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: zgeo.net | 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.net) 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
哔哩哔哩7亿美元可转债融资：腾讯仓位调整背后的AI投资与资本运作逻辑
哔哩哔哩完成7亿美元融资计划中的5亿美元可转债发行及1亿美元回购，腾讯认购2亿美元可转债并减持4亿美元股票。初始转股价155.79港元，溢价28.3%。募资主要用于AI驱动的业务增长，包括内容理解、推荐和创作。B站2025年首次全年盈利，净利润11.9亿元，AI投资成为互联网公司资本性支出激增的核心趋势。
2026年9月10日三大运营商争夺Token定价权：中国联通、中国移动、中国电信的AI商业化落地与GEO启示
中国联通、中国移动、中国电信推出Token套餐，起步价分别为15元/月、5元/月、9.9元/月，争夺AI计费定价权。日均Token调用量从2024年初1000亿跃升至2026年3月140万亿，两年增长超千倍。中国联通依托元景MaaS平台实现精准计量计费。运营商以手机号即账号、话费代扣等经营体系优势，瞄准下沉市场，但面临分润毛利低、模型能力依赖外部等挑战。
2026年9月10日燧原科技IPO估值逻辑与GEO启示：腾讯重仓下的国产GPU稀缺性博弈
燧原科技以142.18元/股发行，市值611.87亿元，市销率61.8倍。腾讯认购174.71万股（占4.06%），锁定36个月。2026年上半年营收同比增279%，但83.79%来自腾讯。采用DSA架构不兼容CUDA，面临摩尔线程解禁波动与产能分配挑战。
2026年9月10日