快牛策略 腾讯希望AI助推下延长广告业务增长跑道 芯片库存足够支撑未来几代模型训练
腾讯（HK00700，股价521港元，市值4.79万亿港元）对AI（人工智能）的大力投入已在财报中初见成效。
在5月14日晚的2025年第一季度业绩电话会议上，提问也主要围绕AI的投入与回报、元宝、微信生态的链接等展开。
在业绩会开场，腾讯控股董事会主席兼首席执行官马化腾表示，AI能力已经对效果广告与长青游戏等业务产生了实质性的贡献。腾讯亦加大了对元宝应用与微信内的AI等新AI机遇的投入。相信在AI战略投入阶段，现有高质量收入带来的经营杠杆，将有助于消化这些AI相关投入产生的额外成本，保持财务稳健。
一季度，腾讯实现营收约1800亿元，同比增长13%；毛利约1005亿元，同比增长20%；经营利润（Non-IFRS）为693亿元，同比增长18%。
腾讯总裁刘炽平在业绩会上称，腾讯正在以资本支出和运营费用的形式加大对AI的投资，部分GPU（图形处理器）和AI投资已为腾讯创造收入。AI通过优化广告定向投放，推动广告收入增长，腾讯会抓住这个机遇，而且相信未来这方面的价值空间会更大，腾讯希望延长广告业务的增长跑道。
同日（5月14日），腾讯微信事业群（WXG）进行架构调整，成立电商产品部，“开放平台基础部”更名为“开放平台部”。刘炽平在业绩会上对此回应：电商产品部其实是在原开放平台基础部孵化出来的，本次调整只是将两者分离，使电商团队成为一个独立部门，但实际上仍由同一负责人管理，所以这并不是重大调整，不应过度解读。
AI可助推视频号用户使用时长增加广告加载量可预留到未来 快牛策略
一季度，腾讯营销服务收入同比增长20%至约319亿元，主要受益于广告平台AI技术升级和微信交易生态强化的双重推动。
刘炽平指出，腾讯的流量在持续增长，尤其是最优质的广告资源——比如视频号、小程序、公众号等，腾讯正围绕这些资源部署广告技术，并通过AI提升广告主的投放回报。实际上，AI也能推动流量增加。比如当用户进入视频号时，目前仍有很多人看不了多长时间就离开了，而如果通过AI向用户精准推送合适的内容，就能显著增加用户使用时长。
“当我们做到这一点时，不一定需要增加广告加载量，只需依靠流量的自然增长就能带动收入增长，同时可以将广告加载量预留到未来，从而再次延长增长周期。与此同时，减少广告投放实际上又能提升产品体验，这是另一种竞争优势，也形成了良性循环。所以我们正是以这种方式思考广告业务的发展。”
刘炽平认为，长远来看，如果腾讯能在微信生态内构建更强大的交易生态系统，让越来越多的商家参与广告投放，一旦用户点击广告，就能轻松引导至交易环节，那么广告主在腾讯平台的投放意愿会提升，每次点击的价值也会增加。“我们正在通过一系列系统性举措延长广告业务的增长周期。从宏观视角看，我们相信这一增长空间目前仍远未触顶，而我们会持续借助AI技术拓展这一空间。”
一季度，腾讯在营销服务领域，AI驱动的智能广告投放系统显著提升匹配精准度，带动多个垂直行业广告主投入同比增长。在游戏领域，AI技术通过优化用户体验，提升产品活跃度，增强长青产品黏性。在金融科技与企业服务板块，AI也带动相关收入增长。财报披露，腾讯云音视频解决方案连续七年按中国市场收入计排名第一，通过接入大语言模型能力，音视频解决方案的内容生成、媒体处理和即时互动的体验得以提升。
正构建更多微信电商增长空间不会单纯依赖CPU采购
今年以来，微信持续激活交易生态：视频号橱窗带货达人可升级为“微信小店带货者”，实现全域带货；微信小店功能持续完善，为商家提供更多的入驻支持。
刘炽平表示，微信电商并非通过设定指令性的关键绩效指标（KPI）来运营业务，这是一个长期跑道。腾讯目前正在构建更多微信电商的增长空间，比如提升消费者的基础购物体验、引入更多优质商品供给让更多商家进驻，还有就是为商家带来更多流量，并为消费者提供更多接触商品和商家的机会。
“长期来看，我们希望依托微信生态打造独特优势，即通过微信生态内的多个模块（如小程序）将用户与商品连接起来。在社交层面，我们已推出‘送礼物’（微信蓝包）功能，未来还将增加更多类似功能。和公众号的对接也有非常多潜在可能性，为商家提供更多交易机会。目前，微信小店的交易GMV（商品交易总额）增长还是非常不错的。”
去年底以来，腾讯等互联网巨头公司持续加大对AI的投入，其中一项重要支出就是购买GPU算力资源。本次业绩会上，也有投资者提问腾讯对GPU算力的规划和投入。
刘炽平回应，腾讯之前采购了相当数量的芯片，这对执行AI战略非常有用。从这些芯片的使用分配来看，它们显然会优先用于能为腾讯带来即时回报的应用场景，例如广告业务和内容推荐产品。其次会用在大模型训练上，训练确实需要更高端的芯片。
“但过去几个月我们意识到，必须摒弃美国科技公司所谓的‘规模定律’（即需要持续扩展训练集群）。现在我们发现，即使使用较小的集群，也能取得很好的训练效果。而且在训练后的优化阶段，我们有很多潜力可挖，这些环节不一定需要非常大的集群。我们现有的高端芯片库存，足够支持未来几代模型的训练。”
刘炽平解释，对GPU更大的需求其实是推理侧，用户对于这方面的需求是比较大的，需要更多token（对文本进行分割后的最小单元）。如果去做更多的智能体AI，所需的token会更多，因此推理端的需求确实很大。不过这也可以应对：一方面快牛策略，在推理效率提升方面仍有很大空间。特别是某些应用场景不需要非常大的模型，可以针对不同用例定制和提炼模型，从而节省GPU在推理过程中的使用量。另一方面，国内可用的芯片或能进口的芯片，以及在某些情况下，针对较小模型的推理使用的芯片，有很多方法可以满足不断增长的推理需求，而不是单纯依赖采购GPU。
建发配资提示：文章来自网络，不代表本站观点。
