news 2026/4/27 15:04:42

从业务驱动到基建先行,腾讯集结三大部门抢滩AI

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从业务驱动到基建先行,腾讯集结三大部门抢滩AI

在人工智能浪潮从模型炫技迈入“硬核基建”比拼的深水区,中国互联网巨头们正悄然进行一场决定未来十年格局的“军备竞赛”。2025年12月,腾讯一次涉及三大新部门成立、关键人才引进与组织架构重塑的调整,看似是一次内部优化,实则是一份清晰的战略宣言:这家以产品定义时代的公司,正倾力锻造一套统一的AI“操作系统”,试图完成从“产品驱动”到“AI驱动”的根本性转型,在这场与阿里、字节等对手的全面竞逐中,构建自己最深的护城河。

2025年12月17日,腾讯发布内部邮件,对TEG技术工程事业群下组织架构进行调整,成立AI Infra部,数据计算平台部,数据平台部更名为Al Data部,撤销机器学习平台部,相关业务和团队调整至AInfra部、数据计算平台部。同时,任命姚顺雨为CEO/总裁办公室首席AI科学家。

一、此次战略调整的核心要点

调整维度

具体内容

关键人物/部门

战略意图

架构重组

新成立AI Infra部AI Data部数据计算平台部,并撤销原机器学习平台部。

姚顺雨统管AI Infra部和大语言模型部。

将分散的AI算力、数据、工具链进行统一规划和中台化,构建从底层设施到数据服务的完整闭环。

人才引进

任命前OpenAI研究员姚顺雨为“CEO/总裁办公室”首席AI科学家,享有独特的双线汇报机制。

向总裁刘炽平(战略)和技术工程事业群总裁卢山(执行)双向汇报。

引进顶尖科学家,赋予极高权限,旨在强化技术前瞻性,并确保战略能高效落地。

二、此次战略调整具体职责与人事布局

此次战略调整的细化方案,清晰地勾勒出构建AI体系化能力的蓝图。

1、组织具体调整:

(1)AI Infra部:专注于大模型训练与推理的底层技术平台,负责大规模分布式训练、高性能推理服务等,旨在构建坚实的算力与工程底座。

(2)数据计算平台部:旨在打造公司统一的大数据与机器学习融合PaaS平台,为各类AI与数据业务提供全栈式的平台服务能力。

(3)AI Data部(由原数据平台部更名):核心职责转向大模型专用数据的获取、处理、合成与评测体系构建,通过高质量数据与科学评测驱动模型效果持续优化。

(4)撤销原机器学习平台部,其业务与团队被整合至新成立的AI Infra部和数据计算平台部,这标志着相关资源从分散走向集中。

2、人事具体调整:

(1)姚顺雨的任命最具代表性,他同时担任首席AI科学家(向总裁刘炽平汇报)和TEG大语言模型部与AI Infra部负责人(向卢山汇报)。这种独特的“双线汇报”机制,旨在确保其战略视野能直接穿透至执行层。

(2)其他关键任命包括:王迪继续担任大语言模型部副总经理,向姚顺雨汇报;陈鹏担任数据计算平台部负责人,向副总裁蒋杰汇报;刘煜宏担任AI Data部负责人,向蒋杰汇报。这形成了清晰的技术领导梯队。

三、战略调整背后的深层意图:应对竞争与驱动转型

此次具体调整印证了腾讯的深层战略考量,是在AI激烈竞争和自身转型压力下的关键落子。

1、应对白热化竞争,补齐体系化短板:在AI大模型领域,阿里巴巴的通义千问依托云智能集团的紧密协同,在B端市场渗透迅速;字节跳动的豆包则凭借强大的产品化和流量优势,在C端应用层抢占先机。相比之下,腾讯“混元”大模型的声量与市场攻势一度被认为相对保守。此次调整正是腾讯的“体系化回应”——它并非单纯追求模型参数的领先,而是旨在补齐从芯片级优化、训练平台、数据管道到云服务的全栈能力,构建一个竞争对手难以短期复制的、深厚的技术与工程壁垒。这场竞争已从单一模型比拼,升级为基础设施、数据生态与场景深度的综合较量。

(1)系统性补强,明确分工:三个新部门构成了从“计算平台(AI Infra) - 数据处理(AI Data) - 数据智能底座(数据计算平台)”的完整技术闭环,分工明确,旨在系统性补齐AI研发的全链路基础设施能力。

(2)集中资源,提升效率:撤销并整合原有的机器学习平台部,正是为了结束内部可能存在的资源分散和重复建设,将力量集中到统一、更强大的新平台上。

2、驱动根本性转型:从“产品驱动”到“AI驱动”:腾讯过去是极致的“产品驱动”公司,依靠微信、游戏等超级产品获得成功。而“AI驱动”意味着AI不再是某个产品的附加功能,而是重塑所有业务的核心生产力和创新源头。成立统一的AI Infra和AI Data部门,正是为了将AI能力像水电煤一样,以标准化、高效率的方式输送给所有业务线(CSIG、WXG、IEG等),驱动从广告推荐、游戏开发、内容创作到企业服务的全面智能化。这要求公司拥有强大的、集中的“AI中台”来支撑前沿探索与规模化应用,避免各业务线重复“造轮子”。

3、为商业化与未来铺路:集约化、专业化的AI基建是降低天价研发成本、实现商业化的前提。未来,这套成熟的AI Infra(基础设施即服务) 与AI Data(数据即服务) 能力,预计将通过腾讯云对外输出,成为其争夺企业级市场的核心差异化优势,直接对标阿里云、华为云的AI平台战略。

四、对行业与未来的影响

这次调整,从其具体部门设置(专设Infra与Data部门)和顶尖人才的授权(首席科学家兼管具体部门),是中国头部科技公司全面转向AI深度竞赛的标志性事件,预示着竞争进入“深水区”:

1、竞争范式迁移:行业正从追求发布速度的“模型竞赛”,进入务实导向考验长期主义、工程效能与成本控制的“马拉松”。基础设施的牢固与否,将直接决定谁能持续跑下去。

2、组织创新成为竞争力:对姚顺雨的特殊任用机制(“双线汇报”),反映出顶级AI人才需要与之匹配的组织授权与灵活性。如何管理一支融合了研究与工程的双重团队,本身就是一个组织创新的战略课题。

3、AI驱动型公司的雏形:通过这次调整,试图构建一个以统一AI基础设施为引擎,反哺并重塑所有业务的新型组织形态。这不仅是技术的升级,更是公司治理和运营逻辑的根本性演进。其成功与否,将验证一家消费互联网巨头能否真正转型为一家定义未来的AI驱动型公司。

此次架构调整,其意义早已超越一次普通的组织优化。它是一次面向AI时代的系统性“重注”,是对如何将庞大生态转化为AI优势的战略性回答。当通义千问、豆包等对手在不同路径上狂奔时,腾讯选择了夯实地基、统一中台、集中开火的“集团军”模式。这不仅是技术路径的选择,更是组织文化和竞争哲学的体现。其成败将不仅仅关乎一个部门的业绩,更将验证一家消费互联网巨头能否真正打破路径依赖,让AI如同血液般融入组织,驱动下一次。这次转型的终局会不会像以往腾讯后来者居上,我们一起拭目以待。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/24 2:57:03

Langchain-Chatchat结合情感分析判断用户满意度

Langchain-Chatchat 与情感分析融合:让 AI 助手真正“懂你” 在企业智能化转型的浪潮中,一个日益突出的问题浮出水面:我们能否构建一套既安全可信、又能感知用户情绪的本地化智能问答系统?许多公司已部署了基于大模型的知识助手&a…

作者头像 李华
网站建设 2026/4/27 13:32:05

3分钟搞定智谱AI嵌入模型:从零到实战的完整指南

3分钟搞定智谱AI嵌入模型:从零到实战的完整指南 【免费下载链接】llm-universe 项目地址: https://gitcode.com/GitHub_Trending/ll/llm-universe 还在为嵌入模型配置复杂而头疼吗?作为LLM Universe项目的核心组件,智谱AI嵌入模型封装…

作者头像 李华
网站建设 2026/4/23 15:19:05

EmotiVoice网络层特征可视化:从“黑盒“到“透明盒“的奇妙旅程

记得第一次接触语音合成模型时,我总是把它想象成一个神秘的黑盒子——这边输入文字,那边输出语音,中间发生了什么完全是个谜。直到我发现EmotiVoice的网络层特征可视化功能,这个黑盒子终于变得透明起来。 【免费下载链接】EmotiVo…

作者头像 李华
网站建设 2026/4/16 2:48:43

M.I.B.:解锁车载系统潜能的完整指南

M.I.B.:解锁车载系统潜能的完整指南 【免费下载链接】M.I.B._More-Incredible-Bash M.I.B. - More Incredible Bash - The Army knife for Harman MIB 2.x aka MHI2(Q) units 项目地址: https://gitcode.com/gh_mirrors/mi/M.I.B._More-Incredible-Bash 还在…

作者头像 李华
网站建设 2026/4/24 15:57:30

大屏数据实时刷新实战:5分钟掌握3种高效方案

大屏数据实时刷新实战:5分钟掌握3种高效方案 【免费下载链接】jimureport 「数据可视化工具:报表、大屏、仪表盘」积木报表是一款类Excel操作风格,在线拖拽设计的报表工具和和数据可视化产品。功能涵盖: 报表设计、大屏设计、打印设计、图形报…

作者头像 李华
网站建设 2026/4/26 2:29:28

技术深度解构:Megatron-LM学习率调度机制与大规模模型训练实践

技术深度解构:Megatron-LM学习率调度机制与大规模模型训练实践 【免费下载链接】Megatron-LM Ongoing research training transformer models at scale 项目地址: https://gitcode.com/GitHub_Trending/me/Megatron-LM 在百亿级参数Transformer模型训练中&am…

作者头像 李华