腾讯提出AI原生组织十大特征：人机分工怎么排

资讯腾讯网作者：腾讯网 2026/11/04 18:11 全文 9397 字 · 约 24 分钟读完配图 1 张分类WorkBuddy 腾讯

吴朋阳腾讯研究院专家季新苏腾讯云资深云产品策略专家当AI变革遭遇组织瓶颈2026年腾讯全球数字生态大会上，组织变革成为热点议题之一。腾讯WorkBuddy专场命名就叫“超级组织”，腾讯HR、财务、行政等职能部门也首次举办专场分享内部探索。所有讨论有一个共同的指向：如何将AI的生产力效应从个体扩展到组织？近期海外也在

所属频道大厂动态 AI 编程与开发

腾讯研究院专家吴朋阳、腾讯云资深云产品策略专家季新苏，围绕AI原生组织这一话题分享了腾讯的探索。

AI变革推进到一定阶段，组织架构往往先卡住。

在2026年腾讯全球数字生态大会上，组织变革成了被反复讨论的话题。腾讯

WorkBuddy专场直接取名“超级组织”，腾讯HR、财务、行政等职能部门也第一次开设专场，讲内部怎么试。这些讨论都指向同一个问题：AI带来的生产力，怎么从个人层面扩展到整个组织？

海外近期同样在盯这件事。OpenAI平台刊出《企业的未来》，讨论AI充当人的助手、团队成员或协调层时，组织分工可能发生什么变化。Anthropic则发布AI原生创业手册，内容覆盖需求验证、产品开发与规模化，主张用智能体工作流撑起日常运营，让组织运转少依赖创始人的持续介入。企业得先把人机分工、权限与验收责任定清楚，AI的执行能力才能变成可靠的组织产出。

问题在于，AI用得越来越深，个人提效和企业整体收益之间还是对不上。OpenAI在2026年9月披露，其样本里使用量排前10%的企业，每活跃用户输出Token是中间10%企业的8.3倍，而1月这个倍数只有2.6倍，使用强度差距拉得很大。麦肯锡2026年调查显示，80%的受访者说AI提高了自己的工作效率，但只有37%表示AI改善了所在企业的息税前利润（EBIT），这一比例与2025年基本持平。

个人拿AI工具做的局部提效，不会自动累加成组织收益。分析做得快了，后面照样要等数据确认、协调和审批；成果多了，审核与维护的负担也可能跟着涨。原有岗位、流程和系统，主要是按人的执行方式设计的。只加工具、不动分工和协作，老一套管理方式仍是瓶颈。生产关系怎么适配新生产力，正是AI原生组织讨论的起点。

十大特征勾画AI原生组织

传统企业把人的生产力放在核心位置，AI原生组织则不同：它以AI为核心生产力，围绕AI的执行能力重新设计业务和运行方式。日常执行主要交给AI，人把精力放到目标、创造、价值判断、协调以及责任兜底上。

这种变化可以从业务、组织、流程、系统和治理五个维度来看，分别对应创造什么价值、怎样分工、如何执行、依据什么、如何管控。五个维度展开后有十个主要目标状态。现实中的企业大多做不到一步到位，往往从局部起步，慢慢改。

（一）业务层：把AI作为核心要素创造新价值

特征①AI倍增器：借助AI加快业务创新及规模化，放大组织创造和交付价值的能力。

过去业务要扩张，通常得同步加人、加交付投入。AI原生企业把AI当成业务的核心要素，靠对AI的投入让产品和服务更快创新、迭代并规模化。

案例｜多邻国

多邻国是在线语言学习平台。以往开发新课程以人工为主，常常要花数年，课程供给的扩展速度被拖住。2025年该公司正式宣布AI优先战略，重点是把生成式AI与共享内容系统、内部工具结合起来，先搭可复用的基础课程，再快速适配成面向不同语言用户的版本。它还改组织流程，鼓励员工用AI，让AI参与内容生成与验证，由教研专家把质量关。2025年4月，多邻国上线148门新课程，以初级为主，课程总量因此增加一倍以上。最初100门课程开发大约用了12年，这批新课程从开发到上线不到一年。课程内容和生产方法可以复用，日语、韩语等7种热门非英语语言课程得以开放给使用28种不同界面语言的用户，业务覆盖面明显扩大。

（二）组织层：围绕任务安排人和AI的分工

特征②任务为中心：按任务灵活进行人机混合编队，组织层级尽量扁平。

特征③数字生产力：AI超越单纯工具，成为可独立完成任务并交付成果的生产力。

特征④人机互补：凡事优先用AI处理，人力聚焦于AI不擅长和高价值的工作。

传统组织配人主要看部门和岗位，靠管理层级来协调。AI原生组织则围绕任务灵活安排人和AI，尽量少让固定部门、层级挡住协作，同时相应调整责任分工、人才培养和激励机制。

案例｜Moderna

生物技术公司Moderna为了把AI应用和人员配置统起来，2025年将HR与IT合并成“人员与数字技术”部门。人力投入和技术投入不再分开规划，而是从工作目标出发，先定技术怎么支撑、哪些活需要人来干。到2026年，AI智能体已在供应链、IT、HR等领域接手信息整合、协调和部分常规决策，人得以从琐碎事务里抽身，专注复杂场景的判断。HR服务中，Ask HR接收员工咨询，再分流到专业GPT；HR团队则拿反复出现的问题去改进政策和沟通。人机分工一变，公司里开始出现侧重工作流设计与编排的新角色，员工通过培训、实践和经验交流来适应。早期应用减轻了日常协调负担，工作周期缩短；跨领域信息综合起来，团队的判断力和决策质量也有所改善。

（三）流程层：让AI执行与人工监督高效配合

特征⑤人在环上：AI自主执行为主，人负责监测和必要时介入调整。

特征⑥并行迭代：AI能多路并行地把任务快速推进并收口，流程也能敏捷地调整和优化。

过去做事，多是人按固定步骤一步步串行往前推，一个岗位交给下一个岗位。AI原生换了个做法：让AI连续接手那些可验证的工作，人按风险大小来盯，靠并行和反馈把等待时间压下去。

案例｜Stripe

复杂的代码库里，写代码、跑测试、修问题，一直占着工程师的时间和精力。支付技术公司Stripe做了个无人值守编码智能体Minions，工程师把明确的研发任务交给AI，由它连续处理。工程师在Slack里提需求，Minions去读相关资料、改代码、跑测试、提交代码变更，中间不用人一步步操作。多个Minions能在各自独立的开发环境里同时处理不同任务，执行时互不干扰。流程把AI自主处理和固定检查拧在一起，测试挂了就自动反馈修正，还搞不定的交给工程师接手，代码合并前也得过人工审核。2026年2月，Stripe披露，每周已有超过1300个完全由Minions生成的代码变更经审核后合并，研发从工程师逐项执行，转成多项任务并行推进、人员重点把关结果，开发效率提升明显。

（四）系统层：AI系统能自主学习，也能自我改进

特征⑦组织记忆：工作内容和经验都能编码存取，一点点攒成可复用的组织资产。

特征⑧共享上下文：同一任务里，人和AI共享上下文内容，人机实时对齐，协作更顺。

特征⑨自进化系统：系统能自主学习、迭代升级，越用越强。

过去的系统主要是记信息、给人打下手，经验怎么传、工作怎么接，主要靠人。AI原生是把业务知识和经验攒成人和AI都能调用的资产，任务目标、资料、进展实时同步，再照着业务结果持续学习、改进系统能力。

案例｜Morgan Stanley

金融机构Morgan Stanley每天要跨财务、风险、运营与交易系统核对损益数据，差异排查全靠财务人员逐项分析判断。公司上了对账智能体系统FIXR，让它读历史指引、分析差异、给出处理建议。财务人员审核或纠正建议，系统把处理方式记下来，反复用的做法沉淀成以后能调用的规则。人和AI围着具体差异协作，处理结果不光解决当次问题，也在不断补充系统的处理依据，同类问题少做重复分析。2026年6月披露，单个账簿的对账时间从最长6小时缩到2—3小时，约100名财务人员每周合计省下约1500小时。人的经验就这样一步步变成可积累、可复用的系统能力，每轮工作都能给下一轮打个更好的底子。

（五）治理层：保障AI运行全程安全可控

特征⑩运行即治理：对AI动态分级授权和管理，AI运行的全程都可视、可控。

过去的治理，主要围着人员职责和流程制度转。AI原生是把治理规则嵌进AI运行里，按任务风险和自主程度分级授权，执行中借AI工具持续监测、及时干预，让运行过程可控、风险能预警、责任可追溯。

案例｜微软

AI开始访问数据、调用工具、替用户执行任务，风险管控也得从上线前审查延伸到日常运行。微软2026年重构《负责任AI标准》，以可靠安全、隐私保护、透明和问责等原则为基础，把风险管理贯穿AI开发与使用全过程：上线前评估风险，高风险用途加强防护；运行中管控智能体身份与工具权限，持续监测行为，发现问题及时干预和改进。微软开发人员用GitHub Copilot辅助编程，也采取分阶段部署、人工监督与安全防护。为验证治理要求落没落实，微软覆盖多项AI产品和服务的管理体系已通过ISO认证，并接受第三方审核。

整体而言，AI原生组织就是缺了AI就转不动的组织，AI是组织少不了的生产力；好比今天要是缺了电，大部分现代化工厂和企业都难正常开工。

变革突破方向：从个体到组织、从辅助到自主

未来组织把AI工具融进去、走向AI原生，有两个关键突破方向：范围上，AI生产力得从局部个体扩到整个组织；层次上，AI驱动的生产力得从以辅助人为主，演进到以自主执行为主。

从腾讯WorkBuddy服务企业客户的实际情况看，大量企业并不用一上来就大动组织架构、重塑业务流程、更换IT系统，可以从最高频、最日常、最重复的某项任务切进去，让AI智能体应用先跑通、创造真实价值，再慢慢扩散，带动整个组织升级。这里头的关键是让智能体跳出个人应用的局限，形成员工可共建共用的企业级智能体规模化部署，WorkBuddy把它总结成五阶模型：试用、推广、沉淀、连接和自治。

第一阶段试用，从种子用户手里跑出可信的结果；第二阶段推广，从小范围推到全员；第三阶段沉淀，个人的经验、skill以及企业的上下文等能不断攒下来，变成可分享、可复用的数字资产；第四阶段连接，智能体广泛接上企业的软件和系统，能进到企业真实的工作环境里干活；最后一个阶段自治，智能体能全天候持续运行、安全可控地工作。

2026年腾讯全球数字生态大会，WorkBuddy企业版做了四大功能升级，为的是更好支持企业级智能体的部署。

一是开放。企业系统难打通，WorkBuddy就扩展开放平台能力，向内融合企业微信及腾讯办公生态，向外兼容第三方IM与企业系统，还接入了丰富的主流优质模型。这样AI能进到企业的工作环境，调用各类系统和工具，闭环把任务完成。

二是安全。企业担心AI风险、不敢放权，WorkBuddy就搭了全链路防护的企业级安全解决方案，覆盖身份治理、权限管控、执行防护、数据安全与全流程审计，让智能体行为可控、数据可管、过程可追溯。尤其是采用AICC机密计算，把数据安全做扎实。

三是可观测。AI不好管控，WorkBuddy新上线可观测中心，等于给企业的智能体装了个仪表盘，帮企业看清智能体运行轨迹，算清Token和积分消耗，掌握不同部门、场景等的Token用量与成本，为企业精细化管理AI资源提供抓手。

可托管是这次升级的第四项能力。本地AI往往难以持续提供服务，WorkBuddy托管智能体（WMA）把任务执行搬到云端：企业能自主搭建专属智能体，再通过云端托管和API分发，部署到更多部门、系统与业务入口，让核心流程配上一个7×24小时在岗的数字助理。

企业级智能体的落地，云端托管是重要一环，员工与客户所享公共服务的智能化升级尤其如此。腾讯内部就有一例：基于WMA搭建的经营服务智能体“磐石小O”，已接入ERP系统中的300多个业务接口。员工用对话就能查销量、看业绩、走审批，每次操作都继承员工身份与权限，并留下审计记录，安全上有保障。

腾讯WorkBuddy此番升级，给企业把AI从个人工具变成组织生产力添了更足的基础设施与技术支撑。不过技术能力不会自动转化为经营收益。企业还得在真实业务里调整分工、打通流程，让验证过的成果持续复用。单点提效要变成更快的交付、更低的成本或新的业务价值，AI投入才算形成可持续的回报。

腾讯的实践：摸索AI生产力飞轮怎么转

AI技术和组织变革的浪潮打过来，腾讯集团上下都在试。业务部门在推，职能部门也在加快AI创新应用，目标是把AI生产力飞轮转起来，提升组织效能。

职能部门里，HR的实践算得上大型企业AI组织变革的一个代表样本。招聘、人员配置、绩效与培养都归HR管，既服务员工，也参与组织能力建设。腾讯HR的AI变革起步早，推进快且深，已经从单点AI应用走到企业级能力建设，孵化出数千个应用，专业团队与一线的协作分工也开始变了。

腾讯HR的做法：以AI共享平台为核心，激发一线创造力，带动组织工作方式变革

人力资源工作有个长期难题：统一管理与一线差异化需求之间的矛盾。集团要统一制度、数据口径和流程，可不同部门的人才盘点、新人培养、招聘运营，又得结合各自业务来。拿人才盘点来说，一线HR要的不只是人员信息，还得加进业务指标，用业务负责人认可的方式去分析和沟通。这些贴近现场的需求，一套标准系统很难全部覆盖，过去只能等定制开发，或者靠表格和线下工作补上。

腾讯HR的AI探索同样走过了从单点辅助到应用创造的路。早期AI多用于招聘材料解析、内容生成和智能填单；开发能力上来后，一线开始自己做工具，新障碍也跟着来了：代码生成了，应用部署不了；页面做出来了，内部数据还得手工导入。个人已经能创造，组织的运行条件却没接上。

这些堵点，腾讯HR靠既有的数据治理来解。他们建了HRClaw——一个提供HR数据、知识和技术服务，并支持应用发布、管理与共享的AI基建平台。它和WorkBuddy等通用AI产品配合，把过去要专业团队逐项介入的数据接入、身份认证和部署能力，交给一线直接调用。变革的重心也随之外移：从“帮员工完成一项工作”，走到“让员工能造工具，并让成果成为组织可复用的能力”。

1、治理先行：把数字化积累变成可信可用的业务基础

HR数据牵扯人员、薪酬、绩效等信息。各系统字段和口径不统一，分析可靠性就打折扣；不同角色的管理范围又不一样，数据不能简单全量开放。腾讯HR此前约两至三年的数字化建设，一直在梳理统一数据定义和统计口径，对HR数据分级分类设定访问权限，给AI接入备好了可信可用的底子。相关接入覆盖上百张宽表、数千个字段，AI能按业务定义查询和关联数据，不必再让员工反复导出、解释和拼接。

能力开放了，权限还是由底层服务管着。查询按使用者身份过滤行、列乃至单元格级信息；同一个人才盘点应用分享给不同管理者，AI智能体访问时也只返回其授权范围内的数据，不会把管理者的权限一并带过去。接入AI后，管控又延伸到模型选择、敏感信息保护、外发检查和生产发布。数据治理既保安全，也是能力能规模化开放的前提：一线可以共享工具和分析方法，彼此的数据权限不用共享。

2、系统集成：把组织能力变成一线可调用的服务

HRClaw的建设，起于一个个具体的落地障碍。有位HR借AI做了个活动应用，卡在部署环节，最后仍把代码交回研发；还有员工做了人才盘点工具，接不进内部数据和权限，只能手工添加人员名单。这些事让平台方向渐渐清晰：应用得有地方发布，还得能识别使用者身份，在授权范围内连上真实数据。

技术选择也围着这个目标转。团队没有另起炉灶开发一套通用AI产品，而是把部署、取数、存储和组件等能力封装成AI可调用的技能与接口，接进WorkBuddy。WorkBuddy负责理解需求、生成代码和调用工具，HRClaw提供业务数据、专业知识与运行条件。一线于是能专心琢磨“要解决什么问题”，不用反复处理“数据怎么接、应用放哪里、谁能使用”。系统建设的重心，从交付固定工具转向提供能支撑多种工具的共享服务。

3、业务创新：让一线差异化需求直接进入交付

共享能力最先释放的，是那些长期难以满足的差异化需求。人才盘点要加部门业务指标，新人培养要结合岗位资源和成长路径，招聘与文化活动也各有节奏和表达方式。这类“非标”内容往往最贴近业务现场，可使用范围有限、开发成本偏高，很难拿到集中建设资源。AI把实现成本降下来后，一线能直接把自己的业务理解做成工具，不必再只在标准系统之外靠人工补齐。

于是，人才盘点、校招工作台、新人成长平台和活动应用陆续冒了出来。平台已孵化3500多个应用，CSIG新员工管理系统已有上千名新人实际在用。价值不只在原有需求交付更快，更在于那些过去排不上期的想法，开始有机会被验证、被使用。工具形式按场景挑：固定看板可以让AI生成，再通过接口更新数据；直接操作更清楚的工作就保留页面，不必统统改成对话式智能体。业务人员拿到的是解决具体问题的能力，业务价值则由实际使用来决定。

4、流程优化：减少逐级接力，让反馈直接推动交付

数据、知识和技术服务一旦落到一线手里，有些需求就不必再走原来的多轮接力。以往工具难用、流程有断点，通常先报给专业领域团队或共享服务团队，再转成技术需求，经过解释、评估、排期几道关。如今业务人员能直接和AI一起做；要补平台能力，也能围着真实场景跟技术团队共同设计。提需求的人更靠近实现环节，转述、等待和反复确认都少了。

交付方式也跟着变了：边生成、边预览、边调整。人负责定目标、加减功能、验收业务效果，写代码、调工具和技术性实现交给AI。测试插件能扫描代码、模拟页面操作，把发现的问题交回AI修，局部形成自动测试与修复的循环。平台还会照着使用反馈改服务：月度看板因为长期没人访问而失效，就调整运行环境的回收规则；用户分不清测试入口和生产入口，就把可见入口简化。流程改进既发生在人机协作里，也发生在平台对实际工作方式的适配中。5、成果沉淀：从个人产物走向可继承、可复用的组织资产

一线能自己造工具之后，新问题是有没有留得下来。应用散在个人电脑里，别人不容易发现，后面要改可能连源码都找不到，人一转岗维护更易断档。HRClaw把生成和发布链路打通，应用及源码回到统一平台，靠应用市场支持发现和使用，靠版本管理、回滚和转交支持持续维护。

只要创造者开放源码，其他员工就能下载、修改、部署自己的版本，已有成果因此能适配新的部门和场景。交流学习也有了具体对象：员工从一个实际应用里看别人怎么解决问题，再按自己的需求接着开发。个人创造开始成为后续工作的基础，不再是一次性产物。从工作过程中进一步萃取知识和经验，是这条路径的延伸；不过要把经验变成可靠的组织知识，适用条件、审核和更新机制仍得明确，应用归集不能直接等同于完整的组织记忆。

6、分工重构：专业团队建设公共能力，人力聚焦现场判断

能力供给方式一变，专业团队的工作重心也跟着动。数据团队原先每月接约10—15个看板需求，后来这类需求几乎不再进原有承接流程，团队转向数据治理和质量建设；同期数据请求量约为上年的三至四倍。业务对数据的需求变大了，但不再主要靠专业团队一个个做看板来满足。共享服务让一份基础能力撑起更多需求。

研发团队也一样，从接零散开发转向封装可调用的技术服务；专业领域团队提供制度、规则和知识，并探索建设领域数字专家；一线HR则结合业务情境定义问题、组合能力、判断效果。HR的专业价值还在：同样的数据放在不同业务阶段，分析变量怎么选、负责人真正关心什么、方案适不适用，都得靠现场理解和判断，光复制历史经验解决不了。

配合方式也跟着变了。HRClaw项目是照着问题去挑人，数据、知识、技术服务分别由不同成员接；面向一线的推广，则拿真实任务来练，现场一起做、当场答疑，让员工把自己的应用搭出来。分工上的变化有两层：技术性的执行交给AI，专业团队则从“帮一线做工具”转成“让一线自己能做工具”。正式的组织架构并没有因此大改，可具体活儿由谁干，已经不一样了。

7、渐进转型：以局部实践推动主干流程与管理机制改变

一线创造也让原有主干流程和真实工作之间的断点更容易被看见。拿绩效考核来说，系统能发起活动、收回结果，中间的依据材料收集、理念传达和沟通协调，仍有大量线下工作压在HRBP身上。再往前探，是从主干系统里提炼可调用能力，在统一规则下支持一线灵活组合，绩效流程已有局部尝试。AI的作用由此从改善外围工具，逐步往推动主干流程调整上走。

这条路上还有接口要接上。应用和源码是回到平台了，但新人学习记录这类新增业务数据，还没全部回到主干系统或数仓；做出来的成果怎么算进工作评价，新的协作方式怎么拿到职责与责任上的安排，也还在摸。眼下跑的是传统主干系统和一线AI共创两套并存的模式，局部交付和分工已经变了，组织层面更完整的收益，还得等数据闭环和管理机制跟上。

腾讯HR这轮最值得看的地方，是拿数据治理和共享基建当支点，把工具供给和使用的关系倒了过来：公共能力由专业团队建，长期可调用；业务理解由一线直接变成成果；平台再接一手，让成果能被继承和复用。这么一来，“员工-平台-AI”的协同生产力飞轮算是有了雏形。HRClaw把通用AI的创造能力接进组织环境，个人的提效就开始往组织的交付、复用和协作能力上延伸。从这个底子继续往主干流程、业务数据和评价机制上接，更深层的AI原生变革才有可能推得动。

回顾与展望：AI原生组织的三点思辨

前面聊了不少AI原生组织的走向，也第一次把腾讯内部AI应用创新和组织变革的探索摆了出来，但行业里有个争议话题，可能还没说透。业内有一种看法：只有大模型起来这几年新成立的团队和企业，才够格叫AI原生，传统企业（老登公司）没这个可能。往历史里看、往现状里看、再往未来看，未必是这样：

1、AI原生不是初创公司的专属，传统企业照样能建AI原生组织。原生不原生，不看出身，看的是思路和做法。初创企业从零起步，没有历史包袱，但人也缺、资源也缺，反倒更容易按AI原生的路子开张。传统企业只要人选对了、方法对了，也有机会建起来，或者转成AI原生组织。翻翻历史，企业转型成新时代物种的例子并不少。Netflix起家是DVD租赁公司，10年后转成在线视频服务平台，今天已经是全球领先的内容制作商；三星成立时做的是农产品出口贸易，30年后转向电子制造，成了今天的全球数码和半导体巨头；Nokia最初是一家木浆工厂，100多年后转型为全球第一的手机制造商。

2、把时间拉长看，AI原生组织会变成市场里的主流，没走上原生这条路的企业就会被淘汰。新生产力拉开的不只是效率上的差距，竞争标准本身也在变。电气化的历史可以拿来对照：如今用电已经算不上什么企业优势，它只是现代生产的基本条件，凡是用电的企业都能算电力原生，不用电的企业至少在发达市场已经见不到了，而那个时代的创新大多建立在各种电器之上。等AI的可靠性和经济性继续往上走，它也可能从竞争优势变成竞争门槛：先行转型的企业能持续用更低的成本、更快的速度拿出同等甚至更好的产品和服务，客户对价格、质量和交付的预期就会跟着变。还在靠旧生产方式运转的企业，哪怕眼下还能正常经营，可能已经拿不出有竞争力的产品和服务了。

3、组织层面的AI变革很难一次做到位，短中期内大部分传统企业大概会停在整体AI增强、局部AI原生的状态。AI工具铺开得快，数据、流程和权责却很难同步调到位。条件成熟的流程可以先交给AI执行、跑成闭环，其余业务仍旧主要靠人来做。早年的工厂换上电动机之后，传动轴、皮带和原来的布局照旧沿用，也经历过新动力和旧生产方式并存的阶段。组织变革要减掉的是无效汇报和重复交接，不是只在人数和层级上做减法。瑞典金融科技公司Klarna曾裁员并冻结招聘，扩大AI客服的应用，后来公司承认过于强调降本影响了服务质量，又补回了人工客服。多家互联网科技企业，也都被

本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。

继续浏览更多资讯

返回资讯目录

腾讯提出AI原生组织十大特征：人机分工怎么排

继续浏览更多资讯

相关资讯

相关 AI 工具

相关推荐按相关度与热度排序

侯晓楠掌舵阅文6年：半年收入超35亿，短剧与AI漫剧入账超4.3亿

腾讯发布Buddy One办公套件：文档会议知识库并入同一AI工作台

腾讯推Buddy One办公套件：WorkBuddy当工作台，腾讯网盘存Agent记忆

字节扣子、腾讯元器相继停服：大厂AI产品关停合并潮起

腾讯混元Hy4上线首日额度告急：集群扩容十倍，Hy3限免延至11月15日

混元Hy4接入WorkBuddy后调用量激增，团队紧急扩容十倍

腾讯云国际业务海外活跃客户翻倍，AI需求三位数增长

Steam新品节8200款试玩，AI游戏平台战已经开打？

谷歌腾讯下场押注，AI游戏平台月活与流水齐涨

混元Hy4首日额度吃紧：推理集群扩十倍，Hy3限免延至11月15日

腾讯混元跻身最强开源模型！一手实测Hy4：搭配WorkBuddy，多模态Agent交付力拉满

文科生在AI时代没人要？我盘了盘字节、腾讯和阿里都有哪些AI岗在招文科生

腾讯云WAND切入AI短剧：服务90%头部出海企业，单部成本降90%

字节腾讯阿里AI岗招文科生吗？17151个社招岗位盘点

心言集团获腾讯云AI榜单卓越创新奖：巴布1与心元大模型撑起陪伴服务

AI办公产品集体转向多模型：WorkBuddy先行，豆包、小米跟进

灵感机器人完成数千万天使轮：前腾讯AI研究员做触觉智能

腾讯WorkRally升级：AI剧本、智能剪辑与版权存证打通短剧制作全流程

腾讯混元Hyra 2.0：AI自己造工具，量子纠错码效率高48%

字节跳动限制员工用外部AI：L4代码库与飞书文档封禁访问

苹果国行AI实测：苹果+千问混合方案，用户自主决定是否增强

微盟加入腾讯AI生态共创计划：输出零售电商行业知识

灵光2.0、Today AI、Alice同台实测：个人Agent谁更靠谱

苹果iOS 27.3代码：HomeView拟接入ChatGPT等第三方AI

字节跳动限制员工使用外部AI，洪定坤内网回应安全考量

字节跳动限制员工外部AI访问：L4代码库与飞书文档封禁

字节跳动限制员工用个人账号访问外部AI，洪定坤内网回应

个人Agent实测：灵光2.0、Today AI、Alice谁先露怯？

苹果国行AI实测：端侧能力先上，复杂任务交给千问

Nothing首款AI原生设备定档12月：无屏，也不是软件应用