對話騰訊云副總裁：企業智能體火了，今年平臺使用量至少翻倍

智東西
作者 江宇
編輯 心緣

智東西7月18日報道，在2026 WAIC期間，騰訊密集發布了具身智能與企業級智能體的相關產品。

具身智能方面，騰訊首席科學家、RoboticsX實驗室主任、福田實驗室主任張正友現場發布Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0、Hy-Embodied-RxBrain-1.0三款具身模型。

同時，Tairos Agent具身智能體框架與Apexio智能體正式亮相。RoboticsX實驗室在2025年推出的鈦螺絲（Tairos）平臺也同步升級，將對外提供模型、智能體、開發工具等開源能力及服務。

企業級智能體方面，騰訊云副總裁吳運聲現場發布了企業級智能體開發平臺ADP 4.0海外版。

與此同時，通用桌面智能體WorkBuddy App版本同步上線。

會后，騰訊云副總裁吳運聲與智東西等媒體進行了近一個半小時交流，談及企業智能體接入老系統、Token成本、FDE交付模式及知識治理等具體問題。

吳運聲提到，目前企業部署智能體面臨的一項突出問題，是智能體難以調用已有的信息化系統。許多老系統缺少成熟的API或MCP接口，企業需要先補接口、改系統，智能體才能嵌入業務流程。

隨著Agent Loop能力提升，過去受限于檢索和工作流能力的部分任務已經具備落地條件。

騰訊云企業智能體相關客戶需求和平臺使用量今年同比至少翻倍增長。

以下為智東西整理的關鍵問答：

一、老系統仍是企業智能體落地的一道門檻

Q1：企業部署智能體時，目前較突出的阻力是什么？

吳運聲認為，組織流程、數據質量和ROI等問題依然存在，今年更突出的難點是智能體如何連接企業已有的信息化系統。

許多企業的數據和業務流程分散在ERP、CRM及其他老系統中。一些系統缺少成熟的API、MCP或CLI接口，騰訊云需要幫助客戶改造系統、補充接口，智能體才能調用其中的數據和能力。

與此同時，智能體自身的能力也出現了變化。過去檢索、工作流等能力不足，一些任務即使完成系統對接也難以穩定執行。今年Agent Loop能力增強后，部分此前難以實現的任務已經得到能力支撐。

他提到，現有系統多數圍繞人的操作習慣設計，界面和輸出結果也主要服務于人。隨著智能體參與業務流程，軟件廠商需要在系統設計中考慮智能體的調用需求。

Q2：智能體會替代ERP、CRM等傳統軟件嗎？

吳運聲判斷，智能體與傳統軟件將長期共存。

企業在原有系統中積累了大量數據、流程和客戶資產，直接推倒重建的成本較高。目前多數SaaS廠商采取的方式，是在現有產品上補充接口和智能體能力。

企業內部也可能出現一個中央智能體，負責調用多個業務系統；傳統軟件則繼續承載數據、權限和核心流程。

Q3：企業部署智能體時，為什么不能只關注評測效果？

吳運聲認為，評測只是企業智能體治理的一部分。

一個智能體投入實際業務后，還需要覆蓋構建、評測、發布、系統嵌入、日志記錄、權限管理和運行審計等環節。尤其在金融、國企等場景中，企業需要知道智能體調用了哪些數據、執行了哪些步驟，以及出現問題后如何追溯。

他提到，ADP 4.0此次專門加強了治理能力，包括Skill及執行過程的可觀測、可審計和安全管理。

Q4：企業知識為什么需要單獨交給樂享處理？

企業智能體要理解企業自身的報銷流程、規章制度、客戶資料和業務規則，需要接入大量內部知識。

吳運聲將樂享定位為面向智能體的企業知識服務產品。騰訊文檔、飛書文檔等產品主要面向人的編輯和協作，樂享則負責連接不同數據源，對知識進行處理、更新、沖突檢測和權限管理，使其能夠被智能體調用。

部分沖突可以由系統自動判斷，無法自動處理的內容則需要提交給管理者確認。

樂享并不只服務WorkBuddy，也可以接入ADP及其他智能體平臺，并通過Skill開放訪問能力。其權限機制主要用于保障企業內部知識按照既定范圍被訪問。

二、Token成本要算，幫助企業拆解工作流

Q5：企業越來越關注Token成本，騰訊云觀察到哪些應對方式？

吳運聲稱，企業對Token成本的關注明顯增加，同時也在形成多種控制成本的方法。

一方面，企業會為不同任務搭配不同模型，避免所有環節都調用高成本模型；另一方面，企業拆分業務流程。需要理解模糊需求、判斷上下文和動態規劃的環節，可以交給Agent Loop處理；規則明確、執行過程固定的部分，則繼續使用傳統工作流，減少模型反復推理產生的Token消耗。

同時，模型Token價格也在持續下降。企業最終會結合模型價格、任務效果和業務價值進行選擇。

他認為，單個任務的成本較難統一定義，因為任務復雜度差異較大。目前騰訊云通常根據具體模型和工具的調用量收費，并不會籠統地按照完成一次任務定價。

Q6：企業如何判斷智能體投入是否能夠帶來回報？

吳運聲認為，企業最終仍然會按照提效和成本降低來判斷智能體的價值。例如，采購、客服、銷售和巡檢系統上線后，企業會核算處理時間縮短了多少、人工成本降低了多少，以及業務轉化是否提高。

不同行業的付費意愿并沒有嚴格邊界。金融、傳媒、零售等行業都有付費使用高階智能體產品的客戶。決定企業是否付費的關鍵，是投入能否通過效率或收入增長收回。

B端業務的成本和收益通常可以在相對較短的時間內計算。

三、企業智能體提速，傳統FDE模式有了新任務

Q7：為什么大模型公司越來越重視FDE？

吳運聲將FDE理解為業務分析、架構設計和駐場交付能力的結合。

FDE需要理解客戶的業務流程和組織結構，也要熟悉模型、智能體平臺和工具能力，隨后完成智能體設計、搭建、部署、監控和迭代。

他提到，AI產品涉及的技術棧和產品棧較多，同一套產品交給不同團隊使用，最終效果可能差距較大。對于業務流程復雜的企業，前場工程師仍然難以省去。

騰訊云內部已經設置了類似崗位，不同部門會根據自身產品和交付特點配置人員。

Q8：FDE會不會讓大模型公司重新變成強交付公司？

吳運聲認為，復雜業務在現階段仍然需要FDE或前場工程師參與，標準化收入則可以在后續調用階段形成。

例如，騰訊云可能需要用一個月時間幫助企業梳理流程、搭建智能體和完成系統連接。智能體部署完成后，企業未來數年持續調用模型和Token，這部分收入具備更高的標準化程度。

為了降低后續客戶的交付成本，騰訊云會將項目中可以復用的智能體、Skill和方法沉淀下來。同類客戶再次部署時，可以直接調用已有能力，減少重復開發。

因此，企業級智能體的交付仍然包含定制化工作，規模化主要依靠將項目經驗沉淀為智能體、Skill和方法論。

Q9：今年騰訊云企業智能體業務增長如何？

吳運聲稱，今年騰訊云企業智能體相關客戶需求和ADP平臺使用量同比至少翻倍。

他認為，企業對智能體的認知成本已經下降，客戶無需再接受長時間的概念教育。目前信息化基礎較好的互聯網、金融等行業推進速度相對較快，一些傳統企業也會因管理層意愿和業務需求加快部署。

不同企業會根據自身能力選擇介入層級。云廠商要做的，是讓底層模型、智能體平臺、知識服務和應用產品能夠組合，并保留公有云、私有化和系統集成等不同交付方式。

結語：智能體火了，企業開始認真算這筆賬

企業是否愿意繼續投入，最終還是要看智能體能否帶來可量化的回報。

今年需求同比增長，說明市場熱度還在上升。接下來，客戶會更關注投入產出、使用成本和長期維護，也會更在意智能體能否穩定融入現有業務。

當企業把這些賬算清楚，智能體更有機會成為一門持續經營的生意。