云廠商「進擊」 Agent 開發平臺

誰聯結場景，誰就將主宰智能體時代。

作者丨馬曉寧

編輯丨陳彩嫻

“如果我們說大模型是大腦，那智能體應該就是結合靈魂與肉體的新物種。”騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生在2025騰訊全球數字生態大會上AI Agent峰會上表示。

企業級智能體（Agent）市場的崛起正在重構云服務的競爭格局。這不再僅僅是算力資源的比拼，而是轉向"智能即服務"的全面升級。傳統IaaS、PaaS、SaaS的邊界被打破，現在云廠商需要提供的，是從模型訓練、Agent編排到業務集成的全棧能力。

當天的大會上，騰訊云宣布智能體開發平臺3.0（ADP3.0）面向全球上線，騰訊優圖實驗室關鍵智能體技術將持續開源。

至此云廠商的Agent布局已經全面開始。

在其他云廠商還猶豫的時候，騰訊云已經全面發力。

01

Agent，才算是數字員工的雛形

騰訊云副總裁、騰訊云智能及優圖實驗室負責人吳運聲

“現在我們見客戶時，如果不聊智能體，客戶甚至不愿深入交流，可見行業對智能體的重視程度。”在與AI科技評論交流時，騰訊云副總裁、騰訊云智能及優圖實驗室負責人吳運聲談到他在日常見客戶時的一些趣事。

行業內旺盛的智能體開發需求可想而知。因為對于企業而言，Agent，才算是數字員工的雛形。它能將大模型的認知能力與具體業務場景的確定性需求相結合，通過任務拆解、工具調用和環境交互完成端到端的交付，進而為企業創造價值。

但是企業自己搭建Agent肯定是不現實的。在跟業內人士交流之后，AI科技評論總結出了企業自建智能體面臨的四大困難：

第一是技術門檻極高。因為智能體開發涉及大模型精調、RAG、Agent協作等前沿技術，需要頂尖的AI算法、工程開發和運維團隊，這類人才稀缺且成本高昂。

第二是算力成本巨大。訓練和部署大模型需要龐大的GPU算力集群，基礎設施投入、電力消耗和維護費用，所以現在的Agent開發商通常都是直接調用模型廠商的API，通常不會自己選擇訓練模型。

第三則是開發周期太長。今天想要從零構建一個穩定、高效且能處理復雜任務的智能體系統，需要漫長的開發、測試和迭代周期，而且還要確保Agent的準確性、安全性和穩定性。對于大部分的企業而言，即使是有足夠的技術能力，也不一定有足夠的時間窗口去開發一款Agent。

第四則是需要一個生態平臺。Agent需要最新的模型、工具和插件支持，如果沒有一個平臺來提供這些基礎設施，那么開發出來的Agent實用性著實有限。

這也能看出來，企業在開發Agent的過程中，誰能先解決這些問題，誰就是他們所需要的云平臺。

Agent真的有價值嗎？從增質提效上來說，Agent確實能幫大忙。比如騰訊云與邯鄲公積金的合作中，公積金辦理的大部分程序都被做成了工作流，從身份驗證到咨詢再到電子簽全都一站式搞定，流程確實能大大加快。

今年以來，為了爭奪企業用戶，云廠商之間的競爭已經進化到了新階段，從“提供計算能力”的供應商，轉變為“賦能業務增長”的戰略合作伙伴。而Agent就成為了云廠商的重要主題。

要為企業開發提供更強大的Agent編排工具和集成生態，那就需要云廠商洞察企業的更多需求，貼近場景，積累更多實用有價值的工具。比如說，企業有海量的內部資料需要有條理地管理起來，那就需要強大文檔內容理解能力，不僅能識別文字，還能對復雜文檔里的圖、文、表進行準確識別與關聯。

在這方面，騰訊云的做法更貼近場景。騰訊云的智能體開發平臺3.0（ADP3.0）通過自研的Agentic RAG架構，可實現對復雜、多源信息的高精度解析與智能關聯，支持跨文檔檢索、多步推理與圖譜增強，顯著提升問答完整性與準確性。

02

讓智能體落地，不是易事

知識庫的核心是RAG能力。如果說知識庫就像一輛智能汽車，那么RAG就像是這輛車的“發動機 + 高精地圖 + 導航系統”，它是實現智能駕駛的核心。

騰訊云副總裁、騰訊云智能產研負責人吳永堅介紹，在企業級RAG落地里面，面臨的核心問題是：怎么把企業內部的海量信息、復雜知識精準解析出來，并且能夠在實際場景上用得上。

騰訊云副總裁、騰訊云智能產研負責人吳永堅

第一個難點就是圖文混排型復雜的文檔解析。

有一個常見的場景就是，零售行業的說明書要做知識庫處理，結果你會發現，傳統的OCR技術是完全不夠用的，因為有很多示意圖和表格沒有辦法識別出來，用OCR處理一遍，很多信息都丟失了。企業面對這個問題，以前是很束手無策的。

另外一個以前很讓人頭疼的問題則是跨文檔信息的關聯。產品規格在A文檔，故障解決方案在B文檔，最新維修公告在C文檔，這種案例到處都是。當用戶問一個綜合性問題時，傳統RAG可能只會返回孤立的信息片段，逼著用戶自己當“人肉拼圖”，那這個服務就很不友好了。企業要的肯定不是這個，他們想要的是系統能自動把碎片拼成完整答案。

這次騰訊云ADP3.0著重針對了這幾類場景做了升級。從傳統的RAG已經升級到Agentic RAG，可以說是RAG的大跨越。

在Agentic RAG能力框架之下，文檔解析現在用的是騰訊優圖自研的OCR大模型，準確識別出來有插圖、表格、公式等20多類的文檔元素。還有一站式的檢索引擎、圖譜檢索增強等等多重能力。

“找出所有還沒有交付的訂單，并按金額排序。”

以前這一句話，可能會帶來很多工作量，現在在騰訊云ADP3.0的檢索環節里面，引入了Agent的Text2SQL的能力，也就是能通過自然語言直連數據庫，一句話，比如Agent就能自動生成并執行相應的SQL代碼，從而直接從數據庫中獲取想要的信息。

想要讓Agent準確執行任務，背后其實有三大技術挑戰，首先是在模型層，模型既要理解復雜的指令，又要理解很長的上下文，這是Agent的“大腦”。其次在工具層，工具要從簡單的API演進成復雜瀏覽器的操作和多工具的組合，API就能自動操作瀏覽器，這是“手”。第三是記憶，企業級上下文很長，包含大量信息，如果沒有有效的記憶管理機制，Agent遇到這么大的上下文完全是Token的浪費。

騰訊云的做法值得借鑒。以QQ瀏覽器的下載助手為例，在模型層，做強化工具的調用，以及引入強化學習，讓模型在復雜場景中能穩定輸出正確的Function-Call，調用工具完成任務，提升任務完成率。

在工具層，讓Agent在各種原子化工具中精準決策、合理編排順序。以檢索任務為例，騰訊云打造了WideTool WebQA，能自動拆解搜索詞，并對結果摘要匯總，按需提供信息。借助優化工具，讓Agent執行效率顯著提升，任務可以完成得更快、更準。

在記憶管理層面，提出「動態無損記憶壓縮」，核心思路是在存儲時壓縮，但不丟關鍵細節，需要時可原樣恢復。在騰訊云的實驗測試中，這種方式能夠將7萬多個TOKEN壓縮到只有500個TOKEN。 Agent具備長時記憶，才能真正支撐企業級復雜任務。

同時，為了幫助企業真正將智能體落地到場景中去，騰訊云智能體開發平臺的應用構建工具鏈也持續完善，引入自動化評測引擎，支持裁判模型、代碼與規則打分。在權限管理上，在大規模知識場景中支持多層級權限配置。

與此同時，智能體開發平臺上線模型廣場，引入月之暗面、Minimax等優質模型資源，支持用戶靈活調用。模型廣場還與騰訊云TI-ONE平臺打通，對于已在騰訊云TI-ONE平臺擁有模型資源的用戶，用戶只需完成相應授權，即可將同賬號下TI-ONE模型同步至智能體開發平臺模型廣場，并在應用開發中使用。

03

開源時刻，做大Agent市場的蛋糕

AI下半場的主角就是AI Agent。

大模型的賽場，已經很難再有代差級的領軍者出現，Agent正在推動全行業投入到這個領域上來。但是論執行力和開放程度，騰訊云可能是目前力壓群雄的一個。無論是持續迭代智能體開發平臺的能力，還是將原來的產品Agent化，騰訊云都在傳達這樣一個信息：對于Agent已經全力以赴。

另外一個比較大的舉措則是開源。9月上旬，騰訊優圖實驗室率先開源Youtu-Agent智能體框架和Youtu-GraphRAG知識圖譜框架，這是國內乃至業界首個開源 Agent 框架，支持基于開源模型快速構建智能體，且在國外知名 Benchmark 中達到 SOTA 水平，這也是騰訊云智能體開發平臺的底層核心框架。

這次開源，不僅讓開發者和企業能更經濟、高效地開發和部署智能體，更重要的是，它們提供了處理復雜知識和現實世界問題的強大新工具。可以說，以后會有越來越多的開發者會被吸引到開源框架上來，這個生態就成功了一半。

不論如何，云廠商的布局，已成為Agent技術發展的核心驅動力。開源核心框架也好、推出開發平臺也好，都是在大幅降低AI智能體的開發與部署門檻。

反過來，這對云廠商也是一個良性循環。更低門檻吸引了更龐大的開發者生態與行業用戶，海量的應用場景又持續反哺模型優化與平臺迭代，最終轉化為持續的商業模式升級與不可替代的生態優勢。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。