腾讯要在Agent找回自己的场子

作为腾讯助力企业落地Agent的核心抓手，腾讯云ADP正在从单纯的智能体开发工具升级为面向企业生产环境的企业级AgentOps平台。

“太火爆了，完全挤不进去。”

6月5日，腾讯云AI产业应用大会，久违的热闹又回来了。主会场里每一寸空间都挤满了人，即便找到了位置，也会发现被挤在过道上的观众挡住视线。甚至旁边备用的直播会议室也站满了人，很多人不得不拿着手机在主会场外观看直播。

除了姚顺雨的首次线下亮相引起的高关注度，外界也对腾讯的AI，尤其是在Agent上的进展抱有浓厚兴趣。这场被冠以AI之名的产业大会，几乎将所有重心都放在了Agent上。

过去几年，大模型以ChatBot为主导，腾讯被质疑慢于对手；但在以Agent主导的大模型下半场，腾讯围绕模型、工程和场景三层能力上的提升，在迅速构建起面向个人和企业级市场的竞争力。

01

腾讯按下AI加速键

“腾讯在AI上慢了吗？”

这是腾讯高级执行副总裁汤道生现场抛给腾讯首席科学家姚顺雨的一个灵魂发问，也是腾讯高层面对外界质疑的一次公开回应。

姚顺雨的回答非常艺术，也契合了当下大部分人对AI的判断。他的大致意思是，AI是一个长期游戏和多元游戏，下半场才刚刚开始，路还很长，市场机会也不会局限在当前的热门产品，“毫无疑问Coding Agent生产力会变得更加重要，但还有很多空间没有被填满。”

汤道生也坦言，腾讯的业态非常多元，很难保证每一个板块都在行业最领先，所以不同的业务在不同阶段走得快一点或者慢一点也很正常。“腾讯做服务、做产品的一个理念是，当你判断清楚它是有价值的话，我们是能够坚定坚持走过这个周期。”

但最近半年，外界明显感觉到，腾讯在展现出一副全面进攻的姿态，组织、模型、产品都在全面提速。腾讯在AI战场上逐渐找回了自己的节奏。

AI产业大会当天，腾讯便一口气发布了20多款AI应用，量大管饱，既有全新的Agent产品，也有对原有产品的AI升级；既有存储、安全、ADP等底层和平台层的更新，也有Miora、Ardot等应用层的新品发布。

智能体是腾讯最近半年表现最出色的领域。年初受OpenClaw爆发的影响，腾讯作为国内反应最快的互联网大厂，一口气推出了多款“龙虾”产品，除了面向办公场景的workbuddy，也有面向研发的codebuddy，还有给个人提效的Qclaw。而且部署方式也支持云端和私有化，满足了各种客户对龙虾产品的需求。

而腾讯也确实吃到了第一波智能体的红利。根据第三方数据的显示，workbuddy的月访问量达到885万，领先第二名2.6倍。过去三个月，WorkBuddy已经快速迭代了43个版本，面对新的用户需求，腾讯明显加快了开发的节奏。

表现一向不算出色的混元大模型也在这个时期进行了重构。通过预训练、后训练、高质量数据集等基础能力上的重建，腾讯的新模型Hy3 preview实现了上下文、Agent、Coding等能力的显著提升，上线后Token调用量迅速超过上一代模型10倍，在OpenRouter平台连续三周登顶周榜总榜。

当然，腾讯AI提速的背后，也在加大对人才的引进和组织的变革。去年底，腾讯新成立AI Infra部、AI Data部、数据计算平台部，强化大模型研发体系与核心能力。今年3月，腾讯对AI Lab进行了调整，转向直接承载商业价值的业务部门。

最引人瞩目的还是姚顺雨的加入。这位人工智能领域的明星是ReAct架构提出者，博士研究围绕语言智能体。他提出的ReAct已经是当前Agent Loop最经典的执行逻辑。Agent Loop是一套循环机制，从推理、行动、观察，不断循环，让 Agent具备了自我修正和多步规划的能力，解决了长任务中信息过载和逻辑断裂的问题。

不难发现，姚顺雨的研究方向与腾讯的AI战略非常契合。而姚顺雨的加入，不仅迅速将腾讯的模型能力拉回牌桌上，也让腾讯内部对自家的模型和产品多了一份信任。

02

从聊天到干活，

企业级Agent是块硬骨头

随着AI从对话到执行加速转变，业内的重心转向了Agent落地。这也是腾讯当下的AI战略重心，全面押注Agent赛道，并且首次推出了效率智能体工具集，包括面向研发场景的CodeBuddy、办公场景的WorkBuddy以及企业级服务场景的ADP。

但业内普遍认为，相比于个人用户，企业级场景是一个更快看到商业效益、也是潜力更大的市场。

当下，企业对智能体的热情高涨。华住集团基于腾讯云ADP打造的“华小AI”，实现超七成高频客服问询可自动处理，已在1万多家门店累计执行近150万次任务；伊利基于ADP做了AI导购智能体，拉动销售额提升26.02%，支付转化率提高2.4倍；找钢网基于ADP打造了12个AI数字员工。

但隐忧同样明显。德勤调研显示，仅25%的企业将智能体推向生产环境，落地周期从预估3个月拉长至18个月。Gartner则预警，到2027年底超40%的Agentic AI项目将因成本失控、价值不清、风控不足被取消。

“企业级Agent不是比谁更快地搭建，而是比谁能让Agent稳定、安全、持续地运行在业务现场。”腾讯云副总裁吴运声说。

腾讯云智能产研负责人吴永坚也提到，过去一年，很多企业都在尝试把Agent用起来，但真正落地到生产、跑通业务闭环的并不多。

背后是个人用户与企业级市场存在显著差异。“C端看体验是否好用，B端更主要看系统是否可托付。”吴永坚说，个人用户使用Agent更关注体验的爽感，但企业需要的是稳定、安全、可持续，“一次故障宕机就可能导致状态和数据彻底丢失——这是企业级无法接受的。”

归根结底，Agent的执行需要大量的上下文和权限，能力越强，往往意味着开放的权限越多。但企业不能把权限、数据和关键决策简单交给Agent，背后需要做多租户隔离、权限控制、审批审计、数据脱敏和合规准入等一系列的工作，让企业从想用、能用到真正敢用。

ADP作为腾讯在企业级Agent最关键的平台，成为了腾讯助力企业落地Agent的核心抓手。

腾讯云全新发布的ADP 4.0版本，将单纯的智能体开发工具升级为面向企业生产环境的企业级AgentOps平台，覆盖构建、连接、分发到治理的全生命周期。相当于给企业提供了一套保姆级的Agent落地方法论。

比如在最开始的构建开发环节，Agent的创建过去主要靠手工配置和人工编排，要理解业务目标、拆解任务步骤、编写执行逻辑，非常复杂且繁琐，而ADP 4.0专门新增了Claw模式，支持Agentic Loop闭环机制，实现用自然语言自动构建Agent，降低开发门槛。这背后，是Agent在云端沙箱自主编码运行、调用企业Skills。而且，支持Agent与Workflow双向互调，使企业能够在确定性流程，与智能化决策之间建立更灵活的协作关系。

另外，ADP 4.0 也把企业落地经验沉淀为行业应用模板，企业可以直接根据模板，配置知识库、权限和业务工具，快速生成Agent。目前，这类应用模板覆盖了金融、文旅、交通、教育、传媒、零售等典型场景。

企业Agent在创建之后，往往需要对Agent的效果和安全风险进行评估。过去，评测依赖人工，主观低效。而ADP 4.0支持批量对比不同模型、不同提示词、不同版本的效果和性能，实现批量、标准化的质量准入机制，帮助企业在Agent上线前看清效果、控制风险。

而Agent的运行需要连接企业内部的业务系统和各类Skills。ADP4.0通过Connector、Skills、插件、知识库与MCP，将企业分散的业务资源转化为可复用的AI资产。比如支持Agent通过API与OA、ERP、工单等企业现有系统集成，也可发布到企业微信、微信、钉钉、Agent Portal（腾讯自研的跨平台智能体协同平台）等渠道。

这意味着，企业无需手动搬运数据或重复整理材料，Agent可以直接读取、检索和调用业务系统中的信息，并进一步完成查询、分析、生成、流转等操作。

最后是在安全治理环节。一方面，ADP 4.0为Skill建立了一套完整的企业级管控闭环，可以针对外部导入或用户自己创建的Skill，输出完整的安全检测报告；另一方面，引入了三层权限架构，并结合RBAC角色权限矩阵，实现功能权限和数据权限的双维隔离。

“Agent 从‘生出来’到‘跑起来’，都能在 ADP 上完成。”吴运声告诉数智前线。

目前，这套AgentOps方法论已经进入到企业实际业务中。比如一家头部乳企基于ADP孵化了70多个Agent，包括血糖健康智能体，商务分身智能体，营销文案智能体等，全面渗透到核心业务。而IDC报告显示，腾讯云ADP在媒体、医疗与生命科学两个行业市场份额排名第一。

除了让企业在ADP平台上创建和运营智能体，腾讯云甚至也将这套AgentOps底座，通过OpenAPI的方式开放给企业，让企业客户能享受到ADP4.0的Claw能力和云端Harness能力，生长出属于自己的可靠、可管、可扩展的企业级Agent。

过去，很多企业对Agent的情绪比较复杂：想通过Agent提高员工和组织的效率，但知识管控、安全、成本等问题又让他们不太敢在真实的业务场景中轻易尝试。如今，腾讯云ADP搭建的这套围绕Agent全生命周期的能力体系，正在推动企业级Agent走向规模化落地。

03

模型、工程、场景，打造Agent铁三角

去了腾讯云AI产业应用大会现场的人会发现，腾讯云这次的布展与往年云业务的逻辑有很大的不同。以前大多是沿着IaaS、PaaS和SaaS的板块进行划分，而今年则根据Agent所需要的能力划分成了三块，从最底层的模型能力，到中间的工程驾驭能力，再到上层的场景链接能力，构成了腾讯在Agent落地的铁三角和优势集。而企业级Agent也在受益于这三层能力的提升。

模型能力决定了Agent的下限，一直是大厂积极投入的重点。过去，腾讯的基础模型能力不强，但Hy3 preview没有在原有框架上修修补补，而是选择重构预训练、后训练的架构，最终其表现明显好于前几代模型。

更关键的是，腾讯在模型能力的提升上找到了一条方法论——模型和产品的Co-Design。大模型时代和过去的AI，最本质的区别在于泛化性，这种泛化性意味着一个AI产品不仅仅需要做好单点的能力，也需要有聊天、搜索、指令遵循、数据分类等能力。腾讯庞大的ToB和ToC的体系化产品，能够让模型与产品之间形成很好的互动。

比如混元模型的持续迭代，给ADP提供了强大的底层能力，可以帮助客户更好地搭建智能体；而ADP又服务了大量行业客户，这些企业在真实业务中调用Hy3 preview，也会形成数据和效果反馈，也能够反哺混元模型能力的进化。

但Agent的落地光有模型还远远不够，Harness工程也是一大关键。汤道生曾表示，AI落地不只是一道算法题，更是一道工程题——随着主流大模型能力差距逐步缩小，企业比拼的不再是“谁的模型更强”，而是谁能通过工程化手段把模型用好。

今年3月，腾讯就率先喊出了Harness工程，将业内目光拉到了系统工程领域。尤其是在企业级场景，要实现安全可观测、权限可控制，Harness工程在其中扮演的角色尤为关键。

以ADP为例，它给企业级Agent搭建了一套云端Harness系统，不仅提供了完整的RAG、Workflow、Multi-Agent及知识库管理、插件等能力，也提供了安全防火墙和权限治理能力，保障企业Agent的效果的同时，又确保了稳定性和安全性。

“基于腾讯的平台能力，我们可以有更多的精力聚焦在场景上，梳理怎么分工，给这些AI员工训练数据、蒸馏skill和知识体系搭建，这恰恰是产业落地AI最重要的工作之一。”找钢网集团管理合伙人张晓坤说。

而丰富的场景和产品，则是腾讯在Agent时代最显性的优势。Agent能否办事、是否靠谱，背后需要大量上下文以及调用各项工具。一方面，腾讯把微信、企业微信、腾讯文档、小程序、QQ浏览器等数十亿用户级触点，变成智能体入口和运行界面；另一方面，这些国民级产品的功能又通过接口和Skill化，形成可供Agent调用的技能模块。目前，在腾讯云SkillHub上，已经沉淀超过7 万个Skills。

这种优势也体现在企业级产品上。ADP不仅提供可“一键复制”的行业应用模板，还支持通过API/Web接口将Agent集成到业务系统，并通过企微、微信等渠道主动触达员工，解决“建好了却没人用”的痛点。同时，腾讯系不同产品封装的Skill，又成了企业在ADP平台上能够开箱即用的技能。这些都是腾讯“扎根场景做AI”的真实写照。

相比于个人用户使用Agent，企业级Agent是一条关注度没那么高，但价值足够厚的赛道。腾讯围绕模型、工程与场景能力的优化，不仅构建起了面向Agent的护城河，更是让企业级Agent真正具备了规模化进入生产环境的条件。

在AI这场长跑游戏里，新的AI范式的出现往往意味着有人掉队，也有人积蓄力量、重新跟上步伐，而腾讯显然希望自己是后者。

本文来自微信公众号“数智前线”（ID：szqx1991），作者：游勇，编辑：周路平，36氪经授权发布。