腾讯总裁刘炽平在11月18日三季度电话会称,受算力限制影响,租赁与自建算力均面临约束,模型训练不可避免受影响,短期推出下一代混元可能需要更长时间;但计算效率正逐年快速提升,长期国内供应链将逐步参与模型推理。
算力约束落在训练端,混元迭代节奏受影响
刘炽平是在回答算力限制措施对AI业务影响这一提问时作出上述表态的。他把约束分成租赁和自建两条路径,指出两者都面临限制,因此模型训练不可避免受到影响。对市场而言,最直接的后果是混元下一代版本的推出时间可能被拉长——他用了「可能需要更长时间」的谨慎表述,并未给出具体延后时长。
这一表态出现在腾讯交出AI成绩单的同一场电话会上。据腾讯三季报及新浪财经报道,云业务收入增速由上季的21%升至35%,WorkBuddy日活跃用户超1000万、每日消耗超100万亿token,近七天收入按年化折算超5亿美元。
Hy4于11月发布,Hy4 flash则主打降低推理成本。训练端承压与推理端放量,构成腾讯AI业务的两面。
效率提升对冲算力约束
面对训练端的约束,刘炽平给出的对冲逻辑是计算效率。他称在模型训练和推理过程中,腾讯发现计算效率正逐年快速提升,此前Hy4模型训练中采用的方式已经具备很高效率。换言之,在算力总量受限的前提下,通过训练方法、工程优化提升单位算力的产出,成为维持迭代节奏的现实选择。
这与业内观察一致。此前谷歌第八代TPU把机密推理单独做成一类芯片、以及腾讯自研推理芯片紫霄流片,都指向同一方向:把不同负载拆到更合适的硬件上,用架构与专用化换取效率,而不是单纯堆叠算力规模。
| 维度 | 训练端 | 推理端 |
|---|---|---|
| 算力约束 | 租赁与自建均受限,迭代节奏承压 | 相对可控,效率逐年提升 |
| 硬件要求 | 单卡性能与集群规模要求高 | 更重生态适配、成本与能效 |
| 国产化空间 | 短期替代难度大 | 供应链正逐步切入 |
| 腾讯进展 | 下一代混元或延后 | Hy4 flash降本、紫霄自研流片 |
国产供应链从推理环节切入
刘炽平对长期路径的判断落在国产化上。他称从长期来看,国内供应链将逐步参与到模型推理环节中,目前国内产业的发展速度非常快,预计这一国产化进程还会加快。把推理而非训练作为切入点,符合两者的技术门槛差异:训练对单卡性能与集群规模要求更高,推理则在生态适配、成本与能效上有更多国产替代空间。
这一判断有产业侧呼应。此前国产7nm工艺的昇腾910C推理性能被指达到H100的约六成,沐曦等国产芯片厂商也在与液冷等环节协同,说明国产算力正从「能不能用」走向「规模部署」。对腾讯而言,推理环节引入国产供应链既能缓解外部算力约束,也更贴近WorkBuddy这类高token消耗应用的成本结构。
需要留出的不确定性
刘炽平的表述均为电话会口头回答,混元下一版本的具体延后时长、国产供应链参与推理的时间表都未给出,不宜据此推断确切节点。此外,训练端受限与推理端效率提升能否相互抵消,取决于模型规模增长与优化收益的赛跑,仍是后续观察的重点。
常见问题
腾讯下一代混元模型会推迟多久?
刘炽平只表示「可能需要更长时间」,未给出具体延后时长,不应据此推断确切发布日期。
腾讯打算怎么应对算力约束?
两条思路:一是通过训练方法和工程优化提升计算效率,二是在长期引入国内供应链参与模型推理。
为什么先从推理环节推进国产化?
推理对单卡性能与集群规模的要求相对训练更低,在生态适配、成本与能效上留给国产替代的空间更大。
信息来源:腾讯2026年第三季度业绩公告与电话会;蓝鲸新闻、金融界、新浪财经、网易科技相关报道;芯通社此前关于腾讯AI与国产算力的报道。