾讯大力投入到智能体中，也是对技术演进路线的探索。比如多智能体协同——吴运声表示，AI技术正在从图文问答向全方位的多模态（视频、图像、音频等）交互演进，全模态的无缝的交互在以后是不要的。而如果有不同的智能体负责不同的专业，去让各种各样智能体做协同，才能去完成更加复杂的任务。

△来源：腾讯

2023年，腾讯云刚刚发布混元大模型家族时，讲的还是“行业大模型”的故事——从金融、政务、运营商等10大行业，主打“行业大模型”的路线，一口气抛出超过50个解决方案。

但到现在，叙事已经改变，从语言模型迅速扩展到多模态、具身智能。

这次WAIC上，腾讯也首次重点发布了具身智能相关的进展。腾讯旗下的Robotics X实验室与福田实验室，联合发布了“具身智能开放平台Tairos”。

△来源：腾讯

这是国内首个以模块化的方式提供大模型、开发工具和数据服务的具身智能软件平台，即插即用，且面向机器人行业开放，为机器人本体开发商与应用开发商补齐关键的软件能力。

模型和To B/ To C应用两手抓

在模型侧，这次腾讯正式发布的重点是混元3D世界模型 1.0，并宣布全面开源。

如果说大语言模型（LLM）的技术演进路线已经逐步明晰，从扩大规模Scale up，到以强化学习（Reinforce Learning）为主的下半场；那么多模态的发展阶段还在早期，无论是技术选型、高质量数据、模型工程都有多项难点。

多模态则是今年各家比拼的重点，而世界模型也是多模态的一个重要分支，在2024年12月才兴起。

简单来说，腾讯混元3D世界模型1.0融合了全景视觉生成与分层3D重建技术，同时支持文字和图片输入，实现了高质量、风格多样的可漫游3D场景生成。

△来源：腾讯

过去，3D建模和渲染是个巨大的工程，需要专业建模团队数周才能搭建。现在，只需一句文字或一张图片，几分钟内即可生成。

谈及世界模型的训练难点，数据是其中一个。腾讯混元3D负责人郭春超在接受包括36氪等媒体采访时表示，目前3D资产主要依赖于艺术家或建模师的手工制作，因此其数量仅为几千万级，与百亿、千亿级的图片数量相比，存在数量级上的差距，这种获取难度较大的情况是客观存在的。

对于未来的发展重点，郭春超表示，混元世界模型的目标有两方面：一是提升3D资产生成的质量，使其达到更高的商用水平。目前，3D资产生成已达到中等水平，但与顶尖水平仍有差距。通过提高生成质量和泛化性，他们希望能更好地满足游戏、自动驾驶、XR、动漫及影视等行业的需求，降低成本并缩短周期；

二则是改进场景生成和交互模型，构建更完整、真实模拟物理规律的世界模型，今年重点开展，在明年达到更高成熟度。

今年年初，DeepSeek R1的经验已经证明，在崭新的技术领域，抢占技术话语权，并且做出令人尊敬的工作，能够获得巨大的市场回报。

在那之后，各家都纷纷加快了开源步伐。事实上，除本次发布即开源的混元 3D 世界模型 1.0，混元还将在月底开源一系列小尺寸模型，包含0.5B、1.8B、4B、7B混合推理模型，更轻量、好部署。

腾讯由于游戏、社交等内容领域的积累，在多模态的探索上，已经是国内第一梯队的选手。现在，腾讯已经对外提供接近商业模型性能的开源基座，方便社区基于业务和使用场景定制。

据腾讯发布的公开数据，如今腾讯的图像、视频衍生模型数量分别达到1400和1600个，混元3D系列模型社区下载量超过230万，已成为全球最受欢迎的3D开源模型。

除了世界模型之外，腾讯混元还披露了包括端侧混合推理语言模型、多模态理解模型、游戏视觉模型等在内的一系列开源计划。

比如，即将开源的混元-large-vision，就是在LMArena Vision榜单拿下国内第一的多模态理解模型；而专为游戏场景优化的、交互式游戏视频生成框架“混元GameCraft”，也会在近期对外开源。

落地，还是落地

在大模型的战略上，腾讯一而贯之的风格是务实，这次的WAIC上，腾讯的主题也是“让‘好用的AI’成为普惠生产力”。

腾讯已经将Agent的能力，嵌入到腾讯多个To B及To C应用中，覆盖生活、工作、学习、娱乐等场景。

在学习场景，QQ浏览器QBot提供AI搜索、AI浏览、AI办公、AI学习、AI写作等功能；ima AI工作台可以辅助完成日常学习和工作任务，并长期沉淀为个人的智能化知识库，也支持加入别人的共享知识库进行精准问答。

又比如，旅游规划Agent。它可以根据参观者需求，一键生成旅行攻略，还可随时对生成的攻略进行个性化编辑。同时通过内置小程序直接实现无缝下单，真正实现一次输入，多项指令一步到位。

△来源：腾讯