教程开挂辅助“九九山城麻将开挂神器”开挂(透视)辅助教程

　　腾讯高管解读2025年Q4财报

　　腾讯控股发布2025年第四季度及全年财报 。截至2025年12月31日的12个月内
，该公司营业收入7517.7亿人民币，同比增长13.86%；公司权益持有人应占溢利（归母净利润）2248.42亿人民币 ，同比增长15.85%
。

　　详见：腾讯2025年营收达7517.7亿元
，同比增长13.86%

　　财报发布后，腾讯董事长兼CEO马化腾
、总裁刘炽平、首席战略官詹姆斯·米歇尔（James Mitchell）及CFO罗硕瀚等公司高管召开了财报电话会议 ，解读财报要点
，并回答分析师提问。

　　以下即为本次电话会议分析师问答环节主要内容：

　　瑞银集团分析师Kenneth Fong：我的第一个问题有关公司的AI投入与利润之间的关系 。按照管理层前面简报中的发言，公司预计将通过现有业务的盈利增长来覆盖新增的AI业务投资
。我能理解管理层认为AI是一项长期投入 ，需要单独评估。但在今年运营费用持续上升的大背景下
，我们应当如何看待公司利润率的变化？换句话说，展望2026年 ，公司的收入增长与利润增长之间的差距应如何理解？

　　我的第二个问题同样与公司的AI业务有关 。在此前，管理层曾提到GPU资源和AI人才仍然面临瓶颈
，因此会优先考虑推进公司内部AI应用落地
。在当前市场环境发生变化 、管理层战略可能有所调整的背景下，公司在资源配置
、战略优先级方面将如何权衡？同时 ，从KPI的角度来看
，管理层更关注哪些关键指标？是大语言模型本身的研发进展？还是用户参与度？还是哪些其他指标？

　　詹姆斯·米歇尔：在前面的简报中其实我们已经提到，由于对新一代AI产品投入的加大 ，公司在2026年的收入增速可能会快于利润增速。如果最终确实出现这种情况
，我们对此也是完全接受的 。我们始终相信，这些新的AI产品可以为我们提供扩大业务版图的机会 ，也能为用户创造新的价值。同时
，从用户对部分产品的热情反馈来看，我们认为这些产品的定位也与市场相匹配 ，具备不错的潜力
。

　　关于你提到的第二个问题
，即我们在AI人才和GPU资源方面面临的瓶颈。人才方面，目前我们已经在积极扩充团队规模 ，为混元团队引入了来自国内外的高质量人才；未来，我们还会持续推进相关的人才招聘 。但从整体来看
，我们已经基本建立起一支具备领先水平的AI人才队伍
。我们不仅会通过具有竞争力的薪酬吸引人才，也通过打造良好的团队文化、合理的团队内部与腾讯整体体系中的人才定位 ，以及优秀的团队领导力
，来持续吸引顶尖人才的加入。同时，我们也为团队提供充足的算力资源 ，为其所开发的AI产品提供具有差异化 、符合腾讯生态特点的应用场景 。因此
，相较于此前面临的人才稀缺状况，目前我们的状态已经更加从容
。当然 ，接下来一段时间
，我们仍会保持有选择的招聘节奏。

　　在GPU资源方面，我们也在积极增加算力供给 。这些新增算力将在今年逐步上线 ，并在下半年加速释放
。算力的来源包括：租赁外部算力资源
、采购重新恢复供应的高端进口GPU
，以及不断加码的国产GPU的采购。

　　在算力的使用上，目前我们会优先关注混元大模型以及腾讯旗下的新一代AI产品 。云端产品本身具有分布式特性 ，可以从本地设备、多云环境以及腾讯云等多个渠道获取算力，整体上对算力资源需求还是有一定的灵活性
。因此
，我们会优先将核心算力投入到混元基础大模型以及其他相关的新AI产品上。

　　伯恩斯坦研究所分析师Robin Zhu：我想请教一下管理层，在公司当前的这轮AI投资周期里 ，我们应当如何理解公司对投资回报率（ROI）的预期？以及管理层预测的投资回报是否有大致的时间节点？另外
，对于AI基础设施，在“自建
”与“外部租用”之间 ，公司是如何进行权衡与优先级排序的？同时
，从AI技术栈的角度来看，公司认为哪些环节是必须做到行业领先的关键能力？而哪些环节会随着AI的发展逐渐趋于标准化 、商品化 ，从而不需要投入过多的差异化资源？

　　刘炽平：从投资回报率（ROI）的角度来看
，在现有的应用AI技术的业务中，我们已经看到了非常可观的回报 。如果大家关注我们的财务细分 ，从整体来看
，我们可以把业务拆分为“现有业务+为支持这些业务而进行的AI投入 ”。大家可以看到，我们的整体增长其实是相当强劲的
。而如果剔除针对新一代AI产品的投入 ，大家可以看到公司的经营杠杆已经非常明显。这是其一 。

　　第二个层面是对新AI产品的投资
。在这方面，短期内大家更多看到的是投入
，而不是收入，尤其是在中国市场环境下更是如此。不同于美国市场可以通过订阅模式向消费者收费 ，或者以较高价格向企业出售代码智能体等产品
，在中国市场，这类商业模式目前还不太成熟 。因此 ，这些新AI产品在初期更多体现为前期投入
。但从中长期来看
，我们相信这些产品将逐步变现，为公司带来更具吸引力的回报。

　　腾讯云就是一个很好的例子：在业务初期 ，我们需要投入资金、承受一定亏损
，但随着时间推移，该项业务最终转变为具备良好盈利能力的优质业务 。我们认为AI业务也会呈现类似的发展路径 ，即在投资与回报之间存在时间差
。

　　关于你问题里提到的“自建”与“租用
”之间的取舍。如果当前条件允许采购
，我们实际上更倾向于“买入”，因为公司资产负债表非常稳健 ，这样可以避免支付额外的租赁溢价 。但在供应链受限以及相关监管因素的影响下，有时我们不得不选择租用
。因此
，在需要确保算力供给的情况下，我们也会灵活采用租用的方式。

　　伯恩斯坦研究所分析师Robin Zhu：我的最后一个问题是 ，从AI技术栈的角度来看
，比如模型层
、编排层、应用层等不同环节，站在腾讯的角度来看 ，您认为哪些部分是必须做到行业领先的关键能力？而哪些部分则可能随着行业发展逐步趋于标准化 、商品化
，从而不需要过多差异化投入？

　　刘炽平：我认为在当前这个阶段，整个行业还是处在一种高度的动态变化之中 。在如今快速发展的市场环境里 ，很难断言某一层会比其他层更为重要。因此
，我们的策略是：依托现有资源
、人才和团队，在各个层面都进行投入和布局
。

　　同时 ，各个层级所需的团队能力其实差异很大。过去我们确实需要从零开始搭建相关团队
，而现在正如詹姆斯提到的，我们已经拥有一支非常强的核心团队 ，并且具备持续吸引顶尖人才的能力 。进一步来看，当进入到应用层时
，这实际上更契合我们的优势
。因为这一层并不完全依赖底层模型能力，而是更多体现我们在产品能力、编排能力 、连接能力等方面的积累——而这些正是我们的强项。此外 ，腾讯的生态体系也是重要优势之一
，长期投入建设的基础设施能力以及跨设备（如移动端和PC端）的覆盖能力，也都是我们的核心竞争力 。

　　因此 ，可以说
，在应用层及相关能力上，我们已经进入到了自身优势更加突出的领域
。当然 ，这并不意味着我们只聚焦某一层
，而是仍然需要在各个层面持续投入。随着市场竞争格局的演进，我们希望能够在各个层级都逐步打造出行业领先的能力 。

　　高盛分析师Ronald Keung：我的问题还是围绕AI智能体的潜在机遇展开
。结合近期市面上推出的一些产品 ，比如腾讯QClaw等等。管理层应该如何理解这一机会的发展路径？另外
，在管理层前面提到腾讯云所承载的相关机会中，公司是如何定位这一生态的竞争格局？以及在AI技术栈的其他环节（例如模型层） ，公司又将如何实现产品的差异化？

　　刘炽平：我认为“小龙虾 ”是一个非常令人兴奋的概念 。它实际上提出了一种“去中心化
”的模式，换言之
，它是AI技术在现实世界中运行的新范式
。从某种程度上来说，它类似于互联网的发展历程。

　　在互联网初期 ，刚出现时似乎只有一个主要入口
，也就是浏览器，以及一个主要的分发渠道 ，即搜索引擎 。但随着时间推移
，各种不同的服务逐渐发展起来。移动互联网时代到来后，大量应用涌现 ，其中既有完全以移动设备为中心的新应用
，也有从PC互联网时代迁移过来的既有巨头
。

　　我们对“小龙虾”的理解也是类似的。在一段时间内，大家似乎都在争夺谁能成为AGI的“垄断者 ” ，仿佛只要有一个模型就能主导一切 。但实际上并非如此
。现在多个模型都在快速发展
，并在不同领域形成专长，比如有的专注于对话 ，有的专注于编码，有的专注于多模态。同时
，开源模型也已经发展得非常优秀 。

　　在面向消费者的场景中，曾经聊天机器人（Chatbot）似乎会成为唯一入口
。但随着“小龙虾
”的出现 ，我们看到了一个更加去中心化的生态的形成——许多公司可以拥有自己的“小龙虾”
，每个“小龙虾 ”都可以适配不同的模型，并由云基础设施提供支持。每个“小龙虾
”都需要找到自身独特的价值主张 ，才能赢得用户 。同时
，它不仅依赖云和模型，还会利用终端设备上的各种工具和系统能力
。因此 ，这个生态将变得更加开放
、多元、去中心化。

　　在这样的背景下
，我们看到了大量的产品机会，可以满足用户需求 。正因如此 ，我们推出了QClaw等产品
。未来
，我们相信，很多现有应用也可能开发自己的“小龙虾” ，并赋予其相应的AI智能体能力，不同模型之间也会围绕这些能力展开竞争。

　　因此
，这将是一个更加去中心化 、参与方众多的生态体系 。对腾讯来说，我们需要在不同层级持续构建能力——无论是模型层
、产品层 ，还是基础设施层
，每一层都需要形成我们自身独特的价值主张，才能持续赢得更多的用户和使用场景。

　　麦格理分析师Ellie Jiang：我有一个跟进问题
。我的问题还是围绕管理层对“智能体时代 ”的看法。管理层如何评估腾讯在这一新的智能体时代的价值主张？考虑到管理层将混元与其他大型语言模型一起向消费者推出 ，从长远来看
，管理层如何防止其他大语言模型稀释腾讯自身基础模型的价值？

　　詹姆斯·米歇尔：从腾讯在“小龙虾
”时代的独特价值主张来看，我们具备一些与智能体部署非常契合的固有属性 ，前面刘总也提到过这些特点 。

　　其中一个重要属性是
，腾讯是一家能力覆盖PC、移动端 、云端的公司，同时业务横跨各类应用和互联网服务
。就像智能体
、“小龙虾”可以跨设备、跨领域运行一样 ，腾讯既运营着若干集中化的应用
，又托管着一些高度去中心化但活跃的生态系统，其中最典型的就是小程序生态。

　　大家可以用一个框架来理解：过去 ，移动互联网的到来极大提升了应用体验，推动了集中化App与去中心化万维网体验的融合 。而现在
，随着“小龙虾 ”能力的出现，小程序等去中心化体验有机会得到“加速” ，并发展出比过去更强大 、更有能力的功能
。因此
，我们认为腾讯自身的能力与我们在智能体或“小龙虾
”部署上的兴趣存在天然契合。这也是为什么消费者对我们的智能体、QClaw服务表现出如此热情的原因之一 。

　　至于你提到的“如何防止其他大型语言模型稀释我们基础模型价值”的问题，我可能没完全理解你的前提 ，但我认为这种情况不会发生
。使用“小龙虾 ”时
，用户可以自由选择：是使用性能非常高
、单token成本也较高的模型A，还是使用性能中等、成本较低的模型Z ，或者选择介于中间的模型B 、模型Y
，用户需要自行作出选择。正是这种多样化的选择构成了“小龙虾
”的吸引力 。混元大模型只是其中可选的模型之一
。我们相信，随着混元团队能力的稳固和持续提升 ，混元模型会越来越好
、越来越快
，因此消费者自然会越来越倾向于使用混元。

　　但我并不认为会出现垄断的情况 。行业会允许消费者根据自身需求，按照性价比曲线自由选择不同模型。不同模型会分布在性价比曲线的不同位置 ，我们希望成为其中之一，但并不打算成为用户的唯一选择
。

　　花旗银行分析师Alicia Yap：我的问题有关“物理AI”。考虑到面向企业、尤其是面向传统行业的 、以生产力为核心的AI智能体日益普及
，管理层是否认为这将加速对世界模型（例如腾讯已有的3D模型）的使用需求？另外，管理层如何评估腾讯在未来物理AI时代的能力 ，以及公司的竞争力如何？

　　詹姆斯·米歇尔：我认为你的观点很合理 。目前AI在计算机辅助设计（CAD）方面已经展现出了一定的能力
。大家可以自然地预期
，AI会对现有能力进行补充，甚至最终大幅增强这些能力。这在工业设计
、建筑领域非常重要 ，在电子游戏领域也同样重要
，并且其重要性还在不断增加 。

　　我们认为，凭借我们在视频游戏中积累的丰富且高质量的3D图形资产 ，腾讯目前正处于一个相对独特的有利位置
，可以为用户提供用于训练模型的数据，从而支撑这些3D工具的开发
。这是我们非常适合深入的细分领域之一。但我不认为这是我们面临的最大的机会 ，因为还有许多更大、更直接的机会等着我们抓住 。

　　大和证券分析师John Choi：我的问题有关游戏与AI变革
。我们已经注意到
，部分游戏开发的人力成本和开发支出已经受到AI影响。管理层认为AI将会如何影响游戏的质量以及整体成本？腾讯应当如何应对这一变化？另外，随着游戏数量增加 ，发行与分发环节是否会变得更加重要？此外，如果AI的出现降低了游戏的开发门槛
，我们是否会看到游戏工作室数量显著增加，以及整体游戏供应量在未来是否会明显提升？

　　詹姆斯·米歇尔：我不知道大家是否参加了上周的游戏开发者大会（GDC） ，这是每年游戏开发者的顶级盛会 。正如预期的那样
，会上有许多关于“如何在游戏创作中使用AI ”的分享
。我有几点总体观察。

　　首先，这些分享几乎都集中在“如何利用AI升级现有的游戏内容
” ，加速内容创作 、提升游戏内的内容质量 。但目前
，行业还不具备利用AI技术完全从零创建游戏的能力，原因有很多 ，我们有时间的话可以进一步讨论。

　　第二
，质量最高的几组分享多是由我们腾讯集团的同事主讲的
。他们介绍了自己是如何在游戏中应用AI技术的，比如在图形渲染方面
、在游戏玩法方面、甚至在用户陪伴等环节的应用。我们认为 ，在这方面腾讯确实处在行业的前沿
，许多参加大会的开发者反馈也与这一观点一致 。

　　关于你问题的第二部分，即AI技术的使用是否会带来大量新游戏 ，从而提升发行和发布环节的重要性
。事实是，游戏行业的现实情况比较残酷：我们始终处于“供应过剩”状态。正如刘总之前提到的
，每年光移动端就有约20万款新游戏，Steam平台则约有1.8万款 。即便这个数量从20万增长到200万 、2亿甚至更高 ，它对行业的影响也非常有限
。我认为
，关键还是在于打造并对那些最优秀的游戏实现长线运营。为此，我们需要最顶尖的人才 ，还要辅以最先进的技术 。

　　因此
，我们认为，开发与发行之间的价值平衡将持续保持当前状态 ，行业的关键成功因素依然会倾向于那些最优秀的开发者
。

　　刘炽平：我想再补充几点。

　　首先
，当大家谈到AI对游戏的“冲击 ”时，表面上可能会让人觉得AI技术对游戏行业不利 ，但我认为游戏实际上是会从AI技术中受益的行业之一 。随着AI技术的普及
，用户可能会拥有更多的闲暇时间，这将显著提升游戏行业的需求端 ，这也是AI在普及阶段少有的确定性机会
。

　　其次，优秀工具的普及既会惠及新开发者
，也会惠及那些已经拥有大型
、长期运营游戏的成熟团队和高素质开发者。我认为，当工具可用时 ，它往往会从更大程度上惠及那些已有资源、并且平台上已有大量玩家的团队——他们能够更好地利用这些工具提升产出
，并让现有游戏变得更加“常青
” 。这对于拥有常青游戏并且能够快速拥抱新技术的团队来说是一种明显的优势。

　　最后，当出现大量创新时 ，我们在游戏行业观察到的现象是
，一个创意刚出现的时候可能并不完美，需要随着时间不断迭代和打磨
。我认为 ，如果拥有大量用户的游戏能够快速采纳这些创新
，并将其融入现有游戏中，这一迭代过程将进一步加速 ，使游戏本身逐渐演变为平台。这也是我们认为在未来会出现的独特机会之一 。

　　摩根大通分析师Alex Yao：我想跟进一下AI业务相关的问题
。考虑到公司对AI计算资源的需求非常强劲
，但另一方面，由于成本上升 ，AI服务器的价格也在上涨。能否请管理层帮助我们理解一下，腾讯在这种高度动态的环境下成本定价能力如何？换句话说
，管理层是希望将成本上涨全部转嫁给客户？还是吸收部分成本以获取更多市场份额？

　　詹姆斯·米歇尔：首先我想说的是，AI计算的需求激增 ，但这不仅仅是针对GPU计算 。当用户使用我们之前讨论的智能体工具时
，他们实际上是在创建软件，而这些软件需要执行
。执行过程中 ，大部分计算不是在GPU上进行
，而是在CPU上执行，并且执行过程中会产生大量内存需求。因此 ，需求的增长不仅仅体现在GPU 、DRAM或HBM上
，也包括CPU、普通RAM
、SSD、硬盘等各类硬件方面，总体上都呈现需求上升的情况 。

　　从行业和定价的角度来看 ，多年来
，云服务提供商在中国一直处于低利润状态
。其中一个原因是，如果出现新进入者 ，或者客户希望直接采购基础设施，他们可以直接联系CPU 、GPU
、DRAM等供应商下单。但现在
，这种情况现在已经不复存在 。如今，供应往往提前数月甚至数年被预订 ，并且会优先供应那些最大的、最稳定的客户
，例如腾讯
。因此，对于较小的云服务提供商来说 ，他们不再有确定的原料供应
，而是必须依赖行业中的大企业。而由于这些大企业长期维持低利润，当需求激增时 ，整个行业几乎别无选择
，只能将成本上涨转嫁给客户 。过去24小时内，中国的云服务已经出现了多轮价格上调 ，这就是直接结果。

　　在这种动态的环境下
，腾讯获取价值的原则之一是通过增值来实现
。所谓增值，就意味着你拥有计算资源时 ，可以以裸机出租，获得较低价格和低利润；更理想的方式是
，将资源进行细分和虚拟化（token化），从而让每单位计算资源获得更高价格和更高利润；最优方案是将其打包成平台即服务（PaaS）或软件即服务（SaaS） ，从而获得最佳定价和利润。这也是腾讯云从四年前的巨大亏损
，到去年实现可观利润采用的方法之一 。未来我们也会持续沿着这一路径不断发展
。

　　摩根士丹利分析师Gary Yu：管理层之前曾多次提到，腾讯在AI技术领域并非第一批“吃葡萄的人” ，甚至称得上是后来者。在美国市场中
，我们也观察到，对于一些后来进入AI行业的公司来说 ，要追赶上行业巨头已经非常困难
，即便这些公司在计算资源 、人才和数据方面的储备都非常充足 。

　　从这一意义来看，管理层如何确保自身不会走上同样的道路？也就是说 ，在计算机建模应用等领域
，为什么管理层认为腾讯不会落后于人
、不会追不上同业其他竞争对手？

　　刘炽平：这是一个非常好的问题
。

　　大家可以想象一下，如果你只是在玩一个游戏 ，那要追赶上确实很难；但如果大家把AI看作是多场并行的游戏，那么行业里就总会不断出现新的机会和新前沿。现在这种情况已经在发生：在最初阶段
，每个人都认为AI的主要用户即是聊天机器人，可随后有出现了AI编码的恶能力 ，再后来多模态能力也陆续出现 。就在大家以为差不多的时候
，“小龙虾 ”的出现又进一步将整个AI生态实现了“去中心化
”
。

　　未来，我们认为情况会像移动应用App一样：AI 将以不同形式被包装 ，从模型到产品再到智能体。现有的服务会逐步拥有不同的智能体能力
，同时也会有新的智能体能力出现在移动端和PC端 。

　　现在整个的AI开发仍处于非常早期的阶段，但在短时间内我们已经看到大量创新 ，并且未来会有更多涌现
。这也是为什么
，我们认为拥有基础能力非常重要。我们在应用层面确实拥有很多基础能力，例如PC和移动端的通讯等等 ，还包括大量基础设施的能力
，包括安全、支付等 。这些元素都可以在新的AI竞赛中被组合使用。

　　所以，我认为这不是一场单一的竞赛 ，而是多重并行的竞赛世界
。因此，不同参与者都有机会从后方创新。我并不担心“后来者”的问题
，更担心的是如果我们不够创新 、不够快速该怎么办？而随着我们重组混元团队，激活所有产品团队去开展产品创新 ，我认为这一切正朝着非常令人兴奋的方式推进 。

　　法国巴黎银行证券部门分析师William Packer：我看到有媒体报道称
，苹果计划在今年三月，在中国市场将App Store佣金比例下调了5% ，部分游戏会下调3%
。腾讯可能成为其中主要的受益方之一。我的问题是
，在管理层看来，您认为这些降费有多少会直接反映在腾讯的毛利率上？这些收益是否会与其他利益相关方共享 ，例如消费者
、游戏合作伙伴
，或者用于缴纳税收？

　　詹姆斯·米歇尔：很高兴的是，这次媒体报道是基于苹果的正式公告 ，因此这并非假设性的推测
，而是近期已生效的真实情况 。

　　就收益而言，效果确实不错
。对于那些有游戏开发合作伙伴的游戏（由这些合作伙伴发行的游戏现在在我们游戏收入中占比较小） ，在绝大多数情况下，收入分成是基于毛利收入计算的
，而不是扣除苹果抽成后的净收入，因此这部分收益会直接流向我们。如果你提到的“税收 ”是指我们按增量利润支付的企业所得税 ，那么你的推测也是合理的
，但要看我们会将多少增量利润再投资到新的AI产品中 。

　　你还提到了苹果公告中的量化调整，即商店佣金率从30%降到25% ，游戏从15%降到12%
。但对我们来说
，更重要的是苹果在公告中表明，未来将给予中国开发者与全球其他地区开发者同样的低费率。因此 ，我们的观点是
，随着行业趋势演进，App Store收取的佣金率在全球不同地区逐步下降只是时间问题 。而苹果此次声明也明确表示 ，全球各地的费率下降将在中国同步进行
。我们认为这是一个非常积极的信号
，但这只是多阶段积极调整中的第一步。

　　美银美林分析师Alex Liu：我的问题主要是关于AI芯片的 。我们看到越来越多的同行开始优先发展自主芯片设计的能力。我想了解一下，对于腾讯来说 ，自主芯片养发在公司业务中的战略优先级如何？

　　刘炽平：我认为在目前阶段，自主芯片研发并不是我们最关键的关注点
。

　　芯片方面
，大家要区分训练芯片和推理芯片。对于训练芯片来说，设计和制造其实是非常困难的 ，我们希望尽可能以灵活的方式获取最先进的训练芯片
，从而持续训练出最优模型；而对于推理芯片，我认为主要考虑的是成本 。在这一环节 ，中国有很多不同的供应商
，与训练芯片的情况不同——训练芯片几乎被一、两家厂商垄断，利润率很高 ，而推理芯片的利润率则相对较低
，可选择的方案和供应商更多
。因此，目前我们关注的重点是利用最优训练芯片训练出最好的模型 ，比如混元3.0的性能就有明显提升。当然
，这只是起点，未来我们可以更快速地迭代模型训练 。

　　我对此是非常有信心的
。如果我们能保持持续专注 ，最终肯定能达到目标。我认为腾讯接下来最重要的工作是充分发挥我们在产品开发 、整合与连接能力上的优势，设计出最令用户兴奋与期待的AI产品 。而当这些产品做好之后
，我们才会去考虑如何降低推理成本
。（完）