姚順雨帶隊、Hy3 preview上線！騰訊現在適合上車嗎？

編輯｜吳昕

剛剛，騰訊混元 Hy3 Preview 正式亮相。

這是姚順雨歸國加盟騰訊后交出的第一份重磅答卷，整體性能達到了同尺寸模型最佳水平，兼具實用性和性價比。

看似慢一拍的動作，正好回應了前不久的那個略帶尖銳的的提問。

「這是一個非常好的問題。」在騰訊2025年第四季度財報電話會上，騰訊總裁劉熾平這樣回應摩根士丹利分析師的問詢：

在美國，一些后來者即使擁有大量算力、人才、數據，依然難以追趕。騰訊自稱不是先行者，憑什么例外？[1]

劉熾平說，「如果你將AI視為多場不同的游戲，那么總會有新的機會、新的前沿不斷被打開。」換言之，先與后的邊界，其實變動不居。[2]

更何況，AI戰局才剛剛拉開架勢。世界貿易組織前首席經濟學家、美利堅大學教授羅伯特·庫普曼也提到：誰會勝出，現在還沒有人知道答案。[3]

但如果把時間拉長，一些線索已隱約可見。

過去二十多年，從游戲、長視頻、短視頻、支付到云與 AI，騰訊在某些關鍵戰場上雖不是第一個「吃螃蟹」，卻總能彎道超車，定義「螃蟹該怎么吃」。

很多人會把這種能力歸因于戰略、資源或生態。如果繼續往下拆，會發現一個更基礎的變量：人才密度和使用方式。很多看似戰略的問題，本質上是人才問題。

騰訊最新財報為這一點提供了側面的印證：

全年收入 7517.66 億元，同比增長 14%；國際游戲業務帶來百億美元現金流；

毛利率由 53% 提升至 56%。在如此體量下，3 個百分點的提升，歸功于「核心業務在運營和財務上都受益于AI整合」。[4]

這背后，是人將AI從抽象的模型能力，變成了觸手可及的商業價值。

在走進并傾聽了一些人的故事后，我們發現，有人一入場，就被放進億級系統的核心位置，在實戰的硝煙中歷練，獨當一面；有人躬身入局，在「無人區」為大模型賽道換上長跑者的引擎，用兩年的寂寞跑出了單月數百萬次的行業調用。

雖為實習生，也能將茶水間的靈光一現，演化為挑戰視覺模型常識的「TokenSet」新范式；或在一年內收獲數篇頂會論文，并將學術探索轉化為騰訊元寶的能力躍遷，精準落地。

這群技術人不只是執行既定方向，也在主動參與定義系統、問題以及解法本身。所謂的后發優勢，不過是他們在解決真實問題、創造用戶價值的過程中釋放出的確定性。

起步即核心，親手改寫億級戰場

很多公司的人才培養路徑，往往有一條默認曲線：從邊緣模塊做起，逐步靠近核心，等到真正參與關鍵項目，往往已經是幾年之后。

但在 Dream 和 Wolf 的講述中，一種完全不同的解法躍然紙面。對于這些野心勃勃、高度自驅的年輕人來說，壓力從不是負擔，無意義的平庸消耗才是。

對才華最高級別的尊重，就是將他們置于核心業務，直面一線真題，無論是入職新人還是實習生。作為結果，他們往往會展現出更高的投入度與創造力，快速成長起來。

2021 年，Dream 博士畢業，手握多家 offer，最終還是選擇加入微信團隊。那時的視頻號剛上線一年，外界并不普遍看好，但他認定，這是一個會快速成長的業務，幾乎沒有猶豫，就從北京飛到廣州。

剛入職，他就直接參與主力項目：視頻號推薦算法。不是做已有系統的局部優化，也不是跟隨已有業界研究，而是去做一些有新意的事情。他說。

很快，他們開始嘗試把推薦模型「做大」，讓模型能夠理解更長的用戶行為序列，從而更準確地捕捉興趣變化。但在日度百億樣本的環境中，更先進的 GPU 同步訓練反而失效，線上與離線表現明顯偏離。

于是，他們重新定義問題：將訓練方式轉向「流式訓練」，在過去的數據分布上訓練，在未來的數據分布上推理，并進一步定位到「延遲反饋」帶來的偏置。

路徑一旦改變，整個局面被打開。

從長序列建模到高階注意力，一系列關鍵環節被逐一擊穿，最終帶來雙位數的效果提升。對上萬條完整曝光歷史序列的端到端建模，也成為視頻號推薦體系中具有代表性的技術節點。

Dream 非常認可解決真實問題帶來的成就感和意義感。在微信做技術，你的每一個改動，都可能直接影響大規模用戶體驗。如今，視頻號 DAU 已位居行業第二，電商 GMV 持續翻倍增長。 面對自己傾注幾年心血的業務，「是的，它沒有讓我失望。」他說。

Dream 在視頻號上記錄旅游和日常生活，也體驗自己和團隊的作品。

和 Dream 的路徑相似，青云校招生小L 的故事，把這種「起步即核心」的解法講得更直白。

今年，他以青云身份加入混元，做 Agent 方向。按慣例，新人通常會被分配到一個固定小組，從熟悉流程開始。但小L 入職第一周，導師做的第一件事，是帶他逐一拜訪混元各組負責人和元寶團隊，讓他在最短時間內摸清整個組織的業務版圖，然后——自己選。

短短幾個月，他已經嘗試了三四個方向。每當遇到卡點，或發現新的機會，導師會直接幫他引薦合適的人一起推進，而不是讓他自己慢慢摸索。技術負責人也會主動走到工位問新人最近在想什么。

「只要你對一件事比所有人都感興趣，這件事就大膽去做。」小L 這樣概括混元的規則——不論資排輩，讓狀態最好的人上場。

這種靈活性的背后，其實是一種更底層的組織設計：匯報層級很短，所有人基本只隔一兩層就能直接溝通。小L 形容這里有一種「初創感」——但它長在一個已經有充足資源與真實業務場景的大平臺之上。有靈活性，又有海量資源支撐，這就是可以成就億級戰場的底氣源泉。

在這種結構里，新人不是被安置的螺絲釘，而是一個被允許自己尋找最優解的技術人。而平臺要做的，只是保證每一個「我想做這件事」的判斷，都能被聽見、被接住。

少有人走的路：混元 3D 跑出業界頭部模型

過去一年，Spring 格外忙。對外發聲、對內溝通，作為混元 3D 負責人的他一直在解釋同一件事——如何把 3D 生成做到可商用。

這一年，大模型迭代加速，行業幾乎把所有注意力都投向更成熟、更確定的方向。而他負責的混元 3D 生成，卻仍然屬于一個「還在前半程」的領域。

但這條路，他其實兩年前就選了。

那時，大多數人還在埋頭卷已有的生成模型。3D 生成既沒有現成路徑，也沒有明確共識，像一條「沒人走過的路」。Spring 主動在內部爭取了這個方向。

理由很簡單：一旦跑通，它會重寫 3D 內容的生產范式。

只是，「正確」往往并不「容易」。為了讓這個方向活下來，他一邊反復溝通、爭取資源，一邊從零拉起團隊，把模型、數據、工程鏈路一塊一塊啃下來。

兩年后，這條當初并不起眼的路線，長成了混元 3D 生成大模型——業內效果領先、社區最受歡迎的 3D 大模型之一。并且，他還將混元 3D 從物體生成擴展到了混元3D世界模型，進一步擴大了團隊技術價值。

在外界將注意力集中在大模型競速、并一度認為騰訊「慢了半拍」時，這條更早期的路徑，反而在客戶側顯出差異。據報道，在 3D 打印、工業設計等各領域，已有多家頭部企業紛紛采用騰訊云的 3D 模型服務。

類似的選擇，今年畢業加入騰訊的小V（化名）也做了一次。

他擁有博士和博士后背景，長期研究多模態應用方向，尤其是一些更比較前沿、尚未形成主流路徑的技術問題，在國內外都鮮有成熟參考。求職時，他接觸了多家中美公司，但幾乎所有建議都指向同一個方向：轉向更通用、更確定的研究，比如后訓練或模型優化。

「騰訊是唯一認可我原創研究方向的商業價值、并承諾給資源讓我繼續做下去的。」他說。

入職后，他帶著一個小團隊，以近乎「內部創業」的方式推進項目——從數據清洗、算法調優到基礎設施，幾乎全部親自參與。半年時間，從零完成技術在大規模工業場景的驗證，并形成了一套完整技術方案，其中絕大多數為團隊原創。

報告發出后，來自清華頂尖班、海外頂級 PhD 的簡歷開始主動投遞。這條原本看起來「沒有參照」的路，開始吸引更多人走上來。

我們發現，這類路徑的共同特點在于：不同細分賽道，成熟度并不均衡，一些仍處前期階段的方向，往往需要更長時間的持續投入，才能逐步進入規模化應用。

但就像小V 說的，這里不僅提供持續探索的空間，算力資源也充足。因此，一些原本高度不確定的方向，有機會被驗證，并在商業深水區精準「著陸」。

扁平與開放：技術落地元寶，一年頂會連發

Jacob 在加入混元多模態團隊后，幾乎沒有經歷「外圍過渡期」。一來就被放進混元圖像 3.0 的后訓練項目，每天做的事情，是拿新訓出來的模型與海外頂尖閉源模型對標——逐項指標地追，逐項指標地迫近。

在研究產出上，這種節奏同樣有所體現。他和 mentor 發現當時主流的 GRPO 算法在圖像模型上存在訓練效率瓶頸，一起提出改進方案，先在小模型上驗證跑通，再推到旗艦模型上落地。整套工作后來以論文形式開源，社區關注過千，也成為混元圖像 3.0 對外技術報告里被引用的一部分。

在 Jacob 看來，這種「想法-驗證-落地」能完整走通的效率，不只是技術積累使然，也來自團隊本身的工作方式——結構扁平、溝通直接。

「我的 mentor 坐我身后，組長坐我斜后方。有什么事，走過去就能問。」Jacob 告訴我們。甚至總監也會一起去食堂，邊吃飯邊聊哪家又出了新產品、我們跟他們差距在哪。

在這種環境下，title 的界限被弱化，技術判斷的權重被放大。「只要你能說清楚一個事情的價值，你就能拿到資源去驗證它。」

這也解釋了一個現象：在混元，實習生和正式員工在日常做的事情上幾乎沒有權限差別。「一開始實習就做正式員工的事——這對一個想做科研的人來說，是提升最快的路徑。」

「組織扁平，技術優先，拒絕外行指導內行。技術討論上，大家更看重實事求是。」Mike 概括起來，一針見血。這位 25屆校招生、青云博士，入職一年后就成長為混元3D 模型的核心成員。

在 Mike 印象中，大家交流的風格很實事求是。「就像寫代碼一樣，可行就是可行，報錯就是報錯。做研究也是一樣，沒有灰色地帶。」作為混元3D 模型的實習生，他深度參與了 2.0 版本的研發。

他認為，這一點很重要，「技術泡沫可以騙過一時的熱度，卻騙不過應用層面的檢驗。」

混元這種扁平、開放、技術優先的氛圍，正吸引更多的年輕人的加入。

土壤與作物：

作為系統設計者的 AI 工程師

在一個個鮮活的人物切片中，我們可以窺見一種更偏系統設計者的 AI 工程師輪廓——這些人不只是一個技術實現者，而是參與到技術方向的決策中，站在行業前沿審視整個技術發展的趨勢。

這種眼界與判斷力，才是 AI 時代真正稀缺的長線價值。

具體說來，不同于以驗證與交付為導向的短期投入，這些人的項目可以「活到終局」。

他們一開始就直面微信、視頻號、元寶、混元這樣已經在線、持續演化的復雜系統和落地場景，技術方案因此需要在長期運行中不斷迭代，走向穩定與可持續。

其次，他們不會被短周期結果綁架。

無論是 Spring 兩年前對 3D 生成的孤軍押注，還是小 V 對多模態應用的固守，這些決策在當時都伴隨著巨大的不確定性。正是因為允許這種「非共識」的持續投入，技術才得以從早期的暗火有機會演變為長線的戰略壁壘。

而當「三個月見效」成為默認節奏時，大家會不可避免地向短期利益妥協，而非選擇「艱難但正確」的最優解。

最后，不背技術債。當工程師有權推翻原有路徑、進行系統性重構時，技術就不再在一輪輪盲目迭代中疊加補丁。

好風憑借力，送我上青云

在談及 AI 投入時，馬化騰提到，核心業務帶來的現金流，使公司具備持續加碼的能力。

從財報公開信息來看，騰訊也延續了高強度的研發投入（去年約 857 億元），并計劃 2026 年將混元及新 AI 產品投資至少翻倍。相關投入主要流向基礎設施建設以及人才引進等環節。

近年來，騰訊持續加大全球頂級學術會議投入，據悉也是希望在高密度的學術現場與全球頂尖人才建立更直接的連接和技術碰撞。

如正在舉行的 ICLR 2026 ，騰訊作為本屆 Double Diamond 級贊助方亮相，并有來自混元大模型、優圖實驗室、微信、騰訊游戲、ARC Lab、天衍實驗室、騰訊 AI 平臺部等團隊，共150+ 篇論文入選，約占總錄取量 2.8%。

騰訊一直在強化人才儲備，已經正式啟動全年青云實習生招聘，主要面向2026 年 9 月后畢業的 AI /大模型領域本碩博學生

項目覆蓋當前 AI 最核心的六大技術方向：大語言模型、NLP、多模態、智能體、搜索推薦，以及AI基礎設施，也是騰訊當前 AI 布局的主要邊界，并奉上「薪酬上不封頂」、「優秀實習生額外薪酬激勵」等紅利。

和以往不同，這一次，該項目不再只屬于「即將畢業的人」，也首次明確向低年級開放——大一、大二不必再「等等看」，在一個尚未定型的領域里，更早進入，往往意味著更早接觸真實問題，也擁有更大的選擇空間。

AI 的終局還沒到，你想站在哪一邊？還在猶豫？不妨先關注「騰訊招聘」公眾號，了解更多團隊、技術方向與真實項目。

如果你已準備好，請直通入口：join.qq.com → 青云計劃專區

面向 2026 年 9 月后畢業的 AI 方向同學，低年級同樣歡迎：）

[1]騰訊2025年第四季度財報電話會，

https://wallstreetcn.com/articles/3767836

[2]騰訊2025年第四季度財報電話會，

https://wallstreetcn.com/articles/3767836

[3]財新周刊｜亞馬遜攻與守，

https://weekly.caixin.com/2025-12-27/102397564.html?p0#page2

[4]騰訊2025年第四季度財報電話會，

https://wallstreetcn.com/articles/3767836