Tencent AI «Битва за прорыв»

Автор: Лиань Жань

В условиях стремительной эволюции индустрии ИИ за прошедший год «большие языковые модели» стали практически центром всех дискуссий. От размера параметров и скорости инференса до мультимодальных возможностей технические показатели постоянно обновляются. Однако, если отбросить эмоциональный накал, настоящая конкуренция в сфере больших моделей давно вышла за рамки вопроса о том, «чья модель больше и мощнее». Находясь на временной отметке 2025 года, ключевым фактором, определяющим победителя, становится: способны ли вы непрерывно формировать ценные возможности модели, по-настоящему понимать сложные пользовательские сценарии и в конечном итоге трансформировать эти возможности в «удобные» продукты.

Когда в интернет-индустрии говорят о «разработке продуктов», многие прежде всего вспоминают Tencent. Однако на фоне текущей волны больших моделей ИИ Tencent долгое время вел себя крайне «сдержанно». Более того, лишь благодаря конференции разработчиков Google I/O многие узнали, что модель Tencent Hunyuan уже вошла в мировой топ первого эшелона. На состоявшейся в мае встрече генеральный директор Google Сандар·Пичай (Sundar Pichai), ссылаясь на рейтинг Chatbot Arena, мимоходом упомянул большую модель Hunyuan от Tencent: седьмое место в мире, второе в Китае, уступая лишь DeepSeek.

Ярким моментом для Tencent AI стало начало текущего года. После вирусного успеха DeepSeek Tencent впервые поступил нестандартно: первым заявочно и быстро интегрировал решение; его собственное приложение нового поколения ИИ «Юаньбао» стало часто обновляться со скоростью «ежедневно», а показатель DAU за два-три месяца стремительно вырос до уровня лидеров внутри страны, что резко контрастировало с прежним спокойным темпом развития. Какую стратегию Tencent выстраивает между этим «быстрым» и «медленным» подходом?

21 мая на конференции Cloud AI Industry Applications компании Tencent старший исполнительный вице-президент группы Tencent и генеральный директор подразделения Cloud and Smart Industries Тан Даошэн одним предложением резюмировал направление развития Tencent в сфере ИИ: «Сделать ИИ доступным для каждого и сделать ценность осязаемой». За этими словами стоит общий подход Tencent к развитию ИИ: отказ от одержимости вопросом «кто первым достигнет AGI», игнорирование попыток «создавать модные слова и новые концепции» вместо этого компания стремится построить целостную, постоянно развивающуюся и надежную по качеству взаимодействия систему возможностей ИИ.

Ключевым элементом этой системы является не конкурентное преимущество по какому-либо отдельному показателю, а «скоординированная эволюция модели и продукта». Tencent не скрывает важности моделей, напротив, он всегда подчеркивает, что модель служит фундаментом всей экосистемы ИИ. Уже в апреле этого года Tencent официально создал «Отдел больших языковых моделей» и «Отдел мультимодальных моделей», чтобы системно усилить способности к собственной разработке. Это также демонстрирует, что на базовом технологическом уровне Tencent по-прежнему придерживается логики долгосрочного подхода: «делать быстрые шаги и осуществлять частые обновления».

Преимущества Tencent заключаются не только в самих моделях, но и в умении накапливать технологические компетенции на протяжении долгого времени, чтобы в конечном итоге внедрять их в виде инструментов, реально используемых клиентами и обеспечивающих непрерывную создание ценности. В этом проявляется техническое терпение и продуктово-ориентированный реализм.

01 Ключевой стратегический фокус Tencent AI: не гнаться за «самым большим», а создавать «удобное»

До выхода DeepSeek R1 основным вектором крупных китайских компаний в области больших моделей была разработка моделей с огромным количеством параметров и создание «ИИ-замкнутого контура»——обеспечение полной самостоятельности в цепочке от моделей и инструментов до прикладных сценариев.

Напротив, стратегия Tencent выглядит более прагматичной: вместо бездумной гонки за размером параметров акцент смещен на то, как трансформировать возможности больших моделей в достигаемые, сервисные и устойчивые в развитии продуктовые форматы. От стремительного взлета приложения Юаньбао в начале года до недавнего заявления о «полном интеграции ИИ во все направления бизнеса Tencent» прослеживается твердая решимость компании концентрироваться на продукте. Сегодня создание «удобных» продуктов ИИ также становится отраслевым консенсусом.

По мнению Тан Даошэна, этот сдвиг обусловлен «фундаментальными» изменениями, которые DeepSeek привнес в индустрию, переходом от «количества» к «качеству»——«Пользователи на практике ощутили, что „доступность“ ИИ продолжает повышаться, ИИ переступает порог промышленного внедрения, находясь на совершенно новом этапе массового применения».

На недавней конференции Tencent Cloud AI Industry Applications он далее отметил, что следующая задача Generative AI — перейти от статуса «доступного» к статусу «удобного». Подобный «скачок» потребует нового этапа «ускорения» на четырех уровнях: большие модели, интеллектуальные агенты, базы знаний и инфраструктура.

Старший исполнительный вице-президент группы Tencent и генеральный директор подразделения Cloud and Smart Industries Тан Даошэн | Источник: Tencent Cloud

Если рассмотреть детально, постоянная оптимизация возможностей моделей обеспечивает более высокую производительность и лучший пользовательский интерфейс; интеллектуальные агенты способны самостоятельно мыслить, принимать решения и выполнять задачи на основе модели; системы баз знаний помогают снижать уровень галлюцинаций и усиливать понимание контекста, позволяя моделям «лучше понимать бизнес и пользователей»; а непрерывная модернизация базовой инфраструктуры существенно сокращает затраты на обучение и инференс, повышая скорость отклика системы. Фундаментом указанной архитектуры Tencent служит постоянное накопление понимания концепции «доступности» в процессе продуктовизации и сервисной ориентации.

Этот подход «строительство через применение» особенно четко прослеживается в эволюции семейства собственных больших моделей Tencent — Hunyuan. С момента первого релиза в 2023 году Hunyuan регулярно обновляется, наращивая технологические возможности: в текущем году были представлены модели быстрого мышления Turbo S и глубокого мышления T1, обе из которых показали лучшие в отрасли результаты в открытых бенчмарках.

Помимо языковых моделей, Tencent продолжает увеличивать инвестиции в мультимодальные возможности, продвигая исследования в области моделей генерации изображений, видео и 3D, а также визуального распознавания и сквозных голосовых моделей. Цель состоит в обеспечении всесторонней поддержки ИИ для более широких коммерческих сценариев. Постоянное расширение данной системы возможностей обогащает способы взаимодействия с моделями и помогает приложениям значительно снизить порог входа для пользователей.

Помимо углубления собственных разработок, Tencent продолжает придерживаться цели создания «удобных» решений, активно интегрируя внешние качественные модели для достижения оптимальной комбинации. Данный подход получил свое первое яркое воплощение в универсальном ИИ-ассистенте «Tencent Yuanyuan». Юаньбао использует гибридную двухмоторную архитектуру на базе Hunyuan и DeepSeek, став одним из первых крупнокорпоративных продуктов в стране, интегрировавшим модель DeepSeek. Данная архитектура представляет собой стратегический выбор Tencent, найденный компромисс между сравнением характеристик, соответствием сценариям и потребностями пользователей.

С момента запуска Tencent Yuanyuan сохраняет высокие темпы обновлений, последовательно интегрируя такие функции, как работа с файлами WeChat, контентом официальных учетных записей, голосовым вводом и обработкой документов, а также поддержку поиска в интернете и визуального анализа. Внешне это выглядит как шлифовка деталей, однако в реальности формирует фундаментальную опору стабильности и устойчивости пользовательского опыта. Согласно финансовой отчетности Tencent, показатель DAU приложения Yuanyuan с 13 февраля вырос более чем в 20 раз за месяц.

Это победа не каких-либо отдельных параметров модели, а проявление системной способности с фокусом на конечную поставку результата.

Tencent также продолжает проверять эффективность данной системы в различных внутренних сценариях: ИИ-ассистент Tencent Meeting способен формировать резюме совещаний и рекомендации на основе данных в реальном времени и истории встреч; облачный код-ассистент Tencent Cloud CodeBuddy уже внедрен среди более чем 85% инженеров компании, что существенно повышает эффективность разработки и сокращает общее время написания кода более чем на 40%; запущенный Tencent Health ИИ-ассистент здоровья автоматически анализирует отчеты медосмотров и генерирует персонализированные рекомендации по повторным визитам.

Можно сказать, что стратегия ИИ Tencent никогда не ограничивалась созданием просто «самого умного мозга», она неизменно направлена на формирование «настоящего помощника, который реально приносит пользу».

02 От «доступного» к «удобному»: построение целостной системы сдаваемого ИИ-продукта

Переход от состояния «можно использовать» к состоянию «удобно использовать» достигается не за счет прорывов в отдельных узлах, а благодаря долгосрочному накоплению компетенций за всем стеком технологий.

Tencent не пытается определять границы возможностей ИИ исключительно количеством параметров. Вместо этого компания системно выстраивает путь к «готовому к внедрению» результату — от базовой архитектуры до финального пользовательского опыта. Этому способствует слаженная система технических компетенций, включающая мультимодальное взаимодействие, оптимизацию инференса, усиление знаний (RAG), поддержку многоисточниковых данных, обработку высоких нагрузок, облачные механизмы безопасности, методы гибкой разработки, инструменты анализа пользовательской обратной связи, а также открытую экосистему для партнеров.

Качественный контент и данные являются ключевыми элементами, обеспечивающими применимость больших моделей. На фоне выравнивания технологических возможностей крупных моделей эта область неизбежно станет главным полем битвы за конкурентоспособность ИИ-продуктов будущего, и именно здесь Tencent наиболее эффективно раскрывает свои уникальные преимущества.

Tencent располагает обширным пулом контентных ресурсов: текстовые и графические материалы официальных аккаунтов WeChat, Tencent News, WeChat Reading; видеоформаты Channels и Tencent Video; а также экспертные медицинские публикации в проекте Tencent Medical Encyclopedia. Данные источники служат качественной сырьевой базой для запросов моделей, способствуя генерации высококачественных ответов. Именно за счет контента WeChat Official Accounts и мощного функционала «поиска в сети» приложение Tencent Yuanyuan гарантирует качество и оперативность результатов. Согласно данным рейтинга SuperCLUE, среди 10 платформ, интегрировавших DeepSeek-R1, поисковые возможности Юаньбао оказались самыми сильными, заняв первое место по совокупному баллу, базовым навыкам поиска и аналитическому мышлению.

Экосистема качественного контента также оказывает огромное притяжение для множества китайских разработчиков моделей, производителей контента и оборудования. Например, в модулях голосовых запросов музыки смартфонов OPPO и умных колонок Xiaomi предпринимаются попытки интеграции моделей, обогащенных ресурсами QQ Music, для удовлетворения музыкальных предпочтений пользователей.

Мультимодальные возможности ранее рассматривались как единственный путь к созданию AGI, а сегодня стали важнейшим разделительным рубежом в продуктовой конкуренции. Это ключевое поле боя, которое Tencent обязательно завоюет после длительного накопления потенциала.

Еще с ранних лет, работая над лабораториями Tencent Youtu и Tianlai, компания накопила обширный портфель патентов в сферах обработки изображений и аудио-видео. Современные решения Tencent Meeting выступают итогом развития этих мультимедийных технологий. В эпоху ИИ Tencent продолжает укреплять мультимодальные преимущества. 21 мая компания анонсировала линейку новых мультимодальных моделей: Hunyuan Image 2.0 первой в индустрии реализовала генерацию изображений в реальном времени коммерческого уровня; модель глубокого визуального инференса T1-Vision поддерживает ввод нескольких изображений и обладает встроенной цепочкой логического мышления, легко реализуя принцип «анализа изображения одновременно с размышлением»; Hunyuan 3D совершил поколенческий скачок в управляемости и сверхчеткости генерации благодаря первому в отрасли разреженному нативному 3D-архитектурному подходу; сквозная голосовая модель коммуникаций Hunyuan Voice обеспечивает связь с низкой задержкой, заметно улучшив естественность воспроизведения речи и способность передачи эмоций.

Тан Даошэн неоднократно подчеркивал важность мультимодальности. Он полагает, что реальный мир представляет собой сложную систему, состоящую из многомерной информации: «В будущем, чтобы ИИ мог объемно и полноценно воспринимать окружающий мир, ему необходимо обрести зрение и слух, сопоставимые с человеческими; помимо текста, информация должна передаваться полностью и достоверно через интонации и физические жесты».

В данном контексте развитие мультимодальных моделей — это не просто техническое расширение, но и реконструкция пользовательского опыта. Интеграция ввода и вывода контента различных форматов — изображений, звука, видео, текста — в единую модель позволяет пользователям взаимодействовать с ИИ более простым способом, получая более развернутые ответы, что радикально снижает барьеры использования. Такой формат общения превращает ИИ из «игрушки для энтузиастов» в инструмент массового пользования.

Помимо низкого порога входа и развитых интерактивных функций, главным условием успешного внедрения остаются точность и надежность. Ранее Тан Даошэн отмечал: «Бизнесу нужно решение, которое действительно устраняет конкретную проблему в реальных сценариях, а не набор инструментов, справляющихся лишь на 80% в каждом из ста возможных кейсов».

На пути к тому, чтобы сделать ИИ более надежным, технология RAG (Retrieval-Augmented Generation) повсеместно признается эффективным методом краткосрочного повышения точности моделей и расширения понимания контекста. Tencent выступает одним из первых облачных провайдеров, выдвинувших концепцию «Большие модели + RAG» и активно ее поддерживающим. Опираясь на долгосрочные наработки в области парсинга документов и векторизации, Tencent выстроила структурированную систему усиления знаний, позволяющую бесшовно объединять корпоративные частные базы знаний с общими моделями, что существенно снижает процент галлюцинаций и углубляет понимание бизнес-процессов. Это создает надежный базис для создания предприятиями клиентских заказных ИИ-ассистентов.

Указанная возможность RAG от Tencent также базируется на годах технического накопления и практике масштабного внедрения. Еще в 2019 году технологии поиска и обработки векторных данных применялись компанией в более чем 40 внутренних бизнес-сценариях, включая Tencent Video, браузер QQ и приложение QQ Music, ежедневно обрабатывая свыше 160 миллиардов запросов. Благодаря векторному поиску стоимость операций индексирования в браузере QQ сократилась на 37,9%, а средний показатель времени прослушивания музыки в QQ Music и эффективного показа контента в Tencent Video продемонстрировал заметный рост.

Для обеспечения бесперебойной работы интерфейсов переднего плана скрытым барьером на пути масштабирования становятся мощности базовой инфраструктуры. Обучение и инференс ИИ-моделей предъявляют экстремально высокие требования к распределению вычислительных ресурсов, эффективности передачи данных и скорости реакции системы. Tencent возводила программно-аппаратный комплекс, включающий платформу Tencent Cloud TI, кластеры высокой производительности HCC, высокоскоростное хранилище GooseFS и сеть Xingmai, что радикально увеличило эффективность обучения и инференса, существенно уменьшив задержки отклика и затраты.

Как только ИИ-системы выходят за пределы тестов в реальные рабочие процессы, критическую значимость приобретают вопросы конфиденциальности данных, контроля доступа и отслеживаемости действий. Опиралась Tencent на опыт управления системами и защиты, накопленный при обслуживании миллиардов пользователей, создавая исчерпывающую инфраструктуру безопасности, включающую верификацию личности, изоляцию данных, многоуровневое управление разрешениями и шифрование каналов. На фоне стартапов, концентрирующихся исключительно на алгоритмической производительности, подобный «опыт построения систем, полученный в ходе развития традиционного бизнеса», выступает фундаментальной стеной, позволяющей ИИ-решениям Tencent глубоко проникать в сложные отраслевые среды.

Таким образом, ядро логики экосистемы возможностей ИИ от Tencent заключается не столько в погоне за тем, чтобы модель стала «абсолютно лучшей сама по себе», сколько в обеспечении реальной возможности её поставки конечному пользователю. Переход от технической применимости к эксплуатационной надежности и дальнейшее преобразование в удобные продуктовые решения позволяют трансформировать передовые технологии ИИ в массовые инструменты. Именно поэтому Tencent смогла стать одной из крупнейших компаний, первой осуществившей интеграцию DeepSeek, оперативно вышедшей на рынок и обеспечившей стабильную эксплуатацию——не потому, что бежала быстрее всех, а потому, что целенаправленно готовилась к тому, чтобы бежать дольше всех.

03 От собственного использования к совместному строительству: как Tencent Cloud способствует внедрению ИИ в B2B-секторе

Подход Tencent в сфере ИИ не строится на работе в изоляции. Компания неизменно аккумулирует компетенции во внутренних проектах и масштабирует рыночное присутствие через практическую проверку. Ключевым фактором успешного проникновения на рынок корпоративных клиентов (ToB) становится не прорыв отдельной модели, а проектирование целостной «готовой к внедрению» архитектуры: речь идет не просто о создании ИИ, но о трансформации его в сервис, доставляемый клиентам стабильно и комфортно.

На недавней конференции приложений AI от Tencent Cloud повышенное внимание предприятий и разработчиков привлекли модернизированная платформа разработки интеллектуальных агентов и продуктовые решения для баз знаний. Появление указанных инструментов радикально снизило барьеры внедрения ИИ и расширило зону охвата прикладных решений.

На фоне пристального внимания всей индустрии к ИИ-агентам, новая версия платформы Tencent Cloud предоставляет корпоративным заказчикам разнообразные шаблоны создания агентов и сопутствующий инструментарий. Впервые реализована поддержка бесшовного переключения задач между несколькими агентами без написания кода, что существенно упрощает сборку сложных решений. Параллельно платформа формирует законченную экосистему инструментов агентов, поддерживает протокол MCP и совместима с базовыми спецификациями OpenAI Agents SDK, помогая агентам эффективнее управлять вызовами служб и расширять перечень услуг.

Построение корпоративных баз знаний является объективной необходимостью при внедрении ИИ в организациях. Решение Tencent Lexiang Corporate AI Knowledge Base позволяет устранить внутренние барьеры между подразделениями и уровнями управления, осуществлять контроль актуальности данных, сроков обновления и прав доступа. Одновременно оно поддерживает мультипользовательское сотрудничество и совместное создание контента. Это не только ускоряет циркуляцию знаний внутри компании, но и дает ИИ более эффективные рычаги для систематизации и применения корпоративных данных, формируя контент более высокого качества.

Кроме того, с распространением прикладных моделей акцент в потребностях вычислительных мощностей смещается с этапа обучения на этап инференса. Оптимизация затрат при масштабном инференсе превращается в ключевое конкурентное преимущество облачных провайдеров. Tencent Cloud путем синхронизированного совершенствования слоев IaaS и инструментальной оболочки повысила скорость отклика, сократила задержки и улучшила соотношение цена-производительность моделей в рабочих сценариях.

В недавнем выступлении Тан Даошэн специально привел пример успешного развёртывания решения DeepSeek для смартфонов Honor. Планируя интеграцию сервиса DeepSeek-R1, бренд столкнулся с проблемой роста нагрузки: чем больше ИИ-функций появляется на устройствах, тем чаще вызываются большие модели и выше параллельные запросы, из-за чего высокие задержки напрямую влияют на пользовательский опыт. Оперируя внутренними технологиями ускорения, Tencent Cloud помогла Honor развернуть полнофункциональную версию DeepSeek-R1, позволив поднять пропускную способность инференса модели на величину до 54%. Это кардинально ускорило обработку запросов, стабилизируя работу модели и оптимизируя распределение системных ресурсов.

Компетенции Tencent в сфере B2B не исчерпываются инфраструктурной поддержкой. Гораздо большее значение имеет глубокое понимание специфики отраслей и производственных сценариев.

Взглянув на автомобильную отрасль в качестве иллюстрации: компания FAW Toyota внедрила платформу разработки интеллектуальных агентов от Tencent Cloud в свою службу поддержки, начав системную работу над традиционно распространенными проблемами отрасли, такими как неточные, неполные или слишком медленные ответы традиционных ботов. Раньше предприятия при внедрении больших моделей сталкивались с техническими ограничениями: сложности с извлечением специализированных знаний и излишне общие формулировки ответов не давали ИИ полноценно заработать на практике. Базируясь на собственных моделях, Tencent Cloud совместно с технологией RAG, нативным решением для эмбеддинга длинных текстов и компонентами оптического распознавания (OCR) и мультимодального анализа, помогла FAW Toyota создать централизованную систему интеллектуальной поддержки обслуживания, работающую через официальный сайт, мобильное приложение, мини-программы и официальные аккаунты в соцсетях, опирающуюся на уникальную базу знаний компании.

Чат онлайн-бота интеллектуальной службы поддержки FAW Toyota | Источник: Tencent Cloud

После запуска системы в январе текущего года доля независимых разрешений обращений силами интеллектуального бота выросла с 37% до 84%, ежемесячно решается более 17 тысяч пользовательских запросов в автоматическом режиме, что снимает избыточную нагрузку с операторов и повышает общий уровень удовлетворенности клиентов. Важнее всего то, что FAW Toyota воспользовалась инструментарием Tencent Cloud для выделения структурированных знаний из архивов исторических диалогов, обогатив корпоративную базу данных и заложив основу для долгосрочной и безотказной эксплуатации службы поддержки.

Автомобильная компания, ежегодно отпускающая почти миллион единиц техники и обслуживающая клиентов по всей стране, проведя данное обновление, продемонстрировала не просто сугубо техническую модернизацию, а символизировала «переход ИИ от экспериментов к серийному производству». Конкретные измеримые результаты подтвердили способность системы сдачи проекта Tencent Cloud AI: от объединения моделей и подключения систем до оркестровки баз знаний и замыкания контура пользовательского опыта каждый шаг поддается оценке, может быть развернут и подвергнут итеративному совершенствованию, фактически соединяя технологическую ценность с бизнес-эффективностью.

За этими событиями скрывается не экспериментальное использование ИИ в конкретной нише. Tencent планомерно трансформирует искусственный интеллект в принципиально новый вид производительных сил, отличающийся готовностью к поставке, способностью к непрерывной эволюции и возможностями взаимодействия, реализуя данный процесс через платформизацию инструмента, структуризацию знаний и натуральность интерфейсов.

По мере того как индустрия ИИ переходит в стадию активного практического применения, некоторые бренды, прославившиеся некогда благодаря «технологическому ореолу», входят в период охлаждения. В противовес им компании типа Tencent, накопившие колоссальный потенциал в разработке компетенций и предоставлении системных услуг, постепенно раскрывают свои структурные преимущества.

Способность Tencent оперативно среагировать на появившуюся возможность с DeepSeek и стабилизированно расширять границы присутствия на рынке B2B основывается не на монополистических льготах по моделям или спонтанных тактических ходах, а на целостном понимании принципов «как правильно, надежно и эффективно извлекать пользу из существующих технологий».

Её рыночная стратегия не держится на одном «ключевом алгоритме» и не позиционируется посредством абстрактных «стратегических лозунгов». То, что вывело ИИ Tencent на сегодняшний уровень, базируется на постоянном анализе потребительских потребностей, многолетнем усовершенствовании системных механизмов и уважительном подходе к логике внедрения решений в реальные среды.

Возможно, именно это и составляет подлинный долгосрочный защитный ров, который Tencent выстроила в эпоху искусственного интеллекта.