5月21日，在北京一家五星级酒店的宴会厅内，腾讯云AI产业应用峰会盛大举行。会场入口处，混元大模型和智能体的互动展示前，参观者络绎不绝。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，自信地站在会场中央的演讲台上，沉稳有力地阐述着腾讯对AI的全面战略布局。

汤道生开门见山地指出：“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’。”腾讯在加大AI投入力度上可谓果敢激进，打通了各业务条线与AI之间的壁垒，以极大的权限向各业务开放AI能力。

“全面拥抱AI”，不仅是本场峰会的主题，更是贯穿腾讯2025年全年的重要战略，深刻影响着这家科技大厂的方方面面。汤道生在演讲中提出了大模型、智能体、知识库和基础设施”四个加速”的战略，其中智能体是极为关键的一种呈现形式，代表着大模型在国内发展三年后应用范式的迭代。

然而，智能体的定义在行业里还不够清晰。

在大多数人眼中，智能体十分实用。当你想订机票、查找整理信息或统计excel表时，无需打开不同软件app手动操作，只需告诉智能助手，它就能自动完成，轻松帮你订好机票。就像在媒体群访间，腾讯云副总裁吴运声幽默地说：“我现在就特别希望有一个智能体来替我回答你们的问题。”

从这个角度看，智能体的概念并不难理解。但目前概念模糊，是因为行业内存在诸多问题。

市面上的智能体，能力范围、交互方式甚至底层架构都可能大相径庭，这导致用户对智能体的期望与实际能力存在巨大差距。有些智能体仅具备自然语言交互能力，有些甚至只是简单的自动化工具，与过去的SaaS软件唯一的区别可能只是象征性地加了AI，并未真正具备自主思考能力来改变用户与软件应用的交互方式，而这恰恰是智能体的核心。吴运声在现场明确表示：“真正的智能体需要有思考、规划和执行的能力。”

目前智能体最大的问题不是会不会思考，而是能力边界。虽然部分智能体已经具备思考能力，但要真正突破能力边界，还有很长的路要走。

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，它需要访问日历、联系人、支付系统，还需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。不过，这并非只是AI时代才有的问题，从这个维度来看，真正能做到全能的智能体几乎为零。

在本次腾讯云AI峰会的会场上，智能体成为了大家热议的焦点。此前，无论是Manus，还是国内一众巨头和模型厂商推出的类Manus产品，都将智能体推向了风口浪尖。

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精彩对话内容：

Q：今天腾讯云推出了智能体开发平台，在这背后腾讯云有着怎样的深刻思考？

吴运声：作为从业者，我深切感受到最近几年AI发展迅猛，从技术到产品形态，从客户需求到技术与需求的结合，都发生了巨大变化。

我们始终秉持AI要真正服务客户需求的理念，无论是做技术还是产品，都致力于服务客户实际场景，为客户创造价值，这是我们坚定不移的宗旨。

过去我们提出知识引擎，是因为观察到在大模型出现后，企业知识的使用和知识库能力对企业构建至关重要。我们在知识挖掘方面积累了丰富的能力，比如能在大Excel表格里挖掘答案，这在过去是难以想象的。

Q：智能体与传统SaaS的本质差异究竟在哪里？

吴运声：我认为关键区别有两点：

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，即便有分支逻辑，也是开发者预先定义的。而智能体面对自然语言交互，用户输入开放，不可能穷举所有分支，这就需要智能体能够自主理解、规划、执行任务，而非依赖固定流程。

二、智能体能融合确定性工作流与自主规划机制。我们的智能体平台支持工作流组件的融合，用户可以构建确定性流程处理特定任务，同时允许智能体在其中进行自主规划，实现了灵活性与确定性的完美结合，能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。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：我们加快发布节奏，本质是客户需求在驱动我们不断优化技术堆栈。视觉、多模态、文本和智能体技术并非孤立发展，而是相互协同，共同支撑整个企业AI应用的落地。

以我们早期的重要产品——媒体AI中台为例，其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，常见需求有：

•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技术实现这些能力效果不佳。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；

•视频理解不再单纯依赖视觉模型，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明显加快。这不是单点能力的简单堆积，而是以客户需求为中心，将能力整合成“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。我们过去多年的能力积累，借助大模型、Agent等最新范式重新激活，以更智能、更高效的方式解决问题。

Q：从腾讯的角度看，在推动智能体落地过程中有哪些强大的能力储备？又面临着哪些挑战？

吴运声：我们并非“为了智能体而智能体”，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。我们将传统的工作流能力和Agent能力融合起来，提出了一个极具代表性的创新——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，而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，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。

我们坚信，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充分发挥价值。

Q：您如何看待当前AI应用的发展趋势？是否认为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，这种说法比较模糊。AI在很多领域都有广泛应用，智能体确实发展迅速，且智能体技术本身基于大模型。

很多企业使用的大模型技术，与智能体的界限并不分明。智能体和大模型是相互促进的关系，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重要位置？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。我们在打造这个平台时，自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，这正是我们过去积累的优势。