腾讯引进前OpenAI专家姚顺雨，降低对DeepSeek的依赖
腾讯一直是全球AI人才储备中国阵营的第一梯队，姚顺雨的加入意味着腾讯已为新的AI竞赛准备好弹药。12月17日，科技获悉，腾讯升级大模型研发架构，新成立AI Infra部、AI Data部、数据计算平
长期以来，腾讯一直是全球AI人才储备领域里中国阵营的领头羊。尧顺雨的加盟，意味着腾讯已经为这场新的AI竞赛准备好了关键弹药。
12月17日，据科技媒体获悉，腾讯升级了其大模型研发架构，新成立了AI基础设施部、AI数据部，以及数据计算平台部，旨在全面强化其大模型的研发体系与核心能力。Vincesyao（尧顺雨）出任"CEO/总裁办公室"首席AI科学家，向腾讯总裁刘炽平汇报；同时兼任AI基础设施部和大语言模型部负责人，向技术工程事业群总裁卢山汇报。
尽管内部信息并未公布其中文姓名，但科技媒体从多个信源处证实，其为今年9月传闻加入腾讯的前OpenAI研究科学家、AI领域顶尖人才尧顺雨。彼时，有知情人士透露，尧顺雨有回国发展的意向，并与腾讯高层进行了接触。
尧顺雨的履历堪称一条“天才之路”。他本科毕业于清华姚班，并曾担任姚班联合会主席，还是清华大学学生说唱社联合创始人。
此后，他在普林斯顿大学获得计算机博士学位，2024年毕业后加入OpenAI担任研究科学家，参与了OpenAI的计算机使用智能体、深度研究等多个产品项目。
作为腾讯大模型体系的重要一环，AI基础设施部将负责大模型训练和推理平台技术能力建设，聚焦大模型分布式训练、高性能推理服务等核心技术能力，构建大模型AI基础设施的核心竞争力，为大模型算法研发和业务场景落地提供稳定高效的技术支持和服务。
架构升级后的AI数据部、数据计算平台部，将分别负责大模型数据及评测体系建设、大数据和机器学习的数据智能融合平台建设工作。王迪继续担任大语言模型部副总经理，向Vincesyao汇报。刘炼宏兼任AI数据部负责人、陈鹏担任数据计算平台部负责人，均向公司副总裁蒋杰汇报。
AI大模型研究与工程技术紧密相关。在过去混元大模型的训练以及海量业务场景的深度实践中，腾讯已经积累了系统化的工程能力；此次大模型研发架构升级，在进一步强化腾讯工程化优势的同时，旨在提升AI大模型研究能力，聚焦公司AI战略布局，提升AI大模型的研发效率。
这也与近期腾讯相关团队的动作一致——不断吸纳顶尖人才，尧顺雨的加入只是最新一例。近期据媒体报道，腾讯在积极挖掘字节跳动的人工智能研究人员，开出双倍薪水，已经成功招揽了其中至少一部分人。而且腾讯还向一些应届博士毕业生提供了比行业标准高出50%的薪资。不过该消息并未得到腾讯最新确认。
更早之前，微软开源大模型团队WizardLM的核心成员几乎全员加入了腾讯混元。
另据36氪《智能涌现》报道，尧顺雨在加入腾讯后，已经帮助混元招募到了更多的人才，如字节、阿里、AI六小虎中的数位核心员工。
有腾讯员工对科技媒体表示，尧入职后整体团队节奏明显加快，加班赶进度较为常见。
这一系列调整背后，也反映了全球AI人才争夺战对局面的影响。来自全球的一线从业者在评价中国AI企业时，往往会提到DeepSeek和阿里旗下的千问模型。即便元宝今年初曾凭借DeepSeek热潮完成产品追赶，但在模型层，腾讯仍处在探索期。过去，腾讯一直是全球AI人才储备中国阵营的第一梯队，尧顺雨的加入意味着腾讯已为新的AI赛跑备好了弹药。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：腾讯引进前OpenAI专家姚顺雨，降低对DeepSeek的依赖要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点传统企业RAG项目最难的骨头是数据处理，包括数据整合、清洗和知识提取，沟通与技术成本极高。其次检索模块要求精细打磨分块策略、Embedding选择及混合检索，生成部分需控制上下文长度、防止幻觉并固定输出格式。
二零二五年五月，人工智能公司Anthropic发布Claude4系列（Opus4与Sonnet4），在SWE-bench编程测试中超越Gemini2 5Pro。其智能体基础设施四大改进：扩展思维与工具使用、记忆能力、指令遵循，奖励黑客行为减少百分之八十。Sonnet4成本仅为Opus4的五分之一，是日常编程首选模型。
SLAM技术主流采用传统特征提取方法，因其算力成本低、可在CPU实时运行，且多数场景下精度已满足需求。深度学习特征在长时定位、光照剧变等极端场景更具优势，但受限于GPU成本和泛化性，目前落地较少。两者将在不同场景中并行发展。
基于深度学习的边缘检测技术可在OpenCV中通过DNN模块实现，采用整体嵌套边缘检测（HED）模型，利用卷积神经网络融合多尺度特征，比经典Canny检测器更精确，需OpenCV3 4 3及以上版本，并正确配置blobFromImage参数与均值。
- 日榜
- 周榜
- 月榜
热点快看