Agent 能干的活，从年初到现在肉眼可见地变多了，企业应用也在加速。麦肯锡今年 8 月的调查显示，大型企业 Agent 规模化应用比例从去年的 27% 升至 40%。
但在 Agent 深入企业业务的过程中，一些问题也开始显现。行业里的判断比较一致：不是模型不够强，而是断点太多。在 2026 腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生谈及这一话题时，将解决问题的关键归结为连接：让人、工具、系统和数据连起来，让大模型理解业务上下文，真正进入工作流程。
围绕这一判断，腾讯云将打造“全场景、高效能、更放心”的 Agent 生产力系统，并发布多项产品能力。在腾讯数字生态大会 AI 产品发布台，这套 Agent 生产力系统被进一步拆分成四个版块、七场议题、40+ 场发布。WorkBuddy、腾讯文档、ima、ADP、WAND、天籁语音大模型、TDSQL Nexa、无境、AgentHosting、Agent Runtime、TokenHub 等数十款产品集中亮相，构成了一次规模宏大的 Agent 生产力产品版图集中检阅：
• 「全场景」首先要解决 Agent 在企业里能做什么。应用板块从办公协同延伸到业务执行，数据板块则进一步回答 Agent 怎样理解和使用企业数据。
• 「更放心」要解决的是权限和风险。Agent 接触的数据越多，能够调用的工具越多，企业越需要知道它是谁、能做什么，以及出了问题如何追溯。
• 「高效能」落在工程层面。Agent 数量增加之后，运行环境、模型调用、算力调度和成本管理，都需要有相应的基础设施支撑。
这 40 多场发布，实际上回答的，是企业怎样才能把 Agent 真正用起来，并且长期用下去。
企业使用 Agent，最容易开始的场景还是办公。写邮件、整理会议纪要、生成 PPT，这些任务已经有不少 Agent 能够完成。但一个人把 AI 用顺手之后，不代表整个团队也都能用起来。
汤道生在主论坛上谈到了办公方式的变化。在他看来，过去几十年的数字化办公主要围绕文件展开，不同格式的文件由不同应用负责编辑和管理，工作依赖鼠标、键盘和人工传递。多人协作时，每个人修改自己的版本，再来回传阅，效率并不高。
但在办公 Agent 时代，汤道生判断，多人协作将会进入人机共创的新范式：团队讨论完把需求提交给 AI，内容由大模型生成，由 Agent 来整合，团队来验收，然后沉淀到知识库。
也就是说，Agent 将从个人手边的工具，进入团队的任务流。WorkBuddy 企业版这次升级，重点也落在这里。它没有把企业版做成桌面端的“加强包”，而是围绕 Agent 进入团队后的四个卡点补底座：系统难打通、不敢放权、不好管控、难以常驻。
其中，开放平台向内融合企业微信和腾讯办公生态，向外兼容第三方 IM 与企业系统，并接入主流开源模型；企业级安全方案联合腾讯云安全，覆盖账号、权限、沙箱和模型隐私计算；可观测中心把 Credits 积分消耗和运行轨迹摆到管理者面前；WorkBuddy 托管智能体（WMA）把执行能力搬到云端，内核沿用 WorkBuddy 的 Agent 底座与 Harness，由 Agent 运行时、Harness、模型和企业管理平台组成。
最有意思的，是 WorkBuddy 与企业微信的融合。今年 10 月，WorkBuddy 正式进入企业微信通讯录，双方打通企业账号体系。经过授权，企业微信里的工作群讨论、会议记录、文档，以及与微信客户、邮件沟通中的关键信息，都可以成为 WorkBuddy 理解任务的依据。
过去企业部署 Agent，最难处理的往往是信息从哪里来、任务交给谁、结果怎样回到原有流程。企业微信提供沟通和组织关系，WorkBuddy 承担任务执行，打通后，Agent 有机会进入更完整的工作链条。
任务接进来，最终要落成方案、报告，腾讯文档此次专门发布了面向 AI 时代的全新编辑引擎。
传统编辑器主要是为人设计的，Agent 想要操作文档，很多时候只能通过识别屏幕、模拟鼠标点击等方式完成，效率并不高。腾讯文档这次重新设计了编辑器，在保留传统 Office 编辑能力的同时，为 AI 和 Agent 提供了专门的交互方式，让它们可以直接读取上下文、编辑内容，与人围绕同一份文档共同工作，文档内容和修改状态也能实时同步。
据介绍，新编辑器兼容 DOCX、XLSX、PPTX 等 Office 格式，同时支持 Markdown、HTML 等 AI 原生内容形态。本地文件、在线文档，以及知识库中的资料都可以进入统一的编辑流程，编辑完成后还能回写原有文档。
另一个变化是，文档和 Agent 之间不再是单向关系。腾讯文档已经在 WorkBuddy 中集成 AI 编辑器，用户既可以从 WorkBuddy 的对话出发生成和编辑文档，也可以直接打开腾讯文档，在编辑过程中调用 WorkBuddy 的 Agent，两种工作方式之间还能共享上下文。此外，腾讯文档也将原有的协同权限管理机制延伸到人和 Agent 的协作中，明确双方的操作权限，避免越权访问。
目前，这项能力已在 WorkBuddy 等场景中落地，后续还将与腾讯网盘、元宝和企业微信等产品结合。文档由此不再只是内容的存放和编辑工具，也成为 Agent 执行任务、交付成果，并让成果继续进入下一轮工作的一个环节。
除了在文档中协作、交付成果，Agent 要把任务做好，还需要充分调用用户积累的知识与经验。腾讯 AI 知识管家 ima 今年推出了知识 Agent——Copilot，通过 Copilot 设定、用户档案、长期记忆和经验技巧四大模块，记住用户的背景、习惯与正在推进的事项，支持跨场景连续协作，减少重复输入。用户浏览网页、文件、知识库或笔记时，Copilot 还能感知当前内容，无需额外上传文件，即可基于当前内容完成理解与处理。
ima 高级产品经理翁祺介绍，ima 希望成为用户和 Agent 的“第二大脑”，帮助用户更好地调用已有知识，让 AI 协作更充分地应用上下文。为此，ima 支持笔记、录音、微信和网页内容剪藏、本地文件导入，并在 PC、App、小程序、浏览器插件等端提供知识管理能力；同时，通过原生嵌入、MCP 和 Skills 等方式，向更多应用和 Agent 开放知识调用能力。据介绍，目前 ima 已汇聚 1300 万知识工作者，沉淀的知识管理规模超过 12 亿，在 WorkBuddy、元宝中的累计调用量超过 2 亿次。
在专业知识服务方面，ima 知识号生态共享内容数量达到 5.2 亿。ima 通过知识号支持知识贡献者长期经营专业内容，并已上线内容运营工具和付费订阅功能，推动专业知识从一次性分享走向持续更新与服务，让知识在更多用户和 Agent 的实际任务中发挥价值。
再往业务里走，腾讯云智能体开发平台 ADP 此次升级放在智能体全生命周期管理上。企业可以通过专线、PrivateLink 和云联网连接腾讯云、本地机房或其他云环境，并按网段、数据表和记录控制访问权限。
在构建层面，ADP 把智能体与站点服务结合，Agent 负责分析和执行，站点服务承载操作页面、业务逻辑和数据状态；运行层通过云端 Agent Harness 管理任务执行、记忆、工具、沙箱和调度；优化层引入业务反馈驱动调优，业务人员用自然语言提出修改意见，Agent 生成候选准则，再经人工审核和复评验证。ADP 还与 WorkBuddy 双向打通，企业在 ADP 上构建的 Skill 可以分发到 WorkBuddy，员工也可以把验证过的工作流转成企业智能体。新版 ADP 开放了覆盖十个模块的 130 多个 Open API。
据介绍，伊利使用 ADP、WorkBuddy 和企业微信开展营销与销售工作，WorkBuddy 汇聚业务数据、分析并生成经营策略，再下发给上千名导购，运营提效超过 50%；ADP 导购智能体可以实时生成商品推荐和沟通话术，A/B 测试显示销售订单提升 26%。
Agent 已经能接进营销和销售流程，但企业里还有很多工作不发生在屏幕上，开会、接客服电话、和海外团队沟通，这些场景的入口都是声音。
腾讯天籁此次发布了语音理解、语音生成和同声传译三款大模型，分别处理三个不同的语音难题。其中，语音理解大模型解决的是“听得准”。线上会议有屏幕分享、上传文档，线下会议有参会人列表和过往摘要，这些视觉信息都能辅助转写；交替发言和重叠发言里，模型要区分讲话人，并通过声音识别把不同讲话人和本人关联，做到分得开、认得出；支持 16 种语言及多种方言，能处理时兴词和英文缩略词；结合更多上下文做多轮精修。
语音生成大模型解决的是“说得好”。过去音频生成系统内部多个模块训练目标对齐不一致，声学编码器生成的 Token 含义模糊，训练和推理目标也不一致，导致生成的语音不够自然、韵律不够丰富。天籁的解法是端到端全链路架构，在训练末段引入奖励函数，从人类听感角度协调各模块目标。效果是能聊天、会共情、会说方言，5 到 10 秒即可复刻声音。
同声传译大模型解决的是“跨语言沟通”。过去的方案有两个短板：翻译层面逐句或逐字输出会生硬，播报层面通用机器人音色不保留原始说话人的声音和情绪，听感上更像系统念稿。天籁的同声传译在讲话人持续发声的同时完成翻译输出，实现实时同传、音色克隆、同语直通和语音过滤。
此外，腾讯网盘做套件的统一存储底座，资产按授权被人和 Agent 取用、回存；腾讯乐享为 Agent 供给可溯源的企业知识；腾讯设计 Ardot 把设计接上需求与代码，Ardot MCP 让 CodeBuddy、WorkBuddy 读取设计稿的结构、组件和变量，并支持代码反写画布；CNB 与 CodeBuddy 让 AI “住进”研发流程；WAND、实时智能、元宝搜索提供生成、语音与搜索能力；MAGIC AI、腾讯云 Mall 则把 Agent 做进营销和私域经营。
整个 Agent 应用版块看下来发现，这些能力过去分散在不同产品里，现在开始互相咬合。企业过去多年积累的办公工具、知识库和业务系统，开始有机会成为 Agent 可以直接使用的资源。
但工具接上了，活不一定干得对。Agent 真正进入业务，前提是它看得懂企业自己的业务口径。同一个“回款逾期”，销售、主管、财务看到的范围不一样；同一份经营报表，换个部门可能算法就不同。这类问题，需要回到数据层去找答案。
汤道生在解读“全场景”时，把数据平台放在了办公场景之后。他的判断是，Agent 要进入企业工作流，得先打通数据平台。
过去，企业的 ERP、CRM 各自沉淀了大量经营数据，但每个系统割接，就算系统打通了，工作量也十分巨大，每次等待的时间很长。“在 AI 时代，速度本身就是竞争力”。
AI 产品发布台数据板块讨论的，就是如何让 Agent 快速拿到并读懂企业数据。腾讯云把数据库与大数据的六款产品串成“懂—存—跑—自治”的链路。
首先要解决的是「懂」。Agent 能生成 SQL，不代表它理解企业的数据。AI 原生多模数据库 TDSQL Nexa Lakebase 的设计思路，是把海量存储、事务、分析、搜索和 AI 计算放进同一套数据管理体系。它没有要求一个引擎承担所有工作，而是让宽表、搜索、AI 计算和分析四类引擎围绕同一份数据分工，减少不同系统之间的数据搬运和同步。
其中，宽表引擎支持千亿行数据和万列级动态列，适合管理大量持续变化的标签；搜索引擎结合标量、全文和向量检索；AI 计算基于 Ray 提供弹性 CPU、GPU 资源，支持解析、抽帧、打标和向量化；分析引擎则负责聚合分析和复杂查询。底层通过 NTS 数据通道连接外部数据和内部引擎，衔接数据同步。
Nexa Knowledge 进一步补上了业务语义能力。它可以连接企业已有数据库，自动扫描元数据，同时接收业务规范、专家经验等资料，梳理业务域、对象以及表和字段的含义，再将术语、统计口径、澄清规则和经过验证的问答沉淀为可复用的上下文。
数据读得懂，还得「存」得下。腾讯云数据库 TDSQL Boundless 由在银行、证券等行业打磨的分布式 TDSQL 演化而来，用一套内核兼顾事务、宽表、KV、文档、分析、搜索和语义检索，支持 MySQL 协议和 HBase API。此外，TDSQL Boundless 还在原有分布式事务与可扩展存储的能力上扩展了自动冷热分离的功能来降低系统使用成本，为 TDSQL nexa 提供了相关的存储底座。
数据存得下，还得「跑」得起。当调用方从人变成 Agent 之后，数据库访问变得海量、高并发，也更难预判。
TDSQL-C PostgreSQL 此次升级，重点放在为 Agent 提供生产级数据库后端。它的 Serverless 能力支持计算资源按真实用量动态分配，无连接时缩容至零，秒级冷启动。数据分支则基于 Copy-on-Write 技术，PB 级数据克隆约需 1 秒，支持创建不限数量的分支和状态存档。每个 Agent 可以在独立分支上试错，操作对主库保持透明，完成后再决定是否合并。
此外，TDSQL-C PostgreSQL 还提供多 Agent 数据库沙箱，为不同 Agent 分配独立数据库实例，支持秒级拉起和自动销毁，并遵循最小权限原则。接入方面支持 MCP、REST 和 SQL，也提供 DiskANN 向量索引、库内实时分析、AI 优化器，以及通过 SQL 直接调用大模型等能力。
前几款产品主要解决的是 Agent 使用数据的基础设施问题，TencentDB Agent 要做的，是让 Agent 接手 DBA 的工作，实现「自治」。TencentDB Agent 的定位是专属 AI 数据库专家，能够通过对话完成数据库诊断和运维。它将腾讯云多年积累的数据库运维经验封装为 Skill，并以 10 万级历史工单作为评测基础，持续检验和更新 Agent 的能力。目前已打通 1600 多个 OpenAPI，覆盖事前预测、事中应急和日常运维。
最后一个环节，腾讯云把 DataBuddy 的能力进一步交付到企业自己的数据环境。
DataBuddy Unity Semantics 负责建立统一业务语义底座。它分为统一元数据、语义模型和本体模型三个层次：统一管理技术与业务元数据，并串联全链路血缘；语义模型统一企业指标和统计口径；本体模型则通过对象、属性、关系、规则和动作描述业务，让 Agent 不仅能算对数，也能理解应该执行什么动作。
语义建好之后，DataBuddy 提供了三种使用方式：通过 Hi Buddy 分析 Agent 完成取数、归因和报告生成；以 iFrame 嵌入现有业务系统；也可以通过 MCP 将子 Agent 能力开放给 WorkBuddy、Codex 和 ADP 等外部平台。它还支持直连企业已有数据库，不需要把数据搬到 DataBuddy 中。
对于金融等受监管行业，腾讯云此次正式发布 DataBuddy 私有化解决方案。企业可以基于存量数据资产建立语义层和本体模型，Agent 按使用者身份继承行列权限和对象权限，敏感字段进行脱敏，问题、模型推理和返回结果全程留痕。方案还支持企业本地多模型接入，并提供上下文和模型报文适配能力。
从数据板块的几项发布可以看出，腾讯云对 Agent 数据能力的思考分成了两步：先把基础设施准备好，让 Agent 能理解业务、存储和处理数据，并在隔离环境中稳定运行；再让 Agent 接手数据库运维，同时通过私有化方案进入企业自己的数据环境。
过去，数据库主要服务于业务系统和开发者。现在，Agent 也开始成为数据的使用者，甚至参与数据管理和运维。企业要让它真正承担工作，既要让它读懂数据，也要给它足够可靠的运行环境。先把地基打好，再谈让 Agent 接手工作。
如果说应用和数据解决的是 Agent 怎样开展工作，那么安全需要回答的，是它可以做什么，又该如何确保它不会越界？
主论坛上，汤道生谈到了 Agent 规模化应用带来的安全挑战。随着越来越多 Agent 进入企业办公网，它们会接触更多企业数据，也会调用更多工具和系统。与此同时，AI 降低了攻击者的技术门槛，原本需要专业人员花费数周完成的攻击，现在可能由多个 Agent 并行推进，在数小时内完成。
在他看来，企业需要建立一套面向 Agent 的可信 AI 治理体系，覆盖行为控制、过程追溯和数据管理。“安全不让位于效率，创新才能走得更远。”
到了 AI 产品发布台的安全板块，这个问题被进一步拆解。七场分享分为攻防和业务安全两部分：前者关注企业怎样提前发现攻击、守住云上基础设施；后者则关注 Agent 大规模参与业务后，怎样识别新的风险。
先看攻防。腾讯云安全无境产品负责人贾宇阳提到，过去一次渗透测试通常需要专业人员花费数周甚至数月，现在攻击者只需要给出目标，就可以调度多个 Agent 并行完成侦察、漏洞挖掘和验证，攻击周期被压缩到小时级。
腾讯云无境给出的方案，是把渗透测试变成由 AI 驱动的自主探索。它将整个渗透过程组织成一张共享的 FGS 图，包含 Fact（事实）、Goal（目标）和 Step（步骤）。系统根据已经确认的事实判断下一步行动，继续验证有效线索，排除无效方向，并把每次操作及结果记录下来。新的发现会触发下一轮判断，形成持续推进的搜索过程。
自主探索也必须有明确边界。无境设置了三层安全护栏：先通过提示词约束授权范围和操作规范，再由规则引擎与小模型在执行前判断动作意图和影响，最后通过流量沙箱限制测试流量的域名、IP 和接口范围，发现越界行为立即熔断。
无境解决的是如何主动发现漏洞，云安全中心面对的，是另一个更日常的问题：企业的云上资产越来越多，安全团队怎样及时看清风险、处理告警？
腾讯云主机安全高级产品经理戈建勇此次发布了新一代云安全中心，将主机安全、容器安全、EDR 深度检测与云安全态势管理（CSPM）等能力整合起来，通过统一控制台管理多账号、多云资产。
具体到日常运营，云安全中心可以按照 ATT&CK 攻击阶段呈现告警，帮助安全人员了解风险对应的攻击行为、影响资产和处置动作；通过 VPR 智能评估，结合漏洞危害、可利用性和活跃程度识别需要优先修复的问题；同时检查云资源暴露路径、安全组、存储桶和账号配置，帮助企业收敛云上风险。
云安全中心还加入了 AI 安全运营助手。面对安全咨询、事件调查、高级威胁检测和风险处置等工作，运营人员可以直接通过 AI 控制台发起任务，也可以生成安全日报、月报和定时任务，减少日常运营中的重复劳动。
攻防和基础设施之外，Agent 也给业务安全带来了新的压力。过去，黑灰产更换一轮攻击策略可能需要一两周，企业的风控规则和特征库可以维持相对稳定。腾讯天御产品负责人付翮飞提到，现在黑灰产可能每小时就换一种攻击方式，攻击者也从一个账号对应一个真人，变成一群 7×24 小时运行的 Agent。传统依赖人工分析、设计规则和上线策略的方式，越来越难跟上变化。
天御风控 Agent 将黑灰产情报与业务风控系统连接起来，帮助企业完成风险发现、原因分析、策略设计、仿真评估和策略上线。例如，风控人员可以直接在企业微信中询问某个用户为什么被拦截，Agent 自动查询相关数据并给出处置建议；发现新的攻击手法后，也可以分析现有策略的覆盖情况，生成候选策略，再通过策略实验室进行仿真，经过人工审核后上线。
在身份安全方面，天御还集成了 KYA（Know Your Agent）方案，结合账号、设备和行为时序识别异常 Agent 调用，对风险进行毫秒级分级处置。目前，天御风控 Agent 的外部客户已超过 40 家，覆盖文旅、零售、医疗、互联网、游戏和金融等行业。
此外，本次更新的腾讯 IEG 的多 Agent 测试框架可以按错判风险和可逆性分配决策权，高危指令和未知异常交给人；腾讯游戏安全 ACE 以 AI 对抗 AI，检测速度提升到分钟级乃至毫秒级；腾讯云 eKYC 人脸防护盾针对面部深度伪造做多模态防御，测试中拦截率最高达 99%。
Agent 可以提高工作的速度，也会放大权限配置、漏洞利用和业务欺诈中的风险。企业要让它真正进入生产环境，必须先把安全边界划清楚，并让风险发现、分析和处置跟上业务运行的速度。这也是 Agent 从试点走向规模化应用时，绕不开的一环。
应用、数据、安全三大板块，回答了 Agent 能做什么、如何答对、边界在哪。但要确保这些能力跑得稳、用得起，还需要归到工程上。
汤道生将 Agent 工程的关键词总结为“高效能”，他观察到的一大变化是，随着 Agent 持续渗透办公与业务场景，企业的 Token 使用量与成本暴增。企业需要从粗放使用最强、最贵的模型，转向追求性价比，精准匹配不同模型来执行不同任务。
在 AI 产品发布台 Agent 工程板块中，三场议题按距离落地由近及远，进一步探讨这一问题：Agent Hosting 回答的，是 Agent 要有地方常驻，也要像管理员工一样被统一管理；Agent Infra 回答的，是海量 Agent 同时运行，如何让沙箱、存储、上下文、可观测和网关都能跟上；MaaS 服务及训推加速回答得，是如何让模型能力按需取用、成本算得清，还能落进客户自己的机房。
先看 Agent Hosting（Agent 托管与治理）。腾讯云把原有的云端自托管 Agent 产品系列升级为统一品牌 AgentHosting，品牌首字母“AH”既呼应 Aha Moment，也呼应“Always Here”。Aha 是发现新可能时的惊喜，Always Here 是云端能力的持续陪伴，让 Agent 接住任务、继续推进。
AgentHosting（https://ah.tencent.com/）汇聚 Lighthouse Agent、ClawPro、SkillHub、Octop 等产品能力，明确了三个方向：Here to Run，让任务持续运行；Here to Connect，让需求找到合适的能力；Here to Govern，让团队使用有序、责任清楚。
Lighthouse Agent 管“在哪跑”，依托腾讯轻量云，支持主流 Agent 快速云端部署；ClawPro 负责“怎么管”，支持统一纳管云端与本地 Agent，集中管理组织权限、模型配额、Token 用量和安全审计；SkillHub 解决“技能从哪来”，支持在 Agent 对话中发起安装，通过 TRACE 评测帮助用户选择技能，并发布 SkillPay 连接技能服务的交易与交付；Octop 面向开源开放，以云服务器运维作为核心切入点，依托开源社区生态持续向更多专业垂类场景延伸。
再看 Agent Infra。为了让 Agent 从“能跑起来”到“可规模化、可信赖地持续生产”，腾讯云这次全新升级了 Agent Runtime，围绕上下文管理、工具调用、安全沙箱、可观测、评测等关键环节做了系统性增强。整个升级覆盖运行域、治理域、进化域：运行域让 Agent 跑得稳，治理域让 Agent 管得住，进化域让 Agent 越来越聪明。
作为 Agent Runtime 运行域里的关键执行环境，沙箱要同时做到隔离和快。腾讯云开源的弹性沙箱平台 CubeSandbox 为每个沙箱提供独立的 MicroVM，实现硬件级隔离，快照启动可在 60 毫秒内完成，克隆出的副本独立运行、互不影响，回滚后可以立即执行，适合环境异常恢复和批量实验。
沙箱从几百个扩到上千万个，先吃紧的常常是存储。Agent CFS 支持多子 Agent 安全共享数据、休眠态数据可达、资源配额与冷热分层。Agent Bucket 创新引入了 Space 逻辑抽象层，提供海量 Agent 独立空间管理、高性能挂载、智能检索、应用管理和多模态的智能检索能力。
AI 网关支持一个入口，管理所有模型、MCP、Agent，支持密钥托管，智能路由，成本分析，安全合规等能力；AgentObs 按会话、轮次还原 Agent 推理、检索与工具调用链路，沉淀线上异常样本形成评测数据集，支撑模型、提示词、工具迭代，实现 Agent 版本效果可量化验证。
ContextTurbo 是面向 AI Coding 的上下文增强服务，通过上下文压缩与长期记忆，降低持续开发中的 Token 成本，减少重复探索，让项目经验沉淀为可复用的团队资产，帮助企业以更低成本、更高效率推动 AI Coding 规模化应用。
开源项目 TeamAI CLI 能够将团队的最佳实践、踩坑经验、Skills 等自动分发给团队成员，让每个成员都能用上最适合自己团队的 Harness。
运行域让 Agent 跑得稳，治理域让它管得住，进化域让它越用越聪明。行业谈 Agent 常盯着模型能力，企业真正卡住的却常是沙箱起不来、存储撑不住、权限管不住、出错查不清这些工程化问题。
解决完这些问题，企业还得继续算一笔账：模型从哪里来？不同任务应该用什么模型？推理速度和算力成本又该怎么平衡？这些，也是 MaaS 服务及训推加速议题需要回答的。
腾讯云大模型服务平台 TokenHub 此次升级，主要围绕模型供给、服务稳定性、使用体验和成本治理展开。在腾讯混元之外，聚合 DeepSeek、GLM、MiniMax、Kimi 等主流模型，覆盖文本推理、代码、图像、视频、音频和 3D 等能力，并通过重点模型 Day0 接入，让用户在模型发布首日就能体验新能力。安全方面，TokenHub 建立四层安全合规体系，覆盖基础运行时、企业资产、数据内容和合规风险。
模型调用的成本是一笔账，推理服务本身的效率是另一笔账。腾讯云大模型训推平台 TI-ONE 此次升级集中在更快、更省、更易用。TI-ONE 基于五层技术路线优化国产芯片推理能力：数据通路优化使有效带宽提升 325%；算子重构使单算子最高加速 9 倍；并行与通信优化使 TPOT 下降 23%；多级缓存使 KV 池容量扩大约 7 倍，长上下文场景首字延迟下降 87%；集群调度与路由将缓存命中率从 80% 提升到 92% 以上，集群吞吐提升 50% 至 70%。
对于金融、政务、医疗等对数据出域有严格要求的行业，腾讯云此次还正式发布专有云 AI 套件，面向中大型企业提供从异构算力、模型服务到 Agent 运行和应用接入的能力，企业可以接入 WorkBuddy、CodeBuddy 并统一纳管。腾讯云灾备中心 BDRC，则可以统一管理云上和本地环境中的文件、对象、数据库及 Agent 存储。
回看这两天的 AI 产品发布台，从 Agent 应用、数据、安全，到运行环境、基础设施和工程体系，腾讯展示了一套覆盖 Agent 全流程的产品布局。随着 Agent 从单项任务走向长期运行，企业关注的，将集中在能不能接入现有业务，能不能用好企业数据，能不能在安全边界内稳定运行，以及能不能持续产生实际价值。
正如汤道生在主论坛上所说，回望信息技术的发展，真正的产业变革，不只是来自技术突破，更来自技术深入业务、加强与上下游的连接，甚至改变组织方式。
AI 也一样。从“用上”到“用好”，关键是让 AI 真正进入业务流程，创造生产力，持续提升经营效率和投资回报。
