腾讯汤道生：AI落地不只是算法题，Harness工程能力是关键变量
背景：AI进入规模化落地阶段
随着大模型技术的快速发展，AI正从实验室走向实际业务场景，进入规模化落地的新阶段。然而，越来越多的企业发现，仅仅拥有先进的算法模型并不足以确保成功应用。如何将模型部署到真实业务环境中，并实现稳定、高效运行，成为关键挑战。
在3月27日的腾讯云上海峰会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生指出，AI落地不只是一道算法题，更是一道工程题。即便模型能力相同，不同的系统工程手段也会导致落地效果大相径庭。
核心观点：Harness工程能力是关键变量
汤道生强调，在AI技术落地过程中，Harness（大模型脚手架）工程能力正成为影响最终效果的重要变量。所谓Harness，指的是将AI模型封装、集成、调优并部署到具体应用场景中的一整套工程体系。
这套体系包括但不限于：
- 工具调用能力：如何让AI模型高效调用企业内部或外部的API和数据库；
- 上下文工程：对输入输出进行结构化处理，以提升模型在具体任务中的表现；
- 模型服务化能力：实现模型的快速部署、弹性扩展和持续优化。
汤道生认为，AI真正发挥价值的关键在于如何通过工程手段，将模型与企业业务流程深度融合。
腾讯云的应对策略：增强模型落地能力
为应对AI落地中的工程挑战，腾讯云正从多个维度增强模型落地能力。其中包括推出面向智能体开发的平台——ADP（Agent Development Platform），帮助企业快速构建基于大模型的智能应用。
ADP平台具备以下特点：
- 支持智能体的全流程开发；
- 提供工具调用、记忆管理、上下文处理等关键模块；
- 降低企业开发智能体的门槛，加速商业化进程。
此外，腾讯云还持续优化模型推理效率、提升模型服务稳定性，并结合实际业务场景，提供定制化的工程解决方案。
行业影响：工程能力将成为竞争焦点
随着大模型逐步走向成熟，模型之间的差距正在缩小，而在工程化层面的能力差异，将成为企业间竞争的核心要素。汤道生指出，具备强大系统工程能力的企业，将更容易在市场中占据先机。
这也意味着，未来AI的发展重心将从“模型研发”转向“模型应用”，企业需重视以下几点：
- 建立完整的模型服务基础设施；
- 培养工程化人才团队；
- 持续迭代与优化模型在实际场景中的表现。
腾讯云的这一战略方向，或将引领更多科技公司关注AI落地中的系统工程问题，推动整个行业从“比拼模型大小”转向“比拼落地效率”。