
2014腾讯全球合作伙伴大会于10月30日在海南博鳌举行,在游戏分论坛上,腾讯游戏及腾讯开放平台相关高管与中国游戏行业的领军人物共同探讨了中国游戏的发展现状及未来趋势。腾讯开放平台、移动应用平台副总经理侯晓楠宣布,腾讯应用宝日分发量已经突破1亿,同时腾讯将推出基于应用宝的最新扶持政策,前三个月收入百万内不参与分成,传递出腾讯对于游戏创业者的大力支持态度。
游戏行业多端发展 嘉宾共议页游、手游产业发展
随着移动终端的日益普及,中国的游戏行业正在迈向多端齐发的新时代。在此次游戏论坛上,侯晓楠针对现阶段页游及手游的特点和未来发展趋势进行了详细分析,他表示,页游正在向着更长期、更精品、更开放的方向不断演进。
腾讯开放平台有助于网页游戏获得更长的生命周期以及更多的累计流水收益;此外,腾讯还将加大渠道推广力度,为游戏提供更大流量,另外在内容方面施行更开放的举措,能够更好地支持U3D微端插件类游戏,实现微端和手游的同步开发,打造视觉效果更佳、游戏题材更全的页游世界。
而相比于页游的长制作周期和重度化需求,手游近年来正随着多元化、社交化的发展呈现出爆发式的增长。根据侯晓楠介绍,在现阶段的移动游戏中,休闲游戏的比例占41%,另外还有各种新鲜的游戏类型在不断崭露头角,让手游市场呈现出多元发展的状态。而诸如QQ、微信等社交平台好友分享与同步也促生了互联游戏的需求。
针对页游和手游的不同发展态势,互爱互动(北京)科技有限公司首席执行官黄建、墨麟集团董事长陈默、逗乐游戏总裁高炼惇、银汉游戏高级副总裁邝小翚分别在游戏论坛上进行了创业分享,讲述公司在页游及手游制作之路上遇到的难点和成长经验;同时,两场集合了腾讯高管及游戏行业意见领袖的圆桌对话也相继展开,针对页游如何突围及手游如何精品化进行了深入讨论。
腾讯开放平台、移动应用平台副总经理 侯晓楠
应用宝日分发量破亿 推游戏扶持新政策
为了向广大游戏创业者提供更有效的创业平台。腾讯开放平台致力于打造从线上到线下一体化的创业生态,在开发、运营、盈利各个环节解决开发者面临难题,让游戏开发者可以在腾讯开放平台实现一站式创业。其中,应用宝的独特优势和强大分发能力,将为开发者提供有力支持。
线上,腾讯开放平台将构建一体化的服务体系。应用宝作为腾讯全平台资源的重要组成,自推出以来就迅速凭借多场景推荐、强效分发、与好友实时同步、真实分享,多屏联动等特点成为增速最快的应用商店。侯晓楠介绍,截至目前,应用宝日分发量已经突破一亿,强大的分发能力将为游戏创业者提供更有力的扶持。在论坛上,侯晓楠还同时宣布了基于应用宝的游戏扶持新政策:为了支持中小开发商,增强其在游戏行业的竞争力,长尾游戏在前三个月收入100万以内的腾讯不参与分成,为培养更多精品游戏打造根基;而针对已经获得良好收益的开发商,腾讯应用宝与其将采取3:7 的分成比例,更好的保障开发商利益,真正实现合作共赢。
线下,腾讯积极部署腾讯创业基地,为开发者提供免费办公场地、税收减免、流量曝光等六大政策,全方位扶持游戏行业创新、创业。目前,腾讯已经规划在全国19个城市建立20个腾讯创业基地中,扶持包括游戏创业者在内的创业者成长发展。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。