出品｜虎嗅科技组
作者｜宋思杭
编辑｜苗正卿
头图｜视觉中国
5月21日，在北京一家五星级酒店的宴会厅里，腾讯云AI产业应用峰会正在举行。会场入口处，一排混元大模型和智能体的互动展示吸引了络绎不绝的参观者。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生身着深灰色西装、浅蓝色衬衫出现在会场中央的演讲台上。他保持了一贯的沉稳风格，平静而有力地阐述着腾讯对AI的全面战略布局。
“AI持续落地，每个企业正在成为AI公司，每个人也将成为AI加持的’超级个体’。”汤道生开门见山地表示。而在加大AI投入力度方面，腾讯的做法可以说是相当激进，其打通了各业务条线与AI之间的壁垒，极大权限地对各业务开放了AI能力。
而“全面拥抱AI”，既是本场峰会的主题，同时也贯穿了腾讯2025年的全年战略重要。它正在影响着这家科技大厂的方方面面。在演讲中，汤道生还提出了大模型、智能体、知识库和基础设施”四个加速”的战略。其中，智能体则是极为重要的一种呈现形式。它所代表的是当大模型在国内走过三年时间，应用范式的迭代。
然而，究竟什么是智能体？这个定义在行业里似乎还不够清晰。
在大部分人的眼中，智能体是这样的——当你想打开软件订机票，或者查找、整理信息，统计一个excel表，不再需要打开不同软件app自己完成，而是告诉智能助手，它就能够自动帮你完成，最终帮你订好机票。就好像在媒体群访间，腾讯云副总裁吴运声对媒体打趣道，“我现在就很希望有一个智能体来替我回答你们的问题。”
从这个层面来理解，智能体的概念并不模糊。然而，目前之所以概念模糊，正是因为行业内存在诸多问题。
比如市面上的智能体，它们的能力范围、交互方式甚至底层架构都可能完全不同。这从而也导致用户对智能体的期望与实际能力之间存在巨大差距。有些智能体可能仅具备自然语言交互能力，有些智能体甚至只是一个简单的自动化工具，后者与过去的SaaS软件唯一的差异可能只是象征性地加了AI，实际上并没有自主思考从而改变用户与软件应用的交互方式，而这一点才是稚嫩体的核心。吴运声在现场对媒体表示，“真正的智能体需要有思考、规划和执行的能力”。
其次，目前的智能体最大的bug还不是会不会思考，而是能力边界的问题。因为前者已经有部分智能体做到了，但后者，想要真正突破能力边界，还要走很长的路。
因为用户往往期望智能体能像人类助手一样全能，但实际上智能体的能力边界受到权限、API接口、数据孤岛等多方面因素的限制。比如让智能体帮你订机票，它可能需要访问日历、联系人、支付系统，还需要与航空公司的系统对接。任何一个环节出现问题，整个任务都无法完成。但放大来讲，这并不只是 AI 时代存在的问题。从这一维度来看，真正能做到的智能体几乎为0。
在本次腾讯云AI峰会的会场上，智能体也成了大家讨论最激烈的话题。因为在此之前，无论是Manus，还是国内一众巨头和模型厂商推出的类Manus产品，一度把智能体推向了风口浪尖，使其成为热议的焦点。
以下是在腾讯云AI产业应用峰会现场与腾讯云副总裁、腾讯云智能负责人吴运声的对话内容：
Q：今天腾讯云推出了智能体开发平台，在这背后腾讯云有哪些思考？
吴运声：首先是从我自己从业者的感觉来讲，最近几年AI的发展非常迅速，大环境从技术到产品形态，到面对客户的需求，以及技术与客户需求的结合，这些变化非常重要。
我们一贯的理念是AI不是一个基座，它是要真正服务客户需求的，所以不管做技术做产品，我们都希望服务客户实际的场景，给客户带来价值，这是我们的宗旨。
过往我们提知识引擎，是因为我们观察到在大模型出来之后，企业知识的使用或者知识库能力对企业的构建起着非常重要的作用。所以我们最直接的用途是怎么用技术在知识挖掘上有更好的能力，在这一块我们积累了非常多的能力，今天我也介绍了相关能力，比如我们怎么在大 Excel表格里挖掘答案，在过去这是很难的。
Q：智能体与传统SaaS的本质差异？
吴运声：我认为最关键的区别在于：
一、智能体具备自主思考和决策能力。传统的软件开发范式（包括SaaS）通常是开发者事先设计好流程，即使存在分支逻辑，也是开发者预先定义好的。但智能体面对的是自然语言交互，用户的输入是开放的，不可能穷举所有分支。这时就需要智能体能够自主理解、规划、执行任务，而不是依赖于固定流程。
二、智能体能融合确定性工作流与自主规划机制。我们的智能体平台也支持工作流组件的融合。用户可以构建确定性的流程来处理特定任务，同时也允许智能体在其中进行自主规划。这样就实现了灵活性与确定性的结合，更好地满足复杂多样的企业应用场景。
Q：最近一两个月，腾讯在视觉模型和多模态模型方面的发布节奏明显加快了。作为优图实验室的负责人，您能否从腾讯自身的行业观察和客户需求出发，谈谈为什么我们现在会加快这一块的技术发布和开源？背后有哪些战略或行业层面的考量？
吴运声：我们现在发布节奏加快，本质是客户需求在驱动我们不断优化技术堆栈。无论是视觉、多模态、文本还是智能体技术，它们其实并不是孤立演进的，而是彼此协同、共同支撑整个企业AI应用的落地。
举个例子，我们早期就有一个非常重要的产品——媒体AI中台，服务对象包括电视台、广告公司、内容平台等。很多客户有海量的媒资内容，尤其是视频内容，最常见的需求是：
•快速检索视频中的某一段内容，例如1990年春晚中冯巩的小品；
•将长视频进行自动切分、分类、打标签；
•对视频内容生成摘要，便于理解和传播。
过去用传统AI技术实现这些能力的时候，其实效果并不理想。比如抽取关键词、生成摘要这类任务，对语言理解能力要求很高。传统模型对“第十一届三中全会”或“2008年北京奥运会”这种长实体的识别非常依赖词典或规则，扩展性很差。
但现在我们有了大模型，特别是多模态大模型，在语义理解、上下文建模、内容切分、标签生成等方面都有显著提升。比如：
•大模型可以将不同语言表达的相似语义映射到同一个语义空间，从而实现更强的语义检索与比对；
•视频理解也不再是单纯依赖视觉模型，而是视觉+文本多模态协同；
•通过引入Agent+工作流机制，可以将整个内容理解与加工流程高度自动化、模块化地重构。
所以你会看到我们在视觉模型、多模态模型上的开源和产品化节奏会快很多。这不是单点能力的堆积，而是以客户需求为中心，把能力整合成“系统性解决方案”的过程。
总结来说，技术节奏的加快是被真实业务需求推动的。我们过去很多年的能力积累，现在正好借助大模型、Agent等最新范式重新激活，用更智能、更高效的方式去解决问题。
Q：从腾讯的角度看，在推动智能体落地过程中有哪些能力储备？又有哪些挑战正在面对？
吴运声：从储备来看，我们其实不是“为了智能体而智能体”，而是在智能体背后有深厚的基础能力作为支撑。
•第一是知识管理能力：这是构建企业智能体的核心基础，企业的智能体最终还是要用企业自己的知识体系来提供服务。
•第二是工作流的能力：尽管现在强调Agent的自主规划能力，但现实场景中，很多任务还是需要明确的业务流程。我们把传统的工作流能力和Agent能力融合起来，提出了一个很有代表性的创新——在工作流中引入“全局视野”的智能体节点。
传统的工作流是串行执行、节点独立，但我们现在让每一个节点在执行时，都可以和一个拥有全局上下文理解能力的智能体交互，从而在保持流程确定性的同时，也兼顾了智能体的灵活性。
至于挑战，主要有两个方面：
1.技术层面：目前的Agent框架仍在快速演进，尤其是在自主规划（planning）这个环节上，底层模型还不能100%把复杂任务完全准确地拆解并执行。这是模型和框架协同进化的问题。
2.客户认知层面：很多客户还停留在对“Agent”作为一个新概念的理解阶段。但真正要用好Agent，需要掌握它的使用方式、搭建方法和运行机制。这中间存在一个不小的“认知与使用”的鸿沟，也需要我们通过产品体验优化、培训、服务等多种方式不断去弥合。
我们相信，随着模型能力增强+平台工具完善+企业认知提升，智能体将在更多行业场景中真正发挥价值。
Q：您怎么看当前AI应用的发展趋势？是否觉得智能体是最有前途的方向？因为现在大家似乎都在做智能体。
吴运声：说智能体是AI应用里最有前途的，这个说法其实比较模糊。AI在很多领域都有广泛应用，智能体确实发展迅速，且智能体技术本身就是基于大模型。
很多企业使用的大模型技术，是不是算作用智能体，其实界限没有那么分明。智能体和大模型是互相促进的关系。智能体依赖于大模型的发展，特别是在模型理解任务、自主规划和调用工具等能力上的进步。
所以我认为AI的发展是全方位的，不仅包括大语言模型、多模态模型，还有语音模型、视觉模型等一系列模型的进步。智能体是其中一个非常重要的方向。
Q：在腾讯整体的AI生态里，智能体开发平台处于什么样的位置？它如何与腾讯其他AI产品联动？
吴运声：智能体开发平台的定位是为客户搭建更强大、更复杂的智能体应用。我们在做这个平台时，天然会整合腾讯过去积累的各类AI能力，比如端到端的语音识别和交互能力。以刚才演示的寄快递场景为例，语音通话能力贯穿始终，这正是我们以前积累的优势。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4375742.html?f=wyxwapp
