腾讯“混元试点”和“陆军转海军”的底层逻辑

本文来自微信公众号： 游戏寿司 ，作者：何北航，原文标题：《腾讯“混元试点”和“陆军转海军” 的底层逻辑》

11月12日，据媒体报道，在腾讯28周年Linktime线上直播中，腾讯管理层明确表达了加快组织变革的决心。

管理层强调，这一次与几年前的“降本增效”有着本质区别：过去更多是面对经营压力的被动收缩，核心在于“降本”；而这一次则是面向AI时代的主动调整，重点在于“增效”，通过激发一线员工的创造力、压缩中间管理层级，让组织变得更加扁平和灵活。

腾讯内部也提出了类似“陆军”与“海军”的资源分配思路：约50%的员工继续深耕现有核心业务，通过提升效率守好基本盘；另外50%则主动拥抱AI浪潮，探索AI Native业务模式和新的增长空间。

这意味着，腾讯此次组织变革并不只是一次人员或成本结构的调整，而是试图重新分配公司资源，让整个组织从适应AI时代，进一步转向主动寻找AI时代的新战场。

事实上，腾讯在混元大模型上的一系列调整，已经提前展现了这种组织变革的必要性。

百度的前车之鉴

今年7月，《晚点LatePost》发表了一篇名为《当一个年轻人空降：改造腾讯混元的300天》的报道，详细复盘了姚顺雨加入腾讯后，对混元团队进行的一系列改革。

这篇报道最值得关注的地方，并不是简单地更换项目负责人，而是一个更深层次的问题：当一位外来管理者试图推动改革时，如何打破盘根错节的组织关系，以及既得利益群体形成的利益壁垒？

《晚点》在报道开篇便引用了陆奇在百度的经历，为全文埋下了一个值得思考的伏笔。

2017年，陆奇加入百度，出任集团总裁兼COO，并推动百度全面转向人工智能战略，喊出了“All in AI”的口号。

从今天的视角来看，这一战略判断无疑具有前瞻性。但问题在于，战略方向正确，并不意味着组织内部就一定能够顺利执行。

彼时，百度搜索广告是公司的核心收入来源，也是整个商业体系的命脉。陆奇试图推动的AI转型，不仅需要将资源向新业务倾斜，还可能改变原有部门的权力结构和利益分配。

另一方面，AI业务需要长期投入，其商业价值却很难在短期内兑现。对于已经形成成熟商业模式的百度而言，这无疑是一场需要牺牲部分短期利益、换取长期竞争优势的改革。

当改革触及既得利益，而公司内部又缺乏足够的共识和决心时，即使改革方向正确，也未必能够走到最后。

2018年5月16日，百度股价创下历史新高。

但仅仅两天后，百度便宣布陆奇因个人和家庭原因卸任集团总裁兼COO。

资本市场对AI战略的认可，并不意味着企业内部的组织变革已经成功。

陆奇的离开对于马化腾而言，无疑具有警示意义。

当腾讯内部传来诸如“元宝日活激增超20倍，卡位超级入口”，以及“中国DAU排名第三的AI原生移动应用”之类的喜报时，马化腾显然没有因此放松警惕。

因为他很清楚，PPT上的成绩，并不等于真实的竞争力。

于是，腾讯选择启用姚顺雨，并给予他充分的支持与信任，允许他对表面上看似「健康发展」的混元动刀。

而随着改革的深入，混元此前被繁荣表象所掩盖的问题，也逐渐暴露出来。

会说谎的KPI

姚顺雨在腾讯做的第一件事，就颇有意味。

据《晚点LatePost》报道，初入腾讯时，姚顺雨曾向总裁刘炽平提出一个请求：从新模型发布起，至少一年时间，希望总办不要看模型榜单。

一年，差不多是两代模型的训练周期。

刘炽平同意了。

为什么一个AI团队的负责人，会主动要求公司高层不要关注行业榜单？

这背后其实隐藏着混元此前面临的一个严重问题：团队已经逐渐将模型榜单成绩，当成了衡量自身技术能力的核心指标。

（下图：SuperCLUE发布的《中文大模型基准测评2024年8月报告》）

按照报道披露的情况，姚顺雨在排查混元的问题时发现，此前团队在模型评测方面存在严重偏差。

为了追求更好的Benchmark成绩，部分用于打榜的评测语料甚至被放进了模型训练集，造成了训练数据污染。

这意味着什么？

简单来说，就好比一个学生提前拿到了考试题目，甚至已经背下了部分标准答案。等到真正参加考试时，自然能够取得不错的成绩。

但这并不意味着他真正掌握了相关知识，更不意味着他能够在面对陌生问题时，依然表现出同样的能力。

这其实是工作中一个很容易被忽视的问题：KPI数据优秀，不等于实际能力优秀。

Benchmark本质上是一种衡量模型能力的指标。它通过相对标准化的测试，帮助研发团队评估模型在特定任务上的表现，并观察不同版本之间的进步。

但当团队开始围绕这个指标优化工作时，事情就可能发生变化。

原本应该是通过提升模型能力来获得更好的测试成绩，最后却变成了通过优化测试成绩来证明模型能力。

这让我想起管理学中一个经典的现象：当一个指标成为考核目标，它往往就不再是一个好的指标。

为了完成上级下达的KPI，团队需要不断优化Benchmark成绩。但问题在于，用户不会因为一个模型在某项Benchmark上排名靠前，就觉得它好用。

用户真正关心的是：它能不能准确理解我的问题？能不能完成我交代的任务？回答是否可靠？在实际使用中，是否比上一代产品更好？

如果模型在实验室里的成绩不断提高，却无法转化为真实的产品体验，那么这些漂亮的数字对于业务而言，意义就会大打折扣。

这也解释了为什么姚顺雨会用「几乎每个环节都在漏水」来形容当时的混元。

一个组织最可怕的情况，并不是所有人都没有努力，而是所有人都在努力完成错误的目标。

因此，姚顺雨要求总办一年内不要看榜单，实际上是在尝试切断原有的KPI导向，让研发团队重新把注意力放回模型本身。

与其追求某个版本在排行榜上提高几名，不如先搞清楚模型究竟哪里做得不好；与其用漂亮的评测数据证明自己，不如让真实用户和产品反馈来检验研发成果。

从这个角度来看，姚顺雨对混元的改革，首先不是技术路线的调整，而是一次对研发评价体系的纠偏。

当降本增效遇上GPU短缺

如果说前面提到的Benchmark问题，反映的是混元在研发评价体系上的偏差，那么团队成立之初的经历，则暴露出腾讯更深层次的组织问题。

据《晚点LatePost》报道，混元从起步阶段就不算顺利。

2021年底，腾讯开始在全集团推行降本增效。混元组建团队时，人手就已经十分紧张，即便额外申请到了一些招聘名额，依然无法满足项目需求，而真正拥有大模型训练经验的人才更是稀缺。

大模型研发本身就是一项高度专业化、需要长期积累的工作，团队从人才储备到技术基础设施，都需要大量资源投入。

但当时的混元，连最基本的算力资源都捉襟见肘。

据一位腾讯人士透露，2023年混元刚立项时，项目组甚至连一块GPU都没有。最后还是从广告部门协调来了2000张GPU，其中一半用于预训练，另一半用于后训练。

算力不足带来的影响并不只是训练速度慢。

由于早期资源有限，混元的基础设施缺乏针对大规模训练任务的系统性设计。到了后期，即便获得更多GPU，训练过程依然极不稳定，算力规模上去了，训练效率却未能同步提升。

看到这里，值得思考的是：为什么一家拥有庞大资源储备的科技公司，会让自己的核心AI项目在起步阶段陷入如此被动的局面？

这里就不得不提腾讯当时的组织环境。

2021年底，全集团降本增效的方向已经确定。在这样的背景下，任何部门申请额外HC，或者要求投入大量资金购买GPU，都需要面对一个现实问题：这是否符合公司当前的整体战略？

当整个公司都在强调控制成本、提高效率时，谁愿意站出来要求增加投入？

尤其是在一个尚未证明商业价值的新项目上，争取更多资源不仅意味着需要承担更高的成本，还意味着要向上级解释，为什么其他部门都在节省开支，自己却要反其道而行之。

于是，一种看似理性的组织行为就出现了：大家都尽量不制造麻烦，不提出超出预期的要求，也不轻易挑战已经确定的决策方向。

从个人角度来看，这或许是一种成熟的职场生存方式。

大家都很有分寸，很懂得察言观色，也很懂得在组织内部如何沟通。

但问题在于，当所有人都太懂得如何顺应组织，组织反而可能失去纠正自身错误的能力。

AI大模型是一个需要长期投入、持续试错的领域。GPU、人才和基础设施并不是可以随意压缩的成本，而是决定研发上限的必要条件。

如果一个项目从一开始就缺乏足够的资源，后续再要求研发团队拿出具有竞争力的成果，本身就是一种矛盾。

更何况，技术研发往往存在明显的窗口期。等到管理层意识到投入不足，再临时补充算力和人才，前期欠下的技术债务，未必能够通过简单增加预算来弥补。

当然，降本增效本身并没有错。对于任何一家大型企业而言，控制成本、提高资源利用率都是必要的管理手段。

真正的问题在于，公司有没有能力识别哪些成本可以削减，哪些投入反而不能省；有没有人敢于告诉决策层，某些方向上的节省，最终可能付出更大的代价。

如果所有人都只想着如何把公司的既定战略执行得更好，却没有人愿意指出战略本身可能存在的问题，那么所谓的高情商，最终就可能演变成组织的低效率。

对于腾讯而言，此前GPU储备不足所带来的代价，或许还将在未来的业务表现中逐渐体现。

没人愿意捅破窗户纸

如果说前面提到的资源不足，反映了混元在公司战略层面受到的限制，那么接下来暴露的问题，则更像是团队内部逐渐形成的一种组织惯性。

据《晚点LatePost》报道，混元的数据管理同样存在严重问题。

当时，混元的数据按照知识问答、创作等不同用途被划分为六大类，每一类都有独立的团队负责。这样的分工模式持续了很长时间，逐渐形成了各自为营的局面。

问题在于，一旦出现这六类之外的数据样本，很少有人愿意主动接手。

更荒唐的是，他们还为数据标注设定了一条明确的验收标准：每批数据的标注准确率必须达到95%以上。

但一位混元数据部门人士回忆，由于标注规则本身定义不清，标注团队始终无法交出符合要求的结果，实际准确率长期停留在60%-70%，而95%的指标没有因此调整。

于是，一个非常典型的职场现象出现了：既然实际交付无法达到考核标准，那就想办法让最终提交的结果看起来符合要求。

最终，团队生产出大批无法使用的数据，而算法团队也对这一情况选择了默许。

训练环节也存在类似的问题。

据报道，混元此前几乎没有开展过强化学习，并不是团队不想做，而是当时的基座模型并不具备相应的能力。

一位混元人士将其比作一个按照搜索引擎逻辑构建的大模型：只能回答那些已经见过答案的问题，缺乏真正的推理能力，更无法在推理过程中发现和纠正自己的错误。

数据质量、基座模型、训练体系，这些问题相互叠加，最终限制了混元的技术上限。

但面对日益激烈的行业竞争，团队并没有选择停下来，从基础环节重新梳理问题，而是做出了两个颇具争议的决定。

• •第一个是更换模型架构，冒险采用Transformer与Mamba结合的混合架构。这条技术路线当时在行业内尚未得到充分验证，一位混元人士甚至评价称，这种选择「有噱头」。

• •第二个则是转向打榜，通过提高Benchmark成绩，向上级证明团队仍然取得了进展。

一个缺乏扎实基础的团队，开始试图通过更激进的技术路线和更漂亮的评测成绩，来弥补自身的不足。

到了2025年年中，混元内部已经形成了一种相当微妙的氛围。

据一位混元人士回忆，当时整个团队的状态可以概括为：“活照常干，但大家心里都清楚，这么干下去不行。可谁也不敢做大动作，都在观望。”

数据标注规则不合理，大家知道；数据质量达不到要求，大家知道；训练体系存在缺陷，大家也知道。

但这些问题并没有得到及时纠正。

一方面，部门各自为营，主动接手职责之外的问题，意味着要承担额外的工作和责任；另一方面，指出现有方案存在问题，意味着可能否定此前的工作成果，甚至得罪自己的上级和同事。

在这种环境下，最安全的选择反而是维持现状。

数据部门按照既定标准交付，算法部门接受实际上不合格的数据，管理层看到的是已经完成的工作和漂亮的评测成绩。

每个人似乎都完成了自己的任务，却没有人真正对最终结果负责。

这就是组织中一种非常危险的现象：所有人都知道问题存在，但只要问题还没有严重到必须由自己承担责任，就没有人愿意主动捅破窗户纸。

这让我想起此前讨论过的某款投资上亿的大型开放世界游戏：不同部门各自负责自己的模块，明明已经发现设计缺陷、开发进度或者资源配置存在问题，却因为不愿意得罪其他部门，或不愿承担推翻既定方案的责任，最终选择将问题暂时搁置。

等到问题再也无法掩盖时，付出的代价往往已经远远超过早期解决它所需要的成本。

万幸，补船的人来了。

混元改革的启示

2025年11月，姚顺雨出现在腾讯的一场管理层会议上。

但在此之前，他并没有直接加入混元，而是以顾问身份进入腾讯，挂在总裁刘炽平直接管理的企业发展事业群（CDG）。

这个安排颇有意味。

姚顺雨最初的任务并不是接管混元，而是调查混元长期落后的原因。

他检查了模型训练的各个环节，与团队成员深入交流至深夜，甚至专门走访元宝、微信等与混元深度合作的产品部门，听取一线反馈。

换句话说，他并没有急着给混元开药方，而是先试图搞清楚，这艘船究竟是从哪里开始漏水的。

而随着调查深入，混元此前被漂亮数据和组织惯性掩盖的问题，也逐渐浮出水面。

过去，管理层看到的是一份份看起来不错的研发报告：模型在各项Benchmark上的成绩不断提升，项目进度按计划推进，各个部门也都在完成自己的工作。

但姚顺雨的调查却揭示了另一面：评测数据存在污染，训练体系存在短板，部门之间各自为营，甚至连一些看似正常的交付，也未必真正达到了预期效果。

问题不只是混元的模型没有达到预期，而是管理层此前所看到的那些成绩，可能从一开始就没有准确反映产品的真实质量。

当然，这未必意味着有人有意欺骗管理层。更值得警惕的是，当整个团队都围绕既定指标开展工作时，每个人都可以拿出一份符合要求的成绩单，却没有人对最终结果负责。

这也解释了为什么姚顺雨最初要花那么多时间调查，而不是一上来就换人、换架构或者增加预算。

因为如果问题出在组织机制上，那么单纯更换一批技术负责人，甚至引进更多优秀人才，都未必能够解决问题。

事实上，腾讯在AI领域曾经有过类似的经历。

2016年，腾讯组建AI Lab，次年便邀请机器学习领域的知名学者张潼出任负责人。

当时，张潼带着很高的期待加入腾讯。在学界，研究人员往往受限于数据规模和计算资源，而腾讯拥有庞大的业务体系、海量用户以及丰富的应用场景。在他看来，这些都是学术研究中难以获得的珍贵资源。

但现实很快给了他一盆冷水。

一位腾讯TEG人士回忆，张潼原本以为能够调用腾讯庞大的业务数据开展研究，真正进入公司后却发现，数据并没有想象中那么容易拿到。各个业务部门之间存在壁垒，AI Lab很难真正利用这些资源，研究工作最终只能在相对封闭的环境中进行。

两年后，张潼失望离去。

这个故事颇具代表性。

腾讯并不缺少数据，也不缺少能够吸引顶尖学者的资金和平台，但当这些资源无法跨越组织边界，真正转化为研究人员可以使用的生产力时，所谓的资源优势就很难发挥出来。

换句话说，公司拥有资源，不等于团队能够使用资源；公司引进人才，也不等于人才就能获得施展能力的环境。

张潼的经历说明，腾讯真正需要解决的，可能并不是如何引进更优秀的人才，而是如何让这些人才真正获得调动公司资源的能力。

而这一次，腾讯高层选择给姚顺雨更大的改革空间。

这次改革并没有一开始就在腾讯全公司范围内铺开，而是先从混元这个具体业务切入。调整研发评价体系，重新审视训练流程，补足基础设施和人才短板，再逐步改变团队的协作方式。

某种程度上，混元成了腾讯在AI时代进行组织改革的一块试验田，而这套改革思路，也并不局限于大模型研发。

当混元的改革取得了一定成效，也让腾讯管理层看到了另一种可能：AI带来的变化，不只是开发出一个更强的模型，更是让整个组织的工作方式发生改变。

但对马化腾来说，混元的经历恐怕还带来了一个更值得深思的问题。如果混元过去能够通过漂亮的评测数据和完整的项目报告，让管理层长期高估产品的质量，低估问题的严重性，那么腾讯其他部门呢？

混元并不是腾讯唯一一个拥有复杂组织架构、长期研发项目和多层管理体系的部门。其他业务是否也存在类似的情况？是否也有一些团队，习惯于向上汇报容易量化的成绩，却很少有人主动暴露真正影响业务的问题？

如果答案是肯定的，那么混元的问题就不再只是一个AI研发部门的问题，而是整个组织都需要警惕的风险。

这次“混元试点”与“陆军转海军”的逻辑也就清晰起来。

结语

现在来看，陆奇与姚顺雨两段经历最大的区别，或许并不在于管理者本身的能力，而在于企业最高决策层的态度。

陆奇当年面对的，是一个既有业务体系庞大、部门利益盘根错节，改革阻力难以消除的百度；而姚顺雨面对的，则是一个已经充分意识到AI竞争紧迫性，并愿意为组织调整提供空间的腾讯。

换句话说，陆奇需要在盘根错节的既有组织体系中推动李彦宏接受一场变革，而姚顺雨得到的，则是腾讯最高决策层坚定不移推动变革的决心。

对于马化腾而言，真正需要做的可能不只是再寻找几个姚顺雨，而是借助这次AI转型，推动一场更深层次的组织改革。

毕竟，AI时代的竞争，不只是技术和产品的竞争，更是组织效率的竞争。

而姚顺雨的混元改革，正是腾讯试图回答这个问题的一次内部试验。