2
主持人:谢谢约翰。我们现在开始问答环节。请遵守每次每位分析师只提一个问题。如果时间允许，可以再提后续问题。
第一个问题：花旗集团 - 艾丽西亚·雅普
艾丽西亚·雅普 - 花旗:晚上好，管理层，感谢接受提问。我的问题关于投入与利润。在你们的准备发言中，预计现有业务利润增长足以覆盖增量AI投资，我们需要将这些长期投资分开看待。但随着AI投入持续增加，我们应该如何看待2
詹姆斯·米切尔:……我回答你的第一个问题，马丁可以补充。我们开场的发言隐含了一点，即收入增长快于利润增长是可能的，原因是新产品投资的阶段性增加。如果真的出现这种情况，我们对这个结果非常满意，因为我们可以看到这些新产品代表了我们在一个巨大市场扩展运营的机会，我们也能看到用户对这些产品的……粘性。……这是一个非常好的选择。
关于你第二个关于资源约束的问题。在人才和GPU方面，关于人才挑战，我们已经非常积极地招聘，从全球和中国招募了非常优秀的人才。对于混元团队，我们将继续加强。我们实际上觉得我们已经拥有了一个强大的AI人才团队。我们不仅通过薪酬激励，还通过为团队创造正确的文化，让他们在角色中发挥……并与腾讯其他部门良好互动来确保团队到位。通过最优秀的团队领导者以及在中国的影响力，最优秀的人才加入了我们的团队。我们为团队提供充足的计算资源，并为他们创造的产品提供具有腾讯特色和独特性的用例。所以在人才方面，我认为我们正从过去面对的稀缺局面，转变为现在对团队配置更加满意，当然我们仍会继续有选择性地招聘。
在算力约束方面，我们一直在非常积极地获取更多算力，这些算力将在今年，特别是下半年，逐步并加速到位。这些额外的算力来自租赁能力，来自我们购买更高端的进口GPU（这些GPU现在再次变得可用），也来自我们购买相当数量的国产设计GPU。在将这些算力用于不同用例的优先级方面，目前的重中之重是混元和更广泛的新产品。……类产品本质上是分布式的，它们可以从本地设备、多云、腾讯云获取算力，但这在算力来源方面有些……。所以，我们正将计算资源集中在混元这个核心基础模型上，以及新的AI产品上。
主持人提醒每位分析师只提一个问题。
第二个问题：高盛 - 罗伯特·哈尔
罗伯特·哈尔 - 高盛:谢谢管理层接受提问。我想问一下关于……智能体的潜力，以及最近推出的全球……以及如何利用这个智能体机会，以及在差异化方面有何计划。谢谢。
刘炽平:我认为Claw是一个非常令人兴奋的概念。它实际上提出了一种去中心化的模型或机制，关于AI如何在世界上运作。这有点像互联网的演变过程。互联网刚开始时，似乎有一个入口点（浏览器），一个分发点（搜索引擎）。但随着时间的推移，出现了不同的服务。当移动互联网来临时，突然涌现出大量应用，有完全原生、以移动为中心的应用，也有从PC互联网迁移过来的应用。我们感觉Claw的运行方式与此类似。有段时间，似乎每个人都在争夺成为AI智能体唯一的入口和垄断者。人们说，如果出现一个通用人工智能模型，它将统治一切。但现实并非如此。现在有多个模型变得非常强大，它们专攻不同的领域：聊天、编码、多模态。还有很好的开源模型，以及其他很多模型。曾几何时，在To C世界，似乎流量会集中到一个单一的入口点。但现在有了Claw，我们看到一个完全去中心化的格局被打开，许多公司可以拥有自己的Claw，这些Claw可以使用各种不同的模型，并得到云基础设施的支持。每个Claw都必须找出其独特的价值主张，以赢得用户。Claw不仅利用云端和独特的模型，还利用设备上的可用工具和生态系统。这变成了一个更加激动人心、去中心化的世界。这对我们来说有很多机会，我们可以构建产品来满足人们的需求。所以有了Claw，也有了工作宝。未来，我相信很多现有应用都会尝试推出自己的Claw和智能体能力。更深入的模型也会出现，以赢得这些Claw的青睐。所以这变成了一个更加激动人心、对所有人都开放参与的去中心化世界。就像我说的，我们只需要在模型层、产品层、基础设施层建立专业能力。每一层都需要有自己独特的价值主张来赢得使用。
第三个问题：未明确分析师
未明确分析师：……关于智能体时代的问题。管理层如何评估腾讯在这个新智能体时代中的价值主张？既然我们将混元与面向消费者的其他产品放在一起，我们如何防止其他模型稀释我们自身基础模型的价值？谢谢。
詹姆斯·米切尔:我认为关于腾讯的价值主张，或者我们能给用户带来什么，我们拥有一些固有的特质，非常适合智能体时代和Claw的部署，马丁也提到过一些。其中一个特质是，我们是一家能力横跨PC、移动、云的公司，能力横跨应用和万维网。就像智能体Claw可以跨越设备和领域一样。对于一家运营着一些中心化应用，同时也托管着极其去中心化却又充满活力的生态系统（尤其是小程序生态系统）的公司来说尤其如此。你可以这样思考：前些年，移动互联网的到来极大地提升了应用体验，但这些是更中心化的体验；而万维网体验则更去中心化。现在，有了这些智能体能力和Claw，像小程序这样的去中心化体验就有了被赋能的机会，使它们自身也能发展出强大能力，并获得过去不曾拥有的能力。所以我们认为我们的能力和兴趣与这些智能体或Claw的部署之间存在着内在的天然契合。这也是我们看到消费者和行业对我们自己的智能体和核心服务热情采纳的原因之一。
关于你问题的另一部分，如何防止其他大语言模型稀释我们模型的价值。我可能没有完全理解你的前提，但我认为这种情况不会发生。如果你使用这些Claw，进入其中，你会有选择。你是想要一个高性能、高价格/代币的模型，还是一个中等性能、很低价格/代币的模型？还是介于两者之间的模型？这正是Claw的魅力之一。混元是可供选择的模型之一。我们相信，随着现在混元团队的到位，他们前进的速度会更快，混元会变得更好。因此，消费者自然会增加对混元的使用。但我不认为会形成垄断局面。成功的Claw会继续允许消费者和行业根据自己的价格/性能偏好做出选择。不同的模型会处于价格/性能曲线的不同位置。我们希望成为其中之一，但不打算成为唯一的一个。
第四个问题：未明确分析师
未明确分析师:考虑到面向生产力的AI智能体在各类企业（尤其是传统行业）中的普及，您认为这会加速对世界模型（如我们拥有的3D模型）的需求吗？另外，管理层对……能力的评估以及未来在物理AI中的竞争优势是什么？谢谢。
詹姆斯·米切尔:我认为你的观点很有道理。已经存在计算机辅助设计能力，人们自然期望AI能够补充并最终极大增强这些能力。这在工业设计、建筑学中非常重要，在视频制作中也越来越重要。我们相信，由于我们视频游戏内拥有大量且深入的3D图形资产，我们在提供数据来训练模型，进而提供这些3D工具方面，处于某种独特的有利位置。但最终，这可能只是一个相当大的细分市场。我们处于有利位置可以应对这个市场，但我不敢说这是我们面前最大的机遇。我们面前还有很多更大、更直接的机遇。
第五个问题：未明确分析师
未明确分析师:谢谢接受提问。我有一个关于游戏和AI颠覆的问题。我们已经看到AI开始对员工人数和游戏开发成本产生影响。您认为AI将如何影响游戏质量？随着我们看到游戏数量增加，您认为腾讯的发行和运营在未来会变得更重要吗？另外，如果AI降低了开发门槛，我们是否会看到游戏供应量有意义地增加？游戏的平均质量会如何？谢谢。
詹姆斯·米切尔:谢谢你的问题。我不知道是否有人参加了上周的游戏开发者大会。这是每年为游戏开发者举办的首要活动。正如你所料，有许多关于在游戏创作中使用AI的演讲。我有几点宽泛的观察：第一，这些演讲绝大多数都集中在如何使用AI来更新现有游戏中的内容，加速内容创作，改善游戏内……，但出于多种原因，目前还没有能力完全从头开始用AI创建游戏。第二，许多出席人数最多的演讲来自我们的腾讯互动娱乐同事，他们谈论了如何将AI部署到游戏中用于图形、游戏玩法、用户陪伴等。我们相信我们在这方面处于行业前沿。许多参加游戏开发者大会的开发者的反馈也与此一致。
关于你问题的后半部分，这是否会导致新游戏泛滥，从而提升发行和运营的重要性？游戏行业令人遗憾的现实是，它永远处于供过于求的状况。正如马丁提到的，每年有20万款新手机游戏和1.8万款新游戏在Steam上发布。所以，无论这个数字是从20万增加到2
刘炽平:基本上，你可能暗示这对游戏行业不利。但我认为游戏其实是受益于AI的行业之一。因为当AI普及时，人们手头会有更多空闲时间，需求端会显著增加。游戏行业是AI普及阶段少数确定受益的行业之一。第二点是，新开发者可以获得优秀的游戏开发工具，但同样，组织良好且极具天赋的团队也能获得这些工具。……我认为，当一个工具变得可用时，实际上拥有资源、已经拥有平台和用户的人能更好地利用这些工具来增加产量，让游戏变得更好。我认为这对于拥有长青游戏并且拥抱技术极其迅速和敏捷的玩家来说是一个优势。最后，当出现大量创新时，很多时候我们看到的是，一个想法出现，一开始并不完美，然后被反复迭代和打磨。这个过程实际上会因为大量用户看到这些创新而加速，他们可以更快地迭代，将这些新体验融入现有游戏，使游戏本质上成为平台。我认为这是我们未来将看到的独特机遇。
第六个问题：美国银行- 未明确分析师
未明确分析师 -美国银行:……谢谢管理层给我提问的机会。我想跟进关于AI云业务的问题。一方面我们看到对AI计算的需求非常强劲，但另一方面，由于DRAM和HBM成本上升，服务器价格也在上涨。您能否帮助我们理解，在这样一个动态环境中，腾讯的定价能力和价值捕获的理念是什么？换句话说，您是希望将成本通胀完全转嫁给客户，还是为了获取更多市场份额而补贴成本通胀，或是转嫁成本以获取更多利润？
詹姆斯·米切尔:谢谢你的问题。首先，我想说的是，显然存在对计算的需求，但不仅仅是AI计算的需求。当人们使用我们讨论的智能体工具时，他们会创建软件，而这些软件需要被执行。当它被执行时，大部分不是由GPU执行的，而是在CPU上执行的。随着执行，它会产生内存需求。所以不仅仅是GPU、DRAM、HBM的需求在增加，CPU、内存、常规DRAM、SSD等等，需求是全方位的。
关于行业和我们作为行业的一员将如何应对定价：多年来，中国的云服务提供商利润率一直很低。原因之一是，如果出现新进入者，或者客户想直接采购基础设施，他们可以直接联系供应商，订购他们想要的CPU或DRAM。但情况已不再如此。供应已经被预定到数月、几个季度，在某些情况下甚至数年之后。供应商优先考虑规模最大、最稳定的客户，也就是像我们这样的超大规模企业。因此，较小的云提供商不再能直接采购供应，他们需要来找超大规模企业。而超大规模企业长期以低利润率运营。所以当需求回升时，我们这个行业几乎别无选择，只能转嫁更高的价格。你们在过去24小时内已经看到中国云服务商宣布了一些涨价。
关于我们如何在这样一个动态环境中实现价值捕获，一个总的原则是我们寻求通过“丰富化”来创造更多价值。“丰富化”意味着，最低层面，如果你有计算资源，你可以直接出租，获得一定的低价和低利润。更优的方式是，你将其细分并虚拟化为代币，这样可以为计算单位获得更高的价格和利润率。理想情况下，你将其捆绑到平台即服务或软件即服务中，这样就能获得最好的定价和利润率。这是我们一直在走的旅程，也是腾讯云如何从四年前的大幅亏损转变为去年相当可观的利润的一部分。我们将继续沿着这条从裸金属到代币，再到平台化和软件化的旅程前进。
第七个问题：摩根士丹利 - 未明确分析师
未明确分析师 - 摩根士丹利:晚上好，谢谢提问的机会。我有一个问题关于管理层多次提到的“我们不是先行者”或“我们甚至是后来者”。在美国AI领域，我们也观察到一些后来者即使拥有大量计算资源、人才和数据，也变得非常难以追赶。那么管理层是如何确信和自信我们不会重蹈覆辙，不会在基础模型和应用方面落后而无法赶上？
刘炽平:这是一个非常好的问题。如果你只玩一场游戏，那么在单一游戏上追赶确实很难。但如果你将AI视为多场不同的游戏，那么总是有新的机会、新的前沿不断被打开，对吧？现在正在发生这种情况。一开始，每个人都觉得AI就是聊天机器人，然后编码出现了，接着多模态出现了。当每个人都觉得差不多就这样了，突然Claw出现了，它进一步去中心化了整个格局。所以未来，我们觉得会像应用一样，会有很多很多不同的AI呈现方式，从模型到产品再到智能体，现有服务也会有不同……在移动、PC上……。所以整个发展世界还处于非常早期的阶段。因此，在很短的时间内，你已经可以看到大量的多样化，并且未来还会更多。这就是为什么拥有一些基础能力很重要，对吧？我们确实有很多基础能力。在应用层面，我们有……社交生态，在PC和移动上都有存在，这就是我们的优势。云、支付以及所有这些元素都可以打包在一起，成为新的AI产品。所以这不是一场比赛，而是许多许多场比赛的世界，而且这一点正越来越明显地体现出来。因此，会有很多机会让不同的参与者从后面出现和创新。所以我认为，当我们动员所有产品团队开始用产品进行创新时，这对我们来说正以非常激动人心的方式发生着。
第八个问题：未明确公司 - 威廉·帕克
威廉·帕克 - BMP:……管理层好，谢谢接受提问。首先，最近的报道显示……在中国……苹果将其绝对佣金率降低了5%。腾讯是主要受益者之一。我们应在多大程度上预期此次降费会传导至腾讯的利润？还是说会以某种方式分享出去？
詹姆斯·米切尔:我很乐意回答这个问题。这次的新闻报道是基于苹果确实发布正式公告的客观现实，所以不是想象出来的假设，而是过去几天已经生效的实际进展。关于传导问题，应该会有很好的传导。当我们有游戏开发合作伙伴，并且我们是这些游戏的发行商时（这现在是相当少数的情况），在绝大多数情况下，收入分成是根据总收入计算的，而不是扣除佣金后的收入。所以这会传导给我们。至于你提到的税收，如果我们指的是对增量利润支付百分之十几的企业所得税，我想这取决于我们在多大程度上将这些增量利润再投资于新产品。
我想你提到了公告中定量部分，即佣金从3
最后一个问题：未明确分析师
未明确分析师 - 美国银行:谢谢接受提问。我的问题关于AI芯片。一些同行正在优先考虑发展内部芯片设计能力。我很好奇内部芯片开发在腾讯的优先级中处于什么位置。
刘炽平:谢谢你的问题。我认为在现阶段，这并不是我们最关注的核心。芯片有训练芯片和推理芯片之分。对于训练芯片，设计和制造非常非常困难。我们希望尽可能接触到最先进的训练芯片，以最灵活的方式，为训练最好的模型服务。然后是推理芯片。推理主要关乎成本。在现阶段，中国实际上有很多不同的推理芯片供应商，这与训练领域不同，训练领域基本只有一到两家能够获得非常非常高的利润。在推理领域，利润率要低得多，解决方案和选择也多得多。所以我认为，对我们来说，关键在于在现阶段利用最好的训练芯片来训练我们的模型。专注于这件事本身就很有价值。当涉及到推理，用于我们的用户产品时，在现阶段，我们非常专注于使用最好的芯片来训练我们的模型。混元3.0会比混元2.0好得多，而且这只是一个起点。我认为，随着时间的推移，我们将能够更快地迭代模型训练。我非常有信心，如果我们专注于这一点，我们将在某个时间点达到最先进的水平。我认为这对我们来说是最重要的事情。其次重要的是真正释放我们产品开发能力、集成和连接能力的潜力，为用户设计最激动人心的产品。我认为当这些做对了之后，我们才会去思考如何降低推理成本。
主持人:谢谢马丁。我们现在结束本次网络研讨会。感谢大家今天参与我们的业绩会议。如果您想查看我们的新闻稿和其他部分，请访问我们公司网站。
