來源 | 財通社

　　股價下跌4.46%，騰訊發布Q2財報後，資本市場沒給好臉。

　　其實，騰訊Q2的業績並不難看，總收入為人民幣 2048 億元，按年增長11%；毛利為人民幣 1184 億元，按年增長 13%。

　　但眼下的騰訊，正在陷入一場尷尬的錯位之中——落後的基模正在加速補課，WorkBuddy等AI產品領先賽道。

　　但另一面卻是，高昂的AI投入拖累之下，騰訊自由現金流破天荒的首次由正轉負為-138億元。

　　於謹慎的騰訊而言，這樣的大撒幣極為罕見，全是拜AI所賜。據騰訊解釋，「若剔除算力採購的預付款項，我們的自由現金流為人民幣 376 億元」。以此測算，算理採購的預付款項高達514（138+376）億元。

　　AI投入需要大手筆、長周期，但AI的營收和利潤回報卻相對滯後，這會導致騰訊技術和財務表現的暫時背離——唯有AI投入越高，AI技術進步可能越快，可能短期內財務表現越受累。

　　拉扯期的騰訊，也難被資本市場達成一致共識，股價下跌就是市場的猶豫和分期所致。

　　騰訊的AI新敘事何時能被市場買賬？

　　第一個是模型追平。曾經慢了一拍的混元，如今由姚順雨執掌基礎模型、完成組織整合、逐漸扳回聲勢，但」逐步逼近SOTA「到底是路線圖還是軍令狀，要等Hy4、Hy5上線見分曉。

　　第二個是產品變現。WorkBuddy的領先身位已經確立，但免費期不會永遠續下去；元寶和」小微「的入口足夠深，但商業模式還不清晰。對於騰訊AI板塊的盈利指引時間，劉熾平謹慎表態，「現階段我們不會給出精確量化目標」。

　　第三是收入結構變更。AI對存量業務的增值和AI原生業務的變現，能夠在營收大盤中佔據相當比例。

　　這份財報更像騰訊對舊自我的宣戰書：回購可以縮水，現金流可以轉負，但算力必須鎖、模型必須練。

　　馬化騰曾把AI比作」一艘漏水的船」。騰訊必須上船，否則就無法登上AI新大陸，現在，騰訊選擇花514億元加固船身、換上新引擎。

　　花大錢，賺慢錢，爬坡的本質就是拿今天的現金流，換明天的入場券。

　　關於騰訊AI的更多的答案，其實藏在騰訊高管在電話會議上的回答裏，下面電話實錄，文字未經本人審閱。

　　出席高管：馬化騰（董事會主席兼CEO）、劉熾平（總裁）、James Mitchell（首席戰略官）、羅碩瀚（CFO）

　　Q1：AI投資回報與資本開支（伯恩斯坦研究所Robin Zhu）

　　Robin Zhu：本季度資本開支達到530億左右，相比上個季度大幅攀升，年化規模超2000億元。

　　我們該如何看待AI相關的成本投入？AI投資帶來的新增收入能在多大程度上覆蓋這些投入？未來幾個季度盈利會不會持續被這筆投入侵蝕？

　　另外，如果把研發開銷也算進去，這筆AI投資的回本周期大概是什麼樣的？

　　Mitchell：要知道，如果我們把算力租給第三方，幾乎立刻就能收回設備折舊成本，現在很多新興雲廠商都是這麼操作的，我們也能在短期內拿到不錯的收益。

　　但實際上，我們有着不一樣的佈局，在執行一套更長遠的戰略。我們會把絕大部分新增算力，用於自研大模型，力求做到行業頂尖水準，同時落地、普及我們自研的AI應用，拿下國內市場龍頭地位。

　　我們相信，依託頂尖模型、行業領先AI應用打造出的頂尖智能能力，長期來看可以轉化成超額商業收益，舉個例子，我們可以通過WorkBuddy售賣Token變現，這就是我們選定的發展路線。

　　劉熾平：我再多展開解釋一下。現階段大家可以把騰訊的業務拆成兩大塊。

　　第一塊是我們現有的成熟主業，這塊業務增長穩健，還具備不錯的經營槓桿，是我們長期打磨出來的高質量增長基本盤，我們也會持續深耕這塊業務。

　　另一塊是我們正在搭建的全新AI原生業務，就像 Mitchell 剛纔所說，涵蓋自研大模型、全新AI應用，以及配套新建的算力基礎設施。大家看財報數據時，可以把成熟主業的收入利潤單獨拆分看，我們也會把AI原生業務的投入單獨作為經營科目披露。

　　再看資本開支，同樣可以分成兩部分。第一部分服務於傳統成熟業務，邏輯和往年一致，這塊業務自身就能產生經營性自由現金流，對應的資本開支完全可以自循環，持續創造現金流。

　　另一部分資本開支專門投向AI原生業務，屬於一次性集中投入，用來採購模型訓練算力、儲備推理所需算力，同時備貨算力硬件，搭建AI算力與AI雲業務。

　　這就是資本開支的核心劃分邏輯。我們大手筆採購算力的核心原因，是需要算力來啓動整條AI業務線。同時這筆投入具備明確的上行收益空間：我們的大模型、全新AI應用落地效果都很好，當下市場算力租賃需求旺盛。

　　如果把算力全部放在騰訊雲對外出租，能創造大量營收，資本開支也能獲得可觀回報。事實上，幾個月前我們預付定金下單的一批算力設備，現在轉手出售，相比當初採購價能賺超30%。

　　但我們認為，先拿算力自研模型、打磨自有應用，剩餘算力再對外出租，按這個順序長期佈局，才能搭建起規模龐大、能夠盈利、現金流與回報率雙優的AI原生業務，這就是我們當下對業務的整體判斷。

　　Q2：WorkBuddy的定位與競爭格局（Robin Zhu 追問）

　　Robin Zhu：市場各大科技廠商都在自研AI辦公調度工具，管理層如何看待自有工具與第三方工具的市場格局？你們打算如何打造WorkBuddy和各家廠商自研的同類產品競爭？

　　在管理層看來，WorkBuddy到底是配套騰訊會議、騰訊文檔的企業軟件，還是未來會成為承載全行業AI能力的全新平台？

　　劉熾平：沒錯，我認為WorkBuddy本質是一個全新平台，是適配通用人工智能、高度靈活的工作台，核心價值是落地執行任務，能解決職場辦公人群、各類個體經營者、小微企業從業者的全部生產力需求。

　　平台底層搭載一套調度框架，幫助用戶調用多款大模型，解決各類智能體複雜任務。長期來看，會有大量大模型接入WorkBuddy服務用戶，各行各業開發者也會開發海量技能插件。

　　平台的核心目標就是解決各類效率痛點，會整合市面上所有可用工具與大模型來實現這一點。

　　當然，現階段我們承擔調度統籌的角色，可以為用戶匹配最合適的大模型、最優技能，既能保證任務完美完成，同時控制使用成本。

　　混元會是WorkBuddy搭載的大模型之一。只要混元能高效解決大量用戶需求，它就會成為WorkBuddy的核心底層模型，但不會是平台唯一可用的模型。

　　Q3：微信AI」小微」的進展與商業化（瑞銀集團Kenneth Fong）

　　Kenneth Fong：第一個問題關於小微的開發進度，管理層能否分享小微原型測試階段初步的用戶反饋，以及現階段遇到的挑戰？從商業化角度，我們該如何評估它的淨變現潛力？

　　我們有一個顧慮：AI智能體簡化了交易路徑，這會不會只是把用戶原本在小程序手動完成的交易轉移到智能體上，只會抬高算力成本，卻無法帶來實質性新增商品交易總額？

　　除此之外，小微縮短用戶交易鏈路，會不會擠壓原本高毛利的廣告曝光量？

　　劉熾平：我認為你提到的這些風險都不會出現。我們相信，AI會讓微信生態變得更智能，藉助AI能力，用戶可以自動完成交易、瀏覽內容、處理各類日常事務。本就內容豐富、功能完善的微信生態，會對用戶產生更大價值。

　　我們可以做一個類比：電腦時代QQ只是一款社交通訊工具，進入移動互聯網時代後微信誕生，微信生態把QQ的整體價值放大了十倍以上，因為它是移動優先的產品。如今迎來AI時代，微信生態迎來第二次巨大增長機遇，未來會進化為以AI為核心的應用與生態。

　　當下用戶操作需要手動輸入文字、反覆點擊跳轉頁面；未來用戶只需要給小微下達一句指令，小微就能自動完成交易、執行全部需求，給用戶帶來顛覆性的使用體驗，同時賦能整個微信生態裏的所有商戶。

　　我們自研視覺語言模型在設計之初，就兼顧用戶隱私、運行成本、適配微信AI環境三大核心目標，能夠滿足用戶全部現有需求。

　　只要我們落地這套產品體驗、把運行成本控制在合理區間，就能以可控成本，讓微信全面適配AI時代。

　　屆時微信生態規模會持續擴張，依託微信現有的廣告、支付、電商變現體系，自然會創造海量新增價值。小微原型上線測試後，我們愈發確信這個發展願景能夠落地。

　　Q4：AI雲業務的毛利率與價格競爭（Kenneth Fong 第二問）

　　Kenneth Fong：第二個問題，想請教AI雲業務，國內大模型Token定價持續走低，行業同質化速度很快，而且國內雲市場整體對價格高度敏感。

　　對比傳統基礎設施雲、平台雲業務，當前騰訊AI雲的毛利率水平如何？隨着AI普及率逐步提升，未來毛利率的變化趨勢會是怎樣的？

　　Mitchell：國內市場Token定價確實偏低，但國內Token的底層生產成本也極低，遠低於市場普遍認知、外部機構測算的水平。

　　即便終端售價低廉，Token業務依舊能實現正向毛利，根源就是成本可控。大家可以查看WorkBuddy付費用戶、模型即服務業務的毛利率，現階段已經和騰訊雲整體毛利率持平。

　　當然WorkBuddy整體綜合毛利率偏低，是因為我們拿出一部分免費用戶補貼，用來搶佔市場份額、拉動用戶增長；但單獨看付費客群，當下毛利率表現十分可觀。

　　國內雲市場的確價格競爭激烈，但近幾個月行業環境已經發生明顯變化，硬件原材料尤其是內存的採購成本持續上漲。

　　因此我們上調了面向客戶的收費標準，今年五月騰訊雲全產品線統一漲價；除明面上的提價外，我們還大幅縮減客戶折扣力度。綜合來看，國內雲市場的價格競爭壓力已經遠小於過去。

　　Q5：混元4差異化定位與資本開支的雲分配（高盛Ronald Keung）

　　Ronald Keung：我有兩個問題。第一，混元3主打高性價比、智能體能力表現突出，即將推出的混元4有哪些差異化定位？未來萬億參數大模型賽道競爭會愈發擁擠，混元4會在哪些細分領域打造專屬競爭壁壘？

　　第二，當下美股科技巨頭大幅調整戰略重心，從做應用轉向加碼算力雲業務，騰訊分配AI相關資本開支時是如何規劃的？到哪個階段，我們會把更多資本開支優先傾斜給雲業務，把它作為高回報率賽道重點投入？騰訊雲和海外科技廠商這種轉型戰略有哪些相同和不同之處？

　　劉熾平：先看當下的混元3，以當前行業標準來看它屬於中小參數量模型，但落地應用範圍十分廣泛。

　　混元3有兩大核心特質：第一，性能可以對標甚至超越參數量大得多的競品；第二，研發重心聚焦真實業務場景，而非單純追求評測排行榜分數。

　　正因如此，在實際落地場景中，它的實用性遠超同規格、甚至更大規格的競品模型。這套研發思路我們會完全延續到混元4身上。

　　混元4參數量會全面提升，性能能夠超越更大規格的競品模型，實用性相比混元3會實現質的飛躍，助力我們進入全新階段，為用戶提供更強的智能能力。

　　另外我們所有AI產品都和大模型協同定製開發，混元4上線後，搭載它的全系產品功能、實用性都會大幅升級，給相關業務帶來顯著增長紅利。

　　這就是我們的迭代路線，混元4只是一個階段性節點，後續我們還會迭代混元5。持續迭代過程中，我們會不斷逼近行業頂尖水準，未來一定能達到頂尖水平。

　　當我們實現行業頂尖能力後，會搭建多規格梯度模型矩陣，不同參數規模適配不同成本、不同用戶需求，解決各類細分場景痛點。

　　同時多款差異化模型會分別適配代碼、辦公等不同產品線，豐富產品功能，兼顧模型性能、產品能力與任務執行速度，這就是我們的長期規劃。

　　Mitchell：你的第二個問題是資本開支在騰訊雲等不同業務間的分配邏輯。正如劉熾平剛纔所說，未來幾個月資本開支第一優先級，是訓練規模更大、性能更強的混元系列大模型；第二重要的用途是提供推理算力，支撐混元、深度求索以及其他接入WorkBuddy的第三方模型運行。

　　我們大力投入WorkBuddy的核心戰略目的，是推動這款具備戰略意義的核心應用普及，同時持續收集場景反饋，反向優化大模型與整個騰訊生態；同時這款產品能立刻帶來現金收入。

　　從會計準則角度，用戶在WorkBuddy上的支出絕大部分是訂閱費。和遊戲等業務邏輯類似，用戶現金收款到財報確認營收之間存在較長時間差，但目前產品現金收入正在高速增長，年內會逐步轉化為騰訊雲財報營收。

　　到今年年末、明年初，我們的圖形處理器算力儲備會達到充足規模，屆時可以加大兩類對外業務：一是裸金屬圖形處理器租賃，二是模型即服務售賣。

　　但在所有算力變現渠道里，依託WorkBuddy產生的Token計費業務，能為我們創造最長期、穩定的商業價值，這也是現階段我們把算力優先傾斜給它的核心原因。

　　Q6：智能體交易閉環、端側推理與廣告增長動能（花旗Alicia Yap）

　　Alicia Yap：晚上好管理層，感謝你們接受提問，也恭喜公司交出穩健的業績。第一個問題關於小微，管理層之前提到了智能體和智能體的交易閉環，能否詳細解讀這個概念？這套模式是不是微信中長期打造全自主智能體生態的終極方向？

　　管理層還提到會探索小微的設備端本地推理，這種方案能帶來哪些收益，又存在哪些挑戰？為什麼自研專屬視覺語言模型更適配小微，而不接入外部第三方大模型？

　　我還有一個簡短的跟進問題：本季度廣告服務收入增速提升至22%，AI廣告投放工具、自動化投放系統還在持續迭代，這套體系能否持續支撐增長動能？混元3深度落地後，廣告業務還能獲得哪些長期增量紅利？

　　劉熾平：關於智能體與智能體交易閉環，這是我們規劃的長期終局。未來用戶會通過小微、各類AI智能體下達指令、完成交易。

　　過去微信生態裏，用戶需要手動瀏覽內容、操作小程序；未來用戶只需給專屬智能體下達一條複雜指令，智能體就能自動完成全部交易流程。

　　絕大多數小程序商戶也會部署專屬商戶智能體，長期來看商戶智能體可以直接和用戶智能體對接。更遠期，每位用戶都擁有專屬AI智能體，智能體之間可直接交互、自動完成交易。這是未來可以實現的場景，我們正在分階段搭建底層技術架構落地這套體系。

　　再說說設備端本地推理：設備端推理會分階段落地，只有長期發展後，大部分推理任務纔會轉移到本地設備運行。短期會採用雲端、設備端混合推理架構，一部分計算放在本地，一部分留在雲端。

　　未來隨着手機、電腦本地硬件算力持續提升，大模型輕量化、運行效率持續優化，本地設備承載的推理任務會越來越多。這其實迴歸計算機、智能手機行業的常態：當下普通中央處理器計算絕大多數都在設備本地完成，雲端僅承擔小部分算力任務。

　　但AI基礎設施發展初期，模型運行需要極強算力；目前手機本地算力、硬件成本、能效還無法支撐大規模AI推理，因此現階段所有計算都放在雲端。未來手機、電腦會搭載更強圖形處理器，屆時大量推理任務會轉移至本地。

　　到那個階段，軟件、大模型本身的價值會大幅提升，模型、應用的投資回報率也會走高，因為算力資本開支不再由大模型廠商單獨承擔，而是由整個生態共同分攤。這個趨勢一定會到來，我們已經提前佈局相關技術儲備。

　　Mitchell：關於廣告業務的問題，我們廣告收入增速過去存在波動，未來也會持續起伏，不能簡單線性推演增長趨勢，背後有多重原因。

　　之前我提到手遊內廣告會拖累海外遊戲板塊收入，反過來，這類手遊廣告本季度為廣告板塊貢獻了兩個百分點的增速。手遊內廣告對騰訊乃至全行業都屬於新興品類，它未來對傳統廣告業務的拉動增速存在不確定性。

　　除此之外，國內新消費大盤、廣告市場整體走勢起伏不定，宏觀經濟、居民消費層面的壓力會影響廣告投放節奏。即便如此，我們廣告業務增速持續跑贏國內廣告大盤，未來也會持續大幅領先行業。

　　支撐邏輯有三點：第一，AI廣告精準投放體系持續落地，增長紅利持續釋放；第二，核心流量尤其是視頻號，用戶使用時長、廣告庫存穩步上漲；第三，高轉化閉環廣告模式仍處於發展早期，長期能帶動廣告單價持續上行。

　　Q7：回購與資本分配優先級（美銀美林Alex Liu）

　　Alex Liu：我只有一個問題。我們注意到公司從五月份起加大了股票回購力度，同時資本開支規模大幅提速。我們明白當前AI投入周期還處在相對早期，想請教，未來十二到二十四個月，投資者該如何看待騰訊的資本分配優先級？

　　Mitchell：資本分配策略會動態調整，根據市場環境靈活變化。如果我們判斷加碼算力資本開支、用算力自研大模型、對外租賃算力供給WorkBuddyToken業務、售賣模型即服務能拿到超額回報，我們就會把更多現金投向資本開支，相應縮減股票回購資金規模，整體保持動態平衡。

　　劉熾平：還有一點我需要重點強調：投向AI原生業務的資本開支，主要是今年和明年一次性集中投入，大家不要默認我們每年都會維持同等大額投入。

　　模型訓練屬於固定成本，只需要儲備足額算力即可，不需要每年持續加碼投入。推理算力確實需要充足儲備，支撐Token變現、算力租賃業務開展，但只有該業務能實現可觀回報，我們纔會持續追加投入；如果回報不及預期，現有投入規模就會封頂。後續新增資本開支，完全對應業務產生的收益水平。

　　這筆一次性算力投入的資金來源，不能只看經營性現金流，還要綜合資產負債表現金儲備、投資資產規模、新增經營現金流，維持穩健可控的投入規模，以上維度會共同決定前期算力投入的資金安排。

　　Q8：混元做到行業頂尖的商業價值（摩根大通Alex Yao）

　　Alex Yao：第一個問題是關於混元的頂層戰略，混元3主打高性價比，而非極致硬件性能。如果我們成功研發出真正行業頂尖、參數規模更大、訓練運行成本更高的大模型，它能創造哪些當前混元3無法實現的商業價值？是更強的微信智能體、廣告業務表現提升，還是政企客戶業務增收？這些潛在收益，是否能支撐未來十二個月大幅提升模型訓練投入？

　　劉熾平：我把邏輯講清楚：微信小微專屬視覺語言模型的研發定位、戰略路線和混元完全區分開。小微智能體並不依賴混元的頂尖性能，我們多次強調，小微底層模型設計核心圍繞用戶隱私、適配微信生態內全部智能交互需求、控制運行成本，這是它的專屬定位。

　　但混元達到行業頂尖水準，能帶來多重商業價值：第一，搭建規模龐大的Token付費業務；第二，賦能WorkBuddy承接難度更高、附加值更強的辦公服務，為客戶創造更多收益。

　　我們對WorkBuddy的定位不只是一款復刻現有人工辦公操作的企業工具，我們持續挖掘高附加值場景，給用戶創造增量價值、增量收益，甚至直接幫助客戶增收。實現這一點後，大量全新商業模式都能落地，這就是頂尖大模型帶來的核心價值。

　　同時，一旦混元達到行業頂尖水準，我們可以衍生出分層梯度模型矩陣，在頂尖技術底座上，打造適配不同成本區間、細分任務的專用模型，覆蓋用戶多樣化智能需求。

　　不同層級模型運行成本差異化，但我們自研模型、自主掌控推理成本與算力資源，每層產品都能穩定盈利，這就是我們對下一代大模型的長期目標。

　　Q9：AI投入管控：88億→105億，何時加碼、何時轉盈利（Alex Yao 第二問）

　　Alex Yao：第二個問題：AI相關產品投入從一季度88億元上升到本季度105億元，管理層如何管控這筆投入？是設定固定支出上限，還是設定收益達標門檻，或是從戰略層面不計短期回報持續投入？

　　出現哪些用戶數據、收入增長、獨特盈利信號時，公司會進一步加大投入，或是讓產品從純投入階段轉向盈利階段？

　　劉熾平：現階段AI投入策略靈活動態，我們會保持審慎投入；如果明確看到爆發式增長機會，就會加大投放力度，這是我們的核心管控邏輯。整體投入會控制在集團利潤固定比例區間內，但如果能預判業務會產生鉅額回報，我們會加大投入。

　　我們始終認為AI是長期賽道，會持續長期佈局，隨着規模擴張，商業收益會逐步兌現，最終實現盈利。更關鍵的是，我們擁有保底方案：哪怕停止自研應用，單純把算力對外租賃，相關業務本身就能盈利，因此我們敢於長期投入。

　　Mitchell：我們會在總預算上限內動態調整資金投放優先級。對比一季度88億AI投入、二季度105億投入的分配結構能看到巨大變化：我們發現WorkBuddy迎來爆發式增長，於是把資金大幅向它傾斜，同時縮減AI產品線裏其他產品的投放預算，這套動態調整機制會一直執行。

　　Q10：小微的算力層級與AI業務盈利時間表（摩根士丹利Gary Yu）

　　Gary Yu：我有兩個問題，都是關於AI投資。我理解公司投入優先級排序是模型訓練、WorkBuddy，其次纔是雲算力租賃。小微上線需要配套算力，在算力資源分配裏，小微處於什麼層級？

　　第二個問題，各類AI創新業務商業化落地周期、盈利能見度如何？短期能否推動整體盈利正向增長？什麼時候包含AI投入的整體營業利潤增速，會超過剔除AI投入後的盈利增速？

　　劉熾平：小微持續運營的年度投入預算，低於往年元寶的常態化投入規模，整體成本完全可控。隨着產品體驗持續優化，業務收益會快速兌現，很快就能覆蓋投入成本。

　　關於盈利時間指引，現階段我們不會給出精確量化目標。我們已經完整闡述了對AI業務、相關投入的整體判斷，投入規模會設定上限，延續騰訊一貫穩健、有紀律的經營管理風格。

但如果我們預判能打造出規模龐大、長期盈利的AI業務，也會適度加碼投入。我們心裏始終有保底方案：隨時可以把閒置算力放到騰訊雲對外租賃，快速創造營收、利潤與投資回報，投入風險完全可控。