【AI前沿】第一批 Agent 员工上岗，腾讯云想帮企业把它们安顿好

前几天，腾讯云与智慧产业事业群（CSIG）CEO 汤道生和腾讯首席 AI 科学家姚顺雨谈到「AI 下半场」时，姚顺雨提出一个判断：AI 方法论逐渐成熟后，更重要的是找到真实问题和真实场景。对企业而言，模型能力只是起点，最终买单的是场景、上下文和可运行的系统。围绕这个判断，我们会发现它其实也是理解当下企业 AI 落地的切入点。而在这场对话之后，腾讯云也密集发布了一系列产品，恰好给企业级 AI 的进展提供了一个很好的样本。过去企业采购云服务和 SaaS，本质是采购 IT 能力；到了 Agent 阶段，引入 AI 更像是在建设一套新的生产系统。换个偏企业管理的说法，腾讯云正在扮演企业 Agent 时代的总工程师。它要做的，是把场景、模型、知识、安全、记忆、成本和运行体系放到同一套系统里。沿着大会提出的三个能力看，腾讯云的思路就比较清晰了：场景连接力解决 Agent 如何真正嵌入业务流；工程驾驭力解决 Agent 如何安全、稳定、可靠地运行；模型驱动力解决模型能力、成本与规模化部署问题。三者合在一起，构成了腾讯云推动 Agent 落地的三驾马车。Agent 既是新入口，也是新工位互联网历史上，技术真正改变行业，往往经历同一条路径：先出现新能力，再进入高频场景，最终融入商业系统。Agent 也不例外。所谓场景连接，关键不在于增加多少个 AI 入口，而在于 Agent 能否沿着企业原有业务流进入组织。腾讯的优势在于，它既有微信、企业微信、元宝、腾讯会议这些高频触点，也有 WorkBuddy、CodeBuddy、ima.copilot 、WAND、腾讯 AI 原生营销云、腾讯云 Mall、天御风控 Agent、真人剧 Agent、DatabaseClaw 等通用和垂类 Agent 产品。·腾讯会议举例而言，会议是很多企业最密集的信息入口。过去会议效率低，常常卡在三件事上：听不清、听不懂、效率低。腾讯会议这次讲的 AI 能力，正好围绕这三件事展开。在声音层面，腾讯会议声链通过纯软件方案，让同一空间内多台电脑组成联合拾音系统，解决啸叫问题，为 AI 提供更完整的会议上下文。跨语言沟通交给 AI 同传。它通过降低跨语言沟通成本，让参会者使用熟悉语言交流，同时兼顾音色保留和低延迟体验。会议真正的价值，通常发生在会后。智能录制将录制、转写、纪要和待办串联起来，元宝纪要负责实时理解会议内容，「问元宝」支持会中会后自由联网追问。腾讯会议还开放 Skill、CLI、MCP 等能力，方便企业 Agent 调用会议上下文。这意味着会议不再止于沟通，而成为后续工作的起点。课堂内容可以自动整理成学习资料，团队例会也能自动生成纪要、检查待办并发送邮件。Agent 进入沟通流，本质上是在把大量非结构化信息转化为可调用、可追踪、可复用的工作资产。·MAGIC AI 原生营销云如果说沟通场景解决的是组织内部信息如何更顺畅地流动，那么增长场景面对的则是另一个更直接的问题：企业如何更高效地找到客户、理解客户，并持续创造增长。MAGIC AI 原生营销云的核心，不是增加几个 AI 功能，而是让 Agent 贯穿营销全链路。从机会挖掘、内容生成到用户互动和数据分析。过去一个活动上线往往需要多角色协作和数周准备，如今则希望把重复沟通、配置和复盘纳入统一系统，实现从营销工具集合，到智能营销平台的系统性进化。发布会上将其概括为四大能力：知客户、懂运营、会决策、能执行。知客户，是理解客户状态和互动历史；懂运营，是沉淀企业营销经验和规则；会决策，是针对人群、商品和渠道生成更优策略；能执行，则是在权限和审批框架下推动营销活动落地。·AI 原生云 Mall营销之后，品牌和零售企业更要经营数字交易阵地，背后涉及商品管理、会员运营、活动配置、导购服务和售后经营等大量工作。AI 原生云 Mall 的强大之处，在于让 Agent 进入品牌经营过程。云 Mall 2.0 的关键词是千亿底座、AI 原生和让经营自己跑起来。通过「千亿级交易底座+Agent 能力体系」双轮驱动，从「交易承载」全面跃迁至「智能经营」。千亿底座强调交易稳定性和安全性，经过大规模交易场景验证；AI 原生则体现在 1+7 的 Agent 架构上：一个经营分析 Agent 负责洞察问题，七个执行 Agent 覆盖商品、内容、会员、营销、分销、门店和导购等环节，关键操作仍保留人工审批。更值得关注的是 Agent 协作。比如发现商品滞销后，云 Mall 可以调用营销云完成策划、内容生成和投放，再将结果回流分析。未来电商运营不只是单个 Agent 工作，而是多个 Agent、多个系统之间的协同。·天御风控 Agent天御风控 Agent 则对应风险控制场景，覆盖注册登录、营销活动、支付诈骗、黄牛刷单等业务，通过微信、企业微信、网页等入口接入，承担实时分析、风险判断和持续监控等工作。·腾讯云 WAND此外，内容生产同样是场景连接力的重要部分。腾讯云发布音视频 AI 品牌 WAND，面向电商、短剧、漫剧、短视频、赛事直播等场景，把生成、理解、处理和编码放进一套能力体系里。WAND-Create 负责电商图、短剧、漫剧等内容生成，强调业务可用性和风格可控；WAND-EraseVibe、WAND-Enhance、WAND-Codec 分别处理无痕擦除、画质增强和编码压缩。赛事直播场景中，WAND 提供一站式 AI 制播方案 — 一场比赛进来，AI 自动完成解说生成、精彩集锦生成、横屏转竖屏、多语种字幕、画质增强和实时转码分发。·真人剧 Agent真人剧 Agent，则推进到更复杂的叙事生产。相比普通营销内容，真人剧涉及角色、剧情、场景、分镜、表演、后期和分发等完整链路。发布会上展示的「祝英台开着赛车来到发布会现场」Demo，全程无需演员、摄像机和实地取景，体现的是 AI 对真人内容生产成本的重构能力，而不只是视觉噱头。短剧正在走向工业化生产。真人剧 Agent 面向短剧生产与出海、品牌营销和平台集成三类需求，覆盖剧本创作、选角定妆、场景生成、分镜脚本、拍摄剪辑和二创等环节。它还能自动生成符合物理逻辑的一致性场景图，减少 AI 视频常见的场景跑偏问题，并通过人脸融合和口型驱动降低多语言翻译与角色本地化成本。影视剧本质上是一套复杂协作系统。Agent 要做的不只是生成内容，还要理解角色关系、剧情走向、场景限制和制作流程，在创意表达与工业化生产之间建立连接。早期电影从舞台记录走向镜头语言，经历了剪辑、特写、声音和特效等技术演进，最终形成完整工业体系。今天 AI 进入真人剧，也可能从加速单个环节开始，逐步影响剧本开发、素材管理和内容分发。数字剪辑、CG、虚拟拍摄曾改变电影工业的生产方式。今天的 AI 也类似，它未必替代创作者，未必替代所有表达判断，却正在重塑内容生产效率。把这些产品放在一起看，腾讯云的场景连接力就变得愈加具象化：会议连接组织上下文，营销云连接客户增长，云 Mall 连接交易经营，天御连接风险控制，WAND 和真人剧 Agent 连接内容生产等等。Agent 沿着这些高频业务流进入企业，才能获得真实反馈并创造价值。想长期上岗的 Agent，得先学会守规矩过去二十多年，视频、游戏、电商、移动办公等产业的发展，都离不开云计算提供的弹性资源和基础设施。到了 AI 时代，云的角色进一步升级。企业部署 Agent，不只是调用模型，而是在搭建一套包含算力、上下文、工具调用、权限、记忆、监控和审计的运行体系。Agent 时代总工程师最重要的工作，是把这些制度、边界和基础设施设计好。从这个角度看，工程驾驭力解决的不是单点功能问题，而是 Agent 能否进入生产环境、能否长期运行的问题。首先是知识。企业知识通常分散在文档、会议、IM、制度、培训材料、业务系统和专家经验中。Agent 要真正服务企业，需要先把这些分散信息沉淀为可理解、可调用、可追溯的知识底座。·腾讯乐享比如腾讯乐享强调 AI 原生的 Agentic 知识库，让企业知识从静态资料变成可执行的工作台。它可以统一纳管多格式、多来源知识，通过 AI 巡检、AI 评审和权限管理提升知识质量，并与 WorkBuddy 等工作空间连接，让知识可以直接进入任务执行。·ima同步亮相的 ima 更偏向 Agent 时代的知识引擎。ima 知识号能够让专业知识被 AI 搜索、引用和调用。知识号已经覆盖金融、法律、教育等 20 多个行业，相关信源累计应用次数超过 1.4 亿次，并已在海关、医疗等场景形成具体使用案例。据悉，杭州萧山海关把 500 多篇海关法律法规、公告和旅客高频问答整理到知识号里，旅客通过二维码即可提问；医院药师则把用药指南、专家共识和诊疗方案放进知识库，医生和患者可以通过拍照、语音等方式获得参考信息。ima 知识号不只面向人阅读，也面向 Agent 调用。知识可以被阅读、被对话，也可以被封装为 Skill。ima Skill 广场让创作者把方法论和工作流变成可被 Agent 调起的能力，比如合同审查 Skill、行情分析 Skill 等。未来 MCP、API 等 Agent 时代的知识产物，也可以成为知识分享的一部分。最近 ima 还推出了专属知识Agent——copilot，具备长期记忆、全场景感知能力，基于用户使用 ima 所产生的数据自主扩充知识体系，沉淀并支持自定义拓展skills，自动完成复杂知识工作，从工具进化为越用越懂你的伙伴。除了个人知识工作场景，没有记忆的 Agent 也很难成为企业工作系统的一部分。它可以完成一次任务，却难以理解历史任务、组织偏好和长期目标。企业需要的是能够持续积累经验的智能体。·腾讯云数据库 Agent Memory腾讯云数据库推出的 Agent Memory 将记忆分为短期记忆压缩、长期记忆沉淀和团队记忆组织化。短期记忆管理上下文和任务状态；长期记忆沉淀用户习惯与方法；团队记忆支持组织级知识共享与传承。团队记忆进一步划分为员工私有域、部门协作区和组织全局库，既保护个人知识资产，也沉淀企业级 SOP 和组织经验，避免核心知识流失。腾讯云数据库自研符号化压缩和上下文卸载能力，可以在长任务场景下帮助 Agent 提升 30% 的任务成功率，同时节省 30% 到 60% 的 Token 成本。并通过独创的四层渐进式记忆提取方案，显著提升了 OpenClaw 的长期记忆能力。在 PersonaMem 测评数据集上，OpenClaw 原生记忆评测得分从 48% 提升到 76%。·AICC 可信集群而 AICC 可信集群通过 TEE 可信集群、端到端加密和可证明安全能力，将高性能推理、安全保障与运维优化整合为一站式服务，帮助企业以更低成本快速获得可用、可解释、可审计的安全推理环境。这些变化也指向了企业级 AI 与消费级 AI 的差异。消费级 AI 追求像人，企业级 AI 更要像组织：懂分工、守边界、能协作、可复盘、有交付。企业最终需要的 AI，要能在权限、流程和成本约束下稳定工作。跑得通、用得起，才是企业 Agent 的成人礼企业 Agent 面临最重要的问题，是成本。很多企业并非不知道 Agent 有价值，但一旦进入规模化阶段，很快会遇到现实约束：Token 成本难控、部署门槛高、推理调用贵、数据检索慢。模型能力不再只看效果，还要看单位任务成本、响应速度和 ROI。因此，模型驱动力关注的不只是模型本身，还包括多模型智能路由、按用量控制成本，以及训练、部署、推理和数据检索效率。开源 Agent 框架虽然能力丰富，但安装部署门槛较高，长期运行不稳定，成本也不容易控制。尤其是 Agent 执行任务时需要调用模型，盲目调用大模型，会让 Token 成本快速上升。·LighthouseLighthouse 的角色，是个人云端助手的云端底座。它本身是轻量服务器产品，过去主要降低用户上云门槛；到了 Agent 场景，它进一步变成 7×24 小时在线的云端工作空间。其产品设计强调轻体验、轻应用、轻投入和轻管理，希望把云端 Agent 的部署、运行和管理复杂度降下来。如