出品｜虎嗅黃青春頻道

作者｜商業(yè)消費(fèi)主筆 黃青春

題圖｜視覺中國

騰訊正式結(jié)束雙軌制，姚順雨坐穩(wěn)混元“一號位”。

7 月 23 日，騰訊宣布混元多模態(tài)模型部門與大語言模型部門合并，成立基礎(chǔ)模型部，由騰訊首席 AI 科學(xué)家姚順雨統(tǒng)一管理，核心目標(biāo)是提升模型研發(fā)協(xié)同效率，探索全模態(tài)模型的智能上限。

調(diào)整前，多模態(tài)模型部門負(fù)責(zé)人為 Linus，曾任職京東數(shù)科首席科學(xué)家、阿里巴巴通義實(shí)驗(yàn)室應(yīng)用視覺團(tuán)隊(duì)負(fù)責(zé)人；調(diào)整后，姚順雨權(quán)責(zé)從大語言模型負(fù)責(zé)人，升級為統(tǒng)籌語言模型、多模態(tài)、強(qiáng)化學(xué)習(xí)、Agent 等全方向的基礎(chǔ)模型總負(fù)責(zé)人，混元正式進(jìn)入資源整合的合力期。

至此，混元以大語言模型為核心，構(gòu)建起覆蓋圖像、視頻、語音、3D 生成的完整模型矩陣，騰訊瞄準(zhǔn) AI 落地的戰(zhàn)略轉(zhuǎn)向也迎來全面提速。

騰訊變得激進(jìn)了

毫無疑問，騰訊押注智能體的決心越發(fā)堅(jiān)決了。

7 月 22 日，騰訊首個(gè)創(chuàng)意智能體 Miora 全量發(fā)布，其作為國內(nèi)首個(gè)多 Agent 協(xié)作驅(qū)動(dòng)的多模態(tài)創(chuàng)意工作室，用戶只需提交一份需求，系統(tǒng)會(huì)調(diào)度不同的創(chuàng)意 Agent 和專業(yè)技能，完成圖片、視頻、3D、UI 等多模態(tài)創(chuàng)作。

值得一提的是，Miora 內(nèi)置記憶系統(tǒng)可持續(xù)學(xué)習(xí)用戶的審美偏好、品牌規(guī)范和創(chuàng)作習(xí)慣，使用越久越貼合需求；再利用其開放的技能生態(tài)，用戶可將創(chuàng)作工作流沉淀為可復(fù)用、可分享的專屬技能，大幅降低重復(fù)工作成本。

據(jù)虎嗅了解，Miora 內(nèi)測用戶中超半數(shù)并非專業(yè)設(shè)計(jì)師，市場運(yùn)營、研發(fā)等崗位人員均可借助它完成宣傳圖、Demo 素材制作，恰恰印證了智能體的核心價(jià)值：降低專業(yè)創(chuàng)作工具的門檻，讓從業(yè)者回歸創(chuàng)意本身。

無獨(dú)有偶，7 月 20 日，《2026Q2 中國辦公智能體平臺(tái)市場洞察報(bào)告》發(fā)布，騰訊 WorkBuddy 在國內(nèi) PC 端 AI 原生辦公智能體市場，6 月單月訪問量突破 2000 萬，穩(wěn)居市場第一，訪問量超過第二、第三名的總和。

WAIC 期間，WorkBuddy 已火速發(fā)布獨(dú)立 APP，同步覆蓋 iOS、Android、鴻蒙系統(tǒng)，成為首個(gè)登陸鴻蒙的通用智能體應(yīng)用，正式跳出騰訊生態(tài)成為獨(dú)立產(chǎn)品。

不止于軟件形態(tài)，WorkBuddy 還在發(fā)力拓展智能體的入口邊界：

• 聯(lián)合李未可推出 X-AI 記憶眼鏡，將 AI 入口延伸至可穿戴設(shè)備，自動(dòng)記錄工作場景信息、形成工作記憶，解決傳統(tǒng) AI“缺少上下文、只能完成單點(diǎn)任務(wù)”的短板；

• 推出“AI 航海家+”出海工具，疊加七國政策、法律、稅務(wù)語料，成為通用能力 + 垂直語料落地的典型樣本。

一套組合拳下來，騰訊所有布局都指向同一個(gè)核心：讓智能體嵌入生產(chǎn)流程，轉(zhuǎn)化為實(shí)際生產(chǎn)力。

當(dāng)然，智能體要規(guī)?；涞?，離不開底層大模型的支撐。在行業(yè)普遍堆參數(shù)、拼跑分的氛圍里，混元 Hy3 沒有走堆高參數(shù)的老路，背后考量在于：進(jìn)入大規(guī)模商用階段，成本遠(yuǎn)比峰值能力重要。對企業(yè)而言，不會(huì)為了 1% 的效果提升支付數(shù)倍的推理成本；對個(gè)人用戶而言，也不會(huì)因偶發(fā)的復(fù)雜任務(wù)，為日常使用的高算力持續(xù)付費(fèi)。

目前，混元對內(nèi)支撐騰訊全系產(chǎn)品的 AI 能力，對外通過騰訊云開放 API，走的是典型的平臺(tái)型路線：先夯實(shí)模型底座，再驅(qū)動(dòng)上層智能體應(yīng)用的規(guī)?；涞?。

市場已經(jīng)驗(yàn)證了這條路線的合理性：Hy3 發(fā)布一周即登頂 OpenRouter 全球大模型調(diào)用量總榜，開發(fā)者用實(shí)際調(diào)用量認(rèn)可了它的性價(jià)比、穩(wěn)定性與 API 體驗(yàn)。

關(guān)于行業(yè)熱議的中美大模型技術(shù)差距，騰訊云副總裁吳運(yùn)聲表示：模型能力核心看兩個(gè)維度，一是智力上限，二是落地成本。“美國廠商主要發(fā)力提升智力上限，中國廠商則是在保證智力水平的前提下，主打高性價(jià)比，兩條路徑只是不同的市場選擇。就像開源與閉源也只是路徑差異，一年前中美模型差距還十分明顯；如今，中國開源模型的能力已經(jīng)超過一年前美國的閉源模型。”

尤其，今年隨著 Token 價(jià)格持續(xù)下降，企業(yè)開始精細(xì)化核算 AI 投入的 ROI，Token 成本成為行業(yè)普遍關(guān)注的話題。吳運(yùn)聲認(rèn)為，現(xiàn)在行業(yè)已有成熟的降本路徑：

• 第一，模型分層調(diào)用，不同難度的任務(wù)匹配不同能力的模型，不需要所有任務(wù)都調(diào)用最高階的大模型。

• 第二，任務(wù)拆分處理，模糊推理任務(wù)交給智能體，確定性流程用工作流執(zhí)行，減少不必要的 Token 消耗。

• 第三，規(guī)模效應(yīng)攤薄，用戶量越大，單位成本越低，這和互聯(lián)網(wǎng)產(chǎn)品的成本邏輯完全一致。

與之對應(yīng)，騰訊智能體的成本構(gòu)成一目了然：核心是模型 Token 成本，疊加插件、工具調(diào)用成本（如 OCR、文生視頻接口），最終費(fèi)用完全與實(shí)際調(diào)用掛鉤。

至于外界關(guān)注的 B 端與 C 端商業(yè)邏輯差異，吳運(yùn)聲判斷，兩者處于完全不同的周期，沒有簡單的優(yōu)劣之分?！癇 端的投入產(chǎn)出效果短期即可驗(yàn)證，一筆投入能產(chǎn)生多少價(jià)值、是否盈利，都可以精準(zhǔn)測算；C 端則遵循移動(dòng)互聯(lián)網(wǎng)路徑，先通過免費(fèi)或低門檻獲取用戶，再通過增值服務(wù)變現(xiàn)?！?/p>

最大瓶頸在存量系統(tǒng)

過去一年，企業(yè)級智能體始終停留在“試點(diǎn)多、規(guī)?；佟钡碾A段，行業(yè)普遍將阻力歸因于模型能力不足、投入產(chǎn)出比不清晰。

吳運(yùn)聲戳破了這個(gè)認(rèn)知誤區(qū)：當(dāng)下智能體落地的最大瓶頸，早已不是技術(shù)能力本身，而是企業(yè)存量系統(tǒng)的適配困境。

虎嗅溝通發(fā)現(xiàn)，2025 年企業(yè)級智能體還會(huì)被檢索精度、工作流復(fù)雜度掣肘；到 2026 年，Agent Loop（智能體自主感知-決策-執(zhí)行的循環(huán)能力）大幅提升，絕大多數(shù)場景的技術(shù)可行性得到驗(yàn)證，真正卡住落地進(jìn)度的，是企業(yè)沉淀了十幾年甚至幾十年的老舊系統(tǒng)。

“很多系統(tǒng)沒有標(biāo)準(zhǔn)化接口，智能體無法直接調(diào)用，必須先做適配改造、補(bǔ)充接口，才能嵌入業(yè)務(wù)流。這既是產(chǎn)業(yè)歷史遺留問題，也是所有 To B AI 產(chǎn)品必須跨過的門檻?！眳沁\(yùn)聲說道。

更深層的變化還在于系統(tǒng)設(shè)計(jì)范式的轉(zhuǎn)移。

過往企業(yè)軟件、ERP、CRM 核心設(shè)計(jì)邏輯都是“為人服務(wù)”，界面審美、交互習(xí)慣、操作邏輯適配人的習(xí)慣；智能體時(shí)代，系統(tǒng)需要同時(shí)“為 Agent 設(shè)計(jì)”，追求接口標(biāo)準(zhǔn)化、輸出結(jié)構(gòu)化、調(diào)用自動(dòng)化。

但這并不意味著老系統(tǒng)會(huì)被徹底推翻，吳運(yùn)聲判斷：“絕大多數(shù) SaaS 企業(yè)不會(huì)選擇推倒重來，歷史積累的業(yè)務(wù)數(shù)據(jù)與流程沉淀成本太高，行業(yè)主流方向是適配性迭代。”

有鑒于此，虎嗅認(rèn)為，大多數(shù)企業(yè)的老系統(tǒng)會(huì)在一段時(shí)間內(nèi)繼續(xù)承載核心數(shù)據(jù)與成熟流程，逐步衍生出 Agent 適配能力；與此同時(shí)，會(huì)出現(xiàn)中央 Agent，進(jìn)行跨系統(tǒng)調(diào)度流程、完成復(fù)雜任務(wù)，成為企業(yè)系統(tǒng)的新“中控層”。

不過，與行業(yè)部分廠商只強(qiáng)調(diào)構(gòu)建能力、評估標(biāo)準(zhǔn)不同，騰訊的思路是覆蓋智能體的全生命周期：從構(gòu)建、評測、發(fā)布，到嵌入現(xiàn)有系統(tǒng)、運(yùn)行狀態(tài)可觀測、全流程審計(jì)日志、權(quán)限管控，每個(gè)環(huán)節(jié)都納入智能體開發(fā)平臺(tái) ADP。

在吳運(yùn)聲看來，智能體的權(quán)限管控（能訪問什么、不能訪問什么）、可審計(jì)性（每一步操作是誰做的、怎么完成的）、安全性，和效果評估同等重要。尤其，金融、政務(wù)等強(qiáng)監(jiān)管行業(yè)，沒有可觀測、可審計(jì)的能力，智能體根本無法進(jìn)入生產(chǎn)環(huán)境。

為此，ADP 實(shí)現(xiàn)了智能體與工作流的雙向互調(diào)：模糊的、需要推理的任務(wù)交給智能體自主處理；確定性強(qiáng)的、標(biāo)準(zhǔn)化的流程交給工作流執(zhí)行，避免反復(fù)消耗 Token——這一設(shè)計(jì)直接回應(yīng)了企業(yè)對 Token 成本的顧慮，是智能體落地的關(guān)鍵優(yōu)化方向。

產(chǎn)品定位上，ADP 與 WorkBuddy 分工明確：WorkBuddy 是開箱即用的個(gè)人 / 團(tuán)隊(duì)辦公效率工具；ADP 是云端一體化企業(yè)級平臺(tái)，面向財(cái)務(wù)、法務(wù)、客服、HR 等核心業(yè)務(wù)場景，構(gòu)建完成的智能體可直接發(fā)布，也能嵌入企業(yè)原有 CRM、OA 等系統(tǒng)。

吳運(yùn)聲強(qiáng)調(diào)，企業(yè)選擇智能體產(chǎn)品，最在意的從來不是成本，而是可信、可控。

這恰恰是 ADP 云端架構(gòu)的核心優(yōu)勢：統(tǒng)一管理所有智能體的運(yùn)行、權(quán)限、日志，工具憑證物理隔離，避免個(gè)人操作帶來的數(shù)據(jù)風(fēng)險(xiǎn)，所有流程可追溯、可審計(jì)。

規(guī)模化窗口已至

從行業(yè)落地進(jìn)度來看，2026 年企業(yè)級智能體已經(jīng)進(jìn)入快速增長期。

據(jù)虎嗅了解，騰訊云的企業(yè)級 Agent 客戶數(shù)、ADP 平臺(tái)的智能體數(shù)量，同比增速均超 100%。核心驅(qū)動(dòng)力在于，經(jīng)過一年多的市場普及，企業(yè)已經(jīng)普遍理解智能體的價(jià)值，客戶教育成本大幅下降。

不過，行業(yè)落地呈現(xiàn)明顯分化：信息化基礎(chǔ)好、系統(tǒng)迭代快的行業(yè)，落地速度遙遙領(lǐng)先，比如泛互聯(lián)網(wǎng)、金融行業(yè)，本身信息化成熟，能快速開放接口讓智能體調(diào)用；而信息化系統(tǒng)陳舊、層層外包的傳統(tǒng)企業(yè)，落地進(jìn)度明顯偏慢，甚至連系統(tǒng)負(fù)責(zé)人都對接混亂，改造難度極大。

基于此，落地場景也在從營銷、客服兩大傳統(tǒng)場景，向更多領(lǐng)域延伸。

比如巡檢場景，過去貨架巡檢需要單獨(dú)訓(xùn)練模型、做數(shù)據(jù)后處理，現(xiàn)在用智能體搭建流程就能完成；再比如傳媒內(nèi)容生產(chǎn)場景，ADP 在傳媒領(lǐng)域智能體開發(fā)平臺(tái)賽道已做到市場第一，大量電視臺(tái)用它搭建內(nèi)容生成管線、媒體資源檢索系統(tǒng)，落地成效已經(jīng)得到客戶認(rèn)可。

至于 To B 領(lǐng)域定制化與規(guī)?；拿?，騰訊的解法是前端靠 FDE（現(xiàn)場交付工程師）對接客戶的定制化需求，做場景適配；后端將成熟的方案沉淀為標(biāo)準(zhǔn)化的智能體、技能和方法論，同類客戶可以直接復(fù)用，逐步實(shí)現(xiàn)規(guī)?；瘡?fù)制。

談及智能體與傳統(tǒng) SaaS 的關(guān)系，吳運(yùn)聲認(rèn)為更多是協(xié)同而非替代博弈?！皞鹘y(tǒng) SaaS 會(huì)逐步適配智能體的調(diào)用需求，優(yōu)化接口與系統(tǒng)設(shè)計(jì)；智能體則會(huì)連接更多 SaaS 系統(tǒng)，成為跨系統(tǒng)的調(diào)度層，兩者共同完成更復(fù)雜的業(yè)務(wù)工作，而非一方取代另一方?！?/p>

當(dāng)然，整個(gè)商業(yè)鏈路的最終落點(diǎn)仍是 SkillHub 技能生態(tài)。目前，SkillHub 已沉淀 7.8 萬個(gè) AI 技能，搭配 SkillPay 支付體系，打通技能分發(fā)、調(diào)用、支付全鏈路：開發(fā)者可上架自研技能并設(shè)定收費(fèi)，用戶在智能體內(nèi)可直接調(diào)用并完成支付。

這是典型的平臺(tái)化思路，復(fù)刻了 App Store 的生態(tài)邏輯：智能體的核心價(jià)值來自豐富的技能，平臺(tái)是技能的集散地，生態(tài)越豐富，對用戶和開發(fā)者的吸引力越強(qiáng)，最終形成正向循環(huán)。

順著這個(gè)邏輯，騰訊不追求自研所有技能，而是搭建基礎(chǔ)設(shè)施，靠生態(tài)繁榮實(shí)現(xiàn)平臺(tái)價(jià)值指數(shù)級增長。畢竟，To B 市場無法靠一家公司全覆蓋，騰訊勢必要在 AI 時(shí)代再次將“半條命”交給生態(tài)伙伴。

基于此，騰訊提供底層的平臺(tái)、模型、產(chǎn)品能力，伙伴提供行業(yè)經(jīng)驗(yàn)、客戶資源，雙方優(yōu)勢互補(bǔ)，比騰訊自己逐個(gè)行業(yè)深耕效率要高得多。

縱觀騰訊的 AI 布局，從底層到上層已經(jīng)形成清晰的 AI 產(chǎn)品梯隊(duì)：

• 底層基礎(chǔ)設(shè)施：算力、存儲(chǔ)、異構(gòu)計(jì)算，支撐所有上層模型與應(yīng)用；

• 模型層：混元大語言模型、多模態(tài)模型、具身智能系列模型，提供基礎(chǔ)能力；

• 平臺(tái)層：ADP 企業(yè)級智能體開發(fā)平臺(tái)、Tairos 具身智能平臺(tái)，是連接模型與應(yīng)用的中間層；

• 應(yīng)用層：面向辦公的 WorkBuddy、面向代碼的 CodeBuddy、面向企業(yè)知識庫的樂享、面向個(gè)人的 ima 與元寶，覆蓋不同場景需求。

這套體系的優(yōu)勢在于，每層能力都得以補(bǔ)齊，每個(gè)場景都有對應(yīng)產(chǎn)品，產(chǎn)品之間形成了完整聯(lián)動(dòng)，而騰訊在合縱連橫時(shí)，悄然攥緊了智能體時(shí)代的話語權(quán)。

# 虎嗅商業(yè)消費(fèi)主筆黃青春、黃青春頻道出品人，關(guān)注文娛社交、游戲影音等多個(gè)領(lǐng)域，行業(yè)人士交流加微信：724051399，新聞線索亦可郵件至 huangqingchun@huxiu.com