Tencent Tang Daosheng bewertet Yao Shunyu, Hunyuan 3 und Yuanbao

Text | Wang Yuchan

Editor | Zhang Yuxin

Was war am 5. Juni auf der Tencent Cloud AI Industry Application Conference am meisten von außen beobachtet?

Zweifellos war es das Gespräch zwischen Tang Daosheng und Yao Shunyu.

Bei dieser Konferenz, auf der eine Reihe von Agenten für über 20 vertikale Szenarien vorgestellt wurden, waren die Produkte zu B2B-orientiert und es wurde nicht das von vielen gewünschte "WeChat AI" erwähnt. Daher wurde fast die gesamte Aufmerksamkeit der Außenwelt auf dieses Gespräch gelenkt.

Tang Daosheng, Senior Executive Vice President der Tencent Group und CEO der Cloud und Smart Industry Business Group, fragte in dem Gespräch Yao Shunyu, Chief AI Scientist von Tencent und Leiter des Tencent Hunyuan Large Language Model und AI Infra, "Viele sagen, Tencent sei in Sachen AI zu langsam. Findest du, dass wir wirklich zu langsam sind?"

Yao Shunyu antwortete: "Ich denke, das ist eher die Frage, die ich dich fragen sollte."

Yao Shunyu erwähnte anschließend zwei Kriterien für die Beurteilung: 1. Ist AI ein kurzfristiges oder langfristiges Spiel? 2. Ist es ein lineares oder ein vielfältiges Spiel?

Dieser nur 27 Jahre alte Yao Shunyu, der früher bei OpenAI arbeitete und als "Genie aus Tsinghua" bezeichnet wird, ist seit sechs Monaten bei Tencent. Seine Gedanken spiegeln fast die Strategie von Tencent in Bezug auf AI wider. Seine Schlussfolgerung lautet: Erstens ist AI ein langfristiges Spiel, das gerade in die zweite Hälfte eingetreten ist. Zweitens ist der Coding Agent sehr wichtig.

Wie Yao Shunyu beschrieben hat, hat Tencent eine Reihe von Coding Agent-Produkten und Effizienzsteigerungstools sowohl für B2B als auch für B2C eingeführt. Im Vergleich dazu war Yuanbao, das zu Beginn des Jahres viel Marketingbudget von Tencent beanspruchte, auf der Konferenz fast unsichtbar.

Yuanbao wurde in Bezug auf die Benutzeraktivität von Doubao weit hinterher gelassen. Und jene Reihe von Coding Agent-Produkten scheint zu speziell und nicht sexy genug zu sein.

Aber sie sind tatsächlich näher am Geld.

Yao Shunyus direkter Vorgesetzter ist Liu Chiping, Präsident von Tencent. Auf der Einnahmenkonferenz für das erste Quartal sagte Liu Chiping:

"Die Fähigkeit, hochwertige Anwendungsfälle zu finden, ist mindestens so wichtig wie die Erzielung einer großen Anzahl von DAU und Benutzerzeit, wenn nicht sogar wichtiger. In der Welt der AI musst du hochwertige Anwendungsfälle finden, anstatt dich nur auf die DAU zu konzentrieren. Der Unterschied zwischen der AI-Revolution und der Internetrevolution besteht darin, dass AI um 'Intelligenz' geht, und der Wert der Intelligenz zeigt sich darin, wie viel Menschen dafür zahlen wollen. Im Bereich der AI entstehen bei jeder Servicebereitstellung relativ hohe Kosten."

Die B2B-Kunden sind die "hochwertigen Anwendungsfälle", von denen Liu Chiping spricht. Die Effizienzsteigerung ist die von Tencent betonte Serviceart.

Aber es gibt hier nicht ohne Probleme. Der Token-Verbrauch ist immer noch teuer, und die Rechenleistung von Tencent ist immer noch begrenzt. Es ist möglich, dass die Kunden "die Effizienz steigern, aber auch die Kosten erhöhen". Hat Tencent zwar einen Goldschatz gefunden, aber reichen die Schaufeln?

Im Hintergrund der Konferenz stand Yao Shunyu den Medien nicht mehr gegenüber, aber Tang Daosheng gab Interviews an mehrere Medien, darunter 36Kr Smart Wave. Überraschenderweise sagte er: "Derzeit ist die Monetarisierung nicht unser Schwerpunkt", "Wir haben dem Buddy-Team auch keine Monetarisierungsziele gesetzt."

Tang Daosheng sprach über Geschäftsmodelle, die knappe Rechenleistung, das "Rennen-Mechanismus" und bewertete auch Yao Shunyu, aber er umging die Frage nach "WeChat AI".

"Tencents Geschäftstätigkeit ist sehr vielfältig, und es wird viel getan. Es ist schwierig, sicherzustellen, dass jeder Bereich führend in der Branche ist. Daher ist es normal, dass verschiedene Geschäftsbereiche in bestimmten Phasen unterschiedlich schnell voranschreiten." sagte Tang Daosheng. "Wenn man sich die erfolgreichen Geschäfte von Tencent in den letzten fast 28 Jahren ansieht, wurden nicht alle auf geradem Weg erfolgreich. Sie haben Höhen und Tiefen durchlebt. Tencents Philosophie ist, dass man, wenn man feststellt, dass ein Produkt wertvoll ist, es durch den gesamten Zyklus hindurch durchhalten muss."

"Die Monetarisierung ist nicht unser Schwerpunkt"

Frage: Tencent Cloud hat früher gesagt, dass die reine Abrechnung nach Token und API kein langfristig gesundes Geschäft sei. Wenn man von der Ressourcenverkäufung zur Abrechnung nach Aufgabenresultaten und Geschäftswert übergeht, wie sieht dieser Weg aus? Wie kann man das Konflikt zwischen der gegenwärtigen Token-Einnahme und der langfristigen Wertorientierung ausgleichen?

Tang Daosheng: Ich denke, beide Möglichkeiten werden existieren. Es sind einfach verschiedene Abrechnungsarten.

Bei der Token-API-Methode ist nicht festgelegt, ob die Kosten unter- oder überdeckt werden. Wenn die Kosten überdeckt werden, ist es ein nachhaltiges Geschäftsmodell. Ich glaube, dass in einigen Branchen und Geschäftsszenarien die Abrechnung nach Effekt möglich ist. Aber um einen bestimmten Effekt für eine Aufgabe zu erzielen, sind viele Faktoren beteiligt.

Wenn ein Produkt nur teilweise zum Endresultat beiträgt, ist es schwierig, seinen Wert rein auf der Grundlage des Effekts zu berechnen. Aber man kann nicht leugnen, dass ein Teilwert auch ein Wert ist. Deshalb finde ich, dass es schwierig und kontrovers ist, rein nach dem Ergebnis zu abrechnen.

Frage: Wie kann Tencent Cloud AI-Anwendungsunternehmen helfen, die Fallgrube der sinkenden Marge zu vermeiden, wenn die Benutzeraktiverheit steigt und die Inferenzkosten höher werden?

Tang Daosheng: Die Grenzkosten für die Bereitstellung von Diensten im Mobilfunk-Internet sind relativ niedrig. Deshalb können wir durch Werbung, das Augenmerk der Öffentlichkeit, das Verkaufsförderung oder die Förderung von Transaktionen ein Geschäftsmodell aufbauen, bei dem die Einnahmen zumindest die Kosten übersteigen. Aber bei AI-nativen Diensten, bei denen die Betriebskosten und Inferenzkosten heute noch sehr hoch sind, ist es schwierig, die Benutzerkosten rein durch das Werbe-Modell zu decken.

Insbesondere können die Benutzer bei verschiedenen Fragen und Aufgaben unterschiedliche Ressourcen verbrauchen. Es ist daher noch schwieriger, eine stabile Rendite zu erzielen und die Werbetreibenden für unsichere Betriebskosten aufzukommen, wenn die Benutzer nicht bezahlen.

Daher ist es bei der starken Verbindung zwischen den Token-Kosten und der Aufgabenkomplexität schwierig, dass die ToC-Abrechnung - ob es sich um ein Abonnement, die Abrechnung nach eingegebenen Token oder eine detailliertere Abrechnung handelt, bei der die Preise für eingegebene und ausgegebene Token unterschiedlich sind und je nach Cache-Speicherung variieren - mit dem gleichen Augenmerk-Modell monetarisiert werden kann, da die Kostenunterschiede zu groß sind.

Deshalb denke ich, dass AI-Produkte, wenn ihre Inferenzkosten auf diesem Niveau bleiben, wahrscheinlich in Szenarien mit hohem kommerziellem Wert eingesetzt werden, in denen man die Kosten kalkulieren kann oder in denen die neu geschaffene Produktivität die Kosten übersteigt, die man sonst für die Durchführung der gleichen Aufgabe aufwenden müsste.

Frage: Viele sprechen jetzt über die Token-Ökonomie. Wird Tencent oder Tencent Cloud Schwerpunkt-Monetarisierungsindikatoren wie die Token-Aufrufrate oder die Branchenpenetration festlegen? Wird es solche Indikatoren zur Bewertung geben?

Tang Daosheng: Die Aufrufrate von Agenten ist kein Monetarisierungsindikator, sondern ein Nutzungsindikator. Derzeit ist die Monetarisierung nicht unser Schwerpunkt. Wir müssen zunächst das Produkt perfektionieren und es möglichst vielen Benutzern anbieten, um zu zeigen, dass es ein nützliches Werkzeug für die Effizienzsteigerung ist.

Aber wir werden ein Geschäftsmodell haben, das wie ein Regler fungiert. Da die Rechenressourcen begrenzt sind, müssen wir entscheiden, welche Benutzer am meisten von diesem Produkt profitieren und bereit sind, für die Rechenleistung zu bezahlen. Ich denke, das ist auch ein Aspekt, den wir bei der Entwicklung von Agent-Produkten berücksichtigen müssen.

Frage: Der Preis pro Token des Hunyuan-Modells ist gesunken. Gleichzeitig haben DeepSeek und Xiaomi auch starke Preissenkungen vorgenommen. Im zweiten Halbjahr dieses Jahres werden die chinesischen Chips verfügbar sein. Können Sie abschätzen, wie die Kurve der Preisreduktion von Large Language Modellen aussehen wird und wie sich dies auf die Preisgestaltung von Tencent AI-Produkten auswirken wird? Gibt es die Möglichkeit einer Preisreduktion?

Tang Daosheng: Ich möchte nicht über die Preisstrategien anderer Modellhersteller urteilen. Aber der allgemeine Trend in der Branche ist, dass die Inferenzkosten pro Token ständig sinken sollen. Dies wird die Verbreitung von AI und die Anwendung ihrer Fähigkeiten in mehr Szenarien fördern und helfen, mehr und schwierigere Probleme zu lösen. Dies ist ein großer Entwicklungstrend.

Aber ich sehe auch, dass gemäß dem Skalierungsgesetz Modelle mit mehr Parametern und größerer Größe weiterhin an Leistung und Fähigkeiten gewinnen. Deshalb entwickeln viele Hersteller jetzt Modelle in verschiedenen Größen. Es gibt Modelle mit relativ weniger Parametern, um Szenarien mit hohen Anforderungen an die Kosteneffizienz und niedrigeren Inferenzkosten zu erfüllen. Andererseits gibt es auch besonders schwierige Probleme, die größere Modelle erfordern, was natürlich höhere Kosten verursacht und zu unterschiedlichen Preisstrategien führt.

Frage: Das Cloud-Geschäftssegment hat 2025 ein Jahresgewinn erzielt. In der AI-Zeit ist WorkBuddy sehr beliebt und hat viele Benutzer. Werden wir die AI-Agent-Produkte auf Gewinn oder ROI bewerten oder weiterhin strategische Investitionen und Förderungen vornehmen? Da unsere Rechenleistung und Kosten stark ansteigen, wird es hier nicht weitere Druckpunkte geben?

Tang Daosheng: Tencent hat mehrere Geschäftsfelder, und jedes Feld hat viele verschiedene Produkte, die sich in unterschiedlichen Phasen befinden. Bei AI-Intelligent Agents wie WorkBuddy und CodeBuddy befinden wir uns noch in der Investitionsphase. Wir haben dem Buddy-Team keine Monetarisierungsziele gesetzt.

Aber gleichzeitig haben wir viele Unternehmenskunden, die an WorkBuddy und CodeBuddy sehr interessiert sind. In der Unternehmensumgebung gibt es ein klares Geschäftsmodell, das eigentlich eine natürliche Erweiterung des Cloud-Geschäfts ist, das bereits Unternehmen bedient.

Ich denke, WorkBuddy ist heute wie Tencent Meeting vor einigen Jahren. Es hat sowohl ToC- als auch ToB-Eigenschaften. Wir werden weiterhin seine C2B-Fähigkeiten nutzen, um ein nachhaltiges Service-System aufzubauen.

Frage: Kürzlich haben Wettbewerber Pläne für die ToC-Abrechnung von Large Language Modellen bekannt gegeben. Welche Monetarisierungspläne hat Tencent für seine ToC-Large Language Modelle? Wie beurteilen Sie die klaren Monetarisierungspläne der Wettbewerber im ToC-Bereich?

Tang Daosheng: Es gibt verschiedene Monetarisierungswege in der Branche. Ich denke, dass wir derzeit das Produkt-Erlebnis verbessern und eine differenzierte Position für Yuanbao finden müssen, um möglichst vielen Benutzern zu dienen. Dies ist unser gegenwärtiges Ziel.

Frage: Wird MaaS oder TokenHub in diesem Jahr das Hauptziel sein? Gibt es eine Erwartung oder ein Ziel für die Einnahmen aus MaaS?

Tang Daosheng: Sicherlich ist es ein sehr wichtiger Teil. Dies ist ein Bereich mit hohem Wachstum. Es hat eine rasante Entwicklung erlebt. MaaS ist der Treibstoff für Intelligent Agent-Produkte. Ich denke, dass der Token-Verbrauch von MaaS auch mit der Implementierung von WorkBuddy in Unternehmen zusammenhängt.

Ich bin sehr optimistisch, denn die Nachfrage auf dem Markt ist sehr hoch. Wie ich bereits erwähnt habe, sind wir jedoch auf die Verfügbarkeit von Rechenleistung angewiesen. Da Token-Services auch ein Träger für Rechenleistung sind, glaube ich, dass die zunehmende Verfügbarkeit von Rechenleistung einen großen neuen Wachstumsschub für den gesamten Cloud-Markt bringen wird.

Frage: In Bezug auf MaaS haben wir kürzlich von Wettbewerbern sehr ambitionierte Einnahmeziele gehört. Wie beurteilen wir die Konkurrenz gegenüber anderen Cloud-Anbietern in Bezug auf MaaS? Was sind unsere eigenen Ziele?

Tang Daosheng: Jedes Unternehmen hat seinen eigenen Entwicklungstil und Rhythmus. Tencent bevorzugt es, dass die Produkte und Daten sprechen.

Frage: Das AI-Geschäft von Tencent Cloud befindet sich noch in der Investitionsphase. In diesem Marathon, wie können wir dem Markt zeigen, dass unsere AI-Investitionen messbar sind und wann die Investitionen in AI-Agenten die Kosten decken können?

Tang Daosheng: Es ist schwierig, ein konkretes Datum vorherzusagen. Das AI-Geschäft befindet sich derzeit noch in der strategischen Investitionsphase.

Frage: Tencent Cloud hat eine skalierte Gewinnung erzielt, aber das Wachstum im ersten Quartal war etwas gedämpft. In der zukünftigen Entwicklung, wie können wir bei einer bestimmten Gewinnspanne und einer ausreichenden internen Nutzung der Technologie den Marktanteil weiter ausbauen?

Tang Daosheng: Ich kann keine Vorhersagen über die zukünftigen Einnahmen treffen. Sicherlich hat das Team auch ein relativ optimistisches Wachstumsziel.

Über Yao Shunyu und Hunyuan 3

Frage: Warum hat Tencent damals Yao Shunyu ausgewählt? Und was hat Shunyu für Veränderungen in Tencents AI-Bereich gebracht, seit er zu Hunyuan und Tencent AI gekommen ist?

Tang Daosheng: Die Wahl von Shunyu war kein Zufall. Er ist ein sehr einflussreicher Experte in diesem Bereich. Bereits in unseren Gesprächen vor seinem Eintritt haben wir seine Professionalität erlebt. Tatsächlich hat die neue Generation von AI-Nativen eine andere Sichtweise als wir in der Vergangenheit.

Seit er hier ist, hat er Yuanbao einen großen Mehrwert gebracht. Er hat die gemeinsame Entwicklung von Modell und Produkt aktiv vorangetrieben. Früher war Hunyuan sehr auf externe Benchmarks fixiert, aber jetzt wird die Benutzererfahrung als Leitstern eingesetzt.

Außerdem war unsere Datenmenge zwar groß, aber die Qualität war nicht hoch genug. Deshalb hat er in den ersten Monaten vor der Entwicklung von Hunyuan 3 viel Arbeit in die Verbesserung der Datenqualität gesteckt. Dies beinhaltete auch das Entfernen von Daten, die zwar in großer Menge vorhanden waren, aber für das Modelltraining wenig oder sogar schädlich waren.

Ich denke, dass eine korrekte Einschätzung der Entwicklung von AIGC-Modellen viele Entscheidungen besser treffen lässt. Wenn man beispielsweise die Wichtigkeit der Datenqualität nicht versteht und nur darauf abzielt, möglichst viele Token zu sammeln, kann man nicht entscheiden, Daten zu entfernen.

Außerdem bedeutet das Skalierungsgesetz, dass man, wenn man ein sehr komplexes Modell mit vielen Tricks entwickeln möchte, es schwierig hat, es zu skalieren. Oder wenn man ein komplexes Modell skalieren möchte, muss man die Architektur einfacher gestalten, um genügend Rechenleistung und Parameter zu