在2026腾讯全球数字生态大会上，腾讯将AI产业的重心从模型能力竞赛转向组织生产力落地。整条主线清晰：适配Agent的算力基础设施先行重构，大模型围绕智能体任务做定向优化，再通过统一运行时与开发平台，完成办公、行业场景下Agent规模化闭环。三者不再是独立分层，而是相互约束、协同迭代的整体。

算力底座转向Agent友好型异构架构，重审CPU在智能体链路中的价值

过去大模型基础设施建设以训练、长文本重推理为核心，集群设计优先保障GPU算力供给。本次大会释放的明确信号是，随着Agent成为主流落地形态，算力架构的评价标准发生变化。Agent的流量特征是大量短任务、高频工具调用、多智能体之间通信、检索预处理与沙箱频繁拉起，单纯依靠GPU集群会推高整体落地成本。

腾讯的解法是异构混合算力路线。GPU集群继续承担大模型训练、高复杂度推理任务；同时联合英特尔推出基于至强6平台的新一代云实例，承接Agent链路里的规划调度、检索增强、工具调用、前置预处理等流量，发挥CPU在高并发轻任务场景下的价值。底层配套星脉高速网络、HCC高性能集群，支撑长上下文推理与模型训练需求。

算力之外，配套基础设施同步面向Agent改造。向量数据库、数据治理平台、RAG检索组件共同构成Agent-Ready数据底座，解决私有数据可信读取、上下文召回的基础问题。在全球布局上，腾讯云持续扩充海外区域节点，提供公有云、TCE专有云混合部署模式，适配不同区域的数据合规要求。算电协同也纳入长期算力规划，赤峰绿电直供数据中心落地，控制规模化算力投入的能源成本。整套基础设施的目标，是为多模型混合调度、托管智能体的稳定运行提供底层支撑。

大模型层不再追求单点跑分，围绕Agent长任务链路做定向迭代

模型是Agent的能力内核，但腾讯本次大会明确，模型研发不再以基准评测分数作为首要目标，而是和上层Agent执行链路协同设计。混元Hy4以及性价比版本Hy4 Flash是本次模型侧的核心发布，Hy4原生集成视觉理解能力，重点优化长时序、多步骤复杂任务的推理稳定性，适配Agent跨环节规划、连续执行的需求；Hy4 Flash保留视觉能力，主打高频推理场景，压低企业规模化部署Agent的Token成本。

在自研模型之外，腾讯通过TokenHub统一模型网关，实现多模型混合调度。企业可以根据任务时延、成本、能力需求，在混元、DeepSeek、GLM、Kimi等模型之间自主选择，统一完成权限管控、用量审计、计费与AI治理。配套的天籁语音大模型面向端侧、座舱、客服类语音Agent，主打全双工低时延交互，补齐语音形态智能体的模型能力。

这套模型体系的商业化载体是Token Plan订阅机制，区分通用Token与混元专属Token，按任务复杂度与模型规格计费。模型层的开放策略贯穿始终：不强制客户绑定单一模型，把选择权交给企业，降低Agent落地时的模型锁定风险。

Agent分层平台落地：统一运行时为底座，办公与行业双轨推进规模化

大会Agent体系分为三层：底层Agent Runtime托管执行内核，中层是面向办公协同的Buddy One、面向行业业务的ADP智能体开发平台，上层是面向不同垂直场景的标准化智能体与Skills生态。

Agent Runtime是整套体系的核心底座，承担任务编排、工具调用、权限隔离、动作审计、异常中断与回滚能力，WorkBuddy、ADP平台上所有托管智能体都基于这套运行时执行。腾讯提供托管模式，企业无需自建Agent调度集群，同时配套可信AI体系，以Agent独立身份、最小权限、全链路留痕、机密计算满足安全管控要求，相关产品已经通过信通院可信AI评估、CCIA个人信息保护最高等级认证。

Buddy One以WorkBuddy为工作台，打通腾讯文档、知识库、会议、网盘、设计工具，和企业微信深度融合，Agent可作为企微侧边机器人接收交办任务。腾讯网盘被重新定义为Agent时代的组织记忆空间，用于存储智能体上下文、中间产物与历史成果。大会披露，WorkBuddy累计收到90亿以上任务请求，已经覆盖50余个行业，国内头部企业渗透率较高，平台上架Skills数量达到20万+。

ADP平台面向生产、供应链、营销等业务流程智能体，打包5大行业25个标准化场景包，和WorkBuddy形成业务Agent、办公Agent双轨矩阵。平台主推MCP协议作为Agent和外部ERP、CRM等系统的连接标准，由腾讯提供Runtime、安全、可观测、调度能力，生态伙伴负责行业Skills、垂直智能体与业务连接器开发。配套可观测中心，统一采集Token消耗、任务耗时、失败链路数据，用于成本核算与链路优化，为企业评估Agent业务ROI提供可量化指标。

总结评论

从整套体系可以看出，腾讯的路线避开了两个极端：既不把AI简化为模型能力比拼，也不把Agent当成独立的应用产品。它的逻辑是自上而下的协同：算力先适配Agent独特的流量结构，调整GPU与CPU分工、重构数据底座；模型跟着Agent长任务需求优化，同时保持多模型开放；再通过统一Runtime解决Agent最棘手的执行、权限、可观测问题，拆分办公和行业两条路径落地。

这条路线的现实价值，是直面企业落地的核心痛点：数据断点、安全风险、成本不可控、业务系统对接难。但规模化落地仍有明确约束：Agent的价值最终取决于行业Skills质量、企业私有数据治理水平，以及业务流程本身的数字化基础。对产业而言，这代表AI进入新的竞争阶段：算力、模型、Agent不再是独立卖点，一套能够稳定嵌入现有IT体系、成本可算、风险可控的完整闭环，才是企业客户真正需要的交付形态。