捷希源配资官网全文|腾讯Q1业绩会实录：混元3.0模型的token调用总量比2.0至少提升了十倍

　　今日，腾讯控股发布一季报。一季度腾讯实现营收1964.6亿元，同比增长9%；Non-IFRS经营利润756.3亿元，同比增长9%。若剔除新AI产品影响，Non-IFRS经营利润同比增长17%至844亿元。期内腾讯自由现金流达567亿元。

　　详见：腾讯发布一季报：实现营收1964.6亿元，同比增长9%

　　财报发布后，腾讯董事长兼CEO马化腾、总裁刘炽平、首席战略官詹姆斯·米歇尔（James Mitchell）及CFO罗硕瀚等公司高管召开了财报电话会议，解读财报要点，并回答分析师提问。

　　以下即为本次电话会议分析师问答环节主要内容：

　　花旗银行分析师Alicia Yap：我有两个问题。首先，自从混元3.0模型以Hy3 preview形式与用户见面以来，管理层在简报中也提到，混元大模型已经深度整合进腾讯许多内部的核心产品之中，包括元宝、ima、WorkBuddy等。能否请管理层与我们分享一下，随着混元大模型接入上述工作流，您观察到了哪些产品性能或者效率上的提升？另外，展望未来，随着混元3.0模型进一步整合进微信生态，对此管理层有哪些计划的产品路线图？比如，小程序企业未来是否也能够利用这些智能体工作流来提升效率、推动未来的数字化升级？

　　我的第二个问题是，随着AI智能体逐渐取代传统网页以及App 中的“点击式交互工具”，管理层如何看待未来广告产品定价的变化？这对广告主的预算分配可能带来怎样的影响？在管理层看来，哪些类型的数字内容、网络活动在未来仍会有较强的韧性，能够持续吸引大量用户的参与？另外，管理层是否已经提前思考，并在战略上布局新的广告形式，以适应这种潜在的广告支出变化趋势？希望管理层在这方面与我们分享更多想法和展望。

　　刘炽平：关于混元3.0模型，我们在前面的简报中其实已经较为全面地为大家介绍了它的功能。大家可以看到，混元3.0模型的智能化水平更高。虽然它的体量相对较小，但它在推理能力方面的表现实际上非常强。同时，相比混元2.0，混元3.0模型在智能体能力上的表现也有显著提升。

　　基于上述这些特点，随着我们将混元3.0模型整合进不同产品，我们发现，产品的整体表现可以说让我们相当振奋。各个产品团队都反馈产品性能有明显改善，他们可以直接从用户端观察到产品效果；相比混元2.0，混元3.0模型的token调用总量至少提升了十倍。这其实是一个非常明确的信号，说明混元3.0模型的设计是非常成功的。

　　与此同时，由于混元3.0模型在开发过程中就已经与腾讯的部分核心产品进行了协同设计，例如元宝、CodeBuddy、WorkBuddy等，它能够更好地契合这些产品的需求，也因此获得了产品团队的广泛认可。

　　至于你问题中提到的，混元3.0模型将如何融入微信的工作流，我认为这是一个循序渐进的过程。实际上，微信的部分功能已经整合迭代到了混元3.0模型。在某些应用场景下，我们也会同时测试不同模型，评估哪一个模型最适合当前的用户需求。因此，随着混元3.0模型的持续优化，我们也自然会拓宽其与微信产品的整合。

　　小程序方面。我认为对于企业而言，混元3.0模型带给他们最直接的优势在于：如果他们正在使用我们基于混元3.0模型能力打造的产品，比如AI编程工具、CodeBuddy、WorkBuddy 等，他们其实就已经能够从混元3.0模型的性能提升中获益。未来，随着我们开始大规模将小程序整合进智能体生态、让智能体能够把小程序当作工具来调用时，这也会为小程序企业带来更多流量。

　　因此，如果让我从两个层面来总结的话，我认为一是“内部层面”：企业通过使用我们的智能体产品，可以提高自身生产效率；二是“外部层面”：未来他们的小程序会被更多用户、更多智能体调用、使用，从而获得更多的增长机会。

　　詹姆斯·米歇尔：关于你提到的广告问题，这其实是一个很有意思的问题。我认为，这种潜在的变化对电商公司的影响可能会比对我们这样的公司影响更大。

　　我之所以这么说的原因在于，用户会主动地、并且愿意花时间去看短视频、听音乐、消费内容，或者和朋友聊天；但一般来说，用户在电商平台上花时间，往往是因为他们想找到产品的最低价格，而不一定是真正享受这个过程。

　　如果未来AI智能体在价格比较方面能发挥越来越大的作用，那用户确实有可能减少在电商网站上的停留时间，也相应地会接触到更少的广告——因为AI智能体可以帮助用户快速浏览无限量的商品列表，它们也不像人类那样会受到广告影响——毕竟，人类的注意力是有限的，而广告恰恰是利用了这种有限的注意力。

　　当然，话虽如此，其实从过往经验来看，业内已经出现过很多轮“比价服务”的迭代，包括搜索引擎等。而在这些比价服务存在的背景下，那些大型的电商公司总体上依然取得了成功和增长。

　　因此，我认为，如果现在就对“AI将如何影响电商行业的友商”这个问题给出一个明确结论还为时尚早。至少从目前来看，我们并不认为这会成为腾讯未来需要面临的核心风险之一。

　　瑞银集团分析师Kenneth Fong：我的问题有关公司AI业务的投资回报率（ROI）。

　　如果我们观察全球的同行，他们目前已经将80%甚至100%的经营现金流都投入到AI相关的资本开支中了；相比之下，腾讯在上个季度大约只投入了 35%。但同时我们也发现，随着业务的发展，这其中很多公司都变得更加“重资产化”，且已经出现了自由现金流和净资产收益率（ROE）下降的情况。

　　因此，能否请管理层与我们分享一下，或者说为我们提供一些更量化的指引，帮助我们理解腾讯今年AI业务相关的资本开支大致规模如何？另外，管理层目前会使用哪些关键指标（KPI）来评估这些AI投资所带来的价值，以及投资回报情况？

　　詹姆斯·米歇尔：目前，我们看到无论是内部产品，还是外部使用我们模型的客户，大家对AI相关服务的需求都在不断增长。在之前的电话会议上我们已经给出指引，今年公司的资本开支将高于去年。现在，我们对这一指引也更加明确、更有信心。大家应该会看到，我们的资本开支将出现显著增长，尤其是在今年下半年，因为更多国产设计的A6芯片将在今年全年按月逐步向我们供货并投入使用。

　　至于你问题里提到的业务KPI，不同产品、不同业务之间的KPI其实有所不同。从宏观层面来说，对于我们现有的业务，比如广告和游戏，这些领域的KPI更多是收入和利润相关的指标；对于新的AI产品，我们的KPI 会更多聚焦于能力本身，比如我们的基础模型到底有多智能、用户使用情况如何以及与WorkBuddy相关的token消耗量有多大等等；至于腾讯云业务，目前我们的GPU资源还不足以完全满足外部市场需求。因此，这部分业务的KPI会更多地围绕收入增长和市场份额展开。

　　摩根大通分析师Alex Yao：我想跟进一下刚刚Kenneth的问题，只不过是稍微换个角度。公司在资源配置是，从AI业务的资本开支来看，管理层是如何评估公司内部的AI基础设施投入的？具体来说，管理层会采用怎样的ROI评估框架？或者说，你们在进行这些投资决策时，所预期的回报周期是多久？另外，通常来说，管理层会基于多长的时间维度来衡量这些投资回报预期？

　　詹姆斯·米歇尔：在前面的回答中，我们其实已经分享了一些关于如何看待这些投资的“定量”或“定性”回报的思路：对于某些产品，我们采取的是非常严格的“以财务回报为导向”的方式来评估；而对于另外一些产品，我们则更关注它们长期以来对整个系统生态带来的战略价值和增益。

　　我不确定我是否完全理解了你这个问题背后的真正含义。如果你愿意的话，你可以进一步展开或重新表述一下你的问题。

　　摩根大通分析师Alex Yao：归根结底，投资者们更希望了解，这部分AI相关的资本开支最终会由谁来买单？这部分支出是来自哪些预算？以及公司会在多长的时间周期内实现回报？管理层是否预期，未来能够通过新的商业化机会来覆盖并回收这些投入？

　　詹姆斯·米歇尔：我认为，在腾讯的发展历程中，我们总体上一直维持着良好的投资回报。大家其实可以观察腾讯过去二十多年的ROE来量化这一点——我们的ROE长期保持在一个相当高的水平。

　　我们之所以能够做到这一点，并不是因为我们对每一个新产品、每一项新服务，都设定非常短期、非常量化的ROI目标；我们之所以取得这样的成果，是因为我们始终以“投资组合”的方式来管理业务，并且按照产品的完整生命周期来运营，而不是只盯着某一个季度，或者以某一年为周期。

　　腾讯内部其实有很多业务都是这样成长起来的。无论是我们的游戏业务、推出微信，还是进入支付领域，这些业务都经历过相当长的孵化期。在此期间，这些业务几乎没有什么投资回报，但我们当时相信它们能够为公司的整体产品生态创造长期价值。而在后续阶段，这些业务又会进入到更长时间的“收获期”，我们也因此能够从当初的周期性投资中获得非常健康的回报。

　　AI业务也是如此，它同时包含了“短周期的投资”以及一些“长周期投资”。例如，如果我们购买GPU并部署到广告技术系统中，这就属于相对短周期的投资。GPU能够提升广告的匹配能力、提高点击率，进而带来更高的收入和利润，而且这种效果往往会非常明显。但另一方面，当我们把GPU部署到混元基础大模型上时，这类投入更多是为了增强整个腾讯生态的长期竞争力，对此我们也会采取更长期的视角来看待它。

　　不过，无论如何，我们都不会按季度来看待每一个产品。我们关注的是整体业务组合，也会基于产品的完整生命周期来进行运营和投资决策。

　　刘炽平：我想再补充几点。关于这个问题，大家可以从很多不同角度来看。

　　如果从模型训练的角度来说，这些投资本质上是一种面向未来的投资。在短期内，它大概率不会为我们带来非常直接的回报；但随着时间推移，模型能力会不断积累，而这些能力最终会为我们带来很多新的业务机会。比如，当我们推出新产品时，像元宝、WorkBuddy、CodeBuddy等等，它们通常都会经历一个“先免费服务”的过程；随后，商业化收入才会逐渐出现。而且，企业用户的收入往往会比个人用户的收入来得更快。因此，这其中其实会存在一种“逐步成型”的回报周期。

　　从企业服务收入来看，比如B端的业务收入，或者说腾讯云业务的收入。从本质上来说，这些是“算力即服务”，或者算力租赁。那么这类业务的ROI就会更加清晰。因为它们会有比较明确的商业模型：我们有GPU等基础设施的折旧成本，在此基础上再加上一定利润率，再将算力出租出去。因此，这类业务的回报路径是相对明确、可量化的。

　　此外，就像前面詹姆斯提到的，在广告业务方面，我们目前也能看到非常不错的投资回报。所以，我认为，对于不同类型的算力投入，我们其实应该采用不同的视角和方式去评估它们的投资回报。

　　Exane法国巴黎银行证券部门分析师William Packer：首先，考虑到国内游戏市场仍然是腾讯最大的收入和自由现金流来源，能否请管理层帮助我们拆解一下，生成式AI技术目前是如何影响公司业务的？它是否正在通过更短的转化周期为公司带来增量变现？并且几乎没有明显的滞后收益？另外，从成本效率的角度来看，管理层是否已经看到了它对利润率的改善？还是说，目前公司仍然需要先进行前期投入，在短期内反而会对收益造成一定的压制？

　　我还想快速跟进一下前面的问题。刚刚管理层对于公司的资本开支前景做了简要说明。能否请您进一步谈谈这对今年下半年的股份回购可能带来的影响？

　　詹姆斯·米歇尔：如你所假设的，在腾讯的游戏业务中，生成式AI技术可以让我们更快地生产更多内容。这些内容在某些情况下是用于提升玩家的整体体验，但在另一些情况下也会为我们带来直接的商业化收益。例如，当内容是虚拟皮肤时，就可以直接转化为收入。这正是我们正在做的，也是我们已经看到的效果。

　　我们认为，在这一领域，无论是在中国还是在全球范围内，腾讯都称得上是行业领先者，甚至可以说在相关能力的部署和收益实现方面处于全球领先地位。

　　目前，我们的目标主要是更快的内容生产以及带来增量收入，而并不是单纯追求利润率扩张。当然，从结果上看，如果我们在实现收入增长的同时，能够保持员工规模相对稳定，那么从理论上讲，这种组合长期来看确实会带来利润率提升，但这更像是一个“顺带的结果”，而不是我们刻意追求的目标。

　　关于你提到的资本回报问题。我们会随着AI需求的增长，相应加大相关投资。不过，正如第一季度业绩所显示的那样，我们本身拥有着现金流非常充裕的业务；同时，我们也拥有相当规模的投资组合，并且正在加速推进部分投资资产的变现。这也让我们能够在今年的剩余时间内持续进行股份回购。

　　目前，我们认为公司的股价存在一定程度的低估。因此，从回购的角度来看，现在是一个相当有利的时间节点，是进行股票回购的非常合适的窗口期。

　　伯恩斯坦研究所分析师Robin Zhu：我的第一个问题是关于公司在数据管道、模型训练等方面所做的改进。随着混元3.0大模型的发布，管理层是否认为，现在公司的大模型研发已经进入到更可持续的上升轨道？可以实现类似其他公司的研发的节奏？比如每年发布一次重大更新、中间穿插多次小规模更新？管理层认为腾讯是否已经达到了这种状态？还是说您认为公司还处在模型研发的过程之中？

　　我的第二个问题是关于AI产品投资的理念。我理解在美国市场上存在两种经营路径：一方面，OpenAI更偏向于追求大规模的日活用户（DAU）；另一方面，Anthropic则更倾向于面向一小部分高意图、高付费能力的专业用户群体。腾讯在这方面的思路是什么？从公司过往的产品来看，腾讯似乎更偏向前一种“大规模用户”的路径。但我也想借此机会请教管理层，您如何看待这两种路径各自的优劣？此外，当前所谓的“token mixing”的现象是否会影响你们对上述路径选择的判断？

　　刘炽平：生产流程方面，我们前面其实已经比较充分地分享过我们已经取得的进展。

　　以混元3.0模型为例。我们已经对整个团队、生产流程、基础设施以及模型生产中的各个关键模块都进行了全面重构，包括你提到的数据管道、预训练、后训练、强化学习以及评估体系等等。而且，我们是有意地构建了一个体量相对较小的模型，用来验证这些不同环节的改造是否真正有效。

　　而当这些环节整合进混元3.0 Preview版本之后，大家可以看到，在相同规模下我们已经能够产出一个相当有竞争力的模型。在每一个模块中，我们都清楚看到还有很多可以继续改进的空间。因此，整体来看，我们对这个结果是满意的，甚至从某种程度上来说，我们对模型推进速度之快也感到有些惊讶。

　　更重要的是，我们的模型在真实使用场景中呈现的效果确实超出了我们的预期。在很长一段时间里，很多模型在“基准测试”中表现很好，但一旦真正部署到产品中，用户往往会提出很多问题。但这一次，当模型真正交到开发者和用户手中时，他们是愿意使用的；从反馈来看，这次的产品效果比我们预期要好不少。我相信这也为我们下一步将模型规模化、产品化打下了非常坚实的基础。

　　对于产品层面的思考，我们认为腾讯目前仍然处于AI扩散的早期阶段。未来我们会看到很多不同类型的产品不断出现。最开始的时候是聊天机器人chatbot，当时大家都认为chatbot会是AI产品的核心形态；后来AI代码生成工具迅速崛起，成为具有更高价值、更具吸引力的应用场景；而现在我们看到AI智能体能力正在快速发展，这将进一步推动AI技术向更多行业渗透，形成各种不同的AI智能体，帮助人们完成工作。

　　因此，我相信未来还会持续出现新的AI产品形态，AI技术的扩散仍在继续。

　　而在AI世界里，我们认为关键在于要找到高价值的使用场景，而不仅仅是追求DAU。AI革命与互联网革命的一个重要区别在于：AI的本质是“智能”，而“智能”的价值体现往往是人们愿意为其付费的程度。同时，这种“智能”并不是免费的。

　　在互联网时代，大部分是已有信息的传递，新增内容虽然有，但整体成本是相对固定的，且分发成本非常低，主要是带宽，计算也主要发生在用户的设备端，因此可以实现几乎无限规模的扩展；但在AI时代，每一次推理和服务交付都会产生显著的计算成本，换句话说，每一个DAU都是有成本的。

　　因此，我们不能再简单地把互联网的增长逻辑套用到AI时代。在当前的情况下，找到“高价值用例”的重要性甚至可能超过单纯追求DAU和使用时长。从这个角度来说，如何部署产品、模型与产品之间如何实现协同设计等等，这些都是我们必须纳入考虑的新变量。

　　美银美林分析师Alex Liu：我有两个问题。首先，管理层前面分享了对于AI智能体战略的看法。我对一个概念特别感兴趣，腾讯的AI智能体可以接入小程序生态，并将小程序作为AI能力来使用。我想请问，对此管理层是否有大致的时间表？我们大概会在什么时候看到它逐步落地？

　　我的第二个问题与刚才的讨论相关。考虑到目前计算资源供应仍然比较紧张，我想了解管理层是如何在资源受限的情况下，平衡AI功能（例如智能体服务）的推出节奏？在当前算力较为紧张的情况下，管理层如何决定是否加快或放缓相关AI功能的上线速度？

　　刘炽平：关于你提到的AI赋能小程序，我认为这是未来发展的必然走势。

　　我们现在需要解决的问题是：如何以最佳方式来呈现这些AI能力，以及如何让小程序用户能够真正主动地参与并与之互动。

　　我们确实有一个大致的时间方向，但目前我们还无法给出一个非常明确的时间表，因为这里面还有很多产品设计和系统设计需要逐步完善。不过，从长期来看，我认为在某个阶段，这会帮助我们让整个生态系统彼此协同、互相帮助。这也是腾讯的独特优势之一。随着时间推移，我们生态系统中的很多资源都有可能被转化为智能体的技能，未来随着进一步发展，这些智能体甚至会逐渐拥有自己的“身份”。

　　这都将是我们生态系统的独特优势，我们也会在未来逐步把这些能力落地。

　　詹姆斯·米歇尔：关于你提到的在不同AI产品之间如何平衡的问题。

　　我们实际上已经做出了选择，并且也为此付出了相应的代价。具体来说，我们优先支持了多个腾讯内部的AI服务，从一定程度上来说，这些业务的优先级是放在了腾讯云之前。可以说在这一点上，我们已经做出了取舍。

　　一般来说，很多拥有云业务的大型科技公司通常会有一个“旗舰级的内部应用场景”，用于集中分配大量GPU资源；而我们不同的是，我们同时拥有多个这样的旗舰场景，包括混元基础模型、微信内部的智能体开发、元宝的相关应用、广告业务中的AI部署、游戏业务中的 AI 应用，以及现在的WorkBuddy和CodeBuddy等用例。也正是因为我们在同时支持这么多内部AI项目，我们并没有积极地将GPU算力部署到腾讯云业务中，这也解释了我们在资源分配上的结构性选择。

　　展望今年下半年，随着国产设计的GPU供应逐步增加并释放产能，我们会逐步改善这一状况，同时也会释放更多算力到腾讯云业务中，推动腾讯云业务的加速增长。

　　因此，可以说，这其中体现出了我们明确的权衡取舍：我们在过去一段时间内，有意识地延后了通过腾讯云变现的AI能力节奏，以便同时支持多个内部AI项目的发展。

　　汇丰银行分析师Charlene Liu：我有两个问题。第一个是关于业务变现。我们看到近期，字节跳动旗下的“豆包”开始尝试面向C端用户的订阅模式。我想了解管理层如何看待中国C端AI订阅市场的规模？此外，除了订阅模式之外，广告和小程序是否仍然是C端AI技术的主要商业化路径？管理层认为广告以及小程序生态在这方面还有多大的增长空间？

　　我的第二个问题是关于算力瓶颈。我们看到美国的一些公司不仅在GPU上投入，同时也在努力解决CPU和网络芯片等更基础设施的瓶颈问题。我想请问管理层，对于腾讯而言，这些问题是否已经影响到我们？管理层是否也会面临类似的限制？如果是的话，管理层计划如何应对和解决这些算力方面的约束？

　　刘炽平：关于C端的变现，我认为这其实并不容易。

　　从西方市场来看，在成熟市场中，付费服务的渗透率其实已经相对较高，同时居民收入水平也更高。因此，无论是音乐服务还是视频服务，产品的订阅价格在西方市场通常是中国同类服务的数倍。但即便如此，西方市场的整体付费渗透率也大概只有个位数。

　　如果把这个标准套用到中国市场，我认为订阅模式在中国市场的规模不会太大。当然，订阅模式本身是必要的，原因我之前也提到过：AI服务不同于传统互联网服务，它并不是那种可以以极低边际成本无限扩展的模式。每一个用户的使用都会带来一定的计算成本。更重要的一点是，一旦你需要通过付费来支撑服务，那么这个行业大概率不会是“赢家通吃”的结构，而更可能是多个“玩家”共同存在、各自拥有一定用户基数和订阅份额的市场格局。

　　至于广告和电商等变现方式，目前无论是在中国还是美国，其实都还处于非常早期阶段。即便是在美国，虽然eCPM（千次展示收入）更高，但头部公司也还没有建立起非常成熟和稳定的广告变现体系。因此，从长期来看，这些模式可能会成为订阅模式的补充。

　　在AI的时代，当你把算力和模型应用到不同场景时，你需要思考的关键问题是哪些是高价值使用场景，从而能够在有限的算力下获取最佳回报，并实现整体效益的最大化。

　　詹姆斯·米歇尔：关于你提到的GPU、CPU以及芯片等不同层面的瓶颈问题，我在这里做一个总结性的说明。

　　之所以在中国，GPU瓶颈比其他地区更为明显，主要是由几个因素叠加造成的。一方面是对部分海外生产、设计的GPU有政策性限制，这部分GPU无法进入中国市场；另一方面，中国自主研发设计的GPU在本土晶圆厂产能有限。因此，中国整体在GPU的供给上一直存在短缺。不过这一情况正在逐步改善，因为国产设计的芯片产量正在提升，一部分产能来自国内晶圆厂，另一方面也有来自周边国家晶圆代工厂的补充供给。

　　相比之下，我们并没有在CPU或网络芯片上遇到类似的人为因素影响。

　　长期以来，腾讯一直是CPU和网络芯片的大客户。在GPU尚未成为数据中心建造的核心之前，我们就已经与这些供应商建立了长期合作关系。从供应商的角度来看，他们并不会随便地在现货市场中以最高价格出售产品。更现实的情况是，成熟的供应商会有三到五年的长期规划周期、与客户签订长期协议，以确保未来收入的稳定性。

　　而在选择合作伙伴时，他们通常会考虑几个因素，比如对方是否是长期稳定的合作伙伴、是否具备持续增长的需求、是否在行业中具有长期存在性等等。而在上述这些方面，腾讯都符合条件。多年来，腾讯一直是英特尔等公司的重要客户，并且我们的采购规模在持续增长。供应商们也预期这一趋势将在未来继续延续。

　　因此，从采购层面来看，目前真正的挑战主要集中在GPU上，而这一问题也在逐步缓解。与此同时，在CPU和网络芯片方面，我们已经能够获得相对稳定且充足的供应。

　　高盛分析师Ronald Keung：我有两个问题。第一个是关于消费级AI智能体方面的。相比管理层之前一直在讨论的“应用级创新型智能体”，我想了解一下，管理层如何看待来自操作系统层的智能体带来的潜在影响？因为微信本身是一个超级应用，但从长期来看，来自iOS或Android操作系统层，或者是手机厂商、系统级智能体的能力，是否可能对公司带来结构性颠覆或竞争威胁？管理层如何评估这种潜在风险或冲击？

　　我的第二个问题是关于广告业务。我们看到公司的广告业务出现了再加速势头；同时，我们也注意到公司在广告负载方面相较同行也一直比较克制、有耐心。不过在第一季度广告负载略有上调的背景下，我想了解一下，管理层是否在考虑进一步调整广告策略，从而推动广告收入的加速增长？毕竟如果广告利润能够进一步提升，也可能会为AI的再投资提供更多资源。我很想听听管理层在这方面的思考。

　　刘炽平：从操作系统的角度来看，我感觉你的问题里其实混合了几种不同的概念。

　　首先，如果是说真正意义上的操作系统，比如iOS系统和安卓系统；当然也存在一些应用，它们试图扮演“操作系统”的角色。如果你是指像iOS或安卓这样的操作系统中的智能体，你实际上需要确保整个生态系统能够得到良好的保护及管理，换句话说，允许应用做什么事需要保持平衡。用户可以允许某种智能体为用户提供服务，但前提是它必须获得不同应用的授权；否则，从操作系统的角度来看，本质上就变成了“绕过应用、直接攫取价值”，这并不是管理操作系统生态的最佳方式。

　　操作系统本身存在了很长时间，其核心原则其实是“中立性”。换句话说，操作系统的使命应该为所有应用提供一个公平的竞争环境，同时也为未来所有智能体与应用提供一个公平接入操作系统的基础。

　　但如果你指的是有某个应用试图“变成操作系统级别的服务”，去绕过或侵占其他应用的功能，那这就会形成真正的竞争。而我相信这种行为任何应用都不会轻易接受。与此同时，操作系统本身也有责任去防止这种情况发生。

　　因此，如果我们讨论的是“智能体作为一个应用去和其他应用竞争”，那是一种层面的竞争关系；而操作系统则需要保持相对中立，努力维持健康的生态系统，让所有参与者都能公平接入，从而让整个系统持续成功运行。

　　詹姆斯·米歇尔：对于广告收入，我们在视频号中的广告加载率目前仍然是行业最低水平，大约在4%到5%左右，因此我们在提升广告负载方面仍然有相当大的进步空间。至于我们会在多大程度上去利用这一增长空间，我们目前处在一个相对有利的位置，因为公司有多个广告之外的收入增长驱动因素。例如在游戏业务方面，本季度新内容带来的收入增长将在接下来三个季度继续为整体收入提供支撑；在云业务方面，正如我们之前提到的，随着下半年更多GPU上线，这将有助于云业务恢复并加快收入增长趋势；在金融科技业务方面，我们已经走出过去一段时间的压力期，交易量增长依然保持正向，同时定价环境也从此前的负增长转为更加中性的状态。

　　因此，从整个业务组合来看，我们看到多个积极因素正在同时发生。而在这种背景下，我们会继续以整体投资组合的方式来管理业务，同时在视频号的广告加载方面保持谨慎、平衡，既要支持整体业务指标增长，也要确保产品本身的使用时长和用户参与度能够持续健康增长。

　　麦格理分析师Ellie Jiang：我有两个问题。第一个问题是关于WorkBuddy的。目前来看，WorkBuddy的增长势头非常不错，在智能体生产力领域似乎已经取得了早期领先优势。在本季度业务服务20%的增长中，能否请管理层说明其中有多少比例来自于相对“可持续的智能体收入”，有多少来自传统的云计算收入或其他类型收入？

　　此外，针对这些智能体工作流产品，公司内部是否有一个内部的ARR（年度经常性收入）目标？比如到2026财年年底的目标？以及未来三年的中长期规划目标大致是什么？

　　詹姆斯·米歇尔：AI智能体生产力的上升趋势，其实并不是在过去几个季度，甚至也不是在过去几个月才发生的，而是在最近几周才真正开始加速。这一点在全球范围内都是成立的。实际上，大概是从第一季度末或第一季度结束之后，生成式AI在提升编程能力、提升生产力方面才真正出现明显突破。因此，在第一季度，公司业务服务的增长并不是由这一轮AI爆发所驱动的；token消耗的显著增长也是在第一季度末之后才开始变得更明显。

　　至于你提到的ARR目标等问题，从本质上讲，这个领域变化非常快，快到我们可能今天设定了目标，12个月之后可能会出现数量级上的偏差，因为用户使用需求本身是高度动态、高度变化的。

　　所以在这个阶段，我们其实很少关注具体的收入目标，而是更专注于把产品做好。而“好的产品”包括两个层面：第一是模型层面的能力提升，例如混元大模型在智能体能力方面已经表现很好，而下一代版本在今年晚些时候还会有显著提升；第二是产品层面的体验，包括像CodeBuddy以及越来越重要的WorkBuddy，我们希望它们能够成为用户访问和使用基础模型能力的最佳入口，让用户真正从这些基础模型中获得最大价值。

　　总而言之，目前这些仍然是我们优先关注的重点。

　　杰富瑞分析师Thomas Chong：我的问题第一个是关于内容侧的AI应用。

　　鉴于目前我们已经看到AI在在线音频、视频领域带来了一定的结构性冲击，我们是否可以预期，在腾讯视频这样的内容平台上，未来也会出现“AI剧集”成为爆款内容的情况？我们应该如何理解未来的内容成本结构以及商业模式的变化？

　　我的第二个问题是关于金融科技业务中的AI应用。随着AI基数在风险管理方面能力显著提升，我们应该如何看待其在在线信贷、财富管理业务等方面的前景变化？AI会如何影响这些业务的增长路径与风险结构？

　　詹姆斯·米歇尔：我想再次强调，AI领域的格局变化非常快。我们自身的判断在过去几周、几个月内也发生了很多变化，因此我很难给出非常确定的结论。

　　关于你提到的“内容创作中的AI技术颠覆”，我理解你可能指的是短视频或者短剧，而不是腾讯视频中的长视频内容。

　　在长视频方面，我们看到一个趋势是，目前大约有双位数比例的用户偏好动画内容。随着一系列技术的融合，例如Unreal Engine这样的工具以及生成式AI在视频领域的能力不断增强，无论是在游戏还是动画内容领域，我们现在都越来越有能力制作高质量的3D资产。

　　动画类的线性视频内容正逐渐成为各自品类中的最佳产品形态，而腾讯在这方面是有天然优势的，因为我们同时拥有强大的内容IP运营能力、游戏业务，以及AI技术能力，特别是在某些多模态AI能力上。正如马总（马化腾）在简报中提到的，腾讯在已经行业领先的头部企业。现在在动画电视剧制作领域，我们也已经成为行业领先者，而AI技术正在让这一进程变得更快、更便宜，同时质量也更高。此外，AI还让我们能够把更多原本局限在小说或游戏中的IP转化为线性视频内容，从而扩大最终受众群体。

　　金融科技方面。金融服务在全球GDP中占比非常高，同时也是我们收入的重要组成部分。金融服务本身就是一个高度数据密集型的行业，因此天然地适合通过AI提升生产效率。

　　如果大家观察那些已经通过AI优化的行业，比如编程和广告产业，大家就会意识到，金融服务在不久的将来也非常有可能出现类似的生产力提升，因为它在某些特性上与编程、广告业务有着诸多相似之处。举个例子，在信贷业务方面，从过往来看，“信用评分”更多是一种“经验艺术”而非严谨科学。虽然存在大量数据，但真正发挥作用的只是其中一小部分。而现在，基于AI模型，我们可以更全面地利用所有可用数据，识别关键因素，从而提升授信决策的准确性。

　　因此，我们相信，金融服务行业将会是很多公司投入大量资源去探索的重要领域之一，而腾讯也会积极地参与其中。（完）