出品｜虎嗅黄青春频道
作者｜商业消费主笔 黄青春
题图｜视觉中国
腾讯正式结束双轨制，姚顺雨坐稳混元"一号位"。
7 月 23 日，腾讯宣布混元多模态模型部门与大语言模型部门合并，成立基础模型部，由腾讯首席 AI 科学家姚顺雨统一管理，核心目标是提升模型研发协同效率，探索全模态模型的智能上限。
调整前，多模态模型部门负责人为 Linus，曾任职京东数科首席科学家、阿里巴巴通义实验室应用视觉团队负责人；调整后，姚顺雨权责从大语言模型负责人，升级为统筹语言模型、多模态、强化学习、Agent 等全方向的基础模型总负责人，混元正式进入资源整合的合力期。
至此，混元以大语言模型为核心，构建起覆盖图像、视频、语音、3D 生成的完整模型矩阵，腾讯瞄准 AI 落地的战略转向也迎来全面提速。
腾讯变得激进了
毫无疑问，腾讯押注智能体的决心越发坚决了。
7 月 22 日，腾讯首个创意智能体 Miora 全量发布，其作为国内首个多 Agent 协作驱动的多模态创意工作室，用户只需提交一份需求，系统会调度不同的创意 Agent 和专业技能，完成图片、视频、3D、UI 等多模态创作。
值得一提的是，Miora 内置记忆系统可持续学习用户的审美偏好、品牌规范和创作习惯，使用越久越贴合需求；再利用其开放的技能生态，用户可将创作工作流沉淀为可复用、可分享的专属技能，大幅降低重复工作成本。
据虎嗅了解，Miora 内测用户中超半数并非专业设计师，市场运营、研发等岗位人员均可借助它完成宣传图、Demo 素材制作，恰恰印证了智能体的核心价值：降低专业创作工具的门槛，让从业者回归创意本身。
无独有偶，7 月 20 日，《2026Q2 中国办公智能体平台市场洞察报告》发布，腾讯 WorkBuddy 在国内 PC 端 AI 原生办公智能体市场，6 月单月访问量突破 2000 万，稳居市场第一，访问量超过第二、第三名的总和。
WAIC 期间，WorkBuddy 已火速发布独立 APP，同步覆盖 iOS、Android、鸿蒙系统，成为首个登陆鸿蒙的通用智能体应用，正式跳出腾讯生态成为独立产品。
不止于软件形态，WorkBuddy 还在发力拓展智能体的入口边界：
联合李未可推出 X-AI 记忆眼镜，将 AI 入口延伸至可穿戴设备，自动记录工作场景信息、形成工作记忆，解决传统 AI "缺少上下文、只能完成单点任务"的短板；
推出" AI 航海家 + "出海工具，叠加七国政策、法律、税务语料，成为通用能力 + 垂直语料落地的典型样本。
一套组合拳下来，腾讯所有布局都指向同一个核心：让智能体嵌入生产流程，转化为实际生产力。
当然，智能体要规模化落地，离不开底层大模型的支撑。在行业普遍堆参数、拼跑分的氛围里，混元 Hy3 没有走堆高参数的老路，背后考量在于：进入大规模商用阶段，成本远比峰值能力重要。对企业而言，不会为了 1% 的效果提升支付数倍的推理成本；对个人用户而言，也不会因偶发的复杂任务，为日常使用的高算力持续付费。
目前，混元对内支撑腾讯全系产品的 AI 能力，对外通过腾讯云开放 API，走的是典型的平台型路线：先夯实模型底座，再驱动上层智能体应用的规模化落地。
市场已经验证了这条路线的合理性：Hy3 发布一周即登顶 OpenRouter 全球大模型调用量总榜，开发者用实际调用量认可了它的性价比、稳定性与 API 体验。
关于行业热议的中美大模型技术差距，腾讯云副总裁吴运声表示：模型能力核心看两个维度，一是智力上限，二是落地成本。"美国厂商主要发力提升智力上限，中国厂商则是在保证智力水平的前提下，主打高性价比，两条路径只是不同的市场选择。就像开源与闭源也只是路径差异，一年前中美模型差距还十分明显；如今，中国开源模型的能力已经超过一年前美国的闭源模型。"
尤其，今年随着 Token 价格持续下降，企业开始精细化核算 AI 投入的 ROI，Token 成本成为行业普遍关注的话题。吴运声认为，现在行业已有成熟的降本路径：
第一，模型分层调用，不同难度的任务匹配不同能力的模型，不需要所有任务都调用最高阶的大模型。
第二，任务拆分处理，模糊推理任务交给智能体，确定性流程用工作流执行，减少不必要的 Token 消耗。
第三，规模效应摊薄，用户量越大，单位成本越低，这和互联网产品的成本逻辑完全一致。
与之对应，腾讯智能体的成本构成一目了然：核心是模型 Token 成本，叠加插件、工具调用成本（如 OCR、文生视频接口），最终费用完全与实际调用挂钩。
配资官方开户至于外界关注的 B 端与 C 端商业逻辑差异，吴运声判断，两者处于完全不同的周期，没有简单的优劣之分。" B 端的投入产出效果短期即可验证，一笔投入能产生多少价值、是否盈利，都可以精准测算；C 端则遵循移动互联网路径，先通过免费或低门槛获取用户，再通过增值服务变现。"
最大瓶颈在存量系统
过去一年，企业级智能体始终停留在"试点多、规模化少"的阶段，行业普遍将阻力归因于模型能力不足、投入产出比不清晰。
吴运声戳破了这个认知误区：当下智能体落地的最大瓶颈，早已不是技术能力本身，而是企业存量系统的适配困境。
虎嗅沟通发现，2025 年企业级智能体还会被检索精度、工作流复杂度掣肘；到 2026 年，Agent Loop（智能体自主感知 - 决策 - 执行的循环能力）大幅提升，绝大多数场景的技术可行性得到验证，真正卡住落地进度的，是企业沉淀了十几年甚至几十年的老旧系统。
"很多系统没有标准化接口，智能体无法直接调用，必须先做适配改造、补充接口，才能嵌入业务流。这既是产业历史遗留问题，也是所有 To B AI 产品必须跨过的门槛。"吴运声说道。
更深层的变化还在于系统设计范式的转移。
过往企业软件、ERP、CRM 核心设计逻辑都是"为人服务"，界面审美、交互习惯、操作逻辑适配人的习惯；智能体时代，系统需要同时"为 Agent 设计"，追求接口标准化、输出结构化、调用自动化。
但这并不意味着老系统会被彻底推翻，吴运声判断："绝大多数 SaaS 企业不会选择推倒重来，历史积累的业务数据与流程沉淀成本太高，行业主流方向是适配性迭代。"
元股证券:ygzq.hk有鉴于此，虎嗅认为，大多数企业的老系统会在一段时间内继续承载核心数据与成熟流程，逐步衍生出 Agent 适配能力；与此同时，会出现中央 Agent，进行跨系统调度流程、完成复杂任务，成为企业系统的新"中控层"。
不过，与行业部分厂商只强调构建能力、评估标准不同，腾讯的思路是覆盖智能体的全生命周期：从构建、评测、发布，到嵌入现有系统、运行状态可观测、全流程审计日志、权限管控，每个环节都纳入智能体开发平台 ADP。
在吴运声看来，智能体的权限管控（能访问什么、不能访问什么）、可审计性（每一步操作是谁做的、怎么完成的）、安全性，和效果评估同等重要。尤其，金融、政务等强监管行业，没有可观测、可审计的能力，智能体根本无法进入生产环境。
为此，ADP 实现了智能体与工作流的双向互调：模糊的、需要推理的任务交给智能体自主处理；确定性强的、标准化的流程交给工作流执行，避免反复消耗 Token ——这一设计直接回应了企业对 Token 成本的顾虑，是智能体落地的关键优化方向。
产品定位上，ADP 与 WorkBuddy 分工明确：WorkBuddy 是开箱即用的个人 / 团队办公效率工具；ADP 是云端一体化企业级平台，面向财务、法务、客服、HR 等核心业务场景，构建完成的智能体可直接发布，也能嵌入企业原有 CRM、OA 等系统。
吴运声强调，企业选择智能体产品，最在意的从来不是成本，而是可信、可控。
这恰恰是 ADP 云端架构的核心优势：统一管理所有智能体的运行、权限、日志，工具凭证物理隔离，避免个人操作带来的数据风险，所有流程可追溯、可审计。
规模化窗口已至
从行业落地进度来看，2026 年企业级智能体已经进入快速增长期。
据虎嗅了解，腾讯云的企业级 Agent 客户数、ADP 平台的智能体数量，同比增速均超 100%。核心驱动力在于，经过一年多的市场普及，企业已经普遍理解智能体的价值，客户教育成本大幅下降。
不过，行业落地呈现明显分化：信息化基础好、系统迭代快的行业，落地速度遥遥领先，比如泛互联网、金融行业，本身信息化成熟，能快速开放接口让智能体调用；而信息化系统陈旧、层层外包的传统企业，落地进度明显偏慢，甚至连系统负责人都对接混乱，改造难度极大。
基于此，落地场景也在从营销、客服两大传统场景，向更多领域延伸。
比如巡检场景，过去货架巡检需要单独训练模型、做数据后处理，现在用智能体搭建流程就能完成；再比如传媒内容生产场景，ADP 在传媒领域智能体开发平台赛道已做到市场第一，大量电视台用它搭建内容生成管线、媒体资源检索系统，落地成效已经得到客户认可。
至于 To B 领域定制化与规模化的矛盾，腾讯的解法是前端靠 FDE（现场交付工程师）对接客户的定制化需求，做场景适配；后端将成熟的方案沉淀为标准化的智能体、技能和方法论，同类客户可以直接复用，逐步实现规模化复制。
谈及智能体与传统 SaaS 的关系，吴运声认为更多是协同而非替代博弈。"传统 SaaS 会逐步适配智能体的调用需求，优化接口与系统设计；智能体则会连接更多 SaaS 系统，成为跨系统的调度层，两者共同完成更复杂的业务工作，而非一方取代另一方。"
当然，整个商业链路的最终落点仍是 SkillHub 技能生态。目前，SkillHub 已沉淀 7.8 万个 AI 技能，搭配 SkillPay 支付体系，打通技能分发、调用、支付全链路：开发者可上架自研技能并设定收费，用户在智能体内可直接调用并完成支付。
这是典型的平台化思路，复刻了 App Store 的生态逻辑：智能体的核心价值来自丰富的技能，平台是技能的集散地，生态越丰富，对用户和开发者的吸引力越强，最终形成正向循环。
顺着这个逻辑，腾讯不追求自研所有技能，而是搭建基础设施，靠生态繁荣实现平台价值指数级增长。毕竟，To B 市场无法靠一家公司全覆盖，腾讯势必要在 AI 时代再次将"半条命"交给生态伙伴。
基于此，腾讯提供底层的平台、模型、产品能力，伙伴提供行业经验、客户资源，双方优势互补，比腾讯自己逐个行业深耕效率要高得多。
纵观腾讯的 AI 布局，从底层到上层已经形成清晰的 AI 产品梯队：
底层基础设施：算力、存储、异构计算，支撑所有上层模型与应用；
模型层：混元大语言模型、多模态模型、具身智能系列模型，提供基础能力；
平台层：ADP 企业级智能体开发平台、Tairos 具身智能平台，是连接模型与应用的中间层；
应用层：面向办公的 WorkBuddy、面向代码的 CodeBuddy、面向企业知识库的乐享、面向个人的 ima 与元宝，覆盖不同场景需求。
这套体系的优势在于，每层能力都得以补齐，每个场景都有对应产品，产品之间形成了完整联动，而腾讯在合纵连横时，悄然攥紧了智能体时代的话语权。
# 虎嗅商业消费主笔黄青春、黄青春频道出品人，关注文娱社交、游戏影音等多个领域，行业人士交流加微信：724051399追高被套，新闻线索亦可邮件至 huangqingchun@huxiu.com
在线炒股配资官网查询提示：本文来自互联网，不代表本网站观点。
