接近騰訊人士表示，因涉及隱私安全，微信智能體項(xiàng)目的發(fā)布時間仍是未知數(shù)

文｜《財經(jīng)》記者 劉以秦

編輯｜謝麗容

3月10日，有媒體報道稱，騰訊正在為微信開發(fā)一款A(yù)I智能體，這款智能體將與微信內(nèi)數(shù)百萬個小程序連接，提供從打車到網(wǎng)購等各類服務(wù)。騰訊至少從2025年上半年就開始籌辦該項(xiàng)目，并將這個項(xiàng)目視為“最高優(yōu)先級的絕密項(xiàng)目”。

一位接近騰訊人士向《財經(jīng)》確認(rèn)了這一消息。但他表示，這個項(xiàng)目會不會發(fā)布、具體怎么發(fā)布，還有很高的不確定性，因?yàn)?/strong>“微信非常重視隱私和安全問題”。

另一位接近騰訊的人士也提到，微信將用戶體驗(yàn)放在首位，增加任何新功能都要確保不影響用戶體驗(yàn)。微信智能體需要打通各種環(huán)節(jié)的數(shù)據(jù)，“這是騰訊一直很警惕的行為，但如果真的發(fā)布了，騰訊的AI業(yè)務(wù)算是往前邁了一大步。”

除了微信本身的安全考量，這些小程序背后的廠商們是否愿意開放權(quán)限給微信智能體也是個未知數(shù)。一位互聯(lián)網(wǎng)大廠人士告訴《財經(jīng)》，提供打車、外賣、購物等業(yè)務(wù)的大廠們會把接入智能體的權(quán)限牢牢把握在自己手里。

關(guān)于微信智能體，截至發(fā)稿，騰訊相關(guān)負(fù)責(zé)人未有回應(yīng)。

微信是中國用戶量規(guī)模最大的App，騰訊控股財報顯示，截至2025年9月30日，微信及WeChat的合并月活躍賬戶數(shù)達(dá)14.14億。據(jù)第三方數(shù)據(jù)平臺QuestMobile 2025年12月數(shù)據(jù)，中國應(yīng)用市場上，微信以11.25億的月活躍用戶（MAU）排名第一，緊隨其后的是抖音（9.74億）和支付寶（9.70億）。

一直以來，在中國的科技大廠中，騰訊在AI領(lǐng)域的步伐相對較慢。2023年9月，騰訊混元大模型上線，2024年5月，騰訊發(fā)布AI助手元寶。AI應(yīng)用追蹤平臺AICPB.com的數(shù)據(jù)顯示，截至今年2月，元寶的月活躍用戶數(shù)為1.1億，在中國AI產(chǎn)品榜中排名第五，低于字節(jié)跳動的豆包（3.2億）、阿里千問（2億）、阿里旗下的夸克（1.7億）和DeepSeek（1.3億）。

2025年后，騰訊持續(xù)加大對AI方向的投入。2025年12月，騰訊對大模型研發(fā)架構(gòu)做出調(diào)整，宣布由姚順雨出任“CEO（首席執(zhí)行官）/總裁辦公室”首席AI科學(xué)家，向騰訊總裁劉熾平匯報。這意味著，大模型研發(fā)已經(jīng)是騰訊CEO/總裁辦公室的重點(diǎn)關(guān)注項(xiàng)目。

同時，姚順雨還兼任新設(shè)立的AI Infra（基礎(chǔ)設(shè)施）部、大語言模型部負(fù)責(zé)人，向技術(shù)工程事業(yè)群（Technology and Engineering Group，簡稱TEG）總裁盧山匯報。

資本支出水平也是衡量一家科技公司對新技術(shù)投入力度的指標(biāo)。根據(jù)騰訊財報，2024年四季度和2025年一季度，騰訊資本開支大幅增長，分別為366億元和275億元。但到了2025年三季度，騰訊資本開支降至129.8億元。財報會議上，騰訊管理層預(yù)計(jì)2025年全年資本支出低于原先預(yù)期范圍，但金額將高于2024年水平。管理層表示，資本支出變化反映的是AI芯片供應(yīng)變化，而非騰訊AI戰(zhàn)略有所改變，騰訊目前算力供應(yīng)充足，能夠滿足內(nèi)部使用。

騰訊的人員開支和研發(fā)費(fèi)用依然保持增長。根據(jù)騰訊財報，2025年三季度，騰訊一般及行政開支同比增長18%至342億元，主要由于研發(fā)開支增加，特別是AI相關(guān)舉措投入。研發(fā)投入達(dá)228億元，同比增長28%。

據(jù)媒體報道，此次針對微信開發(fā)的智能體，目前還沒有使用騰訊的混元大模型，該項(xiàng)目團(tuán)隊(duì)測試了中國其他廠商的大模型，包括智譜AI、阿里巴巴和DeepSeek。但使用外部模型對于微信安全保障來說難度會更高。

微信本身有自己的AI團(tuán)隊(duì)，該團(tuán)隊(duì)成立于2011年，也在持續(xù)做AI大模型的研發(fā)工作。近期，該團(tuán)隊(duì)發(fā)布了三篇大模型相關(guān)的論文，分別討論了如何利用相對更少的資源訓(xùn)練出更高效的模型、訓(xùn)練后模型如何優(yōu)化、如何降低模型訓(xùn)練中的損失并提高效率。