作者|蔡芳芳
编辑 | Tina
近日,腾讯全球数字生态大会前夕的一场小范围媒体交流中,腾讯公司副总裁、腾讯云 CTO 王慧星在谈到 AI 技术竞争时半开玩笑地表示,在今天的 AI 领域,有时技术竞争力就体现在一个“快”字上——模型如果两个月没有发布新版本,可能就已经不再处于行业最前沿。但紧接着,他话锋一转:底层技术竞争的逻辑,并没有发生根本变化。
这种“快与不变”的反差,也体现在腾讯对这一轮 Agent 浪潮的判断与选择中。从模型能力的持续迭代,到 Agent 与企业系统的融合,再到日益复杂的安全问题,腾讯正在试图回答一个比“AI 能不能写代码”更难的问题:当 AI 已经能够完成越来越复杂的任务,为什么个人生产力的提升,仍然难以直接转化为整个企业的生产力?
1 模型层的“快”与“慢”
要理解腾讯的 Agent 布局,得先从模型说起。
2026 年 8 月,腾讯混元发布并开源 Hy4 preview,总参数达到 770B、激活参数 49B,上下文长度达到 1M Token。两个月后的数字生态大会上,腾讯宣布 Hy4 正式版很快将发布,重点提升长程任务、真实生产力场景等方面的能力,并引入视觉理解能力。同期预告的 Hy4 flash,则更加关注模型的使用效率与成本,希望通过模型与具体产品的协同设计,满足高频应用场景的需求。
两款模型的不同定位,也体现了腾讯对模型竞争的判断。王慧星在采访中谈到了其中的成本考量:追求极高模型智力是有代价的,问题在于“付出的代价不划算又怎么办”。在 AI 办公场景里,人机双写一份 PPT,真的需要调用智能水平最高、成本也最高的模型吗?答案往往是否定的。通过模型、Harness 与产品功能的深度结合,企业可以用更合理的成本拿到足够好的效果。
这不是说模型能力不重要。腾讯持续投入 SOTA 模型研发,Hy4 在长程任务和思维链效率上的提升也体现了这一点。但腾讯同时关注另一个问题:模型能力最终要通过什么方式、以什么成本,落到真实的生产场景里。王慧星认为,技术最终仍然需要服务于产品和用户需求,模型能力和应用场景发生了变化,但通过工程能力解决实际问题、持续优化产品体验并积累技术优势的基本逻辑,并没有被彻底改变。
这种对模型能力与实际应用价值的权衡,也影响着腾讯在 Agent 产品上的布局与选择。
2 WorkBuddy 试图融入腾讯的每一处缝隙
模型是底座,但用户感知到的从来不是模型本身,而是它被封装后、真正能帮用户干活的产品。
过去一年,腾讯的 Agent 探索逐渐从 CodeBuddy 所代表的软件研发场景,延伸到了 WorkBuddy 面向的办公和企业生产力场景。2026 年 3 月上线至今,WorkBuddy 累计完成了 90 亿次任务请求,企业版落地 50 多个行业,覆盖中国 500 强企业的 50%、100 强企业的 60%。这些数字本身已经足够说明规模,但更有意思的是 WorkBuddy 在腾讯内部的位置:它不是一个孤立的 APP,而是一个试图渗入腾讯各个产品缝隙的 Agent 层。
这次数字生态大会上发布的 Buddy One,是这种思路的集中体现。这套跨应用协同体系把 WorkBuddy、腾讯文档、腾讯会议、腾讯网盘、ima 连接在一起:用户绑定统一身份后,一次提问就能整合已授权的文档、会议记录和知识库内容,生成附带来源的回答,不需要反复授权或复制粘贴。更底层的变化是,腾讯文档、网盘、ima 等产品开始共享 WorkBuddy 的 Agent 底座,用户在各自应用里获得的 Agent 体验是同一套能力的不同入口。
与企业微信的融合则走向了另一个方向。企业微信提供的是员工之间、员工与客户之间的沟通上下文,WorkBuddy 负责理解任务、执行操作并交付结果。腾讯云副总裁、腾讯 CodeBuddy & WorkBuddy 负责人刘毅把这种关系描述为“你中有我,我中有你”——Agent 依赖上下文才能工作,而企业微信恰好是那个上下文最密集的地方。
但 WorkBuddy 的边界并不止于腾讯自家产品。它兼容第三方 IM、企业内部系统和自研 Agent,企业可以通过 Skill、MCP 等方式接入自己的 CRM、ERP、OA 系统。腾讯内部经营服务智能体“磐石小 O”已经把 ERP 的 9 个业务、300 多个接口接入 WorkBuddy,员工通过对话就能查询经营数据或发起审批,每次调用都继承员工身份和权限,保留审计记录。
相比“做入口”,WorkBuddy 更多是在“融入一切”。王慧星在回应 Agent 入口是否正在收敛时表示:用户可能不需要那么多的 Agent,更需要的是通过 AI 入口打通不同场景的上下文,但考虑到上下文全部打通并不现实,因此阶段性可能存在多个 Agent,长期来看 Agent 的数量还是会逐渐收敛。
具体到腾讯自身的产品布局,王慧星明确划分了不同 Agent 的定位:WorkBuddy 主要面向企业生产力场景,元宝和小微则更多探索个人知识、搜索及生活类场景。
换句话说,腾讯并不打算用一个超级 Agent 取代所有产品,而是希望让 Agent 能力进入已有的产品体系。WorkBuddy 可以是员工直接使用的 AI 工作台,也可以成为腾讯文档、企业微信等产品背后的任务执行能力。
但这种定位也意味着,WorkBuddy 既要建立自己的产品价值,又要处理与腾讯现有产品之间的功能边界。未来用户究竟会直接打开 WorkBuddy,还是在企业微信、腾讯文档等熟悉的入口中调用它的能力,可能取决于具体的工作场景。对腾讯来说,更重要的是让这些入口背后的上下文、工具和任务执行能力能够连接起来。
3 Agent 越来越能干,企业生产力为什么还没跟上?
不过,让不同产品和系统连接起来,并不意味着 Agent 就能顺利进入企业的实际生产流程。相比个人办公中的文档整理、信息总结等任务,企业经营管理涉及更复杂的业务规则、岗位分工和审批机制。即使 Agent 已经能够调用相关工具、获取所需数据,也未必能够独立完成整个业务流程,更难以直接衡量它究竟为企业创造了多少价值。
王慧星认为,AI Coding 的爆发具有很强的特殊性。软件开发拥有相对成熟的工具链和验证机制,代码能否运行、测试能否通过、功能是否符合要求,通常可以通过工程化方法检验。但企业经营管理中的很多任务并没有这样明确的评价标准。例如,AI 可以帮助销售人员制定客户跟进方案,却很难立即判断这份方案究竟能带来多少业务增长。
在腾讯内部,AI 已经开始改变一些研发团队的工作方式。刘毅透露,腾讯云较早探索 AI 原生研发的团队,已经能够做到约 90% 的代码由 AI 辅助生成。随着大量具体编码工作交给 AI,工程师逐渐将精力转向架构设计、需求约束和结果验收,团队的沟通与管理方式也开始变得更加扁平。
不过,这套实践并不能直接复制到其他行业。企业长期积累的 ERP、CRM、OA 等系统拥有不同的数据结构、接口和权限体系,跨部门流程还涉及业务规则、审批机制和责任分工。刘毅认为,AI 可以辅助生成不同系统之间的转换器和连接代码,降低系统集成的技术成本,但要让 Agent 真正进入企业的经营流程,还需要企业自身配合调整数据和业务协作方式。
在个人助手之外,腾讯开始将 WorkBuddy 的能力向企业专业数字员工延伸。企业需要的除了每名员工自己的 AI 助理,还有能够理解财务、法务、人力资源等专业领域业务规则的数字员工。通过 WorkBuddy Managed Agents,企业可以利用已有的 Agent 运行环境、身份管理、工具连接和安全能力,构建承担特定岗位任务的智能体。
除了理解业务、调用工具,企业数字员工还需要能够长时间稳定运行。与传统应用不同,一个 Agent 可能连续执行数小时甚至数天的任务,其中相当一部分时间都在等待模型响应、工具执行或用户确认。腾讯云正在尝试将类似休眠与唤醒的机制引入 Agent Runtime,在减少资源闲置的同时保存任务状态,使 Agent 能够在需要时继续工作。
对企业来说,能否长期运行只是基础,最终还需要知道 Agent 的工作效果。刘毅介绍,WorkBuddy 在技术层面重点关注任务完成率和隐性错误率:即使 Agent 表面上已经完成任务,也可能存在错误的数据引用、内容前后不一致等问题。腾讯正在通过 Benchmark 和可观测能力持续改进交付质量。
从个人助手到专业数字员工,Agent 需要解决的问题已经从单次任务执行,扩展到业务上下文、系统连接、长期运行和结果评价。而在这些问题之外,还有一道决定企业是否愿意真正放手的门槛:安全。
4 安全边界:当 Agent 开始“不择手段”
2026 年 10 月,一起针对 Anthropic 的安全测试引发关注。网络安全创业公司 Cathedral 使用 AI Agent,在不到 12 小时内通过第三方商业软件的漏洞,找到了访问 Anthropic 部分内部业务系统的路径。据《华盛顿邮报》报道,Cathedral 声称其测试涉及会议记录、员工薪资信息及内部 Slack 消息;Anthropic 则确认有限范围的业务系统受到访问,但双方对实际涉及的数据范围和事件严重程度存在分歧。
这起事件展示了 AI Agent 正在如何改变网络安全攻防。过去需要安全研究人员逐步分析、寻找的漏洞利用路径,如今可能由 Agent 自主探索。而当企业自身开始部署拥有大量工具和业务系统访问权限的 Agent 时,类似的自主行动能力也会带来另一类风险:如果没有足够的约束,Agent 可能为了完成任务而执行超出预期的操作。
对于企业内部使用的 Agent,腾讯云副总裁、腾讯安全负责人董志强同样认为,非预期行为的风险确实存在。他解释了 Agent 与传统软件的根本差异:原来的程序行为由人编写的代码约束,逻辑是固定的;而 Agent 为了完成目标,会动态规划路径、选择工具、尝试替代方案。当模型“为了达到目的不择手段”时,它的行为就可能超出开发者或用户原本设定的预期。
董志强举了一个很具体的例子:企业过去给员工配置的系统权限,往往超过员工实际需要的范围。人类员工因为工作习惯固定,过度授权未必立刻出问题。但 Agent 继承同样的权限后,它会为了完成任务探索更多访问路径,进而触及原本不该碰的数据或操作。这意味着,Agent 进入企业后,原有的权限体系需要重新设计。
腾讯的应对方式是在工具调用层面设置硬约束。今年 10 月,腾讯云进一步完善 AI Agent 安全网关,将大模型调用、MCP 工具和 API 访问纳入统一的安全治理体系,提供身份认证、权限控制、提示词注入防护与审计能力。在更具体的执行层面,WorkBuddy 企业版支持文件只读权限、敏感数据外发限制、高风险命令拦截,以及执行轨迹回放。对于信息总结、文档生成这类低风险操作,Agent 可以保持较高自主性;涉及敏感数据、系统变更或不可逆操作时,则根据风险等级收紧限制,必要时引入人工确认。
在董志强看来,传统网络安全技术在 Agent 时代依然有效,过去积累的安全能力也为应对新风险提供了基础。但 Agent 带来的挑战与具体业务的结合更加紧密,安全防护需要随之调整。
董志强还提到另一类风险:当 Agent 读取网页、邮件或文档时,其中可能包含恶意构造的指令。如果模型无法区分“外部数据”和“可信指令”,就可能被诱导执行未授权的操作。WorkBuddy 的安全架构要求把读到的内容当作数据处理,而非命令处理,从架构层面划清这条边界。
这些机制听起来琐碎,却直接影响企业是否敢于把更多任务交给 Agent。王慧星在采访中透露了一个细节:到客户现场,70%时间讨论安全和合规,剩下 30%时间才轮到 WorkBuddy。这个比例本身就在说明问题——在企业市场,安全不是产品的加分项,而是准入门槛。
5 回到那个没有标准答案的问题
把模型、Agent 和安全这几条线串起来之后,腾讯的处境变得更加清晰:它在每一个环节都有布局,但每一个环节都有各自的未完成之处。
模型层,Hy4 在追赶 SOTA,但模型能力提升与推理成本间,仍然需要持续寻找平衡。WorkBuddy 在企业市场的覆盖速度很快,但从个人提效到组织提效之间,还隔着一道需要企业自身配合才能跨过的坎。安全体系在逐步完善,但 Agent 的自主性越强,可控性的边界就越难划定。
这些问题目前都没有标准答案。但也许,对于一件仍在演进中的事情,承认“还在探索”,比给出一个漂亮的结论更接近真实。
当被问及如何判断一个企业客户真正用出了“组织生产力”时,王慧星坦言行业目前仍然缺少具有广泛共识的评价标准。他更倾向于让企业先解决安全顾虑,推动一线员工实际使用,探索哪些原本做不了或需要大量人工的工作可以交给 Agent,再逐步建立适合不同场景的评价体系。
腾讯内部 AI 原生团队已经提供了一个可供观察的切片,但这种变化发生在软件研发这个拥有成熟工具链和自动化验证机制的特殊场景里。当进入制造、金融、零售行业现场,FDE 团队要面对的是完全不同的情况:分散在岗位和人员经验中的业务知识,不会因为模型变强就自动变得可被 Agent 理解。
王慧星说,AI Coding 的爆发具有特殊性,不能简单用它的增长速度推演整个企业 Agent 市场。企业原有的组织关系、业务流程和数据管理机制,不会因为 AI 的出现就自动调整。
这句话听起来像是一盆冷水。但它指向的,恰恰是腾讯在做的那些看起来不够“性感”的事情:打通上下文、建立安全护栏、做可观测中心、培养 FDE、开放生态让伙伴去服务中小企业。这些事情没有一件能靠“快”解决,但它们决定了 Agent 是停留在演示视频里,还是能真正进入企业的生产流程。
从混元 Hy4 的模型迭代,到 WorkBuddy 渗入腾讯产品矩阵的各个角落,再到安全网关和沙箱护栏的层层设防,腾讯正在尝试用一系列技术和产品投入应对这些问题。这些投入能不能奏效,不取决于某一个环节的突破,而取决于它们能不能相互配合,在真实的企业场景里跑通从“个人提效”到“组织生产力”的闭环。
王慧星在谈到企业 Agent 落地节奏时的一句话,或许可以作为现阶段的一个注脚:“有时候未必以一个非常着急的心态推动这件事,用包容、创新、探索的心态看待,试一试 AI 会对我们的业务和研发过程体系带来怎样的变化。”
在一个人人都在谈“快”的行业里,承认有些事情快不了,本身就需要一点底气。
声明:本文为 InfoQ 原创,不代表平台观点,也不构成投资建议,未经许可禁止转载。
今日好文推荐
热度延续:12 月 AICon 北京站见
12 月 18–19 日,AICon 全球人工智能开发与应用大会将在北京举办。本届大会以探索 A 应用边界为主题,设置 13 大技术专题,覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等核心方向,汇聚一线技术专家,深入分享 AI 技术突破与企业规模化落地的真实实践。