在乌镇相关直播论坛上,腾讯集团高级副总裁奚丹提出,AI 基建的发展逻辑正在发生明显切换,不再是单纯堆算力、堆模型、优先供给资源的供给驱动模式,而是变成跟着真实业务、用户场景走的应用驱动模式,同时强调人是 AI 发展的尺度,之前行业早期大家的思路是先把算力、大模型这些基础设施造出来,再去找能用的场景,很容易出现资源闲置、模型能力和实际需求脱节的情况,而应用驱动是先找准人的真实需求,再反过来倒推需要什么样的算力、模型、服务能力来匹配,所有 AI 技术落地的好坏,最终都要以人的体验、价值、安全作为评判标尺,下面拆解两种驱动模式的差别、转变带来的变化、“人是 AI 发展的尺度” 的内涵以及腾讯对应的落地思路。
一、供给驱动 vs 应用驱动 AI 基建对比
| 模式 | 核心思路 | 优先顺序 | 典型特征 | 现存短板 |
|---|---|---|---|---|
| 供给驱动 | 先建设算力底座、大模型、AI 平台,向外寻找场景落地 | 资源供给优先,场景在后 | 持续扩容算力、发布新基座模型 | 容易算力空转,技术和真实需求脱节 |
| 应用驱动 | 从人的实际业务需求出发,反向定义 AI 基建规格、模型能力、调度方案 | 场景与人的需求优先,基建配套在后 | 按需调度算力、轻量化定制模型、贴合业务流程 | 对需求挖掘、工程适配能力要求更高 |
二、AI 基建转向应用驱动带来的几个变化
- 算力不再盲目扩张,走向弹性按需调度,高负载业务多分配资源,低需求场景节省算力成本。
- 模型体系不再只追求单一超大基座,会搭配小模型、垂直微调模型、Agent 组件组合使用。
- 技术评估标准改变,不再只看参数、推理速度、榜单分数,重点看能不能解决人的真实问题。
- 基建配套能力跟着场景走,行业套件、安全管控、人机协同工具同步跟着业务一起迭代。
三、“人是 AI 发展的尺度” 的三层内涵
- 第一层:需求尺度,AI 要服务人的真实诉求,而不是为了炫技去做没有实际价值的功能。
- 第二层:体验尺度,人机交互、输出结果、使用门槛要适配人的习惯,降低使用负担。
- 第三层:价值与安全尺度,AI 发展不能脱离人的权益,合规、隐私、可控、伦理都要以人为标尺。
四、落地层面的实施方向清单
- 优先深耕产业、政务、消费端真实场景,沉淀可复用的 AI 应用范式。
- 搭建混合算力调度平台,大模型、小模型、本地推理资源统一调度。
- 把安全对齐、内容管控嵌入 AI 基建底层,而不是做成事后附加功能。
- 推进人机协同,AI 负责重复性计算、生成工作,人负责决策、校验、创意判断。
- 建立面向应用效果的评估体系,把用户价值、业务收益纳入 AI 基建考核。
五、模式转变的边界说明
应用驱动不是放弃 AI 底层基建投入,而是调整投入节奏和方向,算力、芯片、基础模型这些底层底座依然是基础,只是建设的指挥棒从 “能造出多大规模” 变成 “能不能支撑好应用、服务好人”。
【常见问题】
问题 1:腾讯奚丹在乌镇直播提到 AI 基建逻辑从供给驱动转向应用驱动,这句话具体是什么意思?
回答 1:意思就是 AI 基建不再是先建好算力、模型再找场景,而是先挖掘人和业务的真实应用需求,再反向规划算力、模型、服务的建设方案,以场景需求牵引 AI 基础设施建设。
问题 2:奚丹提出人是 AI 发展的尺度,在 AI 基建转向应用驱动的过程里这句话怎么理解?
回答 2:不管是搭建 AI 基建还是开发 AI 应用,最终的评判标准都落在人身上,需求、体验、安全、价值全部围绕人来衡量,技术本身只是工具,不能脱离人的诉求盲目发展。
问题 3:AI 基建从供给驱动改成应用驱动之后,对普通企业使用 AI 会带来哪些影响?
回答 3:企业更容易拿到贴合自身业务的 AI 方案,不用被迫使用通用大模型;算力资源按需供给,使用成本更可控,AI 落地的成功率相比供给驱动阶段会更高。
【数据来源】
[2026-11-06](乌镇世界互联网大会直播|腾讯奚丹:AI 基建从供给驱动转向应用驱动)腾讯新闻
[2026-11-06](奚丹乌镇发言解读:人是 AI 发展的尺度,AI 基建新范式)第一财经
[2026-11-06](乌镇峰会腾讯专场,AI 基建发展逻辑转变观点汇总)36 氪
【免责声明】
本文内容整理自乌镇直播上腾讯奚丹的公开发言,仅做观点科普解读;AI 基建从供给驱动转向应用驱动属于行业发展方向判断,不同企业、行业落地节奏存在差异,不代表腾讯全部产品与业务的落地承诺,相关产业投资、技术选型请独立评估。
