🐼Pandaily•較早收集於 2m
騰訊關閉 AI 實驗室轉向大型模型
💡騰訊 AI 實驗室關閉顯示中國 LLM 整合推進。
⚡ 30-Second TL;DR
有什麼變化
騰訊關閉獨立 AI 實驗室
為什麼重要
此轉向可能提升騰訊在 LLM 的競爭力，對全球業者構成壓力。AI 從業者或將看到中國新模型整合。
下一步行動
測試騰訊混元 LLM API 作為具成本效益的推理替代方案。
誰應關注：Researchers & Academics
關鍵要點
- •騰訊關閉獨立 AI 實驗室
- •資源集中於大型模型開發
- •呼應產業整合 AI 趨勢
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •騰訊此次調整涉及將原有的 AI Lab 與混元大模型團隊進行深度整合，旨在消除研發孤島，提升從基礎研究到產品落地的轉化效率。
- •此舉標誌著騰訊將戰略重心全面轉向「混元（Hunyuan）」大模型生態，未來資源將優先傾斜於多模態能力提升及企業級 AI 解決方案的商業化。
- •組織架構調整後，騰訊將強化 AI 基礎設施（如算力集群與數據處理）的統一管理，以應對大規模參數訓練對底層架構的高要求。
📊 競品分析▸ Show
| 特性 | 騰訊 (混元) | 阿里巴巴 (通義千問) | 百度 (文心一言) |
|---|---|---|---|
| 核心架構 | 混合專家模型 (MoE) | 稠密/MoE 混合 | 稠密模型 |
| 生態優勢 | 微信/騰訊雲生態整合 | 電商/雲計算生態 | 搜索/自動駕駛生態 |
| 商業模式 | API 訂閱/企業私有化 | API 訂閱/開源策略 | API 訂閱/雲端服務 |
🛠️ 技術深入
- •混元大模型採用了基於 Transformer 的架構，並針對長文本處理與多模態對齊進行了專門優化。
- •在訓練過程中，騰訊引入了自研的分布式訓練框架，優化了算子性能，顯著提升了在萬卡集群上的訓練穩定性與吞吐量。
- •模型架構支持動態參數調整，通過 MoE（混合專家）技術在保持推理效率的同時，擴展了模型的知識容量。
- •數據處理層面，騰訊利用其社交與內容生態的數據優勢，構建了大規模高質量的預訓練數據集，並實施了嚴格的數據清洗與過濾機制。
🔮 前景展望AI analysis grounded in cited sources
騰訊將在 2026 年底前實現混元大模型在所有核心業務線的全面嵌入。
組織架構的整合消除了部門壁壘，使得大模型能力能更快速地部署至微信、遊戲及廣告業務中。
騰訊雲將成為公司 AI 業務的主要營收增長引擎。
將 AI 實驗室資源轉向大模型開發，直接服務於騰訊雲的 Model-as-a-Service (MaaS) 戰略，以滿足企業客戶對定製化 AI 的需求。
⏳ 時間線
2016-04
騰訊成立 AI Lab，專注於機器學習、計算機視覺等基礎研究。
2023-09
騰訊正式發布「混元」通用大模型，並開啟企業級內測。
2024-05
騰訊混元大模型宣布全面升級，支持長文本處理及多模態能力。
2026-03
騰訊宣布關閉獨立 AI 實驗室，將研發資源全面併入大模型業務部門。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗