腾讯云三位高管交底WorkBuddy：模型竞争、Agent安全与AI办公终局

智东西

作者 | 江宇

编辑 | 李水青

智东西10月28日报道，今日，在2026腾讯全球数字生态大会上， 腾讯集团副总裁、腾讯云CTO王慧星公布了WorkBuddy企业级服务的四项核心能力升级 ，包括开放平台能力、企业级安全解决方案、可观测中心，以及WorkBuddy托管智能体（WMA）。支撑这些能力的底层基础设施腾讯云Agent Runtime也迎来升级。

此次升级后，WorkBuddy将支持连接企业系统与第三方模型接入。其一方面与企业微信、腾讯文档等腾讯办公产品融合，另一方面通过MCP、连接器接入第三方协同平台，以及ERP、CRM等企业业务系统。同时，除腾讯混元外， WorkBuddy也支持接入第三方开源模型和企业自部署模型 。

针对企业普遍担心的安全和成本问题，WorkBuddy提供身份权限管控、敏感数据防护、操作审计等能力，并通过可观测中心追踪Token消耗、任务执行轨迹和不同业务场景的资源使用情况。

此外，WorkBuddy托管智能体（WMA） 也正式向企业和个人开放 。该服务将智能体的任务执行能力搬到云端，企业可以基于自身业务流程创建数字助理，并借助Agent Runtime提供的运行环境，让智能体持续执行任务、按需调度计算资源。

王慧星透露，目前腾讯云仅训练场景每天的沙箱创建量就达到 1400万次 。WorkBuddy自今年3月上线以来，累计完成 90亿次 用户任务请求，Token消耗较上线初 增长50倍 。

大会期间，腾讯集团副总裁、腾讯云CTO王慧星，腾讯云副总裁、腾讯CodeBuddy与WorkBuddy负责人刘毅，以及腾讯云副总裁、腾讯安全负责人董志强与智东西等媒体进行了近两个小时的交流，回应了企业AI落地、Agent安全、模型竞争、成本控制和下一代智能体形态等问题。

在群访中，三人透露了不少值得关注的信息：

1、企业AI的落地瓶颈正在向业务上下文转移。 王慧星认为，模型和Harness（智能体调度框架），在产品与技术层面已经迈过一道坎，下一步重点是让Agent接入企业真实的数据、权限和业务流程。

2、企业AI仍缺乏公认的核心衡量指标。 王慧星提到，业务增长和运营成本下降是最终结果，但行业尚未形成衡量组织生产力提升的统一北极星指标。

3、WorkBuddy正在重点优化两项指标： 任务完成率和隐性错误率 。 刘毅透露，除了任务是否完成，还要检查数据错误、排版问题和前后一致性矛盾，目前尚未披露具体指标数据。

4、Agent越权和提示词注入是真实存在的安全风险。 董志强提到，WorkBuddy通过工具调用白名单、沙箱、操作审计、人工确认及撤销机制等方式限制Agent行为。

5、 主动型Agent 将成为2027年的重点方向。 刘毅透露，WorkBuddy将加强对邮件、企业微信消息、周期性汇报等工作信号的主动感知。

6、腾讯正在推进企业数字助理平台。 企业可以复用WorkBuddy积累的执行、安全、可观测和评测能力，构建法务、财务、HR等专业数字助理。

7、腾讯不会因为算力成本高就砍掉复杂Agent任务。 刘毅预计，随着Token价格下降和工程优化，相关业务可能在未来两三年逐步形成更显著的毛利空间，但这一判断仍具有不确定性。

以下是关键问答的整理与汇总，智东西做了不改变原意的编辑：

一、模型和Harness已迈过一道坎，企业上下文只是起点

Q1：当前企业从接入Agent到规模化应用，最大的障碍究竟在哪里？

王慧星认为，企业Agent落地需要分为两个层面来看： 一方面是WorkBuddy等产品自身需要解决的技术和能力问题，另一方面则是企业内部的经营管理和组织配套问题。

对于产品层面，他总结了四项需要重点建设的能力。

第一是接入真实业务 。Agent不仅要连接企业微信、邮箱和腾讯会议，也要能够接入金蝶、用友等企业管理系统，以及友商的第三方协同平台。

第二是安全治理 ，包括Agent行为控制、越权防护、数据泄露防范和操作审计。

第三是效果衡量 。企业需要知道Token由谁使用、花在哪里，以及产生了怎样的业务效果。

第四是规模化部署 。除了为员工提供个人助理，还要支持企业创建法务、HR、财务等专业数字助理，并将业务经验沉淀为可重复调用的能力。

王慧星说：“ 本质上，模型和Harness在产品和技术上已经迈过那条坎，我们接下来就是把上下文准备好 。”

Q2：上一轮企业数字化尚未解决的数据孤岛问题，到了Agent时代会更容易解决吗？

刘毅认为，AI为打通不同企业系统提供了一种新的技术方式。

过去，企业内部不同SaaS系统通常拥有独立的数据格式、数据口径和接口规范，要让两个系统协同工作，需要投入较多开发和适配工作。现在，AI可以理解不同系统的数据Schema和接口，并根据业务需求生成转换器、适配器代码。

例如，把邮件、差旅系统和客户关系管理系统连接起来，自动完成一项跨系统任务。过去需要人工开发多套接口，现在可以借助AI生成和调整适配代码。

在刘毅看来，这意味着Agent有机会降低企业系统之间的集成成本，让原本分散在不同SaaS中的数据和流程实现更顺畅的协作。

Q3：企业AI办公的长期竞争力究竟来自模型、Harness，还是连接生态？

刘毅认为，连接生态是企业AI平台最重要的能力之一。 他解释，企业内部存在大量业务系统、数据、权限、安全和审批规则。如果Agent无法充分连接这些系统，就无法串起完整业务流程。

此外，企业之间也存在产业链上下游关系。不同企业拥有各自的专业经验和业务能力，这些能力未来不仅可以服务内部员工，也可以通过Agent服务外部企业。

王慧星则从模型角度进行了补充。 他认为，模型能力继续提高，确实可能降低部分Harness和产品工程的复杂度，但更高的模型智力往往意味着更大的计算成本。

以制作PPT为例，并非所有任务都需要调用最强模型。通过Harness、产品能力和模型的协同优化，可以用更合适的计算成本达到预期效果。

因此，腾讯一方面会继续投入混元模型的能力提升，另一方面也会探索模型、Harness与具体业务场景的联合优化。

Q4：第三方合作伙伴把自己的Skills和业务数据放到WorkBuddy上，如何防止核心能力被平台或其他用户获取？

王慧星回应，一些合作伙伴已经提出过类似担忧，例如把量化交易相关Skills接入WorkBuddy后，是否可能被其他用户获取。

他介绍，WorkBuddy正在通过 云端托管和加密机制 处理这一问题。合作伙伴可以将Skills、MCP服务或核心数据源部署在云端，而不是将完整能力直接暴露在客户端。同时，通过 端到端加密 等方式，限制平台和用户直接访问合作伙伴的核心数据及技术积累。

对于个人或企业数据，WorkBuddy也在建设 统一资料库 ，支持连接本地磁盘、企业网盘以及其他知识来源，并在此基础上提供检索、分析、向量化和记忆能力。

二、企业AI还没有统一成绩单

Q5：怎样判断一家企业真正用Agent提升了组织生产力？是否已经有统一指标？

王慧星认为，最终仍要看业务结果 ，例如企业是否实现增长，或者能否以更低的运营成本完成相同工作。

但他也坦言，企业AI目前仍处于探索阶段，行业尚未形成一套公认的、能够衡量组织生产力提升的北极星指标。

相比直接要求企业给出明确ROI， 他认为现阶段更重要的一步，是先解决安全顾虑，让一线员工能够实际使用AI。 因为很多企业的具体业务瓶颈，并不一定能在管理层提前规划时被识别出来，而可能存在于一线员工日常处理的任务中。

当员工开始借助Agent完成过去难以完成的事情，企业才能进一步识别哪些业务环节产生了价值，并逐步建立相应的衡量标准。

王慧星也提到， 未来Agent可能改变企业内部的人力资源配置和组织结构 ，但这些变化需要经过一段时间才能观察和评估。

Q6：WorkBuddy可观测中心如何评估Agent的实际效果？目前有哪些关键指标？

刘毅透露，WorkBuddy内部正在重点优化两项指标：任务完成率和隐性错误率。

任务完成率衡量Agent是否完成了用户交代的任务，是比较直接的指标。

刘毅强调，任务表面上完成，不代表交付质量没有问题。例如，Agent可能生成了一份报告，却在数据中引入错误；也可能完成PPT，但存在格式、排版或前后一致性问题。

这些问题不一定会让任务立即失败，却会影响最终交付质量，因此需要通过隐性错误率进一步衡量。

刘毅称，团队已围绕这两项指标建立多个Benchmark，并利用评测结果持续优化模型和Agent的交付能力。

对于媒体追问的具体任务完成率、人工介入比例等数据，他称暂时不方便披露。

Q7：Agent越权访问、提示词注入甚至失控，在真实企业环境中是否存在？

董志强明确道，这类风险确实存在。

他解释，传统软件的运行逻辑通常由开发者编写的代码约束，行为路径相对固定。而Agent需要根据目标自主选择工具和执行步骤，这意味着它可能为了完成任务尝试超出预期的操作。

其中一种风险来自提示词注入 。例如，Agent读取网页或邮件时，恶意内容可能夹带隐藏指令，诱导它忽略原有要求、访问其他数据或执行未经授权的操作。

因此，安全系统必须将网页、邮件等外部内容作为数据处理，而不能直接将其中的内容视为可执行指令。

另一种风险是越权访问。 董志强举例，员工虽然拥有某个CRM系统的访问权限，但Agent可能通过不同接口或调用路径，访问超出实际工作需要的数据。

对此，可以在AI网关层对Agent可调用的工具和参数设置白名单，并根据业务需要限制接口的读取和写入权限。

此外，高风险操作还需要配套人工确认及撤销机制，而不能完全依赖模型自行判断。

Q8：企业对数据安全要求严格，WorkBuddy如何控制数据流转和执行权限？

董志强介绍，WorkBuddy的安全能力覆盖企业账号、工具和Skills检测、沙箱执行、数据保护以及最终产物管理。

在数据层面，企业可以对敏感文件进行分类分级检查，对手机号、身份证号等敏感信息进行提醒、脱敏或加密处理。

对于要求数据不出特定环境的企业，WorkBuddy支持自部署模型、VPC专属网络以及机密计算等方案。

在行为层面，Agent执行的命令、调用的模型、外部工具和最终结果，都可以进入审计系统，便于事后排查。

对于可能修改重要数据的操作，可以先在沙箱中执行，再由人工确认是否写入真实业务环境。

董志强还提到，未来个人数字助理也需要具备独立的Agent ID ，并通过身份体系明确权限边界，而不是无限继承用户拥有的所有权限。

三、2027年押注主动Agent，难点是让AI理解长期目标

Q9：从执行单次任务到主动完成工作，WorkBuddy下一步将如何演进？

刘毅认为，2026年WorkBuddy的一项重要进展，是从根据用户意图执行单个任务，向围绕用户目标完成多步骤、长周期任务发展。

两者最大的区别，在于Agent不仅需要执行操作，还要检查结果是否达到了用户真正想要的目标。例如制作PPT，除了内容准确，还需要考虑美感、排版和最终展示效果。

在此基础上，刘毅透露，2027年WorkBuddy将重点加强Agent主动性。

在办公场景中，Agent可以感知用户收到的新邮件、企业微信中的协作消息，或者季度汇报等周期性工作需求，在适当时机主动准备报告、提醒待办或提供建议。

他认为，这种能力不仅适用于个人办公，也可以进入企业业务流程，承担更多自动化工作。

Q10：主动Agent为什么现在还没有大规模落地？最大的技术难题是什么？

刘毅将难点分为两个方面。

第一是可信托管。 主动Agent需要长期访问用户授权的数据和工具，因此必须解决身份权限保护、凭证隔离、安全护栏，以及提示词和Skills攻击等问题。

如果用户不敢把数据和权限交给Agent，就无法实现持续托管，也就谈不上真正的主动执行。

第二是长期目标理解和持续评估。 刘毅认为，Agent不仅要知道用户当前交代的任务是什么，还要能够理解任务背后的长期目标，判断目标是否已经完成，以及下一步应该在什么时机继续行动。

这需要模型和Harness共同建设长期目标提取、状态跟踪和结果评估能力。 与传统定时任务不同，主动Agent需要自行识别行动时机，而不是完全依赖用户预先设置触发条件。

Q11：当Agent可以直接生成界面、调用软件，未来还需要传统办公软件吗？

刘毅认为，未来软件能力可能进一步向 模块化、插件化 发展。原本由完整应用提供的功能，可以拆分为更独立、可组合的能力，再交由模型根据用户需求选择和调用。

这意味着，未来的AI工作台不一定只有固定的功能布局，而可能根据不同用户的场景，动态组合工具和插件。

不过，王慧星补充了隐私和安全方面的限制。

他认为，企业内部系统与个人生活应用存在差异。企业可以在明确的授权框架下开放业务接口，但涉及个人聊天记录和隐私数据时，不能只考虑Agent是否具备操作能力。

王慧星以自己为例，至少在当前阶段，他个人并不希望AI随意查看微信内容。

他认为，技术能够实现某种操作，不代表用户就愿意授权这种操作，未来AI产品仍需处理好能力、隐私和安全之间的关系。

四、数字助理成为企业版重点，中小企业主要靠伙伴交付

Q12：WorkBuddy为什么要从个人助理进一步延伸到企业数字助理？

王慧星确认， 数字助理将是WorkBuddy企业版下一阶段的重要方向。

他解释，个人助理主要围绕员工日常工作提供帮助，而企业数字助理则需要理解某个专业领域的业务背景、数据和流程。例如，企业可以为法务、财务、HR或经营管理等不同岗位创建专业数字助理。

在这一过程中，企业不需要从开源模型或Harness开始重新搭建整套系统，而是可以直接复用WorkBuddy积累的安全、云端运行、可观测及Agent评测能力。

王慧星还提到，腾讯会向企业输出WorkBuddy使用的评测体系，帮助企业检验自己构建的数字助理。

对于具体行业应用，腾讯会选择自身擅长的领域参与建设，但并不打算包揽所有垂直领域的数字助理开发。

在内部实践方面，王慧星介绍， 腾讯已在经营管理系统中探索数字助理 ，让员工通过自然语言查询经营数据、处理审批等任务。

Q13：大型企业需要FDE驻场支持，中小企业如何获得类似服务？

刘毅称， 腾讯正在采取差异化交付方式。…

News is gathered automatically from public robotics & AI feeds on a schedule.