“騰訊云全棧融合創新，讓Agent真正轉化為生產力工具。

在數字化浪潮席卷全球的當下，國產化替代已成為科技產業發展的關鍵命題。過去數年，中國科技產業的自主創新更多聚焦“補短板”，即通過技術攻關確保極端情況下的業務連續性，筑牢發展底線。

然而，隨著AI時代的到來，這一戰略邏輯正在發生根本性轉變。正如5月20日騰訊集團副總裁、政企業務總裁李強在2026騰訊云融合創新峰會現場所言：“AI時代的自主創新，已從守住底線，躍遷到拉高上限。”

在AI時代，中國科技的“底座厚度”決定著智能高度。唯有構建覆蓋芯片適配、算力、模型、應用與安全的完整創新底座，企業才能高效擁抱AI、驅動業務創新，讓Agent真正重塑生產力與競爭力。

基于此，騰訊云全面升級面向Agent時代的融合創新基礎設施，構建覆蓋多場景的Agent服務，助力政企融合創新加速邁入Agent時代。

作為這一戰略的核心支撐，騰訊已打造了包括TencentOS、TDSQL、TBDS等在內的“6T”國產軟件體系，并持續針對AI時代升級產品矩陣，以全棧融合創新能力為中國智能產業注入新動能。

從“守底線”到“拉上限”

國產數字化如何借AI重構競爭力？

大模型與Agent技術的爆發，正在改寫企業數字化的底層邏輯。當AI從“輔助工具”進化為“生產力主體”時，國產數字化升級的路徑也悄然生變，不再是簡單的“國產替代”，而是構建國產化全棧融合創新體系，在保障安全可控的前提下，用AI驅動業務創新，搶占智能時代的制高點。

從“補短板”到“筑長板”，展現的是AI時代的趨勢之變。

過去幾年，國產數字化的核心是“守底線”，防風險，補漏洞，確保在極端情況下業務不斷檔。

但2026年的今天，游戲規則變了。李強在峰會上指出：“AI時代的自主創新，已從守住底線，躍遷到拉高上限。”

數據印證了這一判斷：中國AIGC用戶已超6億，Token價格兩年下降99%，日均調用量增長千倍。

更關鍵的是，52%的中國CEO已確認AI帶來實際業務增長，遠高于全球30%的平均水平。這意味著，國產數字化不再是被動防御，而是要通過AI能力建設，主動培育新質生產力。

而構建“全棧融合創新體系”成為最現實的路徑選擇。

面對這一趨勢，單點技術的突破已不足以應對競爭。峰會上發布的《AI時代國產數字化升級落地路徑研究報告》就明確指出：落地路徑就是構建國產化全棧融合創新體系。

騰訊云的實踐提供了范本，已構建起以“6T”為核心的全棧融合創新產品體系，覆蓋從芯片適配到上層應用的全鏈路：

底層基石是操作系統TencentOS（累計裝機超1000萬套）、專有云平臺TCE與TCS，解決算力調度與資源管理問題。

數據中樞則包括數據庫TDSQL（連續多年金融市場份額第一，覆蓋4大行核心系統）、大數據平臺TBDS，保障數據要素的安全流通與高效處理。

智能引擎涵蓋AI平臺TI及大模型聚合服務平臺TokenHub，為企業提供從模型訓練到推理的一站式服務。

這套體系的價值在于“融合”，不是簡單的軟硬件堆疊，而是深度適配與協同。

目前，騰訊云106款產品入選工委會軟硬件圖譜，完成3069項廠商互認證，真正實現了“中國底座”的可用性、可靠性和安全性。

用“智能體”重構行業場景就成為最有力的落地實踐。

全棧能力的價值，最終要體現在業務場景中。騰訊云通過“分層賦能”策略，將AI能力注入千行百業：開發層，CodeBuddy助力程序員效率提升；辦公層，WorkBuddy重構企業協作流程；行業層，ClawPro+ADP支持企業定制開發專屬Agent。

目前已經涌現眾多標桿案例，如中國銀行基于騰訊云底座，實現了4地8中心的全球級金融創新，4000+AI模型讓數據處理成本下降60%；南方電網則借助TCE與RAG技術，打通5省數據，構建起自主可控的智能調度平臺。

在AI全球競爭從“模型競爭”走向“體系競爭”的當下，國產數字化的核心命題已非常清晰：只有筑牢全棧自主創新的底座，才能撐起中國AI的高度。這不僅是技術的勝利，更是產業生態的勝利。

騰訊云全棧產品升級

構成面向Agent的融合創新能力矩陣

在AI與Agent技術深度融合的當下，企業數字化正從“單點工具應用”向“全棧能力重構”躍遷。在峰會上，騰訊云副總裁王義成發布面向Agent時代的融合創新能力矩陣，覆蓋國產硬件、操作系統、云平臺、數據平臺、AI引擎、Agent服務及安全服務7大層面，通過全棧內生安全貫穿始終，構建起支撐Agent時代的國產數字化底座。

騰訊云副總裁王義成

這一矩陣以“AI-Ready”為核心，針對企業智能化轉型的全場景需求，以技術創新突破國產化瓶頸，為企業高效擁抱AI、驅動業務創新提供“一站式”解決方案。

第一，操作系統層，TencentOS Server AI增強版堪稱AI Agent的“智能底座”。

操作系統的適配性與智能化水平直接影響上層AI應用的運行效率與運維成本。騰訊云此次發布的TencentOS Server AI增強版，首次為AI Agent打造“AI-Ready”操作系統。

系統擁有開箱即用的AI開發環境。傳統操作系統需企業自主配置AI開發組件，耗時且易出錯；而TencentOS Server AI增強版內置AI開發與部署所需的核心組件，支持9大領域24個真實運維場景的“零命令”自動完成OS運維，大幅降低企業AI應用的部署門檻。

同時利用AI輔助運維能力。針對Agent部署后復雜的運維需求，系統內置AI運維工具，可自動識別故障、優化資源分配，實現“越用越懂業務環境”的智能運維，顯著提升系統穩定性。這一升級使TencentOS成為首個深度適配AI Agent運行環境的國產操作系統，為大模型訓練、推理及智能體交互提供底層算力保障。

第二，云平臺層，TCE與TCS全棧國產化的“性能標桿”。

云平臺是企業數字化轉型的基礎設施，其國產化適配能力與性能表現，直接決定上層應用的運行效率。騰訊云專有云平臺TCE與PaaS平臺TCS在此次升級中實現兩大突破：

全棧國產軟硬件100%適配。TCE/TCS支持國產芯片、服務器、存儲等全鏈路硬件，以及國產操作系統、中間件等基礎軟件，徹底打破“卡脖子”技術壁壘，確保企業數據與應用的安全可控。

行業頂級性能驗證。通過中國信通院融合創新云IaaS性能總體架構最高等級檢驗（即“五星認證”），TCE/TCS在全棧國產環境下的性能表現已達行業頂級水平。這意味著企業基于TCE/TCS部署AI應用時，可無縫對接現有國產硬件生態，無需為“性能損失”妥協，為AI Agent的高并發、低延遲運行提供了可靠的基礎設施支撐。

第三，數據平臺層，TDSQL與TBDS實現從“數據存儲”到“智能決策”的跨越。

數據是AI的“燃料”，而數據平臺的智能化水平決定了企業能否從海量數據中快速挖掘價值。騰訊云此次升級的數據平臺產品，實現了從基礎存儲到智能Agent的跨越。

數據庫TDSQL實現了性能與易用性的雙重突破。企業版計算引擎優化后，OLTP性能提升50%，OLAP性能提升20倍，深度基于國產芯片調優，性能追平傳統架構表現，滿足金融、政務等對高并發、高可靠數據存儲的需求。

而智能運維工具DatabaseClaw通過一句話定位故障根因，并結合業務環境數據自動分析，實現“越用越懂業務”的智能診斷，降低運維成本。

大數據平臺TBDS從多模態湖倉到智能Agent的升級。TBDS核心升級體現在3個方面：搭建多模態湖倉基座，統一支撐結構化、非結構化、半結構化全類型數據，為大模型訓練提供更豐富的數據源。

智能開發WeData平臺實現DataOps（數據開發運維一體化）與AIOps（AI驅動運維）的深度融合，支持業務人員通過自然語言完成數據處理與分析。

而智能Agent賦能上層推出數據分析、智能自治、業務自助等Agent，業務人員可即問即得完成從數據查詢到決策建議的全流程操作，真正實現數據驅動業務。

第四，AI能力層，TI平臺+TokenHub+ADP實現了全流程AI引擎的國產化適配。

AI能力的國產化適配是企業落地AI應用的關鍵瓶頸。騰訊云此次構建的一云多模全流程AI引擎，覆蓋大模型訓練、推理、開發及應用全生命周期：

TI平臺作為一站式大模型訓推平臺，全面適配國產AI芯片（如海光、鯤鵬等），兼容國產操作系統（如TencentOS），支持從模型訓練到推理的全流程優化，降低企業大模型落地的技術門檻。

TokenHub大模型服務平臺提供靈活的模型服務，支持企業按需調用公有云、私有云或混合云的大模型能力，兼顧成本與效率。

ADP智能體開發平臺：作為企業級Agent開發與運行引擎，一站式覆蓋智能體設計、訓練、部署、運維全生命周期，支持多模態輸入與大模型調用，大幅縮短智能體開發周期。

第五，Agent服務層：多場景效率Agent矩陣，實現從“工具”到“生產力引擎”的進化。

騰訊云此次構建了覆蓋個人、辦公、知識、營銷、研發、IT等多場景的效率Agent產品矩陣，其中最具代表性的是全新發布的ClawPro專有云版，將公有云ClawPro經百萬級用戶驗證的核心能力完整部署于企業本地環境，兼容主流大模型（如GPT-4、Hunyuan）與異構算力（CPU、GPU、NPU），滿足金融、政府等對數據本地化的高要求。

通過國產化軟硬件適配、加密傳輸、權限管理等安全設計，確保企業數據在本地環境中的安全性。支持研發（代碼生成、測試）、營銷（客戶畫像、智能客服）、辦公（文檔處理、會議紀要）等場景，真正實現“AI能力融入日常工作”。

協同共建開放生態，騰訊云全棧融合創新的多行業規模化落地實踐

騰訊云全棧融合創新底座的價值，在真實業務場景中得到充分驗證。其覆蓋芯片適配、操作系統、云平臺、數據平臺、AI引擎等全鏈條的技術能力，與生態伙伴的深度協同，推動金融、政務、能源、醫療、交通等行業核心系統實現高效落地。

騰訊云融合創新開放聯盟同步完成智能化升級，過去一年聯合100多家生態伙伴，完成326個核心應用適配，打造83個覆蓋30余行業的解決方案，為規模化落地提供了“技術+生態”的雙重支撐。

鑫方盛是騰訊云在工業供應鏈領域的產業標桿。公司以騰訊云CDC分布式專屬云為底座，利用其GPU算力資源部署自有模型及開源模型微調，并直接復用騰訊大數據體系與計算架構，實現存算分離與彈性擴展，整體IT成本較此前多云方案下降約30%。

在此基礎上，鑫方盛自主構建了面向工業品供應鏈的行業AI能力，包括200余個深入SOP流程節點的智能體、基于“出納+會計”邏輯的多模型交叉校驗機制，以及將非結構化數據全面自然語言化的數據治理體系，有效將AI幻覺降至極低水平，品類準確率達97%。

最終，鑫方盛以“開箱即用”和“專業化部署”兩種模式向央國企客戶交付服務。開箱即用讓客戶直接調用智能尋報價、商品自動歸類等AI能力，報價效率提升180%；專業化部署則因與客戶側技術棧同為騰訊云體系，雙方團隊無縫對接、集成高效。

由此，鑫方盛幫助央國企客戶將原來大量依賴人工的供應鏈流程——詢報價、商品治理、訂單審核、對賬結算等——用AI重新做了一遍，整體業務效率提升60%以上，真正實現了以懂行的產業能力疊加騰訊云的基礎設施優勢，為工業供應鏈的數智化轉型提供了可量化、可復制的標桿路徑。

而支撐這套體系高效運轉的關鍵，在于鑫方盛針對AI幻覺祭出的三板斧：

高質量數據+自然語言化重構。把所有非結構化數據進行自然語言化轉化，不是簡單地把“手機型號XXX”扔給模型，而是把它描述成“這是一部用于某某場景、具備某某功能的設備，適合某某人群使用”，相當于給模型寫了一本商品說明書。這種自然語言化的數據讓模型真正讀懂商品，而非僅做向量匹配，從源頭上大幅減少因信息缺失導致的幻覺。

多模型交叉校驗，類似“出納+會計”雙審。鑫方盛不把決策交給單一模型，而是用多個模型互相驗證。以詢報價場景為例，一個AI模型完成推理后，會再用另一個AI模型去校驗結果是否符合原始訴求，就像企業里出納做完賬、會計再審一遍。

數據格式治理——讓數據“喂得對”。鑫方盛把數據治理提升到與模型訓練同等重要的高度。依托鑫智鯨數據湖，對結構化、半結構化、非結構化數據進行統一建模，先完成清洗、分類、標準化，再以自然語言形式輸入。這套流程讓模型拿到的是高規格的知識片段，而非原始碎片，確保AI在推理時有充分的上下文支撐，而非靠猜來補全信息。

三板斧合力之下，鑫方盛在商品標準化場景實現了97%的品類準確率，在詢報價場景將效率提升180%，同時將AI幻覺控制在業務可接受的極低水平。

騰訊云副總裁、生態拓展負責人張果在峰會上表示，騰訊云將以“更多伙伴、更強產品、更優政策”為路徑，打造開放的AI平臺，通過產品能力培訓、Skill能力培育和AI轉型升級支持，助力伙伴在融合創新與AI疊加的新市場空間中實現更多價值。

未來，隨著騰訊云與更多伙伴的深度合作，國產數字化必將在開放協同中實現更可持續的創新發展，為智能時代注入強勁動能。