AI 快讯微信小微日活冲到3000万
产品更新

微信小微日活冲到3000万

2026-11-18T12:03:26.550Z
微信小微日活冲到3000万

微信私人 AI 助理“小微”日活已达 3000 万,并计划将部分推理任务转移到用户设备。比用户规模更关键的是,腾讯正在用低激活参数的 WeLM、端云协同和微信交易生态,验证消费级 Agent 的新路线。

微信小微日活冲到 3000 万,WeLM 下一步要进手机

微信正在把 AI 助理从一项灰度功能,推向拥有数千万日活的基础能力。

11 月 18 日,微信宣布扩大私人 AI 助理“小微”的用户测试范围,其日活跃用户数已经达到 3000 万。小微正逐步进入微信聊天、朋友圈、公众号、视频号、扫一扫和小程序等高频场景,未来还计划将部分推理任务放到用户设备上运行。

**小微是微信生态内的私人 AI 助理。**它不是一个需要用户专门下载、打开并重新建立使用习惯的独立聊天机器人,而是直接嵌入微信现有入口,根据用户的文字、语音、图片或文件完成信息理解、内容生成和服务调用。

这次更新真正值得关注的,不只是“3000 万日活”这个数字,而是微信终于开始验证一条不同于独立 AI App 的产品路线:AI 不再要求用户离开原来的应用,而是进入用户已经在使用的聊天、内容、支付和服务流程。

微信小微在聊天、朋友圈、公众号、视频号、小程序和支付场景中的能力连接示意图

3000 万日活意味着小微已经跨过概念验证期

**DAU 是每天实际使用某项产品或功能的活跃用户数量。**对于仍处在扩大灰度测试阶段的小微而言,3000 万 DAU 已经不是普通的内测规模,而是一个需要真实推理基础设施、内容安全体系和服务调度能力支撑的消费级产品规模。

腾讯同期披露,截至 2026 年 9 月 30 日,微信及 WeChat 合并月活跃账户数为 14.49 亿,同比增长 2%;腾讯第三季度资本开支付款达到 651 亿元,同比增加 225%,其中相当一部分算力采购用于模型升级、AI 产品推理和云服务需求。(tencent.com)

如果把 3000 万 DAU 与 14.49 亿微信月活做一个粗略对照,小微当前的日活规模约相当于微信月活账户数的 2.1%。这不是严格意义上的渗透率——DAU 和 MAU 的统计口径并不相同——但它至少说明,小微距离覆盖微信主体用户仍有很大的增长空间。

**小微的增长成本也明显不同于普通 AI 应用。**独立 AI App 通常需要购买流量、争夺应用商店排名,再通过搜索、写作或陪伴等能力建立留存;小微则可以依靠微信已有入口,把 AI 放进公众号文章总结、聊天输入框、朋友圈文案、文件阅读和扫一扫等操作中。

这也是微信最强的产品优势:它不需要先回答“用户为什么要打开一个 AI 应用”,只需要回答“AI 能不能让用户原本要做的事情更快完成”。

小微不是聊天机器人,而是微信版消费级 Agent

**Agent 是能够理解目标、选择工具并执行多步骤任务的人工智能系统。**传统聊天机器人主要输出文字,Agent 则要进一步决定调用什么服务、以什么顺序执行,以及何时请求用户确认。

小微的产品方向更接近后者。用户可以直接告诉它想做什么,小微再调用微信原生能力、小程序和商户服务完成任务,而不是只给出一段“建议你打开某个应用”的文字答案。

例如,当用户说“帮我找一家今晚还能订位、距离公司三公里以内的粤菜馆”,普通聊天模型往往只能生成餐厅名单;微信内的 Agent 理论上可以进一步调用位置、商户小程序、支付和联系人能力,完成筛选、预约、发送地址甚至后续付款。

这种差异可以简单概括为:

| 产品形态 | 主要入口 | 核心能力 | 主要短板 | |---|---|---|---| | 微信小微 | 微信聊天、内容与服务场景 | 理解需求并调用微信、小程序和商户服务 | 灰度范围有限,复杂任务可靠性仍需验证 | | 独立 AI App | 独立应用或网页 | 通用问答、搜索、创作和深度推理 | 与支付、社交和本地服务之间存在跳转成本 | | 手机系统助手 | 操作系统和硬件入口 | 本地应用控制、通知和设备能力调用 | 跨平台互联网服务生态通常不够完整 |

**小微最大的护城河不是模型参数,而是微信已经建立的关系链和交易链。**微信连接了聊天、公众号、视频号、小程序、微信小店、支付以及数百万商户,一旦这些服务变成 AI 可以理解和调用的工具,小微就有机会从“回答问题”升级为“完成交易”。

微信也特别强调,小微会与现有小程序开发者和服务提供方建立合作关系,而不是直接替代它们。这个表态非常关键,因为 Agent 如果绕过小程序页面、直接替用户完成操作,服务分发规则、流量归属和商业利益都可能被重新分配。

WeLM-80B 是一项为高频调用设计的成本工程

**WeLM 是微信为小微等场景定制的大语言模型系列。**与单纯追求榜单成绩的旗舰模型不同,WeLM 的核心目标包括微信场景适配、隐私保护、工具调用和推理成本控制。

目前公开信息显示,小微已经使用 WeLM-80B。该模型采用稀疏混合专家架构,总参数量约 800 亿,但每个 Token 推理时实际激活参数约 30 亿,激活比例只有 3.75%。

**MoE 是将模型划分为多个“专家”模块、每次只调用其中一部分的稀疏模型架构。**它类似于一家拥有大量专科医生的医院:医院整体能力很大,但患者就诊时不需要让所有医生同时参与,只需匹配少数相关专家。

这种设计非常适合微信的规模。对于每天只有几万次调用的实验性产品,一次回答多消耗一些算力可能并不明显;但当调用量达到每天数千万甚至数亿次时,每个 Token 少激活几十亿参数,最终都可能转化为可观的服务器、电力和推理成本差异。

微信团队还在研究规模更大的 WeLM-617B,其总参数量约 6170 亿、每个 Token 激活约 230 亿,激活比例约 3.73%。腾讯公开的 Hidden Decoding 研究显示,WeLM-HD4-80B 和 WeLM-HD4-617B 在不增加每 Token 激活参数量的情况下,通过增加内部隐式计算改善部分推理指标;例如 WeLM-HD4-80B 在 SciCode 上从 45.8 提升至 50.0,在 PHYBench 上从 69.8 提升至 73.8。(github.com)

这说明 WeLM 的技术路线并不是简单地把模型做得越来越大,而是试图在固定激活成本下增加模型的有效计算量。对于微信这种超高并发产品,这比单纯追求最大参数规模更现实。

端侧推理不等于把 800 亿参数模型塞进手机

**端侧推理是让 AI 模型直接在手机、电脑或其他用户设备上完成计算,而不是把全部数据发送到云端服务器。**端侧方案通常具有低延迟、离线可用、隐私更强和降低云端成本等优势,但也受到内存、功耗、散热和芯片算力限制。

微信提出未来将部分推理任务放到设备端运行,不意味着完整的 WeLM-80B 会直接部署在普通手机上。更可能的路线是端云协同:小型模型在设备端完成意图识别、文本分类、输入预处理、简单内容生成或隐私信息过滤,复杂推理和跨服务任务仍然交给云端模型。

一个典型流程可能是:

  1. 手机端先判断用户是在搜索信息、修改文案,还是准备调用某项微信服务;
  2. 简单任务由本地模型直接处理,减少网络往返延迟;
  3. 复杂任务上传经过处理的上下文,由云端 WeLM 或其他模型完成推理;
  4. 小微根据结果调用小程序、支付或微信原生功能,并让用户确认关键步骤。

**端侧推理首先解决的不是模型能力问题,而是成本和隐私问题。**聊天记录、联系人、相册内容和本地文件都属于高度敏感数据,如果一部分理解任务可以在设备端完成,微信就能减少原始数据上传,并让“私人助理”这个定位更可信。

端侧也有明显限制。不同价位手机的 AI 算力和内存差距很大,微信必须保证低端设备不会因为 AI 功能出现发热、耗电或卡顿;模型更新、安全策略和多端一致性也会比纯云端方案更复杂。因此,端侧化大概率会逐步推进,而不是一次性切换。

小微真正的商业价值在交易闭环,而不是聊天订阅

**小微的商业化核心是提高微信生态内服务发现、广告匹配和交易转化效率。**腾讯将其描述为微信商业化能力的潜在放大器,这种判断并不难理解:如果用户可以用一句自然语言直接找到商品和服务,传统的搜索、广告、页面跳转和小程序操作流程都会被压缩。

过去,用户在微信内完成一项服务,可能需要先搜索公众号或小程序,再进入页面、寻找功能、填写信息并支付;Agent 模式则可能把多个页面操作变成一次对话。每减少一个操作步骤,都可能提高最终成交率。

但小微的商业化不能过早变成“答案里塞广告”。私人助理需要获得用户对聊天记录、联系人、位置和支付行为的信任,如果推荐结果被商业出价明显左右,产品价值会迅速下降。

更合理的方式是把商业内容作为可解释的候选结果,明确区分自然推荐和营销信息,并让用户保留最终确认权。微信需要证明,小微是在替用户完成任务,而不是用更自然的语言包装广告库存。

微信选择了一条比“再做一个 AI App”更难复制的路线

**小微的核心竞争力来自产品位置,而不是单一模型领先。**通用模型能力会不断收敛,推理价格也会持续下降,但一个模型能否合法、安全、稳定地访问用户关系链和交易服务,不是增加参数或购买 GPU 就能解决的问题。

腾讯当然已经有独立 AI 产品,但小微承担的是另一项任务:把 AI 变成微信本身的交互层。未来用户可能不再逐个寻找小程序,而是先告诉小微目标,再由系统组合多个服务完成任务。

这条路线也比做聊天机器人更难。小微不仅要理解用户,还要正确调用工具、处理失败状态、管理权限、避免误支付,并在涉及联系人和商户时解决多方确认问题。模型回答错一句话可能只是体验问题,Agent 订错机票、发错消息或付错款,则会变成真实损失。

因此,3000 万日活只是小微规模化的起点,而不是终点。接下来更值得观察的指标包括任务完成率、工具调用成功率、用户确认次数、端侧任务占比,以及小程序和商户能否从 AI 分发中获得新增交易。

**微信正在尝试把 AI 从一个应用变成一种基础交互方式。**如果小微最终能够稳定完成跨聊天、内容、小程序和支付的多步骤任务,它对消费级 AI 的影响可能不会表现为又一个聊天榜单冠军,而是让用户逐渐减少“打开哪个应用”的思考。

这也是小微比 3000 万 DAU 更重要的地方:腾讯正在验证,下一代超级入口可能不是一个新的 App,而是藏在旧 App 里的 Agent。

参考来源

相关推荐

查看全部