腾讯在11月18日的三季度业绩沟通中,给出了一个此前头部厂商没有明确放在台面上的判断。总裁刘炽平在电话会上表示,无论是租赁算力还是自建算力,当前都面临约束,模型训练不可避免会受到影响,短期内可能需要更长时间才能推出下一个版本的混元模型。
这句话的分量不在于它描述了一个新问题,而在于它把“芯片供给”与“模型迭代节奏”之间的因果关系,从行业猜测变成了上市公司的正式披露。
钱不是瓶颈,卡才是
从财务数据看,腾讯并非没有为算力花钱。三季度营收2073.36亿元,同比增长8%,而资本开支达到814.33亿元,同比激增527%,环比增长54%,远超市场预估的554亿元;按现金流量表口径的资本开支付款为651亿元,上年同期约为200亿元。当季研发开支323.62亿元,同比增长41.8%。大额算力采购预付款直接导致自由现金流净流出691亿元,净债务从上一季度的净现金582亿元转为137亿元。
腾讯在公告中解释,这些预付款用于支持混元模型升级、WorkBuddy推理需求以及各项产品与服务的AI能力建设。换句话说,钱已经花出去了,算力采购的动作也没有停,但可用算力的增量仍然跟不上模型训练的胃口。预付账款和长期资产从年初的245.40亿元增至1629.01亿元,很大程度上是在为锁定芯片和算力供给提前付款。资本开支处在峰值,而模型的推出节奏却被迫拉长,这组反差是理解腾讯当下处境的关键。
混元原本的节奏有多快
刘炽平在电话会上同时强调,腾讯在Hy4模型训练中采用的方式已经具备很高的效率,计算效率实际上正在逐年快速提升。这不是客套话。混元Hy系列今年以来平均每两个月发布一个大版本,最新一代Hy4发布时位列Agent Arena中国模型第一,本周推出的Hy4 flash则被定位为混元“性价比最高”的模型。WorkBuddy日均Token消耗超过100万亿,日活超过1000万,云服务收入同比增长35%,AI驱动的收入线已经在以远高于整体营收的速度增长。
问题在于,训练效率的提升和模型版本的推进,发生在芯片供给收紧的同一个时间窗口里。效率优化可以部分对冲单卡性能的不足,却无法凭空补上集群规模、互联带宽和训练卡总量的缺口。混元下一代“需要更长周期”的判断,指向的是训练侧而不是推理侧——推理可以逐步向国产供应链迁移,而大规模预训练对集群的规模和稳定性要求,短期内仍然高度依赖先进算力的可得性。
国产算力在推进,但训练侧的替代不是一夜之间
腾讯在国产芯片适配上的动作并不慢。腾讯云TCE智算平台已经支持海光、昆仑芯、沐曦、昇腾等主流国产GPU,覆盖训练、推理及科学计算场景;内部测试中,海光BW1000_H在Qwen2.5-72B训练任务上的平均性能达到H20的83.5%,昆仑芯P800在推理场景的吞吐表现也进入了可用区间。在推理集群上,昇腾NPU已经承担了元宝大模型和内容审核等负载,腾讯与寒武纪、昆仑芯各签有10万张以上的长期协议,昇腾是其中最大的供应商。
刘炽平对国产化的表述保持了分寸:长期来看国内供应链将逐步参与到模型推理环节,国产化进程还会进一步加快。注意“推理环节”这个限定词。训练,尤其是下一代旗舰模型的预训练,对芯片间互联、软件栈成熟度和万卡级集群稳定性的要求远高于推理。中国电信在韶关部署的昇腾910C万卡训练集群已经上线,规划了9000P的统一智算资源池,说明国产训练集群的工程化能力在进步。但从一个可运行的万卡集群,到一个能够稳定支撑头部厂商下一代旗舰模型高频迭代的训练底座,中间还有软件栈调优、算子补齐和集群长期稳定性的功课要补。
约束的公开化本身就是一个信号
过去两年,行业对算力短缺的讨论大多停留在供应链传闻和分析师推测层面。腾讯这次把“芯片限制”与“下一代混元推出时间”直接写进了业绩沟通的表述里,等于给市场提供了一个可验证的锚点:在资本开支处在峰值、推理侧国产化加速推进的同时,训练侧的先进算力供给仍然是模型迭代节奏中最紧的那一环。对于关注国内大模型竞争格局的人来说,这条信息的价值不在于它制造了焦虑,而在于它把竞争的关键变量从“谁投入更多”拉回到了“谁能更早拿到可用的先进训练算力,以及谁能更快把国产算力的软件栈磨到可用”。
资本开支可以继续加,预付款可以继续付,推理可以逐步迁移,但下一代混元的训练卡不会因为账上还有钱就自动到位。腾讯的这句话,是这一轮算力竞赛里第一份来自头部厂商的、关于“时间表被硬件改写”的正式确认。
(素材来自:腾讯控股 智算芯能前沿网综合)
本文由智算芯能前沿网编辑整理,转载请注明出处。
