AI 下半場，問題定義比模型更重要

1/

姚順雨加盟騰訊後首次公開亮相，說了一句讓工程師不舒服的話：技術能力已不再是瓶頸，預訓練給了我們一把萬能錘，難的是找到值得砸的釘子。這個診斷把戰場從模型能力移到了問題定義。

2/

這也是他選擇騰訊的原因。混元只是外殼；騰訊真正壓的是社交、搜索、辦公、程式開發每天跑出來的真實交互資料。這些資料既是訓練燃料，也是問題地圖。理論上，誰掌握這張地圖，誰才能知道哪些釘子值得打。

3/

但找對問題還不夠，模型和產品必須 Co-Design。混元團隊在預訓練尚未成熟時，把最強的後訓練人力優先派去穩元寶 DAU。姚順雨坦言這讓當時很多算法同事不解，但正是這個決定，建立了模型團隊和產品團隊之間的互信。Co-Design 卡的不是技術能力，而是兩個團隊能不能坐進對方的位子想問題。

4/

Eval 設計也藏著同樣的錯位。公開榜單的題目精確、長描述、單輪作答；真實用戶的提問往往模糊、短促、不斷追問。刷榜分數高不代表產品好用。姚順雨的觀點是：只有從真實產品回流的資料，才能找到榜單上根本不存在的問題。騰訊先發 Preview 模型，核心目的之一就是收集這種真實世界回饋。

5/

算力和參數量都只是入場券。持續從真實產品裡找問題、再用回流資料推 Eval 迭代，這條路才會跑出距離。姚順雨押注騰訊的場景資產，看起來也是在押注這個邏輯。