腾讯网易财报对比：游戏与AI战略分化明显

腾讯与网易相继发布了2025年第二季度财报，从财务数据到战略布局，二者在体量、增长路径与技术投入上的分化愈发清晰。

随着腾讯与网易相继发布第二季度财报，两大巨头的经营表现再度引起了市场的广泛关注。

《科创板日报》记者观察到，从财务数据到战略布局，腾讯与网易在规模、增长路径与技术投入上的差距愈发显著。

游戏领域：多元化与精品化之争

本季度，腾讯国内游戏收入达到404亿元，同比增长17%，国际游戏收入188亿元，同比大幅增长35%，连续四个季度创下新高。

相比之下，网易二季度游戏及相关增值服务收入为228亿元，同比增长约13.7%，增速虽不及腾讯，但仍优于公司整体表现。然而，市场反应显示出网易收入略低于预期，导致盘前股价回调。

腾讯的游戏战略侧重于“长线运营+多元发行”的双轮驱动。在国内市场，《王者荣耀》和《和平精英》等老牌游戏持续贡献稳定收入，而《地下城与勇士：起源》等新作也成功接棒，形成梯队效应。海外市场则依托Supercell、《PUBG MOBILE》及《沙丘：觉醒》等产品构建多元化矩阵，有效分散单一产品风险。

腾讯高管在业绩电话会上透露，《王者荣耀》和《和平精英》等长线产品持续贡献稳定收入，而《地下城与勇士：起源》等新品表现强劲，构成国内市场的“双引擎”。海外市场则由《PUBG MOBILE》、Supercell旗下的《部落冲突》及新作《沙丘：觉醒》共同拉动，全球化发行能力得到进一步验证。

网易则坚持“精品化”路线，重点押注新品与全球化。多款自研游戏在北美等海外市场试水并取得榜单突破，公司在FPS、体育竞技及IP合作（如《Marvel》项目）等新领域积极布局，试图摆脱对传统优势品类的依赖。

然而，这一转型仍处于初期阶段，尚未形成稳定且可持续的全球发行体系，对单个爆款的依赖度较高，业绩波动性较大。

海豚投研互联网团队分析指出，本季度网易财报市场的预期差主要存在于游戏和销售费用上。

网易二季度仍有新游推出，但由于自带知名度的手游较少，推广需求相对加大，加上为下半年多款游戏周年庆活动预热的影响，导致短期投放支出波动。

海豚投研互联网团队认为，营销费用增加并不一定是负面因素。对于游戏公司而言，只有在底部周期才需要特别控制费用。对于网易这种多产品矩阵的游戏公司来说，短期收入缺口可以通过运营手段迅速填补。

AI领域：广告工具的不同路径

在本季度财报中，两家互联网巨头都将AI置于核心叙事之中。

然而，腾讯更强调AI对广告、内容分发等既有业务的直接增效作用，而网易则在智能教育与工业应用等新场景上加速探索。

腾讯二季度收入及利润双双超预期，最大亮点来自广告业务。财报显示，当季广告收入达357.6亿元，同比增长20%，连续第十一季实现两位数增长。

腾讯公司高管指出，这主要得益于AI驱动的广告平台改进以及微信视频号、小程序、搜一搜等流量场景的商业化。

腾讯正在利用大模型在广告投放和创意生成上全面加码。其投放平台ADQ升级了“智投”工具，广告创作助手“妙思”也多次迭代；此外，妙问AI助手、妙播数字人直播等新功能已投入应用，AI驱动下广告点击率提升15%-22%，成为增长的直接来源。

不过，腾讯管理层也强调，目前并无计划通过提高广告加载率来“硬性”加速商业化，主要顾虑是GPU折旧等AI成本上升风险。一旦成本压力过高，公司可能会调整广告策略以维持盈利能力。

作为腾讯系重要子公司，阅文集团二季度在AI赋能内容生产方面动作频繁。阅文推出业内首个“AI网文知识库”功能“妙笔通鉴”，作者与AI互动频率提升40%，带动“作家助手”日活同比增长超40%，AI功能周使用率接近70%。同时，AI翻译助力WebNovel海外收入同比增长38%，AI翻译作品已占平台中文翻译作品总量七成。

相比腾讯偏重“降本增效”，网易的AI探索更具“产业应用”特征。

网易伏羲旗下“网易灵动”发布了全球首个工程机械具身智能模型“灵掘”，并在世界人工智能大会上实现了远程操控矿山挖掘机跨省作业——在极寒、高粉尘环境下，装车效率已达人工的80%，并计划2027年联合行业实现30座矿山无人化运营。

在To C业务方面，网易有道持续通过AI提升教育产品竞争力。二季度，“有道AI作文批改”、“AI高考志愿填报”等功能带动“有道领世”用户留存率突破75%，AI订阅服务销售额近8000万元，同比增长约30%。有道还开源了“子曰3”数学模型，在一系列数学推理任务上性能领先且具显著成本优势。

腾讯与网易都在强化AI能力但路线不同。

腾讯的AI策略更强调“短期可见回报”，直接服务于广告变现与流量生态；阅文作为内容子业务则体现长期生态协同。相比之下网易在智能教育和智能工业上的投入更偏“工具”回报周期更长。

从资本市场反应来看腾讯广告收入的稳健增长被认为是业绩的核心支撑AI应用对盈利能力提升已产生实质贡献；网易的AI工具化尝试虽具想象力但仍需观察商业化落地速度以及能否形成规模化收益。