大模型组织升级的真价值：从腾讯变阵看电商与智慧工地的AI落地

企业AI做不起来，问题常常不在模型，而在组织。

2025-12-19，腾讯内部官宣大模型研发组织架构调整：新设 AI Infra 部、AI Data 部、数据计算平台部，并明确 姚顺雨加盟，担任“CEO/总裁办公室首席 AI 科学家”，向总裁刘炽平汇报，同时兼任 AI Infra 部和大语言模型部负责人。很多人把这当作“又一次大厂抢人”。我更愿意把它看成一条更实用的信号：大模型进入“拼系统、拼评估、拼工程”的阶段。

这对做电商与新零售的人意味着什么？对做“智慧工地”的建筑企业又意味着什么？我的判断很直接：谁能把 AI Infra、数据与评测、业务场景三者拧成一股绳，谁就能把 AI 从演示变成产能。

组织升级的核心：把“训练-上线-迭代”做成流水线

腾讯这次调整，最值得关注的不是头衔，而是把大模型研发拆成了三条清晰的“产线”：训练/推理平台（AI Infra）—数据与评测（AI Data）—数据计算与工程底座（数据计算平台）。这一套结构对应的不是研究论文，而是企业里最痛的三件事：成本、稳定性、可复用。

AI Infra：把算力与推理当成“水电煤”来经营

AI Infra 部聚焦分布式训练、高性能推理服务等能力建设。对电商与新零售来说，这几乎等价于：

• 大促期间（双12刚过，年货节在即）客服与导购的并发推理能力是否扛得住
• 个性化推荐、搜索重排、AIGC 商品内容生成能否稳定低延迟
• 多业务线共用一个模型家族时，如何做资源隔离、配额、成本核算

对智慧工地同样成立：视频结构化、风险识别、进度理解、BIM 协同问答，最终都要落在推理服务上。没有 Infra，AI就是“有电池的玩具”，电池一没就停。

AI Data + 评测：从“好不好用”变成“可度量、可追责”

姚顺雨在业内最被反复引用的观点之一，是“AI下半场：评估前置”。把它翻译成企业语言就是：

不能度量的模型能力，等于不能管理的业务风险。

电商里“简单任务的可靠性”反而更致命：

• 客服一句话答错，可能是退货、差评、投诉
• 促销规则解释错误，直接引发价格争议
• 直播脚本生成出现违禁词，触发平台处罚

智慧工地也一样：安全识别误报/漏报、设备巡检建议错误、材料进场验收口径不一致，都会带来实际成本与安全风险。

所以，AI Data 部如果能把 数据治理、标注策略、评测基准、线上回归测试 体系化，企业才可能把大模型当作“可上线的生产系统”，而不是“会说话的 Demo”。

数据计算平台：让AI能力像乐高一样复用

数据计算平台要解决的，是大数据与机器学习的融合底座。电商常见的“烟囱式 AI”问题是：推荐一套特征、搜索一套特征、广告一套特征、风控又一套特征；最终大家都在重复造轮子。

同理，建筑企业也常见：安全、质量、进度、成本各自买系统、各自建模型，数据口径不通，导致跨场景协同基本为零。

当数据与特征、训练流水线、评测指标能被平台化复用时，AI落地速度才会从“季度级”变成“周级”。

从姚顺雨的“Agent方法论”，看电商运营的下一站

不少企业仍把大模型当“写作工具”或“知识库”。但姚顺雨的代表性工作（如 ReAct、Tree of Thoughts，以及面向真实任务的 SWE-bench / SWE-agent）指向同一件事：把模型放进可执行的任务系统里，用工具、流程与反馈让它变得可靠。

这恰好对应电商与新零售里最值钱的方向：Agent 化运营。

电商Agent不是“会调用工具”，而是“能把闭环跑通”

一个合格的运营 Agent 至少要具备三层闭环：

1. 理解任务：比如“把某类目毛利提升 2 个点，同时不牺牲转化率”
2. 制定动作：选哪些 SKU 做价格带调整、哪些人群做券包、哪些渠道做投放
3. 验证与回滚：根据实时数据评估效果，触发停止、回滚或加码

这就要求企业具备：

• 可观测的数据体系（实时与离线一致）
• 可执行的工具接口（投放、定价、库存、内容、客服）
• 可审计的评测指标（转化、毛利、复购、客诉、合规）

换句话说，Agent 的上限由组织的“系统化能力”决定，这也是腾讯此类组织升级的含义。

WebShop式评测思路：把“线上业务”做成可控实验场

姚顺雨早期做过 WebShop 这类可控电商环境评估 Agent 能力的工作。对企业落地，我建议借鉴它的精神：把关键业务过程抽成“可回放、可模拟、可对比”的实验场。

电商可以这么做：

• 把客服对话、售后流程、活动报名、投放调整做成可重放任务集
• 为每类任务定义“正确性 + 时效 + 成本 + 合规”四维指标
• 用“影子模式”让 Agent 先旁路跑一段时间，达到阈值再上生产

智慧工地也能这么做：

• 以项目为单位沉淀“安全事件回放集”“质量缺陷样本集”“进度偏差案例集”
• 用统一口径评测不同模型/不同供应商，减少采购拍脑袋

一句话：先把业务做成可评测的任务，再谈大模型规模。

对智慧工地的启发：AI落地要先补“组织三角形”

本系列关注“AI在中国建筑行业的应用：智慧工地”，而腾讯这次变阵给建筑企业一个清晰对照：智慧工地要跑起来，同样需要一个“组织三角形”。

三角形之一：Infra（边缘+云）决定“能不能一直跑”

工地场景天然分布式：塔吊、升降机、临电、摄像头、门禁、人员定位、环境监测……如果推理服务不稳定，现场就会回到人工。

可执行的做法：

• 把“边缘推理 + 云端训练/调度”作为基础设施建设，而不是单个项目的临时方案
• 对关键告警（高处作业、临边防护、起重吊装）设定延迟与可用性 SLA

三角形之二：Data & 评测决定“敢不敢用在安全上”

智慧工地最怕两件事：漏报和瞎报。真正能落地的企业，都会把评测做成制度：

• 每次模型更新必须过回归测试集
• 每个场景都有明确的误报/漏报容忍度
• 线上有“人工复核-纠错-再训练”的闭环

三角形之三：平台化决定“扩项目时会不会崩”

很多建筑企业 AI 试点做得不错，一扩到 20 个项目就开始失控：口径不一、数据回传不稳、人员培训成本爆炸。

建议把能力平台化：统一数据字典、统一任务编排、统一权限与审计，让每个新项目像“接入水电煤”一样接入 AI。

给电商与新零售团队的5条落地清单（偏实操）

如果你正在做 AI 增长、智能客服、推荐/搜索、供应链或门店数字化，我建议用下面 5 条做自查。它们比“选哪个大模型”更影响 ROI。

1. 先定评测再定方案：把“正确率、召回率、客诉率、合规命中率、单位推理成本”写进同一张表，作为上线门槛。
2. 把推理成本变成经营指标：按业务线、按场景核算 每千次调用成本，没有成本账就没有优化动力。
3. 用影子模式控风险：新 Agent 先旁路给建议，不直接执行；达标后再逐步开放权限。
4. 把工具接口标准化：促销、投放、库存、客服工单、内容审核都要有稳定 API，不然 Agent 只能“说得好听”。
5. 把简单任务做稳：退换货政策解释、活动规则校验、商品标题合规、店铺巡检，这些看似简单，但最能决定用户体验。

我见过不少团队一上来就做“自动经营”，结果败在“连券规则都解释不一致”。先把简单任务可靠性做到 99% ，再谈更大野心。

下一步：AI人才很贵，但“组织能力”更贵

腾讯引入顶级 Agent 研究者，同时强化 Infra、Data 与平台化工程，本质是在押注一个更务实的方向：**让大模型在真实任务里可控、可评估、可规模化。**这套思路放到电商与新零售，直接对应“全链路智能化运营”；放到智慧工地，则对应“安全、质量、进度、成本”的可持续闭环。

如果你的企业正在准备 2026 年的 AI 预算，我的建议是：少做“单点炫技”，多做“组织三角形”。模型会越来越多，但真正稀缺的是——把模型变成产能的那套体系。

你所在的团队，最缺的是 Infra、数据评测，还是业务工具的标准化接口？如果只能先补一块，我会优先选 评测与回归体系：它会逼着组织把目标说清楚，也会逼着系统把责任边界画清楚。