IT时报记者 郝俊慧

2026年3月的上海，没有一个科技记者能逃得开“龙虾”两个字。

无论是2026腾讯云城市峰会（上海站），还是全球开发者先锋大会（GDPS），展台区里，挥舞着大钳子的“龙虾”四处可见，随处有人在问：“这个怎么装？”

“现在‘龙虾’比实习生贵吗？”腾讯WorkBuddy展台上，一位记者忍不住问道，工作人员认真想了想，“没有。”被追问“龙虾”的性价比，大概是他当天被咨询最多的问题之一。

“百模大战正在变为百虾大战。”腾讯集团副总裁、政企业务总裁李强在接受媒体采访时表示，如果将Token比作汽油，“龙虾”是引擎，“养虾”是企业发展业务，那么造引擎的“经济性”是决定客户选择哪只虾的关键要素，只有“好用”的AI产品才有生产力。

什么是“好用”？最朴素的理解是，AI要像水电一样，打开就能用，而且经济实惠。这“不只是一道算法题，更是一道工程题。”在2026腾讯云城市峰会（上海站）演讲中，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生如是表示。

“养虾”热潮之下

OpenClaw（昵称“小龙虾”）掀起“全民养虾热潮”，让AI迅速完成了从ChatGpt到AI Agent的范式跃迁。

最近，腾讯云AI智能体产品总监黄广民接到一位做水产的朋友的电话，这位朋友问他这里是不是有“龙虾”，然后便在黄广民的推荐下安装了腾讯智能体平台WorkBuddy，用“赛博龙虾”管理真龙虾的销售订单和报表。

“无论是从用户规模、技术成本、商业回报还是应用形态来看，AI已经站在了产业级爆发的临界点。”演讲中，李强说出腾讯对当前AI应用阶段的判断。

然而，这场热潮同时也是一场筛选，当“龙虾”概念变得普及之后，对于大众而言，更需要决策的是：如何用“龙虾”干活，以及选“哪只虾”。

当前，阿里、字节、百度等传统大厂和智谱、MiniMax等AI新贵，都在推出不同形态的Agent和龙虾，借“龙虾”进入垂直赛道的创业公司更是不计其数。3月27日—29日举行的全球开发者先锋大会上，“龙虾池”是最火爆的展区之一，几乎每个记者电脑里都装了不止一只“虾”。

采访中，李强坦承，这波热潮对腾讯云的B端业务是一次意外的科普，“我们接到了无数客户的来电，问这个怎么用。”但他也清楚，用户好奇和真正用起来之间，还有相当长的距离。

首先需要回答的问题便是成本。“全民养虾热潮”里，有一种情绪蔓延得比“龙虾”本身还快——对成本的恐慌。很多人经历了一条相似的曲线：在好奇心驱动下“装虾”，兴奋地发出第一条指令，然后眼睁睁看着积分快速归零。

为养虾搭一个“脚手架”

黄广民坦言，OpenClaw本身是开源产品，对用户权限要求非常高，原本便不是面向“小白用户”的产品。

OpenClaw在处理模糊任务时，会大量调用工具、反复尝试、多次纠错，每一步都在消耗Token，而“小白用户”往往并不能很准确拆解自己的需求，结果一个PPT做完，几千积分已经没有了。

如何让用户“用好虾”，腾讯给出的答案是Harness，也即“大模型的脚手架”。

3月27日的上海峰会上，汤道生用了相当长的时间介绍Harness，在同样的模型能力下，“脚手架”的设计方式，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，可以在不改变模型架构和参数的基础上，把模型能力最大程度发挥出来。

比如，通过RAG、知识库等能力给智能体连接上“图书馆”，让行业专家永远在线。

《IT时报》记者看到，在腾讯面向C端的桌面版AI工作台WorkBuddy页面上，排列着三十几位“专家”：数据分析报告师、内容创作专家、抖音策略师……每一位专家背后都是一套预先设定好的任务框架。

这便是腾讯给“模糊需求”提出的一个解法。一位腾讯产品人员向记者解释，专家模式在普通提示词的基础上内置了规则、工具调用和复核点，用法本身并不复杂，比如召唤“社交媒体策略师”，可以帮你将一篇文章的标题根据不同平台特性改为不同内容，用户不需要自己想应该从哪些维度切入。

黄广民透露，WorkBuddy下一步要做的是识别用户高频需求，然后在垂类场景里深度打磨。比如，PPT生成是高频需求，所以他们会联合腾讯文档团队专门做好这个场景，而不是让用户在泛化的Agent框架里自己摸索。

本质上，Harness Engineering就是构造一个与AI协作的良好环境，对Agent做好强管理，比如前置约束和后置检查，及时纠偏，这些工程化动作不会改变模型的架构和参数，但决定了模型的实际表现，即便是同一台引擎，跑出来的成绩可能会好很多。

峰会当天，腾讯宣布底层平台Cube全面开源，同时与MiniMax落地了业内首个百万级吞吐的强化学习沙箱，1分钟内可拉起十万级隔离环境，用完即销毁；后者直接服务于大模型强化学习的程序结果验证，是当前AI训练中耗时较长的环节之一。

在产品层面，峰会首次发布了涵盖基础设施、模型、生态到应用的Agent产品全景图，并将原有MaaS平台升级为TokenHub，支持通过API调用混元、DeepSeek、MiniMax、Kimi、GLM等主流大模型，配合Token Plan统一计费服务，降低企业在多模型之间切换的成本。

先降后升的Token价格战

人们关注“龙虾”经济账的背后，是一场关于Token的价格战。

过去两年，Token价格下降了99%，每百万Token输出的价格从50元到100元，降到了几块钱甚至几毛钱。一方面，这是技术进步带来的自然结果，另一方面，也是大模型厂商和云平台之间轮番降价竞争的产物。

国家数据局数据显示，中国日均Token调用量从2024年初的1000亿跃升至2026年3月的140万亿，两年增长超千倍。Token正在成为这个时代的基础消耗品。

然而，进入3月之后，出现了一个反向信号。阿里云宣布将于2026年4月18日起对AI算力、存储等产品价格进行调整，其中平头哥真武810E等算力卡产品价格上涨5%—34%，文件存储产品CPFS（智算版）上涨30%。百度智能云同日跟进，上调幅度类似。更早之前，亚马逊AWS打破了二十年“只降不涨”的定价传统，将部分机器学习容量块服务价格上调约15%，谷歌云也宣布上调了服务价格。

此轮涨价的原因是Token调用量暴涨。根据在线AI托管平台OpenRouter数据，3月9日至15日这一周，中国AI大模型的周调用量飙升至4.69万亿Token，环比大涨11.83%；同期美国大模型调用量则下滑9.33%，MiniMax、阶跃星辰、DeepSeek占据调用量前三名。

降价打开了需求，需求又推高了成本，成本再传导到价格……在这个过程里，谁能持续提升单位算力的产出效率，谁的“虾”就可能是那只“最靓的虾”。

“Token的切换成本极低，用激进补贴和高倍率激励拉上来的Token消耗，补贴一停就会流失。”李强认为，定价权最终会落到把“引擎”做好的人手里——模型能力领先、推理效率高、单位产出的Token成本低，才能在供需两端都承压的市场里保持竞争力。换句话说，Token消耗量是结果，不是原因。真正决定Token性价比的，是产品有没有让用户产生真实的、持续的需求。

以这个逻辑来分析中国模型在海外的成功，便是五个字：极致性价比。

“国内外大模型的能力差距正在快速收窄，模型本身越来越难以构成差异化壁垒。”李强表示，Token背后是算力和电力，中国在这方面具备明显的性价比优势，“以前我们说‘中国制造’，今后我们可以讲‘中国服务’，服务好、价格低、产品力强，是中国云厂商在海外能够快速增长真正的核心竞争力。”

混元3.0即将发布

春节以后，国内主流云厂商和AI公司均已入局这场“百虾大战”。

本次峰会上，腾讯也发布了自己的Agent产品全景图，推出WorkBuddy（办公虾）、QClaw（个人虾）等全场景AI应用矩阵，开放了涵盖自研Skills、开源SkillHub、微信、小程序、企微、元宝、QQ等在内的丰富技能生态。

但最令外界关注的，还是即将发布的腾讯自研大模型混元3.0。汤道生透露，混元3.0在复杂推理、长记忆、长文、多轮追问与Agent能力等多个维度相比2.0有明显提升，激活参数大幅降低，在元宝中测试正向收益非常明显。

腾讯一直强调场景和工程能力的原因，某种程度上也和自家大模型能力始终不尽如人意有关。正因如此，2025年春节DeepSeek爆火之后，元宝才快速接入成为双AI引擎的C端产品。可即便如此，目前元宝的日活仍远低于豆包。

2025年12月，腾讯宣布升级大模型研发架构，新成立AI Infra部、AI Data部、数据计算平台部，任命前OpenAI高级研究员姚顺雨为首席AI科学家，向腾讯总裁刘炽平汇报，同时兼任AI Infra部、大语言模型部负责人。这一双线汇报的安排，是腾讯研发史上较为罕见的配置。

姚顺雨提出的将“推理”与“行动”结合的智能体范式ReAct，已在学界和工业界被广泛采纳，也是汤道生在峰会上反复强调的Harness工程思路的重要理论来源之一。

有消息称，姚顺雨加入腾讯后，已从字节、阿里及AI六小虎中招募到数位核心研究员，并推动对混元团队的模型训练目标和组织机制进行大幅调整。

归根结底，一个强大的基座模型，才是一家超级公司最重要的兜底能力。