腾讯云陈亮：AI Agent加速上岗，Token与WorkBuddy交互双高增

21世纪经济报道记者 吴佳楠

2026年，AI Agent赛道走到了一道分水岭前，局面微妙。

一头是Agent真刀真枪干起了活：游戏研发、跨境电商、智能客服、数据分析，处处都有它的身影。2026腾讯全球数字生态大会期间，腾讯云互联网行业技术总经理陈亮接受包括21世纪经济报道在内的媒体采访，他说Token调用数据和WorkBuddy的交互次数，增长斜率都很高。

钛动科技“钛极”大模型负责人丁俊玮也提到，广告营销中的洞察、创意生产、投放调优三个环节，90%以上的工作任务能由Agent完成。

另一头，人人都用AI生产内容，AI“卷”AI的焦虑跟着来了。Agent深度嵌入工作流之后，成本线性上升，收益斜率能不能跑赢，成了一笔要算的经济账。源策未来CEO李天羽看具身智能赛道，他认为大模型眼下很难达到具身智能要求的99.99%稳定性，能适配家居机器人、服务机器人的模型，推到通用市场得五到八年。

这就是2026年AI作为企业创新力最真实的模样：不再是Demo，可它仍要回答几个问题——发展到今天，AI到底成了企业的创新力，还是只做工具层面的效率改良？经济账算得过来吗？边界又在哪里？

《AI Agent落地实践白皮书》在2026腾讯全球数字生态大会上发布。从这份白皮书看，答案不只藏在WorkBuddy一系列产品矩阵背后，也写在淘米、盛和、紫龙、畅游、富通天下等一批企业的落地实践里。从超级个体到超级团队，从对话到上岗，AI正在改写企业创新力，同时要跨过组织惯性、成本结构、商业判断这几道关卡。

腾讯云今年发布的企业级Agent解决方案，把智能体概括为能对话、能干活、能上岗。它的角色一路变化：先是问答工具，再做流程连接器，最后成为按KPI交付的组织新角色。

陈亮说，AI让个人提效这件事已经充分被验证，大家一直在探讨，现在的问题是怎么做组织提效。“例如研发流程，原来产品经理提需求，再评审、开发、测试、发布、运维，AI来了以后你发现，它可能本身就是一个全栈，原来岗位职责的区别、工作流可能需要重塑。”

真实场景里也有印证。淘米网络手里握着《摩尔庄园》《赛尔号》《小花仙》等IP，核心矛盾是多IP并行、产能跟不上内容需求。策划出方案、美术画素材、内容再迭代，一棒接一棒往下交，版本更新常卡在等素材。引入WorkBuddy与CodeBuddy后，接力跑改成并行协同，覆盖约80%员工，内容生产效率提升近80%。

游族网络的做法更激进。作为国内最早一批出海的游戏公司之一，其海外营收占比已连续11年高于国内营收占比。公司让Agent进入每一个岗位：算力由公司买单、全员免费无限额、接入47个模型，并以WorkBuddy作为企业级入口，把数据中台、资讯系统与广告素材链路封装成Skill，目前Agent渗透率超75%。2025年海外收入同比增长8.06%，公司将部分增长归因于AI与广告业务融合，带动毛利率提升2.46%。

不过，漂亮数字之外，“组织重构”的代价正在被重新计算：单位Token究竟能换来多少收入？

陈亮表示，互联网长期的商业模型建立在规模效应之上，规模越大，边际成本越低；可到了模型使用上，新业务创新和企业应用的成本可能偏线性——用户多、访问次数多，Token就多。所以技术上一直在想办法，比如用国产开源模型降成本、压缩上下文省Token消耗。企业做内部组织提效和外部业务创新，这些都得考虑。

降本的压力因此落到基础设施层。腾讯云TokenHub通过统一标准API，帮助企业各部门快速接入、灵活迭代多家大模型。在播客平台小宇宙的场景里，热词提取、打标分类等高频任务有超过70%的请求命中缓存，单次调用输入成本最低降至0.02元；游卡游戏的武将推荐、局内问答、武将介绍三大功能上线后，牌局内问答的平均响应延迟控制在2秒左右，较早期方案下降约40%，再加上DeepSeek以及HY3隐式缓存命中，单次推理成本降低约30%，回答质量保持稳定。

钛动科技算的是另一本账。过去一年，钛动推出Navos营销智能体，基于开源模型做广告营销领域的后训练，Agent已能承担洞察、创意生产与投放调优三个环节90%以上的工作任务。产能提升是数量级的：以前一个设计师一天做十个视频已算高效，如今借助AI，一个人一天能产出上千个同样类型的素材。

但丁俊玮表示，产能释放后，瓶颈转移了一次。“虽然内容生产效率提升了，广告投放最终还是要决定预算、要真的花钱。就算生产出一千个素材，最终可能还是只投其中一百个。所以现在人的精力已经成了广告营销领域的卡点。”更关键的是，这个判断模型替不了人——它能讲清情节和每一帧，却没办法告诉人这个广告视频最关键的那几秒是什么。

这正是钛动下一步后训练要解决的问题：把投放的真实效果数据喂回模型，让它学会判断什么素材好、什么素材差，以及如何实现更优效果。这意味着，AI要从会生产走向会判断，才能成为创新力。

陈亮表示，AI变革的路径可以是整体变革、划出新业务，或者找一个场景做试点。作为云服务厂商，腾讯云会与企业一起探索能让ROI算回来的局部场景。比如短剧制作、广告视频素材，两年多前大模型还没很成熟的时候，就已经通过技术管线、算法截取关键帧，然后做理解，通过理解抓热点，再结合产品特性做二创，产出新的产品。

企业Agent的落地，是在确定性中寻找增量；具身智能则是在不确定性中摸索边界。

李天羽表示，拍一张照片问AI这是什么，答案可能八九不离十，视频理解能力已经具备比较高的稳定性。但它的成功率到底是90%还是80%，都达不到具身智能要求的99.99%。具身智能在物理世界中应用时，需要具备长时间稳定运行的能力，而不是每执行十次任务就打碎一个杯子。

李天羽把这层矛盾说得很直接：大模型在数字世界有泛化能力，市场因此对物理世界的智能期待过高，可物理世界的容错率极低。稳定性在他那里是一条多环节的链条——硬件平台、软件平台、通信、云端网络可用性，最后才轮到算法。“这些链路里，大家直观能看到的是智能，其实硬件和通信也是非常难以逾越的。”

被问到行业“大脑”的实际进展，李天羽的判断是：多数具身智能模型，特别在“物理AI”这一层，完成单个任务已经不算难。难在哪？难在完成这个任务要砸进去的后训练数据采集和研发能力。可它解决的也许只是一个小场景，这个场景能不能复制、能带来多少收入，恐怕和投入的研发对不上。

他举了个例子。哪怕只是控制机械臂这样简单的动作，眼下大模型的主流方案还得靠coding做中介，或者靠大规模推理做中介，推理的平均长度可能达到数千Token。到了这个Token量级，执行频率再优化也上不了1赫兹，离具身应用的要求差得远。

李天羽表示，模型小型化、算力优化，这些从长远看都被反复提及。可有一件事根本优化不了：假设算力管够、Token 能秒出，我们以 10 赫兹的速率去控制一台机器人，按它今天的推理强度，7×24 小时跑上一个月，光 Token 成本就得花掉千万级人民币。这个数和我们能接受的价格之间差了五到六个数量级。靠今天芯片的进展，填不平这么大的落差。

那什么时候能看到像样的模型？李天羽认为，一个相对泛化、任务成功率达到80%至90%的模型两年内会出现，但要到99.99%很难。更现实的部署路径，是先把半结构化的商业零售与服务业场景落地，工业场景的尝试也已经起步；真正的通用模型要进家居或服务机器人，保守讲还得五到八年。

陈亮则强调具身智能和通用大模型有本质差异。大语言模型包括多模态，互联网上有大量数据可用；具身智能涉及人形或者说具身的物理轨迹，数据获取要难得多。数据采集、清洗、打标，大脑与小脑的训练，物理环境的仿真验证——这些环节，正是云端能力与具身智能企业合作的空间。

据了解，源策未来从大脑与小脑训练、数据处理管线到真机部署的链路，大部分都会部署在整个腾讯云生态里。

其实，从个人提效到组织重构，从数字世界到物理世界，AI的创新力从来不在于它能生成多少内容、能调用多少工具。关键在于它能不能在真实业务里把人的执行力解放出来，同时让ROI跑顺，把资源投向更有价值的地方。

陈亮表示，关键是找准创新点，把收入增长的斜率抬上去，同时把 Token 消耗的斜率压下来，两者之间挤出的差额，才是我们给企业和社会真正创造的价值。

或许这也是今年AI作为企业创新力真实的注脚。