当AI竞争进入生产力赛道，腾讯云发布的效率智能体工具集正掀起工作方式革命。WorkBuddy以全能工作台的姿态整合跨行业专家资源，将AI从问答工具升级为任务执行入口。本文深度拆解腾讯如何通过模型-产品-场景的飞轮效应，重构企业级AI生产力生态。

关于汤道生和姚顺雨的对谈，或许还有更值得琢磨的地方。

过去两三年，外界讨论AI，更多是在讨论模型会不会说话、会不会推理、参数有多大、榜单排第几。但现在，大家关心的问题变得越来越具体了。

Kimi Work把AI推向桌面工作流，OpenAI Codex在把Coding Agent做成开发者的任务控制台，Meta Business Agent要帮商家处理客户咨询、线索筛选和销售转化，Google和微软也在把AI agents放进搜索、办公和企业协作里。

而这些动作指向同一个方向：AI不再只证明自己会回答问题，还要证明自己能不能进入桌面、浏览器、代码仓库、企业客服、交易平台和业务系统，替人完成一段有结果的任务。

换句话说，生产力，正在成为AI竞争的第一叙事。而从这个视角出发，汤姚的对话，腾讯云AI产业应用大会的种种动态，呈现了更清晰的意义。

当AI下半场缓缓展开，腾讯云首次系统发布“效率智能体工具集”，同时升级WorkBuddy企业版等动作，实际上道出了腾讯自身的转折——过去提到腾讯，外界最熟悉的标签往往是游戏、文娱、社交。但到了AI时代，这个标签在向“生产力”转移。

过去二十多年积累的产品、场景和连接能力，正被腾讯组织成一种生产力生态，进而让它在AI战场上找回一种更主动的进攻节奏，以及新的身份和新的位置。

01 一个盯紧生产力的腾讯

腾讯这次发布的“效率智能体工具集”，覆盖个人、职场、企业和行业等层级。

面向个人用户，腾讯升级了QClaw、WorkBuddy、元宝、ima、腾讯文档等AI工具；面向职场人群，Buddy家族覆盖代码研发、办公、文档处理和创意设计等高频场景；面向企业客户，腾讯发布WorkBuddy企业版、Agent Suite办公智能体套件，并同步升级一系列企业级智能体平台能力。

产品繁多，但主线不复杂。腾讯想把AI从一个“能回答问题的工具”，变成一个“能承接任务的工作入口”。

这里面，WorkBuddy可能是最关键的一个。汤姚对话点名了这个产品，其口碑也确实不错。

腾讯给它的定位，是全能 AI 工作台。一人指挥，全行业专家执行。你会发现这上面的专家密密麻麻，场景涉及内容创作、法律咨询、投资分析、小微企业等方方面面。

（WorkBuddy上的专家团队)

就个人体验来说，过去一段时间，我几乎每天都在用WorkBuddy。原本，我需要每天打开不同的网站，有的是科技领域垂类媒体，有的涵盖科技资讯的财经平台，然后从各家信息流中，筛选需要关注的行业信息。

但随后，我开始给WorkBuddy设置自动化任务。把关心的主题告诉它，让它每天早上自动查找并过滤过去24小时行业里最值得关注的动态。同时为避免遗漏一些更宏观的大事要闻，还让它从两家权威官媒做扫描梳理。然后把生成的结果，放到Obsidian查看并存档。

更进一步，过去要分析一家公司、一个主题、一个产业现象，还要想办法查找券商、咨询公司或研究机构报告。现在，可以在WorkBuddy上调用专家团，让他们直接调研和深入分析。

对我来说，这是AI生产力最直接的样子。而现在，WorkBuddy企业版来了，把生产力从“个体”推向“团队”。

企业版提供7×24小时运行的专家数字员工，支持员工、AI智能体和团队成员在同一个项目空间里共享上下文、skills和产物；同时通过Agent Suite，把腾讯文档、腾讯网盘、腾讯乐享等能力接入WorkBuddy。

这里真正要解决的问题是，个人提效不等于组织提效。一个员工用AI把日报、标书、数据分析做得更快，只是第一步。更难的是，他的经验、模板和产物，能不能沉淀成企业可复用的资产。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生给过一个自己办公中的使用场景。他会用WorkBuddy把日报里的数据整理成趋势分析报告。过去这类需求可能要找研发同事排期，现在几分钟就能完成；如果想加一个指标，只需要提出新的需求。

这个例子说明，很多过去需要跨部门排期的小任务，正在被AI加速执行。

而企业里还有大量繁杂的需求和任务。它们情况更复杂，也更有代表性。

龙湖的实践提供了一个样本。产品经理用WorkBuddy读取和整理大量言论，生成图像测算相关的技术见解和PRD初稿；数据分析师把业务数据交给它，完成清洗、分析、可视化并一键导出；项目经理用它做风险筛选和业务分析；财务用它做发票识别与流程核查；法务则用它生成合同风险提示。

这些任务分散在产品、数据、项目、财务、法务等岗位里。WorkBuddy企业版要验证的，正是AI数字员工能不能进入一家传统大型企业的多个职能，变成“全岗位”的生产力工具。

这样的例子还有很多。

上海医药用WorkBuddy提升内部文案撰写效率，和仁科技基于WorkBuddy与CodeBuddy部署超百位“数字员工”，游族网络把WorkBuddy与CodeBuddy、ClawPro组合使用，覆盖会议纪要、文档转存、热点洞察、用户画像等业务协同场景。

总的来看，腾讯快速地迭代自身的AI产品和能力，并把AI生产力横向铺开。

02 一个越转越快的飞轮

顺着WorkBuddy这个由头，姚顺雨问汤道生：“相对于传统的产品研发，在Agent时代的研发和组织管理上，产品团队发生什么变化？”

答复是：WorkBuddy的组织非常扁平化，小团队三个人、五个人，围绕某一个领域来做攻坚，并且做非常多的试验——这样的组织形态，才好支撑原生AI产品的研发。

组织形态的变化支撑了具体的AI产品上的迭代，不过腾讯AI的加速，首先来自模型能力的补齐。

过去一段时间，外界对腾讯AI的质疑，很多集中在模型侧。姚顺雨加入腾讯后，混元的研发方向发生了明显调整。按照汤道生的说法，姚顺雨推动模型和产品Co-Design，把混元从非常在意外部benchmark，转向以产品用户体验作为北极星指标。

这件事的意义还在不断放大。

大模型行业长期容易陷入榜单竞争。参数规模、上下文长度、推理分数、代码能力，都可以成为被比较的指标。但真实产品里的用户不是在做标准题。他可能只说一两句话，描述很模糊，还会不断追问。

姚顺雨的判断是，benchmark有价值，但真实世界的数据能暴露榜单没有发现的问题。模型要变得好用，不能只看外部榜单，而要理解真实用户怎么提问、怎么修改需求、在哪些地方失败。

这正好落到腾讯的长处上。

腾讯有大量产品场景。元宝、WorkBuddy、CodeBuddy、腾讯文档、腾讯会议、ima等产品，都会产生不同类型的真实任务。它们一方面需要模型支撑，另一方面也会把用户反馈、失败案例和评测标准反向提供给模型。

就像姚顺雨所说，腾讯有很多产品和很多“好问题”。这些产品和问题本身，在某个契机之下，会成为模型进化的养料。

于是可以看到，现在腾讯已经形成了一个飞轮：模型能力提升，产品体验变好；产品使用变多，真实场景数据和反馈增加；这些反馈再推动模型迭代。

Hy3 preview已经在CodeBuddy、WorkBuddy、元宝等产品中规模应用。WorkBuddy接入后，首次响应速度提升54%，任务平均完成时间缩短47%，任务成功率保持在99.99%。元宝大约80%的用户也已经在用Hy3 preview。

这些数字的意义，不在于证明某个模型“更强”，而是说明模型改进已经直接传导到应用体验之上。

更深一层看，腾讯的产品研发方式也在被AI改写。

回到前面关于组织的问题。汤道生把AI时代以前的产品开发形容为瀑布流：产品经理写PRD，交互、视觉、前后端、测试一步步交付。现在，AI能生成大量代码，团队成员的重点开始转向描述目标、设计架构、前置评测和质量控制。

WorkBuddy、QClaw这类产品由更小、更扁平的团队快速迭代。工程师不再只是写代码，而更像是驱动多个AI Agent完成任务的人。测试和评测也被前置，因为AI生成越多，越需要更早定义好结果。

这意味着，腾讯的AI加速不只是产品层面的，也是组织层面的。

当然，飞轮也有现实约束。算力仍然紧张。过去两三年，腾讯优先服务内部产品，包括混元训练、微信、会议、元宝等需求。对WorkBuddy、CodeBuddy这类Agent产品，腾讯当前仍处在投入期，并没有给Buddy团队设商业化目标。

这说明腾讯现阶段更关心的是产品价值能不能被证明，而不是过早把Agent调用量转化成收入指标。商业模式会出现，但在眼下，调用量更多是使用指标，而非商业化指标。

这意味着，腾讯的AI飞轮能够在更少的束缚之下，更快地运转。飞轮越转越快，腾讯能输出的AI生产力越来越强。

但飞轮本身还不是最重要的，飞轮背后的生态，才是腾讯在AI大潮中最重要的底牌。

03 AI要拼环境和context了

实际上，不只是腾讯，整个AI行业都越来越重视生产力。

大多在想办法把AI塞进更多工作流，拆任务、调工具、接数据、交结果。而竞争焦点，也从谁的模型更聪明，转向了谁的AI更可靠和更能干活。

这时候，大家选择并不相同。

OpenAI重范式定义，不断用ChatGPT、Deep Research、Operator、Codex等产品，把行业对AI能力边界的想象往前推；Anthropic以Claude为核心，并通过Claude Code、MCP等产品与协议，切入开发者终端、代码库和工具连接层；DeepSeek看重模型效率，用训练效率、推理成本和开源扩散，重塑行业对高性能模型供给成本的判断。

腾讯则以“连接”为关键词，构建出了一套连向各类场景的AI生态。

它不押注某个单点Agent，也不框定于办公套件，而试图把AI放回微信、企微、腾讯文档等自家工具构成的高频连接网络里，把过去分散的产品能力，重新组织成AI生产力系统。

这时不妨再提一下姚顺雨的判断：环境和context很重要。‘模型越来越擅长把一个非常复杂的输入变成输出，很多时候你的竞争壁垒，就在于你有没有最原始的输入’。

模型仍然是底座，但模型要完成任务，需要入口、工具、上下文、数据、权限和安全机制。它要知道用户在做什么，能调用哪些系统，能不能交付到原来的业务流程里。姚顺雨把context看作AI下半场的关键，腾讯最不缺的就是context。

这有赖于腾讯过去二十多年搭出来的产品矩阵，以及相应的工程能力。

腾讯文档等传统互联网产品，在WorkBuddy里成了Agent可以调用的能力单元。文档可以承接人机协作，会议可以沉淀可复用的Context，网盘和知识库可以提供资料与经验，SkillHub和Connector则让更多内外部能力接入任务链条。

而支撑这套系统运转的，是腾讯在Infra和工程化上的长期积累。腾讯云围绕Agent Runtime、Agent Memory和安全网关等搭起的底层能力，让Agent可以跑得更久也更稳。

而未来，如果腾讯的Agent进一步打通IM、支付、小程序和企业系统，带来的想象空间显然会进一步膨胀。

过往积累的产品和场景，本身就是AI时代最稀缺的养料。只是过去缺一根主线，把它们串联成可以兑现的价值。

现在这根线终于找到了。当模型驱动产品，产品反哺模型，场景提供context，context构建壁垒，腾讯AI的飞轮终于转了起来。

这艘大船还不够稳。但至少，它已经知道该往哪个方向划，并且越划越快。