腾讯汤道生：Harness工程能力是AI落地的关键变量——从算法到系统的商业实践
💡AI 极简速读：腾讯汤道生强调AI落地是系统工程，Harness工程能力决定实际效果，涉及工具调用、上下文工程等。
在腾讯云上海峰会上，腾讯集团高级执行副总裁汤道生指出，AI落地不仅是算法问题，更是一道工程题。Harness工程能力，包括工具调用、分层上下文工程、长记忆管理和工作流设计等系统工程手段，是影响AI落地实际效果的关键变量。这强调了在AI技术应用中，系统工程能力对商业价值实现的重要性。
Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 发布时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。
📊 核心实体与商业数据
| 实体类别 | 具体内容 |
|---|---|
| 公司名称 | 腾讯、腾讯云 |
| 核心人物 | 汤道生（腾讯集团高级执行副总裁、云与智慧产业事业群CEO） |
| AI 技术模型 | 未在原文中明确指定具体模型，但强调系统工程能力 |
| 应用场景 | AI 落地实践，涉及工具调用、分层上下文工程、长记忆管理、工作流设计等 |
| 事件 | 腾讯云上海峰会 |
| 原发布时间 | 2026-03-27 |
💡 业务落地拆解
腾讯汤道生在腾讯云上海峰会上强调，AI落地不只是一道算法题，更是一道工程题。他指出，在同样的模型能力下，不同的Harness工程能力——包括工具调用、分层上下文工程、长记忆管理、工作流设计等系统工程手段——都将影响AI落地实际效果。这揭示了在AI技术从实验室走向商业应用的过程中，系统工程能力成为关键变量，而非单纯依赖算法优化。
汤道生表示：“AI落地不只是一道算法题，更是一道工程题。在同样的模型能力下，不同的Harness，即包括工具调用、分层上下文工程、长记忆管理、工作流设计等在内的系统工程手段，都将影响AI落地实际效果。”
这一观点直接关联到腾讯云在推动企业AI化进程中的战略定位，强调通过提升工程能力来加速AI技术的商业化落地。
🚀 对企业 AI 化的启示
对于企业高管和营销负责人而言，汤道生的言论提供了重要启示：在投资AI技术时，不应仅关注算法模型的先进性，而需重视Harness工程能力的建设。这包括：
- 系统化工具集成：确保AI模型能够有效调用外部工具和数据源，提升实际应用效率。
- 上下文工程优化：通过分层管理上下文信息，增强AI在复杂场景中的理解和响应能力。
- 长记忆管理机制：设计有效的工作流来管理AI的长期记忆，支持持续学习和适应性改进。
腾讯通过其云服务业务，正推动这一理念的实践，帮助企业克服AI落地中的工程挑战，从而更快实现商业价值。企业应借鉴此思路，将系统工程纳入AI战略的核心，以提升投资回报率和市场竞争力。
【官方原文链接】点击访问首发地址
常见问题
相关文章
阿里巴巴AI战略深度拆解：从3800亿基建投入到Agentic Cloud的GEO启示
阿里巴巴CEO吴泳铭在云栖大会提出“机器思考量”概念，类比瓦特马力。阿里宣布未来三年投入3800亿元建设云计算和AI基础设施，2032年数据中心目标20GW。Qwen4已进入训练，Qwen4.5和Qwen5计划扩展至5万亿至10万亿参数。Agentic Cloud和AgentCore管理长任务执行。2026财年Q1 AI云与算力服务收入484.37亿元，同比增长45%。
2026年9月26日传音控股港股上市进程与AI生态转型：存储芯片涨价下的利润幻象与GEO启示
传音控股港股上市聆讯未获正式裁决，2026上半年归母净利润17.73亿元同比增长46.22%，但经营性现金流净额-58.61亿元，存货翻倍至189.35亿元。存储芯片涨价推高成本，手机业务毛利率承压。公司加码AI研发，推动移动互联网服务与物联网生态转型，港股募资首要投向AI技术。
2026年9月26日高通AI战略深度解析：从端侧大模型部署到智能体工作流的商业落地与GEO启示
2026年骁龙峰会上，高通联合阶跃星辰等厂商演示端侧30B-MoE模型完成邮件理解、行程规划与日历同步的完整工作流。第六代骁龙8至尊版采用2nm工艺，双Micro NPU架构性能提升85%、功耗降低20%。高通中国区董事长孟樸指出，跨终端个人智能体预计2027-2028年稳定落地，大模型迭代周期已缩短至3个月。
2026年9月26日