5月17日，騰訊云生成式AI產業應用峰會在北京召開，公布騰訊大模型應用產品的系列進展。

這些進展包括：發布具備處理超過38萬字符超長文本能力的長文模型，上線一站式AI智能體創作與分發平臺“騰訊元器”，發布三大引擎工具，預告了C端助手App騰訊元寶的發布時間。

《每日經濟新聞》記者注意到，長文模型、個人助手、智能體平臺這都是近期大模型廠商們的競爭焦點。一旦有應用在市場激起“水花”，就會漾起同行的波瀾，推動其他廠商開始跟進研究。這樣的氛圍，讓大模型應用似乎遭遇了彼此“狹路相逢”的場景。

騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生表示：“今天，大家對于大模型的訴求更加務實，不僅關注模型技術的領先性，也要看怎么融合到業務場景，怎么降本增效解決實際問題。”

騰訊公布多項大模型進展

這個5月，全球大模型圈好不熱鬧。OpenAI推出了全能模型GPT-4o，展示了毫秒級反應和多模態交互的新能力。隨后，谷歌在其I/O開發者大會上展示了AI助手Astra和旗艦大模型Gemini。

在國內，阿里云于5月9日正式發布通義千問2.5，5月15日字節跳動發布豆包大模型并挑起了“價格戰”。更早的4月15日，百度推出了AgentBuilder、AppBuilder、ModelBuilder三大開發工具。

給激戰的5月再添一把“火”的是騰訊。在5月17日舉辦的騰訊云生成式AI產業應用峰會上，騰訊公布其大模型的多項新進展：基于混元大模型的一站式AI智能體創作與分發平臺——“騰訊元器”首次亮相，企業和開發者可以基于騰訊元器直接創建智能體，使用騰訊官方的插件和知識庫，還能將這些智能體一鍵分發到QQ、微信客服、騰訊云等渠道上。峰會上還預告了基于混元大模型打造的C端助手App“騰訊元寶”將于5月30日發布。

同時，多個版本的模型——hunyuan-pro、hunyuan-standard、hunyuan-lite，通過騰訊云對外開放，滿足企業客戶、開發者在不同場景下的模型需求，落地最優性價比模型方案。其中hunyuan-standard模型具備256k的超長上下文理解能力，單次處理字符數超過38萬個。

騰訊云也專門推出了三款PaaS（平臺即服務）產品——大模型知識引擎、圖像創作引擎和視頻創作引擎，打造大模型原生工具鏈，助力企業在知識服務、圖像和視頻創作上提質提效。

騰訊大模型的新進展都響應了近期的行業熱點。可以說，廠商們在對大模型應用“爆點”的識別上，眼光頗為一致。

例如，“騰訊元器”所瞄準的智能體，通過模仿人的決策過程，可以個性化定制，讓使用者擁有一個24小時待命的全能助手。OpenAI在今年1月就推出GPTs（定制版的ChatGPT）和GPT商店，用戶無須編碼就可創建自己的GPT，從而構建智能體平臺生態。百度則在今年4月份上線了文心智能體平臺AgentBuilder，支持零代碼、低代碼兩種模式，商家用幾句話就能生成智能體。

另一方面，在長文模型上，典型的代表就是月之暗面的Kimi；在AI個人助手方面，OpenAI的GPT-4o、谷歌的Astra都是先行者。

大模型應用爆發已至？

隨著各大廠商加速推出大模型的細分應用，不少機構判斷，今年大模型應用將會爆發。

海通國際研報指出，2024年有望成為國產大模型全面商業落地的元年，先進的大模型能力也將逐漸轉化為落地實際場景的產品應用，從而帶動大模型在金融、教育、法律、醫療等眾多垂直行業的持續落地，AI2B與AI2C的需求天花板也有望全面打開，在這個過程中，AI的投資也從映射和跟隨，變為引領。

談到大模型的落地應用，騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生在會上表示：“今天，大家對于大模型的訴求更加務實，不僅關注模型技術的領先性，也要看怎么融合到業務場景，怎么降本增效解決實際問題。此外，我們也注意到產業對模型的需求在不斷變化。一方面，隨著產業信息的載體多元化，使用者對模型的需求不僅僅是處理單純的文字，還需要它處理圖片、視頻等多種信息。大模型的能力競爭，正在從單一的文生文，拓展到文生圖、文生視頻、圖生圖、圖生視頻等多模態能力。”

與此同時，面對廠商之間的激烈角逐，騰訊高管們在會后的采訪中也免不了被問到與同行的比較。面對行業價格戰，騰訊云副總裁、騰訊云智能負責人吳運聲就表示，相比于價格，騰訊更關注當下大模型給客戶帶來的價值。

再例如，OpenAI日前發布的AI助手GPT-4o邁向了更自然的人機交互，橫跨語音、文本和視覺，實現超低時延的交互和感知人類情緒。對此，國內廠商如何追趕？吳運聲在接受《每日經濟新聞》記者提問時表示：“GPT-4o是一種將視覺、音頻和文本三種模態融合到一個空間里做訓練推理，做端到端輸出的技術進展。我們會關注這樣的發展，這些技術突破可能會帶來商業化的跨越式增長。”

此外，吳運聲也提到，多模態相互融合、實現端到端的應用，其中的難點是三種模態的特征形態存在差異。“如何將文本的序列化、視覺圖像的二維性、音頻的信號變化，都影射到同一個空間里，再去描述他們的特征，這需要算法和技術上的研究和突破。”他表示。

吳運聲最后談到，目前在產業端，大模型的落地還面臨一些挑戰：例如企業對大模型能力預期過高、操之過急，因此在企業需求和大模型能力匹配，以及推進節奏上的協調，都需要磨合；再例如，要降低大模型的使用門檻，減少對技術人才及專業技術的能力依賴，讓一線生產、經營人員也能“零門檻”用上大模型，才能加速生產經驗與模型技術的融合；還有，要提高平臺適配性，大模型工具既要能匹配、適應不斷迭代的大模型技術，也需要滿足不斷擴大的場景需求，滿足可持續的投入產出比；最后還要保障安全合規，只有保障生成結果的安全、準確，才能滿足企業對穩定性的需求，讓企業管理者放心加大投入建設。