全文 | 騰訊 Q2 業績會實錄：AI 是長期賽道 不準備出租算力

騰訊控股發佈二季報，期內騰訊營收 2047.9 億元，同比增長 11%；Non-IFRS 經營利潤 756.4 億元，同比增長 9%；若剔除新 AI 產品影響，Non-IFRS 經營利潤同比增長 19% 至 861 億元。

財報發佈後，騰訊董事長兼 CEO 馬化騰、總裁劉熾平、首席戰略官詹姆斯·米歇爾（James Mitchell）及 CFO 羅碩瀚等公司高管召開了財報電話會議，解讀財報要點，並回答分析師提問。

以下為本次電話會議分析師問答環節的主要內容：

伯恩斯坦研究所分析師 Robin Zhu：感謝管理層給我提問的機會。我想請教，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 投資的回本週期大概是什麼樣的？

米歇爾：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 James（米歇爾）剛才所説，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。

伯恩斯坦研究所分析師 Robin Zhu：第二個問題：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，能解決職場辦公人羣、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，幫助用户調用多款大模型，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 服務用户，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，可以為用户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户需求，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。

瑞銀集團分析師 Kenneth Fong：晚上好管理層，感謝你們接受我的提問。我第一個問題是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户反饋，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，這會不會只是把用户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，小微縮短用户交易鏈路，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，用户可以自動完成交易、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，會對用户產生更大價值。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。當下用户操作需要手動輸入文字、反覆點擊跳轉頁面；未來用户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，給用户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户。

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

瑞銀集團分析師 Kenneth Fong：第二個問題，想請教 AI 雲業務，國內大模型令牌定價持續走低，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？

米歇爾：國內市場令牌定價確實偏低，但國內令牌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，令牌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 付費用户、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户補貼，用來搶佔市場份額、拉動用户增長；但單獨看付費客羣，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户的收費標準，今年五月騰訊雲全產品線統一漲價；除明面上的提價外，我們還大幅縮減客户折扣力度。綜合來看，國內雲市場的價格競爭壓力已經遠小於過去。

高盛分析師 Ronald Keung：感謝管理層。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？

第二個問題，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，而非單純追求評測榜單分數。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，為用户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、不同用户需求，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。

米歇爾：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。正如劉熾平剛才所説，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，用户在 WorkBuddy 上的支出絕大部分是訂閲費。和遊戲等業務邏輯類似，用户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 產生的令牌計費業務，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。

花旗銀行分析師 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。未來用户會通過小微、各類 AI 智能體下達指令、完成交易。過去微信生態裏，用户需要手動瀏覽內容、操作小程序；未來用户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。絕大多數小程序商户也會部署專屬商户智能體，長期來看商户智能體可以直接和用户智能體對接。更遠期，每位用户都擁有專屬 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。

再説説設備端本地推理：設備端推理會分階段落地，只有長期發展後，大部分推理任務才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。

米歇爾：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，用户使用時長、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。

美銀美林分析師 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 投入週期還處在相對早期，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？

米歇爾：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 WorkBuddy 令牌業務、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，支撐令牌變現、算力租賃業務開展，但只有該業務能實現可觀回報，我們才會持續追加投入；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。

摩根大通分析師 Alex Yao：感謝管理層。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，還是政企客户業務增收？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户隱私、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，搭建規模龐大的令牌付費業務；第二，賦能 WorkBuddy 承接難度更高、附加值更強的辦公服務，為客户創造更多收益。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，給用户創造增量價值、增量收益，甚至直接幫助客户增收。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，覆蓋用户多樣化智能需求。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。

摩根大通分析師 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？是設置固定支出上限，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？出現哪些用户數據、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，商業收益會逐步兑現，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。

米歇爾：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。

摩根士丹利分析師 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，其次才是雲算力租賃。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週期、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，業務收益會快速兑現，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，投入規模會設置上限，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。（完）