腾讯CEO马化腾表示，今年一季度，腾讯高质量收入保持坚实的增长态势。AI能力已经对效果广告与长青游戏等业务产生实质性的贡献，亦加大对元宝应用与微信内的AI等新AI机遇的投入。

 

“我们相信，在AI战略投入阶段，现有高质量收入带来的经营杠杆，将有助于消化这些AI相关投入产生的额外成本，保持财务稳健。我们预期，这些战略性的AI投入将为用户与社会创造价值，并为我们产生长期、可观的增量回报。”

 

　　腾讯高层提到，AI的效果已经从三方面出现：

 

广告精准度 + 用户时长

游戏参与度

云收入（基建+API+整体方案）

　　管理层表示，在资本支出方面和运营费用方面，都会加大AI方面投资。

 

　　例如，在广告定位、广告效果提升方面，可以通过AI来改进广告内容，改进内容推荐，并且改进用户花费的时长，最终可以提高广告收入。

 

　　腾讯控股ADR美股盘前涨近4%，公司一季度营收超预估。

 

 

　　“元宝”接入微信生态后的最新进展

 

　　马化腾表示，坦率地说，元宝AI目前还处在非常早期阶段：

 

从我们观察到的情况来看，用户已经开始使用它：他们用它来提问、对话，也会把内容发给“元宝”，让“元宝”进行总结并帮助分析——这些就是目前看到的初始用例。随着用户与“元宝”的互动增多，使用频率有望持续提升。未来，我们肯定会把微信生态的更多能力与“元宝”聊天伙伴联通起来；我们会做各种试验，也许再过一两个季度，才能在系统层面给出更多信息。目前还说不上系统性的总结。

 

　　过去两三个月，AI更深入地整合到腾讯的各项业务，但马化腾指出，现在系统性地分析用户行为因此有哪些显著变化为时尚早。腾讯对投放的很多AI功能还在探索的过程。总体来说，可以看到用户与腾讯AI助手的互动在持续增加，整体使用量在上升。

 

　　Agentic AI与同行相比的前景和定位

 

　　马化腾表示，AI 能够帮助用户完成包含多步骤、需要调用工具，甚至连接其他应用的复杂任务。从这个角度看，可以分为两类：一类是“通用”Agentic AI，任何人都可以做——你创建一个代理，它到外部世界替用户完成任务；另一类则是嵌入微信生态、基于微信独特环境的 Agentic AI，这两者其实是不同的产品。

 

　　对通用型代理，我们已在一些原生 AI 产品（如“元宝”）里开发这项能力。起初，它们能快速回答问题；随后加入“链式思考”长推理模型，能应对更复杂的提问；再往后，它们能执行更复杂的任务，逐步进化出“具身智能”能力，与其他应用、程序乃至外部 API 交互，为用户提供帮助——这一过程会持续演进，其能力与同行的通用 Agentic AI 并无本质差异。

 

　　另一方面，微信生态里的 Agentic AI 有机会做到非常独特，因为它能连接社交关系链、通讯与社区能力、公众号和视频号等内容体系，以及数以百万计的小程序。这些组件涵盖信息、交易和运营能力，跨越多个垂直领域，因而可以构建出区别于一般 Agentic AI 的差异化产品。

 

　　游戏业务表现强劲

 

　　本季度腾讯国内游戏业务表现非常强劲。马化腾表示，今年第一季度的确享受了 2024 年第一季度低基数带来的“同比红利”，但这种情况并不会在未来每个季度都出现。尽管如此，无论国内还是海外，游戏收入都拥有长期的增长跑道。原因很多：

 

运营架构与团队调整已显成效。去年此时我们曾深入讨论过，对几款核心国内游戏的愿景、运营方式以及团队架构做了重大调整。如今可以看到，这些改变正在兑现预期，并有望继续带来正面影响。

AI赋能大型多人竞技游戏，我们认为 AI 对大型竞技类多人游戏格外有益，这些游戏占据了国内游戏收入的大部分。我们已在多方面开始部署 AI，例如：用 AI 辅导新手玩家；陪伴现有玩家；预防作弊与外挂。这些功能在竞技游戏中尤为关键，能有效提升体验与留存。

顺应中国玩家向第一人称动作类游戏转移的趋势。过去，中国市场第一人称动作（FPS/TPS）游戏所占比例远低于全球平均。我们判断这种差距会被弥合。本季度我们重点提到的多款游戏——《和平精英》《穿越火线手游》《使命召唤手游》《无畏契约》《三角洲行动》——均属该品类的领军作品，而腾讯正是这一垂类的领导者。虽然各游戏增速不同，但整体类别在快速增长，其中《无畏契约》《三角洲行动》尤为突出。它们既支撑了本季度收入，也为未来奠定了增长跑道。

　　腾讯总裁刘炽平表示，AI部署到大型竞技类游戏还处于非常早期的阶段，将AI接入偏内容驱动的游戏是未来几年要探索的领域，目前最实质、最可触及的机会仍是AI应用于大型多人竞技游戏。

 

　　GPU使用优先级 如何应对推理方面需求

 

　　对于美国针对高端GPU的限制，刘炽平表示，腾讯有充足的GPU现货储备，而且这些芯片将首先投入能立即创造回报的场景，如广告投放与内容推荐。

 

　　大模型训练属于第二优先级，因为训练通常需要更高端的芯片。实践表明集群规模较小也能取得很好的训练成果，且模型后训练阶段仍有巨大潜力，不一定需要超大规模集群。因此，凭借现有的高端芯片库存，腾讯未来数代模型的训练完全“够用”。

 

　　刘炽平指出，推理方面的GPU需求相对更大，针对这方面的压力，腾讯有多种手段，包括软件优化，持续提高推理效率；模型定制与蒸馏，可针对不同场景裁剪模型尺寸或者进行模型蒸馏；芯片来源多元化，在合规的前提下，灵活使用中国本地或可进口的其他合规芯片，以及ASIC、FPGA等。