6月5日，騰訊云AI產業應用大會上，騰訊一口氣亮出了AI生產力武器庫。

圍繞個人與企業AI提效需求，騰訊云系統性展示了“效率智能體工具集”。面向個人用戶，提供開箱即用的AI助手和知識工具；面向職場人群，提供覆蓋辦公、研發、設計、創意等崗位的Buddy家族智能體；面向企業客戶，則提供WorkBuddy企業版、辦公智能體套件、ADP 4.0、ClawPro等平臺化能力。

騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生在大會上花了大量時間來討論產品問題。

他直言不諱地講，騰訊的產品底色未變，在AI時代依然是一家產品導向的公司。當前AI已經深入到產品研發的全過程中，基于此，騰訊認為一款好的AI原生產品，應該在產品、模型測評、數據四個維度對齊，才能滿足技術和用戶的雙重需求。

穿越產品周期的湯道生，雖然自嘲“老登”，但也在AI產品中找到了熟悉的影子。他說，“WorkBuddy有點像幾年前的騰訊會議，既有To C屬性也有To B屬性”。

騰訊在AI時代是特殊的存在，一頭握著大模型、Agent，另一頭則是覆蓋千千萬萬場景的產品。由此，也誕生了騰訊AI下半場的核心方法論——Co-Design。姚順雨認為，做模型過去比拼的是找到好的方法，但現在比拼的是找到好的問題。而實現這一目標的關鍵，在于產品與模型這兩個環節的深度協同。

在“騰訊AI慢了”的質疑聲中，騰訊反而穩住了自己的步伐。

混元模型研發導向，從追求榜單排名，轉向了服務好元寶等產品的用戶體驗。元寶、Agent類產品，不盲目搞賽馬機制，也不跟風“收費”潮，明確現階段的主要目標是滿足用戶體驗、解決需求、提升留存率，而非激進推進商業化。

關于Token經濟話題，騰訊云的思路也不太一樣。湯道生提出，Token調用量首先是使用指標，不是商業化指標。按Token收費可以，但單純靠Token不一定長久。有些場景更適合按效果、按任務價值來收費，只是很難一刀切。說到底，Token和算力只是載體，用戶要的是能提效、能解決問題的好產品。

現在的騰訊把AI當作一場馬拉松。起跑快的不一定先到終點，節奏穩的才能跑得久。與其追風口、趕熱點，不如把基礎打牢。承認在AI行業里，不可能每個板塊都領先，“有的業務快一點，有的慢一點，這很正常”。

以前是拿著釘子（場景）找錘子（大模型）。現在不一樣了，釘子和錘子坐在同一張桌子上，一起設計、一起打磨。

產品團隊帶著真實場景的需求來，模型團隊拿著技術能力來，彼此對齊、互相牽引。不是誰等誰，而是共同敲下去，敲在用戶真正疼的地方。

這就是騰訊Co-Design的哲學：模型與產品，不是先后手，而是左右手。

那個熟悉的騰訊，確實回來了。

以下是本次大會主要內容的精華部分：

1、元寶的差異化戰略：不急于商業化，聚焦留存與體驗

面對友商推出C端付費模型，湯道生明確表示騰訊現階段不盲目跟進收費。元寶的核心KPI是持續增長與留存率提升，而非商業化收入。團隊致力于通過引入實時數據、專業信息源和更精準的搜索服務，打造差異化體驗。這種“先體驗、后變現”的思路，體現了騰訊在AI消費端產品上穩扎穩打的長期主義。

2、騰訊定義“好用的AI產品”：四個維度對齊，用戶用腳投票

在湯道生看來，AI時代的好產品不再只靠直覺或創意，而是可度量、可對齊的系統工程。他提出，一款真正“好用”的AI原生產品，必須在產品目標、模型能力、評測體系、數據質量四個維度實現深度對齊。評測不是事后檢驗，而是前置的標尺；數據不是越多越好，而是要精準服務于模型與產品目標。同時，用戶會“用腳投票”，WorkBuddy的普及并非靠硬推，而是用戶自發覺得好用、能提效。好產品的最終標準，是能否在真實場景中持續解決用戶的痛點。

3、從“拿著釘子找錘子”到“釘錘共桌”，Co-Design的實戰價值

湯道生用“釘子和錘子坐在同一張桌子上”，形象詮釋騰訊的Co-Design哲學。產品團隊帶著真實場景需求，模型團隊帶著技術能力，彼此對齊、互相牽引。這一模式已在新一代Hy3 preview模型和元寶的協作中取得實效，產品留存率顯著提升，模型迭代不再追逐榜單，而是服務用戶真實反饋。模型與產品不再是先后手，而是左右手。

4、一人公司的到來，AI原生研發讓團隊從“百人”縮至“三人”

湯道生預測，AI將催生“一人公司”的可能性。在大模型承擔大量代碼生成后，研發團隊的核心能力從敲鍵盤轉向寫需求、架構設計和結果定義。WorkBuddy等產品背后已是三五人的feature team在運作，角色高度融合，測試評測大幅“左移”至需求描述階段。這種扁平化、小團隊的模式，正在顛覆騰訊內部的產品管理流程。

5、Agent不會吞噬SaaS，而是喚醒存量能力的“新接口”

針對Agent是否將取代傳統SaaS的擔憂，湯道生給出了相反的觀點，智能體正在激活騰訊過去積累的SaaS能力。以騰訊文檔為例，其多年沉淀的文檔處理功能被封裝為Skill，供WorkBuddy等Agent調用。用戶仍享用同樣的能力，但交互方式從點擊菜單變為自然語言對話。Agent不是替代品，而是存量軟件資產的“新交互層”和“能力放大器”。

6、Token不是終點，更理想的商業模式還在探索中

在行業熱衷討論Token調用量與價格戰時，湯道生提出一個關鍵判斷：Token調用量是“使用指標”，而非“商業化指標”。按Token收費雖可行，但并非長久之計。更理想的模式是按任務價值或效果收費，例如智能體幫助企業提效所創造的真實增量。比如，將計費單元從底層資源轉向業務成果，這或將重塑AI服務的商業邏輯。

7、算力困局下的破局之道：生態協同、資源分級

面對持續的算力供給瓶頸，湯道生坦言自行設計芯片無法解決產能問題。騰訊的策略是與多家芯片廠商深度合作，將其視為生態伙伴而非供應商，共同打造算力標桿案例。同時，有限的算力資源優先傾斜內部高優業務（混元訓練、微信、會議、元寶等），再逐步釋放給外部客戶。這種務實的“生態協同+資源分級”策略，是騰訊云應對算力短缺的核心方法論。

8、MaaS是智能體的“燃料”，更是騰訊云的下一個高增長引擎

湯道生明確將MaaS（模型即服務）定位為騰訊云的重要增長板塊，并視其為智能體產品的底層燃料。隨著WorkBuddy等Agent產品普及，企業端的Token消耗與MaaS調用量持續攀升。盡管受限于算力供給，需求已遠超當前承載能力。

9、AI時代的能力與入口解耦，不同產品解決不同問題

在移動互聯網時代，企業微信憑借社交連接成為辦公入口。AI時代能力和入口可以適當剝離。例如，用戶可直接通過微信Bot喚起智能體，而計算與推理跑在云端；WorkBuddy雖有聊天界面，核心卻是任務執行而非社交。企業微信側重人際溝通與流程審批，WorkBuddy專注人機協作。兩者并存，而非誰取代誰。

10、場景連接是Agent的勝負手，從聊天到行動的關鍵一躍

從Chatbot到Agent，真正的智能體不僅能生成會議紀要，還能將待辦事項自動推送到日歷；不僅能在元寶搜索旅游信息，還能一鍵跳轉至訂票網站完成交易。這種跨應用、跨場景的行動閉環，正是大模型擅長的事，也是騰訊下一階段重點投入的方向。連接越多，Agent的價值就越大。

11、AI投入不搞雨露均沾，而是動態押注

湯道生坦言，騰訊不可能每個板塊都領先，有的快、有的慢很正常。但一旦某個產品獲得用戶認可，騰訊會迅速調整資源加大投入。典型案例是CodeBuddy，原本只服務程序員，隨著模型能力提升，意外演變為面向全員的WorkBuddy，打開了巨大新市場。這種“觀察-驗證-重倉”的動態投入策略，比預設終局、押注單一方向更適應AI時代的快速變化。