完整听了腾讯的电话会，整个电话会听下来，我最大的感觉是，腾讯已经不再是那个保守的腾讯，加大AI的投入是认真的。腾讯还是那个腾讯，从来都是直面回答分析师问题，不会躲闪、避重就轻。
这次腾讯财报最大的亮点是，Q2的资本开支528亿元，同比大涨176%，环比增长66%。资本开支增长的背后，是腾讯大幅加大了对算力的投入，当然也包括国产卡的采购。
先简单交代一下财报背景。Q2腾讯总收入2048亿元，同比增长11%；毛利1184亿元，同比增长13%；Non-IFRS经营利润756亿元，同比增长9%，如果剔除新AI产品的影响，Non-IFRS经营利润为861亿元，同比增长19%。研发开支272亿元，同比增长35%，主要投向混元模型增强、微信AI项目以及各产品线的AI能力建设。值得注意的是，本季度自由现金流为-138亿元，管理层解释这主要是大额AI基建资本开支和算力采购预付款所致，如果剔除算力采购预付款，自由现金流实际为376亿元。资本开支成了这次电话会Q&A的绝对主线，分析师的几乎每个问题，最后都会绕回到算力和AI投入上。
分析师第一个问题，就是关于资本开支的回报周期。
伯恩斯坦的Robin Zhu问得很直接：这个季度资本开支530亿量级，年化就是2000多亿，这些投入带来的折旧成本，能在多大程度上被AI带来的增量收入覆盖？还是说它本质上是在侵蚀未来几个季度的利润？回报周期到底有多长？
管理层没有回避这个问题。James Mitchell的回答很坦诚：考虑到当前算力租赁市场的供需和定价，腾讯其实可以立刻把买来的算力租给第三方，马上覆盖折旧并获得不错的回报——就像很多新兴云厂商正在做的那样。但腾讯选择了一条不同的路：把绝大部分新增算力投入到自研模型和自有AI应用上，先把模型做到领先水平、把应用做到市场第一，再通过更强的智能换取更长期的经济回报，比如通过WorkBuddy销售token。
刘炽平补充了一个重要的分析框架，他建议把腾讯拆成两块业务来看：一块是现有的成熟业务，增长稳健、经营杠杆明显，现金流依然强劲；另一块是正在从零构建的AI原生业务，资本开支也应该一分为二地看待。他还透露了一个细节：几个月前下单采购的部分算力，如果今天转手卖出，可以获得超过30%的利润，但公司还是选择把算力优先用于自建模型、再做应用、最后才轮到对外出租。管理层的态度很明确：短期能赚的钱不赚，是为了换一个更大、更持久的AI原生生意。
关于WorkBuddy的定位，管理层的回答也很有意思。
Robin Zhu追问：每家AI实验室都有动力做自己的应用，WorkBuddy究竟是一个挂在腾讯会议、腾讯文档旁边的企业软件，还是一个全新的平台？
刘炽平的回答很明确：这是一个新平台，一个灵活的Agentic AI工作空间，目标是解决办公人群乃至"一人公司"的所有生产力需求。更关键的是，腾讯把自己定位为"编排者"（orchestrator）——平台会接入多种模型、多种由第三方开发者提供的技能（skill），由平台来选择用哪个模型、哪个技能，既保证任务完成质量，又控制成本。混元会是其中的主要模型之一，但不是唯一的模型。这个表态其实信息量很大：腾讯做的不是又一个封闭的大模型应用，而是一个开放的智能体分发平台。
关于微信智能体"小微"的商业化，分析师表达了担忧，管理层直接反驳。
瑞银分析师的问题代表了市场的一种典型疑虑：智能体简化了交易路径，会不会只是把原本用户在小程序里自己完成的交易，平移到成本更高的智能体上，并没有创造多少净新增GMV？更短的交易链路，会不会反而减少了高利润的广告曝光库存？
刘炽平的回应非常直接："你提到的这些风险，我认为都不成立。"他的逻辑是，AI让微信生态变得更智能之后，生态对用户会更有用，蛋糕本身会变大。他用了一个类比：PC时代的QQ只是通讯工具，移动互联网时代的微信，把QQ的价值放大了十倍以上；AI时代，微信生态有同样的机会，先被AI赋能，最终进化为AI原生的生态。至于算力成本，小微背后是自研的微信定制模型WLM，设计目标就是隐私、成本效率和微信内场景，管理层认为成本是可控的。
关于AI云的利润率，管理层给出了一个反直觉的答案。
瑞银分析师追问：国内API token价格快速商品化，云市场价格战激烈，腾讯AI云的利润率怎么看？
James Mitchell的回答是：国内token价格确实低，但token的生产成本更低，"远低于外界普遍估计的水平"。所以即便在当前价格下，token业务已经可以实现正毛利，WorkBuddy付费用户的毛利和模型即服务（MaaS）的毛利，目前已经可以比肩腾讯云整体的毛利水平。他还透露，由于内存等上游成本上涨，腾讯云已在5月全面提价，并且大幅收缩了折扣，国内云的定价环境已经不像过去那么艰难。
关于混元4和模型路线，管理层画出了清晰的路径图。
有分析师问：混元3主打成本效率，下一代混元4要在更大参数级别上竞争，差异化在哪里？
刘炽平的回答是：混元3虽然是个"小模型"，但能力可以越级对标大得多的模型，而且专注真实使用场景而非刷榜，这是它能在OpenRouter上按token用量稳居全球前三的原因。混元4会延续这个思路——更大的模型，但同样能越级打赢更大的对手，同样以实用为先。而且腾讯的产品和模型是协同设计的，模型升级会直接放大产品的能力。混元4之后还有混元5，腾讯会逐步逼近SOTA，最终形成覆盖不同尺寸、不同成本效率档位的模型家族。
关于算力分配优先级，答案的顺序是：训练、推理、云。
针对"会不会像美国同行一样把更多资本开支转向云"的问题，James Mitchell把优先级讲得很清楚：当前资本开支的第一用途，是训练更大更好的混元模型；第二用途是为混元、DeepSeek等模型在WorkBuddy上的推理提供算力；到今年底、明年，GPU产能更充裕之后，才会加大腾讯云对外出租裸金属GPU和MaaS的力度。在出租GPU、MaaS和为WorkBuddy生产token这三者中，管理层认为为WorkBuddy生产token"具有最持久的经济价值"，所以排在最优先。他还透露，WorkBuddy的订阅现金回款正在快速放量，只是从收到现金到确认为报表收入存在时滞，这部分收入会在下半年逐步体现。
关于Agent-to-Agent交易和端侧推理，管理层聊了更远的未来。
花旗分析师问到智能体之间的交易闭环和端侧推理。刘炽平描绘的远景是：未来用户只需给智能体下一个复杂指令，商户侧也有自己的智能体，最终用户的智能体和商户的智能体可以互相交互、完成交易，腾讯正在一步步搭建支撑这个未来的架构。至于端侧推理，他的判断是，长期看大部分推理会回到设备端，就像今天CPU计算主要发生在本地一样，这是计算产业的"常态回归"。到那时，算力资本开支不再只由模型公司承担，而是由整个生态分摊，跑模型、跑应用的回报率会更高。
关于广告22%的增长能否持续，管理层拒绝线性外推。
James Mitchell明确表示，广告收入增速过去有上有下，未来也一样，不应该直线外推。他拆解了本季度的情况：应用内广告（IAA）小游戏贡献了约2个百分点的增长，但这块业务对腾讯、乃至对全球都还是新产品，增长轨迹尚不清晰；国内消费和广告大盘也仍有波动。但他同时强调，腾讯一直在显著跑赢中国广告市场，并且有信心继续大幅跑赢，底气来自AI广告定向、视频号库存和参与度的增长，以及闭环广告带来的更高定价。
关于回购和资本配置的取舍，回答很坦率：是动态平衡，且资本开支不是无限增长。
美银分析师问：5月以来回购加码、资本开支也在加速，未来12到24个月怎么排优先级？James Mitchell的回答是动态调整——如果算力投入的回报更优，就会把更多现金投向资本开支，相应地投向回购的现金可能减少。
刘炽平随后补充了一段我认为是整场电话会最重要的话：AI原生业务的资本开支更像是今明两年的一笔"一次性集中投入"（lump sum），不应该假设它每年都会创新高。模型训练的算力需求更接近固定成本，到位之后并不需要逐年加码；推理算力则会根据业务回报来决定是否追加——"只有当它能产生很好的回报时，我们才会持续投入"。他还强调，这笔投入不是只拿经营现金流去衡量，而是综合考虑资产负债表上的现金、投资组合、新增经营现金流以及审慎的债务空间。
最后一个问题关于SOTA的商业价值，可惜实录到这里就断了。
摩根大通的姚橙问：混元3靠成本效率取胜，如果真做出更大、更贵的前沿模型，它能创造什么现在创造不了的价值？刘炽平的回答是：微信智能体并不依赖混元达到SOTA，WLM有自己的定位；但SOTA模型能支撑起一个真正有分量的token生意，能让WorkBuddy完成更高难度、更高附加值的任务——甚至帮用户赚钱，从而解锁更多商业模式；达到SOTA之后，还可以蒸馏出一批面向特定任务的模型家族。