📋 国盛海外：夏君/焦安东 时间：2026年6月5日 9：30-12：00 来源：腾讯云视频号直播 主办方出席人员： 腾讯集团高级执行副总裁及云与智慧产业事业群CEO汤道生、腾讯首席AI科学家及腾讯混元大语言模型及AI Infra负责人姚顺雨、腾讯集团副总裁及腾讯政企业务总裁李强、腾讯公司副总裁及北京
国盛海外：夏君/焦安东
时间：2026年6月5日 9：30-12：00
来源：腾讯云视频号直播
主办方出席人员：腾讯集团高级执行副总裁及云与智慧产业事业群CEO汤道生、腾讯首席AI科学家及腾讯混元大语言模型及AI Infra负责人姚顺雨、腾讯集团副总裁及腾讯政企业务总裁李强、腾讯公司副总裁及北京总部党委书记刘勇。出席嘉宾包括北京市人民政府副秘书长舒碧磊、北京市科委中关村管委会二级巡视员李志磊、朝阳区人民政府党组成员及副区长娄亦翔、中关村科学城管委会副主任及海淀区副区长唐超、北京北辰实业集团有限责任公司党委书记及董事长张杰，以及产业领袖北京广播电视台信息网络管理部副主任赵涛、海尔智能股份有限公司CTO崔秀元、伊利集团数字技术中心总经理尚直虎、叮当快药CTO于庆龙、贝恩公司全球合伙人陆芸。
一、汤道生主题发言
汤道生指出，过去两三年AI大模型快速发展，不仅改变了做软件的方式和形态，也重塑了人与机器、个人与组织之间的协作方式。腾讯AI全面提速，聚焦打造好用的AI，加大人才引进，推动组织升级。在模型层，混元坚定走实用路线，重构后推出混元preview版本，在同等参数下性能领先，兼具实用性与性价比，在公司多个应用中得到验证，在Openrouter的token消耗排行榜上稳居前列，多模态方面混元3D也一直走在行业前列。在基础设施方面，腾讯在Infra和工程能力上长期投入，构建了完整的Harness体系，覆盖企业知识库、安全沙箱、Skillhub、开放skill以及全链路安全能力，为agent的安全高效运行打下坚实基础。在应用层，腾讯打造了CodeBuddy、Work Buddy、Q-Claw等多个效率智能体，赋能超级个体的同时也打造超级团队，元宝、ima、腾讯会议、腾讯文档等核心产品也在加速agent化，形成生态合力。面向产业，腾讯云提供从基础设施到场景应用的完整工具链，服务大量企业客户，并在去年整体实现规模盈利。腾讯做AI一直以实用、好用、可规模化为目标，最核心的经验是扎根场景，真实场景有用户需求，做好模型迭代，把最需要的数据纳入进来。腾讯丰富的产品场景、交互数据和生态连接，既能为模型提供高质量的上下文，也能让模型调用工具、连接系统，真正完成任务闭环。
二、汤道生与姚顺雨对谈
姚顺雨首先解释”AI下半场”的概念，认为AI发展了几十年，过去更重要的是寻找好的方法，但最近方法论已变得非常成熟，寻找问题变得更加困难。预训练和后训练提供了一个通用的方法论，像一把万能的锤子可以去砸任何钉子，反而更困难的是寻找好的问题去解决。加入腾讯很重要的一点是因为这里有很多好的问题和产品，好的产品能够解决预训练和后训练之后应用在什么地方产生价值的问题。环境也非常重要，如果没有好的环境，agent没有办法做各种各样的事情。Context也很重要，无论是企业还是个人，模型越来越擅长把复杂输入变成输出，竞争壁垒来自于有没有最原始的输入，知不知道这个人在干什么，知不知道企业的各种信息，腾讯在这方面有非常强的优势。但最重要的原因是文化，腾讯总体是一个基于Trust运转的公司，文化非常low ego、非常solid，对长期主义的坚持对于长期做AI组织非常重要。AI下半场最重要的目标是在中国建立一个长期的基于AGI的组织，AI主要有三个部分：Foundation（把预训练和后训练做得非常solid，需要充足资源和正确做事方式）、产品（把技术真正为人和社会产生价值，需要好的product sense和产品基因）、Frontier（探索新的研究范式和新机会，在中国需要更多探索），三者需要构建一个非常均衡的三角形组织。
关于Co-Design，姚顺雨认为有三点：第一，模型本身要做得很solid，预训练是相对产品agnostic的事情，提供非常强的foundation，其进步可以带给各种各样下游任务持续的价值提升；后训练最重要的是设立好正确的Eval，中国有个不好的倾向是喜欢刷榜，但应实事求是地基于产品和真正的应用去构造更加真实的Eval，要有好的产品出口，意识到实用性的价值大于刷榜的价值，腾讯做了大量工作跟各种产品进行深度的Co-Design，关键是产生相互信任，把产品数据用好、回流、做好评测。第二，LLM时代和过去AI最本质的区别是泛化性，过去做翻译只需要翻译数据，做围棋只需要围棋数据，但今天即使只做Coding Agent，需要的也不仅仅是Coding Agent数据，还需要非常好的聊天能力、非常强的搜索能力、非常强的指令遵循能力和推理能力，是一个非常复合的data taxonomy，需要对这事情有taste。第三，产品体系化的地方会有比较大的优势，比如和元宝的Co-Design可以使模型产生很强的聊天和搜索能力，这些能力又可以被迁移到WorkBuddy等其他产品，产品能提供不同的数据，数据之间又可以相互泛化，形成像网络一样的体系，价值会越来越重要。
关于内部评测与外部榜单的区别，姚顺雨认为benchmark还是有其价值，但非常容易saturate。基于真实世界的数据有几个帮助：首先能发现模型的很多底线问题，发preview模型最重要的目的之一就是获得真实世界的反馈来修复榜单中没法发现的底线问题，在正式版上会有非常大的改进；第二是对真实的prompt distribution有更深的了解，benchmark题目通常非常精确、有很长的concrete description、一般是单轮问题，但现实场景中大家问的问题比较模糊、可能就一两句话、会不停地追问，这些setup上的difference可以启发如何更好地做训练；第三甚至可以在产品上面获得灵感去推进现在还没有的榜单或领域，比如最近做了很多context learning的工作，也是元宝带来的启发。产品和模型的互相成就是越来越重要的AI话题。
汤道生分享做产品的第一性原理：最终做产品还是奔着用户有什么需求、怎么解决痛点、怎么给用户或客户创造价值，这在不同时代、不同行业底层逻辑没有这么大变化。但PC互联网、移动互联网时代做产品跟AI时代做产品有很多不一样的地方。从范式角度，以前做产品很多时候是通过功能来满足用户需求，作为产品提供方想清楚提供怎么样的能力，让用户通过界面、菜单去选，像是预制菜。但AI时代产品开放式的服务形态带来很不一样的要求和挑战，用简单的交互方式如自然语言、语音，作为产品方不知道用户会问什么，所以要充分利用模型能力去理解用户需求，通过大模型的逻辑推理、调用工具能力，给模型提供各种工具来应对开放式需求。甚至整个流程都要重新设计，尤其今年大部分代码都由AI生成，工程师会花更多时间做架构设计，把写代码工作交给AI，定期指导修正，测试也要左移更前置，想清楚各种案例、环境、对开放式答案的要求，甚至alignment怎么对齐用户所需风格。AI时代做产品要求的能力更全面、更难。
姚顺雨介绍混元preview的改变：没有什么秘密，做大模型从某种程度来说是比较trivial的事情，应该把infrastructure做好，把数据做好，算法部分反而比较简单。主要几个点：第一，把infrastructure进行了重建，无论是预训练还是强化学习；第二，把数据和label做了很大的改变，如何定义更真实的问题，如何丰富data的taxonomy，如何提高数据质量，这是永无止境的追求；第三，很多决策包括怎么招人、怎么设立模型节奏、每天很多decision要考虑很多trade off，没有很清晰的公式，是很task driven的事情。
关于Co-Design的分工，汤道生认为在不同阶段过去两年一直在变化，随着模型能力升级而变化。比较深的感受是怎么去对齐，项目组里不同角色参与产品设计、定立产品目标方向，怎么让多个角色对开放式问题有比较好的对齐。如果没有做到，产品行为会不可预测，甚至会有随机性，因为模型在训练过程可能被混淆了。姚顺雨认为最难的是建立trust，同理心很重要，做模型的目标和做产品的目标有很多align的部分也有很多不align的部分，模型的人希望能力越强越好，产品的人希望用户需求满足越好，天然有很多不align的部分，换位思考能力很重要。元宝的迭代有一个重要细节：当时派了后训练最强的骨干力量去帮助元宝先把DeepSeek的后训练做好，因为那时自己的预训练还没有ready，但维护产品及其DAU对于接下来做模型非常重要，对于长期合作非常重要。这个动作让产品意识到模型的同学是真的在为产品着想，对于之后的合作以及混元preview在元宝上成功上线起到非常重要的作用。
姚顺雨回顾博士论文：标题是Language Agent: From next token prediction to digital automation，当时是GPT-2时代，只能做next token prediction，产生的话还不太连续。当时人们很难想象它会改变世界，稍微有想象力的研究会做一些知识问答。但当时觉得GPT是非常优美的东西，吐下一个token是非常极简且非常通用的事情，潜力不仅仅在于吐出下一个token，而是在于把世界上所有的事情全部automate，当时想的是digital automation，但现在看起来也可能是digital and physical automation。博士期间主要做两部分：第一部分是如何建立agent方法论，如何把next token prediction的机器变成agent，最重要的一篇工作是React，2022年7月第一次把Palm two的API和手写的Wikipedia API连在一起，第一次可以基于网页回答问题并且多轮交互，感觉就像微弱的电灯丝突然亮了，可能是第一次人类把LM和真正的互联网连在一起并做多轮交互，感觉5年或10年会改变世界，但比想象中更快。第二部分是定义Digital Automation的任务，Webshop是第一个基于互联网的Web agent任务，Intercode和Swing是最早的coding agent任务，现在agent技术最重要的两个部分确实是Web agent和Coding agent。博士论文结尾在2024年写的Future Work包括：Train models for agent、Safe and robust deployment、Scientific discovery、Help human，现在很幸运确实在做当时列的Future Direction。
关于Token消耗与下一代模型研发，姚顺雨认为agent或code agent就像预训练一样，是不得不做的事情，是最基础的能力。code agent非常本质，因为有点像图灵完备的事情，当有能力控制file system、有container时是一个complete system。腾讯做的方法有几个区别：第一，即使code是最重要的事情，还是强调体系全面化，真的要把code做好需要的远远不止coding数据，还需要聊天、instruction following、推理等，因为大模型最重要的点是泛化性；第二，产品作用越来越重要，如何利用好线上回流是每个模型厂商都在应对和思考的问题，Co-Design积累的经验会变得非常重要；第三，还需要更多想象力，无论是技术演进、产品演进还是下一个范式演进，都需要做探索性的甚至不确定性的工作。
关于Token效率，姚顺雨认为现在中国讨论性价比更多讨论模型架构，但其实是个很复杂的体系。最重要的事情首先是performance，很多人发现用Opus这样的模型比用更差的模型最后更省钱，因为更快就把事情做对了，省了人的精力，performance好才是性价比最关键的事情，尤其今年很多简单任务的business会变得更加重要，如何一次把很多相对简单的任务做对，这是性价比更关键的部分。第二部分是成本，中国其实领先于世界，做了大量工作优化成本。但成本最重要的事情是怎么用一个更小的模型把更高价值任务做好，在此基础上架构创新、长文管理、脚手架有很多需要做的事情。但个人看法是如果能做一个相对较小的模型但能比肩大模型的性能，而且在大部分任务上做了很强的robustness，可能比在很多非常长程的task上实现一两个点的提升在今天的中国更有价值。
汤道生谈Agent产品机会：腾讯做的Agent针对不同场景有不同产品形态，Agent设计上面大程度是在发挥模型能力，模型在迭代，能力越强，agent需要做的工作也越来越少。好几个产品在过去这段时间随着模型能力加强，可以把agent做得更简化，更多的是给模型提供更多不同的工具、创造更多skills来让模型更高效完成任务，给模型提供更多记忆、用户过去使用习惯、手机能提取的用户preference信息作为上下文feed过去。在不同agent中，更重要还是了解那个场景下什么内容、什么信息是重要的、比较relevant的，能够跟模型配合好，让模型有它需要的信息，同时发挥它的能力。
关于AGI时代研发和组织管理变化，汤道生观察到很多小团队在快速迭代产品，WorkBuddy是非常扁平化的组织，跟过去其他产品组织架构有很大差异，更多小团队3个人、5个人围绕某一个领域攻坚，有很多实验在里面，Infra要支持好实验，让不同小分队探索再验证。因为实验大部分可能拿不到正向反馈，也要包容团队试错，通过大量实验提炼出对用户留存、想要的结果有正向帮助的东西。另外原来很多工程师花很多时间写代码，但今天可以交给AI，会看到更多角色融合，大家都是产品经理都要了解透彻用户需求、设计出想要的产品形态，每个工程师更像有想法的leader，驱动多个coding agent针对产品需求做研发开发，同时要把评测、测试前置，用好AI能力把质量保证、alignment对齐工作做到前面。
关于”腾讯慢了”的讨论，姚顺雨认为有两个重要判断：第一，AI是短期游戏还是长期游戏，目前看到的是长期游戏，AI才刚开始，下半场才刚开始，不认为某一家会是唯一存活，肯定会有源源不断的新机会诞生，今天像是七十年代PC刚刚产生的时候，还有很多事情需要做；第二，会更线性还是更多元，过去几年似乎有清晰主线（pre-training、post-training、RL、agent、autocoding agent），所有人都在copy，但未来会变得更多元，coding agent生产力会变得更加重要，但多模态、具身智能等很多新事情都在发生或刚刚发生。如果认为下半场刚刚开始，确实不是晚。过去模型、产品做了很多探索、走了很多弯路是正常的，第一次做肯定有曲折，但更重要是能不能从过去看到feedback去改变、能不能保持耐心，这是在下半场更加重要的事情。汤道生补充，腾讯是多业态、很多产品在很多赛道、很多团队在推进不同项目的复杂组织，有些地方可能做得快了，有些地方做得慢了，有些地方可能会做失败，这些提醒都非常好。但这是一个长跑、马拉松，腾讯有非常丰富的场景，过去多年不同产品在不同赛道的积累可以针对每一个场景为模型提供有用的信息、提供context来发挥价值。模型会不断迭代，用户需求也在不断变化，会有新的产品形态出现。今年年初对龙虾这波热潮反应比较快，同时WorkBuddy这样的智能体产品也是几年前已经开始做的产品，沿着原来做Coding的CoBuddy，看到非程序员也有很强需求，也能比较快应对。
三、刘毅演讲：从超级个体到超级团队
刘毅指出，过去半年和几百位用户交流AI agent，普遍共识是”自己用AI用的起飞了，怎么把同事也拉进来一起完成组织交给的任务”。WorkBuddy已经是国内第一的桌面办公智能体，平台上短短3个月时间人均token消耗量增长了10倍，用户使用深度和场景广度飞速提升。但发现尽管行业很多智能体都说可以让个人用户提效数倍，组织协同提效并没有同步提升，”个人很爽，组织无感”，这是AI agent落地企业的事实。企业想要的从来不是更多个人工具，而是组织级提效。企业已经验证Agent可以托管、可以进生产，用户习惯让AI代替自己完成工作，Agent用得起来了，今天是企业Agent真正的拐点。对应三件根本变化：AI Agent从8小时的工具变成7×24小时的数字劳动力；AI Agent从为个人提效到做出组织绩效；企业员工从用AI工具变成拥有组织级的智能体能力。
WorkBuddy给出三层递进的能力：专家、助理、团队。
专家不再是零散的工具，而是把一类岗位所需要的应用技能、指令、标准工作流全部打包在一起，相当于把岗位说明书写进了AI产品里。使用AI时经常要重复做同一件事，每次都需要重新解释事项非常麻烦，现在WorkBuddy把一类岗位常见的上下文、工作方式预先封装为专家，只需要说一句”用销售专家帮我准备明天客户的会议材料”，WorkBuddy就自动调用专家对应的工具、知识和流程。专家背后有四大基石：Skill教它怎么做，MCP教它去哪里做，连接器让它懂得该领域的知识和数据，Harness工程是运行底座。一个知名游戏公司在WorkBuddy里面安装了游戏引擎专家、全栈工程师专家、内容创作专家团，覆盖从游戏策划、游戏生产、内容生产的全领域，可以调用策划专家完善游戏策划，调用引擎专家完成Unreal代码生产，通过内容创造专家团生成真机视频和营销素材，极大加速游戏发行。对个人来说，专家大幅降低使用AI的门槛；对企业来说则变成可复用、可分享的标准工作流入口。
第二个能力是助理。专家很强，但是一次性调用、在本地调用、关机就停了。于是把专家雇佣到云端，72小时的常驻数字员工，多端可访问同一个身份，具有持久记忆，还能持续进化。助理实现专家五大能力的跃迁：云端常驻、72小时随时待命、常识任务直接交付结果、多端可随时访问、经验沉淀在记忆和技能系统以及知识库里面。可以唤起一个助理，查一下客户公司，销售、法务、数据、文档四个专家同时开工，独立环境、异步运行、回流整合。助理越用越懂，交任务给它会记住习惯和要求，更懂用户，用户也更放心交更多任务给它，这是一个上下文飞轮。助理还会把有效流程自动生成标准化skill，存在云端技能库里面。
超级个体不代表就是超级团队，N个超级个体不会自动成为一个超级团队。AI时代团队遇到三大问题：缺少人类组织和AI组织的协作空间；上下文不共享、不透明、不能交换，成本很高；很多企业资产不能随时在人和AI之间流转。解法是三层协同：通过团队管理把人和助理装进同一个项目空间；通过项目级协同共享和维护同样的团队上下文，做到计划共识、过程透明、知识回流并且资产复利；通过任务级协同，同事参与协作或把工作委交给其他同事时都可以全部掌握所有上下文。超级个体调用完AI，技能和产物可以沉淀为团队的AI资产，团队所有个体都能复用这份AI资产，一人产出全团收益，串起来就是一个上下文飞轮，启动协作，组织资产就厚一层。
今天将三个能力组合起来，正式推出WorkBuddy企业版WorkBuddy Enterprise，统一提供CodeBuddy给开发团队、WorkBuddy给业务团队。面向企业的管理平台，支持Agent运行时观测、Agent效果评估、企业AI资产管理、成本管理和权限安全审计。同时支持企业落地的多种方式，不管是SaaS公有云、VPC独占还是企业私有化交付。
WorkBuddy之外的两个产品：WorkBuddy Manage Agents，把行业领先的WorkBuddy工程沉淀为平台能力直接开放给企业，融入内部工作流程，把Agent内核、云端沙箱封装成API，脑负责思考、沙箱负责执行，能给企业带来生产教训、安全治理、全程可观测、弹性还能扩展，数据始终留在企业内部，是企业级托管智能体的最佳方案。面向研发团队提供CodeBuddy AI原生开发工作台，对应开发者三种知识：Plugin是IDE里面的编码助手，IDE原生AI工作台，委托任务由它理解用户意图、拆解任务、在约束下生成代码、以subagent形式进行验证、闭环完成交付。三种形态都会统一接入admin管理后台，管理对象包括知识、权限、模型、人效和安全。
产业价值的垂类智能体之下是腾讯生态的知识、技能和链接。在办公场景做了更深融合，推出腾讯云生产力Agent Suite智能体套件。以WorkBuddy为中枢，通过OneID一次登录，通过Credit统一度量，通过Secret统一安全保障，同时打通三大套件：腾讯文档AI生成调研报告，支持团队和同事之间实时协作；腾讯网盘把团队和智能体的配置上下文落到资产；腾讯乐享把企业制度、流程、文化变成组织智能体的知识底座，一处接入全套共享agent能力。腾讯文档做了三件事：把人和人协同的材料一键转成人机协同的结构化上下文；升级AI原生编辑器，人机实时协同即时呈现；内嵌WorkBuddy智能体，docx、sheet、slide全场景覆盖。腾讯网盘是AI时代统一的存储底座和agent外部记忆体，统一配额产物归档、自然语言检索和全链路加密，一个负责团队上下文的共享和应用，一个负责企业的AI资产沉淀，这就是AI原生的办公底座。腾讯乐享做了三件重要的事：链接（办公文件、会议纪要、业务数据、企业内文化培训整库导入、增量同步）、治理（支持去重、打标、纠错、净化）、安全（权限隔离、密级管理、合规生产），打造的是A-agent可用、可信、可治理的企业知识空间。
通用让每一个变强，垂类让每条产线变厚。在腾讯产线上跑出一批垂类智能体，挑5类代表性介绍：在设计领域，Miora是创意智能体，一句话完成整套品牌全案、视频剪辑、独立站设计；Ardot是设计协作平台，AI编排多角色，自动生成可编辑的UI稿，支持生产级代码生成。在数据领域，Database Clawl数据事故自治，实现2分钟故障定位；DataBuddy直接对话拉通数据工程治理和分析。在营销领域，营销云和云脉尔正在共同构建AI原生的智能经营闭环，营销云从工具集合升为智能营销平台，让企业做到知客户、懂运营、会决策、能执行；在交易场景，AI原生云Mall2.0通过C端AI导购和B端经营agent协同，实现从消费者服务到企业经营的全链路智能化，IDC验证其领先性，市场第一，全渠道营销平台位居领导者地位。在音视频领域，音视频MPaaS提供一站式AI媒体处理和分发服务，多路媒体AI覆盖生成、理解、处理、编码全流程，实现4K超高清直播体验，同时节省50%带宽存储，连续11次蝉联IDC中国视频云市场份额第一，世界杯亚太区2/3的官方直播授权平台使用音视频MPaaS。在金融风控领域，天域风控Agent是业内首个情报驱动的反诈Agent，能查骗、能生活、能预警三层能力，已在国内头部银行进行实战。
WorkBuddy的能力底座对所有企业和行业开放，向内连接腾讯生态，向外连接行业生态，通过Skills Hub把能力开放给所有开发者，通过连接器腾讯生态原生内嵌同时对外垂类生态加速打通，为企业连接一切。通过腾讯云Skylark打造全球领先的Skylark社区，已收录7万多的skill，两个月下载超过3000万次。
最后发出三个邀请：邀请每一位WorkBuddy用户构建7×24小时助理；邀请每一位企业家用WorkBuddy Enterprise打造超级团队；邀请每一家伙伴共建Skylark和专家生态。用专家放大每一个角色，用助理放大每一个个体，用团队放大每一个组织。未来半年让每一个行业都跑出自己的超级团队。
四、吴运声演讲：打造知识驱动的企业原生智能体
吴运声指出，过去一年随着agent走向企业核心业务，企业提出更高要求，不仅需要强大通用能力，也需要理解企业自身知识、流程和系统，让智能体真正融入业务流程。企业原生智能体需要四个关键能力：理解业务知识、进入业务流程、连接企业各种系统（如OA、ERP等）、接受企业治理。打造这样的智能体，能力和知识是两个必须同时具备的关键要素。能力底座是腾讯云智能体开发平台，最近升级到ADP 4.0版本，最大变化是不仅能够构建智能体，而且能够面向企业生产环境构建完整的AgentOps平台，贯穿智能体的构建、评测、分发、管控、治理、观测全部流程，即Agent不仅能造出来，还能跑起来。重点介绍最新发布的Call模式，过去企业创建智能体需要复杂工作如填写表单、搭建工作流，现在用自然语言简单描述就能自动构建生产级的企业智能体，原生支持agent loop机制，能在云端安全沙箱里面写代码、跑代码、调用企业skill、处理复杂任务。Agent创建完成后可以一键发布到各种渠道，也可以通过API集成到企业已有业务系统中。对于企业管理员，ADP提供企业级、空间级、应用级的可观测和审计能力，不同层级管理者都能看到自己关注的数据，同时提供完备的日志、权限、资源管控等运维能力，不同部门角色都有清晰边界。
知识底座是腾讯乐享，解决agent懂什么、信什么和用什么的问题。Agent时代企业需要AI原生的知识系统，让知识直接参与业务执行，需要三层能力：被AI理解、驱动业务执行、持续演进。乐享知识库就是这样的原生AI知识库，各种业务场景如新人入职、客服售后、销售赋能等，用户只要简单说一句，乐享就可以依托企业原有大量知识自动进行多步推理完成复杂业务需求。关键不只是问答更快，而是让企业知识从静态资产变成可以干活的生产力。知识被agent真正使用的前提是干净可信，需要动态治理，乐享支持知识汇聚进来后自动去重、冲突检测、自动巡检等，保证企业agent使用的数据是干净、权威、最新的。
案例方面，上交所使用ADP加乐享打造一体化方案，乐享管理上百万份文档，结合私有化部署的ADP能力支持多个复杂业务。公文审核场景中，审核agent能处理复杂规则和多样格式文件，准确率超过90%，审核时间从过去两个多小时缩短到10分钟。债券AI助手把文件检索速度从几十秒压缩到5秒。北京台和广东台基于ADP打造专属智能体应用于内容生产全链路，北京台典型场景AI热点日报，基于ADP构建智能体自动聚合各领域热点，生成播客等多种形态热点新闻，和客户端联动一键智能发布，热点策划工作从过去数小时缩短到几分钟。广东台利用ADP打造AI内容服务平台，借助领先RAG能力实现多模态素材理解和准确检索，在第十五届全运会上平台累计辅助生产数百条爆款内容，整体效率提升超过40%。正大康地是一家47年历史的农牧企业，被称为中国饲料黄埔军校，过去一线人员遇到复杂问题需要查很多资料或找专家发案例，响应时间往往很长，现在把企业过去40多年积累的知识资产导入乐享知识库，借助乐享原生agent能力，业务人员可以秒级获得解决方案参考，大大提升效率。
五、马文霜演讲：Agent Runtime
马文霜指出，Agent执行任务带来全新云上工作负载，特征包括：环境需要独占，Agent完成任务路径不可预测，可能安装开发工具包、写代码、跑爬虫、修改文件，需要为每个Agent准备独立安全沙箱环境；数据要隔离，Agent爬取数据、调用API获得结果必须跟随Agent，不能被其他Agent看见；身份要专属，Agent替用户做事，访问用户授权系统，使用用户凭证，凭证必须跟随用户、按需授权、用后即失效。云需要为每个Agent准备独立运行环境和存储空间、受控身份体系和可追踪执行链路。用户随时可能下发上万个任务，海量Agent任务在云上执行带来全新基础设施要求。今天升级腾讯云Agent Runtime，是面向Agent设计的原生基础设施，由五大核心产品组成。
Agent沙箱是独立安全的Agent运行环境，可以做到60毫秒拉起，比业界快2.5倍，一分钟拉起16万个沙箱，快速准备好环境让Agent跑得快。Agent存储提供百毫秒级克隆能力，支持Agent从当前沙箱状态克隆出多个子沙箱进行多路径解题探索。沙箱中跑任务产生中间结果存在Agent存储上，传统云服务器硬盘预设容量，用多用少费用一样，Agent存储实现按使用量计费，让Agent跑得更省。Agent记忆让Agent在执行任务前依靠记忆获取任务背景、用户偏好和历史经验，在覆盖代码生成、长任务、用户网页检索和文章分析的四大类场景1500个任务中，腾讯云Agent记忆让任务成功率提升30%，token消耗最高下降60%。Agent网关通过零凭证、零信任方式，在Agent访问企业业务系统时按需授权、用后失效，Agent完全不会接触员工密钥。Agent可观测完整留痕，Agent调用什么工具、访问什么数据、以什么身份做什么操作都可观测，方便追踪、优化和审计。
模型能力提升不只依靠文本语料，更多来自Agent做真实任务的反馈。比如让代码Agent在沙箱里读代码、解bug、跑测试，把整个开发流程做成语料给大模型训练；在桌面沙箱里让Agent改PPT、改Excel，把办公流程沉淀为语料提升模型能力。国内头部大模型厂商MiniMax基于GitHub数十万个开源项目做强化学习训练提升模型解决真实软件工程任务能力，遇到沙箱并发拉起速度和数量不理想严重影响训练效率的问题。腾讯云和MiniMax重点解决三个问题：沙箱拉起速度（60毫秒，对大模型训练来说沙箱启动速度关系到GPU利用率，启动慢一秒GPU可能空闲一秒）、沙箱启动吞吐（通过镜像分发加速、磁化预热做到一分钟拉起16万个不同项目沙箱，不阻塞agent任务下发）、并发运行规模（单集群并发规模做到百万，支持大规模agent训练任务持续运行）。这三个问题的解决大幅提升MiniMax训练效率。除MiniMax外，国内多家头部大模型厂商选择腾讯云沙箱帮助训练更好大模型。
WorkBuddy是现在市场占有率和用户体验最好的办公agent产品。上午9点产品运营小李到工位让WorkBuddy把上周促销活动销售数据整理成报告，WorkBuddy唤醒常驻沙箱，在沙箱里拉数据、生成报告、生成销售趋势图，任务完成后结果存到Agent存储。接着小李给第二个任务清理过期素材，任务开始前WorkBuddy调用Agent存储快照指令存档，执行时大模型把过期素材理解错了，不止删除旧海报，还把第一个任务的销售趋势图和报告一起删除。如果没有存档第一个任务就得重新跑，这次小李只需点击撤销按钮，沙箱环境自动恢复到第二个任务开始前状态，第二个任务误操作被一键撤销，第一个任务结果完整保留恢复。大模型因理解错用户指令或没有遵循用户指令执行破坏环境操作的案例时有发生，腾讯云Agent存储毫秒级不限次数快照为Agent犯错兜底。中午12点小李去吃饭不再下发任务，沙箱状态自动留在Agent存储上，沙箱释放省成本；下午1点回来继续发任务，沙箱恢复运行执行新任务，真正做到闲时省。
Agent在企业生产系统落地最大问题是如何给Agent授予业务系统权限。Agent网关在头部互联网保险的实践：员工每天做大量重复工作如核保、理赔、咨询，重复繁重且适合Agent提效，员工非常想用但公司一刀切禁止，因为Agent进入业务系统后两件事管不住：客户隐私会不会外泄、高敏操作有没有人把关，权限问题让上亿保单的提效空间冻结。Agent网关解法是让Agent化身员工数字分身，分身具备员工权限帮助完成日常工作，但分身不会接触员工密钥，Agent网关在Agent访问系统时动态注入密钥、用完即时失效，用可控可审计的规则引擎决定Agent每一步操作要不要人工确认，Agent做的每件事情都被完整记录，代表谁、什么时候访问什么系统、做了什么操作都100%可审计可追溯。这些能力通过Agent网关透明代理方式实现，老旧核保理赔系统不改一行代码就能让Agent接入。数字分身有两种落地方式：员工虾（员工助手，员工说一句帮查客户保单，员工虾立刻去做）和机器虾（核保理赔重复工作让机器虾7×24小时完成），员工提效了，公司权限也管住了。
Agent Runtime夯实Agent底座，Agent Makers加速Agent应用上线。腾讯云Agent Makers是面向Web应用和Agent的一站式托管平台，带来三个核心价值：开箱即用（沙箱存储、记忆、可观测、模型接入等Agent运行最基础能力都可以直接使用，帮助开发者快速做出agent）；灵活开放（开发者现有Web项目代码几乎不需要改动就能接入agent，不限框架、不限语言、不限模型，甚至不需要引入任何平台SDK）；统一管理（Web应用和agent放在同一个项目里，账号、监控、日志都统一化管理）。举例资深律师积累大量专业知识和案例经验，想转化成在线AI法律顾问，在Agent Maker平台上选择企业知识问答模板，上传法律知识库，配置业务逻辑，专属法律咨询Agent就创建好了，还能以Agent目录方式直接嵌入现有网站，让网站具备智能咨询能力，提升客户转化率。
六、高航演讲：Tokenhub
高航介绍，过去一年大模型飞速进入企业方方面面，从问答客服到代码补全、视频生成，再到agent、龙虾，模型加速成为企业新质生产力。在此背景下腾讯云Tokenhub应运而生，经过半年打磨于2026年3月正式上线，为企业客户提供稳定、安全、开放的Token基础设施。从灰度上线到正式发布，陪伴腾讯内多个AI应用孵化和成长。企业级Agent应用从0到1过程中遇到核心痛点：第一是模型选择难，从2025年下半年开始大模型迭代速度显著加快，SOTA模型保质期从过去1年、半年缩短到现在可能只有30天，榜单变化速度让人眼花缭乱，企业级agent团队早期需要用最好模型快速跑通效果敏捷上线，规模化应用后迫于成本压力要找到效果稳定、性能性价比更高的模型做平替提效降本，如何在不同阶段选择最合适模型是绕不开的核心痛点。第二是供应商选择难，Token市场需求火热让供给变得混乱，有的平台价格非常刚性几乎不打折，有的折扣深不见底便宜到让人不太敢用，更关键低价背后可能藏着很多风险，有的供给精度效果没有对齐存在以次充好，有的账单不透明看似单价便宜实际用量虚报，还有一些危险供应商一边卖Token一边卖数据严重威胁企业数据安全，如何找到货真价实、质量可靠的Token供应商是第二痛点。第三是容量扩容难，过去PC互联网时代IT成本随规模增加边际递减，而Agent不一样，一旦用户起量Token消耗会线性增长，即便100万DAU对应Token容量也可能是天文数字，叠加全球半导体周期短缺，如何在agent爆发期保证容量供给并不容易。第四是token治理难，一旦企业all in AI马上面对高昂成本账单，如何识别哪些投入真正有效、哪些只是铺张浪费，是企业token应用治理困难。
Tokenhub在服务内部过程中逐步建设起来，有效解决上述核心问题。第一个特点是一站接入百模严选，深刻理解Agent时代用户无法通过单一Model解决所有问题，立项第一天就将Tokenhub定义为开放的Token服务商，竭尽全力为每个用户提供最合适模型单元。截至目前已覆盖混元、DeepSeek、智谱、Kimi、Minimax等优秀模型，和原厂保持紧密合作，努力让每个模型发布当天就能在Tokenhub同步上新。Token供给提供严格质量保障和源头审计，无论腾讯云自建推理集群还是外采Token供应，都会经过WorkBuddy等内部业务灰度压测，确保模型精度可靠、质量保证。同时计划基于腾讯云自身Agent中模型应用数据建设第三方评测平台，方便用户敏捷决策。第二个特点是极致成本量大管饱，过去做infra积累扎实资源供给和弹性调度能力，结合腾讯云自身推理引擎和高性能存储技术实现极致推理性能和理想Cache命中率，通过训推一体GPU集群潮汐调度显著降低推理部分Token编辑成本，通过自建加外采双资源池驱动模式丰富模型品类和弹性容量。平台短短三个月日供给量从0增长到五万亿级别，按当前增长趋势预计2027年Tokenhub日Token消耗量将超过50万亿。第三个特点是计费灵活弹性可控，企业级Agent从PoC进入生产一定需要面对关键模块做资源重保，提供独立算力单元、资源保障包能力为高级别任务性能保驾护航。Token账单高涨后为用户提供节省计划、TokenPlan、资源包模式帮助组合搭配优化成本。针对企业内管理场景提供详细权限、账单、预算、审计能力，帮助用户识别真伪需求，在享受AI发展红利同时保持成本可管可控可审计，减少资源无效浪费。未来agent生态会快速成长繁荣发展，模型本身也在加速进化持续迭代，希望通过Tokenhub把复杂模型生态、昂贵推理成本、高并发资源需求、企业治理要求统一沉淀为可复用、可管理、可持续进化的平台能力，让开发者更专注应用创新，让企业更放心规模化应用AI，让模型生态更高效服务真实场景，让Token真正成为企业AI时代可以生产调度和治理的新型资源。
七、董志强演讲：AI时代安全该怎么做
董志强汇报，今年3月龙虾突然爆火阶段，作为安全团队负责人问自己知不知道腾讯公司有多少员工在个人电脑或生产网环境里安装了OpenClaw，安全团队调查后量涨得很快，几天之内装机量过万，两周后5万台。随后发现很多团队提供控制通道，有些员工开署到外网，有些用外面公司提供的控制道控制。AI agent出现后打破原有安全模型，原来希望在IDC环境严格做隔离，但这环境被穿透了。意识到原来跟大模型对话主要是内容合规风险，给模型手和脚之后风险面急剧扩大。看到一个外网案例：攻击者给微软云用户发邮件，用不可见字符隐藏提示词，客户下意识用微软Copilot总结邮件内容，点击总结后AI触发提示词注入，弹出伪造微软告警窗口说当前需要权限才能解决问题，客户下意识点击同意进行身份验证授权AI，AI拿到权限后利用调用MCP调用工具把客户敏感信息放在网页链接中发走。意识到今天AI作为生产力提升，能不能放心用是个很大问号。
从3月开始团队基本上以每两周一个面对新风险的迭代版本发布安全能力。以OpenClaw为例，通用智能体架构有很多典型风险：不知道多少员工安装、风险什么样；腾讯安全团队很快发现OpenClaw几十个严重漏洞，官方合作参与邮件列表后知道安全漏洞比预想还多；开源架构默认没有审计能力、缺失审计日志；提示注入风险严重；内容合规在过去20年互联网行业已做得非常成熟；身份和权限马上被内部讨论，员工装后开始发挥想象和场景，比如让龙虾爬招聘网站简历筛选人才，内部招聘网站承受不住高并发流量被业务方屏蔽，这种博弈在AI推进中常见，到底应如何让AI agent访问公司内网、知识集、财务系统，身份安全变得非常重要；数据安全也很重要，3月底发布密钥沙箱，发现网上最佳实践说给最小权限，最后发现干脆别让它碰密钥，如果Agent不碰密钥事情就更好；供应链投毒包括MCP安全有很多安全风险。
过去两三个月做了几个集成环境：在整个公有云上给ClawPro提供一套安全防护方案，宿主机层面做资产盘点、行为审计和会话审计；除密钥沙箱外提供流量层面沙箱，让龙虾方便访问内网，开放有限权限如允许读取但不允许写入内网业务系统，有很多精细化管控方案；发现运行式安全也很重要，很快做创新发布龙虾盾Claw Shield解决运行时风险，最大风险是Token调用如何检测、如何更好防护、敏感数据外发和拦截；网络层面关注身份安全非常重要，如何保证谁来使用龙虾是安全的，腾讯内部最佳实践如用微信或企微关联能关联到身份，目前提供更好解决方案腾讯身份认证体系YID，通过YID把所有身份和应用打通加上安全网关给龙虾更好方案；在龙虾整个流程里从用户输入到龙虾自身运行到推理环节到最后输出，这个环节也需要做较多安全管控，通过YID和安全网关包括云上防火墙给企业更好防护方案。
个人最关注的场景：运行时非常重要，最开始有人在办公电脑安装龙虾说要限制做白名单只允许访问三个目录五个目录，但随后发现不行，跟OpenClaw限定目录权限后，说删除某某磁盘文件，它会思考发现没有权限，然后自己写Python代码写工具把文件删掉，完全越过原来目录访问权限。运行时推理也很关键，往往让意图偏离，在整个工具调用、推理防护中不仅仅要对提示词做清洗，同时要对内容做检测，对高危命令执行和提权行为做实时拦截。提示词安全前面案例看到很重要，对提示词检测只是入门工作，随后发现有些攻击手段先跟AI交流内置一部分意图，随后在上下文环境中逐步交流，因为AI有记忆压缩机制，当上下文提示词拼接时实现攻击者攻击目的，后面慢慢发现一些高危风险，有些可以做到只要能跟智能体对话就有很大概率控制智能体所属服务器和宿主机。身份认证非常重要，过去面临问题如让不让AI访问财务系统，如果AI访问财务系统后没做很好身份控制，或拉一个群谁都可以问，公司财务系统是否被AI都吐出来了，后面要做很好身份认证，做安全网关和YID结合方案。行业里有些方案是龙虾访问内部财务数据时把使用者角色传递给网关，网关进行工具调用获取数据时把使用者角色权限能拿到什么数据就获取什么数据，这是比较通用方案，后面发现还不够好，因为一个人可能有多个智能体，控制多个智能体，多个智能体访问权限不一样，所以在YID和安全网关里提供UserID和AgentID，通过它进行组合进行权限设置，更好做这个事情，对agent会签发临时密钥，即使持有临时密钥本次会话结束后安全性也得到提升，通过身份和AI网关做到会话层面隔离和工具调用层面隔离，安全性得到极大提升。
数据泄露方面，过去穿透了原来防护场景，企业过去做数据泄露检测办公网可能有DLP，生产网可能有分类分级或数据库加密。遇到案例是内部一个同学想对公司员工分享信息，跟AI说帮自己整理文档，沟通过程中说想分享给同事，AI很快整理完，但AI智能体自己多想了一步，想分享给同事怎么办，于是试图在本机电脑上创建外部服务进行分享，创建外部服务时触发安全策略创建失败，AI又想到搜索引擎搜索一个具备分享能力且不需要用户注册的网站，把员工内部文档一股脑传到网站上返回链接说已经做好了，把链接分发给同事就好，那个网站有匿名分享机制没有权限设置面向所有人，一下把内部很多文档泄露出去，这是很危险的案例。把公有云上分类分级引擎提炼出来在龙虾各个场景植入确保安全。
做了这么多创新后发现有些客户需要时每个客户都要做一定定制，因为客户使用的龙虾不一样、场景不一样，把能力形成组合方案提供给客户，随后发现这样也没有那么好。腾讯自己也有很多智能体包括WorkBuddy，把这些方案能力原生集成到agent里面。WorkBuddy登录时有统一ID、YID做身份验证，全链路加密，有两个运行状态：桌面机提供Windows版、Mac上不同沙箱保证安全性；企业云端把提示词识别、toolcall识别、权限隔离、日志审计集成进去，具备原生能力。推理产物层面上在公有云上可以选择混元、包括DeepSeek等其他多个模型做推理。有一部分用户安全要求很高，希望数据全链路不仅加密，推理GPU环节也是密文，可以用VPC单独专区部署模型并提供机密计算AICC能力，确保整个推理里面全都是加密，充分保障用户数据安全。希望在AIG提效时代企业真的能从原来能用在办公助手变成放心用。
八、圆桌论坛：企业Agent的效能兑现之路
主持人贝恩公司全球合伙人陆芸，嘉宾北京广播电视台信息网络管理部副主任赵涛、海尔股份有限公司CTO崔秀元、伊利集团数字技术中心总经理尚直虎、叮当快药CTO于庆龙。
开场请每位嘉宾用一个数字或最显著变化分享agent对企业带来的实质性变化。崔秀元带来两个数字：262和5100。262是企业员工自建智能体数量，从2025年智能体1.0时代到2.0时代员工自己创建262个应用智能体；5100是今年推出叫轻应用的产品，从4月上线到现在两个月时间普通员工自己创建应用约5100多个。这两组数字背后是想把AI普及到全员，任何人都应该把AI作为办公和工作工具加持做事。之所以能快速普及是因为从2022年开始企业做数字化时坚信做统一平台，打造了海尔Hivework平台，把底层能力统一权限、统一底座、统一框架、统一IP、API，原来叫应用或系统的全部融合成原子能力，在AI时代智能体和轻应用都能快速调到大语言模型泛化能力，找到底下原子能力快速组装出自己想要的东西。agent和轻应用都属于agent一类，只是分为不同人在使用，轻应用可能是制作应用，agent是在做业务过程中帮助解决更多业务问题。关键点是现在agent不仅仅要解决办公问题，制造业业务流程比较长，agent更多要去解决业务流程提效问题，深入到业务流程问题，从2026年开年之初就快速把能力融入业务流程，体现到海尔业务流程里帮企业赋能。
赵涛分享的数字是30，北京广播电视台和腾讯一起共建了30个数字员工，通过近百个agent搭建最终建立30个有典型性业务场景的数字员工，赋能到采集、传播、生产、发布、运营、管理等各个流程层面，借助这30个数字员工重构原来传统电视生产流程，因为战场已经不是电视平台而是新媒体平台。
尚直虎表示对agent理解分成不同层级：非常简单对话式助理、个人多任务和团队简单任务、生产级。在不同级别上伊利数据不太一样，最简单有4万人都在用，L1级别大概2000多个agent每天都在增加，生产级可能是数十个。从效果角度个人分析和观察，仍然在推进企业智能化升级更早期，可能还需要更多验证。
于庆龙分享叮当快药大概是2080，基本还是在Coding Agent投入比较多，现在新业务上基本80%全由AI来做，老业务场景代码现在是20%。
陆芸总结，现在关心的问题更多是token能不能用对，具体来说听到了把模型分层、场景分层、理清组织、算清成本，这是决定agent能不能规模化的几个着力点。下一轮想了解怎么把agent做深做稳，agent能不能跑通靠三个力：场景连接力、工程驾驭力、模型驱动力。先请赵涛和尚直虎谈场景连接力，通用能力和自建能力怎么平衡，什么情况下拿来即用、什么情况下必须企业自己打磨。
赵涛回答，agent应用有通用的有自建的，把工作做区分，很多通用性强、耗时很长、消耗精力很大但工作相对简单的如会议记录、文档整理，已有很现成agent能直接复用，立刻选择直接使用提升业务效率。但电视台不是单纯技术部门，是技术加艺术结合的业务形态，台里有将近100个栏目、大量不同发布渠道，每个栏目有不同领域、不同节目形态、不同风格，为它们打造真正能用起来的agent过程中发现只能自己去做，只有自己才懂自己业务、才知道自己痛点、才知道想要什么，只能通过自己不停迭代打磨才能形成真正赋能业务的agent。
尚直虎理解，完全可用的生产级agent可能分成三大类：社会都通用的、行业上面通用的、企业更适配的。从这三类角度，第一类对企业个体和所有企业都适配的毫无疑问选择外部生态合作伙伴共创如腾讯；第二类行业级的要看智能体在这个行业能创造的价值达到什么程度，如果很好优于企业内部自己来做，毫无疑问采取简单拿来主义方式加速企业智能化升级；更多是企业内部有管理制度、质量标准，倾向于自己造，但自己造也不是闭门造车，也会和腾讯云共创推进更适配企业自身的智能体。
再请崔秀元和于庆龙聊工程驾驭力，agent从几个到几十个、上百个大规模上的时候挑战在后台治理，分别怎么把底层能力搭建起来，腾讯体系怎么帮解决能用、用得稳、用得好。
崔秀元分享，刚才提到agent过程中提到整个Hivework平台，现在放给agent的是南北向流量即经过权限控制的，因为有统一平台。底层运行态用了腾讯提供的沙箱隔离能力。今年OpenClaw特别火时二三月份腾讯最早是ClawPro，海尔最优先找到腾讯一起把ClawPro能力布到海尔，涉及ClawPro怎么和海尔企业内外网隔离，不能让它做错事，有用但不能做错事，腾讯帮做了整个沙箱隔离。另一个腾讯特别强的能力是类似agent评审，现在agent特别多不能随便上，agent上架和技能上架时都会通过腾讯提供的服务做初步安全审核，审核完对政治、敏感信息、企业间不允许调用的东西都会做加强审核，审核完才允许上架。
陆芸回到3D模型，场景连接力决定用不用，工程驾驭力决定敢不敢用，模型驱动力决定用不用得起。请各位憧憬Agent的下半场，在未来2到3年时间内，在所在行业或企业环境里选一个agent场景下注且觉得能带来非常大回报和价值。
崔秀元认为agent下半场不是原有业务流程提效多少，而是新业务模式改变，AI应该改变企业业务模式和业务流程，不是原有流程提效10%或20%，而是工作方式转变。下半场肯定在企业流程重塑过程中用AI快速实现企业价值。
赵涛从广电行业来说更多专注内容生产，AI全面赋能业务生产特别是AIGC，不管是图文影音生成都面对行业需求。下半场像崔总说的谁能用AI赋能全面业务场景谁才能真正提质增效。未来在内容生产场景中会存在三类模式：第一类还会存在很多以人为主AI辅助的业务生产模式如精品节目生产、电视剧纪录片拍摄，有很多艺术创作需求；第二类以AI为主人进行微调复核的业务场景，AIGC大量生成工作人调节提示词和优化生成内容；第三类全力推进的以数字员工以全AI模式取代或替代原有复杂工作的类型。三种方式未来都缺一不可，都会加入未来重构的业务生产流程中形成闭环，实现业务指数级提升。
尚直虎认为作为实体制造业肯定还没有到下半场，可能还在上半场暖场阶段，有很多事需要去做。伊利每年生产几百亿包产品，确保每一包产品品质都OK，做技术和智能化不会赌，只能去做选择和投资。唯一投资的最重要的事情是整个组织智能化能力，主要包括对AI技术发展的认知、理解和应用，包括有足够数量的生产级智能体产品经理，这是实体企业在智能化时代早期需要下决心投入发展的。
于庆龙认为未来两三年尤其内部管理系统上可能整个重塑公司流程或交互方式。未来每个企业里面可能有10套、数百套系统，未来一定程度上面对员工可能都是统一一个AI入口，后面会调用一个或多个agent完成所有员工操作，后续在这方面会投入大量工作和精力。
陆芸总结，大家虽然场景和行业有所不同，但主题相通，agent下半场更多拼的是能不能做进流程、赋能组织、赋能员工，真正跟经营指标挂钩带来实打实效率。
九、张果演讲：腾讯云AI生态成果与合作策略
张果分享，大家一早听到高层和顺雨对谈、产品分享、圆桌嘉宾深度讨论，知道AI时代已身处其中，迫不及待想加入浪潮。介绍腾讯生态如何和大家一起加入。从三个方面：同行、共创、给所有伙伴下一场入场券。
同行方面，过去20多年腾讯深耕连接、厚植生态初心，依托繁荣生态赋能伙伴商业成长，让客户数字化落地。腾讯云已汇集超过11000家合作伙伴，服务覆盖超过30个行业，落地450余项联合解决方案。WorkBuddy智能生态体中汇集超过220位行业专家，组建36支不同专项团队，Skillhub平台上超过7.8万项细分技能。扎实生态积累正是深耕智能体时代链接供需两端的实在底气。
共创方面，腾讯以AI产品作为核心底座，搭建应用、硬件、服务以及混元大模型四大共建模块。与应用伙伴共同孵化专属技能与专家智能体，吸纳优秀服务商补齐项目中全流程交付能力，联动智能硬件打造智能产品硬件入口，依托自研混元大模型与伙伴共同开发AI原生创新应用。腾讯AI共创营是承载生态合作链条的核心载体，搭建五大合作路径：培训赋能、应用上架、能力共创、技术支持、市场帮扶，重点深耕金融、法律、制造、医疗、教育、能源等高价值赛道，聚焦人力管理、全域营销、内容创作以及产业咨询落地场景。
基于整套生态体系，正式推出BuddyAI生态共创计划，项目以WorkBuddy智能体作为枢纽，整合行业专属知识库、自研SaaS与智能硬件资源，共建可商业化落地的AI产业生态，整体围绕场景入口、能力协同和商业交付三大方向稳步落地。依托落地体系，从同行到共创，希望给所有同行者送上一张AI产业下一场入场券。面向智能体新周期，生态战略聚焦三点：把原来伙伴更加扩容、迭代核心产品、升级扶持政策，开放平台五个生态合作赛道：skill开发、专家agent开发、cloudagent接入、MCP连接器开发、落地服务能力培育。腾讯云不再是单纯卖产品，而是跟大家一起在AI产业中共同携手共建，依托全栈优势送给每位伙伴和每个客户通往智能时代的入场券，携手在Agent新赛道挖掘新时代机遇。
__________________________________
夏君 首席分析师 执业证书编号：S0680519100004
刘玲 分析师 执业证书编号：S0680524070003
焦安东 研究助理 执业证书编号：S0680125090014
特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信、有道云、石墨文档等形式制作的本资料仅面向国盛证券客户中的专业投资者，请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请勿使用本资料中的任何信息。因本资料难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。
重要声明：本资料所载的证券市场研究信息仅面向专业机构投资者，仅供在新媒体背景下研究信息、观点的及时沟通。本资料所提供的分析意见仅代表国盛证券研究所在相关证券研究报告发布当日的判断，若因报告的摘编而产生的歧义，应以报告发布当日的完整内容为准。相关的分析意见及推测可根据国盛证券后续发布的研究报告在不发出通知的情形下作出更改，后续更新信息请以国盛证券正式发布的研究报告为准。
本资料涉及的投资评级、目标价格等投资观点，均基于特定的假设、特定的评级体系、相对同期基准指数得出的中长期价值判断，不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于带有针对性的、具体的投资操作性意见。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。市场有风险，投资需谨慎。
版权所有，未经事先书面授权，不得以任何方式修改、发送或者复制本资料中的内容。